大數據分析在電力系統故障預測中的應用分析

江蘇電力信息技術有限公司 周紅杰

隨著“物聯網”“大數據”等技術推動著電力行業快速發展，并為其帶來了一定的挑戰和機遇。電力系統智能化和自動化程度不斷提高，電力系統結構也變得更加復雜，同時電力系統出現故障的幾率也有所增長。為保證電力系統穩定和安全運行，大數據分析在電力系統故障預測中的應用，可以實現對故障問題及時預測和消除，使電力系統穩定運行得到了保障。

1 電力系統數據類型分析

1.1 基礎類數據

該類數據主要為電力設備屬性數據，如發動機、變壓器等設備運行數據，在管理基礎類數據時需要企業結合自身發展和規劃情況，將數據統一存儲于調度中心，并在數據服務器中實時更新數據，以對數據更好的分析和利用，若在數據管理過程中出現數據丟失的情況，將會電力系統管理工作產生一定影響。

1.2 實時類數據

該類數據主要為電力系統運行過程中產生的數據，該類數據較多，因此對數據存儲空間有較高要求。實時類數據是在電力系統運行時產生的，通過對數據分析和處理后提交到有關部門，可以為企業的發展和規范提供決策依據。我國對于實時數據的處理技術較為成熟，電力企業只需構建穩定管理系統便能夠保證數據的準確性。

1.3 日常類數據

該類數據主要為電力系統運行產生的各項數據和電力企業管理電力系統時產生的數據。該類數據查閱權限一般只對相關管理部門和上級領導開放，因此對該類數據的管理需構建專門的共享和同步平臺。日常類數據可以反映出電力系統的運行情況，能夠為電力系統的管理和維護提供數據支持。

1.4 市場類數據

在我國市場經濟體制逐步健全下，電力系統也得到了進一步完善，其具有的經濟效益也有了凸顯，電力系統在運行過程中產生的相關數據對電力企業的發展有一定的影響，該類數據可以為電力企業發展和規劃方案的制定提供參考依據。

2 大數據背景下電力系統故障分析的重要性

在大數據分析環境下，對各行各業的財務數據信息加以發掘與剖析，可以發掘其中所蘊含的深層次價值，而這對完成行業增值業務，提高產業的經濟性與效益具有重大的意義。

首先，國家電網公司運用大數據分析技術來對電力信息數據進行保存、分配與分析，使之轉換為有價值、有意義的信息，特別是運用大數據分析技術對電力系統故障問題進行預測，對于電力行業的發展具有重要意義。

其次，利用大數據技術對電網故障的位置和設備進行分析，從歷史數據中提取故障數據，深入分析電網以及電網系統運行情況，同時結合電力系統運行數據、生產數據等信息，調查電網系統故障問題的規律以及故障之間關系，以便及時預測電力系統故障，有效降低電力系統發生故障的幾率。此外，利用大數據技術對電力系統中的故障進行分類，并繪制故障發生的情況，以及時制定針對性的對策，有利于提高電力系統運行穩定。

最后，通過大數據對電網運營服務進行管理，有利于提高電網運行效率，促進電力企業的持續發展。通常情況下，電網系統數據流量大，并且數據種類多，需要對電力系統數據進行多層次和多層級處理，促進電力服務和電力生產等多種數據的融合，有利于實現部門與企業之間電力系統數據的共享。以電力企業精細化管理為基礎，提取電網系統數據，對電網系統中的電力生產、客戶服務、電力營銷等數據進行結構化分析和處理，然后根據分析結果對電網系統資源配置進行優化，可以進一步提升用戶服務體驗，促進企業服務質量的提升。

3 基于大數據分析的電力系統故障預測結構設計

3.1 主站結構設計

為實現對電力系統運行故障進行監測和預測，以提高電力系統的運行性能和效率，需設計電力系統預測結構。在設計中主要從不同的角度進行分析，設計電力系統主站和子站故障預測結構。從預測系統主站功能方面來看，其主要負責接收子站傳遞的數據并進行匯總，根據不同系統具備的功能，將數據傳遞出去，以實現對大量數據的快速分析和處理。預測系統主站與子站之間的相互連接主要以通信網絡為主，利用通信網絡進行連接，連接方式具體可以分為兩種：一種為TCP/IP連接方式，另一種為電話撥號連接方式[1]。為提高預測系統主站與子站之間數據共享和傳輸效率，需要對電力系統存儲的海量數據進行預處理，因此需要構建SCADA/EMS管理系統，在構建系統時需要注重對防火墻的設計，在保障系統獨立性的同時保證管理系統的安全性。

3.2 子站結構設計

對于子站的結構的設計，應避免與監控系統之間進行組網，這是因為監控系統屬于實時傳輸系統，子站與該系統共同處于安全區域中，因此必須對這兩個系統進行隔離。由于在設計預測系統子站結構時通常都需要利用計算機系統，因此這也增加了子系統出現感染病毒的風險。若將預測系統子站與保護裝置進行組網，則可以極大的降低子站不可控風險。

4 電力系統故障診斷分析技術

4.1 基于專家系統診斷方法

該診斷方法主要是利用計算機構建數據模型對電力系統存在的故障進行診斷，該方法具有顯著優勢，是一種常用電力系統故障診斷方法。專家系統診斷方法將故障診斷推理和辨識策略作為參考依據，診斷系統可以劃分為兩類：（1）規則推理系統。基于大數據構建的管理系統，可以存儲和分析電力系統中海量數據，其中包括專家診斷和斷路動作邏輯診斷，基于此，通過比對存儲數據和實際數據，以獲得準確的電力系統故障診斷結果。該診斷方法在電力系統故障檢測中較為常用。（2）正反推理診斷系統。該診斷系統將正推理和反推理集于一身，在構建故障推理規則時，主要將電力系統斷路器與設備保護邏輯關系作為參考依據，通過故障推理，縮小檢測范圍，以降低電力系統診斷難度。簡單來說，正反推理診斷系統賦予了專家系統主動學習的能力，提高了診斷系統的適應性。總的來說，專家系統電力故障診斷方法，在推理保護電力系統保護裝置動作和專家經驗時較為簡單，工作人員可以對電力數據庫中的診斷規則進行增刪。專家診斷系統是一種有效診斷電力故障的措施，其在中小型電力系統故障診斷中應用十分廣泛，且診斷效果較好。

