阿卜杜热西提·托合提
国网喀什供电公司 新疆 喀什 844000
摘要：随着大数据技术的发展，并在推广和应用中逐渐成为国家电网公司深度挖掘海量数据中有价值数据的主要研究方向。配网故障抢修是供电服务的核心业务，传统的抢修模式是被动接受式抢修，只能被动接受故障工单，仅能通过识别可靠性低的配电网的某个区域或某个设备，不能主动地对可靠性低的配电网区域或设备有针对性地预先维护管理，不能从根本上规避不必要的损失，而且抢修任意环节运转不畅都会影响服务质量和效率。优选抢修车辆路径规划，严格计算和综合分析抢修人员、物资以及抢修路径，从而确保智能抢修调度系统的科学性以及合理性。
通过配网抢修进行综合调度和工单实时追踪，规范配网故障抢修统一指挥流程，精简抢修管控工作，达到提前预测设备故障的目的，提高配网故障抢修的抢修工作效率，进而提高供电服务质量。
关键词：抢修;大数据技术;挖掘;预测;价值
引言
近年来，随着国家电网公司“大检修”体系建设完成，变电站规模数量剧增，电网结构日益复杂，突发事件偶然性等内外部原因，设备故障时有发生。一方面，传统的设备故障预测缺乏系统的科学方法支撑及有效预警决策机制;另一方面，各运检系统数据之间缺乏关联性，运维的时效性和效率很低。基于现有的变电设备检修运维的业务现状，本课题借助大数据挖掘分析方法，开展了变电设备故障预测预警、动态运维策略研究等关键工作，为设备运行维护、巡视周期、检修计划提供科学的辅助决策和数据支撑。
1大数据技术
大数据技术是计算机信息管理系统经过长时间深化应用之后的产物。大数据技术可以预测业务趋势、挖掘数据价值，通过数据集成管理、存储、计算和分析挖掘等多项功能，可以实现电网业务场景模式的创新和应用提升。而所谓的大数据是指超过传统数据库系统处理能力的数据，具有数据体量巨大、数据类型多样、处理速度迅速和价值密度低四大特征。大数据技术最重要的是利用大数据算法进行智能化、深入化以及有价值性地深度分析出高价值信息，将挖掘出的高价值信息充分发挥其最大价值。大数据挖掘技术涉及多方面的理论知识，包括数据库技术、统计分析、机器学习、人工智能等学科，是一个多学科交叉融合的综合应用领域。大数据技术的应用意味着必须拥有以海量原始采集数据为挖掘基础，深度挖掘采集到的数据潜在价值，将理论技术应用到实际工作之中，凭借大数据技术数据处理平台的数据挖掘优势，可以最大限度地挖掘大数据潜在的数据价值，进而提高生产作业的效率和管理预测能力，提升供电服务水平。
2大数据技术在故障预测中的应用
2.1电力大数据平台的整体构架
在电力大数据平台上，数据越是丰富、准确、细致，智能电网系统越能发挥真正的实质性作用。我国智能电网大数据的整体框架主要包括三层，分别是数据集成，计算分析以及实践应用。在我国电网系统不断完善建设的过程中，大数据技术不仅能对输变电设备的动态进行准确的评估以及预测，也能识别复杂的输变电设备故障。智能电网大数据平台的主要技术包括数据的集成、储存、处理、分析等，通过各个技术模块的相互配合实现智能电网数据的融合。电力大数据技术平台不仅能实现大量数据的集成分析处理，也能协调不同能源之间的配合，合理解决问题，实现节能减排的目的。
2.2大数据技术在电网状态监测中的应用
电网状态检修是提高电网系统运行安全以及降低故障发生频率的重要方式，但是由于智能电网运行状态的数据过于庞大，经常会导致数据的分析与整理出现误差。而大数据技术的应用，不仅可以用最快的速度处理所有数据，还可以及时分析、整理、获取这些数据的核心价值，提前监测到故障点，消除安全隐患。
