大数据技术在特高压变电站运维中的运用

大数据技术在特高压变电站运维中的运用

电力技术不断发展，电网骨干网正由当前的500kV网架结构向特高压电网过渡。特高压电网结构复杂，电气元件众多，采用了丰富的数据采集技术及在线监测技术来监控设备状态。变电站内各种监测采集装置在运行过程中会产生大量的数据，从数据规模、增长速度及时间特性来看属于当前大数据的研究范畴。如何有效的利用存储在服务器上的海量数据进行变电站设备运维、故障发现及解放紧缺的运维人员是当前急需解决的问题。本文对大数据技术在特高压变电站运维中的应用进行了探索，阐述了大数据技术如何助力特高压运维工作并对相关技术进行了分析。

标签：大数据;云计算;特高压;运维

0引言

特高压变电站在运行过程中会积累大量数据，数据规模和增长速度都是超高压变电站所不能比拟的，如何有效的利用这些丰富的数据资源进行业务决策是急需解决的问题。大数据技术为特高压变电站运维工作提供了新的解决思路，通过将站内传感器采集的数据集成到变电站云平台，基于云平台开发各种应用子系统可方便巡检及故障预测，大大优化人力配置。本文首先分析了当前特高压变电站数据的来源及特性，界定了特高压变电站数据从属于大数据的研究范畴，接着从智能巡检和故障预测两方面探讨了大数据技术如何助力特高压运维工作，阐述了新的巡检模式，介绍了利用大数据技术进行故障发现及预测的工作思路。

1变电站大数据

特高压变电站与传统超高压变电站有着较大的区别，其设备规模和电压等级均更上一个台阶，需要采用更多的在线监测手段采集数据来辨别设备当前状态，因此特高压变电站内集成了数量庞大的传感器，用来实时采集设备状态数据。各类传感器对间隔层设备的状态量进行监测，监测数据通过分布式网络传输至服务器机群，从服务器上传至站控层监控后台供运维人员进行分析判别。由于采集数据的数量庞大、采集频率极高，造成特高压变电站内的监测数据成指数级增长。

目前特高压变电站的数据主要包括：功率、电压、电流、功率因数、录波数据、保护数据、通信数据、时钟数据、电能计量读数等设备的各种运行参数。如变压器及高压电抗器的油中溶解气体含量、局部放电数据、套管介损、微水、油温、油位、铁芯接地电流、夹件接地电流、噪声;断路器的跳闸报告、测距报告、动作次数、气体成分、气室压力、油压;避雷器的泄露电流、动作次数;母线GIS 的压力、温度、局部放电图谱、环境参数;各类汇控柜端子箱内的温湿度数据等。

变电站内集成的众多传感器每时每刻都产生大量数据，不同的监测采集手段决定了数据的格式是多样性的。数据产生的快，同时需要更快的处理方式。所有数据在正常情况下都是真实可靠的。数量大、数据多样、产生速度快、数据真实

这四个特性与大数据的4V特点相符合，因此可采用大数据技术对这些数据进行分析，制定相应的决策进行设备状态鉴定。

2大数据助力运维

2.1基于大数据的智能巡检

特高压变电站地域广、设备多，每日巡视耗费较大的精力。同时，因巡检人员水平及能力不同，又缺乏规范的标准，造成对缺陷描述不统一，经常导致缺陷重复录入现象。借力大数据技术，巡检人员可以有针对性的对可能出现问题的设备重点巡视，只需录入设备现场数据便可由计算机自动生成缺陷描述及缺陷报告，实现对设备的集中管控。

目前各电力公司普通采用手持移动终端巡检的工作方式，这种工作方式实现了设备信息的自动录入，但仍存在诸多问题，比如巡检内容繁杂且无针对性，无法实时读取设备工况，缺陷异常的定性较为困难等。

依托大数据技术，搭建变电站云平台。云平台可根据集成的设备出厂信息及历史数据等知识资料，结合当前运行工况及气象环境进行主动推荐当日巡视重点项目。运维人员手持智能巡检设备，在巡检过程中将发现的设备现象通过图片、音频、视频或文字描述等方式录入巡检设备，巡检设备将信息自动上传云平台，通过后台服务器进行数据分析得出设备健康状态变化趋势，从而进行设备状态定性，给出合理化建议，预先发现设备故障。

图1基于大数据的智能巡检

当巡检完某一项目，巡检设备会根据推荐系统相关算法进行推荐距离最近的应去巡检的设备。依托智能移动设备，基于大数据技术的巡检，规范巡检流程，集成标准操作，能有效提高巡检效率，预先发现设备隐患，解脱运维人员压力。

2.2基于大数据的故障发现及预测

特高压电网已经逐渐成为电力系统的主要网架结构，特高压变电站站内设备作为电力生产系统的核心，其重要性不言而喻。准确预测并及时发现设备故障，对维护电网稳定至关重要。传统的故障研究及学习一般都是事后分析，这种生产方法导致了定期计划检修的工作模式。当前大数据技术已然成熟，利用大数据技术进行数据分析，从而进行故障诊断和预测的研究将具有十分重要的意义。特高压变电站内集成汇总了SCADA系统实时数据、红外图谱数据、SF6在线监测数据，局放在线监测数据，保护、测控、故障录波数据，油温油位数据、EMS、PMS、OMS等，丰富的信息资源足以进行合理的故障发现及预测。

首先将这些异构数据信息进行融合并分别存储到相应的数据库及文件系统中，建立设备的索引树，通过整合并比对历史故障发生前后负荷、功率、电流、电压、操作情况、设备状态及气象信息等内外部因素，对无用数据过滤，进行聚

类及分类处理，对设备工况进行关联分析及规律发现，采取合理的机器学习算法或者推荐算法进行故障发现及风险预测，形成可以预测故障的模型。模型可基于协同过滤或内容过滤思想，以历史数据及典型案例为训练集，当前数据为测试集，进行缺陷预测及风险评估，通过准确率与召回率计算进行参数调节与模型修正。

图2基于大数据的故障发现及预测

利用大数据技术进行故障发现及预测，在故障发生之前找出最可能发生故障的设备，进行有针对性的维护，可以大大降低故障发生的概率，提高电网稳定性。

3結语

大数据技术为特高压变电站的运维带来了新的解决思路，通过相关技术应用可以方便巡检及故障预测，充分优化人力配置。借助大数据技术还可以生成每日设备数据报告及风险评估，并实现智能推送。大数据技术将成为特高压变电站所有业务决策的基础，推动变电站朝着集约化管控、专业化运维方向转变。

参考文献：

[1]王一波，李施.500kV智能化变电站运维一体化分析[J].低碳世界，2019，9（6）.

[2]乌建恒.能源互联网中的大数据技术[J].能源评论，2017：153.

[3]刘世成，张东霞，朱朝阳，等.能源互联网中大数据技术思考[J].电力系统自动化，2016，v.40;No.582（08）：19-26+61.