大数据分析对电力设备故障判断的应用

大数据分析对电力设备故障判断的应用

李阳康泽清

（国网山西省电力公司检修分公司山西省太原市030032）

摘要：电力设备的稳定运行是决定电网可靠性的关键因素。在电力设备发生故障的抢修过程中，及时准确的判断故障类型和故障位置可以大幅度提高抢修效率。随着计算机运算速度的不断提升，大数据分析成为信息处理和检索的重要工具。在电力设备故障的判断中采用大数据分析技术，从根本上改变人工判断故障效率底质量差的问题，高效的提升设备抢修效率。

关键词：大数据；故障判断；抢修效率

随着我国电力建设的不断发展，电力设备的制造工艺不断跟进。封闭式电力设备由于体积小，安全系数高的特点，逐渐取代了开放式设备应用于高电压、大负荷关键领域。但是由于封闭式设备难于直接观察直观的故障现象，所以如何高效的判断设备的故障类型变得越来越重要。

一、传统故障类型判别方式

在故障发生时，传统的故障判别方法是对故障设备做外观检查和做相关试验，通过对外观变化和试验数据综合判断。在判断过程总往往存在如下问题：

1.传统故障判断往往通过检修人员自身的知识水平和工作经验进行判断，由于电力设备结构更新日新月异，人员水平高低不均，往往出现错判和漏判的情况。

2.为了提高故障判断的准确性，传统方法是通过对排除故障类型进行故障的定位。排查法工作效率底，在数据复杂情况下难于操作。

3.出现多种故障时，故障类型交叉影响判断条件，传统方法很难针对性的进行调整。

传统故障判别方式的低效率显然难于满足发展需求，需要更好的方式进行代替。

二、大数据分析的引入

大数据分析是一种新型的数据分析方法，它具有要全体不要抽样，要效率不要绝对精确，要相关不要因果的特点。在电力设备故障类型判断时，通过很好的处理和检索出以往发生过的故障类型，能够大大减少故障判别时间。具体实施步骤如下：

1.数据采集

每起电力设备故障引起的事故都会留存大量的视频、图片和文字资料。将这些信息通过数据库进行存放，同时在采集端部署大量数据库不断存入新数据。

2.导入和预处理

将各个数据库保存的信息资源导入到一个集中的大型分布式数据库，通过对信息做简单的清洗和分类预处理，比如淘汰掉一些模糊难以辨别的图片和视频，过滤掉一下已经停产淘汰的设备等等。

3.统计和分析

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，比如，对故障数据按照设备类型，设备投运时间，电压等级等进行分类分析。

4.挖掘

经过统计和分析的数据在还回存在很多的错误和干扰数据，在我们进行数据引用时，希望更加精准有效的得出判断结果，所以需要进一步深入挖掘数据的价值。在高级别数据分析中，可以采用用于聚类的K-Means、用于统计学习的SVM和用于分类的NaiveBayes，以K-Means为例，处理后效果如图1：

经过算法的筛选归类，数据库的价值被最大化，具备分析设备故障类型的能力。

三、大数据的检索

大数据经过有效的处理后，实现大数据的精准检索是故障判断的重要部分，在检索分析中，树结构是最常见的检索方法。结构如图2所示：

图1

图2

在数据的采集过程中，实时的将故障关键词关键试验数据通过树结构的形式形成可检索的有效数据。同时采用收集点击率的方式，动态的通过点击率统计分析可以提高判断的准确性。

大数据分析是一个动态的过程，通过对数据的积累和算法不断的迭代，数据的精确性不断上升。在电力设备故障判断时，通过大数据可以明显的看出设备的家族性缺陷和各种故障形成的普遍性特征，提高了抢修效率。同时也对电网的安全运行和事故预防提供数据基础。

参考文献：

[1]大数据分析与处理方法介绍.

[2]大数据分析与处理方法介绍[DB/OL].http://www.199it.com/arch

ives/153799.html.