?！〕?/p>

(貴州大學(xué) 電氣工程學(xué)院，貴陽　550025)

基于PDMiner大數(shù)據(jù)挖掘平臺的電力系統(tǒng)安全評估及故障診斷系統(tǒng)

常成

(貴州大學(xué) 電氣工程學(xué)院，貴陽550025)

摘要：電力系統(tǒng)中的數(shù)據(jù)復(fù)雜多樣，電力大數(shù)據(jù)的挖掘處理是電力公司面臨的難題之一。闡述了電力大數(shù)據(jù)發(fā)展現(xiàn)狀，將電力云概念引入到電力系統(tǒng)大數(shù)據(jù)分析之中，提出了基于云計算理論的大數(shù)據(jù)挖掘平臺PDMiner，介紹了其整體架構(gòu)和原理，針對電力大數(shù)據(jù)的平臺架構(gòu)和關(guān)鍵技術(shù)，開發(fā)了一套基于PDMiner平臺的電力系統(tǒng)安全評估與故障診斷系統(tǒng)，該系統(tǒng)配置在SCADA/EMS的數(shù)據(jù)管理子系統(tǒng)上，提高了數(shù)據(jù)處理的效率，并且能準確提取到故障類型、風(fēng)險區(qū)域等數(shù)據(jù)背后的準確信息。

關(guān)鍵詞：電力系統(tǒng)大數(shù)據(jù)；數(shù)據(jù)挖掘；PDMiner平臺；安全評估；故障診斷

隨著科技的不斷進步，在移動互聯(lián)網(wǎng)和智能系統(tǒng)的發(fā)展推動下，數(shù)據(jù)呈現(xiàn)出規(guī)模性、多樣性、高速性、價值性的特點[1]，因此，提出了大數(shù)據(jù)的概念。大數(shù)據(jù)指的是其大小超出了典型數(shù)據(jù)軟件抓取、儲存、管理和分析范圍的數(shù)據(jù)集合[2]，已經(jīng)從TB級躍升到PB級。

電力系統(tǒng)主要由發(fā)電、輸電、變電、用電4部分組成，作為一套復(fù)雜的信息化系統(tǒng)，具有能量傳輸龐大、實時運行連續(xù)、故障瞬間擴大等特點，同樣面臨著大數(shù)據(jù)的現(xiàn)狀，尤其是在新能源的引入和智能電網(wǎng)建設(shè)的環(huán)境下，電力大數(shù)據(jù)的概念也應(yīng)運而生。電力大數(shù)據(jù)廣泛應(yīng)用在風(fēng)電場選址定容、風(fēng)光互補、電力系統(tǒng)安全監(jiān)測、經(jīng)濟運行、故障診斷等環(huán)節(jié)[3]，對電力大數(shù)據(jù)的有效分析不僅可以優(yōu)化電能的生產(chǎn)、消耗和分配，保證其經(jīng)濟性，還可以為電網(wǎng)規(guī)劃和改造提供有效的決策支撐。

在電網(wǎng)智能化的新時期，如何實時有效地處理數(shù)據(jù)，而迅速獲取有價值的數(shù)據(jù)信息已經(jīng)成為電力系統(tǒng)分析研究的熱點。隨著數(shù)據(jù)挖掘概念的提出及相關(guān)技術(shù)的深入發(fā)展，基于云計算的數(shù)據(jù)挖掘技術(shù)為電力系統(tǒng)數(shù)據(jù)的處理提供了有效的手段。文獻[4]提出了基于云計算平臺和并行k-means聚類算法的用戶用電行為分析模型，通過對居民用電數(shù)據(jù)的整合篩選，有助于電力企業(yè)了解用戶的個性化和差異化服務(wù)需求。文獻[5]國外研究人員利用智能表計捕獲過電壓事故，通過對采集數(shù)據(jù)的處理分析，建立了電壓幅值與事故發(fā)生時刻、持續(xù)時間、環(huán)境溫度和分布式發(fā)電裝置狀態(tài)量數(shù)據(jù)之間的關(guān)系模型，總結(jié)出事故發(fā)生的相關(guān)因素及對配電網(wǎng)的影響。

