大数据分析模型的输变电设备智能运维研究

大数据分析模型的输变电设备智能运维研究

朱 俊

国网江西省电力有限公司南昌市湾里区供电分公司 江西南昌 330000

摘要：随着科技的不断发展，人类生产方式水平的不断地提高，人们对于生活的幸福度指数也在慢慢提升。电力是人们生活中的必需品，为了满足人民需求，电网的规模也越来越大，很多行业在进行生产加工和日常生活中都依赖电力。电力的传输依靠电网［1］，运输过程中需要进行多次电压转换，而电压转换则需要用输变电设备。输变电设备的质量也随科技发展而不断更新，目前对于输变电设备的状态风险监控和评估是重点。

关键词：大数据分析模型；输变电设备；智能运维研究

一、总体方案设计

整个系统架构可分为数据采集层、数据存储层、数据分析层和数据展示层四个部分。关于数据采集利用分布式采集，动态进行采集分布行动，做到对输变电设备数据信息达到全覆盖水平。利用主机、虚拟器、存储器和网络等软件，进行全方位的数据采集;之后通过云平台这种无线传输的方式将输变电站设备中的数据信息传递到数据存储。通过大数据分析在Hadoop模型上进行数据处理，利用哈希算法处理实时数据;经过数据可视化技术用清晰图像的方式展现，使固维的数据变成二维、三维的可视绚丽的图形，挖掘出各种运维的状况和输变电设备隐含的深层次信息，传达至上层管理技术人员进行决策。

二、关键技术设计

为了解决输变电设备状态监测大数据难以及时处理和分析的问题，本研究采用混沌特征提取法对所有数据关联维数特征进行提取，并在Ha-doop分布式平台上进行合理地数据分析，下面将具体阐述关键技术思路。

（一）混沌特征提取法

在进行提取输变电设备监测数据的混沌特征中，本研究将选用关联维数作为混沌特征参量。关联维数主要是通过关联积分计算输变电设备监测数据的混沌程度，它的原理在于计算原始时间序列中给定两个中心点之间的距离，并给出一个距离标准值。计算任意一点与中心点之间的距离，超过这个标准值的其他任意一点都与中心点不具有相关性;小于标准值，且大于中心点之间的距离的点与中心点具有相关性。这些相关的点数目越多，则代表多项空间内关联维度多。

（二）Hadoop模型的构建

Hadoop是一个典型的分布式处理数据系统模型，用户不需要了解底层的架构细节，就能直接使用该系统程序进行操作。Hadoop模型最核心的设计就是:HDFS和MapReduce，其中存储信息的功能由HDFS进行，而分析运算的功能由MapReduce计算框架来实行。

当输变电设备数据输入时，Map步骤是需要在若干个机器上同时运行，每个机器可以独立操作，这一步骤的主要作用是把输变电设备数据信息的格式转换为key(灰色)和value(黑色)的形式。Reduce步骤的作用是把这两种形式进行聚合计算，他也可以在若干个机器上同时运行，每个机器可以独立操作。

由于MapReduce的运算框架所限制，一次运算只能包含一次Map和一次Reduce，算完之后就必须存储起来。如果所做的运算需要进行大量的循环过程，那么整个运算过程会不断重复地输送数据到存储器中，这些操作实际毫无作用，因此MapReduce运算框架存在一定的缺陷。在分布式系统架构中，数据如何进行合理分布和计算是一个关键问题，直接影响有关输变电设备智能运维监测的工作效率。

假设有服务器A、服务器B、服务器C3台服务器节点，利用CMCH算法对232取模，首先对输变电设备的位置信息、数据采集的时间和其他相关系数分别进行哈希映射，映射在不同的服务器节点上。其算法步骤为:

1、将输变电设备数据的相关系数设为3

2、在3个数据集中，对于第1个数据集1，利用CMCH算法计算其哈希值Q1，将其映射到哈希环上，对于第二个和第三个数据集同理操作，如果需要更多的进行分析运算，则需要大于3个数据集，按照上面所说的方式分别计算其哈希值，最后有次序的映射到哈希环上。

