关于变电站运维大数据的挖掘和应用
淮亚利
安科瑞电气股份有限公司 上海嘉定 201801
摘要:随着信息技术的高速发展，电网正从自动化时代迈向智能化时代，“云大物移智”的发展趋势对电网升级转型，建设智能化可靠电网有着很其重要的意义。变电站作为电网中的重要一环，其设备运维质量很大程度上决定着电网运行的可靠性。通过分析变电站运维大数据的类型特征，结合数据挖掘方法及其关键技术，探究变电站内数据分析应用场景，后提高运维大数据的利用率和站内设备运行的可靠性。
关键词:变电运维;数据挖掘;预测和分析
0 引言
电网结构越来越复杂，设备呈现类型众多、数量庞大、技术新等特点。电网运行过程中变电站各个元器件随之产生大量数据，数据的多样化考验变电运维人员的处理能力，如何对数据进行存储、挖掘、分析、应用，尽可能发挥变电运维数据的作用，成为新时代下变电运维技术的研究重点和难点。
目前，变电运维存在表单多、杂、繁的现状，运维记录大多仍是纸质化形式记录，存在易丢失、查找难、分析慢、离散化等不足，记录分析以人工为主，效率低且主观性强。虽然目前变电站机器人开始推广应用，但机器人的记录数据与其他数据分析割离，而且需要人工核对。大多数情况下，变电设备的缺陷形成是基于隐性马尔科夫模型的缓慢不确定过程，合理利用运维时间序列数据进行监视、分析，可以尽可能早地发现缺陷，排除故障，避免进一步恶化，危害站内甚至电网设备的安全稳定运行。因此，探究迈向智能化时代变电运维大数据的挖掘和应用尤为重要，有助于电网持续有效可靠地运行。
1运维大数据类型
变电站的运维数据由于设备类型多、来源广、数量大、零散化、结构复杂等特点，从而导致目前运维过程中出现数据存储差异化、利用率低、关联性弱等多重困境。基于设备全生命周期的管理思考，本文首先以运维数据的刷新周期作为主分类标准进行运维大数据类型划分，分为固有数据、动态数据和随机数据，再以设备类型、采集方式等进行细分。
1)固有数据包括:设备台账参数、出厂试验报告、说明书等。
2)动态数据:①气象数据:温度、湿度、天气状况、风速等。②负荷数据:计量、测量等各类电压电流数据、电能质量数据。③测量和试验记录数据:一次设备试验报告、GIS局放在线监测、高压柜局放数据、油色谱监测、微水、设备介损、主变绕温油温油位、主变分接开关动作次数、油流继电器示数、断路器动作次数、避雷器动作次数和泄漏电流、铁芯及夹件泄漏电流、液压机构打压次数和液压表压力、SF6压力、套管油位、红外测温、设备声音记录、蓄电池电压内阻测量、电压互感器N600接地电流测量和电流互感器二次电压测量等。④遥视图像记录
3)随机数据包括:设备试验和检修记录、开关跳闸记录、保护动作记录、故障录波及测距数据、装置告警信息记录、设备缺陷记录、节假日特殊活动等社会数据。
面对如此繁杂的运维数据，单凭人工处理过于单一化，往往难以发现数据间的潜在信息，而大数据技术可以解决上述问题，因此运维大数据融合大数据技术可对变电站设备进行状态监测。不仅可针对单一设备，还可延伸至间隔内、本站内、对侧站、片区电网甚至监测，进行结构化存储分析。
2 数据挖掘方法
数据挖掘有别于传统的简单数据分析。数据挖掘是从大量的、不*的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中但又潜在有用的信息和知识的过程。数据挖掘基于大数据技术从多种类型的数据中快速获取知识，为决策人员提供客观的决策支持。借助数据挖掘方法分析变电站运维大数据，可以从海量运维数据中找出潜在信息，帮助运维人员更有效地评估设备状态。
