论文部分内容阅读
现代电力系统电压等级不断提高,电网容量不断扩大,对电力设备的安全性、可靠性提出了更高的要求,状态监测技术愈发受到重视。随着电力系统信息化与智能化建设的深入,其环境下的电力设备状态监测种类越来越多,方法也更为先进,对电力设备的状态评估和故障诊断起到一定程度的帮助。但是随着时间的积累,存储的监测数据成倍增加,传统的数据分析方法遇到了很大的困难:首先电力设备状态监测系统在长期、连续的监测中,采集的数据量十分巨大;其次由于设备监测手段的日趋丰富,有许多非传统电力监测方法比如声音信号、视频信号的加入,监测数据的种类越发多样化;另外,现代电力系统对数据处理的速度要求也不断提高,再加上状态监测系统本身的缺陷比如测量精度低、系统可靠性差等问题,使得如何能够快速、有效的分析数据成为目前状态监测中最重要的研究课题之一。而大数据的出现,恰好为解决这一课题提供了新的思路和方法。本文首先详细归纳和总结了大数据与电力大数据的研究现状,重点分析电力大数据的特点以及电力大数据的数据管理技术、数据分析技术和数据处理技术。接下来以目前电力设备状态监测遇到的困境为着手点,详细阐述了大数据在状态监测中的应用思路。确定了以“预测”为首要目标,以相关性分析和信息聚合为主要手段,弱化监测数据精度,重视数据分析速度的电力设备状态监测方法。然后在多元信息聚合基本架构的基础上,针对性的提出了面向大数据的电力设备状态监测多维信息聚合方法架构。建立基于电力设备多种状态量的多维支持向量,用历史数据进行训练,形成一个可以不断生长的电力设备状态支持向量集,通过对状态监测数据与支持向量集之间的相关性分析,实现对电力设备运行状态的评估与决策,其结果可应用于电力设备全寿命周期管理系统。本文最后以变压器某次过热故障为例,详细阐述了电力设备状态聚合的具体方法,并以CyberControl软件为依托,研究了面向大数据的电力设备状态监测平台,实现了数据的接入和信息聚合的分析。