下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出,，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件,。下面通過參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明,，而不能理解為對(duì)本發(fā)明的限制,。

在本發(fā)明的描述中，需要理解的是,，術(shù)語“中心”,、“縱向”、“橫向”、“上”,、“下”,、“前”、“后”,、“左”,、“右”、“豎直”,、“水平”,、“頂”、“底”,、“內(nèi)”,、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡(jiǎn)化描述,，而不是指示或暗示所指的裝置或元件必須具有特定的方位,、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制,。此外,，術(shù)語“第一”、“第二”僅用于描述目的,，而不能理解為指示或暗示相對(duì)重要性,。

在本發(fā)明的描述中，需要說明的是,，除非另有明確的規(guī)定和限定,，術(shù)語“安裝”、“相連”,、“連接”應(yīng)做廣義理解,，例如，可以是固定連接,，也可以是可拆卸連接,，或一體地連接；可以是機(jī)械連接,，也可以是電連接,；可以是直接相連，也可以通過中間媒介間接相連,，可以是兩個(gè)元件內(nèi)部的連通,。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義,。

以下結(jié)合附圖描述根據(jù)本發(fā)明實(shí)施例的基于大數(shù)據(jù)的配電設(shè)備狀態(tài)可視化平臺(tái),。

其中,，數(shù)據(jù)處理模塊110用于獲取多平臺(tái)數(shù)據(jù)，并對(duì)多平臺(tái)數(shù)據(jù)進(jìn)行處理,，并展示處理后的數(shù)據(jù),。其中，多平臺(tái)數(shù)據(jù)例如至少包括生產(chǎn)管理系統(tǒng)(PMS)數(shù)據(jù),、在線監(jiān)測(cè)系統(tǒng)數(shù)據(jù),、空間地理信息系統(tǒng)(GIS，Geographic Information System)數(shù)據(jù),、氣象系統(tǒng)數(shù)據(jù)和視頻監(jiān)控平臺(tái)數(shù)據(jù),。

換言之,，即數(shù)據(jù)處理模塊110可實(shí)現(xiàn)多平臺(tái)數(shù)據(jù)獲取,。具體例如，配電設(shè)備狀態(tài)可視化平臺(tái)需要橫向集成多個(gè)系統(tǒng),，并通過數(shù)據(jù)處理模塊110取用其數(shù)據(jù),，現(xiàn)階段例如包括生產(chǎn)管理系統(tǒng)(PMS)數(shù)據(jù)、在線監(jiān)測(cè)系統(tǒng)數(shù)據(jù),、空間地理信息系統(tǒng)(GIS)數(shù)據(jù),、氣象系統(tǒng)數(shù)據(jù)和視頻監(jiān)控平臺(tái)數(shù)據(jù)等。配電設(shè)備狀態(tài)可視化平臺(tái)與這些系統(tǒng)橫向數(shù)據(jù)集成遵循統(tǒng)一的接口規(guī)范,，數(shù)據(jù)接口方式優(yōu)先采用Web Service方式,，同時(shí)結(jié)合項(xiàng)目實(shí)際情況綜合處理。

在具體實(shí)例中,，例如表1所示,，展示了部分?jǐn)?shù)據(jù)源系統(tǒng)及其接入對(duì)象的示例。

進(jìn)一步地,，接口的實(shí)現(xiàn)方式例如包括以下幾種：

Web Service服務(wù)調(diào)用接口：對(duì)于配電設(shè)備狀態(tài)可視化平臺(tái),，需要進(jìn)一步處理的狀態(tài)監(jiān)測(cè)信息，并且狀態(tài)檢測(cè)已經(jīng)提供服務(wù)接口的(對(duì)于配電設(shè)備狀態(tài)可視化平臺(tái)需要在線監(jiān)測(cè)未提供服務(wù)接口的數(shù)據(jù),，通過服務(wù)調(diào)用獲取狀態(tài)監(jiān)測(cè)中的數(shù)據(jù),，原則是隨取隨用，非特殊需要數(shù)據(jù)不在配電設(shè)備狀態(tài)可視化平臺(tái)數(shù)據(jù)庫中存貯,。

頁面嵌入集成接口：對(duì)于配電設(shè)備狀態(tài)可視化平臺(tái),，不需要進(jìn)一步處理的狀態(tài)監(jiān)測(cè)信息，且狀態(tài)檢測(cè)已經(jīng)提供了相應(yīng)的模塊頁面,，則通過url調(diào)用相應(yīng)的功能頁面,。

結(jié)構(gòu)化數(shù)據(jù)獲取接口：針對(duì)常規(guī)關(guān)系型數(shù)據(jù)庫數(shù)據(jù)，采用JDBC/ODBC等編程接口直接獲取數(shù)據(jù)庫數(shù)據(jù),，對(duì)于安全極別較高,、較私密的數(shù)據(jù),，由業(yè)務(wù)系統(tǒng)提供接口由數(shù)據(jù)獲取/轉(zhuǎn)換裝置調(diào)用獲取或由業(yè)務(wù)系統(tǒng)主動(dòng)推送，將相關(guān)數(shù)據(jù)發(fā)送到企業(yè)消息總線上,，數(shù)據(jù)獲取/轉(zhuǎn)換裝置會(huì)對(duì)消息總線進(jìn)行監(jiān)聽以獲取數(shù)據(jù),。

非結(jié)構(gòu)化數(shù)據(jù)獲取接口：對(duì)于文檔、音頻,、監(jiān)控視頻,、巡檢獲得的圖片等非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)獲取/轉(zhuǎn)換裝置通過通用的文件傳輸協(xié)議直接讀取調(diào)用相關(guān)文件,，并進(jìn)行后續(xù)的相關(guān)清理,、轉(zhuǎn)換等處理工作。

電網(wǎng)空間數(shù)據(jù)獲取接口：電網(wǎng)空間數(shù)據(jù)較為復(fù)雜,，包含了如坐標(biāo)軸,、經(jīng)瑋度等結(jié)構(gòu)化數(shù)據(jù)，以及類似圖像,、文本等非結(jié)構(gòu)化數(shù)據(jù),。數(shù)據(jù)獲取/轉(zhuǎn)換裝置根據(jù)不同的數(shù)據(jù)類型分別利用結(jié)構(gòu)化數(shù)據(jù)接口和非結(jié)構(gòu)化數(shù)據(jù)接口從系統(tǒng)中獲取數(shù)據(jù)。對(duì)于由數(shù)據(jù)獲取/轉(zhuǎn)換裝置調(diào)用編程接口或系統(tǒng)接口從業(yè)務(wù)系統(tǒng)中拉取的數(shù)據(jù),，需要在裝置中配置相關(guān)策略,，定義好相關(guān)的接口、周期,、調(diào)用頻率,、調(diào)用對(duì)象等相關(guān)參數(shù)，數(shù)據(jù)獲取/轉(zhuǎn)換裝置會(huì)自動(dòng)執(zhí)行相關(guān)任務(wù),，從業(yè)務(wù)系統(tǒng)中拉取數(shù)據(jù),。數(shù)據(jù)獲取主要分為信息內(nèi)網(wǎng)數(shù)據(jù)獲取和信息外網(wǎng)數(shù)據(jù)獲取。數(shù)據(jù)獲取/轉(zhuǎn)換裝置部署在信息內(nèi)網(wǎng),，對(duì)于處于信息外網(wǎng)的業(yè)務(wù)系統(tǒng)數(shù)據(jù)獲取需要通過安全隔離裝置,，基于安全的傳輸通道來獲取。數(shù)據(jù)獲取的整體思路是基于跨平臺(tái)編程接口企業(yè)服務(wù)總線,，采用數(shù)據(jù)接口,、數(shù)據(jù)中心共享、網(wǎng)絡(luò)隔離下的安全文件傳輸?shù)确绞?，解決跨平臺(tái)數(shù)據(jù)庫訪問,、跨平臺(tái)大數(shù)據(jù)文件高速并發(fā)讀取、跨平臺(tái)數(shù)據(jù)安全傳輸與同步等關(guān)鍵技術(shù),。

