刘煜寒
三峡大学 湖北 宜昌 443000
摘要：近年来，社会各界更加重视科技研究，开发了许多新技术。大数据挖掘技术是较先进的技术之一，广泛应用于各个行业和领域，为整个社会的发展做出了很大贡献。其中，在配电网系统中，通过该技术的应用，可以搭建设备，挖掘设备的故障，并进行相应的预警处理工作，对整个电力系统的运行具有重要意义。本文主要分析大数据挖掘在配电网设备运行中的应用。
关键词：信息技术，配电网，大数据挖掘技术
引言
近年来，随着计算机性能和计算能力的提高以及相关的大数据技术的重复性，越来越多的公司使用这些技术来支持其运营流程。海量数据逐渐成为企业生存的重要载体，并逐渐展现其价值国家电网公司还在电网领域开展了大规模数据技术领域的技术研究和业务情景应用研究。
1、大数据挖掘技术的特点
通过使用计算机网络，社会获得了越来越多的数据信息，这些信息的有效收集和分析可极大地促进活动的开展。在这方面，大规模数据提取技术正在逐步出现，即通过以下方式收集相关数据的过程有许多常用的方法，包括:(1)神经网络方法，这是一种利用人类神经原型开发的分析方法，可以快速运行，同时进行多种分析活动，但也有一些不足之处，即分析原理难以掌握。(2)遗传算法，一种基于遗传的逐步发展的计算方法，其计算结果更加精确，可与其他算法有效集成，可同时执行多个分析活动，但计算量很大，算法非常复杂，存在问题（3)决策树方法，根据数据特征将数据分为不同类型，从而提供有效的信息。它的优点易于使用和学习，但精度不是很高。
2、配网设备运行中大数据挖掘技术的应用
2.1配网设备故障的动态分析
配电装置运行时，可以使用大型数据挖掘技术执行动态故障分析。主要包括:(1)干线故障。一般而言，具体分析可以基于两个方面，即两个方面的结果和对另一个方面结果准确性的核实，这两个方面由两个结果共同判断。本发明涉及主线开关触发的直接信息，拓扑分析从系统的顶部到底部逐渐发展；另一种方法是从电源点执行拓扑分析并构建断电模块，方法是合并分支线数据，从电源点开始，逐渐延伸到开关点。(2)支路断电。要解决这一问题，有两种解决办法:一旦取得结果，就可以核实另一种解决办法所取得的结果的准确性，然后用这两种结果来判断。一种是在故障线收集相关信息后，逐步对系统进行自上而下的拓扑分析；另一种方法是通过警报从系统的顶部到底部执行拓扑分析，首先从电源点开始，然后在未获得相关信息时从电源点开始。(3)未接地。通过读取有关设备的数据和设备的操作，可以确定是否存在接地问题。(4)停电。判断原理基本上与行业的电耗相同。
2.2巡视维护模块应用
检查维护模块超越了传统故障排除系统的区域界限，充分利用网络技术实现远程操作。一种远程控制故障排除系统，使维修人员能够方便地进行故障排除，主要依靠计算机监控设备，汇入系统中。即使没有计算机设备，也可以在移动终端上进行系统的访问和维护。该网络的组织结构具有分布式结构，可确保电气设备的运行信息能够实时传递给工作人员。参观维修模块对配电网系统故障作出准确判断，如果工作人员不能诊断，其系统可以为分析决策提供有效数据，维护配电网设备的稳定运行。检修模块属于智能操作维度，收集维护配电网设备，利用网络技术和数据库实现资源共享，能够准确结合设备现场的实际情况，对故障信息进行有针对性的分析和判断。
2.3实时监测模块应用
大数据分析下配网主动式运维的主要设计理念便是实现实时监控，保证配电网系统安全。主动式运维系统采用配网监控窗口操作，并得出实时监控数据，通过数据可以分析出配电网系统运作状态和性能，并将有效数据发送至配网维护管理人员。结合主动式配网系统结构分析，配网运行状态主要含有三层构架，分别为数据图、配电柜和监控配网的状态。每个环节功能环环相扣，其中数据图能够提供准确的检测数据，另外，自身具备的信号灯可以反映配网的运行状态，正常与不正常的状态下所给出的提示不同。配电柜的主要任务是获取监控配网设备中的数据，并结合设备给出的数据进行控制信号灯的状态。预警和告警是由监控配网的状态进行控制的，实现对配网系统运行状态的全面监控，实现运行时间、电流电压信息的传递，共同完成配网整体系统的实时监控。