数据挖掘基本流程大致可分为6大模块，分别是业务理解、数据理解、数据准备、建立模型、模型评估和应用改进。业务理解即确定目标和明确分析需求;数据理解即数据收集和数据清洗，其中数据收集所抽取数据需要能够正确反映业务需求，否则所得到的分析结论将会无效化甚至误导化，数据清洗作用为“去噪”和“补全”，剔除原始数据中的坏数据和拟合缺失数据;数据准备即探索数据内部规律和数据转换，如归一化、标准化等;建立模型即综合考虑业务需求目标，选择全局较优的模型;模型评估即根据评价标准对所建模型的精度、效率和通用性进行客观评估，然后基于评估结果判断所建模型是否满足业务需求;应用改进即将模型应用于业务实践，切实解决业务需求，挖掘数据的较大价值，同时基于应用情况及时跟踪改进现有模型，以达到模型优化的目标。
具体运维大数据分析的关键技术包括数据清洗、数据转换、分类与回归、聚类分析、关联分析、时序模型和结构优化等。电力运维大数据的挖掘重点在于综合运用上述技术对海量的数据进行统计学分析，通过各种计算结果依次相互承接，得出相应结果。另外，分布式存储和并行化计算可以大大提高数据挖掘的效率，使分析系统性能达到质的提升。分布式存储适用于大数据处理和批处理，如HDFS分布式存储系统;并行化计算是现有处理大数据的有效算法，如基于MapＲeduce的机器学习和知识挖掘。
3 应用场景分析
变电站运维大数据的挖掘应用场景众多，基于规范化、系统化、结构化的运维数据可效进行数据分析决策，对现有的生产运维工作提供巨大帮助，提升工作质量，弥补人工分析处理的不足，为变电站乃至电网的可靠、稳定、持续运行提供坚实保障。本文通过2个主要功能阐述其应用前景，涉及数据存储、设备状态评估等2个不同方面。
3.1运维数据结构化存储系统
变电站运维数据具有多元异构化的特征，而数据挖掘采用结构化数据则效果更优，因此需要对运维数据进行结构化存储。
运维数据结构化存储系统不仅有助于运维数据挖掘，还能提高运维人员的工作效率。通过整合离散、非结构化的运维数据，提供结构化查询功能，可根据工作需求快速获取所需实时数据和历史数据。同时，可保留基础纸质化的规范表单留痕，然后利用OCＲ图像识别技术将纸质化表单快速电子化存储，或者充分利用巡视PAD的功能，进行电子表单记录，共享巡视机器人数据库并获取相应信息。
Hadoop平台可靠性高、延伸性强、性价比高，可很好地承载运维数据结构化存储系统。系统依次按照站内维度、间隔维度、设备类型维度、数据刷新周期维度逐层对运维数据进行结构化清洗、存储，有需要的情况下可降维存储主成分、特征向量和提供直观的可视化展示。
3.2设备状态评估系统
运维大数据涵盖海量信息，利用数据挖掘分析技术，挖掘数据集内部规律、关联性等重要关键信息。设备状态评估系统基于大数据技术实现运维大数据分析，根据运维人员需要或自动完成设备状态评估，实时快速检测设备运维数据得到客观的状态评估结果，为运维人员提供决策帮助。
设备状态评估系统的整体框架如图1所示，主要分为数据预处理、数据挖掘、状态评估决策等3大部分。
1)数据预处理。运维数据本身可能存在噪声数据、缺失数据等严重影响数据分析的情况，首先需要通过数据清洗提高数据质量，从而使数据挖掘更有效。数据挖掘往往基于高维度数据开展，通过特征选取、分布结构等初步发现数据规律并进行标准化等数据转换，为下一步数据挖掘的效率提高和判断准确提供帮助。
2)数据挖掘。数据挖掘主要针对设备不同状态下的运维数据、电网运行状况和气象数据等多源异构多维数据进行整合，然后根据业务需求建立模型综合开展关联性、相关性、分类判断和预测和分析，后输出分析结果。
3)状态评估决策。根据数据挖掘输出结果，建立设备性能状态评价体系，分性能分等级区分设备性能状态。结合当前甚至未来的设备状态、电网运行状态和气象因素进行预警，为调整设备运维策略提供可靠指导。根据分析结果可提供特征数据的可视化结构，如运维数据对比、数据主成分分析结果、设备性能等级热力图和重点关注设备实时遥视。 
4 安科瑞变电所电力运维云平台介绍及选型
4.1 云平台概述：
按照电网公司的统计，10kV及以上供电电压等级的工商业用户有200万户以上，此类“用户侧变配电所”产权归电力用户所有（工商企业、住宅小区、学校、医院等），虽然数量众多，但是日常的运行维护工作比较传统，普遍存在以下痛点：
