周廣++閆丹鳳++許光可++李筍

摘要：電網(wǎng)的高速發(fā)展帶來海量數(shù)據(jù)的存儲(chǔ)和分析問題，傳統(tǒng)的數(shù)據(jù)管理和分析工具不再適用。本文主要對大數(shù)據(jù)分析的相關(guān)技術(shù)在輸變電設(shè)備狀態(tài)評估中的應(yīng)用進(jìn)行了研究。本文首先分析了大數(shù)據(jù)以及數(shù)據(jù)挖掘技術(shù)的優(yōu)點(diǎn)和應(yīng)用，并介紹了輸變電設(shè)備狀態(tài)評估技術(shù)的相關(guān)內(nèi)容，隨后討論了大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)在輸變電設(shè)備狀態(tài)評估中的應(yīng)用，并利用分布式存儲(chǔ)、時(shí)間序列分析、頻繁項(xiàng)挖掘以及專家系統(tǒng)等數(shù)據(jù)挖掘技術(shù)在輸變電設(shè)備評估進(jìn)行研究，以此提高電網(wǎng)管理的效率和運(yùn)營的安全性。

關(guān)鍵詞：計(jì)算機(jī)科學(xué)與技術(shù)；大數(shù)據(jù)；輸變電設(shè)備狀態(tài)評估

中圖分類號：TP399

文獻(xiàn)標(biāo)識(shí)碼：A

DOI： 10.3969/j.issn.1003-6970.2016.01.003

0 引言

隨著我國經(jīng)濟(jì)與社會(huì)的全面發(fā)展與進(jìn)步，我國電力行業(yè)飛速發(fā)展，電網(wǎng)規(guī)模日益擴(kuò)大，對于電能供應(yīng)質(zhì)量以及電網(wǎng)中輸變電設(shè)備的安全運(yùn)行的要求也越來越高。由于輸變電設(shè)備具有種類繁多、參數(shù)復(fù)雜、監(jiān)控?cái)?shù)據(jù)量大、運(yùn)行環(huán)境多樣等特點(diǎn)，對輸變電設(shè)備進(jìn)行在線監(jiān)測、帶電監(jiān)測以及離線監(jiān)測的設(shè)備全景狀態(tài)信息監(jiān)測以及評估，有利于及時(shí)發(fā)現(xiàn)設(shè)備異常狀態(tài)，提前預(yù)警安全事件，減少由于設(shè)備故障造成的電網(wǎng)安全事故，在維護(hù)輸變電設(shè)備以及電網(wǎng)安全中，十分重要。然而，由于電網(wǎng)中擁有大量設(shè)備需要監(jiān)控，監(jiān)控將產(chǎn)生海量數(shù)據(jù)。因此，利用大數(shù)據(jù)分析技術(shù)對輸變電設(shè)備的狀態(tài)進(jìn)行監(jiān)測和評估，對于保護(hù)整個(gè)電力系統(tǒng)安全運(yùn)營有著重要的意義。

目前，大數(shù)據(jù)技術(shù)在商業(yè)運(yùn)營中已取得一定成果。微博中熱點(diǎn)微博的發(fā)現(xiàn)和淘寶平臺(tái)中商品的推薦，都是大數(shù)據(jù)技術(shù)的應(yīng)用。而且，為了解決大數(shù)據(jù)的計(jì)算和存儲(chǔ)問題，包括AWS、Azure、阿里云、青云等云計(jì)算提供商，都已具備完善的大數(shù)據(jù)解決方案。但是，目前大數(shù)據(jù)技術(shù)與電力行業(yè)的結(jié)合剛剛開始，如何將大數(shù)據(jù)技術(shù)應(yīng)用到輸變電設(shè)備狀態(tài)評估中，還需要進(jìn)一步的研究。

1 大數(shù)據(jù)分析技術(shù)

