電力設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)發(fā)展綜述

　　摘要：論述了大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測上的發(fā)展趨勢與應(yīng)用前景。首先分析了狀態(tài)監(jiān)測數(shù)據(jù)的大數(shù)據(jù)特征，并從大數(shù)據(jù)技術(shù)、大數(shù)據(jù)思想方法、大數(shù)據(jù)算法三個層面論述了大數(shù)據(jù)對電力設(shè)備狀態(tài)監(jiān)測的提升點。其次給出了基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)架構(gòu)，并從數(shù)據(jù)采集、數(shù)據(jù)去噪、特征提取、模式識別、知識挖掘、數(shù)據(jù)可視化幾個方面論述了大數(shù)據(jù)與狀態(tài)監(jiān)測各個環(huán)節(jié)的結(jié)合點。最后通過一個綜合監(jiān)測系統(tǒng)案例，分析了大數(shù)據(jù)在多源異構(gòu)數(shù)據(jù)融合、綜合分析與診斷、設(shè)備故障預(yù)測上的應(yīng)用。大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測上的深入應(yīng)用，有利于解決設(shè)備狀態(tài)評價和故障預(yù)測的難題，推動該領(lǐng)域朝著更加智能化的方向發(fā)展。

　　關(guān)鍵詞：大數(shù)據(jù);狀態(tài)監(jiān)測;關(guān)鍵技術(shù);發(fā)展趨勢;應(yīng)用前景

　　0引言

　　電力設(shè)備狀態(tài)監(jiān)測通過信號傳感、數(shù)據(jù)采集、數(shù)據(jù)處理等步驟獲取設(shè)備健康狀況相關(guān)的特征參數(shù)，評價設(shè)備狀態(tài)，預(yù)測設(shè)備故障，一方面能充分延長健康狀況良好設(shè)備的停機檢修時間，提高設(shè)備運行經(jīng)濟性，另一方面能檢測出有潛在故障的設(shè)備，及時維修，提高設(shè)備的可靠性，因此在發(fā)電機、變壓器、氣體絕緣開關(guān)、電力電纜等主電力設(shè)備中獲得了廣泛的應(yīng)用[1-3]。

　　電力論文范例： 電力系統(tǒng)中高壓電纜輸電線路設(shè)計研究

　　然而由于電力設(shè)備固有的機械、物理、電氣內(nèi)部復(fù)雜性和設(shè)備故障信號固有的傳播衰減、耦合干擾、反射振蕩等特性，電力設(shè)備狀態(tài)正確評價和故障準(zhǔn)確預(yù)測是該領(lǐng)域的固有難題，造成了誤報警和漏報警等情況，為電力企業(yè)帶來損失[4-5]。大數(shù)據(jù)為該固有難題的解決帶來了新的發(fā)展契機。大數(shù)據(jù)是指其大小超出典型數(shù)據(jù)軟件抓取、儲存、管理和分析范圍的數(shù)據(jù)集合[6-7]。也有觀點認(rèn)為大數(shù)據(jù)是指需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)[6-7]。

　　業(yè)界對大數(shù)據(jù)的定義并未統(tǒng)一，但對大數(shù)據(jù)特性的描述卻大同小異，比較有代表性的為4V特性，即規(guī)模性(Volume)、高速性(Velocity)、多樣性(Variety)、價值性(Value)[7]。規(guī)模性(Volume)是指大數(shù)據(jù)的數(shù)據(jù)量非常龐大，計量單位達到TB級、PB級甚至ZB級;高速性(Velocity)是指數(shù)據(jù)洪流實時增長，且增長速度快;多樣性(Variety)是指大數(shù)據(jù)的數(shù)據(jù)類型眾多，不僅包括結(jié)構(gòu)化的表格，而且包括半結(jié)構(gòu)的文本、視頻、圖像、語音及非結(jié)構(gòu)化的文件;價值性(Value)是指大數(shù)據(jù)中隱藏著價值，但是價值密度稀疏，必須通過知識挖掘才能獲取[8-9]。

　　近年來部分研究者將大數(shù)據(jù)技術(shù)應(yīng)用于電力設(shè)備狀態(tài)監(jiān)測[10-15]。文獻[10]提出一種基于大數(shù)據(jù)分析的輸變電設(shè)備狀態(tài)數(shù)據(jù)的異�？焖贆z測方法。文獻[11]提出一種基于高維隨機矩陣?yán)碚摰拇髷?shù)據(jù)模型，以實現(xiàn)設(shè)備關(guān)鍵性能評估和異常狀態(tài)檢測。文獻[12]提出一種基于無連接層次編碼的電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)模型，以達到優(yōu)化OLAP分析性能的目的。

