電力設(shè)備狀態(tài)監(jiān)測(cè)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(cè)上的發(fā)展趨勢(shì)與應(yīng)用前景。首先分析了狀態(tài)監(jiān)測(cè)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(gè)層面論述了大數(shù)據(jù)對(duì)電力設(shè)備狀態(tài)監(jiān)測(cè)的提升點(diǎn)。其次給出了基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測(cè)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(shí)別、知識(shí)挖掘、數(shù)據(jù)可視化幾個(gè)方面論述了大數(shù)據(jù)與狀態(tài)監(jiān)測(cè)各個(gè)環(huán)節(jié)的結(jié)合點(diǎn)。最后通過(guò)一個(gè)綜合監(jiān)測(cè)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(cè)上的應(yīng)用。大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測(cè)上的深入應(yīng)用，有利于解決設(shè)備狀態(tài)評(píng)價(jià)和故障預(yù)測(cè)的難題，推動(dòng)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(cè);關(guān)鍵技術(shù);發(fā)展趨勢(shì);應(yīng)用前景

　　0引言

　　電力設(shè)備狀態(tài)監(jiān)測(cè)通過(guò)信號(hào)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(píng)價(jià)設(shè)備狀態(tài)，預(yù)測(cè)設(shè)備故障，一方面能充分延長(zhǎng)健康狀況良好設(shè)備的停機(jī)檢修時(shí)間，提高設(shè)備運(yùn)行經(jīng)濟(jì)性，另一方面能檢測(cè)出有潛在故障的設(shè)備，及時(shí)維修，提高設(shè)備的可靠性，因此在發(fā)電機(jī)、變壓器、氣體絕緣開(kāi)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(xiàn)路設(shè)計(jì)研究

　　然而由于電力設(shè)備固有的機(jī)械、物理、電氣內(nèi)部復(fù)雜性和設(shè)備故障信號(hào)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(píng)價(jià)和故障準(zhǔn)確預(yù)測(cè)是該領(lǐng)域的固有難題，造成了誤報(bào)警和漏報(bào)警等情況，為電力企業(yè)帶來(lái)?yè)p失[4-5]。大數(shù)據(jù)為該固有難題的解決帶來(lái)了新的發(fā)展契機(jī)。大數(shù)據(jù)是指其大小超出典型數(shù)據(jù)軟件抓取、儲(chǔ)存、管理和分析范圍的數(shù)據(jù)集合[6-7]。也有觀點(diǎn)認(rèn)為大數(shù)據(jù)是指需要新處理模式才能具有更強(qiáng)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(zhǎng)率和多樣化的信息資產(chǎn)[6-7]。

　　業(yè)界對(duì)大數(shù)據(jù)的定義并未統(tǒng)一，但對(duì)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(jià)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(jì)量單位達(dá)到TB級(jí)、PB級(jí)甚至ZB級(jí);高速性(Velocity)是指數(shù)據(jù)洪流實(shí)時(shí)增長(zhǎng)，且增長(zhǎng)速度快;多樣性(Variety)是指大數(shù)據(jù)的數(shù)據(jù)類(lèi)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(yǔ)音及非結(jié)構(gòu)化的文件;價(jià)值性(Value)是指大數(shù)據(jù)中隱藏著價(jià)值，但是價(jià)值密度稀疏，必須通過(guò)知識(shí)挖掘才能獲取[8-9]。

　　近年來(lái)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(cè)[10-15]。文獻(xiàn)[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(cè)方法。文獻(xiàn)[11]提出一種基于高維隨機(jī)矩陣?yán)碚摰拇髷?shù)據(jù)模型，以實(shí)現(xiàn)設(shè)備關(guān)鍵性能評(píng)估和異常狀態(tài)檢測(cè)。文獻(xiàn)[12]提出一種基于無(wú)連接層次編碼的電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)模型，以達(dá)到優(yōu)化OLAP分析性能的目的。

