尚建华
塔西南开发公司油气生产服务部 新疆乌鲁木齐 830000
摘要：在信息时代，利用大数据分析电力设备状态已经成为分析设备运行参数的重要手段。通过信息挖掘功能，可有效分析电力设备的各项参数，以判断其是否存在异常，并据此及时处理电力设备的异常情况，从而保证电力设备的安全运行。此外，在电力行业的发展过程中，只有保证电力设备安全稳定运行，才能有效提升其经济效益。本文主要分析大数据分析的电力设备运行安全性综合评估。
关键词：大数据分析;电力设备;综合评估;数据清洗
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、电力设备状态大数据分析的概述
1.1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。
1.2构架分析
电力设备状态大数据分析由不同部分组成。它借助平台中的多源异构数据获取技术，在电力系统内利用信息技术实现电力设备的智能系统，包括环境检测、停电试验、在线监测以及带电试验等，并融合先进的信息技术，保证电力设备安全稳定运行，为电力设备状态大数据分析奠定了坚实的基础。此外，电力设备内部系统会采取相应措施转化和处理异构数据，并在电力信息状态标准的情况下采取全景模型和分布式等方式分析和检索大数据，从而有效提高电力设备状态大数据分析的工作效率。电力设备状态大数据分析的计算采用内存计算框架的方式，可有效分析电力设备运行数据，从而准确判断设备运行状态是否存在故障及故障发生的可能性。
2、评估电力设备状态的方法
评估电力设备状态最基本的方法是打分制，即利用加权方式有效判断设备当前的运行状态。它适用于设备的单一系统，通过阈值的比较来判断电力设备的运行状态。但是，打分制方法存在不足。第一，因为打分制方式不适用于整个系统，所以信息的利用率不高，导致电力设备状态评估结果不完全准确。第二，通过打分制判断电力设备潜在的故障不便捷，且采取固定阈值对设备故障进行判定在实际操作中并不灵活，不能准确判定设备的差异性。在传统的机器学习方法中，通过有限样本的数据构建模型，并利用模型的输入量和输出量评估实际的状态，而样本数据的确定先于模型的确定。此外，可以借鉴专家意见，利用远程方式评估电力设备状态。这种评估方式在实际生活中应用最广泛。
在实际生产环境中，电力设备状态监测到的数据容量大且类型复杂，因此可通过大数据技术有效分析海量数据，并快速处理数据信息，从而在大量繁杂数据中深入挖掘有用的信息，使电力设备状态能在有价值的信息下高效运作。综上所述，在电力设备状态评估过程中，利用大数据分析技术可提升电力设备状态评估的效率，并可保证电力设备状态监测数据的合理性和稳定性。
3、电力设备状态大数据分析的关键技术
3.1多源异构设备状态数据集成和预处理技术
整合及标准化来自多个来源的资料，电源状态大型资料分析平台需要来自多个内部系统的资料，例如PMS、EMS、装置状态监控系统、气象系统等。，而需要通过无线和移动网络、机器人检查、移动巡逻、智能搬运等捕获外部实时信息，以创建设备的全景图。根据数据完整性、可用性和安全性要求，可以通过数据接口从各种运营公司系统中提取数据，例如b .企业服务总线、数据中心数据库共享、安全数据传输和同步，以实现跨平台数据库的高效访问、数据文件并行读取、安全数据传输和同步。
3.2大型设备状态数据的分布式内存和处理技术
由于该系统的成熟和进一步发展，Hadoop平台现在通常被用作电力机组状态的大型数据存储、处理和云计算平台。但Hadoop平台由于能量状态数据的特性和状态分析的性能要求，仍在进行高度优化。高效的设备状态数据存储技术-对于使用多个关系数据库或基于关系数据库的并行数据库的设备状态，传统的数据存储技术可能会降低大量数据和查询的性能，不适用于分析大量设备状态数据所需的应用程序。处于电源设备状态的大型数据存储系统必须满足结构化和非结构化体系结构、高可靠性、大容量和快速存储的组合要求，通常采用标准分布式文件存储和分布式NoSQL列存储数据库(hbase或HDFS)的形式。为了提高访问性能，必须针对电源设备状态数据的特性优化存储策略，并加快数据处理速度，例如b .考虑设备状态数据和时区属性之间相关性的分布式存储算法，用于按设备主属性、时间戳和相关因素对群集中的相关数据进行分组。优化Hadoop平台的数据分类策略、扩展数据块以及规划群集网络拓扑。设备状态数据处理技术，主要包括Spark等基于内存的数据处理技术、Impala等临时查询技术、Storm等实时流技术以及Map-reduce等并行批处理技术。实时流技术是一种快速处理技术，它允许对大量数据进行简单、高效和可靠的处理，但不能反映数据的准确外观。批处理技术实现了数据的自动分离、任务分布、并行处理和结果集成。根据业务性质和处理时间要求，大型设备状态数据分析可以集成不同的处理技术。这些方案可能需要处理数据库中大量的历史数据，设备状态评估和故障排除。设备异常状态采用实时流和内存计算技术，快速外包和检测需要传感器网络监控数据实时处理的视频监控图像。
结束语
此次研究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］燕凯，岳振宇，高嘉浩．基于大数据的电力计量设备运行状态评估与故障诊断方法研究［J］．电子器件，2019，42(5):1095－1098，1121．
［2］王森，王蕾，陈飞，等．大数据环境下基于影子价格的配电网综合评价方法［J］．电力自动化设备，2019，39(10):94－101．
［3］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(4):1041－1050．
［4］尹腾飞，张菁，李志伟．Harris角点检测在电力设备状态监测中的应用［J］．计算机测量与控制，2018，26(12):34－37．
［5］王健一，李阳，汪可，等．基于能量强度的电力变压器故障严重性评估方法研究［J］．绝缘材料，2018，51(5):74－80．