大数据技术的算法有很多，其中主要包括分类法、神经网络法、关联规则法等，通过将数据之间的差别进行分析，进而优化处理数据。
大数据技术在电网状态监测中具有数据庞大多样，持续时间长，实时性强等特点。状态监测数据作为电网系统数据的重要组成部分，主要利用spark技术加速数据分析，利用storm流数据处理技术降低数据处理的复杂性等，全面提高数据监测的实时性，满足在线监测评估的要求。
2.3大数据技术在主动配电网的状态分析评估方法的应用
主动配电网运行中的关键信息采集包括电动汽车的特殊负荷时空分布特性、设备运行检测、短期负荷预测、分布式发电量预测等。其中，关联规则聚类系统继承了关联分类和决策树的挖掘方法，即可以对分布式发电输出进行分析，将各种气象数据与周边地区不同气象站的特征进行关联分布式发电的输出是不稳定的，其概率随分布式发电的输出而变化。用户智能电表向主动配电网传输大量的用电信息，数据流可以达到双向作用随机变化模式、数据波动模式和稳定模式已成为当前配电网用户负荷分析的三种模式。采用聚类分析的方法对智能电表中的海量数据进行采集和提取利用关联分析技术对负荷与日期、天气的关联进行分类，利用规则挖掘智能预测系统提高短期负荷的检测精度。
3应用价值
3.1实现设备故障精准预测，辅助差异化精益运维管理。
实现设备故障的准确预测，并自动给出决策建议，辅助差异化精益运维管理。从某地市供电公司应用成效看，设备故障预警模型准确度可达到90%以上，较以往人工经验预判准确度提升约20倍。
3.2量化区域运维承载力，降低综合运维成本。
通过量化该区域内的运维承载力，对人力、物资、财力等成本进行科学估算及评估。据统计，实行差异化运维策略后，每站巡视节约了3.33人时，在提高运维效率的同时，大大降低综合运维成本。
3.3实现特定环境下故障预警，辅助抢修力量提前部署。
通过历史数据以及地域、天气等多源数据分析，能够准确预测出在特定环境下设备故障出现概率，提前部署运维抢修力量，应急响应速度时效提高近50%。
3.4设备风险评级管控，降低设备故障率
通过对设备风险进行评级管控，设备故障率较同期减少75%，设备可用率系数达到99.988%，大大提高优质服务质量和供电服务水平，提升公司品牌形象和社会影响力。
4结语
基于大数据技术的设备故障分析预测系统可以根据历史海量样本数据，综合运用多专业系统和内外部数据，利用大数据技术深度挖掘故障前后设备的关联规则关系，预测最可能发生故障的地点或设备，结合地理图形数据，实现故障地点或故障设备可视化展示，据此进行有针对性地预防维护消缺，促进配网抢修方式由主动消缺向被动抢修的转变，出现故障时，抢修工作可以马上开展，将故障所带来的影响控制在最小，能够实现抢修人员、物资以及车辆的同时协调调度，有效降低设备故障的发生率和隐患存在率，显著改善配网抢修的服务协同水平和抢修效率，提高电网供电可靠性，提升电网公司精益化管理水平。
参考文献
［1］陈楠.基于大数据平台的配电网数据挖掘及应用研究［D］.济南:山东大学，2019.
［2］谭苏君.基于多维数据的配网抢修指挥故障研判体系研究［D］.济南:山东大学，2019.
［3］高鹏翔.基于多源数据融合的配电网运行故障特征信息提取技术研究［D］.北京:华北电力大学，2019.
［4］杨佳华，杨振睿，陆骏，等.基于风险概率的电力变压器设备风险评估技术研究［J］.电网与清洁能源，2018，28(03):44－49.
［5］宋人杰，王晓东.输变电设备状态检修评估分析系统的研究［J］.继电器，2018，36(09):54－57+63.