　　文獻(xiàn)[13]開(kāi)展了基于Hadoop云計(jì)算平臺(tái)進(jìn)行輸變電設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)存儲(chǔ)優(yōu)化和基于MapReduce的并行分析處理的研究。文獻(xiàn)[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(píng)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(píng)估中的典型應(yīng)用場(chǎng)景和應(yīng)用效果。電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)，包含在線(xiàn)監(jiān)測(cè)數(shù)據(jù)、帶電檢測(cè)數(shù)據(jù)、預(yù)防性試驗(yàn)數(shù)據(jù)等，具有數(shù)據(jù)量大、增長(zhǎng)迅速、類(lèi)型眾多、價(jià)值密度稀疏等特點(diǎn)，是典型的大數(shù)據(jù)[10]。體現(xiàn)在以下幾個(gè)方面：

　　(1)監(jiān)測(cè)對(duì)象數(shù)量龐大。電力系統(tǒng)由發(fā)電機(jī)、變壓器、氣體絕緣開(kāi)關(guān)、電力電纜等主電力設(shè)備構(gòu)成，這些設(shè)備型號(hào)各異、種類(lèi)繁多、數(shù)量龐大，實(shí)現(xiàn)對(duì)這些主設(shè)備較大覆蓋范圍的監(jiān)測(cè)，對(duì)象本身已經(jīng)達(dá)到了較高的數(shù)量級(jí)[13]。(2)監(jiān)測(cè)參數(shù)種類(lèi)繁多。以變壓器在線(xiàn)監(jiān)測(cè)為例，含接地電流、振動(dòng)、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(cè)參數(shù)的監(jiān)測(cè)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(cè)數(shù)據(jù)增長(zhǎng)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(jí)增長(zhǎng)。以三相高壓電纜局部放電在線(xiàn)監(jiān)測(cè)為例，其典型的數(shù)據(jù)采樣率為100MS/s，每天的監(jiān)測(cè)數(shù)據(jù)量與電纜數(shù)量、采樣時(shí)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(cè)數(shù)據(jù)的分析與評(píng)價(jià)需要綜合考慮設(shè)備監(jiān)測(cè)歷史數(shù)據(jù)、設(shè)備離線(xiàn)實(shí)驗(yàn)數(shù)據(jù)、設(shè)備臺(tái)賬信息、同類(lèi)型設(shè)備故障信息、電網(wǎng)工況信息、設(shè)備狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)等數(shù)據(jù)源，才能對(duì)設(shè)備狀態(tài)做出正確評(píng)價(jià)。(5)價(jià)值密度稀疏。電力設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)實(shí)時(shí)增長(zhǎng)，但能捕捉到故障發(fā)生征兆的數(shù)據(jù)卻較少，這是因?yàn)橐环矫骐娏υO(shè)備發(fā)生故障的概率不高，例如文獻(xiàn)[17]中統(tǒng)計(jì)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(shí)間較短，因此電力設(shè)備在線(xiàn)監(jiān)測(cè)數(shù)據(jù)大部分是平穩(wěn)數(shù)據(jù)，價(jià)值密度稀疏[16]。

　　綜上所述，電力設(shè)備狀態(tài)監(jiān)測(cè)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(kāi)展電力設(shè)備狀態(tài)監(jiān)測(cè)與數(shù)據(jù)分析，有適應(yīng)其固有特點(diǎn)的獨(dú)到優(yōu)勢(shì)，并將有利于解決設(shè)備狀態(tài)評(píng)價(jià)與故障準(zhǔn)確預(yù)測(cè)的難題，進(jìn)而避免維修不足與維修過(guò)剩帶來(lái)的經(jīng)濟(jì)損失，提高電力設(shè)備的運(yùn)行可靠性，保障供電安全[18-19]。

