基于大数据处理技术的智能变电站应用分析

2023-10-22桑伟曾鑫

科学与信息化 2023年18期

桑伟曾鑫

国网江苏省电力有限公司扬州供电分公司江苏扬州 225009

引言

电力工程中变电站系统主要作用就是保障系统的稳定运行，而大数据处理技术的应用能实现智能变电站的发展，工作人员在工作的过程中通过计算机网络设备就能对电力分配工作进行控制，这样不但能够使电力系统平稳运行，也能有效地对工作人员的工作强度进行调整。由于大数据处理技术在变电站中也能进行微机操作，微机操作就能使员工根据传感器所分析出的数据对故障出现的原因进行查找，由此可见将大数据处理技术应用在智能变电站中能够对电力运行的质量和效率有所提高。

1 大数据处理技术

1.1 技术内涵

大数据可以收集、处理、存储和分析具有复杂结构特征的大量数据。与其他技术相比，仅依靠单个计算机的处理能力已不足以部署和应用大数据。随着信息技术的发展，出现了许多以应用大数据技术为核心的新技术[1]。分布式计算就是其中之一，在大数据中得到了广泛的应用。它可以收集和处理大量数据，并已成功应用为大数据平台的底层支撑。大数据的数据采集方法具有“自行生成”的特点，不需要特殊的采集过程。虽然数据没有价值，但它也会形成数据痕迹以供存储。由于收集的数据高度复杂，结构多样，数据量大，需要使用新的数据库技术管理数据库中的信息数据。收集大数据的规则基于整体思维，即采集的数据在一定程度上可以代表整体，数据中的价值信息需要通过高效的分析技术来实现。

1.2 技术特点

一是运行效率高。若想处理如此大量的数据，普通的信息操作系统是无法支持的，其内存和操作效率无法实现对数据的及时检测和快速处理。在传统的信息管理系统下，查询和导出数据通常需要花费大量时间。然而，企业如果想做出良好的决策和管理工作，需要针对数据进行反复查询。在这一点上，查询效率至关重要。如果旧系统持续使用，将大大降低及时性，大数据技术的应用将更有效地提高查询效率，从而增强数据处理能力。二是高可靠性。大数据技术的合理应用将提高变电站数据信息的可靠性。智能电网的快速发展不仅给生产和管理带来了便利，还带来了数据和信息的快速增长。与此同时，由于网络的开放性，在某种程度上，数据的信息来源无法得到有效保障，在这其中，不可避免地便会混入不实信息与虚假信息，从而降低数据的可信性与实用性，而大数据技术能够在一定程度上实现对来源的辨别，从而保障其可靠性。

2 智能变电站

智能变电站采用先进、可靠、集成、环保的智能电力设备。通过现代技术，将变电站的运行融入智能化和科学化技术，实现人工智能。智能变电站是现代计算机网络技术与传统变电站优化结合的产物。在保持传统变电站所有功能的同时，可以通过电子通信技术实现智能便捷的远程操作、实时监控、数据采集和传输。计算机技术可用于诊断和处理变电站组件、设备和其他组件中的故障。此外，智能变电站改进了光纤网络的建设方法，有效解决了传统变电站一直存在的设备辐射、传导干扰等电磁兼容性问题。智能变电站也可以利用计算机局域网技术对其电压、电流信息以数字化技术收集，继而实现智能断路器等构件的应用，让智能变电站自动化运行，提高变电站的工作效率和准确率。

3 智能变电站中的大数据处理技术

3.1 集成管理技术

通过使用大数据集成管理技术，可以集成来自各种运营管理系统的信息，以创建不同的业务应用领域。这种管理方法将信息的各种资源、形式和特征逻辑集成并存储在内容中，以实现信息系统的集成和稳定，并提供全面的数据共享服务。大数据集成管理技术不仅包括信息集成和集成信息技术，还包括关系数据库信息技术。它可以直接有效地提取和集成数据源信息，从而直接提取物理对象和连接，进而大大提高数据质量。SQL数据库技术在存储管理中起着至关重要的作用，是一种分布式数据存储方式，可以有效地减少资料储存，更为灵活多样，扩展也更强，可以有效地储存大量资料。

3.2 大数据分析技术

智能变电站系统的建设离不开数据分析方法的支持，这是推动智能变电站系统建设的关键技术。大数据技术的核心是将数据信息转化为有用的信息，并将其解析为有价值的专业知识，从而帮助决策者做出更明智的决策并采取行动。通过应用大数据分析技术，可以从计算机系统的海量数据中发现隐藏的模式和规则，为决策者提供准确的决策依据。大数据分析技术是我国传统数据挖掘技术的重大突破，可以有效处理各种结构的信息，并且具有高速增长的特点，能够帮助决策者更好地理解和研究变电站系统。

3.3 可视化展示技术

数据可视化是以图形、图像等可视化形式展示数据处理和计算分析结果，直观地解释数据信息，从而提高数据显示的直观性。海量复杂的数据信息将直接呈现给用户，提高大数据的易读性，让用户在最短的时间内了解数据信息的内容和价值，甚至满足人机交互的要求[2]。此外，大数据可视化显示技术还可以实现电网运行状态和设备信息的有效集成及实时更新，为用户提供具有参考价值的复杂数据信息。随着现代信息技术手段的不断更新和优化，数据可视化显示模式已从传统的图表形式逐渐转变为三维显示，如交互式地图和变电站的三维显示功能。将3D显示技术应用于智能电网有助于促进电网建设，能够将智能变电站系统、设备的运行状态及相关参数等，通过三维视图，实现一体化展示。其对于智能电网运行系统及变电运维系统的发展有着重要意义。