雖然國內(nèi)外已經(jīng)將電力云計算和電力大數(shù)據(jù)挖掘等相關(guān)技術(shù)引入到電力系統(tǒng)分析和控制中，但仍處于研究的起步階段，基本停留在理論分析層面，缺少實用性的應(yīng)用控制系統(tǒng)。本文基于云計算的并行分布式大數(shù)據(jù)平臺PDMiner開發(fā)了一套安全評估及故障診斷系統(tǒng)，通過對輸入的歷史數(shù)據(jù)和實時數(shù)據(jù)的篩選、分類、分析可以及時了解電網(wǎng)運行動態(tài)，了解各區(qū)域的風(fēng)險程度，系統(tǒng)故障時迅速檢測到故障發(fā)生的地點、類型，以便監(jiān)控中心做出及時處理，同時可將故障數(shù)據(jù)分類匯總、存儲，并建立故障數(shù)據(jù)庫，對電網(wǎng)的進一步規(guī)劃和改造提供參考。

1電力云計算

云計算是并行計算(PC)、分布式計算(DC)和網(wǎng)格計算(GC)的發(fā)展，是計算機技術(shù)的商業(yè)實現(xiàn)[6]。云計算的基本原理是通過使計算任務(wù)分布在大量計算機構(gòu)成的資源池上，使各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計算力、存儲空間和信息服務(wù)。從技術(shù)上看，大數(shù)據(jù)植根于云計算，云計算的數(shù)據(jù)存儲、管理與分析方面的技術(shù)是大數(shù)據(jù)技術(shù)的基礎(chǔ)。云計算使大數(shù)據(jù)應(yīng)用成為可能，但若沒有大數(shù)據(jù)的信息沉淀，云計算的功能將得不到完全發(fā)揮，兩者是相輔相成的。

云計算對電力系統(tǒng)內(nèi)部的計算和存儲資源進行整合，提高了電網(wǎng)的交互和處理能力，大數(shù)據(jù)根植于云計算，以分布式存儲和并行計算為主導(dǎo)的云計算技術(shù)能夠適應(yīng)大規(guī)模數(shù)據(jù)的存儲和計算需求。將云計算技術(shù)引入到電力系統(tǒng)中便形成了“電力云”概念，以數(shù)據(jù)挖掘為基礎(chǔ)的數(shù)據(jù)處理技術(shù)是電力云計算發(fā)展的關(guān)鍵環(huán)節(jié)。

電網(wǎng)的數(shù)據(jù)源有很多，主要有用戶端、電力企業(yè)和外部數(shù)據(jù)3類[7]，三類數(shù)據(jù)彼此相互作用，共同組成了配電網(wǎng)數(shù)據(jù)庫，但同時也帶來了數(shù)據(jù)準確性、價值性等問題。日益龐大的數(shù)據(jù)集合使傳統(tǒng)的數(shù)據(jù)處理技術(shù)難以對數(shù)據(jù)進行高效處理，因此，務(wù)必建立電網(wǎng)專用的數(shù)據(jù)處理系統(tǒng)。

2大數(shù)據(jù)挖掘平臺

數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法挖掘其中隱藏的各種信息的過程，是信息獲取的重要技術(shù)[8]。大數(shù)據(jù)的分析處理普遍采用內(nèi)外層結(jié)構(gòu)相結(jié)合的雙層分析架構(gòu)(Double Data Structure，DDS)，外層主要對動態(tài)數(shù)據(jù)、不確定性數(shù)據(jù)進行數(shù)據(jù)融合，內(nèi)層的核心部分就是數(shù)據(jù)挖掘，通過相應(yīng)的算法對數(shù)據(jù)進行計算，挖掘出有價值的、需要的數(shù)據(jù)信息。由于需要挖掘海量的信息源，并且以指數(shù)增長，傳統(tǒng)的集中式串行數(shù)據(jù)挖掘方法已不再是一種合適的信息獲取方式。因此，先后提出了分布式計算和并行計算的數(shù)據(jù)處理方式[9]。分布式計算是將一個計算問題分解成多個子問題并同時處理的計算模型；而并行計算是將一個較大的計算問題分割成小任務(wù)的形式。文獻[10]提出了一種將機器學(xué)習(xí)算法應(yīng)用在多核計算機上的并行計算，主要研究的是算法內(nèi)部的并行處理，通過算法分解，將可并行的部分進行計算。本文采用上述的并行計算模式進行研究，可應(yīng)用在大規(guī)模計算機集群上運行。

