甘肃省电力公司大数据决策平台

丁雪梅++崔慧明++吴正功++陈振勇

摘 要：近年来，随着智能电网建设的不断发展，国网公司规划了大数据平台支撑电网信息化建设思路，大数据技术近年来在电力状态检修领域也得到广泛应用。本文基于目前电力大数据建设现状，以变压器状态状态为基础，介绍了用于电力状态评估领域的大数据分析实例，阐述了电力技改大修项目立项决策流程，最后就电力大数据建设提出建议。

关键词：大数据；状态评估；技改大修；决策平台

中图分类号：TP311.13 文献标识码：A 文章编号：1671-2064（2017）07-0141-04

1 国家电网公司大数据建设现状

国网公司根据信通建设支撑智能电网建设的要求，规划了大数据平台支撑电网信息化建设思路。通过引入大数据平台，优化数据整合、数据存储、数据计算、数据分析、数据服务能力，支撑业务应用建设。大数据平台的引入并非取代现有的各个系统，而是于电网业务结合，做适度改造，以满足时序数据的存储处理，同时保证上层数据连续性。

十二五期间，国网系统省级电力公司普遍完成的电力数据中心有结构化数据中心、非结构化数据中心、电网空间数据平台和海量准实时数据中心，并通过持续扩展平台应用接入范围，实现数据中心对电网各系统数据的统一管理和应用，提高了电网数据管理水平。国家电网公司通过信息化SG186和SG-ERP工程建设，已经具备大数据建设基础，国家电网公司计划在2020年，在现有一体化信息平台基础上，建成两级部署的基于云架构的企业级大数据平台，并在电力生产、营销管理、用户服务三大领域广泛应用，形成大数据应用管理、共享开放、运维分析、标准规范和信息安全五个体系。

2 电力大数据平台介绍

2.1 电力大数据平台建设主要目标

本平台立足于甘肃电网实际状况，着眼于电力技改大修项目的要求，通过运用大数据技术，构建基于电力大数据技术的状态评估系统，从而实现电力技改大修项目的精准投资和精益化管理。基于电力大数据技术的状态评估平台接入现有的在线监测系统的监测信息，例如油色谱监测系统、无线测温系统、容性设备在线监测系统、断路器在线监测系统等，同时接入离线监测数据（局部放电检测数据）、PMS系统数据，做设备数据挖掘分析。

系统围绕电力设备在线监测信息，分析预测电力设备运行状态，并以图形可视化方式展示，做定性定量分析，为决策层提供设备分析报表，辅助决策，减少检修人员排查，从安全事故预防上升到实时分析层面。电力设备状态检测工作流程是通过对在线、离线数据采集，结合数据挖掘分析，建立设备缺陷预警模型，对设备进行状态评估并结合PMS运行情况分析设备，帮助运维人员了解设备状况，预防事故的发生，保障电网安全经济运行。

2.2 技术选型

满足TB级、异构、快速增长的数据存储及处理分析需求，以Hadoop平臺为核心构建大数据平台是最好选择，其扩展性、经济性、自主知识产权、异构数据支持以及生态系统完善方面，均具有较大优势。传统数据、软件服务商如ORACLE、EMC等也在各自系统上发展大数据技术，国内企业多以Hadoop生态系统做为自己大数据解决方案的核心（如移动、联通）等，或借鉴Hadoop思想自主研发类似产品）如阿里巴巴等），由于Hadoop具有扩展性、自主知识产权、异构数据支持以及生态系统完善等方面，具有较大优势。因此电网公司大数据平台建设时选择合适的Hadoop版本做核心，通过有机集成方式融合内存计算、挖掘分析、可视化等第三方开源软件，并作二次封装形成体系化平台组件，确保在高起点上建设电网公司统一大数据平台。