另一方面,，配電設(shè)備狀態(tài)可視化平臺(tái)需要和眾多的信息系統(tǒng)進(jìn)行交互，需要采用松耦合方式進(jìn)行連接,。例如可采用面向服務(wù)的體系結(jié)構(gòu)(
Service-OrientedArchitecture,，SOA),，SOA是一個(gè)組件模型，它將應(yīng)用程序的不同功能單元(稱為服務(wù))通過這些服務(wù)之間定義良好的接口和契約聯(lián)系起來,。接口是采用中立的方式進(jìn)行定義的,，它應(yīng)該獨(dú)立于實(shí)現(xiàn)服務(wù)的硬件平臺(tái)、操作系統(tǒng)和編程語言,。這使得構(gòu)建在各種這樣的系統(tǒng)中的服務(wù)能夠以一種統(tǒng)一和通用的方式進(jìn)行交互,。

在本發(fā)明的一個(gè)實(shí)施例中，數(shù)據(jù)處理模塊110用于對(duì)獲取到的多平臺(tái)數(shù)據(jù)進(jìn)行預(yù)處理和清洗,。這是由于獲取的數(shù)據(jù)信息來源多,、結(jié)構(gòu)各異、屬性繁多,，因此,，在進(jìn)行數(shù)據(jù)質(zhì)量管理環(huán)節(jié)需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和清洗工作。具體為：預(yù)處理主要是根據(jù)數(shù)據(jù)所屬的業(yè)務(wù)系統(tǒng),、類型,、結(jié)構(gòu),、大小等,，打上統(tǒng)一規(guī)范的標(biāo)記，用于標(biāo)識(shí)數(shù)據(jù)的來源,、種類等屬性,。同時(shí)，結(jié)合預(yù)設(shè)的數(shù)據(jù)規(guī)則庫,，根據(jù)數(shù)據(jù)的標(biāo)記,，將相應(yīng)的規(guī)則與數(shù)據(jù)進(jìn)行封裝，封裝完成的數(shù)據(jù)可識(shí)別,、可控制并帶有相應(yīng)清洗規(guī)則,，可以送到數(shù)據(jù)清洗階段進(jìn)行清洗工作，

設(shè)備狀態(tài)評(píng)估數(shù)據(jù)源系統(tǒng)存儲(chǔ)的數(shù)據(jù)通常保持著原始數(shù)據(jù)特性,，通過數(shù)據(jù)轉(zhuǎn)換技術(shù)來提升數(shù)據(jù)質(zhì)量,，從而提高數(shù)據(jù)挖掘或數(shù)據(jù)流挖掘的精度及性能。數(shù)據(jù)轉(zhuǎn)換主要通過數(shù)據(jù)泛化,、數(shù)據(jù)規(guī)范化,、數(shù)據(jù)屬性構(gòu)造等操作進(jìn)一步提升數(shù)據(jù)質(zhì)量，提高數(shù)據(jù)挖掘或數(shù)據(jù)流挖掘的精度和性能,。數(shù)據(jù)泛化使用概念分層,，用高層次概念替換低層次“原始”數(shù)據(jù)，將數(shù)據(jù)庫中的原始數(shù)據(jù)泛化成用戶感興趣的概念層次上的,、聚合的,、具有統(tǒng)計(jì)意義的元數(shù)據(jù),。

數(shù)據(jù)分析模塊120用于進(jìn)行大數(shù)據(jù)集成、存儲(chǔ),、檢索以及數(shù)據(jù)挖掘分析,。

為了便于理解，首先描述下大數(shù)據(jù)技術(shù)的現(xiàn)狀：隨著智能電網(wǎng)的發(fā)展,、各類信息平臺(tái)的建立,、智能變電站的建設(shè)以及智能配電設(shè)備的逐步應(yīng)用，不同來源的大量信息網(wǎng)絡(luò)化集成和共享是設(shè)備狀態(tài)評(píng)價(jià)發(fā)展的必然趨勢(shì),，推動(dòng)配電設(shè)備狀態(tài)評(píng)估和預(yù)測(cè)向基于全景狀態(tài)的信息集成和綜合分析方向發(fā)展,。然而，影響配電設(shè)備運(yùn)行狀態(tài)的因素眾多,，爆發(fā)式增長(zhǎng)的狀態(tài)監(jiān)測(cè)數(shù)據(jù)(如局放,、振動(dòng)、圖像,、視頻等)加上與設(shè)備狀態(tài)密切相關(guān)的電網(wǎng)運(yùn)行,、氣象環(huán)境等信息數(shù)據(jù)量巨大且飛速增長(zhǎng)，難以建立完善的,、準(zhǔn)確的設(shè)備狀態(tài)評(píng)估機(jī)理模型和因果關(guān)系模型對(duì)這些數(shù)據(jù)進(jìn)行分析,，對(duì)提高電網(wǎng)設(shè)備運(yùn)維管理水平提出了新的挑戰(zhàn)，而配電設(shè)備狀態(tài)評(píng)估領(lǐng)域?qū)Χ嘣串悩?gòu)數(shù)據(jù)進(jìn)行挖掘分析技術(shù)的滯后,，成為掌控配電設(shè)備狀態(tài),，確保電網(wǎng)安全的瓶頸。這種背景下,，需要充分,、合理、有效地利用已建成的各類信息系統(tǒng)中的數(shù)據(jù),，將大量分散的配電設(shè)備狀態(tài),、運(yùn)行和環(huán)境氣象等多源信息有機(jī)融合成，利用先進(jìn)的大數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)差異化,、多樣化,、復(fù)雜化的全方位分析，從大量數(shù)據(jù)中發(fā)現(xiàn)對(duì)設(shè)備狀態(tài)評(píng)估有價(jià)值的規(guī)律,，及時(shí)捕捉設(shè)備早期故障的先兆信息,，預(yù)測(cè)故障發(fā)生的概率，為設(shè)備狀態(tài)的精細(xì)化評(píng)價(jià)和預(yù)測(cè)提供全新的解決思路和技術(shù)手段,，最終有效提升配電設(shè)備評(píng)估的準(zhǔn)確性,，有利于及時(shí)發(fā)現(xiàn)、快速診斷和消除故障隱患，提高設(shè)備的利用率,，確保設(shè)備和電網(wǎng)安全可靠運(yùn)行,。

基于此，在本發(fā)明的一個(gè)實(shí)施例中,，數(shù)據(jù)分析模塊120例如包括感知層,、網(wǎng)絡(luò)層和應(yīng)用層。感知層用于進(jìn)行數(shù)據(jù)采集,；網(wǎng)絡(luò)層用于進(jìn)行數(shù)據(jù)傳輸,；應(yīng)用層進(jìn)一步包括服務(wù)層、業(yè)務(wù)層,、展現(xiàn)層,、及一個(gè)工具集，服務(wù)層用于提供數(shù)據(jù)的挖掘分析能力,，業(yè)務(wù)層用于實(shí)現(xiàn)具體產(chǎn)品的業(yè)務(wù)需求,，展現(xiàn)層用于提供交互界面，例如提供移動(dòng)的APP應(yīng)用,、Web的瀏覽器應(yīng)用,，工具集用于提供安裝部署工具、數(shù)據(jù)挖掘工具,、業(yè)務(wù)建模工具,、代碼生成工具。