　　文獻[13]開展了基于Hadoop云計算平臺進行輸變電設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)存儲優(yōu)化和基于MapReduce的并行分析處理的研究。文獻[14-15]中結(jié)合大數(shù)據(jù)技術(shù)及數(shù)據(jù)挖掘分析方法在設(shè)備狀態(tài)評估中應(yīng)用的現(xiàn)狀，分析了大數(shù)據(jù)技術(shù)在電力設(shè)備狀態(tài)評估中的典型應(yīng)用場景和應(yīng)用效果。電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)，包含在線監(jiān)測數(shù)據(jù)、帶電檢測數(shù)據(jù)、預(yù)防性試驗數(shù)據(jù)等，具有數(shù)據(jù)量大、增長迅速、類型眾多、價值密度稀疏等特點，是典型的大數(shù)據(jù)[10]。體現(xiàn)在以下幾個方面：

　　(1)監(jiān)測對象數(shù)量龐大。電力系統(tǒng)由發(fā)電機、變壓器、氣體絕緣開關(guān)、電力電纜等主電力設(shè)備構(gòu)成，這些設(shè)備型號各異、種類繁多、數(shù)量龐大，實現(xiàn)對這些主設(shè)備較大覆蓋范圍的監(jiān)測，對象本身已經(jīng)達到了較高的數(shù)量級[13]。(2)監(jiān)測參數(shù)種類繁多。以變壓器在線監(jiān)測為例，含接地電流、振動、溫度、微水、介質(zhì)損耗、油色譜、局部放電等參數(shù)，這些監(jiān)測參數(shù)的監(jiān)測結(jié)果中既包含結(jié)構(gòu)化的數(shù)據(jù)也包含圖片、視頻、文本等半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)[16]。 (3)監(jiān)測數(shù)據(jù)增長迅速。電力設(shè)備狀態(tài)需要不間斷的數(shù)據(jù)采集，獲取的原始數(shù)據(jù)呈指數(shù)級增長。以三相高壓電纜局部放電在線監(jiān)測為例，其典型的數(shù)據(jù)采樣率為100MS/s，每天的監(jiān)測數(shù)據(jù)量與電纜數(shù)量、采樣時間間隔的關(guān)系。

　　(4)數(shù)據(jù)分析需要綜合考慮更多的信息源。電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的分析與評價需要綜合考慮設(shè)備監(jiān)測歷史數(shù)據(jù)、設(shè)備離線實驗數(shù)據(jù)、設(shè)備臺賬信息、同類型設(shè)備故障信息、電網(wǎng)工況信息、設(shè)備狀態(tài)評價標(biāo)準(zhǔn)等數(shù)據(jù)源，才能對設(shè)備狀態(tài)做出正確評價。(5)價值密度稀疏。電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時增長，但能捕捉到故障發(fā)生征兆的數(shù)據(jù)卻較少，這是因為一方面電力設(shè)備發(fā)生故障的概率不高，例如文獻[17]中統(tǒng)計的變壓器故障概率是1.8‰，另一方面部分故障從產(chǎn)生到設(shè)備發(fā)生事故的時間較短，因此電力設(shè)備在線監(jiān)測數(shù)據(jù)大部分是平穩(wěn)數(shù)據(jù)，價值密度稀疏[16]。

　　綜上所述，電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)與大數(shù)據(jù)的4V特征吻合較好，是典型的大數(shù)據(jù)。采用大數(shù)據(jù)技術(shù)或大數(shù)據(jù)思想方法開展電力設(shè)備狀態(tài)監(jiān)測與數(shù)據(jù)分析，有適應(yīng)其固有特點的獨到優(yōu)勢，并將有利于解決設(shè)備狀態(tài)評價與故障準(zhǔn)確預(yù)測的難題，進而避免維修不足與維修過剩帶來的經(jīng)濟損失，提高電力設(shè)備的運行可靠性，保障供電安全[18-19]。

　　1大數(shù)據(jù)對電力設(shè)備狀態(tài)監(jiān)測的必要性

　　大數(shù)據(jù)對電力設(shè)備狀態(tài)監(jiān)測的提升主要體現(xiàn)在大數(shù)據(jù)關(guān)鍵技術(shù)、大數(shù)據(jù)思想方法和大數(shù)據(jù)算法三個層面。關(guān)鍵技術(shù)層面是指處理大數(shù)據(jù)的分布式計算技術(shù)、內(nèi)層計算技術(shù)、流處理技術(shù)、批處理技術(shù)、分布式存儲技術(shù)、非關(guān)系型數(shù)據(jù)庫技術(shù)等能直接用于海量狀態(tài)監(jiān)測數(shù)據(jù)的計算、存儲;思想方法層面是指大數(shù)據(jù)的全局化思想、并行化思想、分布式思想等能對狀態(tài)監(jiān)測的系統(tǒng)架構(gòu)、處理流程、通信協(xié)議等方面產(chǎn)生啟發(fā)性指導(dǎo);大數(shù)據(jù)算法層面是指大數(shù)據(jù)自動化算法對電力設(shè)備狀態(tài)監(jiān)測中的模式識別、故障預(yù)測等方面的提升[20]。

