（华电电力科学研究院310030）
摘要：大数据挖掘技术为电力设备状态评价开辟了一条全新的路线，并对现有设备状态监测参数提出了更高的要求。该方法引入了数理统计、模式识别等方面的理论和工具，在大规模数据分析的基础上，重点挖掘不确定模型条件下被分析因素之间的关联性。本文以大电网设备状态评估为目的，在传统评估方法基础之上，提出状态评估的大数据概念，旨在将传统的大电网行业注入新兴概念与算法。
关键词：大数据挖掘；电力设备；状态评估
前言
随着信息技术的迅速发展，数据库规模的扩大带来了大量的数据．但大量的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息，而传统的查询和报表工具无法满足挖掘这些信息的需求。数据挖掘技术就是通过处理大量的数据并从中抽取有价值的潜在信息的一种新的数据分析技术。随着电力系统数据库中的数据也呈爆炸性趋势增长，在电力设备的在线监测系统中引入数据挖掘技术势在必行。
1大数据分析下电力设备状态评估的实际需求分析
为了充分的实现大数据分析的优势作用与价值，进而为实现相应评估系统的完善搭建、并实现对电力设备状态的有效评估提供技术保障，就需要针对实际需求进行分析。首先，在数据采集与存储上。基于大数据分析下，需要实现关系型与非关系型数据库的搭建，同时要实现数据实时推送数据接入口的构建，进而才能够确保实现对实时与非实时数据信息的有效采集；在数据处理上，同样要针对电力设备状态评估所设计到的各种数据类型实现数据存储技术的应用，其中采用分布式存储技术则能够以低成本投入来实现对存储系统的有效拓展，并能够满足不同类型数据信息存储之需。其次，计算处理与分析挖掘需求分析。在数据计算处理上，需要实现对海量信息数据的实施监测与分析，因此，基于大数据分析下，要想实现对电力设备状态的有效监测，并实现对信息数据的实时且高效处理，就需要以在线监测、分析与计算等数据处理平台的构建为基础，并将业务算法进行有效融入，以确保能够实现数据信息的离线分析与处理；在信息挖掘上，需要以相应关联分析模型的构建为基础，建立完善的算法库，进而通过大数据技术来实现对海量信息的有效分析与预测。
2电力大数据应用分析
2.1电力大数据分析在智能电网中的应用
可具体应用于如下的环节之中：第一，在发电环节上，以大数据分析技术的应用能够实现对发电设备运行的实际状态进行实时监控，进而通过对相应数据的分析与整理来提高设备的使用效率，为最终落实电网节能、提高电力企业经济效益奠定基础；第二，在输电方面，通过大数据分析技术的应用，能够实现对输电设备运行状态的实时与非实时性监管，通过对海量数据信息的搜集来实现集成化管理；第三，在变电环节上，通过对智能化设备的监控，实现海量信息的深度挖掘，进而通过对信息的整合与利用，为促进电网智能化建设的发展奠定基础；第四，在配电上，能够通过数据采集与整合来实现电力的自动化调度，进而通过数据的统一监管来实现电力的优化调度；第五，在用电与调度上。用电上，能够为实现对电力用户用电情况的自动化统计、并实现增值业务的扩展奠定信息基础；在电力调度上，能够以大数据分析技术的应用为基础，通过调控合一调度技术的应用来优化电力调度。
2.2电力大数据分析在信息化监管与服务平台中的应用
基于三集五大体系的搭建，集成化信息系统平台的构建促使海量数据信息内容诞生，为了能够满足当前电力行业在信息处理上的实际需求，进而为落实电力设备评估工作提供技术支撑，就需要将大数据分析技术进行引入，进而为电力企业通过信息化监管的有效实现来构建出专业化、集约化的管理模式。与此同时，在电力企业运营监控中心与客服中心，将大数据分析技术进行引入能够为运营监控中心实现全方位实时化的运营监管奠定有效的信息处理技术基础；同时，在客服中心引入大数据分析技术，则能够通过对用户海量信息的完善搜集、分析与存储，来提升电力企业的服务质量。
3基于大数据分析的电力设备状态评估系统的构建
3.1大数据技术概述
大数据技术的具体分类如下：第一，数据存储技术。主要是以内存数据库以及分布式文件系统等技术的落实来实现对数据信息的存储，在此过程中，要具备存储结构管理以及容量压缩的能力。第二，数据整合技术。这一技术主要是实现对大数据的获取与转换，即在获取实时数据的基础上，将结构与非结构数据进行有效的转换，在实际应用的过程中主要是采用PIG以及HIVE等技术。第三，数据计算与处理技术。主要是通过Map/Reduce技术等来实现对大数据的高效计算与处理；第四，数据应用技术。主要是通过语言处理以及数据挖掘等技术的应用来实现对大数据信息资源的深入挖掘，进而充分实现电力设备数据信息资源的使用价值。
3.2大数据分析下电力设备状态评估系统的构建
3.2.1系统构建
在实际利用电力大数据分析技术的过程中，首先需要实现统一系统平台的构建，进而才能够满足各项业务信息处理的实际需求，在实际落实的过程中，系统平台的构建主要需要包括如下内容：第一，数据整合与存储模块。以相应数据采集技术为基础上，实现对关系数据库记录、日志、视频等各种结构数据的采集，且数据采集要实现实时与非实时的功能；在数据存储上，要结合数据的实际类型，以及相应数据对计算的实际需求，构建相应的存储与查询模板。第二，数据计算与分析模块。要以完善的计算功能为基础，实现对各种信息结构的计算处理，进而为实时决策的落实并实现有效的预警奠定基础，同时要实现对数据的离线处理与批量计算处理；在数据分析上需要实现对数据的深入挖掘，为实现业务的科学决策与业务深度与广度的拓展奠定基础。第三，平台服务模块。需要在落实基础系统构建的基础上，构建出完善的大数据平台，进而为实现大数据分析技术在电力设备状态评估中的有效且完善应用奠定基础；第四，安全预配置模块。安全模块的构建是为了确保该系统的安全、稳健运行，避免发生数据信息的泄漏与丢失问题；管理模块的搭建则能够为落实实时监管、提高系统运行能力、优化系统资源配置与管理奠定基础。
3.2.2技术框架的搭建
技术框架的搭建是以系统平台的构建为基础的，在实际落实的过程中，主要需要实现如下几项内容的落实：针对数据资源、集成服务、开发工具以及业务应用来实现技术上的深入探讨，确保实现相应组件的优化配置，以通过研发技术的提升来强化该系统的实际应用功能，为充分发挥出大数据分析技术在电力设备运行状态评估中的作用与价值奠定基础。
结束语
总之，随着状态检修的蓬勃发展，以及各大电网公司状态监测中心的建设，为数据挖掘技术的研究和应用提供了基础平台。但数据挖掘在电力设备状态检修中的应用还处于初级阶段，仍存在许多问题。因此，电力设备状态检修中的数据挖掘技术还需作进一步的深入研究。
参考文献：
[1]张金萍，刘国贤，袁泉，杨希成，郑明涛.变电设备健康状态评估系统的设计与实现[J].现代电力.2004（04）
[2]黄建华，全零三.变电站高压电气设备状态检修的现状及其发展[J].电力系统自动化.2001（16）
[3]苗苗苗.数据挖掘中海量数据处理算法的研究与实现[D].西安建筑科技大学2012
[4]朱晓峰.面向海量数据的快速挖掘算法研究[D].南京邮电大学2012