具體地說,，感知層,、網(wǎng)絡(luò)層,、應(yīng)用層這三層都具有采集,、存儲(chǔ)、分析,、傳輸?shù)墓δ?，但是每一層的?cè)重點(diǎn)不同，對(duì)自身的采集用于優(yōu)化系統(tǒng),，同時(shí)每一層都具備接入第三方系統(tǒng)的能力,，存儲(chǔ)確保了任何節(jié)點(diǎn)出現(xiàn)故障數(shù)據(jù)都不會(huì)丟失的能力，分析從感知層,、網(wǎng)絡(luò)層,、應(yīng)用層不同角度的從點(diǎn)到面的分析。

在本發(fā)明的一個(gè)實(shí)施例中,，感知層,、網(wǎng)絡(luò)層和應(yīng)用層之間進(jìn)行交互，該交互包括消息流和數(shù)據(jù)流,，通過消息流來控制數(shù)據(jù)流的處理,。

進(jìn)一步地,，應(yīng)用層例如還包括存儲(chǔ)層。存儲(chǔ)層用于數(shù)據(jù)的存儲(chǔ),，例如通過Redis負(fù)責(zé)實(shí)時(shí)數(shù)據(jù)存儲(chǔ),，通過事件驅(qū)動(dòng)可以將數(shù)據(jù)持久化到歷史數(shù)據(jù)庫HBASE、Oracle/MySql,、SqlLite,，HBASE用于大規(guī)模數(shù)據(jù)，Oracle/MySql用于中等規(guī)模數(shù)據(jù),，SqlLite用于小規(guī)模數(shù)據(jù),，可以使用統(tǒng)一接口訪問Redis、HBASE,、Oracle,、MySql、SqlLite,。

在具體示例中,，服務(wù)層YARN是Hadoop2的資源調(diào)度管理器，在其基礎(chǔ)之上提供了Spark,、MapReduce,，MapReduce提供了大數(shù)據(jù)的離線并行計(jì)算能力，Spark的Streaming提供了大數(shù)據(jù)的在線流式計(jì)算能力,，Spark的Shark提供了Sql式交互計(jì)算能力,，Spark的GraphX提供了圖計(jì)算能力，Mahout和MLlib提供了數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)功能,，本發(fā)明實(shí)施例通過工具集中的數(shù)據(jù)挖掘工具(類似于PRiSM)進(jìn)行建模,，然后將模型注入物聯(lián)網(wǎng)平臺(tái)，通過模型引擎驅(qū)動(dòng)就可以實(shí)時(shí)進(jìn)行數(shù)據(jù)挖掘分析了,。

展現(xiàn)層在系統(tǒng)平臺(tái)的基礎(chǔ)上通過WebSocket,、Node.js、JQuery,、HTML5來統(tǒng)一實(shí)現(xiàn)移動(dòng),、Web的交互界面。

存儲(chǔ)層,、服務(wù)層,、展現(xiàn)層三層之間的交互是通過事件驅(qū)動(dòng)的，這樣保證了采集的數(shù)據(jù)可以即時(shí)展現(xiàn)到用戶界面,。

在具體示例中,，關(guān)于數(shù)據(jù)分析模塊采用的挖掘算法和耦合分析方法的描述如下：系統(tǒng)的異構(gòu)大數(shù)據(jù)存儲(chǔ)采用HADOOP2.0的分布式文件存儲(chǔ)、分布式NoSQL列數(shù)據(jù)庫、可擴(kuò)展數(shù)據(jù)倉庫等技術(shù),，提供大數(shù)據(jù)應(yīng)用支撐,，能夠滿足對(duì)大數(shù)據(jù)管理平臺(tái)的相關(guān)技術(shù)要求。在Hadoop框架下,，大數(shù)據(jù)管理平臺(tái)軟件實(shí)現(xiàn)分布式,、面向列、多維度的數(shù)據(jù)存儲(chǔ)系統(tǒng),。主要由以下部分構(gòu)成：分布式協(xié)同工作系統(tǒng),分布式文件系統(tǒng),，分布式數(shù)據(jù)庫，分布式數(shù)據(jù)倉庫,，非結(jié)構(gòu)化數(shù)據(jù)預(yù)處理和多級(jí)綜合索引,。分布式文件系統(tǒng):系統(tǒng)使用基于HDFS和HBASE的分布式文件系統(tǒng)。對(duì)于海量的非結(jié)構(gòu)化小文件,，以及復(fù)雜多變的結(jié)構(gòu)化數(shù)據(jù),，使用HBASE的key-value存儲(chǔ)。對(duì)于較大的單個(gè)文件,，可以直接存儲(chǔ)在HDFS文件系統(tǒng)中,。分布式數(shù)據(jù)庫：系統(tǒng)中構(gòu)建一寫多讀、多寫多讀的分布式NoSQL數(shù)據(jù)庫,。通過基于加速組件的主從復(fù)制技術(shù),，保證多個(gè)數(shù)據(jù)庫之間的數(shù)據(jù)一致性，實(shí)現(xiàn)災(zāi)備功能,，分擔(dān)讀數(shù)據(jù)時(shí)的壓力,。

綜合分析系統(tǒng)需要進(jìn)行復(fù)雜數(shù)據(jù)查詢，但HADOOP的基于鍵-值的簡(jiǎn)單索引技術(shù)難以支撐多維數(shù)據(jù)查詢,。因此,，需要建立多級(jí)綜合索引，提高相似特征的評(píng)價(jià)數(shù)據(jù)檢索性能,。具體一級(jí)索引采用多維R樹結(jié)構(gòu)實(shí)現(xiàn)重點(diǎn)數(shù)據(jù)特征維度,。聚類后的對(duì)象在同一簇的相對(duì)密度互相接近，不同簇的對(duì)象相對(duì)密度較低,，以此來達(dá)到將對(duì)象聚類的目的。這樣可以克服多數(shù)聚類或鄰近算法存在一個(gè)簡(jiǎn)單全局的距離標(biāo)準(zhǔn)作為檢測(cè)依據(jù)帶來的局部性：與一定范圍內(nèi)的鄰居的分布有關(guān),。通過克服全局距離閾值帶來的一定的局限性,，基于相鄰密度算法將形成一種可調(diào)整可擴(kuò)展的有效聚類方法，能夠更好地支撐傳輸線等配電設(shè)備具備超網(wǎng)格化的數(shù)據(jù)特征,。

評(píng)估模塊130用于生成基于大數(shù)據(jù)的配電設(shè)備評(píng)估模型,，并根據(jù)配電設(shè)備評(píng)估模型對(duì)配電設(shè)備進(jìn)行評(píng)估，并根據(jù)評(píng)估結(jié)果生成相應(yīng)的處理策略。

在本發(fā)明的一個(gè)實(shí)施例中,，配電設(shè)備評(píng)估模型至少包括：變壓器類設(shè)備故障預(yù)測(cè)模型,、開關(guān)和組合電器類設(shè)備狀態(tài)的發(fā)展趨勢(shì)和故障概率動(dòng)態(tài)預(yù)測(cè)模型、基于復(fù)雜關(guān)聯(lián)關(guān)系的輸電線路故障預(yù)測(cè)模型,?？紤]不同設(shè)備結(jié)構(gòu)和故障類型的差異，對(duì)變壓器,、GIS/斷路器以及輸電線路的故障預(yù)測(cè)方法進(jìn)行深入闡述,。