2.3 架构设计

（1）整体架构设计。电力大数据平台遵循业务驱动原则来设计，结合现有业务现状以及充分考虑到未来业务的可扩展性与前瞻性，合理进行业务应用功能，数据管控，平台推广，系统集成方面的设计，平台建设必须遵从国网公司四大体系架构的要求。业务层面上，大数据平台是为了提升现有平台综合服务能力，支撑电网未来建设需要而建立的，大数据平台建设应当结合电网公司现有业务特点，基本保持SG-ERP体系架构原则不变，使各业务功能逐步与大数据平台融合，使用新技术提高信息化建设，确保新平台新应用的平稳过渡。

数据管理层面上，使用大数据平台增强对海量数据处理能力同时，要基于公司SG-CIM模型规范化要求统一企业数据模型，确保新平台数据定义一致性完整性准确性，为数据的深层应用挖掘分析提供方便。

（2）业务架构。按照国家电网公司大发展规划，未来电力大数据平台是电网公司IT基础设施的重要组成部分，承担着数据存储中心、计算中心、分析中心、服务中心四大职能，为业务系统大数据开发运营提供统一支持平台。现阶段计划将甘肃省电科院状态评价中心输变电设备在线监测系统与电力大数据平台逐渐融合，实现资源整合、信息共享以及配置优化。同时基于对SG-CIM模型的研究，开发海量数据的可视化模型管理工具，尽可能利用自动化方式实现模型数据的精益管理。

2.4 兄弟单位发展调研

（1）上海电力公司。国家863课题”智能配用电大数据应用关键技术”由上海市电力公司牵，头，上海电科院和复旦大学等单位参与研究。该项目开发的智能配用电大数据平台集成包括CMS，SCADA等九大业务数据源，建立了用户侧和电网侧数据间关联关系，并与GIS空间可视化技术结合，实现营配调业务贯通和全景能耗监测。

（2）沈阳供电公司。基于大数据挖掘的大型供电企业风险预警防控体系已初步建成，系统通过数据整理，数据转换，灰色关联分析，结果输出，完成电力大数据的关联分析，实现基于指标分析的风险预警防控，对标管理分析，基于指标分析的对标数据分析等多项功能，该系统使得沈阳供电公司的风险防控能力得到明显提高，风险预警快速精准。

3 大数据分析实例

3.1 变压器状态评价

电力变压器绝缘运行状态评估是基于设备状态在线监测基础上展开的，对可修复的缺陷进行处理以免故障产生，对无法修复的缺陷或对突发性故障，应对故障发生的部位，原因及严重程度作诊断，预测故障发展趋势，以及就可靠性作评估，并对运行变压器，尤其是运行年限长，老化程度高的变压器，要求对其老化程度及绝缘寿命作评估，在保证其可靠性前提下，尽可能利用其使用寿命。为了提高变压器状态评价性的准确性，需要从绝缘故障诊断，绝缘运行状态评估和绝缘寿命预测评估三个方向开展研究。

3.2 变压器状态监测聚合实例

3.2.1 变压器监测及关联性分析

变压器监测主要参量有油中气体和成分，色谱，套管绝缘，温湿度，局放，铁芯接地电流，风冷系统等。基于在线监测系统采集的数据，需要调用进行信息聚合的参量有主变运行数据，故障录波数据，保护动作信号灯等。有些参量由于变化较快，可以作为信息聚合的启动条件，如油中气体H2和CO，铁芯接地电流，局放信息，主变运行区间等，当这些参量发生变化时，做数据驱动信息驱动，可以推算出相关联的信息，从而研判出设备运行状态变化趋势。

记录变压器半年来的运行数据的平均值，结合当前监测数据和平均值的差异，得出变压器运行状态的距离评估。另外通过对多台变压器在线监测数据作横向比较，更容易发现变压器异常状态。变压器每发生一次故障，系统就记录一次故障数据，形成案例库。系统在推送变压器运行状态信息时可参考案例库信息，以便决策准确。

