基于大数据的配电自动化终端智能运维管理系统杨晓东

基于大数据的配电自动化终端智能运维管理系统杨晓东

杨晓东

国网内蒙古东部电力有限公司元宝山区供电分公司内蒙古赤峰市024070

摘要：科学技术日新月异，伴随着信息技术的更新迭代，大数据已成为社会各行业信息技术发展的契机。本文分析了基于大数据的配电自动化终端智能运维管理系统。

关键词：大数据；配电自动化；智能运维管理

随着国民经济的迅速发展，人民生活水平的逐步提高，对供电可靠性提出了更高的要求。配电自动化系统的广泛应用对提高配电网供电，可靠性提供了强有力保障。另外，随着配电自动化建设与应用在各地全面铺开，对配电自动化终端设备运维管控技术的研究也逐步成为热点。

一、大数据概述

大数据（BigData）又称为巨量资料，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。“大数据”概念最早由维克托•迈尔•舍恩伯格和肯尼斯•库克耶在编写《大数据时代》中提出，指不用随机分析法（抽样调查）的捷径，而是采用所有数据进行分析处理。其具有以下特征：①容量（Volume）：数据的大小决定所考虑数据的价值和潜在的信息；②种类（Variety）：数据类型的多样性；③速度（Velocity）：指获得数据的速度；④可变性（Variability）：妨碍了处理和有效管理数据的过程；⑤真实性（Veracity）：数据的质量；⑥复杂性（Complexity）：数据量巨大，来源多渠道；⑦价值（value）：合理运用大数据，以低成本创造高价值。

二、关键技术

1、配电大数据平台。配电大数据平台基子Hadoop开源大数据组件构建而成。其中，存储组件包括分布式文件系统、分布式列数据库、分布式数据库和分布式缓存数据库等；并行计算处理组件包括离线批处理计算引擎、内存批处理计算引擎和流计算引擎；数据挖掘分析引擎采用SparkMLlib挖掘算法包。

配电网模型及终端设备描述信息、告警信息等结构化数据采用Hive存储，实时数据采用Redis在内存中缓存，量测历史数据采用HBase存储。

配电大数据平台通过分布式存储与并行计算处理，实现配电网大数据的存储与高效处理，能为上层应用提供强大的数据处理与分析能力支撑。

2、数据采集。为了满足配电自动化终端智能运维管理的需求，需获取如下相关数据：①电网一次模型数据；②配电自动化终端设备台账与通信网络通道等描述信息，包括设备类型、厂家、型号、投运时间、通道类型和所属的通信子站等；③配电网及配电自动化终端实时运行状态及通信状态数据；④告警信息（包括馈线开关状态变位信息、配电自动化终端上下线告警和终端运行状态告警等信息）；⑤遥控操作记录信息（操作对象、时间及是否成功等）；⑥量测历史数据，配电自动化主站系统按指定时间间隔（一般为每5min）对量测实时数据采样存储即为量测历史数据。

根据数据类型的不同，系统采取不同的数据采集策略：①配电网模型及设备台账等描述信息采用定时（每小时）读取数据库表，全量覆盖更新的模型同步策略。②实时数据通过实时数据总线实现实时数据采集，采用全遥测召唤和变化数据推送更新方式相结合，获取实时数据并由Redis缓存。③告警信息、遥控操作记录和量测历史数据采用定时（每5min）读取数据库表中增量数据、增量加载的方式。

系统采用了开源的ETL工具Kettle，通过可视化的方式定制数据抽取、转换和加载的流程，快速实现由关系数据库表到大数据平台分布式存储的数据同步。对数据抽取、转换与加载过程，系统提供自动化的任务调度与可视化监控功能。

3、数据处理。为了满足上层终端运维管理应用功能对数据处理的需要，系统提供了一组数据处理服务，对配电大数据进行预处理与统计分析。数据处理功能主要包括实时数据计算处理、历史数据处理和数据挖掘分析处理等功能。

