论文部分内容阅读
摘 要：大数据平台卓越优势在电力网络中的发挥，有望提升电力网络运行阶段检修维护准确性。因此，文章以电力网络运行阶段检修维护为研究节点，以大数据平台卓越优势在电力网络中的发挥为讨论话题，讨论了架构设计要点、功能实现情况，并对大数据平台在特定电力网络运行检修维护场景中的应用效果进行了检验。
关键词：大数据平台;电网;运检
前言：在以大數据为代表的信息技术飞速发展过程中，数据的加工、生产、挖掘、存储模式均发生了显著的变化。利用模式识别、自然语言处理、大数据挖掘技术，可以了解传统非结构化电网数据承载的多元信息，满足智能电网发展对于海量数据实时收录、关联分析挖掘、在线计算处理的高要求，助力电力企业业务模式转型升级。因此，探究大数据平台卓越优势在电力网络中的开发途径、实现方向就具有非常重要的意义。
1 架构设计
架构设计是大数据平台卓越优势在电力网络中发挥的前提。从总体视角进行分析，大数据平台主要选择以Apache Hadoop为核心的开源解决方案，包括数据计算、数据存储、数据整合、数据分析、平台服务几个层次，涉及了管理配置、数据安全、数据管理几个保障模块。其中数据计算主要包括流计算为主的计算功能模块，除此之外还包括查询计算、内存计算、批量计算等几个模块，可以达成大批量数据的无时间间隔、无上线要求计算需求;数据存储可以通过分布式数据库功能发掘，凭借分布式文件系统以及关系数据库自带优势，将非结构化数据、结构化数据以及半结构化数据在较短的时间段内存入库内;数据整合可以在文件适配器、实时数据采集技术支持下，将外界数据源导入内部;数据分析可以对海量数据进行统计、挖掘、多维处理，满足业务决策支持需求;平台服务可以可视化呈现的方式，进行底层组件、工具、算法处理，为业务系统提供所需的服务[1]。而管理配置、数据安全、数据管理保障模块的合理设置，可以为应用功能的稳定、安全发挥提供依据。
2 应用实现
2.1 业务数据应用
在电网运检管理过程中，大数据平台的主要功能为业务数据应用，涉及了数据收录、数据计算、数据分析、数据存储多个模块。根据电网运维管理业务的差异，也可以将业务数据应用模式划分为生产型、消费型和混合型几种类型。其中生产型主要是针对业务运行过程中产生的海量数据，经大数据平台的进一步整合、存储，为其他业务提供支撑。比如，针对用电信息采集终端传回的数据，可以利用大数据平台清洗、修正、索引，完成存储;消费型主要是在业务运行过程不产生海量数据的情况下，利用大数据平台自带查询、挖掘、分析以及展现、计算功能，提高业务运行效率。比如，在配网故障抢修阶段，可以借助大数据技术，开展故障设备关联分析、故障风险预警，并帮助电网运检人员明确发生故障的设备以及对应的故障等级，或者发生故障的台区以及影响范围;混合型主要是在电网运检业务运行过程中，不仅依赖于大数据平台中数据资源，而且实时生成海量数据输送给大数据平台。比如，在异常用电分析模块，借助大数据平台对不同类型的数据进行用户用电行为特征分析，获得用户用电行为之后，以历史数据的形式存储到大数据平台，同时明确台区是否存在异常用电行为及窃电行为，及时采取针对性解决措施，避免违规违章用电或者偷窃点对电网运行效益的不利影响。
2.2 数据建模
数据建模是大数据平台在电网运检管理中应用升级的表现，根据大数据技术支撑业务应用维度的差异，数据建模可以划分为预测预警型、提升优化类、企业决策类多种类别[2]。其中预测预警型主要针对实样，通过建立数据模型，预先估测未来某一电力事故的发生，并及时采取人为干预措施，促使电力网络朝着更加安全、理想的方向发展。比如，在电网运检物资库存物料动态特征分析时，就可以根据电网设备现状、运检物资出库信息、电力网络项目规划信息，进行电网运检物资消耗情况预先估测模型。在模型内，开展大数据预测研究，并制定安全库存管理方案，避免电网运检物料库不足或虚高;提升优化类主要是为分布式并行数据、复杂事件流、实时数据流处理提供服务的模型，可以充分利用大数据 平台的高可扩展性、高性能存储优势。比如，在海量用电信息采集处理分析能力提升方面，针对用电信息采集终端传回的数据，可以利用大数据平台构建高速海量数据存储模型、分布式快速运算模型，同步提升用电信息采集系统的数据处理、分析性能;企业决策类主要是在数据驱动下，抛弃以往经验、知觉，构建学习型运检平台，助力电网运检决策。比如，在配网停电优化模块，可以通过大数据平台进行配电网运行过程实时信息、设备检修信息的搜索、分析，获得最优停电方案，提高计划停电管理、临时停电管理、停电范围管理、停电用户统计等决策水平，实现停电范围最小、停电时间最短、停电损失最少的电网运检目标。
3 应用场景及效果
3.1 场景
