谢晓婷
内蒙古电力（集团）有限责任公司锡林郭勒电业局 内蒙古锡林郭勒 026000
摘要：电网调控一体化向智能方向发展下，电力监测系统的结构越来越多样化。状态监测数据的复杂性使得电力系统的故障监测难度增大、效率降低，这对极端天气状况下的井喷式报警数据的处理提出了挑战。基于此，以下对大数据分析的电力设备运行安全性综合评估进行了探讨，以供参考。
关键词：大数据分析；电力设备运行；安全性；综合评估
引言
为了提升当前电力系统的运行效率，电力设备在运行中要保证安全性、可靠性以及高效性。如今电力领域的设备检测与评估手段不断升级，保证了电力设备运行的可控性。与此同时，随着电力行业的不断进步，当前的电力设备数据处理量也随之增大，在评估过程中存在大量需要处理的数据。传统的电力设备运行安全综合评估方法中评估指标较为单一，数据处理类型简单，评估的精准性较低。
1在电力行业发展中大数据技术的重要作用
根据特点，电力行业主要包括发电、输电和用电三大领域。大数据技术在这些领域的合理应用，可以有效提高工作效率，促进整个行业的健康发展。具体来说，大数据技术的作用表现在以下几个方面:第一，从发电领域来说，发电侧消耗最多。应用大数据技术，可以准确预测电力负荷，从而合理安排用电计划，提高电力调度质量，为客户提供更好的服务。第二，从动力传递的角度来说，也会造成动力传递过程中的消耗。通过应用大数据技术，可以在第一时间分析线路上设备的掉电情况，从而快速找出线损原因，进而制定合理的降损措施。第三，从用电角度，通过大数据技术的应用，可以在向客户售电的过程中获取客户的用电数据，并对数据信息进行科学分析，为电力营销方案的设计提供数据参考。
2电力运行设备日常保养和维护的特点
电力运行设备日常保养和维护工作的开展具有较高的必要性。（1）随着时代的发展，家庭或商业等用电设备逐渐增多，为人们的生活带来了诸多的便利的同时也让电力系统的负荷逐渐增多。在这样的时代背景下电力系统涉及的领域越来越广阔，如果没有足够的维护工作的支持，电力设备将极容易出现超负荷的情况，最终导致电力设备无法正常运行，致使电力系统崩溃出现大面积的城市停电问题，造成大量的经济损失。因此，对电力运行设备日常保养和维护工作的开展极为重要，专业工作人员应对此起到高度的重视。（2）电力系统具有一定的危险性，当电力设备出现故障时会出现电力泄漏的情况，进而引发火灾等严重的事故，对电力系统、乃至于工作人员的人身安全造成极大的负面影响。需要对电力设备的定期排查，通过现代技术提前发现电力设备存在的安全隐患，做好针对性的维修与更换工作，实现防患于未然，最大化的降低电力企业的损失，保障电力资源在城市中的正常供应。
3大数据分析的电力设备运行安全策略
3.1设备状态监测
电力设备的状态监测能够为设备的运行状态判断和维修管理提供依据。比如：可利用管理系统展开油色谱分析，对于电压等级进行分析，统计数据，使用大数据分析方法对于溶解气体产生率进行分析，利用GIS地图呈现检测装置，还能自动提示和预警，为设备运维提供支持。根据预警装置，对于故障点准确判断，快速查找原因，制定检修策略。还可利用系统点击图表，对于设备的历史监测数据进行查询，横向对比，判断关联设备运行状态，使用台账管理设备。
3.2评估电力设备状态
为了确保电力系统稳定运转，一定要重点关注相关设备，使其能够正常运行。在实际工作中要考核评估电力设备的状态，根据结果了解设备的情况，从而及时发现并解决问题，提高各生产运营环节的稳定性。在电力行业发展中电力设备状态检修非常重要。目前，电力设备状态评估通常涉及评估方法、故障诊断专家系统、设备状态评价等。在开展设备状态评估工作时要合理应用时序挖掘、聚类算法、分类算法等大数据技术，通过深入分析设备的历史数据，找出不同状态参数间的关系，结合采集的设备运行数据，关联分析电力设备，从而做出准确的评价，为后续工作的开展提供指导作用。
