現(xiàn)階段電網規(guī)模持續(xù)高速增長，運檢現(xiàn)場對具備多種專業(yè)綜合處理能力的高素質人才，尤其是具備豐富現(xiàn)場運維經驗的高素質人才需求迫切。能否借助現(xiàn)有的互聯(lián)網技術和大數(shù)據應用，將傳統(tǒng)的“現(xiàn)場專家經驗驅動”轉變?yōu)?ldquo;數(shù)據與專家經驗聯(lián)合驅動”，提升現(xiàn)場缺陷檢出和故障診斷能力，將成為有效緩解現(xiàn)階段運檢業(yè)務結構性缺員的重要途徑之一。
 
數(shù)據與專家經驗的聯(lián)合驅動
 
   11月15日，天津電力科學研究院帶電檢測專家何金，在電力設備局放智能診斷數(shù)據中心，將工作人員帶來的檢測數(shù)據錄入智能診斷系統(tǒng)，短短幾分鐘時間，一份含有診斷結果、相似案例、歷史趨勢的報告便出現(xiàn)在眾人面前。
 
   相比于局放診斷傳統(tǒng)的“經驗驅動”，何金介紹，現(xiàn)在運用大數(shù)據分析與深度學習方法，降低因人員技能差異造成錯誤判斷的風險，減少不同型號檢測儀器性能差異的影響，并能夠綜合考慮設備運行環(huán)境、歷史運行工況等方面因素，將復雜的分析運算環(huán)節(jié)交給智能診斷系統(tǒng)，以“數(shù)據驅動”提升局放診斷的準確性和工作效率。
 
   這種類似于“AlphaGo”的智能技術，將收集的帶電檢測數(shù)據和在線監(jiān)測數(shù)據存儲至局放數(shù)據中心，結合PMS系統(tǒng)中的相關設備信息，建立電力設備局放智能診斷樣本數(shù)據庫及電力設備缺陷和故障綜合案例庫;利用深度學習算法，構建局放圖譜智能識別策略，進行各種典型局放缺陷的智能識別和判斷，為設備狀態(tài)的判斷及預測提供輔助依據。
 
   電力設備局放智能診斷數(shù)據中心實現(xiàn)不同類型局放儀器帶電檢測數(shù)據、在線監(jiān)測數(shù)據等多源數(shù)據接入，打造“非專家采集—智能診斷—專家決策”工作流程，平均每個缺陷確認時間由之前的36人/時縮短到7.5人/時，大幅提升檢測效率。
 
   同時，各網省公司也在積極探索大數(shù)據技術在設備運檢、災害規(guī)律綜合挖掘分析等方面的應用，并初顯成效。
 
專業(yè)數(shù)據的融合效應
 
   近年來，國網浙江省電力有限公司積極推動智能運檢技術應用，作為運檢信息化示范區(qū)之一，構建智能運檢管控平臺。目前該平臺已經打通25套系統(tǒng)之間的通道壁壘，實現(xiàn)數(shù)據共享。
 
   國網浙江電力以變壓器為突破口，首次將大數(shù)據分析引入變壓器狀態(tài)評估和故障診斷。首先，全面梳理影響變壓器穩(wěn)定安全運行缺陷、不良工況及相關影響因素，實現(xiàn)設備畫像分析。整合浙電云平臺上PMS2.0、調度D5000、在線監(jiān)測等25套系統(tǒng)數(shù)據資源，篩選與變壓器穩(wěn)定運行直接相關的影響因素，實現(xiàn)設備5大部件(本體、套管、分接開關、冷卻系統(tǒng)、非電量保護)從招標、制造、安裝調試到運維階段共345項關鍵參數(shù)的標簽化展示，該公司以“本體過熱缺陷”和“色譜數(shù)據”為突破口，成功解決色譜數(shù)據來源、缺陷與色譜數(shù)據的關聯(lián)關系挖掘等一系列問題。
 
   根據專家經驗，對處在“灰色地帶”的“亞健康”設備，缺少有效的檢出手段，利用“數(shù)據驅動”方式篩選重點關注設備(缺陷和亞健康)，是提升3萬億實物設備資產精益化管理水平的必由之路。為解決上述問題，國網浙江電力針對變壓器各狀態(tài)量的數(shù)據分布特點，結合生產廠家、氣象環(huán)境和運行年限等多個維度，建設正常、亞健康和缺陷異常三大設備“指紋庫”。對篩選出的亞健康設備，結合設備狀態(tài)量歷史發(fā)展規(guī)律，采用隱馬爾科夫轉移矩陣開展亞健康數(shù)據短期預測研究，為后序運維策略調整提供依據。
 
數(shù)據輔助決策的未來
 
   目前，國網運檢部應用運檢智能化分析管控系統(tǒng)，已經能夠通過融合海量視頻、圖像、設備信息等多源數(shù)據，在數(shù)據挖掘基礎上，建立動態(tài)評價、預測預警、故障研判模型，實現(xiàn)數(shù)據驅動的設備狀態(tài)主動推送，提高設備狀態(tài)評價診斷的智能化和自動化水平。
 
   未來，國家電網公司將從系統(tǒng)性、規(guī)范化、綜合性、數(shù)據化、多元化五個方面，進一步提升大數(shù)據在管控系統(tǒng)中的應用深度和廣度。
 
   “系統(tǒng)性”提升運檢數(shù)據利用效率。建立公共數(shù)據模型，實現(xiàn)PMS、在線監(jiān)測系統(tǒng)、調度系統(tǒng)等應用系統(tǒng)間的數(shù)據貫通，實現(xiàn)信息與資源共享，有效支撐多源數(shù)據集成提取和融合分析，提升運檢數(shù)據利用效率。
 
   “規(guī)范化”提升多源系統(tǒng)數(shù)據質量。通過開發(fā)通用的數(shù)據治理專用工具，及時發(fā)現(xiàn)各類數(shù)據的質量問題，落實相關數(shù)據治理機制，滾動解決相關問題，提升多源系統(tǒng)數(shù)據的完整性、準確性和及時性。
 
   “綜合性”提升設備狀態(tài)分析水平。融合電網、設備狀態(tài)和自然環(huán)境等各類信息，建立基于大數(shù)據的設備狀態(tài)評價和實時預警模型，進行設備狀態(tài)綜合分析和預判。
 
   “數(shù)據化”提升設備故障診斷能力。構建基于故障案例的設備故障樹和故障譜，利用大數(shù)據分析技術，實現(xiàn)設備故障診斷由“經驗驅動”向“數(shù)據驅動”的轉變。
 
   “多元化”豐富運檢數(shù)據處理技術。完善非結構化運檢數(shù)據的處理技術，建立主要設備典型缺陷的圖像樣本庫，提高非結構化數(shù)據處理效率，實現(xiàn)各類典型缺陷的智能識別和判斷。