电力大数据解读及其在检修中的应用

颜楠楠，俞国勤，雷 兴，徐 楠，倪 伟，彭 勇

(1. 国网上海市电力公司检修公司,上海 201204;2.国网上海市电力公司, 上海 200438)

电网技术

电力大数据解读及其在检修中的应用

颜楠楠1，俞国勤2，雷 兴1，徐 楠1，倪 伟2，彭 勇2

(1. 国网上海市电力公司检修公司,上海 201204;2.国网上海市电力公司, 上海 200438)

大数据为企业的运营管理注入了新的活力，是企业转型与服务升级的决策支撑。在讨论大数据、电力大数据及其特点的基础上，解读电力大数据在提高产品质量、提升生产效率的意义。从精益要求、柔性要求、绿色要求、云计算和人工智能5个方面讨论了电力大数据的优势，并提出电力大数据在数据的流动性、再利用、可视化上遇到的困难。结合检修工作的实际需要，提出大数据在设备管理、状态评价、监控报警和决策支持4大方向的应用需求。

大数据；电力大数据 ；智能电网；状态检修

近几年，自德国提出“工业4.0”时代到来开始，工业领域的信息化、数字化、智能化革新进程就特别迅速。从IT通信技术结合、生产管理系统( Manufacturing Execution System,简称MES)的重新定义到智慧工厂与智能生产，可以说大数据的应用无处不在[1-4]。2013年中国电机工程学会发表电力大数据行业白皮书，用于需求分析[5]。目前所有的电力数据都要移植到电脑上，对检修而言，从设备信息、运行数据、大修技改到应急抢修，一个全新的核心，就是“以信息为中心”的企业数据最大流动，更加重要的是，数据在全企业的重复使用[6-9]。

1 大数据的概念

按照美国国家标准与技术研究院(National Institute of Standards and Technology，简称NIST)大数据工作组的定义，大数据是指传统数据架构无法有效处理的新数据集。因此，采用新的架构来高效率完成数据处理。这些数据集特征包括：容量、数据类型的多样性、多个领域数据的差异性、数据的动态特征(速度或流动率，可变性)。

维基百科(Wikipedia)给出的定义是：大数据，或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。百度百科的定义是：大数据(巨量数据集合)，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。

由全国信息技术标准化委员会大数据标准工作组(简称全国信标委大数据工作组)、中国电子技术标准化研究院编写的《大数据标准化白皮书(2016)》[10]给出，从数据本身角度而言，大数据是指大小、形态超出典型数据管理系统采集、储存、管理和分析等能力的大规模数据集，而且这些数据之间存在着直接或间接的关联性，通过大数据技术可以从中挖掘出模式和知识。大数据技术是使大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据采集、预处理、存储、分析挖掘、可视化等。大数据应用，是对特定的大数据集、集成应用大数据系列技术与方法，获得有价值信息的过程。大数据技术的研究与突破，其最终目标就是从复杂的数据集中发现新的模式和知识，挖掘得到有价值的新信息。

从以上不同的大数据定义可以看出，大数据不仅仅是指数据本身，而且还包含了大数据技术和大数据应用。

2 电力大数据

2.1电力大数据的概念

对电力大数据而言，2013年中国电机工程学会电力信息化专业委员会发布的《中国电力大数据发展白皮书》认为：相对于大数据的技术定义，电力大数据是一个更为广义的概念，并没有一个严格的标准限定多大规模的数据集合才是电力大数据。电力大数据贯穿发、输、变、配、用等电力生产及管理的各个环节，是能源变革中电力工业技术革新的必然过程，不仅是技术上的进步，更涉及整个电力系统发展理念、管理体制和技术路线等方面的重大变革，是下一代智能电力系统在大数据时代下价值形态的跃升。重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。

2013年的白皮书并未对电力大数据给出确切定义，但阐述了电力大数据的两个内涵，即“重塑电力核心价值”和“转变电力发展方式”。表明了电力大数据的意义与使命，即电力大数据应助力于“提高产品质量”和“提升生产效率”中。换言之，就是通过电力大数据技术使得电网更加安全、稳定、经济地运行，具备坚强智能电网的特征。更加具体地，通过电力大数据技术提高在发、输、变、配、用、调等电力链条上各环节快速高效地做出反应的能力。再通俗些解释，就是怎么利用大数据，来整合这些数据，来尽量达到实现一些不可估量的效应，提高生产率，提高管理效率、服务质量等等，即考量做大数据的内部驱动力。

