基于大數據技術的電力系統信息化運維體系研究

摘要：隨著信息化工具的不斷升級與發展，各行各業對于大數據的應用水平不斷提高，促進了各個行業的結構化改革。尤其在人工智能工具的促進下，電力行業的信息化水平不斷提升，其數據采集的類型越來越豐富，而強化末端基礎信息數據的挖掘能夠為電力行業的高質量運維提供準確的信息支撐。對此，本文分析了電力大數據在信息化運維中的應用要點，闡釋了基于大數據的信息化運維原理與信息化運維平臺結構，給出了基于大數據技術的電力系統信息化運維體系的構建策略。本文可為電力系統的運行維護策略升級提供橫向的參考和借鑒。

關鍵詞：電力行業；大數據；信息化；運維體系

引言

隨著電力行業信息化建設進程的不斷加快，大數據技術在業務指導中的效能也越來越高。在末端的業務管理中，電力企業積累了海量的運行數據，這些數據包含電網的運行狀態和設備的健康狀況等信息[1]。而合理化地利用運維數據并開展大數據分析，不僅可以指導電網的運行決策，還可以提升電力系統的經濟效益。

1. 電力大數據在信息化運維中的應用要點

1.1 運維流程優化

在電力行業中，運維流程所涉及的數據十分豐富，包括發變電設備的工作票據數據、維保日志數據、過程檢測數據等。通過對這些數據的收集和分析，可以全面了解電力運維業務的現狀，從而有針對性地進行優化。同時，在運維體系中可以通過部署傳感器，采集設備的實時狀態數據，建立在線監測系統，當監測數據超過閾值時，系統將自動調用維保知識圖譜，實現閉環運維管理，降低故障處理的時間成本。

1.2 故障預測與預防

電力系統中建立故障預警機制是確保系統安全運行的重要手段[2]。通過基于人工智能模型挖掘和分析歷史故障數據、運行監測數據、環境數據，能夠建立相關的預警模型，實現對電網設備潛在故障的準確預測。挖掘的數據源主要涵蓋歷史故障數據、報警數據、運行監測數據和環境數據，數據集包括事件ID、設備名稱、故障時間、故障類型、預警信號[3]等信息。通過整合過程數據能夠建立全面的故障樣本數據集，實現對未來故障的精準預測。

1.3 運維監督與檢查

除了建立故障預警機制外，開展預防性維護和監督檢查也是保障電力系統安全穩定運行的重要手段。通過對設備健康狀況和風險評估結果的深度挖掘，能夠有針對性地制定和執行預防性的維保計劃，保障電力系統的高質量運行[4]。在開展運維監督和檢查的過程中，還應定期對維護工作進行檢查和評估，以便及時發現和解決執行中的問題，保障維護工作的質量和效果。

2. 基于大數據的信息化運維原理

2.1 運維數據采集

運維平臺的數據采集要點主要為電力監控和運維檢修等過程數據[5]，這些數據在B/S被標記為簇頭節點，在各個數據采集區內，感知網絡的數據量為M，所有的感知網絡數據能夠構成數據集合G，則感知區域內的數據采集計算方法為

式中，gi為第i個節點的網絡，依據網絡集合的參數數據能夠詳細描述出服務器中所設置的數據采集算法。

2.2 運維周期計算

將運維平臺中服務器采集的數據周期定義為T，則在感知網絡中原始數據的運維周期集合P的計算方法為

式中，Xt為第i個數據周期內所采集的矩陣，但是對于“2.1”節和“2.2”節所計算得到的數據參數可能會存在數據缺失以及格式不統一等問題，因此還需要對數據集進行降噪處理。

2.3 檢修管理系統數據融合

目前現有的電力檢修部門在制定檢修計劃時，往往是以檢修規章制度中要求的時間節點作為參考依據，但是在實際的運行中，影響電力設備穩定性的因素還有設備的運行年限、設備運行的周邊環境、設備的故障率等潛在風險因素，因此在綜合考慮上述間接因素后，檢修周期的數據融合計算方法為