變壓器類設(shè)備故障預(yù)測(cè)模型：利用大數(shù)據(jù)信息系統(tǒng)中的傳統(tǒng)在線監(jiān)測(cè)、運(yùn)行情況,、試驗(yàn)檢修記錄,、歷史工況、缺陷記錄結(jié)合實(shí)驗(yàn)室相關(guān)老化,、缺陷模式識(shí)別等試驗(yàn)以及新型的家族差異,、相關(guān)類比試驗(yàn)等構(gòu)建變壓器類設(shè)備故障診斷和動(dòng)態(tài)預(yù)測(cè)的特征參量數(shù)據(jù)平臺(tái)；統(tǒng)計(jì)分析變壓器類設(shè)備的典型缺陷情況,，利用大數(shù)據(jù)信息中擬合,、類比等方法，研究部分特征數(shù)據(jù)缺失情況下缺失數(shù)據(jù)的人工補(bǔ)全方法,。利用深度學(xué)習(xí)(分類),、聚類分析等技術(shù)對(duì)大量樣本數(shù)據(jù)進(jìn)行分析，通過數(shù)據(jù)關(guān)聯(lián)算法挖掘配電設(shè)備典型缺陷和故障模式關(guān)聯(lián)狀態(tài)信息的變化規(guī)律及其權(quán)重組合,，分析缺陷的類型,、位置、嚴(yán)重程度與相關(guān)狀態(tài)的關(guān)聯(lián)關(guān)系,，結(jié)合不良工況,、電網(wǎng)運(yùn)行狀態(tài)、家族缺陷對(duì)設(shè)備狀態(tài)變化的影響,，構(gòu)建基于大數(shù)據(jù)樣本的多維度設(shè)備故障診斷預(yù)測(cè)模型,，例如圖3所示。

開關(guān)和組合電器類設(shè)備狀態(tài)的發(fā)展趨勢(shì)和故障概率動(dòng)態(tài)預(yù)測(cè)模型：首先統(tǒng)計(jì)分析重大缺陷或故障歷史數(shù)據(jù),、實(shí)驗(yàn)室模擬缺陷數(shù)據(jù),。利用關(guān)聯(lián)規(guī)則挖掘、多元對(duì)應(yīng)分析,、主成分分析等相關(guān)關(guān)系識(shí)別技術(shù),，區(qū)分故障類型并找到起主導(dǎo)作用的有效數(shù)據(jù)組合，對(duì)于GIS及斷路器來說,，已知的直接對(duì)評(píng)判結(jié)果產(chǎn)生影響的有效數(shù)據(jù)有：合閘電阻,、如SF6濕度,、SF6氣體壓力、局部放電,、振動(dòng)情況等,，結(jié)合設(shè)備情況開展相關(guān)試驗(yàn)，并搜集新型數(shù)據(jù),，建立GIS典型故障模式的有效數(shù)據(jù)多元邏輯模型和關(guān)聯(lián)關(guān)系矩陣,。對(duì)融合了電網(wǎng)信息、設(shè)備狀態(tài)信息和自然環(huán)境信息的大數(shù)據(jù)信息進(jìn)行關(guān)聯(lián)規(guī)則挖掘,，挖掘GIS典型缺陷和故障模式有效數(shù)據(jù)的變化規(guī)律,，分析缺陷的類型、位置,、嚴(yán)重程度與有效數(shù)據(jù)的關(guān)聯(lián)關(guān)系,，利用時(shí)間序列模型、灰色模型,、支持向量機(jī),、回歸模型等方法，計(jì)算出與有效數(shù)據(jù)關(guān)系密切的數(shù)據(jù)(如不良工況,、電網(wǎng)運(yùn)行狀態(tài),、家族缺陷對(duì)設(shè)備狀態(tài)變化等)和有效數(shù)據(jù)的關(guān)系指數(shù)。用來動(dòng)態(tài)調(diào)整有效數(shù)據(jù)(合閘電阻,、局放量等)的權(quán)重,，構(gòu)建基于大數(shù)據(jù)樣本的多維度設(shè)備動(dòng)態(tài)故障診斷模型。某些時(shí)間序列是依賴于時(shí)間的一簇時(shí)間變量,，構(gòu)成該時(shí)序的單個(gè)序列值雖然具有不確定性,，但整個(gè)序列的變化確有一定的規(guī)律性，可以用相應(yīng)的數(shù)學(xué)模型近似描述,。結(jié)合設(shè)備有效數(shù)據(jù)的多元邏輯模型和狀態(tài)演變歷史數(shù)據(jù),，基于多元時(shí)間序列等技術(shù)研究GIS開關(guān)設(shè)備故障特征信息的關(guān)聯(lián)演化規(guī)律和狀態(tài)分布變化，結(jié)合狀態(tài)確認(rèn)和診斷分析結(jié)果,，提出基于ARMA(Auto-Regressive and Moving Average Model,，自回歸滑動(dòng)平均模型)模型的回歸算法GIS開關(guān)設(shè)備狀態(tài)發(fā)展趨勢(shì)和故障概率動(dòng)態(tài)預(yù)測(cè)的方法。

基于復(fù)雜關(guān)聯(lián)關(guān)系的輸電線路故障預(yù)測(cè)模型：根據(jù)輸電線路故障的時(shí)間和位置信息,，實(shí)現(xiàn)狀態(tài)數(shù)據(jù)的區(qū)段化映射,；進(jìn)一步計(jì)算所有屬性經(jīng)過劃分后的支持度，分析輸電線路故障發(fā)生原因同其他狀態(tài)參數(shù)變化之間的相關(guān)性,，如輸電線路和覆冰,、風(fēng)偏、雷暴,、污閃等因素之間的關(guān)系,，分析故障發(fā)展的客觀規(guī)律，得到頻繁項(xiàng)集,，由頻繁項(xiàng)集提取故障發(fā)展的關(guān)聯(lián)規(guī)則,；利用狀態(tài)演變歷史數(shù)據(jù)，結(jié)合設(shè)備故障模式多維關(guān)聯(lián)規(guī)則分析,，基于多元時(shí)間序列方法研究輸電線路故障特征信息的關(guān)聯(lián)演化規(guī)律和狀態(tài)分布變化,，最終建立輸電線路故障概率動(dòng)態(tài)預(yù)測(cè)模型，例如圖4所示

作為具體的示例,，以下以變壓器類設(shè)備,、開關(guān)和GIS類設(shè)備、配電線路(電纜)設(shè)備為例分別說明其具體的技術(shù)路線,。根據(jù)設(shè)備狀態(tài)信息的層疊關(guān)系及內(nèi)涵機(jī)理,，分析設(shè)備全局全量數(shù)據(jù)與設(shè)備狀態(tài)間的關(guān)聯(lián)關(guān)系，確定設(shè)備的狀態(tài)評(píng)價(jià)指標(biāo)體系,，提出相關(guān)特征參量反映設(shè)備狀態(tài)的相關(guān)判據(jù)和設(shè)備狀態(tài)綜合評(píng)價(jià)模型,，利用大數(shù)據(jù)樣本的在線自學(xué)習(xí)方法從不同廠家、不同設(shè)備類型,、不同電壓等級(jí),、不同運(yùn)行年限、不同運(yùn)行環(huán)境,，不同運(yùn)行季節(jié)等層面分析設(shè)備狀態(tài)變化的個(gè)性化規(guī)律,，據(jù)此給出評(píng)價(jià)模型參數(shù)、判斷閾值的個(gè)性化調(diào)整方法,，統(tǒng)計(jì)分析設(shè)備個(gè)體屬性信息得到狀態(tài)評(píng)價(jià)修正指數(shù),，建立設(shè)備狀態(tài)評(píng)價(jià)的差異化評(píng)價(jià)模型。下面以變壓器類設(shè)備,、開關(guān)和GIS類設(shè)備,、輸電線路(電纜)設(shè)備為例分別說明其具體的技術(shù)路線。通過D-S證據(jù)推理理論和規(guī)則組合起來得到基于多證據(jù)體聯(lián)合作用下的基本概率賦值函數(shù),、信度函數(shù)和似然函數(shù),，如圖5所示，形成融合多因素的狀態(tài)評(píng)價(jià)分析算法,。