1）实时数据计算处理。根据配电自动化终端通信状态及运行状态，实时计算系统的终端在线率，当发现批量终端掉线时，对掉线的配电自动化终端网络特征进行分析，判别掉线原因是终端故障还是通信网络故障，并生成设备缺陷告警信息；对所采集的终端运行状态进行监测，当出现异常时产生告警。

2）历史数据处理。通过对配电网运行历史数据进行统计处理，识别出配电自动化终端的量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等问题，在此基础上，建立配电自动化终端的运行状态标签，为终端运行状态判别提供数据支持。通过对遥测历史数据的变化情况进行分析，识别出遥测长时间（24ｈ）不刷新的终端；通过对终端上下线记录信息的统计分析，识别出频繁上下线（每日超过10次）的终端；通过对终端上线记录信息的统计分析，识别出连续24ｈ离线的终端；通过对遥信变化记录进行统计分析，识别出遥信频繁抖动的终端；通过对“三遥”开关遥控记录的统计分析，识别出经常遥控失败的终端。

3）数据挖掘分析。利用SparkMLlib所提供的数据挖掘算法，对配电自动化终端故障历史信息与终端运行状态信息及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联关系进行深入挖掘，为建立配电自动化终端健康状态评价模型提供支持。

4、配电自动化终端状态评价。为了评估配电自动化终端设备的健康状态，预测未来一段时间出现故障及出现何种故障的概率，通过利用大数据分析算法，研究配电自动化终端设备故障与自身运行状态参数、投运时间、厂家、型号、通道类型及量测长时间不刷新、遥信频繁抖动、长时间连续离线、频繁掉线和遥控失败等信息之间的关联规则与演化规律，建立了配电自动化终端健康状态评价与预测模型，并利用机器学习与关联分析算法对参数与权重进行调整。

利用配电自动化终端健康状态评价模型，根据不当前的运行状态参数及其他相关信息，评价设备的当前健康状态。健康状态用一个取值范围为0～100的健康指数表示。得分在85～100之间，表示状态良好，完全满足要求；得分在70～85之间，表示状态正常，未发现异常；得分在55～70之间，表示状态需要注意，伹不影响运行，如发生过短暂的离线或抖动、出现过告警但已自动恢复及服役时间过长等；得分在40～55之间，表示状态异常，如运行状态参数出现告警信息，近期离线次数增多等；得分在40以下，表示已发生严重故障。

5、配电自动化终端运维管控辅助决策。系统以配电自动化终端设备健康状态评价功能为基础，对配电自动化终端运维管理提供辅助决策支持。

1）运维检修计划优化。根据配电自动化终端健康状态的评估情况，优化安排运维检修计划，既可避免不必要的检修工作，提高工作效率，又可做到防患于未然，通过提前主动维护避免故障的发生。如对出现严重故障的终端设备，马上安排维修；对状态异常的终端设备，优先安排维护检修计划；对需注意的终端设备，列入系统日常运维工作中的观察列表。

2）备品备件管理优化。对终端设备从厂家、型号、版本和年限等多个维度进行深入分析，结合配电自动化终端设备状态评估与故障预测，对未来一段时间所需要的备品备件种类与数量进行预测。在此基础上优化安排备品备件的采购计划，一方面可避免在终端设备发生故障时因缺少备品备件延误故障处理时间，另一方面可减少不必要的备品备件采购。

三、结语

总之，作为配电自动化的骨架与支撑，配电自动化终端的正常运行至关重要。只有配电自动化终端正常在线运行，才能实现对配电网络的数据采集与分析，从而实现配电网运行监控、故障自动隔离和设备遥控操作等功能，最终达到减少停电时间、提高配电网供电可靠性的目的。

参考文献：

[1]涂松明.配电自动化系统实用化运维技术探讨[J].低碳世界，2016（06）：40-41．

[2]贺伟明.配电自动化系统建设过程中的关键问题及系统运行健康度模型[J].智能电网，2014，2（03）：49-53．

[3]封士永.配电自动化终端设备状态综合评估技术研究[J].机电信息，2016（36）：95-96．