侯艳真 谢雅佶 张蓉蓉 王璐璐

摘  要：在电网规模日益扩大和结构日益复杂的环境下，传统存储的关系型数据库、数据集成及整合分析方式已经无法满足业务应用的需求。本文通过引入数据标签技术，梳理电力数据标签的特点，分析故障标签的生成，并以变压器为例，分析电力数据标签技术在电力设备状态检修方面的应用。

关键词：大数据;数据标签技术;变压器;告警信息

随着电网规模日益扩大和电网结构的日益复杂，告警信息数据量更是井喷式增长，且存在多元、高维、异构的问题，并且不同电厂和调度中心之间无法实现数据实时共享，为数据的管理、分析和利用带来新的挑战。尤其是当电网发生异常或故障时，海量报警信息以快速变化的形式直接呈现给调度运行人员，由于信息量巨大，真正重要的报警信息容易被忽略，无法起到报警应有的作用。

在此背景下，传统数据库和数据分析方式已经无法满足电力行业的需求，需引入新的技术来解决目前的技术瓶颈，建立完整的面向大数据的数据处理方式与体系以提升电网及设备状态监控智能分析的效率，从而实现电网设备监控与管理业务更新与变革。

1.数据标签的概念

数据标签是利用简明扼要的数据内容描述对象的技术手段。从本质上来说，是在将长文本内容提取成精炼、有效信息的基础上，增添了对数据分析、统计、抽象的一种方法，具有短文本、语义化、可重复标记等特点。随着数据分析及大数据、人工智能技术的发展，数据标签被赋予越来越丰富的内涵，用途也越来越广泛。例如通过数据关联，对因检修产生的告警信息打上检修标签，对因人为操作造成的告警信息打上伴生标签，对因越限回归正常的告警信息打上无效越限标签等，为后续开展数据分析提供依据。基于该类標签的数据信息，可以减少或降低关注度，实现告警信息无效数据的过滤，辨识后的有限信息量可大大减少，解决了干扰、冗余信息量大的问题，减轻运行人员的工作量，同时也可以运用大数据中的数据溯源技术记录数据的来源和传播过程，为后期基于标签进一步开展数据挖掘和分析决策提供辅助支持。

2.电力数据标签体系

电力设备形成电力大数据标签化的维度包括：（1）基本信息。包括设备基本台账信息、电力设备编码信息等（2）运行信息。包括设备运行限值管理、设备异常告警信息、潮流分布信息、设备操作变变位信息等。（3）状态信息。包括设备试验数据定期更新、设备异常时间记录、设备故障类型和设备缺陷频次统计、历史设备状态评价信息等。电力设备标签体系架构包含电网调控领域的数据源采集、数据预处理、标签分类和形成数据标签中心4个层次，如图1所示。

其中，电力系统运行所产生的数据分散在电网不同的业务系统中，需要将电力系统中的监控系统、调度管理系统和输变电在线监测中的数据实现统一接入和不同系统间的逻辑关联。针对电力设备基本信息、状态信息、运行信息3个维度的特征进行分析形成基础数据标签，对这些离散的多维标签汇总并存储至数据标签中心。针对某一电力设备的多源数据进行大数据标签化，形成精确适配的电力设备标签体系，当此设备发生异常告警信息时，大数据标签中心进行主动推荐，为调控操作人员实现灵活的信息关联并提供历史数据参考。

3.应用案例分析

为进一步说明电力设备大数据标签体系在实际生产中的实用性能，以某变电站1号主变压器为例，以告警设备分析体系为核心，进行相关数据分析，具体如图2所示。

针对该变压器从投运开始的运行数据，从告警次数、告警时间间隔、告警或故障严重程度以及设备的一些基本信息出发（时间和故障维度），根据电力数据的特点，形成该变压器的2021年7月份某次变压器告警的大数据标签体系，如图3所示。

设备于2021年7月9日发生油温高告警，告警发生当日，环境温度35℃，变压器负载率最高激增至最高78%，负载率平均值超过同期平均值1.5倍，但未达到重载标准，查验得知，同站另一台变压器正在进行停电检修，次日进行变压器油色谱分析显示正常。经深度标签化数据挖掘可知，该设备日后在负载率升高较快，即5h内增长15% ～30% 时，易引发缺陷暴露，但油温异常升高类型的故障概率小于等于0.02%。因为经机器学习统计发现不是所有气温高于35℃时都会出现变压器发生油温异常情况，故在变压器检修周期内气温高、负荷率高导致的变压器油温异常告警可以归为无效越限标签类，不需要进行过多关注。可见大数据标签体系可随时间推移不断扩充丰富。

4.结束语

通过应用大数据和人工智能工具，将电力大数据标签技术应用于设备状态分析，基于实时告警和专业业务逻辑推导，搭建大数据标签体系的深度应用框架，将电力设备数据标签体系置于大数据中心和调控业务平台之间，规划其基本功能和业务应用，设备监控状态分析将由传统的“分类告警分析”转变为“信息关联设备分析”的技术路线和由传统的“统计分析”转变为“趋势风险预警分析”的技术路线。

参考文献：

[1]刘文君，董明，徐元孚，韩强，王鑫，许雷，杜明.电力设备运行状态大数据标签体系与关键技术[J].中国电力，2022，55（01）：126-132.

[2]李阿勇，税雪，宋志伟.数据标签研究与应用[J].电力大数据，2020， 23（06）：69-74.DOI：10.19317/j.cnki.1008-083x.2020.06.010.

[3]钟臻，徐曦，张楷旋.基于优化神经网络算法的大数据专家系统的继电保护二次回路故障定位系统（RSFLS）的研究与实现[J].电力大数据，2019，22（10）：84-92.DOI：10.19317/j.cnki.1008-083x.2019.10.013.

[4]叶康，冷喜武，肖飞，李雄立，朱励程.基于大数据标签技术的电网监控智能分析方法[J].电测与仪表，2019，56（04）：75-79.DOI：10.19753/j.issn 1001-1390.2019.04.013.

作者简介：

侯艳真，1984年10月出生，女，河南洛阳人，硕士研究生，讲师，研究方向为电力系统继电保护。