基于大數據分析的變電站故障診斷與維護優化研究

石文超，張彤陽

（國網江蘇省鎮江供電分公司，江蘇 鎮江 212000）

0 引 言

隨著國民經濟的發展，近年來各行業對電網供電安全可靠性的要求不斷提高。電網的運行狀況直接關系國民經濟的發展，而變電站作為電網的重要環節，其安全運行對于經濟生產等工作的正常運轉至關重要。在變電站中，事故的判斷與處理是重要的任務。當發生故障時，運行人員需要及時準確地判斷原因并消除故障，以恢復供電。傳統技術管理手段難以適應新的要求，如何準確地判斷處理故障成為重要的研究課題。由于變電站設備種類繁多、結構復雜，部分變電站建立了數據采集與監視控制（Supervisory ControI And Data Acquisition，SCADA）來提高安全運行水平，但仍存在斷路器、繼電器誤動作風險。當站內發生故障時，運行人員需要迅速處理大量報警信號。隨著相關領域技術的發展，很多先進技術被應用于智能變電站狀態監測。大數據分析為變電站故障診斷與維護提供了新的技術手段，研究基于大數據的變電站故障診斷、維護及優化具有重要意義。

1 大數據分析技術

電力設備的更新換代推動著電力技術的發展。隨著我國智能電網的迅速發展，監測數據類型呈現多樣化趨勢[1]。變電站的運行數據和故障數據中蘊含豐富的信息，利用大數據技術進行故障診斷與維護具有重要作用。智能電網的出現加速了電力系統大數據的發展，電力設備的狀態決定了電網運行的穩定性。智能變電站大規模發展過程中積累了大量的變電站設備狀態監測歷史數據，這些數據通常存儲在不同的數據倉庫中，無法實現數據共享。而Hadoop 云計算技術采用分布式文件系統（Hadoop Distribute File System，HDFS）存儲所需的數據，通過分解任務實現并行數據處理和分析。通過集中整合變電站設備狀態監測數據，可以實現負載能力評估和智能調度。MapReduce是一種在大數據處理中廣泛使用的技術，可以并行處理海量數據。MapReduce 的執行過程如圖1所示。

圖1 MapReduce 執行過程

大數據技術是現代智能系統發展的分支，可以集成分散的存儲資源構建共享集群[2]。大數據處理技術包括流式處理與內存計算技術，能夠對數據進行查詢分析操作，計算速度得到大幅提升。Spark 內存計算技術引擎將所需數據放入內存，可以減少I/O操作，加快數據訪問速度。Storm 流式處理技術提供了處理連續流式數據的計算框架。

Hadoop 開源式分布計算框架具有設備利用率高等優點，將底層關鍵技術統一封裝，使用戶可以輕松組織計算機資源開發編寫應用程序。Hadoop 工作原理是將所需應用程序分割為小工作單元，將任務放到集群節點上執行。Hadoop 框架如圖2 所示。

圖2 Hadoop 框架

2 大數據變電站故障診斷與維護平臺設計

電力系統出現故障易引起大范圍連鎖波動，快速、準確地定位故障設備是保證電網安全穩定運行的重要工作[3]。由于變電站設備種類多、結構復雜，各種變電站建立了SCADA 系統來提高安全運行水平，但仍存在繼電器錯誤動作的風險。隨著大數據技術的成熟，為變電站故障診斷維護提供了重要的技術支撐。目前，配備故障錄波聯網系統，結合廠站事件順序（Sequence of Event，SOE）記錄實現故障診斷與維護是可行的方案。

變電站在電網中發揮著重要作用，其核心任務是快速準確地判斷和處理各類事故。一旦變電站發生故障，運行人員需要及時分析原因并采取相應的措施進行修復。大數據變電站故障診斷與維護平臺從實際需求出發，設計業務應用與數據技術架構。隨著智能電網建設的推進，電網故障診斷工作的重要性日益凸顯，但現有的變電站故障診斷系統仍顯不足。由于變電站故障診斷平臺需要處理毫秒級時序事件，對處理速率要求高，同時變電站故障診斷數據來源廣泛，信息建模工作較為繁重，都制約了系統在實際應用中的效果。通過建立大數據變電站故障數據分析平臺，并探索有效的故障數據處理方法，以提高診斷效率。

大數據智能變電站故障診斷系統可以利用繼電保護動作信號和故障電壓來進行診斷。該平臺的核心業務是故障信息采集和分析，通過與能量管理系統（Energy Management System，EMS）集成，能夠實時采集故障數據并進行分析，從而實現精準的故障診斷[4]。在平臺處理變電站故障數據時，用戶需要對二次模型的完整性進行判斷。如果二次模型完整，平臺將與匹配規則庫進行匹配分析，以識別可疑的變電站。一旦匹配成功，故障診斷模塊將對事項信息進行分析，以確定故障的原因和位置。

3 基于大數據分析的變電站故障診斷系統優化

變電站涵蓋電網調度的底層，迅速、準確地診斷和處理變電站故障對保證現代電網安全可靠運行具有重要意義[5]。隨著電力系統設備的更新，變電站功能趨向多元化。智能變電站為電網運行提供實時數據，同時為電網狀態監測分析提供有力支撐。變電站中包含變壓器等為電力系統運行提供基礎保障服務的元器件，及時處理故障、避免擴大停電范圍非常重要。大多數電力企業設備狀態監測數據中心利用數據倉庫技術（Extract-Transform-Load，ETL）將分散在業務系統的數據抽取清洗，轉化為智能變電站高質量的數據。變電站監測平臺架構如圖3 所示。

圖3 變電站狀態監測平臺架構

數據采集層采集變電設備運行產生的數據，包含結構化數據與非結構化數據，需要將傳統型關系數據庫數據遷移至非關系型數據庫，對所需數據進行處理后采用統一結構存儲數據。Sqoop 可以將分析結果導出到MySQL，供用戶查看。數據存儲層將HDFS 與MySQL 進行整合，將狀態監測大數據存儲在HDFS 中。Hive 創建表字段存儲在MySQL 中，需要啟動MySQL驗證源數據。

關系型聯機分析處理（Relational On-Line Analytical Processing，ROLAP）采用常規的數據關系模型，涉及大量連接運算，存在響應速度慢等問題。研究采用編碼方式對傳統數據模塊改進，避免頻繁連接操作，提高響應速度[6]。設計無連接層次編碼模型，借鑒Dumbo 編碼思想改進，將監測中心層次編碼信息壓縮于事實表，可以獨立執行聚焦等操作，減少大量耗時的查詢開銷[7-8]。

4 結 論

電網系統變電站設備的穩定性關系到電力系統的安全運行，必須保證變電站運行的可靠性。設備故障診斷是保證電網系統安全運行的重要基礎，及時排除潛在隱患對電力事故預防具有重要意義。大數據時代傳統故障診斷方式不能滿足變電站維護的需求，大數據分析技術為變電站故障診斷與維護提供新的技術支持。通過設計智能變電站大數據故障診斷與維護平臺，優化變電站故障診斷與維護系統，有效保證變電站設備的安全運行。