3 新一代智能變電站變電設備狀態(tài)監(jiān)測大數(shù)據(jù)預處理

隨著新一代智能變電站自動化和一體化的發(fā)展,設備狀態(tài)監(jiān)測數(shù)據(jù)的呈現(xiàn)多了許多特點：數(shù)據(jù)海量化,數(shù)據(jù)規(guī)模增長迅速,呈幾何倍數(shù)擴大;數(shù)據(jù)多元化,數(shù)據(jù)來源廣泛,不僅包括各種實時在線監(jiān)測數(shù)據(jù),還包括設備臺賬信息、帶電檢測、試驗數(shù)據(jù)、故障數(shù)據(jù)等離線信息;數(shù)據(jù)結構和種類更加豐富,包括各類結構化、半結構化數(shù)據(jù)以及非結構化的數(shù)據(jù),且各類數(shù)據(jù)查詢與處理的頻度以及對性能的要求也各不相同;數(shù)據(jù)在不同平臺間互通變得困難,交互性較差 [15]。

目前,眾多專家學者在融合變電設備狀態(tài)監(jiān)測數(shù)據(jù)多源異構問題方面進行了有益的探索。針對輸變電設備全景信息多源、異構特性不利于數(shù)據(jù)的高效整合和深度挖掘利用的問題,文獻[16]提出一種基于改進混合本體的多源異構數(shù)據(jù)聚合方法(見圖4),通過構建數(shù)據(jù)源的局部本體以及全局本體,利用本體的語義特性解決數(shù)據(jù)聚合中關鍵性的語義異構問題;采用網(wǎng)絡本體語言和語義網(wǎng)絡規(guī)則語言相結合的方式建立全局本體和局部本體之間的映射,實現(xiàn)映射的重用和共享[16]。

圖4 輸變電設備全景信息的多源異構數(shù)據(jù)聚合方法

Fig.4 Heterogeneous data transmission equipment panoramic information aggregation method

目前,電網(wǎng)業(yè)務系統(tǒng)種類多、數(shù)據(jù)量大,為了有效整合數(shù)據(jù)資源,建立多源異構融合型的電網(wǎng)大數(shù)據(jù)庫,文獻[17]對數(shù)據(jù)獲取、數(shù)據(jù)預處理、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量評價、數(shù)據(jù)轉(zhuǎn)換等模塊進行了設計,研究開發(fā)了面向多源電網(wǎng)業(yè)務系統(tǒng)的數(shù)據(jù)獲取及轉(zhuǎn)換裝置,其面向多源異構電網(wǎng)大數(shù)據(jù)的獲取與轉(zhuǎn)換架構及實現(xiàn)方法在多個典型電網(wǎng)業(yè)務中進行了驗證。為了減少繼電保護信息系統(tǒng)數(shù)據(jù)上傳和數(shù)據(jù)處理的規(guī)模,文獻[18]提出了一種繼電保護狀態(tài)評估數(shù)據(jù)精簡的思路,構建精簡數(shù)據(jù)指標集對繼電保護系統(tǒng)狀態(tài)的特征進行表征,并提出利用該精簡指標數(shù)據(jù)對繼電保護進行在線狀態(tài)評價的方法。

對于新一代智能變電站變電設備狀態(tài)監(jiān)測大數(shù)據(jù)的清洗工作,文獻[19]將設備狀態(tài)信息等效成各狀態(tài)量的時間序列,通過對時間序列中的異常數(shù)據(jù)進行分類并分析不同類別異常值對時間序列模型的影響,提出了一種基于時間序列分析的雙循環(huán)迭代檢驗法。文獻[20]則提出一種基于時間序列分析和無監(jiān)督學習等大數(shù)據(jù)分析技術的異常檢測方法,從數(shù)據(jù)演化過程、數(shù)據(jù)關聯(lián)的全新角度實現(xiàn)異常檢測。

4 智能變電站變電設備狀態(tài)監(jiān)測與評估大數(shù)據(jù)應用展望

4.1 智能變電站變電設備異常知識庫的建立

4.1.1 智能變電站變電設備關鍵特征狀態(tài)參量的提取

新一代智能變電站變電設備狀態(tài)種類多而繁雜,如何在其中甄選出最能反映設備狀態(tài)的數(shù)據(jù)是非常關鍵的工作。通過收集新一代智能變電站變電設備狀態(tài)數(shù)據(jù),可以建立基本的大數(shù)據(jù)挖掘設備狀態(tài)數(shù)據(jù)庫。通過一定的預處理方式,可以按時間序列將設備狀態(tài)與多而繁雜的各基礎狀態(tài)參量進行向量化,之后通過一定的相關關系計算便可得到最能體現(xiàn)新一代智能變電站變電設備狀態(tài)的關鍵特征狀態(tài)參量。例如,可通過計算狀態(tài)監(jiān)測參量和設備狀態(tài)間的歐氏距離來對相關程度進行度量。