2.4基于元胞属性大数据的空间负荷预测
当前基于大数据技术的空间负荷预测方法是对不同负荷进行分组，并使用深度学习算法对每个单元的负荷密度进行分类，但对影响单元负荷密度预测值的特性没有进行深入和全面的探索，从而影响精度。在对不同细胞类型的大属性数据进行综合探索的基础上，本文提出了以下空间负荷预测算法:(1)根据地形特性分类对细胞进行分类，并给出影响不同细胞类型负荷密度的特性，如表1所示。（2)利用第1分节的海量数据处理方法，从相似区域提取可用数据，从实施的规划报告中提取数据，包括:历史单元和预测单元的负荷密度，并在识别异常数据后形成结构化数据。（3)根据阶段采用叠式降噪自密码器方法形成预测模型。（4)结合预测区域中的储存格性质，以预测每种储存格类型的荷载密度，并根据规划区域计算每个储存格的荷载。(5)综合大量数据，预测住房、公共设施、仓储物流和工业用地的典型日负荷特性，计算每种负荷的并发率，并得出最终细胞负荷值。
2.5其他方面的应用
除上述几个方面外，大数据挖掘技术还具有下述几项功能：（1）以电网拓扑为基础，结合线路参数等信息，有效评估设备负荷转移风险，并制定出相应的转供模式，使设备发挥出更大的作用。（2）以电网拓扑为基础，结合设备运行状态，了解线损具体情况，并以此为基础，挖掘出线损管理的缺陷，确定出引发原因，制定出改进方案，降低线损所带来的损失。（3）以动态监测结果为基础，结合以往出现的缺陷等信息，构建出状态评估矩阵，通过该矩阵的进一步分析，掌握设备具体状态，了解其所剩使用时间。同时，还可以寻找出那些状态并不是很好的设备，并制定出相应的改造方案，确保设备一直处于最佳状态。（4）通过大数据挖掘技术，构建出接地断线模型，通过该模型的分析，确定出设备是否接地，以及接地的具体类型，并制定出相应的解决方案，防止接地问题的出现，赋予整个系统更强的可靠性。（5）以设备台账为基础，结合运行情况，对设备状态进行动态分析，确保相关人员准确了解设备的具体状况，及时发现告警提示，并对缺陷予以处理，赋予设备更加良好的安全性。（6）以设备运行数据为基础，结合自然天气等信息，对整个系统的突发事件进行分析，及时发现可能出现的突发事件，并向相关人员提出警示，确保其能够做好事前防护，减弱电网风险。
结束语
作为当前较为先进的技术手段，大数据挖掘技术对社会的发展具有重要意义，有效将其应用到配网设备管理工作中，能够加强对整个配网系统的检测力度，掌握系统的运行情况，挖掘出其中存在的问题，制定出合理的预警处理方案，以确保整个系统能够安全、稳定的运行，为社会的发展提供充足的电力能源。
参考文献：
[1]罗育辉.大数据技术在配电网运行管理中的发展与运用分析[J].中外企业家,2018(09):90.
[2]周杨珺,梁朔,俞小勇,奉斌,李珊.基于多源异构数据的配电网运行分析平台:系统架构与技术实现[J].南方电网技术,2018,12(08):59-64.
[3]施烁,李智涵.数据挖掘和管理在配电网中的应用研究[J].信息与电脑(理论版),2020,32(06):154-156.
[4]郑家波,陈卓.浅析智能配电网中的大数据应用[J].集成电路应用,2018,35(10):70-71.
[5]张珂珩,彭晨辉,赵康.基于全息时标量测数据挖掘的配电网设备健康状态诊断分析[J].计算机测量与控制,2018,26(03):29-34.