基于大数据技术的电网故障智能诊断方法及准确性评价

陈涛斌

（华润电力（海丰）有限公司518230）

摘要：随着我国社会现代化建设的不断发展，人们对于电网建设的要求也在不断提升。当前很多地区的电网设备已经逐渐趋向于复杂化发展，甚至是以特高级别的高压互联电网进行统一化的协调控制，实现电网运行的一体化管理。就目前的电网安全和故障诊断，国家已经给予了高度的重视。因此，本文将针对大数据技术的电网故障智能诊断方法展开分析。

关键词：大数据技术；电网故障；智能诊断

前言

随着我国电网建设的不断发展，很多现代化技术也融入到这一领域当中。在电网故障诊断工作中，传统的诊断方法已经无法满足当前智能化的电网运行系统，因此需要结合大数据技术的相关内容，不断改善电网故障智能化诊断技术。

一、电网故障智能诊断技术的发展现状

智能化电网管理技术也成为了电网运行系统的核心环节，也是推动电网智能化发展的强大支撑和动力，在智能化电网管理技术中，系统中每时每刻都有着巨大的信息流量，通过系统进行计算分析、对各种数据进行有效的处理，因此可以获得数量庞大的数据资源，而应用大数据技术的相关功能，可以对这些数据资源进行更深刻的分析和整理，通过大数据技术对电网管理数据信息进行深刻挖掘，可以找出大量有效信息，为电网的正常运行提供更多有效的信息[1]。在基于大数据技术的电网故障智能化诊断工作中，通常是通过单一的技术来实现，但是在信息处理的方向研究很少，尤其是对多技术协同应用缺乏合理的开发[2]。

而在电网故障诊断工作中，主要是通过电网的电气量数值以及开关情况，通过这些数据的变化情况，可以有效的识别出电网中出现故障的部件。而有良好设计方式的电网故障诊断技术能够进一步的减少电网故障诊断所需的时间。一方面可以有效的防止电网故障的发生，另一方面也可以有效的保护电网出现故障时不会出现扩张的情况。而通过智能化的电网故障诊断技术相比于过去的电网故障诊断方法可以最大程度的保证诊断技术的效率和准确性。此外，通过大数据技术，使用智能化电网故障诊断技术可以成为这一领域中的重要研究方向[3]。

二、大数据技术下电网故障诊断技术

（一）大数据技术

当前电网故障诊断系统是通过计算机作为核心，将数据通过计算实现诊断。系统核心主要为电网调度运行环节，其中主要有：电网调度计划、二次电网在线调度系统、系统安全校核、WAMS、水电及新能源、调度管理等。在电网互联运行中，尤其是以特高级别的高压互联电网进行统一化的协调控制，实现电网运行的一体化管理，传统的诊断技术无法适应当前计算复杂数据以及情况。所以，大数据技术用于电网调控是大数据理念的有效应用，而大数据技术和功能在电网运行系统调控中的应用。而电网运行数据主要从来智能化电网调度系统中生成[4]。

当前电网故障智能化诊断系统的逐渐深入发展，系统中每时每刻都有着巨大的信息流量，通过系统进行计算分析、对各种数据进行有效的处理。例如电网故障智能化诊断系统可以一直在网络中采集电网运行系统的各种数据信息，其中主要有电网的电压、电量数据、电力情况、负荷情况等数据种类。

（二）智能化电网故障诊断技术

过去的电网故障诊断系统主要需要根据人工方式对各种数据的处理和分析，此外需要结合电网的信号处理方法以及数据模型，但是这种方式有着很多的不足。而电网运行中通过人工智能技术，可以为电网故障诊断提供了较为先进的自动化处理分析能力以及智能化学习方法。此外，人工智能技术在实际的电网故障诊断中可以存储更多故障诊断数据，实现长时间存储的故障诊断经验，并在模拟人脑的基础上进行逻辑思维上的合理推理，进而达到解决电网诊断时出现的各种问题。当前，电网故障诊断工作中主要的大数据技术应用包括粗糙集理论方法、人工神经网络、数据挖掘等技术进行有效的组合应用[5]。