以输电线路为对象，开展在线监测数据、线路台账信息、日常巡视记录、试验检测数据、无人机巡检、卫星遥感等数据的监测与状态评估作业。由于上述数据类型较多、管理难度较高，在数据采集、存储、处理方面存在较大困难，比如，图像视频海量数据存储、处理仍然无法实现自动实时处理，在线监测的各种数据仍然存在误报、拒报情况。针对上述情况，可利用大数据平台，针对输电监测与状态评估业务开展专业化挖掘，对杆塔基础台账数据、气象数据、运行数据、试验检测数据、直升机及无人机巡检数据、输电线路历史检修数据进行描述，不断改进数据存储、检索、计算准确性、安全性。同时利用大数据平台流处理功能，对包括绝缘子在内的不同类别设备运行情况进行实时风险预先估测，结合气象部门发布的大雪、暴风雨等异常气象环境预警信息，评价输电线路运行状态安全性。进而将评价信息同步写入分布式存储系统，待数据模型启动运转，实现电网运行安全隐患的有效识别。
3.2 效果
通过大数据平台在上述情境中的应用，可以实现对与电力资源监测与状态评估相关的气象数据、台账数据、检修数据、试验数据、运行数据进行实时、全面管理，促使数据存储、检索、计算可靠率达到99.92%，满足电网运检业务评估与监测要求[3]。大数据平台已经在电力公司本部、十余个地市公司、百余个县公司全面应用。系统上线运行一年多来，应用状况优良，已成为电网运检工作日常通报、管控、考核的重要手段。同时通过实时发布不同类别设备的跳闸率、重过载率、可用系数、停运率、电压合格率，可以为电网运维管理体系的全面升级提供借鉴。
总结：综上所述，电网运检大数据平台是基于变电站-配电线路-配电变压器-用电方的拓扑架构，可将分散运行的故障指示器主站、EMS能源管理系统、用电信息采集系统、智能开关主站信息系统、气象信息系统集成。进而依据网架结构组织，构建运行检修管理一体化的基础实时大数据支撑平台。通过运用大数据支撑平台特有的数据抽取、数据建模、数据分析、数据清洗、数据展示、数据挖掘功能，可以实现三相不平衡管控、停运/可靠性管控、故障跳闸管控、低电压管控以及配网雷害风险评估，落实主动运检方针，为电网的智能化、透明化、全景化、实时化生产提供支持。
参考文献：
赵德基， 狄军峰. 应用在变电运检管理平台的数据库技术研究[J]. 数字技术与应用， 2018， 36（09）：33-36.
康亚东， 丁晶， 张良，等. 基于电力大数据的3D智能运检平台的应用与研究[J]. 电力大数据， 2018， 21（11）：74-79.
（重庆涪陵电力实业股份有限公司，重庆 涪陵 408000）
关键词：大数据平台;电网;运检
前言：在以大數据为代表的信息技术飞速发展过程中，数据的加工、生产、挖掘、存储模式均发生了显著的变化。利用模式识别、自然语言处理、大数据挖掘技术，可以了解传统非结构化电网数据承载的多元信息，满足智能电网发展对于海量数据实时收录、关联分析挖掘、在线计算处理的高要求，助力电力企业业务模式转型升级。因此，探究大数据平台卓越优势在电力网络中的开发途径、实现方向就具有非常重要的意义。
1 架构设计
架构设计是大数据平台卓越优势在电力网络中发挥的前提。从总体视角进行分析，大数据平台主要选择以Apache Hadoop为核心的开源解决方案，包括数据计算、数据存储、数据整合、数据分析、平台服务几个层次，涉及了管理配置、数据安全、数据管理几个保障模块。其中数据计算主要包括流计算为主的计算功能模块，除此之外还包括查询计算、内存计算、批量计算等几个模块，可以达成大批量数据的无时间间隔、无上线要求计算需求;数据存储可以通过分布式数据库功能发掘，凭借分布式文件系统以及关系数据库自带优势，将非结构化数据、结构化数据以及半结构化数据在较短的时间段内存入库内;数据整合可以在文件适配器、实时数据采集技术支持下，将外界数据源导入内部;数据分析可以对海量数据进行统计、挖掘、多维处理，满足业务决策支持需求;平台服务可以可视化呈现的方式，进行底层组件、工具、算法处理，为业务系统提供所需的服务[1]。而管理配置、数据安全、数据管理保障模块的合理设置，可以为应用功能的稳定、安全发挥提供依据。
2 应用实现
2.1 业务数据应用
