基于PDMiner大數(shù)據(jù)挖掘平臺(tái)的電力系統(tǒng)安全評(píng)估及故障診斷系統(tǒng)

?！〕?/p>

(貴州大學(xué) 電氣工程學(xué)院，貴陽(yáng)　550025)

基于PDMiner大數(shù)據(jù)挖掘平臺(tái)的電力系統(tǒng)安全評(píng)估及故障診斷系統(tǒng)

常成

(貴州大學(xué) 電氣工程學(xué)院，貴陽(yáng)550025)

摘要：電力系統(tǒng)中的數(shù)據(jù)復(fù)雜多樣，電力大數(shù)據(jù)的挖掘處理是電力公司面臨的難題之一。闡述了電力大數(shù)據(jù)發(fā)展現(xiàn)狀，將電力云概念引入到電力系統(tǒng)大數(shù)據(jù)分析之中，提出了基于云計(jì)算理論的大數(shù)據(jù)挖掘平臺(tái)PDMiner，介紹了其整體架構(gòu)和原理，針對(duì)電力大數(shù)據(jù)的平臺(tái)架構(gòu)和關(guān)鍵技術(shù)，開發(fā)了一套基于PDMiner平臺(tái)的電力系統(tǒng)安全評(píng)估與故障診斷系統(tǒng)，該系統(tǒng)配置在SCADA/EMS的數(shù)據(jù)管理子系統(tǒng)上，提高了數(shù)據(jù)處理的效率，并且能準(zhǔn)確提取到故障類型、風(fēng)險(xiǎn)區(qū)域等數(shù)據(jù)背后的準(zhǔn)確信息。

關(guān)鍵詞：電力系統(tǒng)大數(shù)據(jù)；數(shù)據(jù)挖掘；PDMiner平臺(tái)；安全評(píng)估；故障診斷

隨著科技的不斷進(jìn)步，在移動(dòng)互聯(lián)網(wǎng)和智能系統(tǒng)的發(fā)展推動(dòng)下，數(shù)據(jù)呈現(xiàn)出規(guī)模性、多樣性、高速性、價(jià)值性的特點(diǎn)[1]，因此，提出了大數(shù)據(jù)的概念。大數(shù)據(jù)指的是其大小超出了典型數(shù)據(jù)軟件抓取、儲(chǔ)存、管理和分析范圍的數(shù)據(jù)集合[2]，已經(jīng)從TB級(jí)躍升到PB級(jí)。

電力系統(tǒng)主要由發(fā)電、輸電、變電、用電4部分組成，作為一套復(fù)雜的信息化系統(tǒng)，具有能量傳輸龐大、實(shí)時(shí)運(yùn)行連續(xù)、故障瞬間擴(kuò)大等特點(diǎn)，同樣面臨著大數(shù)據(jù)的現(xiàn)狀，尤其是在新能源的引入和智能電網(wǎng)建設(shè)的環(huán)境下，電力大數(shù)據(jù)的概念也應(yīng)運(yùn)而生。電力大數(shù)據(jù)廣泛應(yīng)用在風(fēng)電場(chǎng)選址定容、風(fēng)光互補(bǔ)、電力系統(tǒng)安全監(jiān)測(cè)、經(jīng)濟(jì)運(yùn)行、故障診斷等環(huán)節(jié)[3]，對(duì)電力大數(shù)據(jù)的有效分析不僅可以優(yōu)化電能的生產(chǎn)、消耗和分配，保證其經(jīng)濟(jì)性，還可以為電網(wǎng)規(guī)劃和改造提供有效的決策支撐。

在電網(wǎng)智能化的新時(shí)期，如何實(shí)時(shí)有效地處理數(shù)據(jù)，而迅速獲取有價(jià)值的數(shù)據(jù)信息已經(jīng)成為電力系統(tǒng)分析研究的熱點(diǎn)。隨著數(shù)據(jù)挖掘概念的提出及相關(guān)技術(shù)的深入發(fā)展，基于云計(jì)算的數(shù)據(jù)挖掘技術(shù)為電力系統(tǒng)數(shù)據(jù)的處理提供了有效的手段。文獻(xiàn)[4]提出了基于云計(jì)算平臺(tái)和并行k-means聚類算法的用戶用電行為分析模型，通過對(duì)居民用電數(shù)據(jù)的整合篩選，有助于電力企業(yè)了解用戶的個(gè)性化和差異化服務(wù)需求。文獻(xiàn)[5]國(guó)外研究人員利用智能表計(jì)捕獲過電壓事故，通過對(duì)采集數(shù)據(jù)的處理分析，建立了電壓幅值與事故發(fā)生時(shí)刻、持續(xù)時(shí)間、環(huán)境溫度和分布式發(fā)電裝置狀態(tài)量數(shù)據(jù)之間的關(guān)系模型，總結(jié)出事故發(fā)生的相關(guān)因素及對(duì)配電網(wǎng)的影響。

