肖永立 刘 松 见 伟 宋亚奇

1(国网北京检修分公司 北京 100069)2(北京中泰华电科技有限公司 北京 100080)3(华北电力大学控制与计算机学院 河北 保定 071000)

0 引 言

国家电网调控运行“十三五”规划明确提出了开展设备运行大数据分析的要求。变电站二次设备作为对系统监视和控制的重要设备，其自身健康状态的好坏直接关系电网的安全稳定。因此，需要对其进行状态评估，及时发现设备缺陷，减少事故损失。

相关领域学者已经开展广泛的电网设备状态评估、设备的可靠性分析、设备故障诊断和预测等方面的研究[1-3]。研究过程中使用了多种数据分析的模型，如：马尔可夫(Markov)方法[4]、Topsis模型[5]、概率模型[6]、故障树[7]、支持向量机[8]、神经网络[9]、贝叶斯网络[10]等。上述模型和方法均需要一定规模的历史数据作为训练数据，支撑数据训练过程，才能得到有效的评估和识别模型结果。目前，评估和诊断方法逐渐向着数据驱动方式和基于大数据的分析的方向发展[11-12]。

数据建模和存储是进行各类数据分析的前提和基础，直接影响到后期状态评估、故障诊断、查询分析等应用的性能、准确性和可用性。传统电网设备数据的建模和存储方法主要使用范式建模方法和企业级关系型数据库实现物理存储，主要存在的问题是支持的数据规模比较小、存储系统的扩展性较差、查询和复杂数据分析性能低下等。近年来，一些大数据的存储方法和数据处理技术被应用到电力系统中，以Hadoop为代表的大数据技术应用较多。……