換言之,，即在本方面的一個(gè)實(shí)施例中，評(píng)估模塊130用于采用融合多因素的狀態(tài)評(píng)價(jià)分析算法,，例如圖5所示,，具體包括：

1)分析決策問題，構(gòu)造出系統(tǒng)的命題集,，如GIS本體評(píng)價(jià)模塊,，即系統(tǒng)的識(shí)別框架Ω＝{A1,，A2，……,，Ak},；

2)針對(duì)目標(biāo)信息系統(tǒng)，構(gòu)造基于識(shí)別框架的證據(jù)體Ei(i＝1,，2,，……，m),，具體檢測(cè)手段,，如局部放電、SF6濕度等,；

3)根據(jù)所收集到的各證據(jù)體的資料—全局全量數(shù)據(jù),，結(jié)合識(shí)別框架中各命題集合的特點(diǎn)，確定出各證據(jù)體的基本可信度分配mi(Aj),，j＝1,，2，……,，K,，即不同狀態(tài)信息對(duì)設(shè)備狀態(tài)的反應(yīng)能力；

4)根據(jù)基本可信度分配mi(Aj),，分別計(jì)算單證據(jù)體作用下識(shí)別框架中各命題的信度區(qū)間[Beli,Pli],；

5)利用D-S合成規(guī)則計(jì)算所有證據(jù)體聯(lián)合作用下的基本可信度分配m(Aj)和信度區(qū)間[Bel,Pl]；

6)根據(jù)具體問題構(gòu)造相應(yīng)的決策規(guī)則,；

7)根據(jù)該決策規(guī)則得出決策結(jié)論,。

進(jìn)一步地，在本發(fā)明的一個(gè)實(shí)施例中,，結(jié)合圖6所示,，變壓器類設(shè)備的差異化狀態(tài)評(píng)價(jià)過程描述如下：首先分析歸納變壓器狀態(tài)評(píng)價(jià)相關(guān)參量，確定相關(guān)參量數(shù)據(jù)類型,，通過對(duì)數(shù)據(jù)的統(tǒng)計(jì)分析,、分類識(shí)別等方法，提出圖像,、視頻,、文本等非結(jié)構(gòu)化數(shù)據(jù)的特征提取方法，然后采用主成分分析法,、關(guān)聯(lián)分析法等大數(shù)據(jù)核心挖掘分析方法,，確定與變壓器狀態(tài)相關(guān)的特征參量及其與設(shè)備狀態(tài)間的耦合關(guān)系，完善已有特征參量集,。最后,，對(duì)于指定參量或參量集,，運(yùn)用多元統(tǒng)計(jì)分析、多維度關(guān)聯(lián)分析等方法,，確定變壓器狀態(tài)評(píng)價(jià)的評(píng)價(jià)判據(jù)及評(píng)判模型,，建立完備的評(píng)價(jià)指標(biāo)體系,；通過定期或不定期的數(shù)據(jù)分析,，實(shí)現(xiàn)指標(biāo)體系的動(dòng)態(tài)維護(hù)；統(tǒng)計(jì)分析設(shè)備屬性,、特殊工況,、不同結(jié)構(gòu)等情況下變壓器狀態(tài)判斷的誤差，確定相應(yīng)條件下的修正指數(shù),，運(yùn)用人工神經(jīng)網(wǎng)絡(luò),、模糊聚類等方法，建立變壓器個(gè)體化狀態(tài)評(píng)估模型,，實(shí)現(xiàn)變壓器類設(shè)備狀態(tài)的差異化評(píng)估,。

GIS/斷路器類設(shè)備差異化狀態(tài)評(píng)價(jià)過程描述如下：從大數(shù)據(jù)綜合分析平臺(tái)中抽取配電設(shè)備運(yùn)行條件的相關(guān)參量，綜合氣象環(huán)境信息,、運(yùn)行工況信息,、在線監(jiān)測(cè)信息、預(yù)試定檢信息,、人工巡視以及設(shè)備個(gè)體化數(shù)據(jù)等信息,，采用系統(tǒng)層次聚類方法，分析上述參量之間和參量與GIS/斷路器狀態(tài)之間的依賴關(guān)系,，建立GIS/斷路器局部放電,、開斷短路電流等關(guān)鍵性能的評(píng)價(jià)模型。采用序列規(guī)則挖掘方法分析設(shè)備個(gè)體差異(投運(yùn)年限,、廠家型號(hào),、運(yùn)行工況)與GIS/斷路器關(guān)鍵性能劣化的影響，擴(kuò)展評(píng)價(jià)模型的影響因素,，形成基于數(shù)據(jù)狀態(tài)依存關(guān)系的GIS/斷路器關(guān)鍵性能的個(gè)性化,、差異化評(píng)價(jià)方法。

配電線路的差異化狀態(tài)評(píng)價(jià)過程描述如下：從大數(shù)據(jù)平臺(tái)中抽取與輸電線路,、電纜運(yùn)行條件的相關(guān)參量,，包括氣象環(huán)境、運(yùn)行工況,、在線監(jiān)測(cè),、人工巡視、預(yù)試定檢等數(shù)據(jù),，采用系統(tǒng)層次聚類方法,，分析上述參量之間和參量與配電線路狀態(tài)之間的依賴關(guān)系,，建立配電線路(電纜)覆冰、弧垂,、絕緣子污穢,、防雷水平等關(guān)鍵性能的評(píng)價(jià)模型。采用序列規(guī)則挖掘方法分析設(shè)備個(gè)體差異(投運(yùn)年限,、廠家型號(hào),、運(yùn)行工況)與配電線路(電纜)關(guān)鍵性能劣化的影響，擴(kuò)展評(píng)價(jià)模型的影響因素,，形成基于數(shù)據(jù)狀態(tài)依存關(guān)系的配電線路關(guān)鍵性能的個(gè)性化,、差異化評(píng)價(jià)方法。