　　1大數(shù)據(jù)對(duì)電力設(shè)備狀態(tài)監(jiān)測(cè)的必要性

　　大數(shù)據(jù)對(duì)電力設(shè)備狀態(tài)監(jiān)測(cè)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(gè)層面。關(guān)鍵技術(shù)層面是指處理大數(shù)據(jù)的分布式計(jì)算技術(shù)、內(nèi)層計(jì)算技術(shù)、流處理技術(shù)、批處理技術(shù)、分布式存儲(chǔ)技術(shù)、非關(guān)系型數(shù)據(jù)庫(kù)技術(shù)等能直接用于海量狀態(tài)監(jiān)測(cè)數(shù)據(jù)的計(jì)算、存儲(chǔ);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(duì)狀態(tài)監(jiān)測(cè)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(dòng)化算法對(duì)電力設(shè)備狀態(tài)監(jiān)測(cè)中的模式識(shí)別、故障預(yù)測(cè)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(lái)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(guò)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(cè)領(lǐng)域?qū)��?huì)具有較強(qiáng)的生命力。大數(shù)據(jù)處理技術(shù)含分布式計(jì)算技術(shù)、內(nèi)存計(jì)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(shí)間能完成PB級(jí)、ZB級(jí)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(cè)海量原始數(shù)據(jù)的處理。大數(shù)據(jù)存儲(chǔ)技術(shù)含分布式文件管理技術(shù)、非關(guān)系型數(shù)據(jù)庫(kù)技術(shù)等。分布式文件管理技術(shù)一個(gè)典型的代表就是HDFS(HadoopDistributedFileSystem)[21]。HDFS是采用流式數(shù)據(jù)訪(fǎng)問(wèn)模式來(lái)存儲(chǔ)超大文件的文件系統(tǒng)。非關(guān)系型數(shù)據(jù)庫(kù)一個(gè)典型的代表就是HBase。HBase是一個(gè)構(gòu)建在HDFS之上的分布式面向列存儲(chǔ)的數(shù)據(jù)庫(kù)系統(tǒng)。大數(shù)據(jù)存儲(chǔ)技術(shù)適合數(shù)據(jù)量較大的電力設(shè)備狀態(tài)監(jiān)測(cè)原始數(shù)據(jù)和特征參數(shù)的存儲(chǔ)[9]。

　　1.2大數(shù)據(jù)思想方法

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

　　1.2.1全局化

　　大數(shù)據(jù)從整體而不是從個(gè)體的角度開(kāi)展分析是其具有強(qiáng)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(jià)值是其核心思想，以解決“數(shù)據(jù)爆炸、知識(shí)匱乏”的短板[7-8]。文獻(xiàn)[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(shuō)明了小樣本分析方法如同盲人一樣只能認(rèn)識(shí)龐大系統(tǒng)的局部特性而診斷出錯(cuò)誤的結(jié)論。電力設(shè)備狀態(tài)監(jiān)測(cè)具有龐大的對(duì)象和復(fù)雜的電氣物理連接，而現(xiàn)有的狀態(tài)監(jiān)測(cè)系統(tǒng)大多從單個(gè)設(shè)備的單一監(jiān)測(cè)參數(shù)開(kāi)展監(jiān)測(cè)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(cè)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(jì)、數(shù)據(jù)同步采集、數(shù)據(jù)全局分析等角度對(duì)現(xiàn)有的監(jiān)測(cè)系統(tǒng)進(jìn)行重新設(shè)計(jì)與改進(jìn)，將在很大程度上提升電力設(shè)備狀態(tài)監(jiān)測(cè)的可用性和價(jià)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(kù)系統(tǒng)來(lái)開(kāi)展原始數(shù)據(jù)和參數(shù)的存儲(chǔ)，以應(yīng)對(duì)海量數(shù)據(jù)的挑戰(zhàn)，典型的案例有Apache基金會(huì)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(guò)200萬(wàn)臺(tái)服務(wù)器，以應(yīng)對(duì)每天數(shù)以?xún)|計(jì)的搜素請(qǐng)求和24PB級(jí)數(shù)據(jù)增長(zhǎng)[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(cè)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(jí)的時(shí)間內(nèi)給出綜合搜索結(jié)果，而電力設(shè)備在線(xiàn)監(jiān)測(cè)系統(tǒng)大多沒(méi)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(cè)，雖然是分布式布置，但由于數(shù)據(jù)采集沒(méi)有做到時(shí)間上完全同步采集，不能開(kāi)展綜合分析與診斷的高級(jí)功能，因此提升現(xiàn)有電力設(shè)備狀態(tài)監(jiān)測(cè)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(cè)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(shí)現(xiàn)原理在于通過(guò)Map將任務(wù)分解成小的模塊，發(fā)送給較多的節(jié)點(diǎn)并行計(jì)算，再通過(guò)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(dòng)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(chēng)象的故事，通過(guò)將無(wú)法稱(chēng)量的大象分散為可以計(jì)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(xiàn)監(jiān)測(cè)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(cè)系統(tǒng)本身包含不同的監(jiān)測(cè)子單元，例如變壓器在線(xiàn)監(jiān)測(cè)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(cè)單元，這些單元聯(lián)合工作完成變壓器綜合監(jiān)測(cè)就體現(xiàn)了Reduce的思想;在較多臺(tái)電力設(shè)備的在線(xiàn)監(jiān)測(cè)中采用時(shí)分復(fù)用的思想，將監(jiān)測(cè)單元的計(jì)算資源拆分使用，即為Map的思想;在線(xiàn)監(jiān)測(cè)數(shù)據(jù)的數(shù)據(jù)處理，采用多線(xiàn)程技術(shù)，也是Map思想的應(yīng)用。