PDMiner是一種基于大規(guī)模數(shù)據(jù)處理平臺Hadhoop的并行分布式數(shù)據(jù)挖掘平臺[11]，目的是通過并行數(shù)據(jù)挖掘算法處理大數(shù)據(jù)資料，進而提高數(shù)據(jù)處理效率。PDMiner由4個子系統(tǒng)組成：工作流子系統(tǒng)、用戶接口子系統(tǒng)、數(shù)據(jù)預(yù)處理子系統(tǒng)和數(shù)據(jù)挖掘子系統(tǒng)[12]。PDMiner具有可擴展性、支持多挖掘任務(wù)、創(chuàng)建復(fù)雜挖掘過程等特點。

Hadoop是PDMiner的技術(shù)基礎(chǔ)，其核心部分是基于HDFS和MapReduce的并行算法實現(xiàn)[13]。HDFS是建立在大型集群上可靠存儲大數(shù)據(jù)集的文件系統(tǒng)。HDFS具有容錯性強、吞吐量高的特點，適合大數(shù)據(jù)集的應(yīng)用程序。MapReduce是一種簡化的分布式程序設(shè)計模型，通過該模型，程序可自動在超大機群上并發(fā)執(zhí)行。在PDMiner中，HDFS用于存儲大規(guī)模數(shù)據(jù)，MapReduce用于各種并行數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘算法的實現(xiàn)。PDMiner的總體框架結(jié)構(gòu)見圖1。

圖1　PDMiner總體框架架構(gòu)圖

工作流子系統(tǒng)使用戶可以方便建立數(shù)據(jù)挖掘任務(wù)，用戶可以根據(jù)需要選擇ETL數(shù)據(jù)預(yù)處理、分類、聚類、關(guān)聯(lián)規(guī)則4種算法[14]。用戶接口子系統(tǒng)由用戶輸入和結(jié)構(gòu)展示兩個模塊組成，其主要負責(zé)與用戶進行交互，參數(shù)設(shè)置和實現(xiàn)結(jié)果展示。并行數(shù)據(jù)挖掘子系統(tǒng)囊括了并行關(guān)聯(lián)規(guī)則、并行分類和并行聚類3種算法，可有效地進行數(shù)據(jù)挖掘工作。另外，并行數(shù)據(jù)挖掘子系統(tǒng)靈活的接口方便用戶產(chǎn)生新的挖掘算法。并行ETL算法子系統(tǒng)開發(fā)了19種預(yù)處理算法[15]，顯著提高了算法的計算效率。采用MapReduce機制可以很好地解決決策樹算法的并行問題，提高了算法的執(zhí)行效率。

3電力大數(shù)據(jù)平臺架構(gòu)及關(guān)鍵技術(shù)

電力系統(tǒng)是一種高維非線性的復(fù)雜系統(tǒng)，其內(nèi)部包含電力流、業(yè)務(wù)流、故障流等內(nèi)部數(shù)據(jù)流[16]，圖2是一種電力大數(shù)據(jù)平臺總體架構(gòu)，主要由大數(shù)據(jù)處理框架、大數(shù)據(jù)存儲框架、操作系統(tǒng)和服務(wù)器、大數(shù)據(jù)調(diào)度框架組成，并與數(shù)據(jù)倉庫保持實時聯(lián)系。

圖2　電力大數(shù)據(jù)平臺總體架構(gòu)

電力大數(shù)據(jù)的關(guān)鍵技術(shù)主要有集成管理技術(shù)、數(shù)據(jù)分析技術(shù)、數(shù)據(jù)處理技術(shù)、數(shù)據(jù)展現(xiàn)技術(shù)[17]。集成管理技術(shù)是將來自多個應(yīng)用系統(tǒng)的數(shù)據(jù)合并，并據(jù)此創(chuàng)建一個多功能應(yīng)用的過程，一般采用具有分布式存儲特點的NoSQL數(shù)據(jù)庫技術(shù)。數(shù)據(jù)分析技術(shù)是將收集到的信息進行提煉和加工，將原始信息轉(zhuǎn)化為知識流，通過這種方式來進行決策制定和指導(dǎo)下一步的行動，一般是通過將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)進行并行化處理來實現(xiàn)的，如PDMiner采用的MapReduce。數(shù)據(jù)處理技術(shù)包括分布式計算、內(nèi)存計算、流處理。分布式作為一種新型的數(shù)據(jù)計算方式，適用于電力系統(tǒng)信息采集領(lǐng)域的大規(guī)模數(shù)據(jù)源。數(shù)據(jù)展現(xiàn)技術(shù)包括可視化技術(shù)、空間信息流技術(shù)、歷史流技術(shù)等，運行管理人員可清楚地理解電力系統(tǒng)數(shù)據(jù)的含義，及時掌握系統(tǒng)運行狀態(tài)。

