現(xiàn)階段電網(wǎng)規(guī)模持續(xù)高速增長(zhǎng)，運(yùn)檢現(xiàn)場(chǎng)對(duì)具備多種專業(yè)綜合處理能力的高素質(zhì)人才，尤其是具備豐富現(xiàn)場(chǎng)運(yùn)維經(jīng)驗(yàn)的高素質(zhì)人才需求迫切。能否借助現(xiàn)有的互聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)應(yīng)用，將傳統(tǒng)的“現(xiàn)場(chǎng)專家經(jīng)驗(yàn)驅(qū)動(dòng)”轉(zhuǎn)變?yōu)?ldquo;數(shù)據(jù)與專家經(jīng)驗(yàn)聯(lián)合驅(qū)動(dòng)”，提升現(xiàn)場(chǎng)缺陷檢出和故障診斷能力，將成為有效緩解現(xiàn)階段運(yùn)檢業(yè)務(wù)結(jié)構(gòu)性缺員的重要途徑之一。
 
數(shù)據(jù)與專家經(jīng)驗(yàn)的聯(lián)合驅(qū)動(dòng)
 
   11月15日，天津電力科學(xué)研究院帶電檢測(cè)專家何金，在電力設(shè)備局放智能診斷數(shù)據(jù)中心，將工作人員帶來(lái)的檢測(cè)數(shù)據(jù)錄入智能診斷系統(tǒng)，短短幾分鐘時(shí)間，一份含有診斷結(jié)果、相似案例、歷史趨勢(shì)的報(bào)告便出現(xiàn)在眾人面前。
 
   相比于局放診斷傳統(tǒng)的“經(jīng)驗(yàn)驅(qū)動(dòng)”，何金介紹，現(xiàn)在運(yùn)用大數(shù)據(jù)分析與深度學(xué)習(xí)方法，降低因人員技能差異造成錯(cuò)誤判斷的風(fēng)險(xiǎn)，減少不同型號(hào)檢測(cè)儀器性能差異的影響，并能夠綜合考慮設(shè)備運(yùn)行環(huán)境、歷史運(yùn)行工況等方面因素，將復(fù)雜的分析運(yùn)算環(huán)節(jié)交給智能診斷系統(tǒng)，以“數(shù)據(jù)驅(qū)動(dòng)”提升局放診斷的準(zhǔn)確性和工作效率。
 
   這種類似于“AlphaGo”的智能技術(shù)，將收集的帶電檢測(cè)數(shù)據(jù)和在線監(jiān)測(cè)數(shù)據(jù)存儲(chǔ)至局放數(shù)據(jù)中心，結(jié)合PMS系統(tǒng)中的相關(guān)設(shè)備信息，建立電力設(shè)備局放智能診斷樣本數(shù)據(jù)庫(kù)及電力設(shè)備缺陷和故障綜合案例庫(kù);利用深度學(xué)習(xí)算法，構(gòu)建局放圖譜智能識(shí)別策略，進(jìn)行各種典型局放缺陷的智能識(shí)別和判斷，為設(shè)備狀態(tài)的判斷及預(yù)測(cè)提供輔助依據(jù)。
 
   電力設(shè)備局放智能診斷數(shù)據(jù)中心實(shí)現(xiàn)不同類型局放儀器帶電檢測(cè)數(shù)據(jù)、在線監(jiān)測(cè)數(shù)據(jù)等多源數(shù)據(jù)接入，打造“非專家采集—智能診斷—專家決策”工作流程，平均每個(gè)缺陷確認(rèn)時(shí)間由之前的36人/時(shí)縮短到7.5人/時(shí)，大幅提升檢測(cè)效率。
 
   同時(shí)，各網(wǎng)省公司也在積極探索大數(shù)據(jù)技術(shù)在設(shè)備運(yùn)檢、災(zāi)害規(guī)律綜合挖掘分析等方面的應(yīng)用，并初顯成效。
 
專業(yè)數(shù)據(jù)的融合效應(yīng)
 
   近年來(lái)，國(guó)網(wǎng)浙江省電力有限公司積極推動(dòng)智能運(yùn)檢技術(shù)應(yīng)用，作為運(yùn)檢信息化示范區(qū)之一，構(gòu)建智能運(yùn)檢管控平臺(tái)。目前該平臺(tái)已經(jīng)打通25套系統(tǒng)之間的通道壁壘，實(shí)現(xiàn)數(shù)據(jù)共享。
 
   國(guó)網(wǎng)浙江電力以變壓器為突破口，首次將大數(shù)據(jù)分析引入變壓器狀態(tài)評(píng)估和故障診斷。首先，全面梳理影響變壓器穩(wěn)定安全運(yùn)行缺陷、不良工況及相關(guān)影響因素，實(shí)現(xiàn)設(shè)備畫(huà)像分析。整合浙電云平臺(tái)上PMS2.0、調(diào)度D5000、在線監(jiān)測(cè)等25套系統(tǒng)數(shù)據(jù)資源，篩選與變壓器穩(wěn)定運(yùn)行直接相關(guān)的影響因素，實(shí)現(xiàn)設(shè)備5大部件(本體、套管、分接開(kāi)關(guān)、冷卻系統(tǒng)、非電量保護(hù))從招標(biāo)、制造、安裝調(diào)試到運(yùn)維階段共345項(xiàng)關(guān)鍵參數(shù)的標(biāo)簽化展示，該公司以“本體過(guò)熱缺陷”和“色譜數(shù)據(jù)”為突破口，成功解決色譜數(shù)據(jù)來(lái)源、缺陷與色譜數(shù)據(jù)的關(guān)聯(lián)關(guān)系挖掘等一系列問(wèn)題。
 