　　1.1大數(shù)據(jù)關(guān)鍵技術(shù)

　　大數(shù)據(jù)關(guān)鍵技術(shù)含數(shù)據(jù)集成管理技術(shù)、數(shù)據(jù)處理技術(shù)、數(shù)據(jù)分析技術(shù)、數(shù)據(jù)展現(xiàn)技術(shù)等[7]，這些技術(shù)大多來源于大數(shù)據(jù)興起的互聯(lián)網(wǎng)與信息技術(shù)領(lǐng)域，經(jīng)過最近幾年的發(fā)展，具備較高的成熟度和可移植性，因此將這些關(guān)鍵技術(shù)應(yīng)用到電力設(shè)備狀態(tài)監(jiān)測領(lǐng)域?qū)�會具有較強的生命力。大數(shù)據(jù)處理技術(shù)含分布式計算技術(shù)、內(nèi)存計算技術(shù)、流處理技術(shù)等[7,9,21]。

　　這些技術(shù)能在較短的時間能完成PB級、ZB級海量數(shù)據(jù)的處理，可直接用于電力設(shè)備狀態(tài)監(jiān)測海量原始數(shù)據(jù)的處理。大數(shù)據(jù)存儲技術(shù)含分布式文件管理技術(shù)、非關(guān)系型數(shù)據(jù)庫技術(shù)等。分布式文件管理技術(shù)一個典型的代表就是HDFS(HadoopDistributedFileSystem)[21]。HDFS是采用流式數(shù)據(jù)訪問模式來存儲超大文件的文件系統(tǒng)。非關(guān)系型數(shù)據(jù)庫一個典型的代表就是HBase。HBase是一個構(gòu)建在HDFS之上的分布式面向列存儲的數(shù)據(jù)庫系統(tǒng)。大數(shù)據(jù)存儲技術(shù)適合數(shù)據(jù)量較大的電力設(shè)備狀態(tài)監(jiān)測原始數(shù)據(jù)和特征參數(shù)的存儲[9]。

　　1.2大數(shù)據(jù)思想方法

　　大數(shù)據(jù)發(fā)展過程中形成的思想方法對電力設(shè)備狀態(tài)監(jiān)測具有借鑒價值，這主要體現(xiàn)在全局化、分布式、并行化、低成本四個方面。

　　1.2.1全局化

　　大數(shù)據(jù)從整體而不是從個體的角度開展分析是其具有強大生命力的關(guān)鍵因素之一，因此大數(shù)據(jù)是全面的數(shù)據(jù)，從大樣本中發(fā)掘大價值是其核心思想，以解決“數(shù)據(jù)爆炸、知識匱乏”的短板[7-8]。文獻[22]用盲人摸象的寓言故事闡述了大數(shù)據(jù)的全局化思想，形象說明了小樣本分析方法如同盲人一樣只能認(rèn)識龐大系統(tǒng)的局部特性而診斷出錯誤的結(jié)論。電力設(shè)備狀態(tài)監(jiān)測具有龐大的對象和復(fù)雜的電氣物理連接，而現(xiàn)有的狀態(tài)監(jiān)測系統(tǒng)大多從單個設(shè)備的單一監(jiān)測參數(shù)開展監(jiān)測與分析，容易造成誤診斷，因此將大數(shù)據(jù)的全局化思想應(yīng)用到電力設(shè)備的監(jiān)測與診斷分析上，從標(biāo)準(zhǔn)規(guī)范統(tǒng)一、系統(tǒng)整體設(shè)計、數(shù)據(jù)同步采集、數(shù)據(jù)全局分析等角度對現(xiàn)有的監(jiān)測系統(tǒng)進行重新設(shè)計與改進，將在很大程度上提升電力設(shè)備狀態(tài)監(jiān)測的可用性和價值性。

　　1.2.2分布式

　　大數(shù)據(jù)中普遍采用了分布式文件管理系統(tǒng)和分布式數(shù)據(jù)庫系統(tǒng)來開展原始數(shù)據(jù)和參數(shù)的存儲，以應(yīng)對海量數(shù)據(jù)的挑戰(zhàn)，典型的案例有Apache基金會的Hadoop,Google的GFS(GoogleFileSystem)等[23-25]。GFS采用了分布式文件系統(tǒng)，在全球部署了超過200萬臺服務(wù)器，以應(yīng)對每天數(shù)以億計的搜素請求和24PB級數(shù)據(jù)增長[24]。