对于检修专业而言，电力大数据按功能对象分，包括变电站管理、变压器和四小器等设备管理；按IT行业分，包含描述以前的，分析以往信息，还原以前的场景，用过去数据分析未来。比如发生设备故障，信息全调出来，当时为什么发生这个故障。预测性分析，分析未来，做风险评估，哪些设备需要改造，什么时候需要整体大修等等。

2.2电力大数据的特点

电力数据具有体量大、类型多，价值复杂，实施性强等特点，这已经满足大数据所具有4 V特征，即规模性(Volume)、多样性(Variety)、价值性(Value)和高速性(Velocity)，所以在数据处理上需要一些大数据技术。电力行业的特点决定了电力数据周期差别非常大：有微秒级的，诸如电力高频设备切换的设备数据，雷闪监测的环境数据；也有每小时、每天、每周、年的负荷数据；还有电力资产，像变压器、断路器、变电站生命周期在几十年到一百年的过程。这个数据有非常大的跨度、特点、区别。这样对于电力行业大数据整合，产生了很多困难，提出很多挑战[11-13]。特别是，智能电站运行以后，大量传感器装置安装在电力设备上，带回大量的数据，每天带回几个KB的数据。公司怎么样利用这个数据，这是需要考虑的问题。

3 大数据技术为电力带来的提升

大数据技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用(大数据检索、大数据可视化、大数据应用、大数据安全等)。在其各环节中贯穿始终的是大数据技术需满足的要求(见图1)。

图1 大数据技术的关键技术

(1)精益要求 精益要求包含了及时响应(Just-in-Time,J简称IT)、约束理论(Theory of constraints,简称TOC)、精益管理及敏捷性的概念。通过减少不同专业对同一数据的多次采集来减少浪费，提高效率。

(2)柔性要求 柔性要求就是把数据系统联系起来，当各部门、各专业需要时，可以准确、迅速的获取，产生效益。在某种程度，具有可编程的控制性以达到更好的环境适用性。

(3)绿色要求 综合考虑大数据的快速增加、存储及管理，目的是使在整个生命周期内，资源利用率最高，使企业经济效益和社会效益协调优化。

(4)云计算 大数据和云计算是相辅相成，互为支撑的关系。大数据必须以云计算先进的信息技术为载体结合新兴物联网技术，实现更好的服务于产品质量这一理念[14-16]。

(5)人工智能 基于人工智能实现数据的智能化流动，实现管理自主，最大限度地减少人工干预。

这五点是大数据技术应该具备的基本要求，也是其优势所在[17]。电力大数据的价值在于电力数据的最大流动和数据的重复使用，提供电力生产、管理、经营和服务在提高质量、效益、效率方面的需要，促进电力资源的优化配置和高效服务。

4 电力大数据技术亟待解决的问题

4.1数据的流动性

这里谈数据的流动性是对数据的质量、速度、融合性全面的要求。数据质量是电力大数据应用的基础，数据的准确性、完整性将影响决策分析的质量；数据的响应速度更是直接作用于生产效率；而数据间的融合是一个多级、多层面的数据处理过程，主要完成对来自多个信息源的数据进行自动检测、关联、估计及组合等处理。电力大数据在行业内部主要涉及电力生产和电力服务各环节数据的融合，实现跨单位、跨部门、跨业务数据分析与共享。数据融合要处理各类数据源数据的抽取、关联，如涉及多个专业的电力资产全寿命周期管理，需要不同来源数据的融合，从而逐渐形成以数据为中心的企业信息化管理系统，转变传统的以专业信息系统为主的信息化建设，改变电力生产各专业数据彼此独立的状态，破除信息孤岛的数据壁垒，挖掘电力大数据服务于发电企业、电力用户和经济社会发展的价值。

4.2数据的再利用

电网在运行过程中会产生并积累大量数据，如各种状态量数据、设备检修数据，用户用电数据等，大部分在其利用周期结束之后就无法再继续创造价值，只能保存在各种存储介质当中无人问津。利用大数据技术将企业数据重复使用，使资源利用率最高，达到绿色经济的环境效益。