以下結(jié)合圖7,，對(duì)設(shè)備狀態(tài)的快速評(píng)估方法進(jìn)行描述,。具體地，在大數(shù)據(jù)硬件平臺(tái)的支撐下,，利用預(yù)測(cè)模型,、孤點(diǎn)分析、聚類分區(qū)等方法,，提出基于狀態(tài)信息實(shí)時(shí)數(shù)據(jù)流挖掘技術(shù)的異常狀態(tài)快速檢出和預(yù)警方法,，實(shí)現(xiàn)異常狀態(tài)的快速檢測(cè)和預(yù)警，提高評(píng)估的時(shí)效性,。狀態(tài)信息數(shù)據(jù)流是由大量連續(xù)到達(dá),、潛在無限長(zhǎng)、不斷變化的多源狀態(tài)信息數(shù)據(jù)組成的有序時(shí)間序列,。隨著配電設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)和生產(chǎn)管理系統(tǒng)的改進(jìn)和完善以及電網(wǎng)信息,、環(huán)境氣象信息的實(shí)時(shí)融合,，配電設(shè)備狀態(tài)信息相關(guān)數(shù)據(jù)呈現(xiàn)出數(shù)據(jù)流數(shù)量大,、連續(xù)性的特征，快速挖掘和檢出數(shù)據(jù)流中的異常狀態(tài)能夠?yàn)榕潆娫O(shè)備提供早期預(yù)警,、狀態(tài)評(píng)價(jià)和決策支持,。狀態(tài)信息實(shí)時(shí)數(shù)據(jù)流異常值的快速挖掘和預(yù)警研究一方面需要對(duì)設(shè)備大量結(jié)構(gòu)化數(shù)據(jù)流異常狀態(tài)進(jìn)行實(shí)時(shí)挖掘,，另一方面需要對(duì)圖像、視頻,、振動(dòng)(波形,、指紋)、局放(波形,、圖譜),、測(cè)試報(bào)告等非結(jié)構(gòu)化數(shù)據(jù)特征值的快速提取。

具體地，結(jié)合圖7所示,，首先對(duì)設(shè)備狀態(tài)信息數(shù)據(jù)流進(jìn)行匯總操作,，即設(shè)置一個(gè)定長(zhǎng)的窗口，窗口內(nèi)包含有限采集周期內(nèi)的所有數(shù)據(jù),。對(duì)匯總后的數(shù)據(jù)共有三種異常值檢測(cè)方法,，為對(duì)比狀態(tài)評(píng)價(jià)導(dǎo)則中的閾值、趨勢(shì)分析方法和時(shí)間序列傳遞函數(shù)模型,。這三種方法分別可以檢測(cè)出三種類型的異常值,，超出狀態(tài)量閾值的異常值、外界干擾產(chǎn)生的水平遷移異常值,、潛在故障產(chǎn)生的趨勢(shì)改變異常值,，具體包括以下步驟：

A)按照配電設(shè)備狀態(tài)評(píng)價(jià)導(dǎo)則中的相關(guān)要求，對(duì)應(yīng)導(dǎo)則中的各個(gè)狀態(tài)量閾值逐一掃描數(shù)據(jù),，當(dāng)任意一個(gè)數(shù)據(jù)超過導(dǎo)則中限定的閾值時(shí)，將該數(shù)據(jù)標(biāo)記為異常值,，與原始數(shù)據(jù)分離,。

B)將數(shù)據(jù)變換為多元時(shí)間序列，計(jì)算出各一維時(shí)間序列的互協(xié)方差函數(shù)和互相關(guān)函數(shù),，從而得到傳遞函數(shù)分子,、分母多項(xiàng)式的階數(shù)及延遲參數(shù)，然后擬合傳遞函數(shù)模型,，最后根據(jù)模型殘差序列的ACF檢驗(yàn)來判定干擾時(shí)刻及產(chǎn)生的異常數(shù)據(jù),。具體地說，配電設(shè)備在運(yùn)行中某一時(shí)刻系統(tǒng)可能受到外界干擾而影響到狀態(tài)量數(shù)據(jù)的分布(如當(dāng)變壓器遭受一次短路沖擊時(shí)油溫會(huì)有短時(shí)的上升),，在這種情況下,，數(shù)據(jù)會(huì)在時(shí)刻T干擾發(fā)生時(shí)具有一定的初始遷移效應(yīng)，之后會(huì)由于根據(jù)干擾原因,、狀態(tài)量屬性差異而發(fā)生永久性水平遷移或暫時(shí)性水平遷移,。這類異常值可以通過時(shí)間序列的傳遞函數(shù)模型來快速檢出，即首先將數(shù)據(jù)變換為多元時(shí)間序列,，計(jì)算出各一維時(shí)間序列的互協(xié)方差函數(shù)和互相關(guān)函數(shù),，從而得到傳遞函數(shù)分子、分母多項(xiàng)式的階數(shù)及延遲參數(shù),，然后擬合傳遞函數(shù)模型,，最后根據(jù)模型殘差序列的ACF檢驗(yàn)來判定干擾時(shí)刻及產(chǎn)生的異常數(shù)據(jù)。

C)基于增量遞推的最小二乘回歸參數(shù)估計(jì)和廣義似然比變化點(diǎn)檢測(cè),，采用增量機(jī)制確定數(shù)據(jù)序列回歸模型參數(shù)和分割點(diǎn),實(shí)時(shí)提取數(shù)據(jù)趨勢(shì)特征,，將趨勢(shì)改變的數(shù)據(jù)標(biāo)記為異常數(shù)據(jù)。這是由于配電設(shè)備在運(yùn)行過程中可能發(fā)生絕緣老化、機(jī)械缺陷等原因,，狀態(tài)量數(shù)據(jù)可能會(huì)存在趨勢(shì)改變(如變壓器的油紙絕緣劣化加速會(huì)導(dǎo)致油介損,、油中CO和CO2氣體的上升趨勢(shì)加強(qiáng))，因此分離出此類趨勢(shì)改變的異常值對(duì)檢測(cè)配電設(shè)備的潛在故障具有重大意義,。在本發(fā)明的實(shí)施例中,，這類異常值的檢測(cè)方法是基于增量遞推的最小二乘回歸參數(shù)估計(jì)和廣義似然比變化點(diǎn)檢測(cè)，該算法采用增量機(jī)制確定數(shù)據(jù)序列回歸模型參數(shù)和分割點(diǎn),實(shí)時(shí)提取數(shù)據(jù)趨勢(shì)特征,，將趨勢(shì)改變的數(shù)據(jù)標(biāo)記為異常數(shù)據(jù),。

進(jìn)一步地，為建立更加精確的配電設(shè)備停運(yùn)概率模型,，基于電力企業(yè)歷史事故記錄,、設(shè)備實(shí)時(shí)狀態(tài)監(jiān)測(cè)信息，揭示設(shè)備內(nèi)部狀態(tài),、外界環(huán)境的演變與設(shè)備強(qiáng)迫停運(yùn)的內(nèi)在聯(lián)系,，建立“事故學(xué)習(xí)—事件驅(qū)動(dòng)”型的時(shí)空狀態(tài)模型再勵(lì)學(xué)習(xí)系統(tǒng)。采用不確定理論,，如可信性理論,、云模型等方法給出采集數(shù)據(jù)缺乏情況下的可切換時(shí)變?cè)O(shè)備停運(yùn)模型。建立參數(shù)學(xué)習(xí)庫,，使得設(shè)備停運(yùn)模型具備自適應(yīng)反饋修正與安全校核功能,。設(shè)備的強(qiáng)迫停運(yùn)率主要受到時(shí)間、空間兩方面的因素的影響,，時(shí)間因素主要體現(xiàn)在設(shè)備老化,，空間因素主要體現(xiàn)在設(shè)備在電力系統(tǒng)中的不同位置及周圍不同的氣象環(huán)境?；跁r(shí)空狀態(tài)分析的變壓器故障率進(jìn)行建模,，模型應(yīng)該具有很強(qiáng)的泛化能力，具有通用性,?？紤]大數(shù)據(jù)的配電設(shè)備故障率模型不僅能夠表征設(shè)備的一般老化，也能考慮大數(shù)據(jù),、多因素對(duì)設(shè)備的影響,，可以量化內(nèi)部協(xié)變量與外部協(xié)變量對(duì)故障率的影響，比如設(shè)備某些檢測(cè)信息,、設(shè)備運(yùn)行的外部環(huán)境,、氣象條件和系統(tǒng)情況。模型同時(shí)要考慮到狀態(tài)轉(zhuǎn)移的隨機(jī)過程,，考慮特定設(shè)備的隨機(jī)過程將使模型更加精確和特殊化,，也更加貼近實(shí)際。除了一般性的模型，不同設(shè)備在不同條件下也有很多具體的模型,。輸電線路老化失效的主要原因是導(dǎo)線抗拉強(qiáng)度的損失,，是一個(gè)逐漸積累和不可逆的過程。理論分析及實(shí)驗(yàn)結(jié)果表明,，高溫導(dǎo)體的退火是導(dǎo)線抗拉強(qiáng)度的損失的主要原因,。架空輸電導(dǎo)線溫度主要取決于導(dǎo)線電流、環(huán)境溫度,、風(fēng)速,、風(fēng)向、日照熱量,。