4.2 基于人工神經網絡的診斷方法

與傳統診斷方法相比，該診斷方法有著較強的學習能力和魯棒性，故障診斷容錯率較高，具有極大的發展潛力。在大數據的支持下，該診斷方法的發展不斷成熟，且診斷方式逐漸多樣化，主要包括徑向基函數和前向神經網絡兩大類。以某電力企業開發的電力系統診斷網絡模型為例，該網絡神經在診斷和分析電力系統故障時可以將繼電保護數據轉化為ANN，并進行傳輸，主要是將電力系統中存在的潛在故障進行分析，并在此基礎上對系統數據進行采集。該診斷方法具體流程如下：（1）將繼電保護數據作為診斷電力系統故障的依據，采用數據計算的方式對采集到的數據進行分析和處理。（2）對采集到的數據與數據庫中存儲數據進行比較，若采集數據與標準值相符，則繼續檢測，若不符則輸出數據，以實現對系統故障閥值和權值進行逐層整理，并在多次標準值與差值比較后停止檢測[2]。該診斷方法為智能診斷的一種，無需推理機制。在大數據的支持下，可以解決電力系統故障檢測系統存在的較多問題，其一般應用于大型電力系統故障檢測中，故障檢測效果一般。

4.3 基于優化技術的診斷方法

該診斷方法是基于數學模型構建的診斷系統，在預測和診斷電力系統故障時，能夠對故障問題進行有效描述，并將故障問題轉化為整數規范問題。該診斷方法構建的數學模型，可以在對數據機解析后進行優化，以得到故障問題最優解，即達到電力系統故障預測和檢測的目的。在大數據的支持下，主要將系統故障信息和保護動作作為參考依據，以構建數學模型。首先利用大數據對采集的數據進行分析和匯總，其次對故障信息進行處理，在獲得系統故障問題關聯函數后，將故障信息轉化為規整問題。

5 大數據分析在電力系統故障預測中的應用

5.1 數據處理過程

數據處理是一個分布式基礎框架，可以對電力系統中海量數據進行分布式的分析和處理。在處理數據過程中，需使用兩大重要軟件，用于數據存儲和運算。此外，利用分布式系統，可以在降低成本的同時構建數據存儲集群。數據處理系統分決策層、支撐層、數據層，其中數據層主要負責對電網中的數據進行采集，并將子系統受采集的數據進行預處理后傳輸到上一層最進一步的分析和處理；支撐層負責對數據進行存儲和挖掘；決策層主要包含數據決策和分析，通過分割數據，以提高數據處理和分析的效率。

5.2 故障預測過程

電力子系統需要對采集到的數據進行預處理，并將處理過的數據及結果通過查詢機制或者主動傳遞的方式發送到主站中。整個系統包含多個子系統，主系統主要負責接收子系統傳輸的數據和信息，并對接收的數據進行處理和分析。數據預處理可以將重復、過時的數據進行分析篩選并清除干凈，主要目的是減少無用數據或者垃圾數據進入主系統中。數據預處理主要是通過對清洗、抽取、監控、轉換，實現數據的篩選，其中數據清洗、抽取工序都為必執行任務，在完成預處理工序后，才能夠對電力系統中存在的故障進行預測和監測，通過監測系統中是否存在數據異常變化，若監測到異常數據監測系統便會進行處理，以實現對電力系統故障的預測和監測。

5.3 數據挖掘對電力系統故障的預測和監測

電力系統涉及到的設備較多，設備維護和使用存在一定差異，因此增加了對電力系統故障的故障預測和監測的難度。由于以往的電力系統不具備存儲和收集數據的能力，因此工作人員無法對電力系統運行情況進行有效評估，難以及時發現電力系統故障診斷和預警。隨著智能電網建設不斷深入，電力系統產生的數據得到了進一步增長，因此利用大數據挖掘技術的篩選和采集可以彌補以往電力系統監測和預測故障的能力。對于電力系統數據的采集主要是利用大數據分析監測和采集數據，除對電力系統變壓器及線路中電流電壓參數進行監測外，還包含對變壓器油溫等參數進行監測，通過對這些參數進行監測可以達到預測和診斷電力系統故障問題[3]。數據挖掘在電力系統中的應用包括對電網運行分析、電網供電能力分析、電網安全性分析、電網電能質量分析、電網運行狀態分析等。根據電力系統中采集到的數據，計算電力系統考核性和安全性指標，以判斷電力系統中存在的潛在故障、風險問題等，為工作人員的維護提供指導；通過對數據分析，可以分析電力系統中發生故障的類型和幾率；對電力系統中的風險數據進行統計，構建故障解決預案，為電力系統的維修提供保障。

6 結語

綜上所述，大數據分析在電力系統故障檢測中的應用，可以提高故障檢測準確率和效率，并且可以有效檢測系統故障問題。就實際應用來看，大數據分析在電力故障檢測中具有良好的效果，以專家系統、神經元網絡系統為主，在電力系統故障檢測中應用十分廣泛，可以為電力企業的維修工作提供技術支持，并促進企業的發展。