基于大数据的输变电设备缺陷评估示范平台设计

针对当前电网可靠性问题,结合输变电运行特点,在输变电设备缺陷分析平台需求基础上,提出一种基于Hadoop的输变电设备缺陷分析平台。首先分析该平台的需求,并给出系统整体架构;其次从数据存储和查询效率入手,采用Hadoop架构对数据进行存储,采用CMCH算法提高数据查询效率。再次构建设备缺陷评估模块,通过加权分值计算方式,实现设备缺陷等级的划分;最后通过搭建Hadoop平台对该方案进行验证,结果表明,该方案可有效提高数据查询能力,实现对输变电设备缺陷数据的处理。     

全域统一建模的输变电设备管控数据平台

通过研究输变电设备管控全域数据,构建了支撑多种业务应用系统的数据平台。涵盖电网模型、运行、监测、运维、试验、环境等多维度数据,基于公共信息模型设计了输变电设备状态监测统一信息模型。通过模式元素附加属性来控制存储方式,有机地结合关系数据库和分布式文件系统来实现数据的有序存储;通过设定数据源系统优先级,完成数据汇聚及数据质量优化;建立的输变电设备管控数据平台,通过标准服务,支撑设备监测、状态评价、故障诊断等各种应用系统,可提高数据共享价值。     

输变电设备全景信息的多源异构数据聚合方法

针对输变电设备全景信息多源、异构特性不利于数据的高效整合和深度挖掘利用的问题,提出一种基于改进混合本体的多源异构数据聚合方法。通过构建数据源的局部本体以及全局本体,利用本体的语义特性,解决数据聚合中关键性的语义异构问题;采用网络本体语言本体构造和语义网络规则语言规则结合的方式,建立全局本体和局部本体之间的映射,实现映射的重用和共享。输变电设备状态评估信息和环境信息2种典型异构数据源的数据聚合结果表明:该方法可以屏蔽底层异构数据源的语义差异性,实现对异构数据源层的透明访问、有效聚合及后期数据挖掘利用,因其本体建模采用标准化和开放性建模语言而具有较好的可维护性和扩展性,利于更多新业务带来的异构数据源的接入和聚合,有助于推动输变电设备物联网的全景信息集成平台建设。     

基于数字化平台的输变电设备在线分析和状态维修技术

针对当前状态检修工作的技术需求,进行了输变电设备在线分析和状态维修技术支撑系统及关键技术的研究和系统构建.系统由状态监测层、站内数据平台、远方数据平台、高级应用层组成;实现了状态数据的采集和统一建模、信息管理、故障诊断、状态评价、风险评估和资产运营.     

基于IEC 61850的输变电设备状态监测集成平台

为了满足未来智能电网对全景状态信息进行监测和共享的需要,文中提出基于IEC 61850标准的输变电设备状态监测集成方法,并给出了集成平台的系统结构.通过对无缝通用通信服务器、协议转换方法以及状态监测实时通信等关键问题的研究,将不同厂商、不同通信接口、不同通信协议的输变电状态在线监测装置同时接入并集成到IEC 61850技术体系,并对外提供统一的IEC 61850通信接口.采用荷兰KEMA公司UniCA 61850 Analyzer分析仪捕获并分析了所实现的关联、目录获取与报告等服务的报文,验证了实现方法的正确性和可行性.     

构建基于数字化平台的输变电设备在线分析和状态检修系统

目前要进一步推广状态检修,面一临着很多新的技术需求：要充分考虑大电网安全运行和设备全寿命周期管理对设备状态动态数据的需求;构建面向状态检修的数字化管理支撑平台,须在设备状态获取、数据信息整合、设备诊断、状态评估及检修管理几个关键方面有所突破。华东电网输变电设备在线分析和状态检修数据中心以数字化变电站的理念,利用各种最新技术,构建了基于数字化平台的输变电设备在线分析和状态检修系统。介绍了系统整体框架：由状态监测层、站内数据平台、远方数据平台和高级应用层组成。该系统通过安装在现场的监测终端,连续进行各种现场设备状态量的监测;完成了红外动态远程状态检测方案,可以绘制任意点的温度一时间曲线,分析温度随时问、工况的变化趋势;将IEC61850作为通信规约,以数字化变电站的概念统一各厂家的通信规约,实现了不同供应商设备间、在线监测与其他电力自动化系统间数据交换的无缝连接;对外提供符合IEC61970标准的CIS接口,使得新开发的应用可以方便地获取数据平台的数据信息;还具有故障诊断、状态评价、资产运营建议功能和风险评价等功能。     