在电网运检管理过程中，大数据平台的主要功能为业务数据应用，涉及了数据收录、数据计算、数据分析、数据存储多个模块。根据电网运维管理业务的差异，也可以将业务数据应用模式划分为生产型、消费型和混合型几种类型。其中生产型主要是针对业务运行过程中产生的海量数据，经大数据平台的进一步整合、存储，为其他业务提供支撑。比如，针对用电信息采集终端传回的数据，可以利用大数据平台清洗、修正、索引，完成存储;消费型主要是在业务运行过程不产生海量数据的情况下，利用大数据平台自带查询、挖掘、分析以及展现、计算功能，提高业务运行效率。比如，在配网故障抢修阶段，可以借助大数据技术，开展故障设备关联分析、故障风险预警，并帮助电网运检人员明确发生故障的设备以及对应的故障等级，或者发生故障的台区以及影响范围;混合型主要是在电网运检业务运行过程中，不仅依赖于大数据平台中数据资源，而且实时生成海量数据输送给大数据平台。比如，在异常用电分析模块，借助大数据平台对不同类型的数据进行用户用电行为特征分析，获得用户用电行为之后，以历史数据的形式存储到大数据平台，同时明确台区是否存在异常用电行为及窃电行为，及时采取针对性解决措施，避免违规违章用电或者偷窃点对电网运行效益的不利影响。
2.2 数据建模
数据建模是大数据平台在电网运检管理中应用升级的表现，根据大数据技术支撑业务应用维度的差异，数据建模可以划分为预测预警型、提升优化类、企业决策类多种类别[2]。其中预测预警型主要针对实样，通过建立数据模型，预先估测未来某一电力事故的发生，并及时采取人为干预措施，促使电力网络朝着更加安全、理想的方向发展。比如，在电网运检物资库存物料动态特征分析时，就可以根据电网设备现状、运检物资出库信息、电力网络项目规划信息，进行电网运检物资消耗情况预先估测模型。在模型内，开展大数据预测研究，并制定安全库存管理方案，避免电网运检物料库不足或虚高;提升优化类主要是为分布式并行数据、复杂事件流、实时数据流处理提供服务的模型，可以充分利用大数据 平台的高可扩展性、高性能存储优势。比如，在海量用电信息采集处理分析能力提升方面，针对用电信息采集终端传回的数据，可以利用大数据平台构建高速海量数据存储模型、分布式快速运算模型，同步提升用电信息采集系统的数据处理、分析性能;企业决策类主要是在数据驱动下，抛弃以往经验、知觉，构建学习型运检平台，助力电网运检决策。比如，在配网停电优化模块，可以通过大数据平台进行配电网运行过程实时信息、设备检修信息的搜索、分析，获得最优停电方案，提高计划停电管理、临时停电管理、停电范围管理、停电用户统计等决策水平，实现停电范围最小、停电时间最短、停电损失最少的电网运检目标。
3 应用场景及效果
3.1 场景
以输电线路为对象，开展在线监测数据、线路台账信息、日常巡视记录、试验检测数据、无人机巡检、卫星遥感等数据的监测与状态评估作业。由于上述数据类型较多、管理难度较高，在数据采集、存储、处理方面存在较大困难，比如，图像视频海量数据存储、处理仍然无法实现自动实时处理，在线监测的各种数据仍然存在误报、拒报情况。针对上述情况，可利用大数据平台，针对输电监测与状态评估业务开展专业化挖掘，对杆塔基础台账数据、气象数据、运行数据、试验检测数据、直升机及无人机巡检数据、输电线路历史检修数据进行描述，不断改进数据存储、检索、计算准确性、安全性。同时利用大数据平台流处理功能，对包括绝缘子在内的不同类别设备运行情况进行实时风险预先估测，结合气象部门发布的大雪、暴风雨等异常气象环境预警信息，评价输电线路运行状态安全性。进而将评价信息同步写入分布式存储系统，待数据模型启动运转，实现电网运行安全隐患的有效识别。
3.2 效果
通过大数据平台在上述情境中的应用，可以实现对与电力资源监测与状态评估相关的气象数据、台账数据、检修数据、试验数据、运行数据进行实时、全面管理，促使数据存储、检索、计算可靠率达到99.92%，满足电网运检业务评估与监测要求[3]。大数据平台已经在电力公司本部、十余个地市公司、百余个县公司全面应用。系统上线运行一年多来，应用状况优良，已成为电网运检工作日常通报、管控、考核的重要手段。同时通过实时发布不同类别设备的跳闸率、重过载率、可用系数、停运率、电压合格率，可以为电网运维管理体系的全面升级提供借鉴。
总结：综上所述，电网运检大数据平台是基于变电站-配电线路-配电变压器-用电方的拓扑架构，可将分散运行的故障指示器主站、EMS能源管理系统、用电信息采集系统、智能开关主站信息系统、气象信息系统集成。进而依据网架结构组织，构建运行检修管理一体化的基础实时大数据支撑平台。通过运用大数据支撑平台特有的数据抽取、数据建模、数据分析、数据清洗、数据展示、数据挖掘功能，可以实现三相不平衡管控、停运/可靠性管控、故障跳闸管控、低电压管控以及配网雷害风险评估，落实主动运检方针，为电网的智能化、透明化、全景化、实时化生产提供支持。
参考文献：
赵德基， 狄军峰. 应用在变电运检管理平台的数据库技术研究[J]. 数字技术与应用， 2018， 36（09）：33-36.
康亚东， 丁晶， 张良，等. 基于电力大数据的3D智能运检平台的应用与研究[J]. 电力大数据， 2018， 21（11）：74-79.
（重庆涪陵电力实业股份有限公司，重庆 涪陵 408000）