伴隨著信息時(shí)代的到來，數(shù)據(jù)也呈現(xiàn)出爆發(fā)式增長的態(tài)勢。隨著數(shù)據(jù)從數(shù)量規(guī)模，到種類和結(jié)構(gòu)都日益增長，大數(shù)據(jù)的概念也隨之到來。為了對大數(shù)據(jù)進(jìn)行獲取、管理和處理，需要引入新的數(shù)據(jù)加工模式和技術(shù)，大數(shù)據(jù)分析技術(shù)應(yīng)運(yùn)而生。

1.1 大數(shù)據(jù)

1.1.1 大數(shù)據(jù)簡介

大數(shù)據(jù)（Big Data），指的是體量特別大，數(shù)據(jù)類別特別多，而且無法在可以承受的時(shí)間內(nèi)，使用傳統(tǒng)數(shù)據(jù)庫管理工具對其進(jìn)行抓取、管理、分析和處理的數(shù)據(jù)集合。IBM的科研小組認(rèn)為，大數(shù)據(jù)具備SV特征：大量（Volume）、高速（Velocity）、多樣（Variety），價(jià)值（Value）、真實(shí)（Veracity）。

大數(shù)據(jù)由于其數(shù)據(jù)容量巨大，而且數(shù)據(jù)類型眾多，傳統(tǒng)的手工管理，甚至利用關(guān)系型數(shù)據(jù)庫都已經(jīng)無法對其進(jìn)行有效的管理和分析。因此，國內(nèi)外對大數(shù)據(jù)進(jìn)行了深入的研究，并且提出了各種有效的技術(shù)手段，例如大規(guī)模并行化處理、數(shù)據(jù)挖掘技術(shù)、分布式文件系統(tǒng)、分布式數(shù)據(jù)庫以及云計(jì)算等相關(guān)技術(shù)紛紛涌現(xiàn)，極大的提高了大數(shù)據(jù)分析的效率。

目前，大數(shù)據(jù)已經(jīng)進(jìn)入應(yīng)用階段，許多基于大數(shù)據(jù)的項(xiàng)目已經(jīng)取得了非常矚目的成果。大數(shù)據(jù)作為互聯(lián)網(wǎng)的產(chǎn)物，已經(jīng)越來越體現(xiàn)出它的價(jià)值。

在國外，梅西百貨利用大數(shù)據(jù)技術(shù)實(shí)施監(jiān)控商品銷售情況，并根據(jù)需求和庫存變化，對多打7300萬中商品進(jìn)行實(shí)時(shí)價(jià)格調(diào)整。洛杉磯警方和研究人員應(yīng)用預(yù)測算法，預(yù)測犯罪的發(fā)生，將盜竊罪和暴力犯罪的發(fā)生概率降低了33%和21%。T-Mobile應(yīng)用IBM大數(shù)據(jù)分析解決方案，對每天數(shù)十億通話記錄和網(wǎng)絡(luò)設(shè)備進(jìn)行監(jiān)測和分析，從而迅速發(fā)現(xiàn)網(wǎng)絡(luò)平靜，并預(yù)測可能的網(wǎng)絡(luò)錯(cuò)誤，提前進(jìn)行干預(yù)。在國內(nèi)，農(nóng)夫山泉應(yīng)用大數(shù)據(jù)分析技術(shù)，根據(jù)需求對供給物流網(wǎng)絡(luò)進(jìn)行調(diào)整。

1.1.2 Hadoop平臺(tái)

Hadoop平臺(tái)是Apache開源分布式系統(tǒng)基礎(chǔ)架構(gòu)，核心的設(shè)計(jì)主要包括一個(gè)分布式文件系統(tǒng)（Hadoop Distributed File System，簡稱HDFS）以及面向分布式數(shù)據(jù)的MapReduce計(jì)算框架。

Hadoop平臺(tái)是一個(gè)對大數(shù)據(jù)進(jìn)行分布式處理的框架，解決了數(shù)據(jù)的存儲(chǔ)和計(jì)算的問題。Hadoop對數(shù)據(jù)的處理是可靠和高效的，它假設(shè)計(jì)算和存儲(chǔ)都可能發(fā)生失敗，并通過備份的方式，對數(shù)據(jù)維護(hù)多個(gè)副本，從而對于故障節(jié)點(diǎn)的存儲(chǔ)和計(jì)算數(shù)據(jù)進(jìn)行重新處理，而且對于數(shù)據(jù)的處理是并行化的，在大多數(shù)情況下，不會(huì)受到單點(diǎn)的性能影響。