基于集成学习的输变电设备数据质量检测方法

在数据分析的应用中,数据质量是一切分析研究的基础,针对电网运行过程中输变电设备基础数据质量不高的问题,首先介绍了电力系统不良数据的产生原因与主要表现形式,并设计了一种通过历史数据训练优化生成的随机森林(一种集成学习算法)模型,可以实现对可疑数据的检测与筛查。通过对不平衡训练样本的处理,在测试算例结果对比中,均衡样本后的随机森林模型比未均衡样本的随机森林在负样本的预测准确率高10%,相比单个决策树模型在正样本的预测准确率也高出9%,这表明了集成学习在计算效率与准确率方面相对其他机器学习分类算法的优势,以及均衡训练样本对模型准确率的提升有明显效果。     

基于Hadoop CDH的用电信息大数据平台的研究

针对用电信息采集系统数据量成指数级增长,普通服务器已经无法满足巨量数据的分析,介绍了Hadoop CDH集群工具,阐述了用采系统大数据平台的架构模式,提出了在用电信息大数据项目在大数据平台上的应用流程。     

基于大数据分析的输变电设备状态数据异常检测方法

传统的阈值判定方法难以准确检测输变电设备的状态异常,该文提出一种基于时间序列分析和无监督学习等大数据分析的异常检测方法,从数据演化过程、数据关联的全新角度实现异常检测。通过时间序列模型和自适应神经网络对历史数据潜在的特征进行挖掘,并将数据对时间的动态变化规律用转移概率序列表示。针对多维的监测数据,运用无监督聚类方法简化各参量之间的相关关系,从而避免参量间相关性难以确定的问题。提出异常检测体系,并使之适用于输变电设备状态监测数据流,实现数据流中异常的快速检出。最后结合运行实例验证了提出方法的有效性,表明本方法能快速检测出设备的异常运行状态。     

云平台下输变电设备状态监测大数据存储优化与并行处理

结合大数据技术提升输变电设备状态评价的广度和深度,并解决实际应用问题成为目前电力行业新的挑战。针对输变电设备状态监测大数据可靠存储和快速访问两方面大数据处理核心问题,基于开源的Hadoop云计算实验平台进行了数据分布策略、数据块尺寸调优、集群网络拓扑规划三方面的存储优化研究和大数据并行分析的研究。提出计及数据相关性的多副本一致哈希数据存储算法,能将具有相关性的数据在集群中聚集,提升数据处理执行效率。基于数据相关性多副本一致哈希数据分布,应用Map Reduce并行编程模型设计实现了多数据源并行连接查询算法和多通道数据融合并行特征提取算法。将两种算法在实验室搭建的集群上测试运行,结果表明,多数据源并行连接查询的执行时间仅为标准Hadoop方案的32%,多通道数据融合并行特征提取算法执行时间仅为标准Hadoop方案的35%。     

基于时间序列分析的输变电设备状态大数据清洗方法

数据清洗是输变电设备状态评估数据预处理的一个关键步骤,有助于提高数据质量和数据利用率。文中将设备状态信息等效成各状态量的时间序列,提出了一种基于时间序列分析的双循环迭代检验法。首先,将时间序列中的异常数据进行了分类,并将缺失值归纳为其中一类异常值。然后,分析了不同类别异常值对时间序列模型的影响,并阐述了迭代检验法的实现步骤。最后,利用所述方法对南网某变压器和线路的监测数据进行了数据清洗,结果表明该方法能识别并修正数据中的噪声点,填补缺失值,满足数据清洗要求。     

基于大数据技术的输变电设备状态评估及风险评估研究

针对现有的状态评价方法不能全面有效反映输变电设备运行状态评估及风险评估问题,提出了基于大数据技术的输变电设备状态评估及风险评估理论。首先,对输变电设备状态评估关联大数据体系的研究及构建进行了深入的阐述。其次,介绍了基于大数据分析的设备状态检修管理及状态评估的主要内容及状态评估总体框架。最后,从设备故障风险、电网运行风险两个方面介绍了基于大数据分析的输变电设备运行风险评估的方法,并设计了基于大数据技术的输变电设备状态评估及风险评估支持系统总体框架。该方法可为大数据技术在输变电设备状态评估及风险评估方面的应用提供理论参考。     