4.3数据的可视化

数据可视化借助图形描述数据中的复杂信息，良好的数据可视化设计要能展示数据的细节，展现对数据的洞察和新的理解[18]。电力大数据可视化满足电力生产与企业经营、对外交流合作2个方面的需要。电力生产与企业经营方面，数据可视化能够全面、及时地反映电力生产、企业经营的各类数据的状态，满足运行管理工作需要，当特殊状态或设备报警等情况发生时，能够及时、醒目地通知运行和管理人员。对外交流合作方面，电力数据的可视化主要反映电力发展的全局情况，反映社会用电情况和经济活动规律，体现电力发展支撑经济社会的作用和价值。

5 电力大数据技术在大检修中的应用

随着电网智能化程度的提升，越来越多传感器安装在电站中，实时或定期获取设备状态信息。这些信息主要以数据、波形、声音、视频等形式存在，通过对这些数据的识别分析提升状态检修管理能力[19]。具体应用有：

5.1设备管理

设备管理目前还只是做到当前设备状态断面的记录，没有对历史设备断面的查询及未来状态的预测分析。利用大数据技术可基于电网设备台帐信息、设备拓扑信息、设备遥信遥测信息等实现设备数据的海量存储，直接快速查询到设备状态及设备的修试历程。综合设备信息得出当前设备状态断面，进行系统间设备状态的互检比对，提醒其他系统或功能进行检查与核对。

5.2状态评价

研究基于历史数据的趋势分析算法，综合设备各种基础及运行监测数据，建立反映设备健康状态的数学模型，得出设备总体健康状态，对设备故障进行趋势分析，掌控设备风险。

5.3监控报警

基于视频监控的设备自动巡检技术和安防技术，发现外观变化、表计变化、发热缺陷、非法入侵、物体靠近、现场烟火等设备健康危害因素，进行实时报警，保证设备正常运行。

5.4决策支持

考察消缺、检修、运行工况、气象条件等因素对设备状态的影响，以及设备运行的风险水平，利用并行计算等技术实现检修策略优化，为技改、大修计划制定、筛选评审提供决策依据。在应急抢修方面，可利用大数据技术开展应急抢修智能化管理和专家诊断系统的研发，从设备信息，人员派发、现场安措到抢修策略的一体化自动管理，实现真正意义上的智能化、自动化响应[20]。

[1] 薛禹胜,赖业宁.大能源思维与大数据思维的融合(二)应用及探索.电力系统自动化[J].2016, 40(8):1-13.

XUEYusheng, LAI Yaning.IntegrationofMacroEnergyThinkingandBigDataThinking PartTwo ApplicationsandExplorations[J].Automation of Electric Power System,2016,40(8):1-13.

[2]丁杰,徐建,王春毅,等.迎战大数据[J].电力信息与通信技术,2013,11(2):5-10.

[3]孟小峰,慈祥.大数据管理:概念,技术与挑战[J].计算机研究与发展,2013,50(1):146-169.

MENG Xiaofeng,CI Xiang.BigDataManagement:Concepts,TechniquesandChallenges[J].JournalofComputerResearchandDevelopment,2013,50(1):146-169.

[4]McKinsey& Company. Big data: the next frontier for innovation, competition and productivity. New York: McKinsey Global Institute, 2011.

[5]中国电机工程学会信息化专业委员会.中国电力大数据发展白皮书[M].北京:中国电力出版社2013.

[6]彭小圣,邓迪元,程时杰,等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报,2015,35(3):503-511.

PENG Xiaosheng,DENG Diyuan,CHENG Shijie,et al.Key Technologies of Electric Power Big Data and Its Application Prospects in Smart Grid [J].Proceedings of the CSEE,2015,35(3):503-511.

[7]胡雯,孙云莲,杨成月,等.基于物联网的智能电网信息化建设研究[J].电力信息化,2013,11(4):51-54.

HU Wen,SUN Yunlian,YANG Chengyue,et al.Research on Smart Grid Informatization Construction of Based on Internet of Things[J].Electric Power Information Technology,2013,11(4):51-54.

[8]余贻鑫,刘艳丽.智能电网的挑战性问题[J].电力系统自动化,2015,39(2):1-5.

YU Yixin,LIU Yanli.ChallengingIssuesofSmartGrid[J].Automation of Electric Power System,2015,39(2):1-5.