　　在海量監(jiān)測(cè)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(jì)算時(shí)間，例如，各種電力設(shè)備在線(xiàn)監(jiān)測(cè)單元本身就是一個(gè)高性能的處理子站，現(xiàn)在的電力設(shè)備綜合監(jiān)測(cè)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(cè)單元向總站傳輸，在未來(lái)的監(jiān)測(cè)系統(tǒng)中，設(shè)計(jì)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(gè)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(gè)關(guān)鍵因素是采用了低成本的設(shè)計(jì)思想，例如Google、百度、Facebook等大型互聯(lián)網(wǎng)公司都沒(méi)有采用昂貴的超級(jí)計(jì)算機(jī)而采用了廉價(jià)的計(jì)算機(jī)組成的集群來(lái)存儲(chǔ)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(cè)普遍存在監(jiān)測(cè)系統(tǒng)成本過(guò)高的問(wèn)題，部分電力設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)的成本達(dá)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(cè)沒(méi)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(cè)單元成本、數(shù)據(jù)服務(wù)器成本、軟件成本、系統(tǒng)維護(hù)成本等，將狀態(tài)監(jiān)測(cè)系統(tǒng)“平民化”是推廣狀態(tài)監(jiān)測(cè)中的迫切問(wèn)題。例如將昂貴的工業(yè)控制計(jì)算機(jī)用廉價(jià)的單片機(jī)和ASIC(ApplicationSpecificIntegratedCircuit)代替，是降低監(jiān)測(cè)成本的一個(gè)有效途徑。

　　1.3大數(shù)據(jù)算法

　　大數(shù)據(jù)在發(fā)展過(guò)程中形成了一些優(yōu)秀算法，其中與狀態(tài)監(jiān)測(cè)匹配度較高的一個(gè)方向就是大數(shù)據(jù)預(yù)測(cè)算法。大數(shù)據(jù)預(yù)測(cè)算法一個(gè)最典型的應(yīng)用就是IBM的第三代超級(jí)計(jì)算機(jī)Watson[25-26]：2011年在美國(guó)最受歡迎的電視問(wèn)答類(lèi)節(jié)目《危險(xiǎn)邊緣》中，IBM的第三代超級(jí)計(jì)算機(jī)Watson采用大數(shù)據(jù)技術(shù)，打敗了人類(lèi)兩位問(wèn)答冠軍。Watson的技術(shù)實(shí)現(xiàn)了“讓機(jī)器像人一樣思考”，在幾秒鐘的時(shí)間內(nèi)搜索海量的資料，給出預(yù)選的答案，并通過(guò)預(yù)測(cè)模型6次反復(fù)預(yù)測(cè)與評(píng)估，給出最終的答案。IBM的高管們認(rèn)為Watson是代表了第三個(gè)計(jì)算機(jī)時(shí)代的第一臺(tái)機(jī)器，并譽(yù)其為人工智能的真正到來(lái)[21-22]。IBM正在為Watson申請(qǐng)美國(guó)的醫(yī)療執(zhí)照，在不遠(yuǎn)的將來(lái)即將應(yīng)用到醫(yī)療領(lǐng)域，為廣大患者帶來(lái)福音。

