智能電網下變電運行的數據需求及數據結構分析

摘要：對智能電網模式下變電站運行所需的數據進行了分析，發現變電站數據雖然復雜，但其可以歸結為三類——離散數據、矢量數據、流媒體數據。通過對這三類數據分別進行管理和針對性治理、挖掘，可以實現對變電站數據更高效的管理，使其充分服務于智能電網。

關鍵詞：智能電網;變電運行;數據需求;數據結構;數據分析

0? ? 引言

從最初的五防系統開始，變電站的運行已經進入大數據時代。智能電網的CBA模式，即云計算（Cloud Computing）、大數據（Big Data）、人工智能（Artificial Intelligence），均需對變電站數據進行更高效率的管理。本文重點討論智能電網下變電站運行的數據采集需求和數據結構分析方法。

1? ? 變電運行的原始數據來源

變電運行數據中，以各級母線及相關設備中安裝的互感器獲得的電流和電壓數據為核心數據，其中包括三相母線各自的互感器數據，中性線、接地線的互感器數據等。另外，還需采集部分設備的溫度（一般以紅外探頭實現）、振動（一般以激光陀螺儀實現）、聲音、油量等數據。雖然變電運行的數據來源較為復雜，但從數據來源的原始數據結構分析，主要原始數據只有三種：

1.1? ? 雙精度浮點離散數據

來自電壓互感器和電流互感器、油量計、流量計、計數器等的數據，均屬于雙精度浮點離散數據。離散型數據更容易進行信度分析、效度分析、回歸分析、狀態空間分析等數據治理和初步分析。

1.2? ? 流媒體數據

來自紅外攝像探頭、音頻探頭等設備的數據屬于流媒體數據，其中紅外探頭數據屬于三維流媒體數據（含一維時間軸），聲音探頭數據屬于一維流媒體數據。這些流媒體數據較難進行離散數據分析（信度分析、效度分析、回歸分析、狀態空間分析等），但可以直接在神經網絡或模糊判斷等計算模塊中進行深入挖掘。

1.3? ? 矢量數據

來自激光陀螺儀、加速度計等儀器的數據多屬于矢量數據，這些數據的特征是相對離散、帶有矢量信息，將這些數據求導，可以得到連續的路徑信息。經過熱力圖分析、矢量疊加分析等，可以得到系統的振動特性和移動特性數據。同時可以將這些數據進行離散化，得到類似雙精度浮點離散數據的相關數據，也可以將這些數據進行位圖化，得到流媒體數據。

2? ? 變電運行的數據治理及挖掘方案

首先，來自互感器的電流、電壓等波形數據，可以使用基于逆向傅里葉回歸的非線性正弦函數回歸的模式進行計算。

波形數據正弦非線性回歸的訓練數據來源為1 s間隔采集的二次電壓（U）和電流（I）數據，自變量為時間序列（t），單位為ms。

式中，A為振幅數據，表示波形在縱軸上的幅度;ω為振幅調整參數，表示波形在縱軸上的壓縮程度;φ為初相參數，表示波形在橫軸上的位移截距;b為截距參數，表示波形在縱軸上的位移截距;i為迭代次數，表示回歸方程最終疊加的固定雜波的層數。

假定i為固定值，即僅考慮振幅最大的5層波形，最終得到兩個回歸參數陣列：

其次，其他回歸及衍生的回歸過程更適合進行線性回歸。

在時間序列t上進行線性回歸，回歸方程式為：

在實際運行過程中，線性回歸過程是動態過程，沿著時間軸線，其回歸因子會發生變化。

最后，在數據治理中還有可能用到MIN-MAX投影、LN投影等數據治理方法，其中MIN-MAX主要用作數據的去量綱計算，即解決電壓數據和電流數據相比較的問題;而LN投影一般與MIN-MAX投影結合使用，將MIN-MAX進行加1計算，使其區間從[0，1]區間移動到[1，2]區間，或者將MIN-MAX區間乘以某值，比如進行乘10計算，使其區間從[0，1]區間擴展到[0，10]區間，再進行加1計算后，進一步移動到[1，11]區間。

3? ? 變電運行的數據結構分析

當前變電站的核心數據庫一般采用分布式管理，即獨立系統的數據存儲在相關數據系統的管理系統中。一般變電站的獨立系統的管理系統數據庫采用微軟的SQL Server數據庫或者谷歌的MySQL數據庫，少部分數據量較大的系統采用dBASE數據庫或者Haddop數據庫。

核心數據庫分為4層：

第一層為數據硬件層：數據硬件層指互感器線圈、紅外探頭、音頻探頭、陀螺儀等數據采集使用的硬件設施，及相關硬件用于數據存儲和分布式數據處理的CPU、RAM、SSD等硬件資源。

第二層為獨立數據層：獨立數據層指存儲在分布式系統及分布式系統的服務器中的相關數據集合。這些數據一般只服務于獨立系統，并不能形成跨系統的數據交互。

第三層為整合數據層：通過對變電站中所有獨立數據系統進行實時查詢并在中央大數據倉庫中進行備份，形成整合數據。同時對這些數據進行初步治理，如各種回歸及在回歸基礎上構建的多維度狀態空間模型，將這些空間模型也在整合數據層中進行存儲。

第四層為服務數據層：整合數據因為體量龐大，查詢和更新時間都較長，所以無法進行直接利用，必須構建服務數據層。服務數據層一般使用源數據庫結構實現。

4? ? 結語

綜上所述，變電站數據雖然來源和結構均較為復雜，但其可以歸結為雙精度浮點數據集、矢量數據集、流媒體數據集三種，在實際大數據管理中，可以針對這三種數據分別進行管理，同時可以根據數據的實際意義，開發數據治理、數據挖掘、數據可視化的相關工作，以實現對相關數據最大限度的利用。

[參考文獻]

[1] 李永興，劉連義.變電站數據采集器專線MODEM的設計[J].計算機與數字工程，2019，47（9）：2315-2320.

[2] 國家電網首個聯網運營多站融合變電站投運[J].農村電氣化，2019（8）：8.

[3] 韓軍，馬佳豪，李曉軍，等.基于數據挖掘的變電站告警數據分析和巡檢策略研究[J].電力大數據，2019，22（7）：20-26.

[4] 郭懷東，侯新偉，胡玉平.基于電力物聯網多源異構數據分析的變電站智能健康系統的研究[J].電氣技術與經濟，2019（3）：1-2.

收稿日期：2019-12-12

作者簡介：劉成華（1994—），女，青海西寧人，助理工程師，研究方向：變電運行。