對于任意2個長度為d的向量xi=(xi1, xi2,…, xid)及xj=(xj1, xj2,…, xjd),其歐幾里得距離為：

歐氏距離越小,代表狀態(tài)監(jiān)測參量與設備狀態(tài)的相關程度越高。通過設定一定的關鍵特征狀態(tài)參量最大提取距離值作為提取標準,即可建立設備關鍵特征狀態(tài)參量體系。

4.1.2 智能變電站變電設備缺陷數(shù)據(jù)分析

文獻[21]中采用相關分析探索了缺陷類型之間、缺陷類型與投運年限之間的關系,可以增進對缺陷發(fā)生原因的理解。缺陷主題河如圖5所示。

圖5 缺陷主題河

Fig.5 Defect theme river

在圖5中,正相關關系用藍色表示,負相關關系用粉色表示,顏色越深代表相關性越強,通過對缺陷的相關性分析,可得到一系列有益的結果。

4.2 應用大數(shù)據(jù)技術的新一代智能變電站變電設備狀態(tài)評估

國家電網(wǎng)公司于2010年頒布了一系列關于變電設備狀態(tài)評價的企業(yè)標準[22]。截至目前,包括國家電網(wǎng)公司內(nèi)的國內(nèi)電網(wǎng)公司對變電設備狀態(tài)評估主要采用專家打分的方法。專家打分制的優(yōu)勢在于結構簡單、便于執(zhí)行,但其對各狀態(tài)量扣分權重的確定由于摻入較多的專家經(jīng)驗和主觀因素,導致難以客觀反映該狀態(tài)量的實際影響的大小。

文獻[23]認為,基于設備缺陷/故障記錄統(tǒng)計情況,考慮到設備缺陷/故障的影響程度及其后果的嚴重性,以及狀態(tài)參量能夠表征設備缺陷/故障類型的程度,并根據(jù)歷史監(jiān)測與評估數(shù)據(jù),考慮所用監(jiān)測手段所獲取狀態(tài)監(jiān)測量的準確及有效程度,結合大數(shù)據(jù)挖掘技術,可以較為準確地設定設備狀態(tài)參量的權重。文獻[24]則利用挖掘到的設備狀態(tài)參量和故障的關聯(lián)規(guī)則知識,計算單項狀態(tài)參量的常權重系數(shù);同時提出具備均衡函數(shù)的變權綜合模式,以此為基礎,綜合各單項狀態(tài)參量的常權重系數(shù)計算設備綜合狀態(tài)量的變權重系數(shù)。

在充分收集大量狀態(tài)監(jiān)測評估案例后,在大量狀態(tài)信息分析的基礎上,基于歷史評估數(shù)據(jù)與事后驗證數(shù)據(jù),可利用多元回歸分析和大數(shù)據(jù)分析技術手段,研究建立反映電力設備狀態(tài)變化、缺陷和故障發(fā)展過程的趨勢分析模型,實現(xiàn)對主要故障模式的診斷和危急度評估。

5 結語

在新一代智能變電站快速發(fā)展的背景下,本文以新一代智能變電站變電設備狀態(tài)為研究對象,深入研究了大數(shù)據(jù)挖掘技術在變電設備狀態(tài)監(jiān)測和評估領域中的應用前景。針對新一代智能變電站變電設備,提出了數(shù)據(jù)監(jiān)測源體系和手段,并分析了適用于新一代智能變電站變電設備狀態(tài)監(jiān)測與評估的大數(shù)據(jù)預處理方法,最后從建立設備異常知識庫和狀態(tài)評估2個方面展望了大數(shù)據(jù)技術在新一代智能變電站變電設備狀態(tài)監(jiān)測與評估工作中的應用前景,具體應用方面的相關研究將是本文后續(xù)工作的重點。

作者簡介：

陳翔宇(1991-),男,北京人,碩士,從事電力系統(tǒng)一次設計、電網(wǎng)大數(shù)據(jù)挖掘分析工作;羅懌(1987-),男,四川成都人,博士后,從事電網(wǎng)大數(shù)據(jù)平臺以及數(shù)據(jù)挖掘算法研究工作;

胡軍(1976-),男,浙江寧波人,博士,副教授,從事輸變電技術、電力大數(shù)據(jù)挖掘等方面的研究工作;

傅守強(1986-),男,遼寧喀左人,碩士,從事柔性直流輸電研究工作;

徐毅(1983-),男,山西太原人,博士,從事變電設計工作;

張立斌(1981-),男,河北廊坊人,高級工程師,從事變電設計管理、電氣一次設計工作;

李紅建(1972-),男,河南孟州人,高級工程師,從事電力設計工作;

段煉(1989-),男,上海人,博士研究生,從事輸變電技術、接地計算和電網(wǎng)大數(shù)據(jù)方面的研究。