4基于PDMiner平臺的電力系統(tǒng)安全評估與故障診斷系統(tǒng)

隨著電網(wǎng)的復(fù)雜程度逐漸增加，以及風(fēng)光系統(tǒng)的接入都使得電力系統(tǒng)的故障發(fā)生率顯著增大。傳統(tǒng)的基于SCADA/EMS的電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)雖然能實時采集數(shù)據(jù)并對系統(tǒng)進行在線監(jiān)控，但在繁雜的大數(shù)據(jù)面前，如何快速有效地分辨數(shù)據(jù)、篩選數(shù)據(jù)、整合數(shù)據(jù)并建立數(shù)據(jù)信息庫是對該系統(tǒng)的最大考驗。在傳統(tǒng)的SCADA/EMS系統(tǒng)的基礎(chǔ)上配置大數(shù)據(jù)挖掘平臺，對數(shù)據(jù)進行有效處理，將有價值的數(shù)據(jù)信息展現(xiàn)在控制人員面前。

本文將PDMiner大數(shù)據(jù)挖掘平臺引入到電力系統(tǒng)在線監(jiān)控系統(tǒng)中，作為SCADA數(shù)據(jù)管理子系統(tǒng)的一部分，通過對采集數(shù)據(jù)的處理用于系統(tǒng)的安全評估和故障診斷。首先對收集到的源數(shù)據(jù)(內(nèi)外部的歷史和實時數(shù)據(jù))通過算法引擎在PDMiner平臺上進行數(shù)據(jù)挖掘處理；然后，根據(jù)處理的結(jié)果建立系統(tǒng)指標判據(jù)庫，為風(fēng)險區(qū)域和系統(tǒng)故障提供判斷依據(jù)，并對系統(tǒng)運行狀態(tài)提供評價標準；最后監(jiān)控中心根據(jù)展現(xiàn)的數(shù)據(jù)信息對電力系統(tǒng)運行的實時數(shù)據(jù)進行監(jiān)測、分析，可劃分出故障易發(fā)的風(fēng)險區(qū)域，診斷系統(tǒng)故障，并實時獲取故障發(fā)生類型、地點、原因等信息，根據(jù)故障信息對系統(tǒng)故障進行有效處理，并快速恢復(fù)正常運行；根據(jù)風(fēng)險區(qū)域信息對系統(tǒng)區(qū)域進行劃分，同時對系統(tǒng)的運行狀態(tài)進行可靠性評估，制定相應(yīng)的優(yōu)化方案?；赑DMiner平臺的電力系統(tǒng)安全評估與故障診斷系統(tǒng)的總體架構(gòu)如圖3所示。

圖3　基于PDMiner平臺的電力系統(tǒng)安全評估與故障診斷系統(tǒng)總體框架

由圖3可知，該系統(tǒng)框架由5部分組成。第1層數(shù)據(jù)來源層通過從內(nèi)部(用戶端、企業(yè))、外部收集歷史和實時數(shù)據(jù)建立源數(shù)據(jù)庫；第2層算法模型層，根據(jù)需要建立不同的算法引擎，在進行并行計算時通過調(diào)用相應(yīng)的算法函數(shù)對數(shù)據(jù)進行針對性處理；第3層是基于PDMiner平臺對數(shù)據(jù)進行挖掘處理；第4層是根據(jù)數(shù)據(jù)挖掘的結(jié)果建立判據(jù)庫，包括故障判據(jù)、原因判據(jù)、風(fēng)險區(qū)域判據(jù)、運行評價判據(jù)、優(yōu)化方案判據(jù)，為業(yè)務(wù)層提供決策依據(jù)；最后業(yè)務(wù)層根據(jù)判據(jù)庫的指標、參數(shù)和顯示的數(shù)據(jù)分別進行故障診斷、故障原因分析、風(fēng)險區(qū)域劃分與識別、系統(tǒng)運行狀態(tài)評價、系統(tǒng)優(yōu)化方案制定，為電網(wǎng)的改造和規(guī)劃提供重要參考。

5實驗驗證

本文分別選取IEEE14和IEEE33節(jié)點測試系統(tǒng)進行仿真分析。分別將基于PDMiner平臺的電力系統(tǒng)安全評估和故障診斷系統(tǒng)配置在兩種測試系統(tǒng)的主監(jiān)控端，觀察系統(tǒng)中某點發(fā)生故障及危險區(qū)域的劃分等情況。IEEE 14節(jié)點測試系統(tǒng)拓撲圖見圖4。

