DQZHAN技術訊：大數據應用：與專家經驗聯合驅動輔助決策
現階段電網規(guī)模持續(xù)高速增長，運檢現場對具備多種專業(yè)綜合處理能力的高素質人才，尤其是具備豐富現場運維經驗的高素質人才需求迫切。能否借助現有的互聯網技術和大數據應用，將傳統的“現場專家經驗驅動”轉變?yōu)椤皵祿c專家經驗聯合驅動”，提升現場缺陷檢出和故障診斷能力，將成為有效緩解現階段運檢業(yè)務結構性缺員的重要途徑之一。
數據與專家經驗的聯合驅動
11月15日，天津電力科學研究院帶電檢測專家何金，在電力設備局放智能診斷數據中心，將工作人員帶來的檢測數據錄入智能診斷系統，短短幾分鐘時間，一份含有診斷結果、相似案例、歷史趨勢的報告便出現在眾人面前。
相比于局放診斷傳統的“經驗驅動”，何金介紹，現在運用大數據分析與深度學習方法，降低因人員技能差異造成錯誤判斷的風險，減少不同型號檢測儀器性能差異的影響，并能夠綜合考慮設備運行環(huán)境、歷史運行工況等方面因素，將復雜的分析運算環(huán)節(jié)交給智能診斷系統，以“數據驅動”提升局放診斷的準確性和工作效率。
這種類似于“AlphaGo”的智能技術，將收集的帶電檢測數據和在線監(jiān)測數據存儲至局放數據中心，結合PMS系統中的相關設備信息，建立電力設備局放智能診斷樣本數據庫及電力設備缺陷和故障綜合案例庫;利用深度學習算法，構建局放圖譜智能識別策略，進行各種典型局放缺陷的智能識別和判斷，為設備狀態(tài)的判斷及預測提供輔助依據。
電力設備局放智能診斷數據中心實現不同類型局放儀器帶電檢測數據、在線監(jiān)測數據等多源數據接入，打造“非專家采集—智能診斷—專家決策”工作流程，平均每個缺陷確認時間由之前的36人/時縮短到7.5人/時，大幅提升檢測效率。
同時，各網省公司也在積極探索大數據技術在設備運檢、災害規(guī)律綜合挖掘分析等方面的應用，并初顯成效。
專業(yè)數據的融合效應
近年來，國網浙江省電力有限公司積極推動智能運檢技術應用，作為運檢信息化示范區(qū)之一，構建智能運檢管控平臺。目前該平臺已經打通25套系統之間的通道壁壘，實現數據共享。
國網浙江電力以變壓器為突破口，**將大數據分析引入變壓器狀態(tài)評估和故障診斷。首先，**梳理影響變壓器穩(wěn)定**運行缺陷、**工況及相關影響因素，實現設備畫像分析。整合浙電云平臺上PMS2.0、調度D5000、在線監(jiān)測等25套系統數據資源，篩選與變壓器穩(wěn)定運行直接相關的影響因素，實現設備5大部件(本體、套管、分接開關、冷卻系統、非電量保護)從招標、制造、安裝調試到運維階段共345項關鍵參數的標簽化展示，該公司以“本體過熱缺陷”和“色譜數據”為突破口，成功解決色譜數據來源、缺陷與色譜數據的關聯關系挖掘等一系列問題。
根據專家經驗，對處在“灰色地帶”的“亞健康”設備，缺少有效的檢出手段，利用“數據驅動”方式篩選重點關注設備(缺陷和亞健康)，是提升3萬億實物設備資產精益化管理水平的必由之路。為解決上述問題，國網浙江電力針對變壓器各狀態(tài)量的數據分布特點，結合生產廠家、氣象環(huán)境和運行年限等多個維度，建設正常、亞健康和缺陷異常三大設備“指紋庫”。對篩選出的亞健康設備，結合設備狀態(tài)量歷史發(fā)展規(guī)律，采用隱馬爾科夫轉移矩陣開展亞健康數據短期預測研究，為后序運維策略調整提供依據。
數據輔助決策的未來
目前，國網運檢部應用運檢智能化分析管控系統，已經能夠通過融合海量視頻、圖像、設備信息等多源數據，在數據挖掘基礎上，建立動態(tài)評價、預測預警、故障研判模型，實現數據驅動的設備狀態(tài)主動推送，提高設備狀態(tài)評價診斷的智能化和自動化水平。
未來，國家電網公司將從系統性、規(guī)范化、綜合性、數據化、多元化五個方面，進一步提升大數據在管控系統中的應用深度和廣度。
“系統性”提升運檢數據利用效率。建立公共數據模型，實現PMS、在線監(jiān)測系統、調度系統等應用系統間的數據貫通，實現信息與資源共享，有效支撐多源數據集成提取和融合分析，提升運檢數據利用效率。
“規(guī)范化”提升多源系統數據質量。通過開發(fā)通用的數據治理專用工具，及時發(fā)現各類數據的質量問題，落實相關數據治理機制，滾動解決相關問題，提升多源系統數據的完整性、準確性和及時性。
“綜合性”提升設備狀態(tài)分析水平。融合電網、設備狀態(tài)和自然環(huán)境等各類信息，建立基于大數據的設備狀態(tài)評價和實時預警模型，進行設備狀態(tài)綜合分析和預判。
“數據化”提升設備故障診斷能力。構建基于故障案例的設備故障樹和故障譜，利用大數據分析技術，實現設備故障診斷由“經驗驅動”向“數據驅動”的轉變。
“多元化”豐富運檢數據處理技術。完善非結構化運檢數據的處理技術，建立主要設備典型缺陷的圖像樣本庫，提高非結構化數據處理效率，實現各類典型缺陷的智能識別和判斷。