在本發(fā)明的一個(gè)實(shí)施例中,，配線路在不同天氣條件下的故障率為將時(shí)間折合成單位為年時(shí)故障發(fā)生的次數(shù)，以1個(gè)日歷年為單位時(shí)故障率的平均值可以表示為：

其中,，N為正常天氣的期望持續(xù)時(shí)間,，S為惡劣天氣的期望持續(xù)時(shí)間，λ表示正常天氣時(shí)元件故障率的期望值,，λ′為惡劣天氣時(shí)元件故障率的期望值,。

電網(wǎng)中使用的變壓器大多數(shù)為油浸變壓器。變壓器老化失效的主要原因是絕緣紙機(jī)械強(qiáng)度的損失,，這是一個(gè)逐漸積累和不可逆的過程。變壓器的絕緣失效與其運(yùn)行的溫度有關(guān),。通常認(rèn)為變壓器熱點(diǎn)溫度是變壓器絕緣系統(tǒng)所遭受的最高溫度,，熱點(diǎn)在變壓器高壓或者低壓繞組的頂部附近。變壓器老化過程常用Weibull分布來描述,，其長(zhǎng)期失效的Arrhenius-Weibull模型,，因此，變壓器的故障率及累積概率分布函數(shù)可表示為：

應(yīng)該指出的是,，該模型假設(shè)在不同的溫度下參數(shù)β和C都保持不變,。在具有足夠多樣本的情況下，可以通過最小二乘法或極大似然法來估計(jì)這些參數(shù),。使用兩狀態(tài)天氣模型來描述變壓器的偶然失效模式故障率,，使用兩狀態(tài)天氣模型來描述變壓器的偶然失效模式故障率，其表達(dá)式為：

其中,，為變壓器偶然失效的統(tǒng)計(jì)平均值,，N為正常天氣的持續(xù)時(shí)間，S為惡劣天氣的持續(xù)時(shí)間,，F(xiàn)為發(fā)生在惡劣天氣的故障的比例,，w為變壓器當(dāng)前所處的天氣狀況，正常天氣w＝0，惡劣天氣w＝1,。

進(jìn)一步地,，評(píng)估模塊130還用于根據(jù)設(shè)備狀態(tài)和系統(tǒng)風(fēng)險(xiǎn)進(jìn)行設(shè)備重要度評(píng)估。配電設(shè)備運(yùn)行的可靠性直接關(guān)系到電力系統(tǒng)的安全與穩(wěn)定,。隨著電力規(guī)模的不斷擴(kuò)大和市場(chǎng)經(jīng)濟(jì)的引入,，電力企業(yè)對(duì)配電設(shè)備的安全、經(jīng)濟(jì)運(yùn)行提出了更高的要求,；維修計(jì)劃的完善程度及維修策略的制定直接決定著電力設(shè)備使用階段的成本以及使用壽命,；因此進(jìn)行電力設(shè)備故障風(fēng)險(xiǎn)分析及系統(tǒng)風(fēng)險(xiǎn)的重要度評(píng)估不僅有利于制定恰當(dāng)?shù)木S修計(jì)劃、提高系統(tǒng)運(yùn)行的可靠性,，而且能夠較好地避免傳統(tǒng)預(yù)防性維修方案存在的維修不足和維修過剩等問題,，降低維修費(fèi)用及運(yùn)營(yíng)成本費(fèi)用，有效地提高電力設(shè)備運(yùn)行的可靠性和經(jīng)濟(jì)性,。

在本發(fā)明的一個(gè)實(shí)施例中,，根據(jù)設(shè)備狀態(tài)和系統(tǒng)風(fēng)險(xiǎn)進(jìn)行設(shè)備重要度評(píng)估，具體包括如下步驟：

a)根據(jù)大數(shù)據(jù)狀態(tài)評(píng)價(jià)結(jié)果,、運(yùn)行信息,、微氣象數(shù)據(jù)，利用PHM模型計(jì)算系統(tǒng)元件考慮大數(shù)據(jù)的實(shí)時(shí)故障概率,；

b)使用枚舉法選擇系統(tǒng)狀態(tài),，枚舉至3階故障，形成預(yù)想故障事件,，并計(jì)算故障事件發(fā)生的概率,；

c)對(duì)選取的系統(tǒng)狀態(tài)進(jìn)行靜態(tài)安全分析，利用最優(yōu)潮流計(jì)算系統(tǒng)狀態(tài)是否滿足充裕性,，如需切負(fù)荷那么該系統(tǒng)狀態(tài)為緊急狀態(tài),，進(jìn)入步驟d)，如不需切負(fù)荷則該系統(tǒng)狀態(tài)為警戒狀態(tài)或健康狀態(tài),，對(duì)系統(tǒng)進(jìn)行N-1校驗(yàn),，如果滿足安全準(zhǔn)則，則為健康狀態(tài),，返回步驟b),，否則為警戒狀態(tài)，進(jìn)入步驟d),；

d)計(jì)算該系統(tǒng)狀態(tài)下的緊急指數(shù)或警戒指數(shù),，利用風(fēng)險(xiǎn)追蹤模型計(jì)算該狀態(tài)下各個(gè)故障元件的貢獻(xiàn)值；

e)返回步驟b)直到遍歷預(yù)想故障集的所有故障事件,；

f)計(jì)算系統(tǒng)總緊急指數(shù)和總警戒指數(shù),，并計(jì)算元件緊急重要度指標(biāo)和警戒重要度指標(biāo),，根據(jù)重要度指標(biāo)排序，確定系統(tǒng)薄弱設(shè)備,。

綜上,，根據(jù)本發(fā)明實(shí)施例的基于大數(shù)據(jù)的配電設(shè)備狀態(tài)可視化平臺(tái)，在系統(tǒng)的開發(fā)過程中使用軟件工程比較成熟的開發(fā)技術(shù),，對(duì)系統(tǒng)功能進(jìn)行需求分析,，構(gòu)建網(wǎng)絡(luò)應(yīng)用系統(tǒng)。同時(shí)建立安全的運(yùn)行機(jī)制,，保障系統(tǒng)持續(xù)可靠運(yùn)行,，根據(jù)相關(guān)的管理規(guī)范，制定合理的工作流程,，主要涉及配網(wǎng)設(shè)備供電分析,、狀態(tài)檢修、配網(wǎng)設(shè)備全壽命周期管理以及用電信息采集業(yè)務(wù)模塊,。平臺(tái)利用信息化手段,，建立穩(wěn)定高效的運(yùn)維及數(shù)據(jù)核查體系，促進(jìn)系統(tǒng)實(shí)用化及深化應(yīng)用,，保障各系統(tǒng)的可持續(xù)發(fā)展,；實(shí)現(xiàn)供電公司對(duì)所轄范圍內(nèi)配電設(shè)備的供電分析及信息預(yù)警要求。該基于大數(shù)據(jù)的配電設(shè)備狀態(tài)可視化平臺(tái)主要從如下幾個(gè)方面進(jìn)行完善提升：