圖4　IEEE14節(jié)點測試系統(tǒng)拓撲圖

首先系統(tǒng)根據(jù)采集到的原始數(shù)據(jù)進行數(shù)據(jù)挖掘，可將IEEE14節(jié)點測試系統(tǒng)劃分成4個區(qū)域，并在系統(tǒng)內(nèi)部建立了故障判據(jù)指標、故障原因、風(fēng)險區(qū)域、系統(tǒng)運行評價、系統(tǒng)優(yōu)化方案數(shù)據(jù)庫。

系統(tǒng)將區(qū)域2和4劃分為風(fēng)險區(qū)域。當(dāng)區(qū)域4的節(jié)點14發(fā)生短路故障時，系統(tǒng)將顯示下列信息，見表1。

而傳統(tǒng)的基于SCADA/EMS的電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)僅能監(jiān)控到故障發(fā)生點，并且故障診斷時間與本系統(tǒng)相比要長。前者為0.7 s，本系統(tǒng)為0.1 s。

表1　基于PDMiner平臺的電力系統(tǒng)安全評估和

同樣將該系統(tǒng)配置在IEEE33節(jié)點測試系統(tǒng)中，如圖5所示。

圖5　IEEE33節(jié)點測試系統(tǒng)拓撲圖

IEEE33節(jié)點測試系統(tǒng)被分為5區(qū)域，其中區(qū)域2、5為風(fēng)險區(qū)域。當(dāng)節(jié)點33-15間發(fā)生斷路時，系統(tǒng)可顯示下列信息，見表2。

表2　基于PDMiner平臺的電力系統(tǒng)安全評估和

與傳統(tǒng)的基于SCADA/EMS的電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)相比，前者為0.9 s，本系統(tǒng)為0.2 s。

6結(jié)語

隨著電力系統(tǒng)復(fù)雜性的增大，電力大數(shù)據(jù)已成為電力系統(tǒng)的重要組成，數(shù)據(jù)的處理就顯得尤為關(guān)鍵。傳統(tǒng)的數(shù)據(jù)處理方式無法應(yīng)對龐大的數(shù)據(jù)資源，效率低、差錯率高?，F(xiàn)代數(shù)據(jù)挖掘技術(shù)針對數(shù)據(jù)的“4V”特性，提高了數(shù)據(jù)處理的能力，本文基于云計算的大數(shù)據(jù)挖掘平臺PDMiner建立了一套電力系統(tǒng)安全評估及故障診斷系統(tǒng)，該系統(tǒng)能準確評估系統(tǒng)的運行狀態(tài)和安全水平，在故障發(fā)生時能及時將故障類型、故障源等信息反饋到控制終端，同時存儲相應(yīng)的故障數(shù)據(jù)，為建立電網(wǎng)預(yù)警機制、電網(wǎng)改造和規(guī)劃提供重要依據(jù)。

參考文獻：

[1]宋亞奇，周國亮，朱永利．智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]．電網(wǎng)技術(shù)，2013，37(4)：927-935.

SONG Ya-qi, ZHOU Tong-liang, ZHU Yong-li. Present status and challenges of big data processing in smart grid[J]．Power System Technology, 2013,37(4)：927-935.

[2]李國杰．大數(shù)據(jù)研究的科學(xué)價值[J]．中國計算機學(xué)會通訊，2012，8(9)：8-15.

[3]張素香，劉建明，趙丙鎮(zhèn)，等．基于云計算的居民用電行為分析模型研究[J]．電網(wǎng)技術(shù)，2013，37(6)：1542-1546.

ZHANG Su-xiang, LIU Jian-ming, ZHAO Bing-zhen, et al. Cloud computing-based analysis on residential electricity consumption behavior[J]. Power System Technology,2013(6):1542-1546.

[4]趙國棟，易歡歡，糜萬軍，等．大數(shù)據(jù)時代的歷史機遇[M]．北京：清華大學(xué)出版社，2013.

[5]CHU CT, KIM S K, LIN Y A, et al. Map-reduce for machine leaning on multicore[C]//Proceedings of the 21stAnnual Conference on Neural Information Processing Systems(NIPS’07), Dec3-6,2007, Vancouver, Canada. Berlin, Germany. Springer-Verlag,2007:281-288.

