一种电力系统运行隐患排查方法与流程

本发明涉及电力系统领域，具体的，涉及一种电力系统运行隐患排查方法。

背景技术：

随着经济的迅速发展，电力网络建设速度也越来越快，但是随着电网的广泛覆盖，安全事故隐患排查治理维护工作的难点也日益凸显，采用新的途径或模式对安全事故隐患排查治理已迫在眉睫。

目前电力系统安全运行存在以下几点困难需要攻克：

（1）日常巡视工作量大、重点不突出，且发现隐患效率低，依赖个人经验；目前很多供电公司主要通过定期巡视、跨越施工、现场存在故障以及检修预试等手段来发现隐患，其中通过基层员工日常巡视发现安全隐患是目前安全隐患发现的主要手段。但是，随着经济的迅速发展，中国的电力网络建设速度也越来越快，电压等级也有了较大的提升，电网拓扑结构日益复杂，巡视工作量不断增加，对于单个设备（线路）投入的精力相对减少，同时，因为缺乏有效的信息指导，无法准确定位可能存在隐患的重点区域，巡视工作重点不突出，且发现隐患效率低，依赖个人经验；

（2）隐患与季节、设备隐患、设备状态评价等信息关联程度低；随着电网的广泛覆盖，尤其是输配电线路长期工作于自然环境中，受到各种自然灾害的考验，特别是在一些山区、高原等地，其隐患排查治理工作就显得更加艰难；

（3）历年事故案例分析与隐患排查治理结合程度低，共性数据无法直观展示；历年事故案例分析工作已经开展多年，但是对于隐患排查治理工作的帮助不是很显著，更多的往往是现场已经发生影响电网运行的事件后开展的排查处理。

技术实现要素：

本发明的目是解决电力系统巡查工作量大、隐患排查困难、防范机制欠缺、缺乏信息化展示贫平台的问题，提出一种电力系统运行隐患排查方法，通过利用大数据技术对隐患的统计分析，可以有效准确的发现隐患与设备投运年限、事故（事件）、设备缺陷、生产厂家、运行环境、季节等信息的关联关系，提高隐患排查治理效率。

为实现上述技术目的，本发明提供的一种技术方案是，一种电力系统运行隐患排查方法，包括如下步骤：

步骤1：数据获取；

步骤2：数据预处理；

步骤3：隐患数据存储与计算；

步骤4：数据分析与挖掘；

步骤5：隐患分析结果可视化展示。

所述的步骤1通过调取管理数据库中十年来所有的隐患相关信息，所述的隐患信息包括有：电力相关系统历史数据、隐患参数、设备隐患基本参数、设备位置信息以及设备运行状态描述信息。

数据预处理通过对步骤1中获取的大数据进行清洗、转化、去重、合并以及筛选，对历史数据进行有效性区分，保留有利分析完整数据到管理数据库。

数据的储存通过以下步骤实现：首先，通过网络接口导入、导出方式从电力scada系统、用电信息采集系统、pms系统、oms系统等多数据平台中抽取相关数据，存储到传统的关系型数据库中；然后，通过sqoop工具从关系型数据库中抽取数据，存储到hadoop分布式文件系统。

所述传统的关系型数据库主要存储隐患基本参数，所述的隐患信息包括有：隐患原因、隐患来源、发现日期、隐患特性数据以及数据分析挖掘的结果数据；hadoop分布式文件系统主要存储海量、复杂隐患内容及隐患检修数据；对大量、复杂隐患内容及隐患处理数据的计算与分析主要依托于mahout数据分析组件来完成；大量数据经分布式计算框架计算后，得出结果，并将结果直接写入关系型数据库以供业务应用层访问。

数据分析与挖掘通过聚类分析、关联分析、决策树分析等数据分析挖掘技术对数据进行建模，相关的数据分析模型包括聚类分析模型、关联分析模型和治理措施决策树模型，使用数据分析挖掘模型对数据的分析应用提供支撑，得出各类隐患与设备投运年限、事故、违章、生产厂家、运行环境以及季节等关联关系，用于辅助发现设备家族隐患以及对各类设备产生隐患的分析预测。

所述的关联分析模型包括有：设备安全隐患关联分析模型和设备隐患关联分析模型

所述设备安全隐患关联分析模型通过mahout的关联分析算法对隐患类别与各类参数进行关联分析找出各类隐患与各参数之间的关联关系。

完成各类隐患与各隐患参数之间的关联关系上，所述的设备隐患关联分析模型根据隐患的具体内容、处理方式等特性通过mahout的k-means聚类算法对隐患进行聚类分析，同时通过设备关联设备隐患信息，研究隐患与隐患以及事件之间的关联关系，为隐患排查治理提供数据支撑。