3.3用户管理实现
用户管理能够对业务流程进行协调，该系统主要为电力公司的内部人员进行设计，所以登录界面需要将安全问题考虑其中，用户需要输入用户名和密码，才可顺利登录。同时，还考虑用户隐私，对于用户信息采取加密处理措施，系统读取用户密码前，可自动进行加密操作，数据库内的密码是密码文形式，其他使用者不可看到密码。除此之外，系统还具备查找权限，如果用户顺利登录以后，系统就能记录相关信息，利用信息对于用户权限进行查询，快速找到客户使用板块，为其操作提供便利。按照用户权限将板块内容向用户前端的页面加载，保证电力设备数据查看的便捷性。
3.4多源数据驱动的电力设备状态分析模型
分析大量电气设备状况数据的核心是充分利用多种数据，例如设备状况、电网运行情况和环境气象学进行深度融合分析和自动学习，以提高准确性和及时性根据应用场景，可以构建三种类型的分析模型:1)通过使用多维统计分析、类、相关性分析、回归分析和l等大型数据挖掘方法分析不同类型状态数据的相关性关系和变化规律，构建历史知识模型(2)利用多维统计和大量数据分析，建立以数据为基础的状况评估、故障排除和预测模型；3)利用大量抽样数据进行智能学习，以修正、补充和改进现有的物理和数学状态评估和故障排除模型。
3.5加强设备的维护管理
为了更好地保证电气设备在稳定的环境中运行，需要不断加强设备维护管理。许多设备长期以来都在苛刻的环境中运行，因此容易受到影响正常业务运营的工作负载、故障和中断的影响。这意味着企业要建立完善的设备维护系统，及时做好设备维护工作，及时发现设备的小缺陷。大多数设备故障都是由于小故障的积累，不仅影响设备的正常使用寿命，而且影响设备的性能，影响正常生产运行。为了提高设备的使用和管理效率，可以从以下几个方面入手:首先，需要为各种电气设备编写一份安全使用手册，并根据设备和的工作特性将这些缺陷纳入安全手册第二，为了提高设备的使用效率，需要建立严格的设备管理制度。这些系统主要涉及设备的使用、安全使用程序和有关人事安排。
3.6状态数据质量评估和数据清洗
数据质量是有效分析数据挖掘的先决条件。关于电气设备状态信息的数据具有多种来源、信息多种多样、属性繁多等特点，存在数据不完整、重复、冲突、遗漏、错误等问题。尤其是设备状态监测系统不够可靠，出现传感器短期失效、测量误差、通信端口异常、设备系统中断等情况。不可避免地存在各种无效的异常值电气设备状态数据清理是数据预处理的重要组成部分，也是确保设备状态数据庞大分析效果的关键技术。数据清理的主要方法是进行数据质量检查、分离点识别、缺失值填充、噪声平滑等。通过统计分配、分组、相关性分析、时间序列分析和自动学习等方式，消除不必要的错误数据，填补关键的缺失数据，确保数据的有效性、一致性和完整性，并满足数据挖掘和分析的要求特别重要的是要区分数据本身的异常和设备状态的异常变化，以避免设备异常状态的泄漏或判断错误
结束语
基于大数据技术对电力设备运行安全性评估的指标灵敏度以及数据清洗部分进行研究。由于电力设备的状态数据体量较大，可进一步探索数据的状态清洗、综合评估的处理效率，以保证清洗结果与评估结果处理的及时性与可靠性，减少因为数据来源与指标方面出现的评估结果异常情况。
参考文献
[1]周海霞.电力设备运维管理及安全运行策略研究[J].技术与市场,2020,27(03):169+171.
[2]陈峥,尹耕,康晓东,王圣杰,王福生.基于大数据平台的电力设备运作状态监测系统研究[J].电力大数据,2019,22(11):1-7.
[3]梁少培.基于大数据的电力设备运行数据分析系统的设计与实现[D].华北电力大学,2018.
[4]任毅希.浅谈电力运行安全管理问题及其解决措施[J].数字通信世界,2018(05):256.
[5]江秀臣,盛戈皞.电力设备状态大数据分析的研究和应用[J].高电压技术,2018,44(04):1041-1050.