1.2 云計(jì)算

云計(jì)算是為了解決大數(shù)據(jù)的存儲(chǔ)和計(jì)算問題，而將計(jì)算任務(wù)分布到大量計(jì)算機(jī)組成的動(dòng)態(tài)的可伸縮的資源池上，使得各種應(yīng)用能夠按需獲取計(jì)算能力、存儲(chǔ)空間和信息服務(wù)的一種廉價(jià)計(jì)算服務(wù)。

按照服務(wù)類型區(qū)分，云計(jì)算可以分為三大類：將軟件作為服務(wù)（Software as a Service，簡稱SaaS），將平臺(tái)作為服務(wù)（Platform as a Service，簡稱Paas）以及將基礎(chǔ)設(shè)施作為服務(wù)（lnfrastructure as a Service，簡稱Iaas）。一般而言，SaaS針對性更強(qiáng)，將特定的軟件封裝為網(wǎng)絡(luò)服務(wù)；PaaS則是對資源的進(jìn)一步抽象，為用戶的應(yīng)用程序提供了運(yùn)行環(huán)境；而IaaS則是將硬件設(shè)備也進(jìn)行封裝，作為服務(wù)對用戶提供。

目前，Amazon的AWS，谷歌的AppEngine，以及微軟的Azure都是較為成熟的云計(jì)算服務(wù)。其中，谷歌在云計(jì)算的研究中，以學(xué)術(shù)論文的形式公布了其云計(jì)算的核心技術(shù)，包括GFS、MapReduce以及BigTable的相關(guān)內(nèi)容，在學(xué)術(shù)界引發(fā)了新一輪的云計(jì)算研究的熱潮。

1.3 數(shù)據(jù)挖掘技術(shù)

對于大數(shù)據(jù)而言，很多傳統(tǒng)的數(shù)據(jù)分析和統(tǒng)計(jì)技術(shù)在分析時(shí)間和分析效果上表現(xiàn)并不理想，因此，針對大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)，具有重要的使用價(jià)值。

數(shù)據(jù)挖掘技術(shù)一般指從大量數(shù)據(jù)中通過一定算法，搜索其中的信息，通常需要利用統(tǒng)計(jì)學(xué)中的抽樣、估計(jì)以及人工智能、模式識(shí)別、機(jī)器學(xué)習(xí)的算法。同時(shí)，對于大數(shù)據(jù)而言，并行化和分布式存儲(chǔ)是實(shí)施大數(shù)據(jù)挖掘的關(guān)鍵。

數(shù)據(jù)挖掘有一些常見的算法，主要解決分類、聚類、預(yù)測、關(guān)聯(lián)規(guī)則挖掘等幾大問題。其中，比較重要的、應(yīng)用較為廣泛的算法有k-means、SVM支持向量機(jī)、Apriori關(guān)聯(lián)規(guī)則挖掘算法、EM最大期望值算法、PageRank算法、Adaboost迭代算法、Narve Bayes分類算法。

2 輸變電設(shè)備狀態(tài)評估技術(shù)簡介

截止到2014年，我國發(fā)電裝機(jī)總?cè)萘恳堰_(dá)13.6億千瓦，全口徑發(fā)電量5.5萬億千萬時(shí)，已位居世界首位。此外，人均裝機(jī)容量達(dá)到1千瓦，人均年用電量4038千瓦時(shí)，也超過了世界的平均水平。而隨著電力系統(tǒng)的發(fā)展，電網(wǎng)規(guī)模的擴(kuò)大，電網(wǎng)中輸變電設(shè)備的維護(hù)也日益重要。但由于輸電線路距離非常長、所處環(huán)境氣候變化非常大、跨越地形非常復(fù)雜、分布位置非常分散、日常巡查比較困難。因此，建立輸變電設(shè)備轉(zhuǎn)臺(tái)評估系統(tǒng)對輸變電設(shè)備狀態(tài)進(jìn)行評估，具有重要的實(shí)用意義。