(1)更為強(qiáng)大的設(shè)備狀態(tài)監(jiān)控功能,。

全面適應(yīng)國(guó)網(wǎng)公司未來PMS2.0數(shù)據(jù)結(jié)構(gòu)要求,，對(duì)各類設(shè)備狀態(tài)信息進(jìn)行集中展示。應(yīng)用可視化技術(shù),，將數(shù)字和文字轉(zhuǎn)化為圖形,，采用動(dòng)態(tài)曲線、統(tǒng)計(jì)圖,、列表等友好方式展示設(shè)備狀態(tài)的個(gè)體差異和發(fā)展趨勢(shì)。開發(fā)“我關(guān)注的設(shè)備”模塊,，方便不同層級(jí),、不同單位的運(yùn)檢人員根據(jù)需要?jiǎng)討B(tài)實(shí)時(shí)掌握設(shè)備狀態(tài)，實(shí)現(xiàn)可視化監(jiān)控,。

(2)基于大數(shù)據(jù)分析,，全景展示設(shè)備狀態(tài)功能。

平臺(tái)將接入PMS2.0系統(tǒng)數(shù)據(jù),、配電自動(dòng)化系統(tǒng)數(shù)據(jù),，挖掘與設(shè)備負(fù)載能力密切關(guān)聯(lián)的核心狀態(tài)參量，建立不同服役環(huán)境,、不同設(shè)備老化狀態(tài),、不同設(shè)備缺陷情況下的設(shè)備負(fù)載能力短期,、中期、長(zhǎng)期多尺度動(dòng)態(tài)評(píng)估及預(yù)測(cè)模型,，研究配電設(shè)備過負(fù)荷運(yùn)行及與設(shè)備健康狀態(tài)和壽命的相關(guān)關(guān)系,，提出設(shè)備實(shí)時(shí)動(dòng)態(tài)增容調(diào)控策略與設(shè)備負(fù)載安全裕度的動(dòng)態(tài)校核方法。多維度展現(xiàn)設(shè)備狀態(tài)信息,，提高配網(wǎng)設(shè)備精細(xì)化管理,。

(3)更加豐富的設(shè)備故障診斷功能。

高度融合來自不同應(yīng)用系統(tǒng)的信息,，配備狀態(tài)檢測(cè),、檢修工作、輔助工作,、供電質(zhì)量分析,、風(fēng)險(xiǎn)預(yù)警等高級(jí)診斷模塊，對(duì)海量數(shù)據(jù)進(jìn)行深層次挖掘和多角度分析,，結(jié)合配電設(shè)備狀態(tài)監(jiān)測(cè)信息和PMS中的設(shè)備檢修試驗(yàn)信息,，對(duì)配電設(shè)備狀態(tài)進(jìn)行在線診斷，同時(shí)利用典型故障,、缺陷援例庫和設(shè)備標(biāo)準(zhǔn)庫,，提高狀態(tài)診斷實(shí)時(shí)性和準(zhǔn)確性，支持管理人員快速準(zhǔn)確決策,。

(4)更加全面的運(yùn)行風(fēng)險(xiǎn)預(yù)警功能,。

根據(jù)既定規(guī)則對(duì)電網(wǎng)薄弱點(diǎn)進(jìn)行連續(xù)實(shí)時(shí)的掃描，自動(dòng)查找存在嚴(yán)重缺陷,、狀態(tài)劣化等故障風(fēng)險(xiǎn)的配電設(shè)備,，通過風(fēng)險(xiǎn)信息匯總、巡視缺陷,、巡視隱患,、監(jiān)測(cè)異常等模塊展示，并自動(dòng)發(fā)布預(yù)警信息,。

一方面,，該平臺(tái)采用了基于電力大數(shù)據(jù)分析的配電設(shè)備評(píng)估方法，從大數(shù)據(jù)綜合分析平臺(tái)中抽取變電設(shè)備運(yùn)行條件的相關(guān)參量,，采用序列規(guī)則挖掘方法分析設(shè)備個(gè)體差異與設(shè)備關(guān)鍵性能劣化的影響,，形成基于數(shù)據(jù)狀態(tài)依存關(guān)系的設(shè)備關(guān)鍵性能差異化評(píng)估方法。

另一方面,，該平臺(tái)采用了油色譜H2,、CO和總烴3類特征氣體異常值的最小協(xié)方差行列式MCD穩(wěn)健多元檢測(cè)方法。利用迭代和Mahalanobis距離思想構(gòu)造一個(gè)穩(wěn)健的協(xié)方差估計(jì)量對(duì)異常值進(jìn)行檢測(cè),，強(qiáng)化了油色譜數(shù)據(jù)的統(tǒng)計(jì)規(guī)律,；通過對(duì)異常值區(qū)間的跟蹤評(píng)估,，更加明顯地反映變壓器運(yùn)行狀態(tài)的變化。

進(jìn)一步地,，該平臺(tái)采用了基于提升雙樹復(fù)小波變換和BP神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識(shí)別方法,，設(shè)計(jì)了基于超高頻法的變壓器局部放電檢測(cè)系統(tǒng)，應(yīng)用提升雙樹復(fù)小波變換對(duì)收集的局部放電包絡(luò)信號(hào)進(jìn)行去噪,，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)變壓器放電類型進(jìn)行模式識(shí)別,，有效排除原始信號(hào)中空間電磁波和硬件電路噪聲干擾，提高了局放類型識(shí)別的正確率,。

根據(jù)本發(fā)明實(shí)施例的基于大數(shù)據(jù)的配電設(shè)備狀態(tài)可視化平臺(tái),，通過多維度的可視化展現(xiàn)功能，最大限度復(fù)用已經(jīng)建立的各種配電設(shè)備基礎(chǔ)數(shù)據(jù)和檢修管理資源,，利用數(shù)據(jù)整合和數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)設(shè)備綜合分析,，針對(duì)輸、變電設(shè)備開展?fàn)顟B(tài)評(píng)價(jià),、故障診斷,、風(fēng)險(xiǎn)評(píng)估、壽命預(yù)測(cè)及檢修決策工作,，輔助以技術(shù)監(jiān)督和智能報(bào)表管理,，為運(yùn)維部門提供一個(gè)全景、實(shí)時(shí),、多維,、智能化的設(shè)備管控信息平臺(tái)，使數(shù)量龐大,、新舊不一,、狀態(tài)各異的設(shè)備始終處于嚴(yán)密監(jiān)控下，提前防范設(shè)備運(yùn)行風(fēng)險(xiǎn),，提高對(duì)突發(fā)事件的反應(yīng)速度,，能夠滿足集約化發(fā)展、精益化管理的業(yè)務(wù)需求,，提高設(shè)備多源信息交互融合能力,，實(shí)現(xiàn)對(duì)配電設(shè)備的全景實(shí)時(shí)感知、多維智能監(jiān)測(cè)和控制,，使設(shè)備的全壽命周期管理透明化、高效化,。