3.2.2 变压器状态监测信息聚合实例分析

变压器过热故障预测与状态推送：过热故障是变压器故障主要类型，对变压器油中气体分析可以分析诊断变压器故障，基于状态监测的信息聚合架构，其关键步骤如下：

（1）确定决策分析需求。运维人员通过分析变压器油中气体分析为主掌握当前变压器运行状态以消除设备潜在缺陷。如图1所示，说明基于历史数据的信息聚合技术。

（2）确定关注信息。变压器油在无局部放电和强电的影响下，在300度以内，只有微量CO2，CH4和H2产生，溶在油中气体含量和特征气体比值不会有大变化，而当变压器内部存在潜在过热故障，当温度只影响到变压器油的分解而不涉及到固体绝缘时，变压器油产生的气体主要是低分子烃类，其中甲烷和乙烯是特征气体，占总烃的80%以上；当故障点温度低时，甲烷所占比重大，温度升高时，乙烯组分急剧增加，比例增大；当严重过热时，会产生少量乙炔，同时变压器油纸老化速率增大，产气速率增加。

（3）确定多维关联。由数据聚合得到具有二维关联信息，可看作是二维空间上的向量，在多维关系中可视作维。分析需求信息化后，选出具有相应特征的信息，再根据特征进一步确定相关维。

（4）随决策分析需求变化修改多维关联方案。以某500KV变电站的1号主变严重过热故障发生前的历史数据作模拟预测，主变油中溶解气体监测采样间隔为8小時。如图1所示，在第67天（约第200个采样点附近），CO气体含量明显增大，关注之后每天产生CO的产气速率和含量，CO产气速率随时间变化曲线如图1所示。

从图1可知，自第67天起，每天CO产气速率约2.26PMM。第77天起（约第230个采样点附近），每天产气速率约3.5PPM，同时甲烷和乙烯占比超过80%。如图2所示，据此可初步估计变压器内部存在低温过热，由于此时CO，H2，溶解可燃气体含量均在正常范围内，故仍推送至变压器正常运行空间，继续保持对其他监测量关注。

从图2可知，第180天时候，甲烷所占比例下降到47.6%左右，此后保持在50%以下。同时乙烯所占比例急剧增加，CO产气速率每天19.75PPM，比之前增加约6倍，由此推测变压器内部出现过热障碍征兆，故将其推送至异常运行状态。CO气体含量约255.3PPM。此时假设每天CO气体增速约19.75PPM，据此可推算出，7天后，CO气体含量达到400PPM。超过正常运行阈值，19天后达到60PPM，进入预警状态。

同时对高能放电故障特征气体乙炔作分析，其含量变化曲线图如图3。

从图3可知，在第600个采样点可知，乙炔气体含量在正常区间，在第800个采样点后乙炔值剧增到预警状态，其他监测量也显示发生放电故障，在之前的关联分析已经预测到变压器的过热故障。

结合乙烯含量作分析，从图3（b）可看出大致正常运行阈值范围，若单个测量值超出阈值，同时连续监测不到其他异常值，则认为该点为奇异点可以不考虑，若多个联系监测点超出划定阈值，则认为有出现高能放电故障的可能性，应推送至异常状态，需要注意。

综上所述，利用油中气体在线监测信息聚合，可预知潜在过热故障，高能放电故障，同时对气体变化速率作预测，也可大致估计未来故障发生时间；对气体含量作关联分析，可实现对变压器运行状态推送。

4 技改大修立项判断流程

4.1 信息收集

技改项目立项来源：状态评价导则覆盖的设备经研判需技术改造的需求：设备状态评价正常或评价导则未覆盖设备按反措要求必须改造的需求，应急改造需求；

大修项目立项来源：状态评价导则覆盖的设备经研判需大修的需求：设备状态评价正常或评价导则未覆盖设备按反措要求必须大修的需求，应急抢修需求；

设备状态评价的前提是收集设备信息，包括基础信息试验数据，运行情况，以及同类设备运行情况等，具体如下：

设备状态信息包括设备投运前信息、运行信息、检修试验信息、运行环境信息、家族缺陷信息等。

（1）投运前信息主要包括设备技术说明书、设备监造报告、计算书、型式试验报告、出厂试验报告、运输记录、到货验收记录、交接试验报告、安装验收记录、新（改、扩）建工程有关图纸等纸质和电子版资料。