人工成本高：人工巡视、纸质记录、电话沟通，缺乏智能化的手段
工作效率低：巡视频率低、巡检任务无法定位、巡检过程不标准规范、巡检缺陷缺乏闭环跟踪；
安全隐患：有些用电单位无专业维护电工、无法即时排查电气隐患、隐蔽工程隐患检查难等难题；
抢修时间长：变电所设备种类较多，在分布上也比较分散，无法即时识别和定位故障信息，需要用户通知后到现场确认；
运行大数据缺少分析：有些用户未有数据汇总分析平台，甚至未安装电力仪表导致运维人员对现场电力参数信息不了解，无法确定电力系统是否正常运行。
4.2 应用场所
4.3 云平台架构
我司的运维平台综合运用综合保护装置、多功能电力仪表、母排及线缆测温装置、变压器温控仪、视频摄像头、水浸烟雾、温湿度、门磁等多种传感器统一接入变电所现场的边缘计算网关，经边缘计算网关将数据封装、压缩、加密后上传至云平台。实时集中监测所有变电所用电情况、统一调度运维巡检安排，线上线下联动；实现用户侧变配电所的24小时无人值守，全面监测各配电回路运行状态，即时定位故障，降低安全风险。通过手机APP下发运维任务到zhi定人员手机上，并通过GPS跟踪运维执行过程。将企业集团/高等院校内广泛分布的变电所集中统一管理，提高运维效率、提高故障响应速度，即时发现运行缺陷并做消缺处理。为售电企业提供电能集抄服务，即时掌握用户用电量情况，避免偏差考核；响应泛在电力物联网的政策，增加客户粘性，为后期的增值服务开展做准备。
4.4云平台功能
4.5云平台配置方案
4.6产品介绍
AM5SE系列微机综合保护装置
功能
保护功能：主变差动保护功能、主变后备保护、三段式过流带方向带电压闭锁、三段式过流、零序电流保护、过电压；
低电压保护、大功率电机保护、高压电动机综合保护、PT并列功能、非电量保护、并网逆功率保护、检同期功能；
测量功能：保护电流、测量电流、零序电流、母线电压、零序电压4-20MA输出、直流测量；
通讯功能：提供RS485通讯接口，RS232维护接口，IRIG-B对时接口、USB升级接口，RJ45网口接口；
故障录波功能：保护动作时触发录波，可以记录故障前8个周波后四个周波的数据；
控制回路：自带操作回路，防跳功能；
GPS校时功能：提供时钟同步接口，接收GPS校时信号。
应用
35kV及以下电压等级的变配电站及设备的保护测控功能，至少包括35kV进线/主变压器（一般容量2000kVA以上）/PT/母联、10kV进线/馈线/配电变压器（一般容量2000kVA以下）/高压电动机/高压电容器/母联/PT等设备的保护和自动控制功能。
ASD300系列智能操控装置
功能
一次动态模拟图指示及自检带电显示、闭锁及自检；
核相、强制加热、强制照明；
语音防误提示；
人体感应及柜内照明、已带电语音播报；
分合闸、远方就地、储能转换开关；
分合闸回路完好指示/电压测量；
预分预合闪光指示；
断路器分合次数统计；
RS485串行通讯接口；
开关柜节点无线测温；
全电参量测量。
应用
35KV高压及以下中置柜，手车柜，环网柜。
ARTM-Pn无线测温装置
功能
接收60个ATE100/200/300/400；
3U3I电参量测量；
实时测温功能；
RS485通讯接口，通过标准的MODBUS RTU协议实现组网功能；
具备自检功能；
超温、高温、相间温差报警、温度突变量告警功能。
应用
变电站、配电室、箱变等。
APM810系列多功能电力仪表
功能
准确度等级：有功电能0.5S级，无功电能2级；
测量功能：三相电压、三相电流、分相及总有功功率、分相及总无功功率、分相及总视在功率、分相及总功率因数、频率、需量；
电能计量：分相及总双向电能、四象限无功电能；
电能质量监测：2-63次分次谐波、总（奇、偶）谐波测量、电压波峰系数、电话波峰因子、电流K系数测量；
输入输出：2路开关量输出（选配MD82模块可扩至8路）；
及2路开关量输入（选配MD82模块可扩至26路），开关量输出；