[9]刘振亚.中国电力与能源[M].北京:中国电力出版社,2012.

[10]中国电子技术标准化研究院.大数据标准化白皮书V2.0[M].

[11]张东霞,苗新,刘丽平,等.智能电网大数据技术发展研究[J].中国电机工程学报,2015,35(1):2-12.

ZHANG Dongxia,MIAO Xin,LIU Liping,et al.Research on Development Strategy for Smart Grid Big Data[J].Proceedings of the CSEE,2015,35(1):2-12.

[12]李智勇.电力系统运行信息的数据挖掘研究[D].杭州:浙江大学,2009.

[13]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状及挑战[J].电网技术,2013,37(4):928-934.

SONG Yaqi, ZHOU Guoliang, ZHU Yongli.Present Status and Challenges of Big Data Processing in Smart Grid[J].Power System Technology,2013,37(4):928-934.

[14]赵俊华,文福拴,薛禹胜,等.云计算:构建未来电力系统的核心计算平台[J]. 电力系统自动化,2010,34(16):1-7.

ZHAO Junhua,WEN Fushuan,XUE Yusheng,et al.Cyber physical power systems: architecture, implementation techniquesandchallenges[J].AutomationofElectric Power Systems,2010,34(16):1-7.

[15]王德文,宋亚奇,朱永利.基于云计算的智能电网信息平台[J].电力系统自动化,2010,34(22):7-12.

WANG Dewen,SONG Yaqi, ZHU Yongli.Information platform of smart grid based on cloud computing[J].Automation of Electric Power Systems,2010,34(22):7-12.

[16]王德文.基于云计算的电力数据中心基础架构及其关键技术[J].电力系统自动化,2012,36(11):67-71.

WANG Dewen.Basic Frame work and Key Technology for a New Generation of Data Centerin Electric Power Corporation Based on Cloud Computation[J].Automation of Electric Power System,2012,36(11):67-71.

[17]姚建国,赖业宁.智能电网的本质动因和技术需求.电力系统自动化,2010,34(2):1-5.

YAO Jianguo,LAI Yening.The Essential Cause and Technical Requirements of the Smart Grid[J].Automation of Electric Power System,2010,34(2)1-5.

[18]胡之武.基于GIS电网运行数据可视化的方法[D].杭州:浙江大学,2005.

[19]杨国庆,张宇.数据挖掘技术在电力设备状态检修中的应用[J].上海电力学院学报,2012,28(2):176-180.

YANG Guoqing,ZHANG Yu.Application of Data Mining Technology in Power Equipment Condition-based Overhaul[J].Journal of Shanghai University of Electric Power,2012,28(2):176-180.

[20]周鲲鹏,方仍存,颜炯,等.电网规划智能辅助决策系统的设计与实现[J].电力系统自动化,2013,37(3):77-82.

ZHOU Kunpeng,FANG Rengcun,YAN Jiong,et al.Design and Implementation of an Intelligent Decision-making System for Power Grid Planning[J].Automation of Electric Power System,2013,37(3)：77-82.

(本文编辑：杨林青)

Power Big Data Interpretation and Application in Maintenance

YAN Nannan1, YU Guoqin2, LEI Xing1, XU Nan1, NI Wei2, PENG Yong2

(1. Inspection & Maintenance Company, State Grid Shanghai Municipal Electric Power Company, Shanghai 201204； 2. State Grid Shanghai Municipal Electric Power Company, Shanghai 200438)

Big data inject new vitality for the enterprise management and support the firms’ transformation and upgrading. Based on the definition of big data, power big data and its characteristics, this paper also points out the significance of big data in improving product quality and production efficiency. The advantages of power big data have been discussed from?lean requirements, flexible demands, green, cloud computing and artificial intelligence, five aspects, and the difficulties in data liquidity, reuse and visual have been put forward. Considering the practical requirements of maintenance, the application of power big data has been discussed in equipment management, condition evaluation, monitoring, alarm and decision support.

big data；electric power big data；smart grid；condition based maintenance

10.11973/dlyny201704001

颜楠楠(1981—)，女，博士，高级工程师，从事电力设备的高压绝缘及状态检测工作。

TP311.13；TM63

：A

：2095-1256(2017)04-0375-04

2017-05-06