国网山东省电力公司检修公司 巩乃奇 冯雨晴

在电网的快速发展状态下，电力系统从传统型逐渐向智能型转变，随着智能电网的升级和安装，大量的电力数据应运而生，如何在庞大的信息网络中提取到有效信息进行利用，是当下主要面临的难题之一。在电网调度中心能够有效利用的信息依旧匮乏，面对广泛的信息数据来源，较长的时间监测获取的数据存在高收取低利用的问题。为推动电力大数据分析技术的应用，从2016年开始，国家电网已经按照数据模型的发展路线进行电力系统的数据测量和实时处理，并在多个地区进行试点应用，截止目前能够应用大数据测量的调度发电站已超过8400座，用户的负荷覆盖率超出1.2亿。电力设备作为电网运行的主体结构，在当前智能电网规模不断扩大的局面下，传统的运行评估方法难以实现信息共享和分析，在对多个数据节点的采集中无法满足统一调度要求，使得故障信息点的预警监测准确率减低。本文在此基础上研究新的评估方法，将大数据分析的优势更好地应用在电力设备运行安全评估中，为多元化开展电网监测提供理论支持。

原有评估方法在通路设置中较为复杂，导致在海量数据分析过程中无法准确预估故障节点，研究大数据分析在电力设备运行安全评估中的应用方法。设置电力设备运行数据采集节点，基于数据构建变量推演模型，动力学曲线评估设备运行安全状态，完成大数据分析在电力设备运行安全评估中的应用方法设计。实验结果：以不同数量的设备运行数据为测试标准，本文方法能够在保证足够的吞吐量标准下，对故障点信息及时作出标记并将其控制在发生之前，增加电力设备的全周期使用寿命，具有实际应用意义。

1 大数据分析在电力设备运行安全评估中的应用方法

1.1 设置电力设备运行数据采集节点

根据电力设备运行过程中产生的数据，进行一定时间内的采集节点设置，对具有特征类型的数据完成获取和管理全过程。以电力行业的运行标准针对不同来源的数据进行分类，通过不同状态下的电力设备安置效果采集其产生的数据信息，基本上包括三个部分[1]。

一是在电力生产过程中，根据电网的发电和输送电业务领域，在整个周期内出现实时数据和历史数据两个类型，主要是对整个电力设备信息系统的资产以及技术介入，甚至包括设备的性能状态和安全管理等，将整个电力设备的采集周期覆盖为安全运行和发电主要层级内；二是电力设备的管理运营阶段，在进行不同电力经营决策中会产生大量的信息数据，当需要跨单位或者跨业务进行数据调取时，整个采集通路的节点数据能够以友好共处的形式，将采集到的数据信息进行数据分析和挖掘，以此供应电力企业的活动经营决策；三是智能电网的组成结构会将用户信息形成叠加状态，在电力流和信息流相互交错时，一旦出现重复数据的深度挖掘时会产生节点供应错误，导致无效信息影响故障数据的排查，因此在节点设置时需要将运营调度放置在中心位置，实现电能中心的集中操控。但由于电力设备的运行数据会随着时间的不断变化，产生累积和重复的类型，当出现相同类型数据后会影响设备运行的评估效果、延长设备运行状态的评估时间，以此需要初步对节点处的数据进行分类处理。

1.2 分类电力设备运行数据类型

电力系统的运行会产生大量数据，在对各个数据节点采集过程中需初步对数据进行类型分类，采用SQL软件结构化数据储存，保证在有效性的基础上快速进行电力设备运行数据的初步归类。在该软件中包含了大部分电力数据的运行模式，在数据采集完毕后能直接完成匹配，归类到对应的储存格式中。因此在对每个采集节点数据进行整理前，需按照数据库中的现有模式进行导入，在既有约束能力和触发规则的前提下，按照标准运行模式进行电力设备的数据类型设定，以此完成节点数据的瞬时匹配。

由于电力设备产生的数据量加大，在时间的推移下不断产生新的数据，在不删除前期数据的基础上，要将运行数据按照时间和地点进行归类，可分频段地进行保存。按照采集节点的布置位置拟定数据的分类效果，其中在靠前端的接受节点处直接完成邻近电力设备的运行监控。此外在所有节点的传输路径中设置一个系统化的分类模块，根据不同的位置节点进行运行状态对比。在不同运行状态的电力设备节点设备完成后，动态地进行运行数据的感知和获取，以此建立大数据分析模型推演变量数据。

1.3 基于数据构建变量推演模型

考虑到不同数据的输送通路的转换能力，根据电网的组成架构进行线路数据的预判断，减少等待路线的校验过程，需建立数据变量的推演模型[2]。在大数据分析的作用下缩短数据处理时间，将并行线路状态下的连通区域进行分布校验计算，以某组连通区域内包含多个线路q为基础，分别在第a、b、c… 线路中标记出多个开关节点，在每组节点处Wa、Wb、Wc…Wz建立一个拓扑数据线路矩阵，建立结构表达式如下：

式中：多组线路t和线路u的联络关系用Ru,t来表示，有直接关联的线路中设置开关节点用Ra,a、Ru,a和Rq,a表示。当联络线路的开关结果为0时表示相连的线路存在直接联系形式，能直接对所在节点处的信息进行划分区域。将涉及的节点信息按照获取线路进行分割，以线路本身不接触负载条件为基础计算不同线路的容量供给值，表达式为：

