（内蒙古电力（集团）有限责任公司薛家湾供电局 内蒙古鄂尔多斯准格尔旗 010030）
摘要：大数据时代实现了IT技术到DT技术的技术转型，通过广泛运用大数据技术，推动了各行各业的蓬勃发展，同时也带动了区域经济的发展。传统的智能电网系统，其业务数据是单一的对数据进行应用，通过大数据技术，其应用形式变为互通的海量数据应用。作为电力大数据的分支，监控大数据能够主动感知数据资源，在以电网大数据调度运行管理的基础上，对电网的运行态势进行实时监控。本文以某电力企业为例，针对监控信息数据采集结构、信号分析中K-Means聚类算法的应用、监控信息分析展示及应用等方面做出具体介绍。
关键词：输变电设备；智能电网；集中监控；大数据分析
前言
电力调度自动化系统长期以来的运行监控，主要依靠手动、简单的值班报警手段。这种监控方法无法进行全面监测、分析、故障诊断和状态预警,导致电网由于系统维护不及时而故障。在当前电力大数据的新形势下，需对输变电设备集中监控辅助决策技术展开积极的探索，以更好的满足当前的调控需求。为了对电网实时以及历史运行的海量数据进行快速统计与分析，某电力企业根据相关调控需求，建立由各类监控信息分析模块组成的信息分析中心，利用K—Means聚类算法，实现了对智能电网调控技术支持系统获取的数据集中监控、自主多维分析。
1智能电网设备监控信息现状
根据国家电网公司的有关战略部署，各级调控中心以变电站设备为主要对象，进行了实时集中监控业务。与传统的变电站人工监控模式相比，调控中心在远离变电站的同时，还需监控更多的变电站，因此，对于远程获取的监控信息数据更加依赖。无人值守的变电站在调控一体化的运行模式下，将所有监控信息都将汇总至调控中心。
单单一个500kV变电站每天信号动作频繁，更有海量的遥测和遥信量。因此，基于智能电网调控技术支持系统的告警信息数据库，将海量的变电站告警直传信息进行大数据挖掘分析，以便能够将统计信号以图表形式展示。
2监控信息数据采集结构
图1中，对输变电设备集中监控辅助决策系统中数据收集的总体结构进行了相关描述。它主要从三个系统收集数据：
第一，包含设备台账，监控日志，设备检修，设备缺陷和倒闸操作等数据信息的调度管理系统。
第二，包括设备运行的四遥数据，实时报警等信息的智能电网控制技术支持系统。
第三，包括相关警报信息的输变电设备在线监测系统，例如主变压油色谱分析等告警信息。
.png)
图1 输变电设备集中监控数据采集总体结构图
3信号分析中K-Means聚类算法的应用
为了能够将告警信息分类，输变电设备的集中监控信息分析中心使用K-Means聚类算法对海量的告警信号进行大数据分析、合并与转换，以便能以直观的形式为监控员提供判断依据。
K-Means算法是一种在迭代过程中连续移动聚类中的成员，以得到理想聚类的迭代聚类算法。其思路是，为了达到使聚类拥有较高相似度，通过将n个对象划为c个聚类，再根据聚类各对象的平均值来计算相似度。
在实际应用中，对报警信号进行大数据聚类分析时，可以根据报警信号的顺序和时间间隔来分析信号之间的相关性。例如，信号A，B，C总是在短时间内依次出现时，可以将它们聚为一个类别。具体应用如下：以告警信号数据库的所有过去和实时告警信号作为输入源，输变电设备集中监控辅助决策系统通过K-Means算法对警报信号进行聚类和匹配，通过不同模块展示 不同的初始聚类中心来形成不同排序的告警簇，以便为监控员判断设备运行情况及潜在风险提供相关依据。
4监控信息分析展示及应用
设施告警信号按照输变电设备集中监控运行相关管理规定，大体分为能将异常、变位、事故、越限、告知信号实时上传至智能电网调控技术支持系统告警窗。由输变电设备集中监控辅助决策系统监控信息分析展示中心，并且通过K-Means聚类算法将此五类信号优化整理后，按照指定时间段进行展示。
4.1五类信号总计
图2中，信号总量统计模块将指定日期内的五类信号数量以及近30天的平均数量进行统计，并绘制成波形图及柱形图。对比柱形图与波形图上的数值与同类信号，判断上告警窗在指定日期内的信号量是否正常，监控员通过分析有明显波动的信号，找出信号频发的根源和具体涉及到的设备。