　　基于海量病例庫(kù)、藥物報(bào)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(yàn)報(bào)告等數(shù)據(jù)源的大數(shù)據(jù)精準(zhǔn)醫(yī)療，將會(huì)更加準(zhǔn)確地預(yù)測(cè)出病人的病情走勢(shì)并給出科學(xué)合理的治療方案，這將帶來(lái)醫(yī)療領(lǐng)域的革命。電力設(shè)備狀態(tài)監(jiān)測(cè)通過(guò)形式各異的傳感器獲取設(shè)備健康狀況與醫(yī)生通過(guò)化驗(yàn)測(cè)試獲取病人病情有很強(qiáng)的相似性，因此借鑒Watson對(duì)海量數(shù)據(jù)的處理與預(yù)測(cè)方法，基于海量故障案例庫(kù)、設(shè)備臺(tái)賬信息、設(shè)備在線(xiàn)監(jiān)測(cè)信息、設(shè)備歷史監(jiān)測(cè)記錄、同類(lèi)型號(hào)設(shè)備故障信息、電網(wǎng)工況信息等數(shù)據(jù)源，設(shè)計(jì)基于大數(shù)據(jù)的電力設(shè)備故障診斷與預(yù)測(cè)方案，有望為該領(lǐng)域帶來(lái)新的變革。

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

　　基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)總體架構(gòu)，主要包括電力設(shè)備在線(xiàn)監(jiān)測(cè)系統(tǒng)、大數(shù)據(jù)數(shù)據(jù)源、大數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)處理、大數(shù)據(jù)分析、高級(jí)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(cè)相關(guān)數(shù)據(jù)為數(shù)據(jù)源，利用大數(shù)據(jù)存儲(chǔ)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(shí)現(xiàn)大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測(cè)領(lǐng)域的高級(jí)應(yīng)用，并通過(guò)大數(shù)據(jù)展現(xiàn)技術(shù)對(duì)結(jié)果進(jìn)行可視化展示。

　　除了設(shè)備在線(xiàn)監(jiān)測(cè)數(shù)據(jù)之外，狀態(tài)監(jiān)測(cè)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(píng)價(jià)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(cè)歷史數(shù)據(jù)和設(shè)備臺(tái)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(kù)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(píng)價(jià)標(biāo)準(zhǔn)含國(guó)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(cè)大數(shù)據(jù)通過(guò)大數(shù)據(jù)存儲(chǔ)技術(shù)和處理技術(shù)進(jìn)行集成管理和數(shù)據(jù)處理。適用于狀態(tài)監(jiān)測(cè)大數(shù)據(jù)的存儲(chǔ)技術(shù)既包含傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，也包含非關(guān)系型數(shù)據(jù)庫(kù)和分布式文件。大數(shù)據(jù)處理技術(shù)可采用分布式計(jì)算技術(shù)、內(nèi)存計(jì)算技術(shù)等。

　　存儲(chǔ)和計(jì)算技術(shù)是實(shí)現(xiàn)技術(shù)手段，其主要目的是通過(guò)大數(shù)據(jù)分析實(shí)現(xiàn)設(shè)備狀態(tài)評(píng)價(jià)、設(shè)備故障預(yù)測(cè)等高級(jí)應(yīng)用功能。大數(shù)據(jù)分析技術(shù)含大數(shù)據(jù)知識(shí)挖掘、大數(shù)據(jù)模式識(shí)別、大數(shù)據(jù)預(yù)測(cè)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(cè)及高級(jí)應(yīng)用功能的結(jié)果通過(guò)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(yùn)行管理人員實(shí)時(shí)展示。該架構(gòu)中的大數(shù)據(jù)存儲(chǔ)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(shí)別、知識(shí)挖掘等環(huán)節(jié)則需要結(jié)合狀態(tài)監(jiān)測(cè)的需求和特點(diǎn)，提升和完善傳統(tǒng)技術(shù)。本文將在下節(jié)對(duì)這些技術(shù)進(jìn)行詳細(xì)闡述。

