基于大数据技术的电力系统信息化运维体系研究

　　文/庞山 四川广安爱众股份有限公司

　　摘要：随着信息化工具的不断升级与发展，各行各业对于大数据的应用水平不断提高，促进了各个行业的结构化改革。尤其在人工智能工具的促进下，电力行业的信息化水平不断提升，其数据采集的类型越来越丰富，而强化末端基础信息数据的挖掘能够为电力行业的高质量运维提供准确的信息支撑。对此，本文分析了电力大数据在信息化运维中的应用要点，阐释了基于大数据的信息化运维原理与信息化运维平台结构，给出了基于大数据技术的电力系统信息化运维体系的构建策略。本文可为电力系统的运行维护策略升级提供横向的参考和借鉴。

　　关键词：电力行业；大数据；信息化；运维体系

　　引言

　　随着电力行业信息化建设进程的不断加快，大数据技术在业务指导中的效能也越来越高。在末端的业务管理中，电力企业积累了海量的运行数据，这些数据包含电网的运行状态和设备的健康状况等信息[1]。而合理化地利用运维数据并开展大数据分析，不仅可以指导电网的运行决策，还可以提升电力系统的经济效益。

　　1. 电力大数据在信息化运维中的应用要点

　　1.1 运维流程优化

　　在电力行业中，运维流程所涉及的数据十分丰富，包括发变电设备的工作票据数据、维保日志数据、过程检测数据等。通过对这些数据的收集和分析，可以全面了解电力运维业务的现状，从而有针对性地进行优化。同时，在运维体系中可以通过部署传感器，采集设备的实时状态数据，建立在线监测系统，当监测数据超过阈值时，系统将自动调用维保知识图谱，实现闭环运维管理，降低故障处理的时间成本。

　　1.2 故障预测与预防

　　电力系统中建立故障预警机制是确保系统安全运行的重要手段[2]。通过基于人工智能模型挖掘和分析历史故障数据、运行监测数据、环境数据，能够建立相关的预警模型，实现对电网设备潜在故障的准确预测。挖掘的数据源主要涵盖历史故障数据、报警数据、运行监测数据和环境数据，数据集包括事件ID、设备名称、故障时间、故障类型、预警信号[3]等信息。通过整合过程数据能够建立全面的故障样本数据集，实现对未来故障的精准预测。

　　1.3 运维监督与检查

　　除了建立故障预警机制外，开展预防性维护和监督检查也是保障电力系统安全稳定运行的重要手段。通过对设备健康状况和风险评估结果的深度挖掘，能够有针对性地制定和执行预防性的维保计划，保障电力系统的高质量运行[4]。在开展运维监督和检查的过程中，还应定期对维护工作进行检查和评估，以便及时发现和解决执行中的问题，保障维护工作的质量和效果。

　　2. 基于大数据的信息化运维原理

　　2.1 运维数据采集

　　运维平台的数据采集要点主要为电力监控和运维检修等过程数据[5]，这些数据在B/S被标记为簇头节点，在各个数据采集区内，感知网络的数据量为M，所有的感知网络数据能够构成数据集合G，则感知区域内的数据采集计算方法为

　　式中，gi为第i个节点的网络，依据网络集合的参数数据能够详细描述出服务器中所设置的数据采集算法。

　　2.2 运维周期计算

　　将运维平台中服务器采集的数据周期定义为T，则在感知网络中原始数据的运维周期集合P的计算方法为

　　式中，Xt为第i个数据周期内所采集的矩阵，但是对于“2.1”节和“2.2”节所计算得到的数据参数可能会存在数据缺失以及格式不统一等问题，因此还需要对数据集进行降噪处理。

　　2.3 检修管理系统数据融合

　　目前现有的电力检修部门在制定检修计划时，往往是以检修规章制度中要求的时间节点作为参考依据，但是在实际的运行中，影响电力设备稳定性的因素还有设备的运行年限、设备运行的周边环境、设备的故障率等潜在风险因素，因此在综合考虑上述间接因素后，检修周期的数据融合计算方法为

