（国网河南省电力公司濮阳供电公司 河南省濮阳市 457000）
摘要：在我国进入21世纪快速发展的新时期，随着信息技术的高速发展，电网正从自动化时代迈向智能化时代，“云大物移智”的发展趋势对电网升级转型，建设智能化可靠电网有着极其重要的意义。变电站作为电网中的重要一环，其设备运维质量很大程度上决定着电网运行的可靠性。通过分析变电站运维大数据的类型特征，结合数据挖掘方法及其关键技术，探究变电站内数据分析应用场景，最终提高运维大数据的利用率和站内设备运行的可靠性。
关键词：变电运维;数据挖掘;预测分析
引言
在智能变电站运行过程中，应该加强其管理，通过相应专业技术和理论来让其智能变电站能够更加稳定的运行。因为智能变电站是利用计算机和通信结合的方法进行运行，所以计算机技术就成为当中的重要技术，在计算机的控制下，对其电力进行合理分配，进而来优化其电力资源，减少电力的浪费，更好的推动我国电力行业的稳定发展。
1基本内涵
智能变电站设备管控大数据分析系统主要通过信息化平台来获取变电站大量设备的运行数据，采用统计分析、机器学习等方法对设备的运行状态数据进行分析和挖掘，从分析数据基本规律视角来评估、诊断变电站设备的状态，能够对变电站设备异常运行状态进行快速检测和评估，全面掌握设备的健康状态，为变电站设备的管控提供辅助决策依据。变电站设备管控大数据分析是从海量数据中来提取客观规律，不需要构建复杂的机理模型，其主要优势体现在：ａ．从数据挖掘的视角来揭示设备之间以及设备与变电站运行之间的内在关联关系，对设备早期的故障信息和故障发展过程进行分析，对不同故障发生的概率进行预测，从而能够快速、有效地完成设备故障预警和诊断，确保设备的安全稳定运行。ｂ．利用数据统计、关联分析以及数据挖掘等方法来获取不同运行状况、多维度下的设备运行状态变化规律，实现多层次、多视角以及多维度下的全方位分析，可有效提升设备状态预警和诊断的准确性。ｃ．推动新一代信息互联与设备预警诊断的深度高效融合，能够快速分析设备海量数据，实现设备运行状态的主动预警和智能化诊断，提升变电站设备管控的效率和智能化水平。
2变电站运维大数据的挖掘和应用
2.1管理过程优化
1)在智能变电站运维过程中，为提升设备的检测工作效率，需要优化管理过程，使运行和维护能力显著提升。现阶段，应认识到智能变电站设备维护的现状，根据出现的问题，对维护方案进行选择，使变电站管理工作更加智能与高效。实际工作中，应根据《智能变电站运行管理规范》对相关设备进行巡视和安全检查，及时改进存在的不规范问题。同时，重视技术升级，使用最新的网络监控技术，如无人机与智能传感器装置在电网设备故障监测中的应用，有效提升智能变电站的运行维护能力。2)管理过程中，对智能变电站系统中牵引变电站、配电所、变电所等主要单元进行在线监测，通过云端智能监控平台和手机APP的结合应用，使变电站基础设备得到全方位监测，及时发现和处理故障问题，有效提升设备的运行维护能力。
2.2数据挖掘方法
数据挖掘有别于传统的简单数据分析。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中但又潜在有用的信息和知识的过程。数据挖掘基于大数据技术从多种类型的数据中快速获取知识，为决策人员提供客观的决策支持。借助数据挖掘方法分析变电站运维大数据，可以从海量运维数据中找出潜在信息，帮助运维人员更有效地评估设备状态。数据挖掘基本流程大致可分为6大模块，分别是业务理解、数据理解、数据准备、建立模型、模型评估和应用改进。
业务理解即确定目标和明确分析需求;数据理解即数据收集和数据清洗，其中数据收集所抽取数据必须能够正确反映业务需求，否则所得到的分析结论将会无效化甚至误导化，数据清洗作用为“去噪”和“补全”，剔除原始数据中的坏数据和拟合缺失数据;数据准备即探索数据内部规律和数据转换，如归一化、标准化等;建立模型即综合考虑业务需求目标，选择全局最优的模型;模型评估即根据评价标准对所建模型的精度、效率和通用性进行客观评估，然后基于评估结果判断所建模型是否满足业务需求;应用改进即将模型应用于业务实践，切实解决业务需求，挖掘数据的最大价值，同时基于应用情况及时跟踪改进现有模型，以达到模型优化的目标。具体运维大数据分析的关键技术包括数据清洗、数据转换、分类与回归、聚类分析、关联分析、时序模型和结构优化等。电力运维大数据的挖掘重点在于综合运用上述技术对海量的数据进行统计学分析，通过各种计算结果依次相互承接，得出相应结果。另外，分布式存储和并行化计算可以大大提高数据挖掘的效率，使分析系统性能达到质的提升。分布式存储适用于大数据处理和批处理，如HDFS分布式存储系统;并行化计算是现有处理大数据的高效算法，如基于MapＲeduce的机器学习和知识挖掘。
2.3完善智能变电站监控系统的功能
要促进智能变电站未来更好的建设与运维，还需要对其监控系统进行不断的完善。如果智能变电站的监控系统不能对所有的环节进行全面且清晰的监控，那么就无法及时发现相应的问题。因此，只有完善相应的智能变电站监控系统，才能够对各种存在的隐患进行及时发现和处理，进而保障智能变电站的稳定运行。
2.4 图像智能分析技术
识别变电站中仪表读数，隔离开关、断路器和高压开关等的分合状态需要借助基于视频运动物体的检测系统，通过对实际视场建立高鲁棒性的背景模型分析，集成混合高斯和运动差分算法，实现对仪表、隔离开关、断路器和高压开关的智能分析。首先通过背景模型对每个像素点建立多个多维高斯分布来混合模拟该点的背景值，然后通过对高斯模型的匹配，混合高斯模型的更新，生产新的背景模型，融入帧间差分的背景更新，最后进行交替进行的图像差分法来提取背景模型，同时对进行背景减除法进行图像检测，如果图像的背景整体发生了较大的变化时，结合混合高斯模型和帧间差分相融合的自适应背景更新算法进行背景的更新和运动物体的检测。进而实现对仪表和各种开关的检测。
结语
智能变电站设备管控大数据具有重大研究价值，运用大数据分析方式能够快速、有效地完成海量智能变电站设备数据的分析和研究。本文基于Ｈａｄｏｏｐ框架提出了一种智能变电站设备管控大数据分析系统，该系统包括数据集成与预处理、数据存储与处理、设备状态评估模型以及数据可视化展示等。实验结果表明：本文设计的大数据分析系统能够有效提升数据处理的实时性，同时能够精确地评估智能变电站设备的运行状态，为智能变电站设备管控的稳定运行提供更加有效和实用性的技术支撑。
参考文献
[1]彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015，35(3):503－511．
[2]高鑫，胡威，王世杰，等.基于数据挖掘的变电站故障分类与检测[J].信息技术，2020，44(2):66－72．
[3]许馨月.智能变电站运维管理要点及操作分析[J].花炮科技与市场,2020(02):272.
[4]任翔,杜越.智能变电站运维管理中常见问题分析[J].冶金管理,2020(07):99-100.
[5]严庆文.智能变电站变电运维安全与设备维护探讨[J].城市建设理论研究(电子版),2020(10):62.