雖然國(guó)內(nèi)外已經(jīng)將電力云計(jì)算和電力大數(shù)據(jù)挖掘等相關(guān)技術(shù)引入到電力系統(tǒng)分析和控制中，但仍處于研究的起步階段，基本停留在理論分析層面，缺少實(shí)用性的應(yīng)用控制系統(tǒng)。本文基于云計(jì)算的并行分布式大數(shù)據(jù)平臺(tái)PDMiner開發(fā)了一套安全評(píng)估及故障診斷系統(tǒng)，通過對(duì)輸入的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的篩選、分類、分析可以及時(shí)了解電網(wǎng)運(yùn)行動(dòng)態(tài)，了解各區(qū)域的風(fēng)險(xiǎn)程度，系統(tǒng)故障時(shí)迅速檢測(cè)到故障發(fā)生的地點(diǎn)、類型，以便監(jiān)控中心做出及時(shí)處理，同時(shí)可將故障數(shù)據(jù)分類匯總、存儲(chǔ)，并建立故障數(shù)據(jù)庫(kù)，對(duì)電網(wǎng)的進(jìn)一步規(guī)劃和改造提供參考。

1電力云計(jì)算

云計(jì)算是并行計(jì)算(PC)、分布式計(jì)算(DC)和網(wǎng)格計(jì)算(GC)的發(fā)展，是計(jì)算機(jī)技術(shù)的商業(yè)實(shí)現(xiàn)[6]。云計(jì)算的基本原理是通過使計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的資源池上，使各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計(jì)算力、存儲(chǔ)空間和信息服務(wù)。從技術(shù)上看，大數(shù)據(jù)植根于云計(jì)算，云計(jì)算的數(shù)據(jù)存儲(chǔ)、管理與分析方面的技術(shù)是大數(shù)據(jù)技術(shù)的基礎(chǔ)。云計(jì)算使大數(shù)據(jù)應(yīng)用成為可能，但若沒有大數(shù)據(jù)的信息沉淀，云計(jì)算的功能將得不到完全發(fā)揮，兩者是相輔相成的。

云計(jì)算對(duì)電力系統(tǒng)內(nèi)部的計(jì)算和存儲(chǔ)資源進(jìn)行整合，提高了電網(wǎng)的交互和處理能力，大數(shù)據(jù)根植于云計(jì)算，以分布式存儲(chǔ)和并行計(jì)算為主導(dǎo)的云計(jì)算技術(shù)能夠適應(yīng)大規(guī)模數(shù)據(jù)的存儲(chǔ)和計(jì)算需求。將云計(jì)算技術(shù)引入到電力系統(tǒng)中便形成了“電力云”概念，以數(shù)據(jù)挖掘?yàn)榛A(chǔ)的數(shù)據(jù)處理技術(shù)是電力云計(jì)算發(fā)展的關(guān)鍵環(huán)節(jié)。

電網(wǎng)的數(shù)據(jù)源有很多，主要有用戶端、電力企業(yè)和外部數(shù)據(jù)3類[7]，三類數(shù)據(jù)彼此相互作用，共同組成了配電網(wǎng)數(shù)據(jù)庫(kù)，但同時(shí)也帶來了數(shù)據(jù)準(zhǔn)確性、價(jià)值性等問題。日益龐大的數(shù)據(jù)集合使傳統(tǒng)的數(shù)據(jù)處理技術(shù)難以對(duì)數(shù)據(jù)進(jìn)行高效處理，因此，務(wù)必建立電網(wǎng)專用的數(shù)據(jù)處理系統(tǒng)。

2大數(shù)據(jù)挖掘平臺(tái)

