基于调控大数据平台的变电设备家族性缺陷趋势分析方法技术

本发明专利技术涉及一种计算机应用技术领域，特别是涉及基于调控大数据平台的变电设备家族性缺陷趋势分析方法。所述方法包括以下步骤：(S10)数据采集，将数据从来源端经过抽取转换、加载至目的端；(S20)数据预处理；(S30)计算设备家族性缺陷风险指数。本发明专利技术实现了对集中监控设备家族性缺陷可能性的预测。相对于传统的方法准确率较高。

Family defect trend analysis method of substation equipment based on large data platform

The invention relates to the field of computer application technology, in particular to a family defect trend analysis method of substation equipment based on a large data platform for regulation and control. The method includes the following steps: (S10) data acquisition, data extraction from the source end, conversion, loading to the destination end; (S20) data preprocessing; (S30) calculation of equipment family defect risk index. The invention realizes the prediction of the possibility of family defects of centralized monitoring devices. Compared with the traditional method, the accuracy rate is high.

【技术实现步骤摘要】
基于调控大数据平台的变电设备家族性缺陷趋势分析方法
本专利技术涉及一种计算机应用
，特别是涉及基于调控大数据平台的变电设备家族性缺陷趋势分析方法。
技术介绍
目前电力设备缺陷时有发生，但是针对于设备的家族性缺陷发生规律无有效手段进行综合分析。在当前电网运行环境中，电力设备发生缺陷，尤其是当发生危急和严重缺陷时，会危及人身的安全以及严重影响设备、电网的可靠稳定运行。因此，电力设备在设计、制造、安装、运行、检修等环节的任何一个过程、环节稍有不慎，都会给设备带来缺陷或者隐患。目前针对设备运行中出现的缺陷与故障，主要靠人为上报确认，当设备发生缺陷或故障时，会伴随发生相关的告警信息，站端人员通过电话沟通的方式，通知主站的监控人员，监控人员将缺陷或故障信息记录到监控日志当中。这种依靠人为判断的方式，过渡依赖于监控人员，不利于电网的安全、稳定运行。
技术实现思路
针对
技术介绍
中的问题，本专利技术的目的在于提出基于调控大数据平台的变电设备家族性缺陷趋势分析方法。本专利技术利用文本分析技术，自动识别缺陷，并实现告警信号与设备自动关联，利用数据挖掘技术，根据设备告警信号历史数据，获得设备家族性缺陷风险指数，并以此作为基础，来推断设备发生某类家族性缺陷的概率。为实现上述目的，本专利技术的技术方案如下：基于调控大数据平台的变电设备家族性缺陷趋势分析方法，所述方法包括以下步骤：(S10)数据采集，将数据从来源端经过抽取转换、加载至目的端；(S20)数据预处理；(S30)计算设备家族性缺陷风险指数。进一步地，所述步骤(S10)包括两部分：(S10-1)横向跨区和纵向跨级数据采集；(S10-2)非横向跨区和非纵向跨级数据采集；所述横向跨区采集主要是指电力系统安全Ⅰ区、安全Ⅱ区和安全Ⅲ区系统数据的采集；所述纵向跨级数据采集主要是指上级调度机构采集下级调度机构系统数据；所述横向跨区数据的载体以文件的形式穿透物理隔离装置进行采集，以文件的方式为优先方式；对所述纵向跨区域数据的传输进行加密，所述纵向跨区域数据的载体以文件的方式为优先方式；所述横向跨区和纵向跨级的各系统之间的文件数据传输采用D5000平台的小邮件进行传输，整个数据的抽取、清洗、转换、存储过程利用ETL工具统一完成，具体过程如下：(S10-1-1)TH-ETL工具的读组件通过D5000平台的小邮件服务从目标位置获取文件数据；(S10-1-2)TH-ETL工具的流向组件按照采集模型的清理模型中预先设定的清理规则对文件数据进行清理；(S10-1-3)TH-ETL工具的转换组件按照采集模型的转换模型中预先设定的转换规则对文件数据进行转换；(S10-1-4)清理转换后的数据由TH-ETL工具的写组件按照执行模型预先设定的规则进行数据的实体存储；所述非横向跨区和非纵向跨级数据采集主要对相同安全分区、同级调控机构的系统数据的采集；对所述非横向跨区和非纵向跨级的数据无需穿透物理隔离装置，数据也无需进行跨级传输加密；所述非横向跨区和非纵向跨级的各系统之间的文件数据传输采用D5000平台的小邮件进行传输，整个数据的抽取、清洗、转换、存储等采集过程由ETL工具统一完成，具体过程如下：(S10-2-1)采集源系统按照既定的周期将文件数据通过D5000平台的小邮件服务推送至目标位置；(S10-2-2)TH-ETL工具的读组件通过D5000平台的小邮件服务从目标位置获取文件数据；(S10-2-3)TH-ETL工具的流向组件按照采集模型的清理模型中预先设定的清理规则对文件数据进行清理；(S10-2-4)TH-ETL工具的转换组件按照采集模型的转换模型中预先设定的转换规则对文件数据进行转换；(S10-2-5)清理转换后的数据由TH-ETL工具的写组件按照执行模型预先设定的规则进行数据的实体存储。进一步地，所述步骤(S20)包括两部分：(S20-1)非结构化的告警信号识别，将告警信号归类到标准的设备缺陷类别；(S20-2)非结构化的告警信号与设备自动关联；所述(S20-1)部分包括如下步骤：(S20-1-1)利用中文分词算法，对非结构化的告警信号进行分词，将非结构化的告警信号转换成关键词集合；(S20-1-2)计算告警信号对应的关键词集合与标准的设备缺陷之间的皮尔逊相关系数；(S20-1-3)根据计算获得的相关系数，将该告警信号归类到与其最匹配的标准的设备缺陷类中；所述(S20-2)部分包括如下步骤：(S20-2-1)利用实体识别技术的字典法，自动将告警信号中的设备类别及设备编码过滤出来；(S20-2-2)将告警信号中的厂站ID转换成OMS中的厂站ID；(S20-2-3)利用OMS的设备台账，利用告警信号的OMS厂站ID以及前面识别出来的设备类别及设备编码作为约束条件，找到与告警信号匹配度最高的设备，并将该告警信号与该设备自动关联。进一步地，所述步骤(S30)包括如下步骤：(S30-1)根据告警信号的时序模型，再利用S20处理结果，计算出设备缺陷时序模型；(S30-2)根据设备缺陷的时序模型，计算某类设备发生某类缺陷的条件概率，将此条件概率作为衡量设备家族性缺陷风险指数的指标；所述设备家族性缺陷风险指数是指设备发生某类家族性缺陷的条件概率，并将此条件概率作为衡量设备发生家族性缺陷风险的指数。本专利技术的有益效果在于：本专利技术利用文本分析技术，自动识别缺陷，并实现告警信号与设备自动关联，利用数据挖掘技术，根据设备告警信号历史数据，获得设备家族性缺陷风险指数，并以此作为基础，来推断设备发生某类家族性缺陷的概率。本专利技术实现了对集中监控设备家族性缺陷可能性的预测。相对于传统的方法准确率较高。数据采集主要负责对外部系统的统一数据采集，通过大数据技术支撑平台的技术支撑，实现对横向部署在不同安全分区、纵向部署在不同调控机构相关系统数据的提取、清理、转换、实体存储的全过程管理。附图说明图1是本专利技术的基于调控大数据平台的变电设备家族性缺陷趋势分析方法流程图。具体实施方式下面结合附图，对本专利技术的技术方案作进一步的阐述。图1是本专利技术的基于调控大数据平台的变电设备家族性缺陷趋势分析方法流程图，如图1所示，所述方法包括以下步骤：(S10)数据采集，将数据从来源端经过抽取转换、加载至目的端；(S20)数据预处理；(S30)计算设备家族性缺陷风险指数。步骤S10数据采集，将数据从来源端经过抽取转换、加载至目的端的过程。数据采集主要负责对外部系统的统一数据采集，通过大数据技术支撑平台的技术支撑，实现对横向部署在不同安全分区、纵向部署在不同调控机构相关系统数据的提取、清理、转换、实体存储的全过程管理。所述步骤(S10)包括两部分：(S10-1)横向跨区和纵向跨级数据采集；(S10-2)非横向跨区和非纵向跨级数据采集。所述横向跨区采集主要是指电力系统安全Ⅰ区、安全Ⅱ区和安全Ⅲ区系统数据的采集。所述纵向跨级数据采集主要是指上级调度机构采集下级调度机构系统数据。对于由于横向Ⅰ区、Ⅱ区与Ⅲ区之间存在物理隔离装置，数据的载体必须以文件的形式穿透物理隔离装置进行采集。同时，基于纵向跨区域数据的安全性考虑，必须对传输数据进行加密，因此数据的载体也以文件的方式为优先方式。横向跨区和纵向跨级的各系统之间的文件数据传输采用D5000平台的小邮件进行传输，整个数据的抽本文档来自技高网...