基于数据挖掘结果，分析隐患与设备缺陷、隐患与季节以及隐患与历年事故案例之间的关联关系，利用计算机图形学和图像处理技术开发可视化展示界面。

本发明的有益效果：1、通过对隐患信息进行分类统计，多维度展示隐患与设备隐患、季节以及不同设备投运年限等信息之间的关联关系，搭建信息可视化平台，方便设备的直观监测和管理；2、直观展示隐患与季节、环境等关联关系，梳理历史信息，指导巡视人员在不同季节、不同环境中需要巡视的重点信息，提高巡视效率；3、通过事故案例分析，展示事故共性数据，可能的后果等，从而寻找规律，指导隐患排查治理工作。

附图说明

图1为本发明的一种电力系统运行隐患排查方法的流程图。

具体实施方式

为使本发明的目的、技术方案以及优点更加清楚明白，下面结合附图和实施例对本发明作进一步详细说明，应当理解的是，此处所描述的具体实施方式仅是本发明的一种最佳实施例，仅用以解释本发明，并不限定本发明的保护范围，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：如图1所示，一种电力系统运行隐患排查方法，包括如下步骤：

步骤1：数据获取；

步骤2：数据预处理；

步骤3：隐患数据存储与计算；

步骤4：数据分析与挖掘；

步骤5：隐患分析结果可视化展示。

数据预处理通过对步骤1中获取的大数据进行清洗、转化、去重、合并以及筛选，对历史数据进行有效性区分，保留有利分析完整数据到管理数据库，所述的大数据包括有十年来所有的隐患相关信息，所述的隐患信息包括有：电力相关系统历史数据、隐患参数、设备隐患基本参数、设备位置信息以及设备运行状态描述信息。

数据的储存通过以下步骤实现：首先，通过网络接口导入、导出方式从电力scada系统、用电信息采集系统、pms系统、oms系统等多数据平台中抽取相关数据，存储到传统的关系型数据库中；然后，通过sqoop工具从关系型数据库中抽取数据，存储到hadoop分布式文件系统。

所述传统的关系型数据库主要存储隐患基本参数，比如隐患原因、隐患来源、发现日期、隐患特性数据以及数据分析挖掘的结果数据；hadoop分布式文件系统主要存储海量、复杂隐患内容及隐患检修数据；对大量、复杂隐患内容及隐患处理数据的计算与分析主要依托于mahout数据分析组件来完成；大量数据经分布式计算框架计算后，得出结果，并将结果直接写入关系型数据库以供业务应用层访问。

数据分析与挖掘通过聚类分析、关联分析、决策树分析等数据分析挖掘技术对数据进行建模，相关的数据分析模型包括聚类分析模型、关联分析模型和治理措施决策树模型，使用数据分析挖掘模型对数据的分析应用提供支撑，得出各类隐患与设备投运年限、事故、违章、生产厂家、运行环境以及季节等关联关系，用于辅助发现设备家族隐患以及对各类设备产生隐患的分析预测。

所述的关联分析模型包括有：设备安全隐患关联分析模型和设备隐患关联分析模型；

所述设备安全隐患关联分析模型通过mahout的关联分析算法对隐患类别与各类参数进行关联分析找出各类隐患与各参数之间的关联关系。

完成各类隐患与各隐患参数之间的关联关系基础上，所述的设备隐患关联分析模型根据隐患的具体内容、处理方式等特性通过mahout的k-means聚类算法对隐患进行聚类分析，同时通过设备关联设备隐患信息，研究隐患与隐患、事件之间的关联关系，为隐患排查治理提供数据支撑。通过对信息的建模，关联事故与各事件之间的关联权重，从而对事故的故障排查、预测、类别判断以及指导措施提供数据支撑，建立一个精确高效的故障排查与修复机制。

基于数据挖掘结果，分析隐患与设备缺陷、隐患与季节、隐患与历年事故案例之间的关联关系，利用计算机图形学和图像处理技术开发可视化展示界面。通过管理界面可以动态监测设备的运行状态，对于故障点以及故障类型判断准确，可以及时给出故障排查措施以及落实事故责任人机制，确保电力系统安全高效的运行。

以上所述之具体实施方式为本发明一种电力系统运行隐患排查方法的较佳实施方式，并非以此限定本发明的具体实施范围，本发明的范围包括并不限于本具体实施方式，凡依照本发明之形状、结构所作的等效变化均在本发明的保护范围内。