數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法挖掘其中隱藏的各種信息的過程，是信息獲取的重要技術(shù)[8]。大數(shù)據(jù)的分析處理普遍采用內(nèi)外層結(jié)構(gòu)相結(jié)合的雙層分析架構(gòu)(Double Data Structure，DDS)，外層主要對(duì)動(dòng)態(tài)數(shù)據(jù)、不確定性數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，內(nèi)層的核心部分就是數(shù)據(jù)挖掘，通過相應(yīng)的算法對(duì)數(shù)據(jù)進(jìn)行計(jì)算，挖掘出有價(jià)值的、需要的數(shù)據(jù)信息。由于需要挖掘海量的信息源，并且以指數(shù)增長(zhǎng)，傳統(tǒng)的集中式串行數(shù)據(jù)挖掘方法已不再是一種合適的信息獲取方式。因此，先后提出了分布式計(jì)算和并行計(jì)算的數(shù)據(jù)處理方式[9]。分布式計(jì)算是將一個(gè)計(jì)算問題分解成多個(gè)子問題并同時(shí)處理的計(jì)算模型；而并行計(jì)算是將一個(gè)較大的計(jì)算問題分割成小任務(wù)的形式。文獻(xiàn)[10]提出了一種將機(jī)器學(xué)習(xí)算法應(yīng)用在多核計(jì)算機(jī)上的并行計(jì)算，主要研究的是算法內(nèi)部的并行處理，通過算法分解，將可并行的部分進(jìn)行計(jì)算。本文采用上述的并行計(jì)算模式進(jìn)行研究，可應(yīng)用在大規(guī)模計(jì)算機(jī)集群上運(yùn)行。

PDMiner是一種基于大規(guī)模數(shù)據(jù)處理平臺(tái)Hadhoop的并行分布式數(shù)據(jù)挖掘平臺(tái)[11]，目的是通過并行數(shù)據(jù)挖掘算法處理大數(shù)據(jù)資料，進(jìn)而提高數(shù)據(jù)處理效率。PDMiner由4個(gè)子系統(tǒng)組成：工作流子系統(tǒng)、用戶接口子系統(tǒng)、數(shù)據(jù)預(yù)處理子系統(tǒng)和數(shù)據(jù)挖掘子系統(tǒng)[12]。PDMiner具有可擴(kuò)展性、支持多挖掘任務(wù)、創(chuàng)建復(fù)雜挖掘過程等特點(diǎn)。

Hadoop是PDMiner的技術(shù)基礎(chǔ)，其核心部分是基于HDFS和MapReduce的并行算法實(shí)現(xiàn)[13]。HDFS是建立在大型集群上可靠存儲(chǔ)大數(shù)據(jù)集的文件系統(tǒng)。HDFS具有容錯(cuò)性強(qiáng)、吞吐量高的特點(diǎn)，適合大數(shù)據(jù)集的應(yīng)用程序。MapReduce是一種簡(jiǎn)化的分布式程序設(shè)計(jì)模型，通過該模型，程序可自動(dòng)在超大機(jī)群上并發(fā)執(zhí)行。在PDMiner中，HDFS用于存儲(chǔ)大規(guī)模數(shù)據(jù)，MapReduce用于各種并行數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘算法的實(shí)現(xiàn)。PDMiner的總體框架結(jié)構(gòu)見圖1。

圖1　PDMiner總體框架架構(gòu)圖

工作流子系統(tǒng)使用戶可以方便建立數(shù)據(jù)挖掘任務(wù)，用戶可以根據(jù)需要選擇ETL數(shù)據(jù)預(yù)處理、分類、聚類、關(guān)聯(lián)規(guī)則4種算法[14]。用戶接口子系統(tǒng)由用戶輸入和結(jié)構(gòu)展示兩個(gè)模塊組成，其主要負(fù)責(zé)與用戶進(jìn)行交互，參數(shù)設(shè)置和實(shí)現(xiàn)結(jié)果展示。并行數(shù)據(jù)挖掘子系統(tǒng)囊括了并行關(guān)聯(lián)規(guī)則、并行分類和并行聚類3種算法，可有效地進(jìn)行數(shù)據(jù)挖掘工作。另外，并行數(shù)據(jù)挖掘子系統(tǒng)靈活的接口方便用戶產(chǎn)生新的挖掘算法。并行ETL算法子系統(tǒng)開發(fā)了19種預(yù)處理算法[15]，顯著提高了算法的計(jì)算效率。采用MapReduce機(jī)制可以很好地解決決策樹算法的并行問題，提高了算法的執(zhí)行效率。

