大数据挖掘技术的输变电设备故障诊断技术.docx

大数据挖掘技术的输变电设备故障诊断技术.docx

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

??

?

??

大数据挖掘技术的输变电设备故障诊断技术

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要:输变电系统中具有较多复杂设备,出现的设备故障严重影响用户的正常用电。因此,供电企业需加强诊断输变电设备的力度,研究大数据挖掘技术背景下输变电设备故障的诊断方法,降低设备故障造成的影响。

关键词:大数据挖掘技术;输变电设备;故障诊断

引言

电网系统正常运行的关键部分是输变电工程,其质量高低直接决定了用户能否正常用电。保护好输变电设备对于电网平稳运转具有非常重要的价值。对设备状态进行高效、准确的评估从而来诊断和预防,可有效提高其平稳性,还可以提高该系统达到智能运转方面。诊断内容重点就是对其设备工作的状态实现故障源的定位,这是极较强综合性能的科学。在实际的诊断中,工作人员需要检查设备运行情况,根据反馈的数据来诊断发生故障源的位置。但由于这个系统中又错综复杂的设备,所以工作人员可能会耗尽特别多精力以及时间进行排查,这会致使电网的平稳运转无形中会受到一些阻碍。采用大数据挖掘技术的输变电设备排查故障,能使相关人员在故障查询方面实现快速并提高工作的质量,可以让电力设备能够迅速地恢复原先的运转状态。尤其是当今的输变电工程的广泛应用,这种技术检测设备故障问题中的实施是有一定的意义的。

1输变电设备故障诊断的重要性

输变电设备故障诊断的重要性主要是:故障诊断是按照设备运行和故障后停电信息情况处理故障源。通过故障诊断可实现设备的正常检测维修工作和超负荷工作。通过使用先进技术,及时研究和处理设备的各种数据,可及时发现设备异常状况和故障问题。通过及时掌握设备发生故障的位置、故障程度以及造成故障的因素等信息,可第一时间合理制定有针对性的检测维修方案,从而降低故障损失,提升设备的运行稳定性和经济效益。

2输变电设备故障诊断的现状

输变电设备故障诊断的现状主要是:在线监测是输变电设备故障诊断的主要措施,在不影响输变电设备运行的条件下,对设备的电气、机械等状态参数进行连续或随时检测,取得设备电气与机械性能等运行状态的信息,对其进行综合处理和分析,取得设备状态的特征参量,诊断设备故障,分析判断设备的运行状态。从整体角度分析,在输变电设备运行期间,如果缺乏有效的设备检修与养护,那么则会导致安全隐患的发生,近几年在相关政策的不断推动下供电企业虽然进行了输变电设备故障诊断工作,但是因受到传统因素所带来的影响,其检修中同样存在缺陷与不足,比如相关的工作人员在整个设备检修当中并没有按照相应的流程与制度,或者工作人员自身检修水平不足,出现错检漏检现象,还有一点是在当前计算机技术的不断发展下,大数据挖掘技术成为了供电企业发展中的重要技术之一,虽然众多大型供电企业已经加强应用大数据挖掘技术进行故障信息的收集与整理,但是因为工作人员缺乏对大数据挖掘技术的认识与了解,所以,在实际应用当中会对故障诊断效果造成影响,可以肯定的是大数据挖掘技术在输变电设备故障诊断仍处于初级发展阶段,存在缺陷与不足,无法发挥其作用与价值,所以需对其加以研究与重视。从原理上分析,故障诊断主要是依据设备运行检修故障之后所产生的停电状况,查找故障原因及解决故障,其中,故障诊断实现了设备在正常检测维修以及超符合的情况下应用先进的技术对设备数据加以记录与处理,从而了解设备是否发生异常与故障,且故障的位置以及故障产生的原因十分关键,这关系到了工作人员制定方案的合理性,可有效降低事故发生的损失,提高运行的稳定性。

3大数据挖掘技术下的设备故障诊断方法

3.1资源区域划分

资源区域划分是利用大数据平台数据资源存储的物理模型管理功能,定义源数据、共享数据、分析数据存储的结构,并划分不同的数据存储区域,按照数据应用需求进行设计。设计内容包括数据缓冲区、数据视图区和数据仓库的存储模型。数据存储区域划分主要有以下几种:(1)数据缓冲区数据缓冲区是输变电状态监测数据进入大数据平台的统一数据区域,源业务系统数据首先存储于数据缓冲区,缓冲区内的数据保持与源系统一致。数据缓冲区的数据库采用MYSQL,使用SQL标准语言访问数据表,大数据平台存储区管理为每个业务系统分别创建了一个数据缓冲区。该区的模型采用帖近源的方式设计,模型与源业务系统数据模型保持一致。(2)数据视图区数据视图区主要存放大数据平台资源整合和规范后的数据,对于共享或快速应用的输变电状态监测实时数据,统一进入数据视图区。该区模型采用扁平化方法设计,遵循国网SG-CIM模型标准,结合输变电设备监测采集数据的需求,按照大数据平台MYSQL存储架构特性,设计形成统一数据视图存储模型。数据视图存储模型统一遵循SG-CIM模型的表、字段命名规范和主题域划分等要求。

3.2数据访问设计

数据访问设计是通过对实时监测数据、视频信息数据和多元离线数据的集

您可能关注的文档

文档评论(0)

细雨滴梧桐 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档