沈宗云
云南电网有限责任公司，云南省昆明市650000
摘要：进入21世纪以来，我国科技水平发展迅速，大数据被广泛应用在各个领域中。传统方法在进行电力设备评估时，存在异常数据检测失效问题，导致电力设备运行安全性评估效果差。为此，引入大数据分析技术，对电力设备运行安全性进行综合评估。大数据作为与互联网相辅相成的新兴技术手段，能从海量数据中快速提取最具价值的信息，从而更好地为民服务。大数据挖掘分析在电力设备状态评估中的应用，能进一步提升评估结果的可靠性和精确性，文章就此展开了论述。
关键词：大数据；电力设备；安全性；综合评估
引言
应用大数据电力设备的运行分析系统，能够对网络信息进行实时分析，针对电力设备的运行数据展开处理，综合分析管理。系统实质是利用设计软件，将设备的运行数据进行集成化管理，按照电力数据的管理需求，设定各项模块。同时，利用该系统还能完成电力数据信息的录入和修改，或者删除和查看，进而分析设备是否处于正常状态，保证管理的高效性。
1电力设备状态大数据分析含义
电力设备状态大数据分析主要是通过判断电力设备运行、气象环境参量以及电网运行之间存在的关联及其发生的变化，分析电力设备在运行过程中可能出现的故障和存在的问题，从而判断故障产生的根源和故障发生的概率。此外，应根据数据显示的情况及时采取相应措施，以确保电力设备安全稳定运行。
电力设备状态大数据分析时，通过多维统计分析和关联分析等方式，可进一步分析获取的各项数据，并从不同角度分析电力设备变化的规律，为电力设备状态大数据分析的预判发挥重要作用，从而进一步提高其预判能力，有效降低电力设备产生故障的概率，并保证设备运行的安全性和稳定性。此外，将电力设备维护检修技术与现代化信息技术有效结合，可使数据分析实现多源海量，从而进一步提高电力设备状态大数据分析的效率和速度。将两项技术融合一定程度上实现了电力设备对故障的智能预判，使其具备一定的预判能力，从而保证电力设备运行状态的稳定性和安全性。
2大数据分析下电力设备状态评估的实际需求
为了充分的实现大数据分析的优势作用与价值，进而为实现相应评估系统的完善搭建、并实现对电力设备状态的有效评估提供技术保障，就需要针对实际需求进行分析。首先，在数据采集与存储上。基于大数据分析下，需要实现关系型与非关系型数据库的搭建，同时要实现数据实时推送数据接入口的构建，进而才能够确保实现对实时与非实时数据信息的有效采集；在数据处理上，同样要针对电力设备状态评估所设计到的各种数据类型实现数据存储技术的应用，其中采用分布式存储技术则能够以低成本投入来实现对存储系统的有效拓展，并能够满足不同类型数据信息存储之需。其次，计算处理与分析挖掘需求分析。在数据计算处理上，需要实现对海量信息数据的实施监测与分析，因此，基于大数据分析下，要想实现对电力设备状态的有效监测，并实现对信息数据的实时且高效处理，就需要以在线监测、分析与计算等数据处理平台的构建为基础，并将业务算法进行有效融入，以确保能够实现数据信息的离线分析与处理；在信息挖掘上，需要以相应关联分析模型的构建为基础，建立完善的算法库，进而通过大数据技术来实现对海量信息的有效分析与预测。
3大数据分析的电力设备运行安全性综合评估
3.1数据管理层技术
数据管理层技术对数据进行进一步的挖掘加工与存储调度，也是电力大数据在泛在电力物联网应用中的重要技术，主要包含３个方面。
（１）大数据存储，关键技术为基于Ｃ／Ｓ模式的场景利用。该技术使用ＨＤＦＳ作为其文件存储系统，依靠Ｍａ－ｐＲｅｄｕｃｅ构建具有一定规模的数据结构化集群，用于存储在节点服务器或者云端的数据。