式中，TQ為實際的檢修數據融合周期；T為規章制度中所規定的運維周期；KA為運維設備的實際運行年限；KE為設備運行的環境參數；KF為設備的故障發生概率。但是在實際運行的過程中，計算結果可能與實際計劃之間存在沖突出入，因此還需將歷史負荷等數據作為運維補充，作為判斷系統數據融合的依據。

2.4 大數據對故障特征量的影響

在實際的運維中，電力系統的電流參數會受到輸電諧波的系數影響，進而影響到數據評估的質量[6]，因此需要重點強化大數據監測對故障特征量的影響。假設運維系統處于正常的工作模式，而大數據監測工具及硬件對故障特征量的影響因素為f，η為短路電流所承受的輸電諧波，則短路電壓表示為

式中，U″為短路電壓；U1、U0分別為匝間電壓的實際值與理想值；λ為短路電流；y為輸出參數；s為故障數據的發生周期。對此，故障特征的向量表示原理為

式中，k為故障特征結果；a為響應周期；l為執行系數；d、h為常量。

3. 基于大數據技術的電力系統信息化運維平臺結構

通過上文的分析能夠看出，運維數據具有數據容量大并且數據種類復雜的特點，涵蓋設備參數信息、設備采集信息、系統數據信息等。為了更好地做好數據運維工作，必須強化各類數據分析技術的核心優勢，保證運維方案的可靠性、安全性和優先級，其平臺結構的建立方式如表1所示。

在各個層級的數據參數中，數據采集層主要解決原始數據中存在的“臟數據”問題。電力系統的數據主要來源于電力企業的業務系統、電力調度控制系統、視頻監控系統等，這些系統產生的數據種類繁多，且存在重復、遺漏、異常等情況，因此需要對原始數據進行識別、修正和刪除，確保使用的數據準確可靠。數據存儲層將電力系統的不同監測數據和事件日志數據進行深度合并，按時間順序不斷添加和整合新數據。電力信息系統分布在多個部門，數據格式和語義不盡相同，數據分析層將來自不同系統的異構數據關聯合并，構建統一的數據集。最終，數據分析通過數據映射、分級、時間對齊等形式實現數據之間的語義交互，以支持運維體系的綜合分析。

4. 基于大數據技術的電力系統信息化運維體系

大數據背景下的電力數據運維管理，本質是對運行數據資源的管理，通過基于大模型和大算法的信息資源優化，能夠強化運維管理的綜合能力，深度發揮數據信息技術輔助電力運維管理的效能，其系統分析架構如圖1所示。

4.1 運維數據采集

電力企業運維數據的來源較為廣泛，受到歷史因素的影響，電力企業中還存在大量的IOE存量系統在數據中心運行，但是隨著數字化轉型趨勢的不斷加快，大量新設備和新系統采用的是x86的系統架構，其應用范疇和數據采集范圍被顯著擴充。在多種異構軟硬件共同交互的平臺形式下，數據采集過程不僅有傳統業務，同時還有新業務，其技術體系存在較大的應用差異，對此產生出的運維數據也具有不同的數據類型和數據格式，因此需要有多元化的采集與解讀方式。隨著業務過程的不斷積累，運維數據也呈現爆炸式的增長態勢，對此還需從各個數據源中綜合收集數據，并融合到數據中間件中進行集成加工和處理，數據類型不限于日志數據、性能數據、行為數據等。

4.2 運維數據預處理

電力系統中的數據包括結構化數據（運行數據、狀態數據）和非結構化數據（圖像、語音、視頻）。因此，在進行數據處理時需進行格式轉換，使其可用于分析算法當中，將原始的數據轉換成結構化、可靠、整潔的數據集，為后續的數據分析和模型建立提供高質量的數據源。數據質量對于后續的數據挖掘過程具有決定性的影響，因此保證數據的完整、準確、可靠是數據采集和數據預處理的關鍵所在，目前電力企業的運維平臺中的應用規范和日志規范存在較大的不統一現象，系統的采集數據很容易受到噪聲數據以及數據缺失值的影響。而通過強化數據的預處理能夠顯著提升數據處理質量，進而綜合提升數據分析與數據可視化的展示效果。數據預處理的類型主要涵蓋場景數據、信息數據、平臺數據等，使得數據集能夠在保證結果準確性的基礎上，顯著降低數據參數集的規模。同時經過預處理的數據，其數據格式也更加統一，這不僅簡化了分析流程，強化數據處理的有效性，也使得數據挖掘預分析算法能夠更加被容易理解。