2.1 輸變電設(shè)備狀態(tài)參數(shù)

輸變電設(shè)備狀態(tài)參數(shù)是指輸變電設(shè)備在運(yùn)行時(shí)的各種指標(biāo)參數(shù)，以及運(yùn)行環(huán)境的一些數(shù)字化信息，包括輸電線本身的一些物理特性、運(yùn)行指標(biāo)、檢修資料以及輸變電設(shè)備所處環(huán)境的溫度，適度、風(fēng)俗、泄露電流、覆冰情況等信息。根據(jù)國家電網(wǎng)頒布的設(shè)備檢修導(dǎo)則，輸變電設(shè)備的狀態(tài)參數(shù)，分為重要狀態(tài)量和一般狀態(tài)量，其中，重要狀態(tài)量對設(shè)備健康影響較大。

在選擇狀態(tài)參數(shù)時(shí)，有一些參數(shù)需要特別注意，如生產(chǎn)廠家特性參數(shù)、故障歷史參數(shù)、環(huán)境參數(shù)、負(fù)載參數(shù)等。生產(chǎn)廠家參數(shù)決定了該輸變電設(shè)備平均故障率，設(shè)計(jì)壽命以及最低運(yùn)行年限等參數(shù)。故障歷時(shí)參數(shù)能用來判斷該設(shè)備運(yùn)行情況，以及本身是否有瑕疵等問題；境參數(shù)能輔助判斷其運(yùn)行年限的期望值，以及可能會(huì)產(chǎn)生的問題負(fù)載參數(shù)能輔助判斷其運(yùn)行狀態(tài)，以及老化程度。

2.2 輸變電設(shè)備狀態(tài)評價(jià)

在選取了合適的狀態(tài)量之后，即可根據(jù)狀態(tài)量，對輸變電設(shè)備進(jìn)行狀態(tài)評價(jià)。對于不同階段的設(shè)備，應(yīng)采用不同的策略。對于新投運(yùn)的設(shè)備，在經(jīng)過全面檢查后，如果狀態(tài)良好，按照運(yùn)行良好處理；對于已運(yùn)行一定年限，發(fā)生故障率明顯增加的設(shè)備，影根據(jù)運(yùn)行和評價(jià)結(jié)果，給予一定的調(diào)整。根據(jù)國家電網(wǎng)設(shè)備評價(jià)導(dǎo)則，可以依據(jù)設(shè)備的損耗情況，將每個(gè)設(shè)備的狀態(tài)量化成為四個(gè)等級，并對每個(gè)等級賦予相應(yīng)的權(quán)重。對于剛出廠的合格的新設(shè)備，記為100分，對于運(yùn)行良好的設(shè)備，不扣分；對于一些狀態(tài)量異常的設(shè)備，按照等級扣除相應(yīng)的分?jǐn)?shù)；最后結(jié)合老化因子，得到輸變電設(shè)備的最終的狀態(tài)值。

其中，Score為最終得分；SO為運(yùn)行得分；fi為負(fù)載因素，fe為環(huán)境因素。

2.3 輸變電設(shè)備狀態(tài)決策

2.3.1 檢修分類

按照國家電網(wǎng)的設(shè)備檢修導(dǎo)則，根據(jù)設(shè)備評估狀；兄，設(shè)備狀態(tài)檢修分為不同的等級，分別是A級檢修、B級檢修、C級檢修和D級檢修。其中，A、B、C類檢修為停電檢修，D類為不停電檢修。按照不同的要求，以變電站直流系統(tǒng)的檢修分類及檢修項(xiàng)目為例，如下表所示：