   根據(jù)專家經(jīng)驗(yàn)，對(duì)處在“灰色地帶”的“亞健康”設(shè)備，缺少有效的檢出手段，利用“數(shù)據(jù)驅(qū)動(dòng)”方式篩選重點(diǎn)關(guān)注設(shè)備(缺陷和亞健康)，是提升3萬(wàn)億實(shí)物設(shè)備資產(chǎn)精益化管理水平的必由之路。為解決上述問(wèn)題，國(guó)網(wǎng)浙江電力針對(duì)變壓器各狀態(tài)量的數(shù)據(jù)分布特點(diǎn)，結(jié)合生產(chǎn)廠家、氣象環(huán)境和運(yùn)行年限等多個(gè)維度，建設(shè)正常、亞健康和缺陷異常三大設(shè)備“指紋庫(kù)”。對(duì)篩選出的亞健康設(shè)備，結(jié)合設(shè)備狀態(tài)量歷史發(fā)展規(guī)律，采用隱馬爾科夫轉(zhuǎn)移矩陣開(kāi)展亞健康數(shù)據(jù)短期預(yù)測(cè)研究，為后序運(yùn)維策略調(diào)整提供依據(jù)。
 
數(shù)據(jù)輔助決策的未來(lái)
 
   目前，國(guó)網(wǎng)運(yùn)檢部應(yīng)用運(yùn)檢智能化分析管控系統(tǒng)，已經(jīng)能夠通過(guò)融合海量視頻、圖像、設(shè)備信息等多源數(shù)據(jù)，在數(shù)據(jù)挖掘基礎(chǔ)上，建立動(dòng)態(tài)評(píng)價(jià)、預(yù)測(cè)預(yù)警、故障研判模型，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的設(shè)備狀態(tài)主動(dòng)推送，提高設(shè)備狀態(tài)評(píng)價(jià)診斷的智能化和自動(dòng)化水平。
 
   未來(lái)，國(guó)家電網(wǎng)公司將從系統(tǒng)性、規(guī)范化、綜合性、數(shù)據(jù)化、多元化五個(gè)方面，進(jìn)一步提升大數(shù)據(jù)在管控系統(tǒng)中的應(yīng)用深度和廣度。
 
   “系統(tǒng)性”提升運(yùn)檢數(shù)據(jù)利用效率。建立公共數(shù)據(jù)模型，實(shí)現(xiàn)PMS、在線監(jiān)測(cè)系統(tǒng)、調(diào)度系統(tǒng)等應(yīng)用系統(tǒng)間的數(shù)據(jù)貫通，實(shí)現(xiàn)信息與資源共享，有效支撐多源數(shù)據(jù)集成提取和融合分析，提升運(yùn)檢數(shù)據(jù)利用效率。
 
   “規(guī)范化”提升多源系統(tǒng)數(shù)據(jù)質(zhì)量。通過(guò)開(kāi)發(fā)通用的數(shù)據(jù)治理專用工具，及時(shí)發(fā)現(xiàn)各類數(shù)據(jù)的質(zhì)量問(wèn)題，落實(shí)相關(guān)數(shù)據(jù)治理機(jī)制，滾動(dòng)解決相關(guān)問(wèn)題，提升多源系統(tǒng)數(shù)據(jù)的完整性、準(zhǔn)確性和及時(shí)性。
 
   “綜合性”提升設(shè)備狀態(tài)分析水平。融合電網(wǎng)、設(shè)備狀態(tài)和自然環(huán)境等各類信息，建立基于大數(shù)據(jù)的設(shè)備狀態(tài)評(píng)價(jià)和實(shí)時(shí)預(yù)警模型，進(jìn)行設(shè)備狀態(tài)綜合分析和預(yù)判。
 
   “數(shù)據(jù)化”提升設(shè)備故障診斷能力。構(gòu)建基于故障案例的設(shè)備故障樹(shù)和故障譜，利用大數(shù)據(jù)分析技術(shù)，實(shí)現(xiàn)設(shè)備故障診斷由“經(jīng)驗(yàn)驅(qū)動(dòng)”向“數(shù)據(jù)驅(qū)動(dòng)”的轉(zhuǎn)變。
 
   “多元化”豐富運(yùn)檢數(shù)據(jù)處理技術(shù)。完善非結(jié)構(gòu)化運(yùn)檢數(shù)據(jù)的處理技術(shù)，建立主要設(shè)備典型缺陷的圖像樣本庫(kù)，提高非結(jié)構(gòu)化數(shù)據(jù)處理效率，實(shí)現(xiàn)各類典型缺陷的智能識(shí)別和判斷。