3電力大數(shù)據(jù)平臺(tái)架構(gòu)及關(guān)鍵技術(shù)

電力系統(tǒng)是一種高維非線性的復(fù)雜系統(tǒng)，其內(nèi)部包含電力流、業(yè)務(wù)流、故障流等內(nèi)部數(shù)據(jù)流[16]，圖2是一種電力大數(shù)據(jù)平臺(tái)總體架構(gòu)，主要由大數(shù)據(jù)處理框架、大數(shù)據(jù)存儲(chǔ)框架、操作系統(tǒng)和服務(wù)器、大數(shù)據(jù)調(diào)度框架組成，并與數(shù)據(jù)倉(cāng)庫(kù)保持實(shí)時(shí)聯(lián)系。

圖2　電力大數(shù)據(jù)平臺(tái)總體架構(gòu)

電力大數(shù)據(jù)的關(guān)鍵技術(shù)主要有集成管理技術(shù)、數(shù)據(jù)分析技術(shù)、數(shù)據(jù)處理技術(shù)、數(shù)據(jù)展現(xiàn)技術(shù)[17]。集成管理技術(shù)是將來自多個(gè)應(yīng)用系統(tǒng)的數(shù)據(jù)合并，并據(jù)此創(chuàng)建一個(gè)多功能應(yīng)用的過程，一般采用具有分布式存儲(chǔ)特點(diǎn)的NoSQL數(shù)據(jù)庫(kù)技術(shù)。數(shù)據(jù)分析技術(shù)是將收集到的信息進(jìn)行提煉和加工，將原始信息轉(zhuǎn)化為知識(shí)流，通過這種方式來進(jìn)行決策制定和指導(dǎo)下一步的行動(dòng)，一般是通過將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)進(jìn)行并行化處理來實(shí)現(xiàn)的，如PDMiner采用的MapReduce。數(shù)據(jù)處理技術(shù)包括分布式計(jì)算、內(nèi)存計(jì)算、流處理。分布式作為一種新型的數(shù)據(jù)計(jì)算方式，適用于電力系統(tǒng)信息采集領(lǐng)域的大規(guī)模數(shù)據(jù)源。數(shù)據(jù)展現(xiàn)技術(shù)包括可視化技術(shù)、空間信息流技術(shù)、歷史流技術(shù)等，運(yùn)行管理人員可清楚地理解電力系統(tǒng)數(shù)據(jù)的含義，及時(shí)掌握系統(tǒng)運(yùn)行狀態(tài)。

4基于PDMiner平臺(tái)的電力系統(tǒng)安全評(píng)估與故障診斷系統(tǒng)

隨著電網(wǎng)的復(fù)雜程度逐漸增加，以及風(fēng)光系統(tǒng)的接入都使得電力系統(tǒng)的故障發(fā)生率顯著增大。傳統(tǒng)的基于SCADA/EMS的電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)雖然能實(shí)時(shí)采集數(shù)據(jù)并對(duì)系統(tǒng)進(jìn)行在線監(jiān)控，但在繁雜的大數(shù)據(jù)面前，如何快速有效地分辨數(shù)據(jù)、篩選數(shù)據(jù)、整合數(shù)據(jù)并建立數(shù)據(jù)信息庫(kù)是對(duì)該系統(tǒng)的最大考驗(yàn)。在傳統(tǒng)的SCADA/EMS系統(tǒng)的基礎(chǔ)上配置大數(shù)據(jù)挖掘平臺(tái)，對(duì)數(shù)據(jù)進(jìn)行有效處理，將有價(jià)值的數(shù)據(jù)信息展現(xiàn)在控制人員面前。

