对电力设备状态大数据分析.pdf

对电力设备状态大数据分析

摘 要：随着智能电网的发展和电网规模的迅速增长, 及时、准确地掌握电力设备运行

状态面临巨大的问题和挑战。近年来, 电力信息化日臻完善, 电力设备状态监测、生产管

理、运行调度、环境气象等数据逐步实现集成共享, 大数据技术为电力设备状态评估和故障

诊断提供了全新的解决思路和技术手段。结合大数据技术及数据挖掘分析方法在电力设备状

态评估中应用的现状, 说明了电力设备状态大数据分析的内涵、目的、数据特征和基本架

构, 阐述了电力设备状态大数据集成、转换、清洗、分布式存储和处理、高效挖掘以及数据

驱动的设备状态分析模型等关键技术。通过分析电力设备状态评估的总体需求, 总结和探讨

了大数据技术在电力设备状态评价、异常检测、故障预测、智能诊断等典型业务场景中应用

equipment timely and accurately.In recent years, the informationization of

electric power has reached a high level.Data from condition monitoring system,

power production management system, operation dispatching system, and

environmental meteorology system are gradually integrated and shared.Big data

technologies provide new technical methods and tools for power equipment

condition assessment and fault diagnosis.We put forward the connotation,

purpose, data characteristics, and basic framework for big data analysis of

power equipment condition, in consideration of the status quo of big data

technology and data mining analysis in power equipment condition assessment.The

key techniques of big data integration, conversion, cleaning, distributed

in research and application are proposed, and the development trend of the

relative technologies is prospected.

Keyword：big data analysis; power equipment; condition assessment; fault

diagnosis; condition monitoring; data mining; anomaly detection; fault

prediction;

0 引言

电力设备是构成电网的基础元件, 设备故障会严重影响电网的安全稳定运行, 造成巨大

的经济损失。根据行业统计分析, 由于设备运行环境复杂恶劣、设备质量潜在缺陷等问题长

期存在, 设备故障一直是引起电网停电事故的主要源头。全面、及时、准确掌握电力设备运

行状态是保障设备安全运行的首要问题和难点, 也是电力设备智能化的主要技术瓶颈[1]。

近年来, 电网规模迅速增长, 安全可靠供电的要求也越来越高, 设备状态准确评估和状态检

修面临更大的挑战, 主要问题表现在:

1) 传统的状态评估主要采用基于理论分析、计算仿真和试验测试等手段建立的因果关

上与设备状态密切相关的电网运行、气象环境等信息数据量巨大, 人工进行诊断分析的效率

很低。

4) 电力设备状态相关信息分散于各业务应用系统, 数据结构复杂多样、数据接口各不

相同、平台间数据通信困难、交互性差, 导致信息与资源分散, 异构性严重, 横向共享和纵

向贯通困难, 而且数据质量参差不齐, 数据集成和融合分析的难度较大, 影响设备状态评估

诊断的效果和效率。

据逐步在统一的信息平台上的集成共享, 推动电力设备状态评价、诊断和预测向基于全景状

态的综合分析方向发展。然而, 影响电力设备运行状态的因素众多, 爆发式增长的状态监测

数据加上与设备的状态密切相关的电网运行、气象环境等信息数据量巨大, 现有方法难以对

这些数据进行融合分析, 这种背景下, 大数据分析技术提供了一种全新的解决思路和技术手

段。

近年来, 现代通信信息技术的快速发展引发了数据迅猛增长, 面向数据挖掘、机器学习

和知识发现的大数据分析和处理技术得到广泛的关注, 成为推动行业技术进步和科学发展的

重要手段[2]。由于大数据对经济、社会和科研的巨大价值, 美国、英国、日本和欧盟等世

IT 企业也将大数据技术列入重点发展计划。国内相关的研究起步稍晚, 但呈现蓬勃发展的

安全分析、电力负荷预测等方面取得一定的应用成效[5,6,7,8,9,10,11]。为了更好地掌握

电网设备运行状态, 提高设备运行风险管控水平, 国家科技部、国家自然科学基金、国家电

网公司和南方电网公司等单位 2015 年以来陆续立项开展了大数据分析技术在电力设备状态

评估方面的研究和应用, 取得了阶段性的研究进展, 成为电力大数据的重要应用领域。

本文结合大数据技术及数据挖掘分析方法在设备状态评估中应用的现状, 阐述电力设备

状态大数据分析的内涵和目的、数据来源和特征、基本框架以及涉及的关键技术问题, 总结

和探讨大数据技术在电力设备状态评估中的典型应用场景和应用效果, 并提出研究和应用中

面临的挑战以及未来的发展趋势。

1 电力设备状态大数据分析概述

1.1 内涵和目的

诊断和预测有价值的知识, 建立多源数据驱动的电力设备状态评估模型, 实现电力设备个性

化的状态评价、异常状态的快速检测、状态变化的准确预测以及故障的智能诊断, 全面、及

时、准确地掌握电力设备健康状态, 为设备智能运检和电网优化运行提供辅助决策依据。电

力设备状态大数据分析是传统数据挖掘技术的提升和变革[5], 核心优势是从全量数据中提

取客观规律, 不需要建立复杂的物理数学模型, 主要应用价值体现在:

1) 从数据分析的角度揭示电力设备状态、电网运行和气象环境参量之间的关联关系和

内在变化规律, 捕捉设备早期故障的先兆信息, 追溯故障发展过程, 预测故障发生的概率,

从而及时发现、快速诊断和消除故障隐患, 保障电力设备运行安全。

1.2 数据来源和特征

电力设备状态大数据分析所需要的数据主要包括:设备台账、技术参数、巡检和试验数

据、带电检测和在线监测数据、电网运行数据、故障和缺陷记录、气象信息等, 涵盖能够直

接和间接反映电力设备状态的信息。根据电力设备状态信息的更新频率, 可以将上述不同来

源的状态信息划分为 3 大类:静态数据、动态数据、准动态数据。静态数据主要包括设备台

帐、技术参数、投运前试验数据、地理位置等;动态数据通常按分钟、小时或天为周期更新,

是反映设备状态变化的关键数据, 主要包括运行数据、巡视记录、带电检测数据、在线监测

数据、环境气象等;准动态数据通常按月或年定期或不定期更新, 主要包括检修试验数据、

缺陷/故障/隐患记录、检修记录等。

电力设备状态数据具备典型大数据特征, 传统的数据处理和分析技术无法满足要求, 主