2.3.2 檢修決策

根據(jù)不同的設(shè)備狀態(tài)，應(yīng)該采用不同的檢修策略。

對于“正常狀態(tài)”的直流系統(tǒng)，執(zhí)行C類檢修，可以適當(dāng)安排D類檢修，按照正常周期或者延長一年；

對于“注意狀態(tài)”的直流系統(tǒng)，執(zhí)行C類檢修，應(yīng)該加強(qiáng)D類檢修，不能大于正常周期；

對于“異常狀態(tài)”的直流系統(tǒng)，應(yīng)根據(jù)評價(jià)結(jié)果安排檢修類型，并適時(shí)安排檢修；

對于“嚴(yán)重狀態(tài)”的直流系統(tǒng)，應(yīng)根據(jù)評價(jià)結(jié)果安排檢修類型，并盡快安排檢修。

3 大數(shù)據(jù)在輸變電設(shè)備狀態(tài)評估中的應(yīng)用

3.1 分布式存儲(chǔ)在設(shè)備狀態(tài)評估中的應(yīng)用

一般認(rèn)為，大數(shù)據(jù)一般要處理的數(shù)據(jù)遠(yuǎn)遠(yuǎn)超過傳統(tǒng)的關(guān)系型數(shù)據(jù)庫。因此，在存儲(chǔ)方面，一些突破了關(guān)系型數(shù)據(jù)庫的NoSQL數(shù)據(jù)庫涌現(xiàn)出來，例如MongoDB，Hbase等。由于分布式數(shù)據(jù)庫將數(shù)據(jù)存放于不同的機(jī)器上，因此，相較于關(guān)系型數(shù)據(jù)庫，會(huì)額外需要一些通信和管理的開銷。

分布式數(shù)據(jù)庫需要解決數(shù)據(jù)的一致性和性能的問題。在分布式數(shù)據(jù)庫中，一般面臨一致性、可用性和分區(qū)容錯(cuò)性三者不能同時(shí)滿足的問題。因此，在面對不同的問題時(shí)，需要根據(jù)問題的重點(diǎn)選擇處理策略。一般來說，有如下三種：

1.為了避免單點(diǎn)故障，導(dǎo)致數(shù)據(jù)丟失，需要對數(shù)據(jù)進(jìn)行多點(diǎn)備份；

2.如果備份數(shù)據(jù)較多，則需要更多的數(shù)據(jù)同步來保證數(shù)據(jù)的一致性；

3.如果數(shù)據(jù)一致性要求較高，則性能會(huì)降低，會(huì)增加額外的大量通信和管理開銷。

目前，在電力系統(tǒng)中，各種設(shè)備每天通過監(jiān)控產(chǎn)生的狀態(tài)信息已超過PB級別，這些數(shù)據(jù)非常龐大，而且不同設(shè)備產(chǎn)生的類型各異，因此，使用分布式數(shù)據(jù)庫對設(shè)備狀態(tài)數(shù)據(jù)進(jìn)行存儲(chǔ)，是十分必要的。

3.1.1 輸變電設(shè)備狀態(tài)數(shù)據(jù)存儲(chǔ)實(shí)驗(yàn)

本研究課題以輸變電設(shè)備狀態(tài)數(shù)據(jù)為研究對象，對其存儲(chǔ)和查詢在不同數(shù)據(jù)庫之間的效果進(jìn)行了對比實(shí)驗(yàn)，驗(yàn)證在大數(shù)據(jù)環(huán)境下，分布式存儲(chǔ)的效果與傳統(tǒng)關(guān)系型數(shù)據(jù)庫存儲(chǔ)效果的差異。

實(shí)驗(yàn)環(huán)境：

MongoDB：3臺(tái)主機(jī)，每臺(tái)主機(jī)搭載2核CPU，4G內(nèi)存，500GB硬盤，一個(gè)主節(jié)點(diǎn)，2個(gè)從節(jié)點(diǎn)；

Hbase：3臺(tái)主機(jī)，每臺(tái)主機(jī)搭載2核CPU，4G內(nèi)存，500GB硬盤，一個(gè)主節(jié)點(diǎn)，2個(gè)從節(jié)點(diǎn)；