式中：线路的转换供能力度Iu表示不同线路中向最多线路的转载负荷，其中最大负荷取值Itran,max(u)指在一年中最大电力负载标准；线路所容许的负载容量TItran,lim(u)，即电路数据流通过程产生的容许电流值[3]。在划分数据分布区域时，对任一未分区选取等待分析线路可以辐射的方式进行搜索，指导所有联络开关将其相连并编号，获得该连通区域内的所有线路。

1.4 动力学曲线评估设备运行安全状态

在动态变量的数据参考模型中，针对电网设备的实时运行状态进行数据演变，挖掘数据结构和测量信息模型的内在联系，以此进行设备运行安全状态的评估。在等待检验的线路中增加动力学曲线，通过欧盘段内一条回转线路进行关联线路的故障分析，减少连接线路中转移功能的可能性，在多个存在的连续开关内设备分段联络线路[4]。以每次最大的负荷功能目标为起点，在两个相邻的连接线路中建立矩阵，从相同方向的线路供给负荷逐渐增加搜索力度，当线路的供应容量大于两条线路的总和时分别对线路的转移负荷进行设定，标记为上游和下游两组联络线路，表达式为：

式中：线路节点的开关负荷用P表示；在上游线路中反馈线路表示为l，即开关存在与上游线路的连接点，反之表示下游线路连接点。当相邻两组线路的矩阵连接点均为0时，表示初次校验的线路转换供能出现负荷，以此关闭所在通路的采集节点，完成故障信息的预警。在保证不重复校验的前提下，根据电力设备的运行数据采集节点设置，利用变量推演模型进行等待数据的区域划分，将所有等待分析的线路数据逐一归属在特定分区，在动力学曲线中评估设备的运行状态，完成大数据分析在电力设备运行安全评估的应用方法设计。

2 实验结果分析

为验证本次设计的方法具有实际应用效果，采用实验测试的方式进行多轮验证，以海量数据为样本储存条件，在大数据分析的基础上进行电力设备的运行安全评估。本次以解决电力设备的故障点延迟监测为主要目的，在对多个网络节点的安置设备中进行通信线路选择，以某省存在故障的电力线路为测试背景，在电力负载超过2400kHz时会出现电力故障，若超过负载标准长达10min之内仍未解决问题，会出现大面积停电和断电的风险，对电网的运行产生负面影响。

测试开始前对选择的线路故障次数进行排查，以近半年的历史数据为分段标准共计90天，在不同时间段线路I1-30、线路I2-60、线路I3-90的故障出现次数分别为：2021.04-06.30，12/14/28；2021.06-08.31，10/8/24；2021.08-10.31，14/12/22。以此可知，在选择的历史数据中以线路I1-30出现的故障点次数较多，通过搭建的MATLAB测试平台导入故障信息，满足数据的储存要求。在对冗长数据样本进行副本策略选择后，利用快速储存结构对较弱的数据进行拟补或剔除，主要是在数据整合过程中保留能够合并的有效数据。测试开始前引入两组设备运行评估方法，分别对数据库内的故障信息进行吞吐量测试，验证不同方法对海量数据执行的有效性（图1）。

图1 不同方法对故障信息的吞吐测试结果

据图1所示，整体的故障点信息数据分割为10组访问次数，其中每次访问标准为20万组信息数据，在初次评估起始点中，不同方法所承载的吞吐量呈现不同数量。本文方法在起始时刻数据吞吐数量为400万ops，随着访问次数的增加其吞吐量随之增加，在第6组访问次数介入时期吞吐量达到极值，随之呈现较为平稳状态。而两组传统方法在数据初次访问中，数据的吞吐量不能随着访问次数的增加而变化，在大量数据并入状态下无法处理信息，从而影响故障节点处理结果。为进一步验证本文方法能在故障发生前预估出故障信息节点的出现时间，以最大的数据吞吐量为标准进行多轮测试，对照历史数据的故障发生时间，分别在14：20和18:40两个时间段。以两组传统方法进行对照，分别对两组故障节点的出现时间进行评估（表1）。

表1 故障信息节点出现时间预估结果

据表1所示，本文方法在多次验证下产生的故障出现时间均在两个时间段之前，能够在故障发生之前进行排查。而两组传统方法的预估时间基本出现在故障发生后的时间段内，仅有1次测试结果在故障发生的时段，会对设备的维护造成负面影响。综合结果来看：本文方法能够在大量数据并入的状态下，随着故障信息的增加请求加大吞吐量，满足多条电力线路同时评估的效果。在最大吞吐量的测试条件下，本文方法均可在故障发生前进行预估，说明其能够减少故障发生的次数，在电力设备的运行过程中延长其使用寿命。

综上，本文根据电力设备的数据类型，在设置电力设备的运行数据采集节点基础上，利用大数据分析方法建立动态演变模型，分析相邻采集线路的数据分类区域，以此完成电力设备的安全运行评估。实验结果表明：本文方法能够对故障信息数据进行多次吞吐测试，在故障节点的发生时间前完成预估，较传统评估方法具有更加良好的应用优势。但由于在设定测试目标时具有单一性，所得结论偏向于故障点的检查，后续研究中会针对电力设备的寿命全周期运行进行预估，为电网的安全运行提供理论支持。