　　3基于大數(shù)據(jù)的電力設(shè)備狀態(tài)監(jiān)測(cè)關(guān)鍵技術(shù)電力設(shè)備狀態(tài)監(jiān)測(cè)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(shí)別、知識(shí)挖掘等環(huán)節(jié)。大數(shù)據(jù)技術(shù)、思想方法、自動(dòng)化算法在各個(gè)環(huán)節(jié)都能得到結(jié)合與應(yīng)用，這一方面是因?yàn)榇髷?shù)據(jù)技術(shù)本身能在海量數(shù)據(jù)的存儲(chǔ)、處理、展現(xiàn)上具有獨(dú)到的優(yōu)勢(shì)，另一方面是因?yàn)榇髷?shù)據(jù)高級(jí)分析功能對(duì)各個(gè)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(cè)參數(shù)含振動(dòng)、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(jī)械、物理、化學(xué)信號(hào)[12,27]，這些信號(hào)通過(guò)傳感器變送成電壓或電流信號(hào)，并通過(guò)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(shí)間間隔、觸發(fā)方式等多種因素的影響。大數(shù)據(jù)分析對(duì)這些因素提出了新的要求，其發(fā)展動(dòng)向主要體現(xiàn)在以下幾個(gè)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(jìn)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(wú)法直接進(jìn)行數(shù)據(jù)分析與知識(shí)挖掘。通常需要對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，增大了數(shù)據(jù)處理的難度，對(duì)于某些不同類(lèi)型的數(shù)據(jù)，甚至無(wú)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(jìn)行橫向和縱向的對(duì)比分析，例如對(duì)一個(gè)包含變壓器、GIS、電力電纜的綜合監(jiān)測(cè)系統(tǒng)進(jìn)行數(shù)據(jù)分析，可以對(duì)比同一時(shí)刻信號(hào)的差異性開(kāi)展綜合分析從而提高診斷的準(zhǔn)確性，但是這要求這三個(gè)電力設(shè)備的狀態(tài)監(jiān)測(cè)系統(tǒng)共用同一個(gè)GPS時(shí)鐘以實(shí)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(cè)開(kāi)展大數(shù)據(jù)分析的一個(gè)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(kāi)展多源異構(gòu)數(shù)據(jù)的融合和異常數(shù)據(jù)檢測(cè)[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(cè)系統(tǒng)由于傳感器異常、信號(hào)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(cè)與采購(gòu)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(cè)價(jià)值的一個(gè)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(cè)數(shù)據(jù)，還需綜合考慮故障傳播耦合、故障發(fā)展趨勢(shì)、設(shè)備故障記錄、設(shè)備維護(hù)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(chǔ)原始數(shù)據(jù)與指標(biāo)量的時(shí)候必須同步記錄時(shí)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(jí)上傳后不丟失關(guān)鍵信息，便于開(kāi)展大數(shù)據(jù)分析與知識(shí)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(hào)與噪聲和干擾信號(hào)混在一起，大大降低了監(jiān)測(cè)信號(hào)的可用性[27-30]。干擾信號(hào)的誤判斷會(huì)產(chǎn)生誤報(bào)警，降低運(yùn)行管理人員對(duì)狀態(tài)監(jiān)測(cè)系統(tǒng)的信賴(lài);故障信號(hào)沒(méi)有準(zhǔn)確提取會(huì)產(chǎn)生漏報(bào)警，帶來(lái)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(cè)領(lǐng)域的一個(gè)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(cè)領(lǐng)域已經(jīng)得到了蓬勃的發(fā)展，國(guó)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(yàn)?zāi)�態(tài)分解等數(shù)學(xué)方法引入到設(shè)備故障信號(hào)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(cè)數(shù)據(jù)去噪的發(fā)展動(dòng)向主要體現(xiàn)在以下幾個(gè)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(cè)原始數(shù)據(jù)集成起來(lái)開(kāi)展數(shù)據(jù)去噪，將需要昂貴的計(jì)算存儲(chǔ)資源和較大的計(jì)算代價(jià)。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?yàn)殡娏υO(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)現(xiàn)地監(jiān)測(cè)單元一般采用具有較高運(yùn)算速度的工業(yè)控制計(jì)算機(jī)作為運(yùn)行控制核心，大量的現(xiàn)地監(jiān)測(cè)單元分布在廣泛的地理空間，本身就是一個(gè)分布式計(jì)算系統(tǒng)，因此對(duì)監(jiān)測(cè)數(shù)據(jù)中與故障信號(hào)頻段相差較大的噪聲與干擾信號(hào)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(cè)信號(hào)的干擾源有白噪聲、隨機(jī)干擾、周期干擾、通信干擾、廣播干擾等。部分干擾信號(hào)與待提取的故障信號(hào)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(hào)成為一個(gè)重要的干擾源。通過(guò)大數(shù)據(jù)技術(shù)建立典型干擾信號(hào)的特征參數(shù)庫(kù)，在運(yùn)行控制中樞開(kāi)發(fā)基于海量樣本庫(kù)的干擾信號(hào)抑制技術(shù)，將有效識(shí)別傳統(tǒng)的去噪技術(shù)無(wú)法剔除的干擾信號(hào)。