MySQL：1臺(tái)主機(jī)，搭載4核CPU，4G內(nèi)存，ITB硬盤。

實(shí)驗(yàn)數(shù)據(jù)：設(shè)備狀態(tài)評估狀態(tài)量，共130萬條

由表中數(shù)據(jù)可以發(fā)現(xiàn)，在數(shù)據(jù)量較小時(shí)，關(guān)系型數(shù)據(jù)庫MySQL在插入和查詢上速度較快，而分布式存儲(chǔ)中，MongoDB的插入和查詢效率都明顯較高，而Hbase的速度都比較慢。在數(shù)據(jù)量增大后，數(shù)據(jù)的插入和查詢耗時(shí)都增加，其中MongoDB的表現(xiàn)優(yōu)于關(guān)系型數(shù)據(jù)庫MySQL，以及另外一種分布式數(shù)據(jù)庫Hbase。對于索引數(shù)據(jù)來說，MySQL的耗時(shí)更少，但對于非索引數(shù)據(jù)，MongoDB的耗時(shí)更少。由上述實(shí)驗(yàn)可知，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫在小規(guī)模數(shù)據(jù)時(shí)表現(xiàn)較好，但是當(dāng)數(shù)據(jù)量快速上升時(shí)，其效率會(huì)大大降低。分布式數(shù)據(jù)庫則在大規(guī)模數(shù)據(jù)時(shí)表現(xiàn)較為穩(wěn)定。但是分布式存儲(chǔ)面臨的問題更為復(fù)雜，在使用時(shí)，需要根據(jù)面對的數(shù)據(jù)規(guī)模，進(jìn)行一定的性能優(yōu)化。而輸變電狀態(tài)評估中，數(shù)據(jù)規(guī)模十分巨大，在一定程度上，已經(jīng)超過了關(guān)系型數(shù)據(jù)庫的管理上限，因此，選擇分布式數(shù)據(jù)庫對輸變電狀態(tài)評估數(shù)據(jù)進(jìn)行存儲(chǔ)更加高效和合理。

3.2 時(shí)間序列分析在設(shè)備狀態(tài)評估中的應(yīng)用

時(shí)間序列是指一個(gè)現(xiàn)象或者變量，按照時(shí)間順序，產(chǎn)生的一組數(shù)列。對時(shí)間序列的分析基于隨機(jī)過程理論和數(shù)理統(tǒng)計(jì)方法，研究產(chǎn)生時(shí)間序列的現(xiàn)象或者變量所遵從的統(tǒng)計(jì)規(guī)律，以解決實(shí)際問題。經(jīng)典的統(tǒng)計(jì)分析問題，都假設(shè)數(shù)據(jù)在具備獨(dú)立性的條件下，對數(shù)據(jù)序列進(jìn)行分析，而時(shí)間序列的分析問題，更側(cè)重研究數(shù)據(jù)序列之間的依賴關(guān)系。

輸變電設(shè)備監(jiān)控狀態(tài)量都是實(shí)時(shí)監(jiān)控的，按照時(shí)間產(chǎn)生的狀態(tài)信息序列。因此對于這些序列進(jìn)行分析，發(fā)現(xiàn)甚至預(yù)測異常狀態(tài)，對于健全設(shè)備狀態(tài)評估系統(tǒng)，具有實(shí)用價(jià)值。

對于時(shí)間序列的預(yù)測，一般有如下方法：

1.簡單平均法

2.移動(dòng)平均法

3.指數(shù)平滑法

一般而言，在分析時(shí)間序列時(shí)，盡可能的增加一些影響該序列變化的因素，能提高預(yù)測準(zhǔn)確度和效率。在分析設(shè)備狀態(tài)評估時(shí)，加入溫度和濕度時(shí)間序列，對設(shè)備狀態(tài)評價(jià)分值進(jìn)行預(yù)測，能有效的提高預(yù)測準(zhǔn)確度。

3.3 頻繁項(xiàng)挖掘技術(shù)在設(shè)備狀態(tài)評估中的應(yīng)用

關(guān)聯(lián)規(guī)則是從大量數(shù)據(jù)中，挖掘出有價(jià)值的數(shù)據(jù)項(xiàng)之間的相互關(guān)系。在實(shí)踐中，通常用于在雜亂無章的數(shù)據(jù)中，發(fā)現(xiàn)靜態(tài)的規(guī)律。