[6]GTM Research．The soft grid 2013-2020：Big data & utility analytics for smart grid-research excerpt [R/OL]． GTM， 2013． http： //www.giiresearch.com/report/gm257044-soft-grid-big-data-utility-analytics-smart-grid.html.

[7]The first highly interactive map of electricity use in LosAngeles[EB/OL]． [2014-08] ． http://sustainablecommunities. environment.ucla.edu/map/.

[8]SEKHAR A NAGARAJA，RAJAN K S，JAIN AMIT．Spatial informatics and geographical information systems：tools to transform electric power and energy systems[C]// 2008 IEEE Region 10 Conference(TENCON 2008)．Hyderabad：IEEE，2008：1-5.

[9]李祥珍，劉建明．面向智能電網(wǎng)的物聯(lián)網(wǎng)技術(shù)及其應(yīng)用[J]．電信網(wǎng)技術(shù)，2010(8)：41-45.

[10]楊德勝，陳江江，張明．電力大數(shù)據(jù)高速存儲及檢索關(guān)鍵技術(shù)研究與應(yīng)用[J]．電子測試，2014(3)：62-63.

YANG De-sheng, CHEN Jiang-jiang, ZHANG Ming. Power big data high speed data storage and retrieval and application of key technologies[J]．Electronic Test，2014(3)：62-63.

[11]EPRI．Big data challenges for the grid：EPRI survey results and analysis Data analytics and applications demonstration newsletter[R/OL].2013 http://www.smartgridnews.com/artman/publish/Business_Analytics/Big-Data-challenges-for-the-grid-EPRI-survey-results-and-analysis.

[12]EPRI． The whys， whats， and hows of managing data as an asset[R]．USA：EPRI，2014.

[13]王秀磊，劉鵬．大數(shù)據(jù)關(guān)鍵技術(shù)[J]．中興通訊技術(shù)，2013，19(4)：17-21.

WANG Xiu-lei, LIU Peng. Key big-data technologies[J]. ZTE Communications, 2013,19(4)：17-21.

[14]孟小峰，慈祥．大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J]．計算機研究與發(fā)展，2013，50(1)：146-169.

MENG Xiao-feng, CI Xiang. Big data management: Concepts,techniques and challenges[J]. Journal of Computer Research and Development, 2013,50(1):146-169.

[15]劉振亞．智能電網(wǎng)技術(shù)[M]．北京：中國電力出版社，2010.

[16]邱健，牛琳琳，于海承，等．基于多源數(shù)據(jù)的在線數(shù)據(jù)評估技術(shù)[J]．電網(wǎng)技術(shù)，2013，37(9)：2658-2663.

QIU Jian, NIU Lin-lin, YU Hai-cheng, et al. Research on online data assessment technology based on the multiple data source[J]. Power System Technology,2013(9):2658-2663.

[17]馬發(fā)勇，厲啟鵬，馬志斌，等．電力調(diào)度SCADA系統(tǒng)中歷史數(shù)據(jù)壓縮及存儲策略[J]．電網(wǎng)技術(shù)，2014，38(4)：1109-1114.

MA Fa-yong, LI Qi-peng, MA Zhi-bin, et al. The research of historical data compression and storage strategy in power dispatch SCADA system[J]. Power System Technology, 2014，38(4)：1109-1114．

(本文編輯：嚴加)

Power System Security Assessment and Fault Diagnosis System Based on PDMiner Large Data Mining Platform

CHANG Cheng

(College of Electrical Engineering, GuiZhou University, Guiyang 550025, China)

Abstract:The data of power system is complex and various, and then the big data mining is one of the difficult problems for power companies. This paper describes the development status of power big data, and introduces the concept of power cloud to power system big data analysis. Data mining platform PDMiner is proposed based on cloud computing, and its overall structure and principle are outlined. According to the power big data platform architecture and key technologies, a set of power system security assessment and fault diagnosis system is developed based on PDMiner platform. The system, configured in the SCADA/EMS data management subsystem, can improve the data processing efficiency and accurately extract the information of fault types and risk region, having much higher value in power grid renovation and planning.

Key words:power system big data; data mining; PDMiner platform; security assessment; fault diagnosis

DOI：10.11973/dlyny201601002 10.11973/dlyny201601003

作者簡介：常成(1991)，男，碩士研究生，研究方向為電力系統(tǒng)運行與控制。

中圖分類號：TM76；TP311

文獻標志碼：A

文章編號：2095-1256(2016)01-0007-05

收稿日期：2015-10-25