本文將PDMiner大數(shù)據(jù)挖掘平臺(tái)引入到電力系統(tǒng)在線監(jiān)控系統(tǒng)中，作為SCADA數(shù)據(jù)管理子系統(tǒng)的一部分，通過對(duì)采集數(shù)據(jù)的處理用于系統(tǒng)的安全評(píng)估和故障診斷。首先對(duì)收集到的源數(shù)據(jù)(內(nèi)外部的歷史和實(shí)時(shí)數(shù)據(jù))通過算法引擎在PDMiner平臺(tái)上進(jìn)行數(shù)據(jù)挖掘處理；然后，根據(jù)處理的結(jié)果建立系統(tǒng)指標(biāo)判據(jù)庫(kù)，為風(fēng)險(xiǎn)區(qū)域和系統(tǒng)故障提供判斷依據(jù)，并對(duì)系統(tǒng)運(yùn)行狀態(tài)提供評(píng)價(jià)標(biāo)準(zhǔn)；最后監(jiān)控中心根據(jù)展現(xiàn)的數(shù)據(jù)信息對(duì)電力系統(tǒng)運(yùn)行的實(shí)時(shí)數(shù)據(jù)進(jìn)行監(jiān)測(cè)、分析，可劃分出故障易發(fā)的風(fēng)險(xiǎn)區(qū)域，診斷系統(tǒng)故障，并實(shí)時(shí)獲取故障發(fā)生類型、地點(diǎn)、原因等信息，根據(jù)故障信息對(duì)系統(tǒng)故障進(jìn)行有效處理，并快速恢復(fù)正常運(yùn)行；根據(jù)風(fēng)險(xiǎn)區(qū)域信息對(duì)系統(tǒng)區(qū)域進(jìn)行劃分，同時(shí)對(duì)系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行可靠性評(píng)估，制定相應(yīng)的優(yōu)化方案?；赑DMiner平臺(tái)的電力系統(tǒng)安全評(píng)估與故障診斷系統(tǒng)的總體架構(gòu)如圖3所示。

圖3　基于PDMiner平臺(tái)的電力系統(tǒng)安全評(píng)估與故障診斷系統(tǒng)總體框架

由圖3可知，該系統(tǒng)框架由5部分組成。第1層數(shù)據(jù)來源層通過從內(nèi)部(用戶端、企業(yè))、外部收集歷史和實(shí)時(shí)數(shù)據(jù)建立源數(shù)據(jù)庫(kù)；第2層算法模型層，根據(jù)需要建立不同的算法引擎，在進(jìn)行并行計(jì)算時(shí)通過調(diào)用相應(yīng)的算法函數(shù)對(duì)數(shù)據(jù)進(jìn)行針對(duì)性處理；第3層是基于PDMiner平臺(tái)對(duì)數(shù)據(jù)進(jìn)行挖掘處理；第4層是根據(jù)數(shù)據(jù)挖掘的結(jié)果建立判據(jù)庫(kù)，包括故障判據(jù)、原因判據(jù)、風(fēng)險(xiǎn)區(qū)域判據(jù)、運(yùn)行評(píng)價(jià)判據(jù)、優(yōu)化方案判據(jù)，為業(yè)務(wù)層提供決策依據(jù)；最后業(yè)務(wù)層根據(jù)判據(jù)庫(kù)的指標(biāo)、參數(shù)和顯示的數(shù)據(jù)分別進(jìn)行故障診斷、故障原因分析、風(fēng)險(xiǎn)區(qū)域劃分與識(shí)別、系統(tǒng)運(yùn)行狀態(tài)評(píng)價(jià)、系統(tǒng)優(yōu)化方案制定，為電網(wǎng)的改造和規(guī)劃提供重要參考。

5實(shí)驗(yàn)驗(yàn)證

本文分別選取IEEE14和IEEE33節(jié)點(diǎn)測(cè)試系統(tǒng)進(jìn)行仿真分析。分別將基于PDMiner平臺(tái)的電力系統(tǒng)安全評(píng)估和故障診斷系統(tǒng)配置在兩種測(cè)試系統(tǒng)的主監(jiān)控端，觀察系統(tǒng)中某點(diǎn)發(fā)生故障及危險(xiǎn)區(qū)域的劃分等情況。IEEE 14節(jié)點(diǎn)測(cè)試系統(tǒng)拓?fù)鋱D見圖4。

圖4　IEEE14節(jié)點(diǎn)測(cè)試系統(tǒng)拓?fù)鋱D

首先系統(tǒng)根據(jù)采集到的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，可將IEEE14節(jié)點(diǎn)測(cè)試系統(tǒng)劃分成4個(gè)區(qū)域，并在系統(tǒng)內(nèi)部建立了故障判據(jù)指標(biāo)、故障原因、風(fēng)險(xiǎn)區(qū)域、系統(tǒng)運(yùn)行評(píng)價(jià)、系統(tǒng)優(yōu)化方案數(shù)據(jù)庫(kù)。