常見的關(guān)聯(lián)規(guī)則算法有Apriori、FP-growth算法等。

Fp-growth算法思想如下：

首先，掃描所有數(shù)據(jù)，產(chǎn)生所有備選頻繁項(xiàng)集，并降序排列，剪除支持度地域閾值的元素；

其次，再次掃描全部數(shù)據(jù)，并按照第一步的結(jié)果集合，生成FP樹；

最后，從FP樹中，按照規(guī)則，發(fā)現(xiàn)有意義的頻繁項(xiàng)。

在設(shè)備狀態(tài)評估中，可以采用關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)和設(shè)備狀態(tài)相關(guān)的因素。

將設(shè)備的狀態(tài)離散為不同的等級，并記錄一個(gè)設(shè)備等級及其對應(yīng)離散的天氣因素、地理因素以及交通因素，人文因素等等因素，作為輸入，建立FP-growth樹，并從樹中發(fā)現(xiàn)“嚴(yán)重狀態(tài)”是否具有頻繁項(xiàng)，如果發(fā)現(xiàn)頻繁項(xiàng)，則可以從頻繁項(xiàng)中找出“嚴(yán)重狀態(tài)”所對應(yīng)的因素，從外進(jìn)行排除，維護(hù)電網(wǎng)運(yùn)行安全。

3.4 專家系統(tǒng)在設(shè)備狀態(tài)評估中的應(yīng)用

專家系統(tǒng)是一個(gè)智能系統(tǒng)，包含了大量的領(lǐng)域內(nèi)專家的知識(shí)和經(jīng)驗(yàn)，并通過這些人類專家的知識(shí)和經(jīng)驗(yàn)，解決領(lǐng)域內(nèi)的各種問題。專家系統(tǒng)有領(lǐng)域經(jīng)驗(yàn)知識(shí)集以及推理機(jī)兩部分組成。經(jīng)驗(yàn)知識(shí)集包含了大量的領(lǐng)域內(nèi)的專家的知識(shí)和經(jīng)驗(yàn)，并通過推理機(jī)，模擬人類專家，利用這些知識(shí)和經(jīng)驗(yàn)，來解決該領(lǐng)域內(nèi)的問題。

在設(shè)備狀態(tài)評估中，大量的問題都可以由領(lǐng)域內(nèi)的專家進(jìn)行解決。尤其是在設(shè)備狀態(tài)出現(xiàn)異常的情況下，可以利用領(lǐng)域知識(shí)和經(jīng)驗(yàn)，判斷合理的維修決策。因此，建立一個(gè)完善的專家系統(tǒng)來解決設(shè)備狀態(tài)評估和維修的問題，具有很大的使用價(jià)值。

4 結(jié)論

隨著中國電力實(shí)業(yè)的飛快發(fā)展，以及電網(wǎng)的高速擴(kuò)張，需要越來越多的新技術(shù)來支持和維護(hù)電網(wǎng)的運(yùn)行安全。電網(wǎng)中的大量輸變電設(shè)備每天都產(chǎn)生了大量數(shù)據(jù)，如何對這些數(shù)據(jù)進(jìn)行分析，從而維護(hù)設(shè)備和電網(wǎng)的安全運(yùn)營，已經(jīng)成為當(dāng)前環(huán)境下迫切需要解決的問題。作為互聯(lián)網(wǎng)發(fā)展的熱點(diǎn)和重點(diǎn)，大數(shù)據(jù)已經(jīng)證明了它強(qiáng)大的處理和解決問題的性能。因此，將大數(shù)據(jù)技術(shù)引入輸變電設(shè)備的狀態(tài)評估，具備重大的研究和實(shí)用價(jià)值。

本文重點(diǎn)介紹了大數(shù)據(jù)技術(shù)在輸變電設(shè)備狀態(tài)評估中的一些應(yīng)用和處理方法，并通過一些實(shí)驗(yàn)驗(yàn)證了大數(shù)據(jù)技術(shù)的效果。當(dāng)然，文章還存在很多不足，希望在以后的研究中，對大數(shù)據(jù)實(shí)時(shí)分析的方法進(jìn)行深入的研究和應(yīng)用。