　　由于電力設(shè)備在地理上的分散布置特性，因此電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)本身就具有分布式特性。這與大數(shù)據(jù)的分布式思想具有一定的相似性，但是又有本質(zhì)的區(qū)別，例如Google的分布式文件管理系統(tǒng)雖然是分散布置，但是能聯(lián)合工作，在毫秒級的時間內(nèi)給出綜合搜索結(jié)果，而電力設(shè)備在線監(jiān)測系統(tǒng)大多沒有聯(lián)合工作的特性，例如某變電站的變壓器、GIS、電纜、避雷器的監(jiān)測，雖然是分布式布置，但由于數(shù)據(jù)采集沒有做到時間上完全同步采集，不能開展綜合分析與診斷的高級功能，因此提升現(xiàn)有電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)各子系統(tǒng)之間的耦合關(guān)系，是大數(shù)據(jù)分布式思想在電力設(shè)備狀態(tài)監(jiān)測上可能獲得應(yīng)用的新方向。

　　1.2.3并行化MapReduce編程模式是大數(shù)據(jù)處理中普遍采用的方法，其實現(xiàn)原理在于通過Map將任務(wù)分解成小的模塊，發(fā)送給較多的節(jié)點并行計算，再通過Reduce將結(jié)果匯總，得到最終結(jié)果。其核心思想是“分而治之、移動邏輯、屏蔽底層、處理定制”[9]。

　　并行化的鼻祖可以追溯到曹沖稱象的故事，通過將無法稱量的大象分散為可以計量的石塊，用小工具并行處理，再將結(jié)果匯總，得到大數(shù)據(jù)的結(jié)果，就是典型的MapReduce思想。MapReduce的思想已經(jīng)在電力設(shè)備在線監(jiān)測中得到使用，并可以繼續(xù)發(fā)展，發(fā)揮其更為廣闊的內(nèi)涵：狀態(tài)監(jiān)測系統(tǒng)本身包含不同的監(jiān)測子單元，例如變壓器在線監(jiān)測系統(tǒng)包含局部放電、接地電流、微水、油色譜、溫度等不同的監(jiān)測單元，這些單元聯(lián)合工作完成變壓器綜合監(jiān)測就體現(xiàn)了Reduce的思想;在較多臺電力設(shè)備的在線監(jiān)測中采用時分復(fù)用的思想，將監(jiān)測單元的計算資源拆分使用，即為Map的思想;在線監(jiān)測數(shù)據(jù)的數(shù)據(jù)處理，采用多線程技術(shù)，也是Map思想的應(yīng)用。

　　在海量監(jiān)測原始數(shù)據(jù)的處理中，將數(shù)據(jù)分割成較小的子模塊，發(fā)送給子單元處理，再將結(jié)果匯總，可大大減少計算時間，例如，各種電力設(shè)備在線監(jiān)測單元本身就是一個高性能的處理子站，現(xiàn)在的電力設(shè)備綜合監(jiān)測系統(tǒng)數(shù)據(jù)傳輸大多是單向的，即原始數(shù)據(jù)和指標(biāo)量從現(xiàn)地子監(jiān)測單元向總站傳輸，在未來的監(jiān)測系統(tǒng)中，設(shè)計雙向數(shù)據(jù)高速傳輸通道，利用MapReduce思想將總站的海量數(shù)據(jù)發(fā)送到子站并行處理，是一個值得研究的方向。

　　1.2.4低成本

　　大數(shù)據(jù)獲得成功的另一個關(guān)鍵因素是采用了低成本的設(shè)計思想，例如Google、百度、Facebook等大型互聯(lián)網(wǎng)公司都沒有采用昂貴的超級計算機而采用了廉價的計算機組成的集群來存儲大數(shù)據(jù)，才能在互聯(lián)網(wǎng)大數(shù)據(jù)中獲得成功，因此低成本是大數(shù)據(jù)得以生存之本[9]。

　　電力設(shè)備狀態(tài)監(jiān)測普遍存在監(jiān)測系統(tǒng)成本過高的問題，部分電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)的成本達到了主電力設(shè)備成本的10%甚至更高，這是電力設(shè)備狀態(tài)監(jiān)測沒有普及的重要原因之一，因此如何降低傳感器成本、現(xiàn)地監(jiān)測單元成本、數(shù)據(jù)服務(wù)器成本、軟件成本、系統(tǒng)維護成本等，將狀態(tài)監(jiān)測系統(tǒng)“平民化”是推廣狀態(tài)監(jiān)測中的迫切問題。例如將昂貴的工業(yè)控制計算機用廉價的單片機和ASIC(ApplicationSpecificIntegratedCircuit)代替，是降低監(jiān)測成本的一個有效途徑。