三、基于大数据技术的电网故障诊断方法及准确性分析

（一）粗糙集方法

粗糙集理论是通过对目标进行模糊的处理，进而获得不唯一和不完全的信息数据的分析方法。在粗糙集理论中主要提出了计算的约简方式，通过目标集的基本信息以及目标的分类维持不变的情况下，进一步消除目标中重复、多余的属性以及相关数值，进而获取目标集中核心属性的最小子集。通过这种方式可以更有效的进行分类，并获取质量可以接分类结果。粗糙集理论在应用的过程中不需要目标的附加信息以及其他的先验经验。只是根据原始数据进行分析，并提出发现的隐含信息，揭示目标潜在规律。粗糙集理论的核心就是通过等价关系对目标进行有效合理的划分。例如，在电网智能化诊断中，可以获取电网各种设备的故障记录，通过粗糙集方法可以对及时的获取“关键属性集合”。此外在电网正常的工作过程中，还会出现一些潜在的缺陷，这些缺陷随时会造成电网出现故障，因此对电网的正常运行有着极大的威胁，甚至会在大范围的电网设备中出现不良影响，造成电网瘫痪。所以在发现电网设备出现缺陷时，需要通过粗糙集及时的对缺陷位置进行分析[6]。

（二）人工神经网络算法的故障诊断方法

人工神经网络技术是大数据技术中十分典型的分类化计算方法，是通过大量的神经元为核心，在不同方式下实现相互连接，进而组成结构不同的网络数据模型。在数据模型中所有的节点都将代表一个信号加权值，也就是在输出函数。

在实际的应用过程中网络数据模型的节点以及节点的连接方式、加权值等都会随实际情况出现变化。因此，人工神经网络计算技术会通过独特的联系记忆方法以及并行分析等功能在电力系统的智能化故障诊断工作中得到广泛的应用。

在电网智能化诊断技术中应用人工神经网络技术，主要是通过不同电网故障进行组合，进而会得到不同的故障组合的相关信息，这就可以把电网故障的诊断信息作为数据模型中的识别问题，再通过人工神经网络的计算方法进行分析。首先，需要通过粗糙集理论的相关算法对电网故障出现的报警信号予以简化，达到提升神经网络建模速度的效果。其次通过迭代方法进行计算，找出神经网络数据模型的相关参数，最终形成网络模型。在模型中输入电网的信息数据，就能够获得数据模型分析出的电网故障检测结果。

结束语

综上所述，大数据技术在电网故障诊断工作中有着十分重要的作用，尤其是在电网智能化运行的调度系统中更加适用，通过大数据技术的相关功能可以进一步的通过电网故障诊断的效率和准确性。因此在电网智能化故障诊断中，大数据技术的应用将更加的广泛。

参考文献：

[1]张启芳.基于大数据的电力设备故障诊断与预测研究及应用[A].中国电力科学研究院.2017智能电网新技术发展与应用研讨会论文集[C].中国电力科学研究院：北京市海淀区太极计算机培训中心，2017：4.

[2]王磊，陈青，高洪雨，马志广，张艳杰，何登森.基于大数据挖掘技术的智能变电站故障追踪架构[J].电力系统自动化，2018，42（03）：84-91.

[3]王守鹏，赵冬梅.电网故障诊断的研究综述与前景展望[J].电力系统自动化，2017，41（19）：164-175.

[4]于磊，王双，韩宇龙，王守琴，马富.基于大数据技术的电网故障智能诊断方法[J].中国科技信息，2016（02）：32-33+22.

[5]陈星田.智能变电站继电保护隐藏故障诊断与系统重构方法[D].重庆大学，2015.

[6]姚浩，李鹏，郭晓斌，许爱东，蒋愈勇，段刚，杨东.基于大数据的告警信息处理和故障设备定位技术研究[J].电网与清洁能源，2014，30（12）：72-77.