胡拓宇

摘要：文中对基于大数据分析的电气设备状态评估技术进行研究，明确大数据分析过程，对管控系统体系结构、数据库设计等进行分析，结合具体案例对状态评估模块进行测试，验证模型实用性。将大数据分析技术与电力设备评估有效结合是智能电网建设创新之举，能提升设备检测参数精确性。

关键词：大数据分析;电气设备状态;评估技术

中图分类号：TP391.4

文献标识码：A

文章编号：2095-6487（2019）03-0021-02

0引言

在电力系统中硬件设备是其稳定运行的重要保障，也是各个企业获取经济效益的关键。各类设备在长期运行过程中受到自身原有与客观要素限制，发生故障之后对电网电力传输稳定性与安全性会产生较大负面影响。所以当前电力管理部门在电气设备运行中要合理检测与评估，发现潜藏的故障问题需要及时进行检修。

1大数据分析技术研究现状概述

大数据通过快速采集、整理与分析，能获取极具经济价值的数据，常用的大数据分析技术主要有深度学习技术、分布式数据挖掘技术、神经网络等。分布式数据挖掘技术主要有关联分析与FP-growth算法、分布式聚类算法、分布式分类算法，关联分析就是通过多种方法深度挖掘数据中不同元素之间的联系性。聚类算法就是将不同数据进行分类，在相同类别中数据具有较小的差异性，类间数据差异性较大。与聚类算法相比，分类算法具有明确目标，分类算法大多分为两个步骤，首先是样本数据对模型训练，其次是具体数据分类，样本质量对数据分类成效会产生较大影响。如果数据量不断增大，状态监测数据在持续增加，传统分类算法存有较大不足之处，此时要采取并行化处理。深度学习就是应用不同软件系统对人体大脑功能进行模拟，对外部环境多项信息进行反馈等1。

2大数据分析过程

大数据应用主要目标是为了保障多项数据能有效整合，获取不同形式数据，应用工具是数据库。为了有效满足异构数据存储基本要求，需要对数据库以及分布式系统进行有效构建。合理应用内存计算技术、大数据流计算基数、多维度数据计算处理能力等，通过多项技术应用对海量数据进行挖掘与预判。现阶段大数据分析挖掘过程主要是由数据采集获取、数据预处理、数据统计分析、大数据挖掘流程组成。大数据分析流程如图1所示。

近些年随着各类电子元器件以及传感器应用，促使大数据采集工作快速发展，在计算机技术、智慧城市以及物联网技术发展中，促使数据来源有效拓宽。传统标识技术主要有二维码、条形码、射频识别等，还有当前应用较多的NFC技术。诸多电气设备运行环境状况较差，获取的数据存有遗漏情况。为了提升大数据分析与挖掘精确性，要对多项数据采取预处理措施。依照不同分析与分类方法，将大数据合理划分与统计。结合统计结果，要删除没有应用价值的结果，对分析结论进行概括性表达。

3基于大数据分析的电气设备状态评估

3.1数据预处理

电气设备运行容易受到自身以及外部环境多项要素影响，如设备长时间运行老化问题以及设备运行环境条件等，多项影响要素对测量数据精确性都会产生较大误差。为了设备状态能得到精确化评估，提升信息获取质量，需要对数据采取有效的预处理措施。在采集数据预处理中要对数据进行有效整理，对数据合理清理，做好噪声数据平滑处理，对空缺数据及时补充。做好数据集成处理，对数据整合存储。在数据规约中，主要目标就是采用多样化方法对数据有效压缩，如应用聚类方法。

3.2单状态量的电气设备状态评估

从电力设备运行状态中能得出其具有低动态性，所以当前在评估中口语发挥出强记忆性时间序列自回归模型应用价值。在电气设备运行中状态量能分为两类，一类是通过平稳序列实现AR拟合，如常见的接地电流。其次另外的状态量会产生周期性变化，但是整体变化幅度较小，相关人员通过合理调控能使得AR有效拟合。但AR模型具有相应局限性，不能精确化检测出监测数据在状态量阈值外的异常情况，主要是由于设备和数据状态存在较大差异性。设备在长时间运行中各项性能逐步降低，加上潜藏的故障导致设备运行稳定性较低，对状态评价正确性产生较大影响。

4大数据状态评估系统有效设计

4.1系统整体设计

4.1.1设计原则

在智能化运检技术体系中系统建设是重要组成内容，在设计中头筹规划，方案设计等多项工作中要严格遵循顶层设计基本原则。通过对运检等业务标准进行分析可知，对运检资源、设备、风险、故障等多项标准进行分析，再判定运检技术发展规划，能拟定系统化维修计划，确保系统建设研究活动能深入开展，建立统一规范化的系统。现有电网中应用的各类设备设施，服务应用可以沿用，能对建设投资进行调控。系统基于数据中心收集整合不同系统中的生产数据，系统运行中反应速度等需要全面适应广大用户基本应用体验，在新型系统架构体系中要融入大数据、云计算、物联网等。评估系统要对软件架构合理划分，应用开放程度较大的技术系统，认识到电力二次安全防护以及电网安全防护重要作用。

4.1.2功能设计

管控系统主要应用功能需要具备电网可视化、设备状态合理分析、运检阶段监控、环境监控预警、运检指标管理、绩效评价、在线监控、电网设备故障检测等部分。大数据分析和监测业务主要有通过多维度开展设备状态监控，设备状态预警监控与状态综合评价，对输变电设备运行情况进行全面监控，收取更多信息，提供在线监测、设备问题统计、电网预警等。然后结合设备运行环境以及运行现状，对关联设备鼓掌距离等综合分析。通过GIS展示故障可能发生位置，整合故障基本类型，提升故障自动化诊断效率。

4.2系统体系结构设计

管控系统在结构设计中主要是应有B/S结构，在云计算平台中布设服务器。客户通过浏览器能获取服务器中相关资源与服务，应用AR模型以及神经网络算法对HBase状态数据进行深度挖掘，然后获取电气设备评价结果。通过RESTful技术远程调用服务时，获取的数据设定为JSON格式，传递到数据分析层，通过业务逻辑处理，能将JSON格式传递到浏览器中。客户端主要是将系统与客户进行有效交互，主要是用于客户端输入，在显示界面中将输出内容通过图形形式进行展示。

文中服务器主要是基于Hadoop平台上实现，用户通过页面获取相应请求之后，服务器端需要采取分布式并行计算。服务器端主要有大数据层、业务应用层、分布式计算层。用户在交互层提交数据与业务时会被业务应用层进行处理，将处理好的数据传递到交互层。大数据分层西主要是对电器设备获取的监测数据进行收取，判定设备是否存在故障問题。传统结构化数据，如用户信息、权限分配表、生产抢修记录等。针对电气设备监测信息、状态评价等需要通过大数据分析的半结构数据，可以选用分布式数据库进行储存。

5结束语

通过大数据对设备状态进行评估，能合理应用状态监测数据。在电气设备状态评估，对监测数据具有较高要求。对电气设备不同状态量变化关系进行分析，合理应用状态监测数据。

参考文献

[1]李军浩，韩旭涛，刘泽辉，等.电气设备局部放电检测技术述评[J].高电压技术，2015（8）：2583-2601.

[2]张健，王丹妮，齐振忠.SF6气体成分检测技术在电气设备状态评估中的应用[J].电子世界，2013（21）：71-72.

[3]董建军，韩小强，郎水静，等.关于电力电气设备预防性检修的讨论[J].建筑工程技术与设计，2014（7）：593.