运检大数据及状态评估优化技改大修项目作者：吴建军崔慧明吴正功段尧：《中国科技纵横》2017年第07期摘要：近年来，随着智能电网建设的不断发展，各类电力故障发生的频率不断增加，给电力行业安全生产带来巨大隐患，大数据技术近年来在电力状态检修领域也得到广泛应用。本文基于目前电力状态检修现状，介绍了用于电力状态评估领域的大数据理论，阐述了电力大数据信息聚合模型。关键词：大数据；状态评估；技改大修：TM73文献标识码：A：1671-2064（2017）07-0126-021研究背景和意义随着智能电网建设的快速发展，电网规模逐渐扩大，同时电力设备的故障发生频率和次数也不断增加，导致出现大停电事故。为了能够及时预防电力设备故障，需要对电力设备做状态在线监测，保证在设备发生故障前及时预测并对设备开展维修，确保电网安全经济运行。电网可靠性取决于电网设备的运行可靠性，而对电网设备的可靠性的监测及评估是状态维修重要内容。在电力企业中实施状态检修的目的是应用现代管理理念和管理技术，采用有效的监测手段和分析诊断技术，准确掌握设备状态，保证设备的安全、可靠和经济运行；科学地进行检修需求决策，合理安排检修项目、检修间隔和检修工期，有效降低检修成本，提高设备可用性；形成符合状态检修要求的管理体制，提高电力企业检修、运行的基础管理水平。如何利用电力公司现存各系统如PMS等提供的信息对电网设备进行监测，并及时预测故障，已成为当前智能电网发展重点，面对电力系统的海量信息，需要采用全新的大数据技术，对电网设备状态做准确评价，从而为技改大修项目的精准投资和精益化管理提供有力技术手段。2目前研究现状2.1当前状态检修存在问题当前电力状态检测发展迅速，多种监测设备和状态评估方法投入应用，但是从实际使用情况来看，还是存在如下问题：（1）效率和及时性不佳。由于对电力设备监测的频率很高，因而产生海量监测数据，在恶劣天气或故障情况下，监测数据会剧增，现有监测手段往往难以及时处理，信息利用率低下，因而导致状态评估出现滞后。（2）数据冗余大，准确性不够。极端情况下产生的大量数据具有冗余性，这种数据对于现有状态评估方法干扰大，数据处理时间过长，并且传统阈值判定具有局限性，难以结合设备运行工况的差异，因而严重影响评价结果准确率。（3）信息孤岛问题。目前电力设备在线监测系统都是针对特定设备开发的，如输电线路在线监测系统，油色谱在线监测系统，局放监测系统，变压器在线监测系统等，这些系统之间缺乏信息共享，形成信息孤岛，各种设备重复配置，资源浪费严重。（4）扩展性和适应性差。状态在线监测系统所处环境变化大，原有监测方法多为在实验室理想状态下使用，对新环境适应性差，不能准确反映出设备实际状况，现有的技术手段对海量数据难以利用，因而导致数据浪费。2.2设备状态检修的技术难点（1）状态监测数据中异常数据占比很小，按照规范中设定阈值难以划分正常与异常数据边界。（2）设备状态量之间的相互关系非常复杂，难以建立精确数据模型来描述。（3）设备在线监测系统采集频率快，信息量大，通常以数据流形式传输到后台并要求能快速检测出异常数据。2.3当前电力大数据研究面临的挑战国网公司开展大数据的研究应用已有2年多时间，数据已经日益成为当前研究遇到的突出问题，在产生维度，统计口径，存储方式，异常辨识，采集密度等都存在障碍，当前的数据源难以支持全行业的大数据研究，成为数据融合的挑战。当前设备状态在线监测面对海量在线监测数据时，遇到“数据海量，信息不足”这一问题，因而使得状态在线监测系统的使用效果受到严重制约。主要原因：（1）状态在线监测系统采集数据海量，价值密度偏低；（2）对设备故障精确判断关注多，对设备状态趋势关注少；（3）数据融合差，无法提供监测设备全景信息。3用于电力设备状态在线监测的大数据理论3.1以状态预测为首要目标当前电力设备在线状态监测取得长足发展，从国家电网各使用单位现场反馈情况来看，收效不够理想，造成这一问题的原因有数据采集精度问题，数据传输的抗干扰问题，数据分析不到位问题，另外运维人员对设备状态的判断还是依靠个...