可配置为报警输出或远程遥控，DO用作报警输出时可自由关联报警内容；
SD卡存储功能：用于电参量、电能、谐波等数据定时存储，波形存储等功能。
应用
适用于电力系统、工矿企业、公用设施、智能大厦等需要电力监控的场合。
DTSD1352导轨式电能表
功能
测量功能：三相电流、电压、功率、频率、总正反向有功电能统计、总正反向无功电能统计；
准确级精度：有功0.5S；
电流信号接入：直接接入10（80)A 经CT接入1（6）A；
电压信号：100V 380V；
通信：RS485接口，支持MODBUS-RTU或者DL/T645通讯协议。
应用
适用于政府和大型公建中对电能的分项计量，也可用于企事业单位作电能管理考核。
ADW300无线智能仪表
功能
测量功能：三相电流、电压、功率、频率、总正反向有功电能统计、总正反向无功电能统计；
电能质量：电压、电流不平衡度，电压、电流总谐波及2-31分次谐波；
需量：电流、功率需量及实时电流，功率需量；
准确级精度：0.5s级 ADW300外置互感器型1级；
电流信号规格：100A输入 ，经互感器输入，二次互感接入；
通讯方式：RS485、 LORA无线通讯、NB-IOT无线通讯、4G无线通讯。
应用
ADW300方便用户进行用电监测、集抄和管理，可灵活安装在配电箱中，可用于电力运维、环保监管等在线监测类平台中。
ARCM300系列电气火灾监控仪表
功能
测量：单回路剩余电流、4路温度、电压、电流、功率、频率、功率因数、视在电能、四象限电能；
保护：剩余电流、温度、过流等；
报警：声光报警，支持消音、复位操作；
开关量：1路继电器输出、4路开关量输入；
通讯方式：RS485、NB-IOT无线通讯、4G无线通讯。
应用
适用于智能楼宇、高层公寓、宾馆、饭店、商厦、工矿企业、消防单位以及石油化工、文教卫生、金融、电信等领域。
ANET智能网关
功能
数据采集（支持串口、以太网，只需配置即可兼容支持标准电力规约的各类仪表）；
数据上传（支持往上海分类分项能耗平台、宁夏电力需求侧平台、江苏电力运维平台、浙江电力运维平台上传数据）；
边缘计算（灵活的报警阈值设置、主动上传报警信息、数据合并计算、断点续传、数据加密、4G路由）；
远程管理（远程配置、远程升级、远程监视）。
应用
泛在电力物联网、能耗系统平台、电力需求侧管理平台、第三方云平台、预付费系统、运维系统平台、电力监控平台、能源综合管理平台。
4.7云平台现场应用图片
展厅现场 运维团队 采集箱内部图
枪机安装 漏水检测安装 低压柜仪表
高配现场 门磁安装 烟感安装
4.8平台价值
为电力运维企业提供线上运维服务平台，实时集中监测所有变电所用电情况、统一调度运维巡检安排，线上线下联动。
将企业集团/高等院校内广泛分布的变电所集中统一管理，提高运维效率、提高故障响应速度；
响应泛在电力物联网的政策，增加客户粘性，为后期的增值服务开展做准备；
为售电企业提供电能集抄服务，即时掌握用户用电量情况，避免偏差考核。
4.9访问方式
微信扫码下载网页版
4.10 典型案例
5结语
变电站运维大数据的挖掘和应用在智能技术日渐成熟的情况下，将不断地深入发展且功能完善。整合变电站运维大数据，形成可有效利用的结构化数据，合理选取运用相应数据挖掘技术，提供客观的分析结果，为设备运维检修提供决策帮助，促进电网智能化发展，为电网稳定运行提供可靠支持。
参考文献:
［1］彭小圣，邓迪元，程时杰，等．面向智能电网应用的电力大数据关键技术［J］．中国电机工程学报，2015，35(3):503－511．
［2］高鑫，胡威，王世杰，等．基于数据挖掘的变电站故障分类与检测［J］．信息技术，2020，44(2):66－72．
[3]王华佑.变电站运维大数据的挖掘和应用
[4]安科瑞企业微电网设计与应用手册.2020.06版.
作者简介：
淮亚利，女，安科瑞电气股份有限公司，主要研究方向为变电所智能监测系统的研发与应用