3、明确数据节点的存储方向，沿顺时针方向遇到的第一个服务器节点，就是当前对象将要映射于的服务器节点。

4、假设服务器节点B出现了故障，移除服务器节点B，映射到下一个服务器节点。

综合以上过程，CMCH算法由于存储大量的输变电设备数据信息，在进行数据查询和分析过程中能够直接在服务器映射端进行处理，减少了数据传输时间和网络通信的负载，提高了数据处理效率。

三、实验和分析

关于实验的设计，本文采用由6个服务器节点组成的Hadoop集群，每个服务器节点的主频为2．60GHz，8GBRAM内存，1TBSATA7200rpm的硬盘，64MB缓存。节点操作系统使用Ubuntu，并安装ApacheHadoop云计算平台。其中选择1个服务器节点作为主要操作节点，1个服务器节点作为客户端，另外4个服务器节点作为存储和计算节点。

对于实验所用数据，本研究调研了近两年安徽省安庆市所有输变电设备的状态监测数据，其中包括电流、电压、谐波、纹波、负荷等，运用MPI并行算法和本研究所用Hadoop模型进行对比，在相同数据量(1TB)条件下进行分析计算并统计所耗时间。

有关输变电设备五个不同数据类型，基于Hadoop模型的数据分析方法与MPI并行算法相比，耗时全部都要短。为了对比更加清晰，本文以柱状图形式展现，如图4所示，应用Hadoop模型的算法使输变电设备数据的执行速度得到有效提升，比常规分析方法快了大约25%。因此得出结论:Hadoop模型下处理输变电设备监测数据的存储和计算非常实用。

（一）分析过程

根据油色谱改良三比值法分析的代码为102，属于电弧放电。根据故障是否涉及固体绝缘进行分析。因CO增长比较平稳、CO含量低于300μL/L，由此判断此次故障不涉及固体绝缘，可能存在油流带电、悬浮放电、磁屏蔽接触不良、油中气泡放电等故障。因C2H2含量小于总烃含量的40%，不属于单乙焕增长型故障，因此基本可排除油流带电故障。

根据油色谱分析存在高能放电，且氨气占氨烃含量小于80%，CH4占总烃含量小于80%，基本可排除油中气泡放电。

（二）可能故障原因

悬浑电位放电;油箱磁屏蔽接触不良;不稳定的铁心多点接地。

（三）试验建议

1、试验项目

铁心接地电流测试

2、巡检项目

局部放电超声波检测

3、进入检查项目

夹件螺栓、压钉、接地线、均压球、磁屏蔽等是否连接松动及放电变色，石墨屏蔽接地螺栓处有无变色或松动，夹件与倒梁、夹件与上梁螺栓连接部位有无松动或变色，夹件磁屏蔽导通有无异常，油箱磁屏蔽外围屏上下左右端以及肉眼能看到的范围内有无变色的异常，油箱底部是否有水迹，油箱中是否存在与金属有关的杂物。

结束语

综上所述，近年来出现了有关输变电设备危险突发事故，大量案例表明，对于输变电设备突发状况电力企业运维部门要及时的处理，防止供电网络瘫痪造成经济损失。因此，输变电运维工作需要严谨的工作态度，极高标准化流程进行操作，十分考验运维人员技术水平，并且面临海量的输变电设备数据，研究出一种新型的运维系统是目前亟待解决的难题。

参考文献

[1]齐波,张鹏,张书琦,赵林杰,王红斌,黄猛,唐志国,冀茂,李成榕.数字孪生技术在输变电设备状态评估中的应用现状与发展展望[J].高电压技术,2021,47(05):1522-1538.

[2]李玉华.人工智能在输电线路安全运行中的应用[J].黑龙江科学,2021,12(06):100-101.

[3]许晓路,罗传仙,龚浩,倪辉,周正钦.输变电设备远程运维标准化分析及探讨[J].中国标准化,2021(06):27-30.