（2）运行信息主要包括设备运行属性（如设备归属、运行编号等）、设备巡视记录、维护记录、故障跳闸记录、故障典型案例库、缺陷和消缺记录、在线监测和带电检测数据以及不良工况信息等。

（3）检修试验信息主要包括例行试验报告、诊断性试验报告、专业化巡检记录、缺陷及故障记录、检修报告及设备技术改造信息等。

（4）运行环境信息包括污秽区域分布图、舞动区域分布图、雷区分布图、冰区分布图、风区分布图等电网运行环境信息。

（5）家族缺陷信息指经认定和发布的同厂家、同型号、同批次设备（含主要元器件）由于制造厂设计、材质、工艺等同一共性因素导致的设备缺陷或隐患信息。

大数据平台从如下系统采集数据：1）GIS系统：输变配设备坐标、高程、影像及照片等信息，可输出地理信息图、设备运行信息、检修信息等；2）PMS系统：生产输变配设备档案信息、运行信息、资产信息、状态评价信息、检修信息、技改大修规划、储备、计划、项目完成等信息；3）用电采集系统：通过采集系统电压、电流、有功、无功等信息，可输出三线不平衡、重过载配变、重过载线路、低电压等告警信息；4）营销系统：95598、线损、电量、电费、电价、能效、市场等信息，并与PMS系统户表箱、站、线、变贯通；5）电能质量在线监测：供电可靠性及资产管理信息；6）供电电压在线监测：电压合格率；7）雷电定位系统：雷电峰值、时间、频次、电流、经纬度等信息；8）EMS：变电、配电设备运行实时信息采集；9）OMS：输变配电设备、线路运行及操作信息；10）ERP：公司所辖设备资产、财务、改造、检修及项目管理信息。

4.2 评价内容

研判对象是状态评价导则所覆盖的电网设备，具体分为状态评价，需求评价，可修复评价，技术经济评价。

1）需求评价是判断该设备是否符合公司技术导则，以此得到需求判断结果；2）可修复评价是针对设备非正常状态是否能通过检修彻底消除进行评价，同类重要及以上级别缺陷连续3年未解决，则认为该设备不可修复。3）对于可修复的110KV及以上电压等级的一次设备的A类检修，需要计算其更换前后设备的全寿命周期成本，作技术经济评判；LCC技术经济评价是基于全寿命周期成本。

全寿命周期成本LCC=初次投入成本+运检维修成本故障成本+退役处理成本；

计算周期=设备使用寿命-设备已使用年限；

按照计算得到的设备LCC值进行技术经济评判：若设备更换后成本现值<维持原状成本现值，则给出技术改造建议，反之则给出大修建议。

4.3 状态评价

状态评价是状态检修的核心内容。状态评价应通过持续开展设备状态跟踪监视和趋势分析，综合专业巡视、带电检测、在线监测、例行试验、诊断性试验等各种技术手段，依据电网设备状态评价导则进行评价，准确掌握设备运行状态。按照大修技改项目立项评分规则，分别完成技改和大修项目评分。通过审核的技改大修项目进入储备库，并按照得分排序。状态评价是根据国网输变电设备状态评价导则，对导则覆盖设备作状态评价，其结果是正常状态，注意状态，异常状态，严重状态。评价结果由大数据平台状态评价业务模块给出。

4.4 设备可靠性分析

状态检修是要在了解设备健康状况前提下，通过检查、维护、修理乃至更换，尽可能以最低代价保持或恢复设备固有可靠性水平。通过对设备做可靠性分析，确定输变电设备的薄弱环节、缺陷关键部位、可能故障模式以及采取检修策略。可靠性要求高的设备，应采取状态检修，可靠性要求低应采取事后检修。固有可靠性低的设备，采取故障后更换更合适。输变电设备可靠性分析结果是设备可靠性指标的量化，如可靠度、故障率、寿命等，可以从提高可用率与延长寿命角度出发，确定关键设备的改进和检修工作方向，也可以确定关键设备与部件校验项目、检验时间间隔与维修准则和设备部件更换周期。