（２）大数据处理框架，针对采集存储数据的质量参差不齐、数据冗余、数据类型繁杂等缺点，要对数据进行预处理操作。该操作主要包含利用Ｓｑｏｏｐ技术与Ｋｅｔｔｉｅ技术的数据抽取，数据统计分析，以及基于Ｍａｈｏｕｔ技术和Ｒ语言的数据挖掘。上述技术将冗余的垃圾数据去除从而优化数据的质量，在电力征信及电力咨询服务中得到了广泛应用。
（３）大数据调度框架，实际采用基于Ｈｂａｓｅ、Ａｖｒｏ、Ｆｌｕｍｅ和Ｚｏｏ Ｋｅｅｐｅｒ技术，将电力物联网中实际分散的许多个物理数据资源节点连接，使其更容易接受节点服务器以及云端服务器的调度，最终组成规范、集成的数据库系统。
利用数据层管理技术可以使数据获得更大空间用于存储和扩容多信道节点访问量，大大减少了物理层面的资金投入，提高了访问数据的可靠性以及未来扩容的内存。
3.2有效评估状态数据质量
电力设备状态大数据分析的过程中，数据的准确性是分析的基础，也是分析效果有效性的保障。在电力设备运行中，数据来源于各个方面。数据量较为庞大，而在大量数据信息的影响下，电力设备运行往往会出现问题，如数据遗漏、错误、冲突以及不完整等，从而影响电力设备运行状态的监测，且不利于设备的安全稳定运行。因此，进行电力设备状态大数据分析时，为保证分析效果的有效性，必须对获取的各项数据信息进行有效的预处理。一方面，利用先进的信息技术深入清洗数据，包括时间序列分析、统计分布以及关联分析等。另一方面，利用先进的信息技术有效识别设备的各项数据，以检验出数据是否存在缺失，并及时对缺失部分的数据采取填补措施，从而保证电力设备状态大数据分析的完整性，使分析数据库能充分满足电力设备状态大数据分析的要求。此外，在清洗数据的过程中应进一步分析异常数据，并有效区分数据之间关联的变化，从而避免电力设备状态数据出现漏判和误判的情况，保障电力设备状态安全稳定运行。
3.3设备状态评估
如今，电力设备的状态评估主要包括基于标准导则和打分制的评估方法、故障诊断专家系统、基于传统机器学习的设备状态评价等。传统的设备状态评价方法大都基于有限的样本数据进行训练，构建相关模型预测输入量与输出量的关系。随着电力监测设备的广泛使用，电网运行系统逐渐呈现海量数据的特征，这也是大数据挖掘分析在电力设备状态评估领域应用的关键。
在大电网的背景下，多元多维度数据是展开大数据挖掘的基础，也是进行电力设备状态评估的必要条件。相关的数据根据其特征可以分为静态参数、动态参数、准动态参数、外部参数，通过这些参数对设备的运行状况进行全面的刻画。设备状态评估大数据挖掘分析的基本思路是通过大数据挖掘技术，比如分类算法、聚类算法、时序挖掘等对设备的大量历史数据进行挖掘分析，挖掘出各个状态参数之间的关系，同时对电力设备的运行数据进行实时采集，根据相关的状态参数对设备进行关联分析，以便及时对设备的运行状态做出评价，对相关的工作提供指导。
结语
总之，结合电力设备的数据管理要求，建设大数据运行分析系统，对于电力数据展开系统化分析，找出系统存在的不足问题，检测变电设备、输电设备和电池性能。在智能电网快速发展之下，更多新型技术逐渐被应用在电力设备的监测和数据分析领域，为大数据的应用提供更多支持，因此，加大力度研究电力设备数据分析系统能够高效处理电力运行数据，使设备管理更加高效。
参考文献
[1]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（4）：1041-1050.
[2]王玎.基于大数据分析的电力设备状态评估研究[J].科技传播，2015（19）：77-78.
[3]康亚东，丁晶，张良，等.基于电力大数据的3D智能运检平台的应用与研究[J].电力大数据，2018（11）：68-73.
[4]高锦.大数据挖掘分析在电力设备状态评估中的应用[J].南方农机，2020（10）：164.