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

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

　　本節(jié)通過(guò)典型的具有電氣和物理連接的變壓器、GIS、電纜綜合監(jiān)測(cè)系統(tǒng)案例闡述大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測(cè)上的應(yīng)用前景。系統(tǒng)中的GIS和變壓器通過(guò)三相高壓電纜連接，高壓電纜中間有兩個(gè)中間接頭。綜合檢測(cè)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(gè)設(shè)備的現(xiàn)地監(jiān)測(cè)單元，實(shí)現(xiàn)對(duì)16個(gè)監(jiān)測(cè)參數(shù)的實(shí)時(shí)數(shù)據(jù)采集、數(shù)據(jù)去噪、特征提取。現(xiàn)地層三個(gè)監(jiān)測(cè)單元通過(guò)同一個(gè)GPS時(shí)鐘實(shí)現(xiàn)數(shù)據(jù)采集的同步。

　　站控層一方面實(shí)現(xiàn)對(duì)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的集成管理，另一方面通過(guò)大數(shù)據(jù)存儲(chǔ)技術(shù)實(shí)現(xiàn)變電站SCADA系統(tǒng)數(shù)據(jù)、設(shè)備評(píng)價(jià)標(biāo)準(zhǔn)、設(shè)備臺(tái)賬信息、設(shè)備監(jiān)測(cè)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(shí)現(xiàn)多源數(shù)據(jù)融合分析判斷、專(zhuān)項(xiàng)參數(shù)對(duì)比分析判斷、設(shè)備狀態(tài)實(shí)時(shí)精確評(píng)價(jià)等大數(shù)據(jù)高級(jí)分析功能。

　　5總結(jié)

　　本文探討了電力設(shè)備狀態(tài)監(jiān)測(cè)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(gè)層面分析了大數(shù)據(jù)與電力設(shè)備狀態(tài)監(jiān)測(cè)的結(jié)合點(diǎn)，給出了一個(gè)具有通用性的電力設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)平臺(tái)架構(gòu)，對(duì)電力企業(yè)狀態(tài)監(jiān)測(cè)系統(tǒng)的搭建具有參考價(jià)值。同時(shí)本文從數(shù)據(jù)去噪、特征提取、模式識(shí)別、知識(shí)挖掘、數(shù)據(jù)存儲(chǔ)、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(cè)各個(gè)環(huán)節(jié)的結(jié)合點(diǎn)。這些結(jié)合點(diǎn)一方面是因?yàn)榇髷?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(cè)各個(gè)環(huán)節(jié)具有獨(dú)到優(yōu)勢(shì)，另一方面是因?yàn)榇髷?shù)據(jù)高級(jí)分析應(yīng)用對(duì)這些環(huán)節(jié)提出了新需求。最后結(jié)合一個(gè)包含變壓器、GIS、電纜的綜合監(jiān)測(cè)系統(tǒng)，深入分析了電力設(shè)備狀態(tài)監(jiān)測(cè)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(cè)既需要理論支撐又需要大數(shù)據(jù)工程的檢驗(yàn)，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(shí)現(xiàn)細(xì)節(jié)探討了大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測(cè)上的應(yīng)用方向與前景，并給出了分析案例，但是沒(méi)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(jìn)一步研究和完善。大數(shù)據(jù)在電力設(shè)備狀態(tài)監(jiān)測(cè)上的深入應(yīng)用將提高電力設(shè)備狀態(tài)評(píng)價(jià)和故障診斷的準(zhǔn)確性�？梢灶A(yù)見(jiàn)，通過(guò)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(píng)價(jià)與故障診斷醫(yī)院，實(shí)現(xiàn)對(duì)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(dòng)行業(yè)變革，促進(jìn)綠色、自愈、安全、高效的堅(jiān)強(qiáng)智能電網(wǎng)建設(shè)。

　　參考文獻(xiàn)

　　[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(jìn)模糊2DLDA算法提升多因素影響的局部放電識(shí)別可靠性[J].電工技術(shù)學(xué)報(bào),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(píng)估方法[J].電工技術(shù)學(xué)報(bào),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(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/28356.html