.png)
图2 信号总量统计示意图
4.2日信号量统计
监控员通过选择某个时间区段，可以详细了解具体变电站这一时间区段内每天的五类信号量。监控员也可以通过复选框根据实际需求单独选择事故、异常、越限、变位、告知信号分类，通过折线图查看是否有信号数量突变的情况，如果有异常信号频发，再针对具体日期进行详细分析。在单独选择某一类信号时，该图表会根据信号数量自动更改纵坐标单位量，以便折线图能更清晰地反映信号突变情况。
4.3信号频发排名
在进行大数据分析时，仅关注一个工作日的数据是非常局限的。在日常监视中，监控员主要关注出现在本值内的告警信号，因此监控信息分析中心根据五种信号类型的出现频率，在指定时间段内对所有告警信号进行排名，并统计排名前十异常信号的频发次数，如图4所示。根据信号频发排名表，对频发信号进行具体分析，与现场运维人员逐一核对排查信号频发的原因，如果是现场设备缺陷引起的，通知现场运维人员及时消缺处理。如果是信号上传通道异常引起的，监控员及时通知自动化运维人员检查处理。通过这个模块的信息优化整理分析，监控员能够更快更及时地发现设备潜在的缺陷和电网存在的风险。
4.4变电站信号量统计
变电站信号量统计是基于变电站对五种类型的设备告警信号进行统计分类的单位。该统计模块可以提醒当班监控员更为直接的了解某一段时间内异常信号较多的变电站，从而加强对其的值班监视，并加强对电网运行薄弱点的现场巡查。
4.5AVC遥控成功率统计
自动电压控制系统，简称AVC，其主要用于展示一个时间段内的AVC遥控预制超时、遥控执行成功和遥控执行失败的具体比例，如图3。遥控预制超时一般是由于AVC系统或者AVC遥控命令下送通道异常导致，遥控执行失败一般是由于变电站现场容抗设备切至就地位置、测控装置或者开关机构故障导致，如果遥控预制超时比例较高，监控员需要立即通知AVC系统管理人员和自动化人员检查消缺。如果遥控执行失败比例较高，监控员需要立即通知现场运维人员检查消缺。
.png)
图3 AVC遥控成功率统计示意图
4.6告警抑制数目变化量统计
在日常值班时，监控员主要通过上窗信号判断电网运行情况。D5000系统设置了间隔、遥信以及厂站等告警抑制功能，以避免停役设备或检修期间的检修间隔发出的大量信号刷屏，影响监控员工作。
4.7带电抑制间隔统计
如上所述，通过告警抑制功能，可以防止检修信号频繁上告警窗，从而大大减少对监控员的干扰。但是在集中检修期间，当值监控需要处理大量的上窗信号，有可能会遗漏解除个别间隔的告警抑制。若运行设备间隔被告警抑制了，监控员就失去了对整个间隔的监视能力，造成漏监信号情况的发生。为了避免信号漏监，在监控分析平台中增加了带电间隔告警抑制情况统计一栏。如果某个间隔已经带电运行，同时该间隔又被告警抑制了，这个间隔的名称就会出现在带电间隔抑制栏中。正常情况下，该栏必须为空，即所有运行设备都不能被告警抑制，必须处于监控员的正常监视之下。每值交接班时，监控员都要认真查看带电间隔抑制栏，一旦发现有遗漏未解除抑制的带电间隔，立即与现场核对运行情况，解除告警抑制，从而有效防止监控员信号漏监。
结束语
综上所述，针对电网当前运行情况，监控员能通过智能电网调控技术支持系统的大数据分析的预警，发现设备缺陷与电网运行中的薄弱环节，以防止漏监信号的发生。基于智能电网调控技术支持系统的大数据分析能够有效排除安全隐患，显著提高工作效率，以更好地保障电网安全运行。
参考文献
[1]王益彬.基于智能电网调控支持系统的设备监控大数据分析[J].环球市场,2019:129.
[2]潘鹏,田冬冬.基于智能电网调控技术支持系统的设备监控大数据分析[J].科技风,2018:72.
[3]童存智,武江,詹文达,高强.基于智能电网调控技术支持系统的设备监控大数据分析[J].农村电气化,2018:10-13.
[4]王钦,蒋怀光,文福拴,等.智能电网中大数据的概念、技术与挑战[J].电力建设,2016,37(12):1-10.