　　1.3大數(shù)據(jù)算法

　　大數(shù)據(jù)在發(fā)展過程中形成了一些優(yōu)秀算法，其中與狀態(tài)監(jiān)測匹配度較高的一個方向就是大數(shù)據(jù)預(yù)測算法。大數(shù)據(jù)預(yù)測算法一個最典型的應(yīng)用就是IBM的第三代超級計算機Watson[25-26]：2011年在美國最受歡迎的電視問答類節(jié)目《危險邊緣》中，IBM的第三代超級計算機Watson采用大數(shù)據(jù)技術(shù)，打敗了人類兩位問答冠軍。Watson的技術(shù)實現(xiàn)了“讓機器像人一樣思考”，在幾秒鐘的時間內(nèi)搜索海量的資料，給出預(yù)選的答案，并通過預(yù)測模型6次反復(fù)預(yù)測與評估，給出最終的答案。IBM的高管們認(rèn)為Watson是代表了第三個計算機時代的第一臺機器，并譽其為人工智能的真正到來[21-22]。IBM正在為Watson申請美國的醫(yī)療執(zhí)照，在不遠的將來即將應(yīng)用到醫(yī)療領(lǐng)域，為廣大患者帶來福音。

　　基于海量病例庫、藥物報告、治愈方案、醫(yī)療期刊、病人歷史治療記錄、病人基因序列、病人化驗報告等數(shù)據(jù)源的大數(shù)據(jù)精準(zhǔn)醫(yī)療，將會更加準(zhǔn)確地預(yù)測出病人的病情走勢并給出科學(xué)合理的治療方案，這將帶來醫(yī)療領(lǐng)域的革命。電力設(shè)備狀態(tài)監(jiān)測通過形式各異的傳感器獲取設(shè)備健康狀況與醫(yī)生通過化驗測試獲取病人病情有很強的相似性，因此借鑒Watson對海量數(shù)據(jù)的處理與預(yù)測方法，基于海量故障案例庫、設(shè)備臺賬信息、設(shè)備在線監(jiān)測信息、設(shè)備歷史監(jiān)測記錄、同類型號設(shè)備故障信息、電網(wǎng)工況信息等數(shù)據(jù)源，設(shè)計基于大數(shù)據(jù)的電力設(shè)備故障診斷與預(yù)測方案，有望為該領(lǐng)域帶來新的變革。

　　2基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測總體架構(gòu)

　　基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)總體架構(gòu)，主要包括電力設(shè)備在線監(jiān)測系統(tǒng)、大數(shù)據(jù)數(shù)據(jù)源、大數(shù)據(jù)存儲、大數(shù)據(jù)處理、大數(shù)據(jù)分析、高級應(yīng)用功能以及大數(shù)據(jù)展現(xiàn)等模塊。其主要思想是以電力設(shè)備狀態(tài)監(jiān)測相關(guān)數(shù)據(jù)為數(shù)據(jù)源，利用大數(shù)據(jù)存儲技術(shù)、大數(shù)據(jù)處理技術(shù)以及大數(shù)據(jù)分析技術(shù)實現(xiàn)大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測領(lǐng)域的高級應(yīng)用，并通過大數(shù)據(jù)展現(xiàn)技術(shù)對結(jié)果進行可視化展示。

　　除了設(shè)備在線監(jiān)測數(shù)據(jù)之外，狀態(tài)監(jiān)測大數(shù)據(jù)源還包括設(shè)備其他數(shù)據(jù)、故障數(shù)據(jù)、設(shè)備評價標(biāo)準(zhǔn)、其他數(shù)據(jù)源等。設(shè)備的其他數(shù)據(jù)包含監(jiān)測歷史數(shù)據(jù)和設(shè)備臺賬等;故障數(shù)據(jù)包括故障錄波數(shù)據(jù)、海量故障案例庫等;其他數(shù)據(jù)源包含SCADA系統(tǒng)、WAMS系統(tǒng)、MIS系統(tǒng)等;設(shè)備的評價標(biāo)準(zhǔn)含國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)和企業(yè)標(biāo)準(zhǔn)等。狀態(tài)監(jiān)測大數(shù)據(jù)通過大數(shù)據(jù)存儲技術(shù)和處理技術(shù)進行集成管理和數(shù)據(jù)處理。適用于狀態(tài)監(jiān)測大數(shù)據(jù)的存儲技術(shù)既包含傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，也包含非關(guān)系型數(shù)據(jù)庫和分布式文件。大數(shù)據(jù)處理技術(shù)可采用分布式計算技術(shù)、內(nèi)存計算技術(shù)等。

