瞿瑞娟
宁夏信通网络科技有限公司 宁夏银川 750000
摘要：随着社会的不断发展，电力行业也处于高速的发展当中，为了提高供电服务水平、降低电网维护成本，技术人员也在不断地探究更好的电力系统运行方式。在电网系统的实际运行过程中，常常因为各种原因导致故障的发生，故障引起的停电事件不但给用电用户带来不便，同时也会给电力企业带来经济损失，为了及时地查找出故障的原因，降低故障发生的次数，需要相关人员使用高效、精准的故障诊断分析技术。本文从大数据背景下电网系统故障诊断分析、大数据技术在电网设备故障诊断分析中的实际应用两方面进行介绍。
关键词：大数据；电网系统；故障；诊断分析
引言：随着电力系统的不断扩展，电网结构也越来越复杂，出现故障问题的频率不断增多。为了解决安全问题，电力企业的相关人员也在不断的学习故障诊断分析技术，通过在日常的故障检修中积累更多经验，以达到及时消除故障隐患、提高电力系统运行效率和质量的目的。同时技术人员也在不断地创新与探索，对电力系统进行优化和升级，找到更加有效的电力系统运行方式，满足用户的日常供电需求。
1.大数据背景下电网系统故障诊断分析
1.1基于专家系统的诊断方法
基于专家系统的诊断方法是使用计算机技术对电网系统的运行进行诊断，以推理策略和故障诊断知识作为依据，将系统分为两类。一类是启发式规则推理系统，使用大数据技术对系统进行构建，将电网系统的故障诊断知识存储在系统内，主要包括专家诊断经验以及断路器动作逻辑，并将这些内容作为系统的构建基础。相关人员只需要将实际的数据导入到系统当中，系统就可以实现实际数据与数据库数据的自动对比，进而获得准确的故障诊断结论。另一类是集正反推理于一体的系统，这类系统是以断路器与保护设备间的逻辑关系为依据，通过反向进行推理，来缩小故障分析的范围，进而降低故障诊断的难度。基于专家系统的诊断方法在对专家经验和保护动作的设置较为简单，工作人员在系统当中也可以自行增加或者删除数据库的部分规则。目前专家系统诊断方法在中小型电网故障的诊断中取得了较好的效果，因此更多的电力企业也不断地采用这种方法，有效地提高电网故障诊断的效率[2]。
1.2基于优化技术的诊断方法
基于优化技术的诊断方法的基础是数据模型，在对电网故障进行诊断和分析时，通过对故障诊断问题进行有效描述，将故障诊断问题变成数学规划问题。基于问题描述以及数学模型，利用优化技术确定问题的最优解，达到预期的目的。一些研究机构在大数据技术的支持下，以保护动作以及故障信息识别作为依据，实现了对数学模型的构造，首先是对大数据进行汇总并分析诊断结果，然后对报警信息进行解释，在解释之后得到故障诊断问题有关的密切关联函数，然后就可以将故障问题转化为整数规划问题。
1.3基于粗糙集的故障诊断分析方法
基于粗糙集的故障诊断分析方法是通过模糊处理目标来实现对电网故障的诊断。粗糙集方法的重要内容是计算约简方式，在目标集不发生变动的前提下，将无用以及多余的信息进行集中的清理，使得集合不断缩小，最终获得所需要的最小子集。通过使用此类故障诊断分析方法，可以对电网故障进行细致地分类，并确定分析结果。与其他的故障诊断分析方法相比，基于粗糙集的故障诊断分析方法只需要使用大数据技术对数据进行分析，找到其内在存在联系的信息，通过内部关联进行分析，把握其出现故障的规律，就可以达到预期的目标。
该方法的核心是以等价关系为依据对目标进行划分，比如工作人员在对电网的诊断和分析的过程中，可以使用大数据技术将电网系统运行中的故障设备记录进行采集与汇总，然后采用粗糙集的方法，构建关键属性集合。如果电网是在外部因素下所导致的运行故障，那么工作人员采用此类方法对故障进行诊断和分析，能够快速地定位故障发生的位置，找到故障发生的原因[3]。
1.4基于人工神经网络的诊断方法
与常规的故障诊断方法相比，基于人工神经网络的诊断方法具有一定的优势，它的容错率较高，发展潜力较大，使用效果显著。在大数据背景下，人工神经网络诊断方法得到了快速地发展，不断趋于成熟，其方法和种类也在不断增加，主要包括前向神经网络和径向基神经网络两种类型。一些研究机构在对人工神经网络诊断方法研究的过程中，研发了典型的故障诊断神经网络模型，使用这类模型对电网故障数据进行分析时，它能够将继电保护信息转化为人工神经网络诊断，主要流程如下：（1）选择继电保护信息作为故障诊断分析方法的输出，使用计算的方式对采集的样本进行处理；（2）将实际输出与期望值进行对比，如果实际输出与期望值之间相差在正常范围内，则完成训练，如果二者数值相差较大，则反向输出，通过调整权值与阈值，使得实际输出处于与标准值相符。
2.大数据技术在电网设备故障诊断分析中的实际应用
本文选取大数据技术与抽水蓄电站设备运行相结合的例子，分析大数据技术在电网设备故障诊断分析中的实际应用。
2.1故障诊断流程
本文以某企业的抽水蓄电站为参照对象，首先使用计算机技术对电网设备运行进行诊断，采用启发式规则推理系统，分析人员收集和汇总设备运行数据，并将这些数据导入到系统当中，进行数据的自动比对。并构建数据模型，通过对问题的有效描述，将其转变为数学规划问题，得出准确的诊断结果。
2.2数据处理
实例中用设备运行的历史数据构建模型对设备健康状态进行诊断，运行数据数量庞大且存在较多的冗余数据，在进入模型之前，需要进行清洗处理，选取对健康程度评估有效的指标并处理成模型适用的时间序列数据，保证后续分析工作顺利进行。
2.3设备运行状态和电力设备健康状态综合评价分析
从网上查阅资料可以发现，电力设备长久失修、长期老化运行是导致电网出现故障最主要的原因之一，因此实例应用是以设备运行状态为切入点来判别和诊断电网故障。考虑到电力设备的运行时间较长，在实例应用的过程中主要是通过设备基本信息、设备运行工况、设备历史数据这三类信息作为构建依据，设备基本信息包括质量等级和技术参数，设备运行工况包括设备运行状态、时间和环境，设备历史数据包括之前设备维修的记录以及运行数据。在本例当中采用的是专家系统诊断法和优化技术诊断法，在确定好三类评价指标之后，专家为各个指标分配权重。分析人员通过构建数据模型，得出设备出现故障的概率。根据相应的计算可以得出分数服从于正态分布，设备的分数为94分，因此电网发生故障的概率较低。
结束语
电网在运行的过程中，需要设备之间的相互配合，才能够保证电网的运行效率和质量。设备之间长期不协调的运行方式极大可能会导致电网故障的发生，进而影响居民的日常用电，定期的设备检查，健康状态诊断是有效防止故障突发的措施之一。在遇到设备故障时，技术人员应当针对不同的故障问题采用适宜的电网故障诊断分析方法，提升电网诊断的效率和准确性，有效地提高电网的运行质量和效率。
参考文献：
[1]祁斌,赵灏.基于神经网络的直流微电网故障诊断方法研究[J].国外电子测量技术,2021,40(04):121-124.
[2]刘颖,赵志刚.大数据背景下电网系统故障诊断分析技术[J].工程技术研究,2020,5(21):95-96.
[3]田启东,黄双.大数据支持下的电网系统故障诊断分析技术[J].电子设计工程,2020,28(05):125-129.