基于HBase的输电线路综合数据存储方案设计

输电线路综合数据具有复杂性、体量巨大及多源异构等特点。针对当前关系数据库对于视频图像、图片等非结构化数据处理能力不足的问题,结合大数据的相关理论,提出基于Hadoop和HBase的输电线路综合数据的存储方案,将结构化数据和非结构化数据均转化为Bytes数组存入HBase数据库,并阐明具体的存储原理和工作方式,有效地解决了原有数据信息共享性差、非结构化数据难以存储等难题,弥补了关系数据库的不足,为大数据时代下智能电网的信息化建设提供思路。     

基于Hadoop生态环境的大数据平台在电网公司海量数据准实时处理中的应用

随着智能电网的发展,电网公司的各类业务应用产生了海量的数据,传统信息技术的解决方案在数据存储和分析技术方面存在一定的瓶颈,其架构难以满足对数据海量准实时处理的需求。基于Hadoop生态环境的大数据技术是以分布式文件系统为基础的大规模并行数据处理平台,它能充分利用硬件集群的资源,进行并行计算和内存流计算,大大提高了数据运算分析的效率,全面支撑电网公司如准实时线损运算、设备准实时在线故障研判预警等对海量准实时数据处理分析的需求,有望大大提高数据管理的效率。     

基于风险评估的输变电设备维修技术

针对输变电设备的维修管理,提出基于风险评估的维修技术.通过构建完整的输变电设备风险评估体系与基于风险的维修决策方法,建立了将基于风险的维修(RBM)方法应用于输变电设备维修的基本技术框架.与已有维修技术相比,文中通过引入风险评估理论与区间分析思想,不仅使维修决策更为经济和科学,而且将技术的可操作性大大增强.在某地区电网的应用结果表明:该方法全面评估了设备风险,能够快速、有效地进行维修决策,具有很好的应用前景.     

基于地理信息系统的输变电设备管理系统分析

简述地理信息系统的概念,国内外地理信息系统的应用情况及发展趋势,重点介绍基于地理信息系统的输变电设备管理系统和基本功能,并分析了其应用过程中应该注意的问题。     

基于RESTful快捷服务总线的输变电设备全景信息集成平台设计

为解决物联网背景下输变电设备全景信息高度多源异构和业务复杂多变的问题,提出了基于RESTful与SOAP协同的平台构建策略,设计了基于简单高效的RESTful服务与服务总线的输变电设备全景信息集成平台。以变压器状态评价业务为例进行了平台的功能实现,并对平台数据操作的效率及业务更改的便捷性进行相关测试与验证,结果表明采用RESTful方式的平台在数据传输效率上较原SOAP方式更具效率,同时平台的业务维护升级性能更为良好。平台可实现对数据服务的快捷响应及对业务功能的灵活扩展,可为多种高级智能应用提供统一的数据与服务流程,具有支撑输变电设备全寿命周期管理的能力。     

基于Hadoop平台的风机群落故障预警

针对传统风机故障预警中采用设定单一变量恒定阈值的方法容易造成故障误报、不报以及排查时间不足等问题,提出一种在Hadoop平台采用分布式存储并行式计算的方法对整个风场进行分析。首先对SCADA系统历史数据进行分析,采用聚类方法对工况相似的风机进行群落划分。再依据统计学原理,对每一个风机群落里的风机温度类参数进行箱式分布,从而识别离群风机。最后采用显著性差异分析和滑动窗口的方法对离群风机进行分析判断最终确定异常风机。为进一步预测异常风机的变化特性,采用线性回归方法对异常风机建模并进行预测残差分析。结合一定的现场经验,设置合理的预测残差预警阈值实现异常风机的故障预警功能。通过对某大型风场进行试验验证,该方法在故障预警方面有较高的准确率。     

基于栈式降噪自编码器的输变电设备状态数据清洗方法

针对当前输变电设备状态监测数据清洗过程繁琐,易造成信息丢失等问题,利用栈式降噪自编码器对"脏"数据的还原解析能力及异常状态特征提取能力,提出了一种基于栈式降噪自编码器的数据清洗方法。对设备正常工况及异常运行状态数据分别利用栈式降噪自编码器进行训练学习,获取损失函数向量,形成奇异点、缺失数据修复模型和设备异常运行状态数据降噪模型。通过核密度估计确定训练样本损失函数上限和容限时窗,根据测试数据重构误差和异常数据时长与损失函数上限和容限时窗间的关系,对"脏"数据进行分类处理。对某变压器油色谱中总烃含量及某导线温度数据进行清洗,结果表明所提方法能有效辨识奇异点、缺失信息及异常运行状态数据,并对奇异点、缺失值进行修复重构。在设备异常运行时刻,可以有效过滤干扰数据。