　　存儲和計算技術(shù)是實現(xiàn)技術(shù)手段，其主要目的是通過大數(shù)據(jù)分析實現(xiàn)設(shè)備狀態(tài)評價、設(shè)備故障預(yù)測等高級應(yīng)用功能。大數(shù)據(jù)分析技術(shù)含大數(shù)據(jù)知識挖掘、大數(shù)據(jù)模式識別、大數(shù)據(jù)預(yù)測等。該通用架構(gòu)還包括大數(shù)據(jù)的展現(xiàn)模塊，將大數(shù)據(jù)預(yù)測及高級應(yīng)用功能的結(jié)果通過互聯(lián)網(wǎng)、三維可視化模型、空間信息流等可視化技術(shù)向運行管理人員實時展示。該架構(gòu)中的大數(shù)據(jù)存儲技術(shù)和處理技術(shù)可采用在互聯(lián)網(wǎng)和信息技術(shù)領(lǐng)域已發(fā)展得比較成熟的軟硬件方案，例如HDFS、HBase等。而數(shù)據(jù)采集、數(shù)據(jù)去噪、特征提取、模式識別、知識挖掘等環(huán)節(jié)則需要結(jié)合狀態(tài)監(jiān)測的需求和特點，提升和完善傳統(tǒng)技術(shù)。本文將在下節(jié)對這些技術(shù)進行詳細闡述。

　　3基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測關(guān)鍵技術(shù)電力設(shè)備狀態(tài)監(jiān)測的基本流程含數(shù)據(jù)采集、數(shù)據(jù)去噪、特征提取、模式識別、知識挖掘等環(huán)節(jié)。大數(shù)據(jù)技術(shù)、思想方法、自動化算法在各個環(huán)節(jié)都能得到結(jié)合與應(yīng)用，這一方面是因為大數(shù)據(jù)技術(shù)本身能在海量數(shù)據(jù)的存儲、處理、展現(xiàn)上具有獨到的優(yōu)勢，另一方面是因為大數(shù)據(jù)高級分析功能對各個環(huán)節(jié)提出了新的要求。

　　3.1面向大數(shù)據(jù)應(yīng)用的數(shù)據(jù)采集技術(shù)由狀態(tài)監(jiān)測參數(shù)含振動、擺度、溫度、濕度、壓力、局部放電、電流、電壓、微水、色譜、紅外、圖像、氣體含量等機械、物理、化學(xué)信號[12,27]，這些信號通過傳感器變送成電壓或電流信號，并通過數(shù)據(jù)采集單元轉(zhuǎn)換成原始數(shù)據(jù)。原始數(shù)據(jù)的采集受傳感方式、采樣頻率、采樣時間間隔、觸發(fā)方式等多種因素的影響。大數(shù)據(jù)分析對這些因素提出了新的要求，其發(fā)展動向主要體現(xiàn)在以下幾個方面：

　　1)數(shù)據(jù)采集的標(biāo)準(zhǔn)化。大數(shù)據(jù)分析融合更多的數(shù)據(jù)源進行全面分析，然而現(xiàn)有的數(shù)據(jù)采集系統(tǒng)采用的標(biāo)準(zhǔn)各異，造成了數(shù)據(jù)融合困難，無法直接進行數(shù)據(jù)分析與知識挖掘。通常需要對這些數(shù)據(jù)進行預(yù)處理，增大了數(shù)據(jù)處理的難度，對于某些不同類型的數(shù)據(jù)，甚至無法操作。因此基于大數(shù)據(jù)的數(shù)據(jù)采集技術(shù)應(yīng)使用統(tǒng)一的數(shù)據(jù)采集標(biāo)準(zhǔn)。

　　2)數(shù)據(jù)采集的同步化。大數(shù)據(jù)分析采用更為全面的數(shù)據(jù)進行橫向和縱向的對比分析，例如對一個包含變壓器、GIS、電力電纜的綜合監(jiān)測系統(tǒng)進行數(shù)據(jù)分析，可以對比同一時刻信號的差異性開展綜合分析從而提高診斷的準(zhǔn)確性，但是這要求這三個電力設(shè)備的狀態(tài)監(jiān)測系統(tǒng)共用同一個GPS時鐘以實現(xiàn)數(shù)據(jù)采集的完全同步，因此數(shù)據(jù)采集的同步化是電力設(shè)備狀態(tài)監(jiān)測開展大數(shù)據(jù)分析的一個重要的前提條件。

　　3)數(shù)據(jù)采集的高可靠性。大數(shù)據(jù)分析雖然可以開展多源異構(gòu)數(shù)據(jù)的融合和異常數(shù)據(jù)檢測[10]，但是低可靠性的數(shù)據(jù)采集系統(tǒng)獲取的數(shù)據(jù)，將加大后期數(shù)據(jù)處理的難度�，F(xiàn)有的電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)由于傳感器異常、信號調(diào)理電路故障、數(shù)據(jù)采集硬件設(shè)備可靠性低、數(shù)據(jù)采集軟件缺陷等原因，存在數(shù)據(jù)采集異常終止造成數(shù)據(jù)缺失的情況，因此從質(zhì)量監(jiān)測與采購管理的角度提高數(shù)據(jù)采集的可靠性是提升狀態(tài)監(jiān)測價值的一個重要途徑。4)數(shù)據(jù)記錄的全面性。大數(shù)據(jù)分析采用的數(shù)據(jù)源不僅有設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)，還需綜合考慮故障傳播耦合、故障發(fā)展趨勢、設(shè)備故障記錄、設(shè)備維護記錄等更加眾多的數(shù)據(jù)源，因此數(shù)據(jù)采集單元在存儲原始數(shù)據(jù)與指標(biāo)量的時候必須同步記錄時間信息、設(shè)備信息、地理信息、參數(shù)設(shè)置等信息，使數(shù)據(jù)逐級上傳后不丟失關(guān)鍵信息，便于開展大數(shù)據(jù)分析與知識挖掘。

