基于大数据分析的变电站故障诊断与维护优化研究

石文超，张彤阳

（国网江苏省镇江供电分公司，江苏 镇江 212000）

0 引 言

随着国民经济的发展，近年来各行业对电网供电安全可靠性的要求不断提高。电网的运行状况直接关系国民经济的发展，而变电站作为电网的重要环节，其安全运行对于经济生产等工作的正常运转至关重要。在变电站中，事故的判断与处理是重要的任务。当发生故障时，运行人员需要及时准确地判断原因并消除故障，以恢复供电。传统技术管理手段难以适应新的要求，如何准确地判断处理故障成为重要的研究课题。由于变电站设备种类繁多、结构复杂，部分变电站建立了数据采集与监视控制（Supervisory ControI And Data Acquisition，SCADA）来提高安全运行水平，但仍存在断路器、继电器误动作风险。当站内发生故障时，运行人员需要迅速处理大量报警信号。随着相关领域技术的发展，很多先进技术被应用于智能变电站状态监测。大数据分析为变电站故障诊断与维护提供了新的技术手段，研究基于大数据的变电站故障诊断、维护及优化具有重要意义。

1 大数据分析技术

电力设备的更新换代推动着电力技术的发展。随着我国智能电网的迅速发展，监测数据类型呈现多样化趋势[1]。变电站的运行数据和故障数据中蕴含丰富的信息，利用大数据技术进行故障诊断与维护具有重要作用。智能电网的出现加速了电力系统大数据的发展，电力设备的状态决定了电网运行的稳定性。智能变电站大规模发展过程中积累了大量的变电站设备状态监测历史数据，这些数据通常存储在不同的数据仓库中，无法实现数据共享。而Hadoop 云计算技术采用分布式文件系统（Hadoop Distribute File System，HDFS）存储所需的数据，通过分解任务实现并行数据处理和分析。通过集中整合变电站设备状态监测数据，可以实现负载能力评估和智能调度。MapReduce是一种在大数据处理中广泛使用的技术，可以并行处理海量数据。MapReduce 的执行过程如图1所示。

图1 MapReduce 执行过程

大数据技术是现代智能系统发展的分支，可以集成分散的存储资源构建共享集群[2]。大数据处理技术包括流式处理与内存计算技术，能够对数据进行查询分析操作，计算速度得到大幅提升。Spark 内存计算技术引擎将所需数据放入内存，可以减少I/O操作，加快数据访问速度。Storm 流式处理技术提供了处理连续流式数据的计算框架。

Hadoop 开源式分布计算框架具有设备利用率高等优点，将底层关键技术统一封装，使用户可以轻松组织计算机资源开发编写应用程序。Hadoop 工作原理是将所需应用程序分割为小工作单元，将任务放到集群节点上执行。Hadoop 框架如图2 所示。

图2 Hadoop 框架

2 大数据变电站故障诊断与维护平台设计

电力系统出现故障易引起大范围连锁波动，快速、准确地定位故障设备是保证电网安全稳定运行的重要工作[3]。由于变电站设备种类多、结构复杂，各种变电站建立了SCADA 系统来提高安全运行水平，但仍存在继电器错误动作的风险。随着大数据技术的成熟，为变电站故障诊断维护提供了重要的技术支撑。目前，配备故障录波联网系统，结合厂站事件顺序（Sequence of Event，SOE）记录实现故障诊断与维护是可行的方案。

变电站在电网中发挥着重要作用，其核心任务是快速准确地判断和处理各类事故。一旦变电站发生故障，运行人员需要及时分析原因并采取相应的措施进行修复。大数据变电站故障诊断与维护平台从实际需求出发，设计业务应用与数据技术架构。随着智能电网建设的推进，电网故障诊断工作的重要性日益凸显，但现有的变电站故障诊断系统仍显不足。由于变电站故障诊断平台需要处理毫秒级时序事件，对处理速率要求高，同时变电站故障诊断数据来源广泛，信息建模工作较为繁重，都制约了系统在实际应用中的效果。通过建立大数据变电站故障数据分析平台，并探索有效的故障数据处理方法，以提高诊断效率。

大数据智能变电站故障诊断系统可以利用继电保护动作信号和故障电压来进行诊断。该平台的核心业务是故障信息采集和分析，通过与能量管理系统（Energy Management System，EMS）集成，能够实时采集故障数据并进行分析，从而实现精准的故障诊断[4]。在平台处理变电站故障数据时，用户需要对二次模型的完整性进行判断。如果二次模型完整，平台将与匹配规则库进行匹配分析，以识别可疑的变电站。一旦匹配成功，故障诊断模块将对事项信息进行分析，以确定故障的原因和位置。

3 基于大数据分析的变电站故障诊断系统优化

变电站涵盖电网调度的底层，迅速、准确地诊断和处理变电站故障对保证现代电网安全可靠运行具有重要意义[5]。随着电力系统设备的更新，变电站功能趋向多元化。智能变电站为电网运行提供实时数据，同时为电网状态监测分析提供有力支撑。变电站中包含变压器等为电力系统运行提供基础保障服务的元器件，及时处理故障、避免扩大停电范围非常重要。大多数电力企业设备状态监测数据中心利用数据仓库技术（Extract-Transform-Load，ETL）将分散在业务系统的数据抽取清洗，转化为智能变电站高质量的数据。变电站监测平台架构如图3 所示。

图3 变电站状态监测平台架构

数据采集层采集变电设备运行产生的数据，包含结构化数据与非结构化数据，需要将传统型关系数据库数据迁移至非关系型数据库，对所需数据进行处理后采用统一结构存储数据。Sqoop 可以将分析结果导出到MySQL，供用户查看。数据存储层将HDFS 与MySQL 进行整合，将状态监测大数据存储在HDFS 中。Hive 创建表字段存储在MySQL 中，需要启动MySQL验证源数据。

关系型联机分析处理（Relational On-Line Analytical Processing，ROLAP）采用常规的数据关系模型，涉及大量连接运算，存在响应速度慢等问题。研究采用编码方式对传统数据模块改进，避免频繁连接操作，提高响应速度[6]。设计无连接层次编码模型，借鉴Dumbo 编码思想改进，将监测中心层次编码信息压缩于事实表，可以独立执行聚焦等操作，减少大量耗时的查询开销[7-8]。

4 结 论

电网系统变电站设备的稳定性关系到电力系统的安全运行，必须保证变电站运行的可靠性。设备故障诊断是保证电网系统安全运行的重要基础，及时排除潜在隐患对电力事故预防具有重要意义。大数据时代传统故障诊断方式不能满足变电站维护的需求，大数据分析技术为变电站故障诊断与维护提供新的技术支持。通过设计智能变电站大数据故障诊断与维护平台，优化变电站故障诊断与维护系统，有效保证变电站设备的安全运行。