　　式中，TQ为实际的检修数据融合周期；T为规章制度中所规定的运维周期；KA为运维设备的实际运行年限；KE为设备运行的环境参数；KF为设备的故障发生概率。但是在实际运行的过程中，计算结果可能与实际计划之间存在冲突出入，因此还需将历史负荷等数据作为运维补充，作为判断系统数据融合的依据。

　　2.4 大数据对故障特征量的影响

　　在实际的运维中，电力系统的电流参数会受到输电谐波的系数影响，进而影响到数据评估的质量[6]，因此需要重点强化大数据监测对故障特征量的影响。假设运维系统处于正常的工作模式，而大数据监测工具及硬件对故障特征量的影响因素为f，η为短路电流所承受的输电谐波，则短路电压表示为

　　式中，U″为短路电压；U1、U0分别为匝间电压的实际值与理想值；λ为短路电流；y为输出参数；s为故障数据的发生周期。对此，故障特征的向量表示原理为

　　式中，k为故障特征结果；a为响应周期；l为执行系数；d、h为常量。

　　3. 基于大数据技术的电力系统信息化运维平台结构

　　通过上文的分析能够看出，运维数据具有数据容量大并且数据种类复杂的特点，涵盖设备参数信息、设备采集信息、系统数据信息等。为了更好地做好数据运维工作，必须强化各类数据分析技术的核心优势，保证运维方案的可靠性、安全性和优先级，其平台结构的建立方式如表1所示。

　　在各个层级的数据参数中，数据采集层主要解决原始数据中存在的“脏数据”问题。电力系统的数据主要来源于电力企业的业务系统、电力调度控制系统、视频监控系统等，这些系统产生的数据种类繁多，且存在重复、遗漏、异常等情况，因此需要对原始数据进行识别、修正和删除，确保使用的数据准确可靠。数据存储层将电力系统的不同监测数据和事件日志数据进行深度合并，按时间顺序不断添加和整合新数据。电力信息系统分布在多个部门，数据格式和语义不尽相同，数据分析层将来自不同系统的异构数据关联合并，构建统一的数据集。最终，数据分析通过数据映射、分级、时间对齐等形式实现数据之间的语义交互，以支持运维体系的综合分析。

　　4. 基于大数据技术的电力系统信息化运维体系

　　大数据背景下的电力数据运维管理，本质是对运行数据资源的管理，通过基于大模型和大算法的信息资源优化，能够强化运维管理的综合能力，深度发挥数据信息技术辅助电力运维管理的效能，其系统分析架构如图1所示。

　　4.1 运维数据采集

　　电力企业运维数据的来源较为广泛，受到历史因素的影响，电力企业中还存在大量的IOE存量系统在数据中心运行，但是随着数字化转型趋势的不断加快，大量新设备和新系统采用的是x86的系统架构，其应用范畴和数据采集范围被显著扩充。在多种异构软硬件共同交互的平台形式下，数据采集过程不仅有传统业务，同时还有新业务，其技术体系存在较大的应用差异，对此产生出的运维数据也具有不同的数据类型和数据格式，因此需要有多元化的采集与解读方式。随着业务过程的不断积累，运维数据也呈现爆炸式的增长态势，对此还需从各个数据源中综合收集数据，并融合到数据中间件中进行集成加工和处理，数据类型不限于日志数据、性能数据、行为数据等。