　　3.2面向大數(shù)據(jù)的數(shù)據(jù)去噪技術(shù)

　　設(shè)備故障信號與噪聲和干擾信號混在一起，大大降低了監(jiān)測信號的可用性[27-30]。干擾信號的誤判斷會產(chǎn)生誤報警，降低運行管理人員對狀態(tài)監(jiān)測系統(tǒng)的信賴;故障信號沒有準(zhǔn)確提取會產(chǎn)生漏報警，帶來重大損失，因此數(shù)據(jù)去噪與干擾抑制是電力設(shè)備狀態(tài)監(jiān)測領(lǐng)域的一個亟待突破的難題。數(shù)據(jù)去噪技術(shù)在電力設(shè)備狀態(tài)監(jiān)測領(lǐng)域已經(jīng)得到了蓬勃的發(fā)展，國內(nèi)外的研究者已經(jīng)將包括FFT去噪、小波去噪、自適應(yīng)去噪、經(jīng)驗?zāi)�態(tài)分解等數(shù)學(xué)方法引入到設(shè)備故障信號的去噪中，部分方法獲得了較好的效果[28-30]�；�于大數(shù)據(jù)的狀態(tài)監(jiān)測數(shù)據(jù)去噪的發(fā)展動向主要體現(xiàn)在以下幾個方面：

　　1)分布式與集中式相結(jié)合。如果將電力設(shè)備狀態(tài)監(jiān)測原始數(shù)據(jù)集成起來開展數(shù)據(jù)去噪，將需要昂貴的計算存儲資源和較大的計算代價。大數(shù)據(jù)的分布式思想可以應(yīng)用到原始數(shù)據(jù)去噪，因為電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)現(xiàn)地監(jiān)測單元一般采用具有較高運算速度的工業(yè)控制計算機作為運行控制核心，大量的現(xiàn)地監(jiān)測單元分布在廣泛的地理空間，本身就是一個分布式計算系統(tǒng)，因此對監(jiān)測數(shù)據(jù)中與故障信號頻段相差較大的噪聲與干擾信號在現(xiàn)地完成數(shù)字去噪，將大大降低后期集中處理的難度。

　　2)大數(shù)據(jù)干擾抑制技術(shù)。狀態(tài)監(jiān)測信號的干擾源有白噪聲、隨機干擾、周期干擾、通信干擾、廣播干擾等。部分干擾信號與待提取的故障信號在頻段上有較多重疊部分，例如電力電子技術(shù)在電力設(shè)備上的大規(guī)模使用使得可控硅信號成為一個重要的干擾源。通過大數(shù)據(jù)技術(shù)建立典型干擾信號的特征參數(shù)庫，在運行控制中樞開發(fā)基于海量樣本庫的干擾信號抑制技術(shù)，將有效識別傳統(tǒng)的去噪技術(shù)無法剔除的干擾信號。

　　3)綜合分析與判斷。位置臨近的電力設(shè)備具有較強的電氣物理連接，這使得同一故障信號在不同的電力設(shè)備狀態(tài)監(jiān)測系統(tǒng)中都能檢測到，從而造成誤診，因此在更高的層面開展綜合分析與判斷，可以進一步剔除臨近電力設(shè)備耦合進來的干擾信號，減少誤診斷。

　　4基于大數(shù)據(jù)的綜合監(jiān)測與分析系統(tǒng)應(yīng)用案例

　　本節(jié)通過典型的具有電氣和物理連接的變壓器、GIS、電纜綜合監(jiān)測系統(tǒng)案例闡述大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測上的應(yīng)用前景。系統(tǒng)中的GIS和變壓器通過三相高壓電纜連接，高壓電纜中間有兩個中間接頭。綜合檢測系統(tǒng)分為三層：即現(xiàn)地層、站控層和中樞層�，F(xiàn)地層包含三個設(shè)備的現(xiàn)地監(jiān)測單元，實現(xiàn)對16個監(jiān)測參數(shù)的實時數(shù)據(jù)采集、數(shù)據(jù)去噪、特征提取�，F(xiàn)地層三個監(jiān)測單元通過同一個GPS時鐘實現(xiàn)數(shù)據(jù)采集的同步。