4.5 设备风险评估

基于《国家电网公司输变电设备风险评价导则》要求，根据设备状态评价结果，结合安全环境以及效益三方面风险，来研判设备在运行中可能存在风险情况，并据此来制定相应措施。设备总风险包括环境损失风险、成本损失风险、安全损失风险。

设备状态评价之后，再根据状态评价结果以及设备相关信息做风险评估，最后根据风险等级制定状态检修策略。

通过可靠性分析技术，可以了解设备故障模式、影响因素、故障传递关系、风险扩散途径，进而开展输变电设备的风险评估。风险评估通过识别设备潜在内部缺陷和外部威胁，分析设备遭到的失效威胁的资产损失程度和威胁发生概率，确定设备风险等级。

4.6 技改大修项目立项评分排序

大修技改项目立项评分排序目的是对储备阶段的大修技改项目作定量评估，通过计算大修技改项目基础分（需求分，风险分）以及利旧附加分，确定大修技改项目的优先级顺序。

评价总分=基础分+利旧附加分；

基础分=需求分+风险分=需求评价分×需求权重系数+风险评价分×风险权重系数。

5 总结与建议

5.1 电力公司设备在线监测系统建设力度不够

线路在线监测安装率过低，国网范围内约2/3的线路在线监测装置信号不能接入主站。变电在线监测装置在新建变电站得到应用，而在老变电站建设不多，因为安装油色谱等设备常常需要停电，而且需要变压器厂家和油色谱厂家配合，协调工作繁琐。配电变压器大多未能和后台建立通信，在可测方面还需要做很多工作。由于数据来源缺乏，因而导致大数据分析缺乏数据原料，所以需要加大建设力度，为大数据平台建设提供更多数据原料。

5.2 档案管理混乱

设备原始台帐混乱缺失，设备运检记录随意，没有录入系统，导致大数据分析缺乏数据原始资料，所以需要加强管理，保证平时巡检信息都能及时准确录入系统。

5.3 大数据算法不够成熟

由于大数据分析技术最近几年才开始在电力行业得到推广应用，目前基本都是在国外HADOOP平台上做二次开发的，专业软件人员对电力公司现场业务不够熟悉，而电力运检人员往往熟悉现场运行设备情况，但基本都是电力一次专业知识丰富，而计算机软件方面知识结构相对偏弱，和软件人员沟通存在障碍。成熟的大数据算法需要双方多次沟通磨合才可以达到。电力大数据平台需要多个部门配合，共同建设完成，才能消除以往存在的信息孤岛和重复建设问题，更好的服务于电力公司发展建设。

5.4 技术进步与管理优化并行

大数据技术归根到底是技术手段，代替不了管理，实现精准立项和精益化管理，还同时需要优化现有业务流程，提高项目管理水平；成熟的大数据平臺建设需要时间，相应伴随组织架构调整更需要时间来适应和优化。

综上所述，通过大数据分析技术，不仅可以对设备状态做出判断，还可以知道设备可靠性、缺陷部位、寿命预测等，为精准制定检修策略做贡献。相信随着电力大数据平台建设的日渐成熟，必将在状态检修领域发挥巨大作用。

5.5 人工干预与大数据平台建设

由于每家供电公司的实际状况不一，如供电等级要求，经费限制等等，对一个项目做评价后决定该项目是技改还是大修需要考虑到其他因素。例如杭州供电公司在G20会议期间停止一切可能影响到电网安全的技改大修项目，一切以保电为先。上海浦东供电公司陆家嘴区域是A+类供电区域，供电等级要求搞，采用电气设备为施耐德、西门子等进口免维护设备居多。安徽省电力公司今年获得近百亿农网改造资金，因而相关技改大修资金比较充裕。因而大数据平台在对设备做状态评价时，需要综合考虑到各种因素，在大数据状态评价平台界面上，设有人工干预入口，方便电力公司运检人员根据本单位实际条件设定有关技改大修立项决策的约束条件。状态评价结果和检修建议会受这些约束条件而改变，以求得到最适合用户单位实际的评价结果和建议！