4.3 運維數據存儲

在處理大數據時，高效的數據存儲與管理方案能夠有效提升數據的安全性、可靠性和可用性。電力企業每天產生大量的實時監測數據、運行日志、檢測報告、圖像視頻等多樣化數據，這需要極大的數據存儲和計算能力。因此，電力企業普遍采用分布式存儲系統來管理海量數據，電網數據的存儲可以選擇不同的數據存儲形式，主要涵蓋結構化數據庫、塊級存儲庫、NAS級存儲方式，其大數據的存儲特征符合不同存儲介質和組織管理之間的映射關系，通過標準化硬件的設計能夠顯著降低單位容量的成本，深度緩解數據存儲的容量和性能挑戰。同時相比于SAN存儲和NAS存儲，分布式的存儲模式具有高效和經濟的特點，后續在進行數據挖掘開發的過程中，磁盤的讀寫相對較少，相比于單一使用SQL數據庫能夠更加出色地處理文檔數據，進而綜合降低了I/O需求，顯著提升了數據處理效率。

4.4 運維數據分析與可視化

電力運維數據中心往往儲存著各類主機、服務器、網絡設備，以及數據庫的運行日志和行為數據，對此需要建立與之對應的數據模型來強化既有數據處理的分析能力。在數據分析的過程中，主要涵蓋統計分析技術、預測學習技術、模型預警技術，其中，描述性分析主要利用圖表、統計量等手段對電力數據進行概況性描述和傳遞總體信息，這是大數據分析的基礎，同時計算了日均值、中位數、方差等統計量，直觀反映停電概貌。而預測性分析通過建立算法模型分析歷史數據，并對電力系統的未來狀態或趨勢進行預測。對于大數據模型來說，實時、高效地開展模型訓練并及時提示風險預警是設備運行的關鍵，而基于計算機圖形處理技術，能夠實時地將各類圖表和挖掘數據展現在中控系統中，實現運維數據和數據處理的綜合檢索和觀測分析。

結語

大數據分析應用為電力企業實施精細化運維提供了可能，電力系統的實時監測數據、操作日志數據、環境數據、地理空間數據等為描述電力系統運行狀態、預測系統行為趨勢、評估資產健康狀況奠定了基礎。因此，借助云計算與人工智能技術，可以實現對海量電力數據的高效運維，通過與電網控制指令和現場作業相連，形成閉環的智能運維體系，加速了電網的數字化轉型進程。

參考文獻：

[1]楊美軍，萬佳，彭麗輝.基于大數據的電力管理與改進分析[J].江西電力，2023， 47（6）：40-44.

[2]張向聰，張潺，楊瑩，等.電網信息化運維中關鍵技術研究及應用[J].電氣技術與經濟，2023（10）：293-295.

[3]潘飛，潘樹昌，周識遠.大數據背景下的電力信息化智能管控平臺設計[J].華東科技，2023（11）：101-103.

[4]田黎耀.智能電網輸變電設備集中監控信息數據統計應用[J].互聯網周刊， 2023（19）：72-74.

[5]陸郁強.基于大數據分析的電力變電站故障診斷與維護策略研究[J].電氣技術與經濟，2023（8）：218-220.

[6]陸文祥.基于大數據的電力設備運行數據分析系統的設計[J].電子元器件與信息技術，2021，5（12）：30-31，43.

作者簡介：龐山，本科，工程師，研究方向：企業管理信息化、水電氣生產信息化。