　　站控層一方面實現(xiàn)對實時監(jiān)測數(shù)據(jù)的集成管理，另一方面通過大數(shù)據(jù)存儲技術(shù)實現(xiàn)變電站SCADA系統(tǒng)數(shù)據(jù)、設(shè)備評價標(biāo)準(zhǔn)、設(shè)備臺賬信息、設(shè)備監(jiān)測歷史數(shù)據(jù)的匯總，以此為基礎(chǔ)并融合大數(shù)據(jù)思想方法，實現(xiàn)多源數(shù)據(jù)融合分析判斷、專項參數(shù)對比分析判斷、設(shè)備狀態(tài)實時精確評價等大數(shù)據(jù)高級分析功能。

　　5總結(jié)

　　本文探討了電力設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的大數(shù)據(jù)特征并從大數(shù)據(jù)技術(shù)、大數(shù)據(jù)思想方法、大數(shù)據(jù)算法三個層面分析了大數(shù)據(jù)與電力設(shè)備狀態(tài)監(jiān)測的結(jié)合點，給出了一個具有通用性的電力設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)平臺架構(gòu)，對電力企業(yè)狀態(tài)監(jiān)測系統(tǒng)的搭建具有參考價值。同時本文從數(shù)據(jù)去噪、特征提取、模式識別、知識挖掘、數(shù)據(jù)存儲、數(shù)據(jù)可視化深入分析和展望了大數(shù)據(jù)與電力設(shè)備狀態(tài)監(jiān)測各個環(huán)節(jié)的結(jié)合點。這些結(jié)合點一方面是因為大數(shù)據(jù)技術(shù)、大數(shù)據(jù)思想方法、大數(shù)據(jù)算法在狀態(tài)監(jiān)測各個環(huán)節(jié)具有獨到優(yōu)勢，另一方面是因為大數(shù)據(jù)高級分析應(yīng)用對這些環(huán)節(jié)提出了新需求。最后結(jié)合一個包含變壓器、GIS、電纜的綜合監(jiān)測系統(tǒng)，深入分析了電力設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)應(yīng)用前景。

　　基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測既需要理論支撐又需要大數(shù)據(jù)工程的檢驗，而大數(shù)據(jù)樣本的獲取是制約其發(fā)展的瓶頸。本文雖然從整體理論框架和實現(xiàn)細節(jié)探討了大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測上的應(yīng)用方向與前景，并給出了分析案例，但是沒有與具體大數(shù)據(jù)工程的結(jié)合是本文的不足之處，需要進一步研究和完善。大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測上的深入應(yīng)用將提高電力設(shè)備狀態(tài)評價和故障診斷的準(zhǔn)確性�？梢灶A(yù)見，通過大數(shù)據(jù)樣本、大數(shù)據(jù)軟硬件技術(shù)、大數(shù)據(jù)思想方法、大數(shù)據(jù)算法建立電力設(shè)備狀態(tài)評價與故障診斷醫(yī)院，實現(xiàn)對電力設(shè)備疑難雜癥的科學(xué)診斷，將引領(lǐng)行業(yè)發(fā)展、推動行業(yè)變革，促進綠色、自愈、安全、高效的堅強智能電網(wǎng)建設(shè)。

　　參考文獻

　　[1]PENGXiaosheng,YANGFan,WANGGanjun,etal.Aconvolutionalneuralnetwork-baseddeeplearningmethodologyforrecognitionofpartialdischargepatternsfromhigh-voltagecables[J].IEEETransactionsonPowerDelivery,2019,34(4):1460-1469.

　　[2]汪可,廖瑞金,吳高林,等.采用雙向改進模糊2DLDA算法提升多因素影響的局部放電識別可靠性[J].電工技術(shù)學(xué)報,2014,29(11):210-220.WANGKe,LIAORuijin,WUGaolin,etal.Improvementofpartialdischargerecognitionreliabilityconsideringinfluenceofmulti-factorsbasedontwo-directionalmodifiedfuzzy2DLDAalgorithm[J].TransactionsofChinaElectrotechnicalSociety,2014,29(11):210-220.

　　[3]張鐿議,廖瑞金,楊麗君,等.基于云理論的電力變壓器絕緣狀態(tài)評估方法[J].電工技術(shù)學(xué)報,2012,27(5):13-20.ZHANGYiyi,LIAORuijin,YANGLijun,etal.Anassessmentmethodforinsulationconditionofpowertransformerbaseduponcloudmodel[J].TransactionsofChinaElectrotechnicalSociety,2012,27(5):13-20.

　　[4]PENGXiaosheng,LIJinshu,WANGGanjun,etal.RandomforestbasedoptimalfeatureselectionforpartialdischargepatternrecognitioninHVcables[J].IEEETransactionsonPowerDelivery,2019,34(4):1715-1724.

　　作者：方靜1，彭小圣2，劉泰蔚2，陳玉竹2，李文澤2，文勁宇2，熊磊3，王浩鳴4

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/28356.html