4 基于大数据处理技术的智能变电站应用

4.1 智能巡检

智能巡检基本上是基于大数据分析技术，结合CNN模型和快速RCNN模型等深度学习算法，解决对象标注和识别等问题。基于变电站的数字孪生模型，在检查机器人或固定摄像机的帮助下，定期获取现场图像。通过深度学习算法，构建了现场的真实场景模型，与变电站的数字孪生模型相比，可以快速、及时地发现安全隐患，从而提高巡检工作的质量和效率。智能巡检技术可以自动确定红外测温、漏油冒烟、是否有鸟巢和异物等场景，减少人工维护。智能检测技术主要包括行走机构、通信系统、机器人控制单元等。在行走机构的驱动下，机器人本体可以手动、远程控制或沿工字钢轨道（滑线型）独立移动检测。它可以连续收集和存储现场视频和其他数据信息，并手动分析数据，以确定变电站开关设备的状况。该检测装置具有智能巡航控制、限位停止和失速保护等功能。在以变电站为目标的应用中可以实现检查时间的灵活调度，避免在进行人工巡检过程中人员缺失或由于调班导致工作时间过长，产生疲劳、消极工作等状况，不仅可以减少人为因素导致的工作失误，也减少了无效的工作安排。

4.2 状态监测

在传统的变电站系统中，主要的监控对象是单个设备，专注于分析设备的运行状态、数据参数等，没有对整个系统设备和不同设备之间的运行进行全面的监控和数据共享，导致企业和用户之间的通信不足，无法充分了解用户的实际功耗和真实需求，从而影响用户体验[3]。基于大数据技术的智能电网可以有效解决上述问题，实现对变电站运行状态的实时监测，并利用数据采集、处理和分析技术准确分析变电站运行状态，了解用户的实际用电需求和特点，为后续生产决策提供可靠参考，减少资源损失。此外与传统的电力系统相比，大数据技术支持下的智能变电站还能够实现对于数据信息的高效计算和分析，尤其是在处理分布的异构数据时，有着更为明显的优势，在智能变电站数据监测方面有着重要的作用和价值。

4.3 继电保护

智能变电站继电保护设备在运行过程中，应注意优化系统配置技术的科学应用。根据智能变电站的实际情况，应建立一个分层的信息模型来描述模型组件，交换和交换配置信息。智能二次回路连接后，将交互处理的机组信息和保护装置信息进行组合，还可以确定流量信号位置。连接输入和输出的虚拟二次电路的实现为保护装置信息和智能终端信息提供了交互条件，充分激活了双向通信机制，以更好地传递内部和外部信息。通过SCD文件管理实现文件的有效利用，并同步管理措施，为SCD文件提供可靠的支持。在智能变电站的扩展过程中，对SCD文件进行间接更改，密切监控所有扩展行为，合理调整通信配置，确保信息完整且可靠，防范信息丢失。虚回路管理环节不可忽视，并且要全方位监控二次回路工作状态，追溯配置文件信息，并阻止配置文件更改行为。

4.4 安全防护

安全保护系统的实现需要充分发挥可信计算技术的作用，建立变电站系统各组成部分的身份认证系统，如终端、数据库软件等。安全保护系统可信验证范围涉及程序、服务器设备等多种因素。具体而言，是指在主机层和网络层的设计过程中提到的可信验证项目。这些可信验证项目共同构成了变电站系统的安全计算环境，涵盖了变电站系统内的软硬件、程序行为等所有要素，能够敏感感知可信破坏场景并发出警报信号[4]。安全保护系统利用机器学习和大数据的原理，分析变电站系统不同级别之间的数据通信和交互过程。通过聚合和清理，实现了变电站系统通信过程的快照效果，是安全保护监控策略的重要来源。在安全保护系统中，被定义为白名单基线。以基线为监测依据，及时监测和定位不在白名单基线范围内的接入通信行为。白名单之外的协议控制程序也可以被安全保护系统快速检测到，为定位非法访问变电站系统争取了宝贵的时间。对于与变电站系统相关的病毒传播和错误操作等因素，还采用白名单监测来及时定位。安全保护系统实现了绘制拓扑图的功能，能够根据变电站系统的设备布局情况，准确绘制拓扑图并将每个组件的IP地址体现在拓扑图中，提升变电站监控系统的可视化效应。

4.5 设备评估

设备评估主要通过对变电站系统中设备的实时监测和数据采集来评估变电站设备的运行状态。在大数据技术的支持下，智能变电站不仅可以保证对设备的实时监控，还可以综合分析设备自身的参数信息、运行状态数据和外部环境条件，明确设备在不同工况下的运行状态和可靠性指标，实现对风险和故障的有效预测，为电网运行管理提供可靠的指导和有效的参考，减少故障问题和其他事件发生的概率，确保了系统运行的可靠性和稳定性。电力系统设备的数据信息包括实时数据和离线数据，前者主要指设备在线监测数据、故障记录数据、运行模式信息等；后者包括数据运行状态记录信息、故障诊断数据等。设备的实时数据监控、收集和管理基于云平台，在计算机服务器、分布式存储系统和数据管理系统的共同作用和支持下，借助调度算法、任务管理等相应功能模块，实现对于设备数据信息的并行处理。