系統(tǒng)將區(qū)域2和4劃分為風(fēng)險(xiǎn)區(qū)域。當(dāng)區(qū)域4的節(jié)點(diǎn)14發(fā)生短路故障時(shí)，系統(tǒng)將顯示下列信息，見表1。

而傳統(tǒng)的基于SCADA/EMS的電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)僅能監(jiān)控到故障發(fā)生點(diǎn)，并且故障診斷時(shí)間與本系統(tǒng)相比要長(zhǎng)。前者為0.7 s，本系統(tǒng)為0.1 s。

表1　基于PDMiner平臺(tái)的電力系統(tǒng)安全評(píng)估和

同樣將該系統(tǒng)配置在IEEE33節(jié)點(diǎn)測(cè)試系統(tǒng)中，如圖5所示。

圖5　IEEE33節(jié)點(diǎn)測(cè)試系統(tǒng)拓?fù)鋱D

IEEE33節(jié)點(diǎn)測(cè)試系統(tǒng)被分為5區(qū)域，其中區(qū)域2、5為風(fēng)險(xiǎn)區(qū)域。當(dāng)節(jié)點(diǎn)33-15間發(fā)生斷路時(shí)，系統(tǒng)可顯示下列信息，見表2。

表2　基于PDMiner平臺(tái)的電力系統(tǒng)安全評(píng)估和

與傳統(tǒng)的基于SCADA/EMS的電力系統(tǒng)數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)相比，前者為0.9 s，本系統(tǒng)為0.2 s。

6結(jié)語(yǔ)

隨著電力系統(tǒng)復(fù)雜性的增大，電力大數(shù)據(jù)已成為電力系統(tǒng)的重要組成，數(shù)據(jù)的處理就顯得尤為關(guān)鍵。傳統(tǒng)的數(shù)據(jù)處理方式無(wú)法應(yīng)對(duì)龐大的數(shù)據(jù)資源，效率低、差錯(cuò)率高?，F(xiàn)代數(shù)據(jù)挖掘技術(shù)針對(duì)數(shù)據(jù)的“4V”特性，提高了數(shù)據(jù)處理的能力，本文基于云計(jì)算的大數(shù)據(jù)挖掘平臺(tái)PDMiner建立了一套電力系統(tǒng)安全評(píng)估及故障診斷系統(tǒng)，該系統(tǒng)能準(zhǔn)確評(píng)估系統(tǒng)的運(yùn)行狀態(tài)和安全水平，在故障發(fā)生時(shí)能及時(shí)將故障類型、故障源等信息反饋到控制終端，同時(shí)存儲(chǔ)相應(yīng)的故障數(shù)據(jù)，為建立電網(wǎng)預(yù)警機(jī)制、電網(wǎng)改造和規(guī)劃提供重要依據(jù)。

參考文獻(xiàn)：

[1]宋亞奇，周國(guó)亮，朱永利．智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]．電網(wǎng)技術(shù)，2013，37(4)：927-935.

SONG Ya-qi, ZHOU Tong-liang, ZHU Yong-li. Present status and challenges of big data processing in smart grid[J]．Power System Technology, 2013,37(4)：927-935.

[2]李國(guó)杰．大數(shù)據(jù)研究的科學(xué)價(jià)值[J]．中國(guó)計(jì)算機(jī)學(xué)會(huì)通訊，2012，8(9)：8-15.

[3]張素香，劉建明，趙丙鎮(zhèn)，等．基于云計(jì)算的居民用電行為分析模型研究[J]．電網(wǎng)技術(shù)，2013，37(6)：1542-1546.

ZHANG Su-xiang, LIU Jian-ming, ZHAO Bing-zhen, et al. Cloud computing-based analysis on residential electricity consumption behavior[J]. Power System Technology,2013(6):1542-1546.

[4]趙國(guó)棟，易歡歡，糜萬(wàn)軍，等．大數(shù)據(jù)時(shí)代的歷史機(jī)遇[M]．北京：清華大學(xué)出版社，2013.