【技术保护点】
1.基于调控大数据平台的变电设备家族性缺陷趋势分析方法，其特征在于：所述方法包括以下步骤：(S10)数据采集，将数据从来源端经过抽取转换、加载至目的端；(S20)数据预处理；(S30)计算设备家族性缺陷风险指数。

【技术特征摘要】
1.基于调控大数据平台的变电设备家族性缺陷趋势分析方法，其特征在于：所述方法包括以下步骤：(S10)数据采集，将数据从来源端经过抽取转换、加载至目的端；(S20)数据预处理；(S30)计算设备家族性缺陷风险指数。2.根据权利要求1所述的基于调控大数据平台的变电设备家族性缺陷趋势分析方法，其特征在于，所述步骤(S10)包括两部分：(S10-1)横向跨区和纵向跨级数据采集；(S10-2)非横向跨区和非纵向跨级数据采集；所述横向跨区采集主要是指电力系统安全Ⅰ区、安全Ⅱ区和安全Ⅲ区系统数据的采集；所述纵向跨级数据采集主要是指上级调度机构采集下级调度机构系统数据；所述横向跨区数据的载体以文件的形式穿透物理隔离装置进行采集，以文件的方式为优先方式；对所述纵向跨区域数据的传输进行加密，所述纵向跨区域数据的载体以文件的方式为优先方式；所述横向跨区和纵向跨级的各系统之间的文件数据传输采用D5000平台的小邮件进行传输，整个数据的抽取、清洗、转换、存储过程利用ETL工具统一完成，具体过程如下：(S10-1-1)TH-ETL工具的读组件通过D5000平台的小邮件服务从目标位置获取文件数据；(S10-1-2)TH-ETL工具的流向组件按照采集模型的清理模型中预先设定的清理规则对文件数据进行清理；(S10-1-3)TH-ETL工具的转换组件按照采集模型的转换模型中预先设定的转换规则对文件数据进行转换；(S10-1-4)清理转换后的数据由TH-ETL工具的写组件按照执行模型预先设定的规则进行数据的实体存储；所述非横向跨区和非纵向跨级数据采集主要对相同安全分区、同级调控机构的系统数据的采集；对所述非横向跨区和非纵向跨级的数据无需穿透物理隔离装置，数据也无需进行跨级传输加密；所述非横向跨区和非纵向跨级的各系统之间的文件数据传输采用D5000平台的小邮件进行传输，整个数据的抽取、清洗、转换、存储等采集过程由ETL工具统一完成，具体过程如下：(S10-2-1)采集源系统按照既定的周期将文件数据通过D5000平台的小邮件服务推送至目标位置；(S10-2-2)TH-ET...

【专利技术属性】
技术研发人员：吴奕，冷喜武，蒋宇，肖艳炜，范青，王浩，陈芸，白静洁，武毅，武江，
申请(专利权)人：国家电网公司，国网江苏省电力公司，国网浙江省电力公司，国网江苏省电力公司徐州供电公司，国网江苏省电力公司南京供电公司，北京科东电力控制系统有限责任公司，
类型：发明
国别省市：北京,11