　　4.2 运维数据预处理

　　电力系统中的数据包括结构化数据（运行数据、状态数据）和非结构化数据（图像、语音、视频）。因此，在进行数据处理时需进行格式转换，使其可用于分析算法当中，将原始的数据转换成结构化、可靠、整洁的数据集，为后续的数据分析和模型建立提供高质量的数据源。数据质量对于后续的数据挖掘过程具有决定性的影响，因此保证数据的完整、准确、可靠是数据采集和数据预处理的关键所在，目前电力企业的运维平台中的应用规范和日志规范存在较大的不统一现象，系统的采集数据很容易受到噪声数据以及数据缺失值的影响。而通过强化数据的预处理能够显著提升数据处理质量，进而综合提升数据分析与数据可视化的展示效果。数据预处理的类型主要涵盖场景数据、信息数据、平台数据等，使得数据集能够在保证结果准确性的基础上，显著降低数据参数集的规模。同时经过预处理的数据，其数据格式也更加统一，这不仅简化了分析流程，强化数据处理的有效性，也使得数据挖掘预分析算法能够更加被容易理解。

　　4.3 运维数据存储

　　在处理大数据时，高效的数据存储与管理方案能够有效提升数据的安全性、可靠性和可用性。电力企业每天产生大量的实时监测数据、运行日志、检测报告、图像视频等多样化数据，这需要极大的数据存储和计算能力。因此，电力企业普遍采用分布式存储系统来管理海量数据，电网数据的存储可以选择不同的数据存储形式，主要涵盖结构化数据库、块级存储库、NAS级存储方式，其大数据的存储特征符合不同存储介质和组织管理之间的映射关系，通过标准化硬件的设计能够显著降低单位容量的成本，深度缓解数据存储的容量和性能挑战。同时相比于SAN存储和NAS存储，分布式的存储模式具有高效和经济的特点，后续在进行数据挖掘开发的过程中，磁盘的读写相对较少，相比于单一使用SQL数据库能够更加出色地处理文档数据，进而综合降低了I/O需求，显著提升了数据处理效率。

　　4.4 运维数据分析与可视化

　　电力运维数据中心往往储存着各类主机、服务器、网络设备，以及数据库的运行日志和行为数据，对此需要建立与之对应的数据模型来强化既有数据处理的分析能力。在数据分析的过程中，主要涵盖统计分析技术、预测学习技术、模型预警技术，其中，描述性分析主要利用图表、统计量等手段对电力数据进行概况性描述和传递总体信息，这是大数据分析的基础，同时计算了日均值、中位数、方差等统计量，直观反映停电概貌。而预测性分析通过建立算法模型分析历史数据，并对电力系统的未来状态或趋势进行预测。对于大数据模型来说，实时、高效地开展模型训练并及时提示风险预警是设备运行的关键，而基于计算机图形处理技术，能够实时地将各类图表和挖掘数据展现在中控系统中，实现运维数据和数据处理的综合检索和观测分析。

　　结语

　　大数据分析应用为电力企业实施精细化运维提供了可能，电力系统的实时监测数据、操作日志数据、环境数据、地理空间数据等为描述电力系统运行状态、预测系统行为趋势、评估资产健康状况奠定了基础。因此，借助云计算与人工智能技术，可以实现对海量电力数据的高效运维，通过与电网控制指令和现场作业相连，形成闭环的智能运维体系，加速了电网的数字化转型进程。

　　参考文献：

　　[1]杨美军,万佳,彭丽辉.基于大数据的电力管理与改进分析[J].江西电力,2023, 47(6):40-44.

　　[2]张向聪,张潺,杨莹,等.电网信息化运维中关键技术研究及应用[J].电气技术与经济,2023(10):293-295.

　　[3]潘飞,潘树昌,周识远.大数据背景下的电力信息化智能管控平台设计[J].华东科技,2023(11):101-103.

　　[4]田黎耀.智能电网输变电设备集中监控信息数据统计应用[J].互联网周刊, 2023(19):72-74.

　　[5]陆郁强.基于大数据分析的电力变电站故障诊断与维护策略研究[J].电气技术与经济,2023(8):218-220.

　　[6]陆文祥.基于大数据的电力设备运行数据分析系统的设计[J].电子元器件与信息技术,2021,5(12):30-31,43.

　　作者简介：庞山，本科，工程师，研究方向：企业管理信息化、水电气生产信息化。

关注读览天下微信， 100万篇深度好文， 等你来看……