大數據背景下大容量電力電子系統可靠性分析

王路飛

（浙江求是科教設備有限公司，浙江杭州，310011）

1 大數據背景下大容量電力電子系統的特征

1.1 數據量大

大容量電力電子系統在進行頻繁采樣時，服務器需要處理很多的數據信息，具有相當大的工作量，想要保證大容量電子電力系統的安全運行，需要在系統的組成部件（變壓器、開關半導體等）上安裝傳感器和監控設備。

1.2 數據類型

傳統的數據處理，待處理數據一般為可以通過數據庫進行存儲和查詢的結構化數據。大數據背景下的大容量電力電子的處理方式豐富了，不但有結構化數據處理，還涵蓋了非結構化數據和半結構化數據（圖片、文檔、視頻等）。在實際工作中，需要進行多方面的數據參考與檢測。

1.3 數據價值高

大數據背景下，數據的價值并不會因為數據的增多而降低價值，它的價值是隨著某種具體的功能而產生的。數據的價值并不是來源于某個特定的用途，它可以被應用與不同的目的，同時也可以為了同一個目的而多次被使用。因此，大數據背景下的數據價值比傳統的數據價值更高。

2 大數據背景下電力電子系統大數據關鍵技術

2.1 數據采集技術

數據背景帶來了海量數據，在此基礎上建立大數據處理系統是非常重要的。當在大容量電力電子系統中應用大數據技術時，需要半結構化數據與非結構化數據作為支撐。因此，大數據處理的基礎時將各類型的信息進行提取整合及分類并保證這些數據的可用性，而電力電子系統的性能分析是需要數據源的同步性。例如功率開關管，當傳感器采集到的各級電壓數據發生同步性喪失，將會影響實際應用中器件的損耗計算和場路耦合分析結果。大數據背景下，數據采集技術起到的主要作用是將海量數據進行一系列處理（抽取、轉換、分類、集成等），最后再將數據存儲到相應的數據系統中。當數據生成和轉化的速度過快時，就會影響數據的質量，而數據采集技術將會對各類數據進行集中和分類處理，最后在進行關聯和聚合等統一的結構來存儲。因為大數據背景下大數據的生產速度快、產量大，系統處理需要實時快捷的方式，因此在抽取、轉換、壓縮等工具選擇上，也需要采用分布式內存數據、實時流處理系統等技術[1]。

2.2 數據存儲技術

電子電力系統在進行工作時，無時無刻不在進行數據的傳輸、存儲和讀取，大量的數據會影響存儲和讀取的速度。當數據集過大時，就需要對數據進行獨立計算機存儲，業界將這種技術稱為分布式文件系統（Distributed File System），即跨多臺計算機存儲文件的形式。Distributed File System只需要大量的計算機就可以實現數據的存儲、讀取和寫入，當前應用較廣的為Google GFS、Hadoop HDFS、Taobao File System以及Facebook Haystack等。如圖1所示Google GFS系統架構，該架構的節點可以分為主控服務器、數據塊服務器和GFS 客戶端三種，是目前應用范圍最廣的數據存儲架構。

圖1 Google GFS系統架構

2.3 數據庫技術

大數據背景下帶來數據多樣化、結構多樣化。在大容量電力電子系統大數據中，數據存儲需要經過一系列的關聯與聚合（結構化、非結構化、半結構化等）。當前常用的數據庫存儲方式有關系型數據庫（SQL）、非關系型的數據庫（NoSQL）、關系型數據庫（NewSQL）等。SQL不適合要求訪問速度的情況，它一致性高，但是讀寫性差、處理能力低；NewSQL不適合種類豐富的數據庫，它具有固定的表結構，對輸入的數據有格式和屬性要求；NoSQL是對傳統數據庫的優化，它在傳統數據庫的基礎上具有了橫向擴展性，可以滿足各種半結構化和非結構化數據存儲要求。同時，NoSQL還具有了數據查詢性能，可以區分一部分的容錯[2]。

3 大數據背景下大容量電力電子系統可靠性分析

3.1 器件級可靠性研究

大容量電力電子系統的核心部件為功率半導體器件，其可靠性水平直接影響變流器的安全運行。因此，大數據背景下對電力電子系統可靠性研究的首要切入點為器件。當前，世界上應用較為廣泛的開關器件結溫提取和健康管理數據提取方式多為多項式擬合與回歸分析，器件發生損壞和失效的主要誘導因素為外部失效和內部失效，若能通過大數據處理技術充分挖掘這些數據信息，將會對器件可靠性研究帶來很大幫助，如圖2所示。

圖2 器件層面可靠性

3.2 裝置級可靠性研究

系統的裝置部件結構復雜、耦合程度較高、組成部分多樣化(功率元器件、儲能部件和控制器等)，傳統的裝置部件對工程經驗和標準依賴過大，可靠性分析不合理。大數據背景下，通過部件使用周期的歷史數據進行裝置可靠性、結構設計等研究如圖3所示。

圖3 裝置層面可靠性

3.3 系統級可靠性研究

大數據背景下大容量電力電子系統的組成復雜多樣，因此對于電力電子系統的穩定性判定和性能優化更為困難。大容量電力電子系統經大數據技術的基礎，為其系統可靠性分析提供了更多工具和方式，具體如下：

（1）電能質量智能管理。電網的組成復雜多樣，通常包含大量的非線性裝置和不平衡負荷，其中一個發生問題就會引發嚴重的電能質量問題。相關部門一般通過對電力變換的控制優化，來維護和改善系統的電能質量。但是，在實際應用中是很難對諧波源進行準確定位的，也無法為每個潛在的諧波源配置分布式電源；而且，由于影響電能質量的各種因素具有不確定性，所以各次諧波也就具有不確定性。因此，想要實現電能質量的智能優化管理，需要對電網中各節點的實時運行數據進行把控和處理，并提取諧波源信息，從而實現對分布式電源進行實時控制的操作，大數據的出現為大容量電力電子系統的海量數據流處理提供了更多的技術和手段[3]。

（2）系統調控策略選擇。大容量電力電子系統的多電平變換系統復雜多變，但同時也為調控自由提供了方便，如當變換器電平數為n 時，則空間矢量脈寬調制（SVPWM）共有n2個矢量，而且系統中的各冗余零矢量起到了不同的作用。在空間矢量數目龐大的5電平及以上多電平系統中，各SVPWM調制效果用常規數據處理方式是難以進行分析的，需要借助大數據的分布式計算技術、人工智能等。因此，大數據背景下咋無監督算法的基礎上有望構建數據分析和模型，從而提高復雜工況和拓撲下的調控技術。

4 結語

大數據背景為大容量電力電子技術的發展帶來了新的技術性突破，與傳統的大容量電力電子系統可靠性分析相比，大數據背景下的相關技術更加便捷、可靠，為深層次挖掘和發展大容量電力電子系統的可靠性研究提供了新的思路與途徑。