关键词：数据挖掘;变电运维;人工神经网络;承载力分析;缺陷预测
引言
保护好输变电设备对于电网平稳运转具有非常重要的价值。对设备状态进行高效、准确的评估从而来诊断和预防，可有效提高其平稳性，还可以提高该系统达到智能运转方面。诊断内容重点就是对其设备工作的状态实现故障源的定位，这是极较强综合性能的科学。在实际的诊断中，工作人员需要检查设备运行情况，根据反馈的数据来诊断发生故障源的位置。但由于这个系统中又错综复杂的设备，所以工作人员可能会耗尽特别多精力以及时间进行排查，这会致使电网的平稳运转无形中会受到一些阻碍。采用大数据挖掘技术的输变电设备排查故障，能使相关人员在故障查询方面实现快速并提高工作的质量，可以让电力设备能够迅速地恢复原先的运转状态。尤其是当今的输变电工程的广泛应用，这种技术检测设备故障问题中的实施是有一定的意义的。
1基于大数据挖掘技术的输变电设备故障诊断状况
在输变电设备运行中，若未及时检修和养护设备，将引发安全事故，影响用户的正常用电。虽然供电企业逐渐加大了诊断输变电设备故障的力度，但是输变电设备的检修过程依然存在不足。第一，技术人员在实际工作中未严格根据规章制度进行检修，且部分工作人员检修水平较低，易漏检和错捡，导致安全隐患未被发现。第二，随着计算机和信息技术的飞速发展，部分大型供电企业为提升输变电设备故障诊断的能力，在收集和整理设备故障信息的过程中应用了大数据挖掘技术。然而，由于维修人员缺乏数据挖掘方面的专业技术和知识，势必将影响设备的故障诊断效果。另外，在诊断输变电故障方面，供电企业仍处于尝试使用大数据挖掘技术的阶段，仅在一定程度上发挥了稳定性作用。第三，供电企业在大数据挖掘技术方面投入较少，且监测系统陈旧，无法充分发挥该技术的作用。
2数据挖掘在变电站设备运维中的应用
2.1变电站巡视
在电力系统中，进行变电站巡视是一个不可避免的环节，它是电力设备正常、平稳运行的重要保证。而依照国家电力行业标准所规定的标准化的电力设备巡检必然会产生巡检状态、巡检视频等大量的数据，能否高效的采集和存储这些数据将直接决定巡检的质量和对设备状态的判断，它不仅是设备状态检修的基础保证，也符合变电站综合自动化正在实施的电气运行模式的需要。一方面，变电站巡视工作是运行人员的日常工作，具备重复性强、工作量大、难以保证巡视质量等特点，需要严格遵循巡视周期并按要求执行巡视作业卡。在巡视过程中会产生大量基础数据，例如保护数据、通信数据、时钟数据、电能计量读数等设备的各种运行参数。
期刊文章分类查询,尽在期刊图书馆如变压器及高压电抗器油中溶解气体含量、局部放电数据、套管介损、微水、油温、油位、铁芯接地电流、夹件接地电流、噪声;断路器的跳闸报告、测距报告、动作次数、气体成分、气室压力、油压;避雷器的泄露电流、动作次数;GIS设备的压力、温度、局部放电图谱、环境参数;各类汇控柜端子箱内的温湿度数据等;蓄电池电压和内阻值;红外测温温度值等反应设备实时状态的数据。运维人员在巡视后将所抄录数据登记于PMS2.0系统中，但此数据库并没有得到充分利用。另一方面，一直以来，对设备巡视工作人员减负、提质增效方面的研究方法主要有:①确定合理的巡视周期和巡视方式;②通过加强过程管控，保证巡视到位控制巡视质量。后者强调流程控制，往往造成人员分心，认为走完流程即完成工作，缺乏对巡视结果的评估和审查，无法充分发挥人员的主观能动性;相比起来，前者通过优化巡视策略，加强对重点设备的巡视来减少运行人员的工作量，更有效地提高了设备巡视工作的效率。因此，可以利用数据挖掘技术对PMS2.0系统中存储的数据进行分析，以确定设备状态的发展趋势，从而发现重点巡视设备甚至缩短巡视周期。随着云计算、大容量数据存储等技术的不断发展和提高，大容量的数据仓储变得更加完备、可靠，符合了电力系统对数据采集和存储的要求。
2.2DB2数据库的介绍
DB2是IBM公司开发的一种关系型数据库系统，通常使用在大型开发系统中。DB2数据库具有良好的伸缩性等优点，不仅可以应用在大型机，而且可以应用在单用户环境，并且还可以用在不同的操作系统平台下，例如OS/400、OS/390、Windows等。DB2数据库安全性较好，执行能力能力较强，并且具有SQL命令等一些基本功能。因此，DB2数据库可以为各种企业提供安全、稳定、便捷的企业数据管理，据统计，目前DB2数据库全世界企业数据有70%存放在DB2数据库。由于电力企业数据种类多，并且涉及国家机密等因素，因此，大多数电力企业选择较为成熟、安全性能好的DB2数据库来存放海量电力企业数据。
2.3承载力分析
随着电网规模的快速发展，电网建设和检修工作十分繁重，停电工作逐年增加，需要进行电网停电承载力分析以指导年停电计划的编制工作，在保证电网可靠供电的同时满足电网基建、改造、消缺、检修等工作的需求。电网停电承载力分析涉及到电网模型和数据，仅靠人工经验进行分析很难做到全面、准确、高效。将电网运行数据转化为决策依据需要数据挖掘和分析技术。由于影响电网停电承载力的因素较多，有变电站的投运时间、环境气候、往年同期停电数据、输变电设备规模、电网模型和参数、一二次设备状态等，上述数据类型复杂，属于非机构性数据，适合使用人工神经网络法进行分析。
结语
通过大量推广和使用大数据挖掘技术，可加快工作人员采集和处理数据的工作速度。当前，人们不断增加的电力需求量促使输配电设备的运行工作量加大，导致故障问题频频发生。因此，供电企业需重视大数据挖掘技术的研究，不断完善和改进技术，保障输配电设备的稳定运行。同时，为保障用户的正常用电，需及时发现和解决输配电设备运行中发生的故障，从而提升工作人员的工作质量和工作效果。
参考文献
［1］费思源.大数据技术在配电网中的应用综述［J］.中国电机工程学报，2018，38(01):85－96+9.
［2］徐焰超.基于云计算的智能变电站设备状态检测［D］.大庆:东北石油大学，2016.
［3］彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术［J］.中国电机工程学报，2015，35(03):503－511.
［4］贾树森，董祥宁，王安山，等.基于大数据统计分析的变电站巡视质量控制策略［J］.电力大数据，2018，21(11):63－67.
论文作者:刘浩 王若禹,杨鹏,翟昱翔,石振夏, 冯波波
论文发表刊物:《当代电力文化》2019年 18期
论文发表时间:2020/1/16
标签：设备论文; 数据论文; 电网论文; 变电站论文; 工作论文; 数据挖掘论文; 技术论文; 《当代电力文化》2019年 18期论文;