[5]CHU CT, KIM S K, LIN Y A, et al. Map-reduce for machine leaning on multicore[C]//Proceedings of the 21stAnnual Conference on Neural Information Processing Systems(NIPS’07), Dec3-6,2007, Vancouver, Canada. Berlin, Germany. Springer-Verlag,2007:281-288.

[6]GTM Research．The soft grid 2013-2020：Big data & utility analytics for smart grid-research excerpt [R/OL]． GTM， 2013． http： //www.giiresearch.com/report/gm257044-soft-grid-big-data-utility-analytics-smart-grid.html.

[7]The first highly interactive map of electricity use in LosAngeles[EB/OL]． [2014-08] ． http://sustainablecommunities. environment.ucla.edu/map/.

[8]SEKHAR A NAGARAJA，RAJAN K S，JAIN AMIT．Spatial informatics and geographical information systems：tools to transform electric power and energy systems[C]// 2008 IEEE Region 10 Conference(TENCON 2008)．Hyderabad：IEEE，2008：1-5.

[9]李祥珍，劉建明．面向智能電網(wǎng)的物聯(lián)網(wǎng)技術(shù)及其應(yīng)用[J]．電信網(wǎng)技術(shù)，2010(8)：41-45.

[10]楊德勝，陳江江，張明．電力大數(shù)據(jù)高速存儲(chǔ)及檢索關(guān)鍵技術(shù)研究與應(yīng)用[J]．電子測(cè)試，2014(3)：62-63.

YANG De-sheng, CHEN Jiang-jiang, ZHANG Ming. Power big data high speed data storage and retrieval and application of key technologies[J]．Electronic Test，2014(3)：62-63.

[11]EPRI．Big data challenges for the grid：EPRI survey results and analysis Data analytics and applications demonstration newsletter[R/OL].2013 http://www.smartgridnews.com/artman/publish/Business_Analytics/Big-Data-challenges-for-the-grid-EPRI-survey-results-and-analysis.

[12]EPRI． The whys， whats， and hows of managing data as an asset[R]．USA：EPRI，2014.

[13]王秀磊，劉鵬．大數(shù)據(jù)關(guān)鍵技術(shù)[J]．中興通訊技術(shù)，2013，19(4)：17-21.

WANG Xiu-lei, LIU Peng. Key big-data technologies[J]. ZTE Communications, 2013,19(4)：17-21.

[14]孟小峰，慈祥．大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J]．計(jì)算機(jī)研究與發(fā)展，2013，50(1)：146-169.

MENG Xiao-feng, CI Xiang. Big data management: Concepts,techniques and challenges[J]. Journal of Computer Research and Development, 2013,50(1):146-169.

[15]劉振亞．智能電網(wǎng)技術(shù)[M]．北京：中國(guó)電力出版社，2010.

[16]邱健，牛琳琳，于海承，等．基于多源數(shù)據(jù)的在線數(shù)據(jù)評(píng)估技術(shù)[J]．電網(wǎng)技術(shù)，2013，37(9)：2658-2663.

QIU Jian, NIU Lin-lin, YU Hai-cheng, et al. Research on online data assessment technology based on the multiple data source[J]. Power System Technology,2013(9):2658-2663.

[17]馬發(fā)勇，厲啟鵬，馬志斌，等．電力調(diào)度SCADA系統(tǒng)中歷史數(shù)據(jù)壓縮及存儲(chǔ)策略[J]．電網(wǎng)技術(shù)，2014，38(4)：1109-1114.

MA Fa-yong, LI Qi-peng, MA Zhi-bin, et al. The research of historical data compression and storage strategy in power dispatch SCADA system[J]. Power System Technology, 2014，38(4)：1109-1114．

(本文編輯：嚴(yán)加)

Power System Security Assessment and Fault Diagnosis System Based on PDMiner Large Data Mining Platform

CHANG Cheng

(College of Electrical Engineering, GuiZhou University, Guiyang 550025, China)

Abstract:The data of power system is complex and various, and then the big data mining is one of the difficult problems for power companies. This paper describes the development status of power big data, and introduces the concept of power cloud to power system big data analysis. Data mining platform PDMiner is proposed based on cloud computing, and its overall structure and principle are outlined. According to the power big data platform architecture and key technologies, a set of power system security assessment and fault diagnosis system is developed based on PDMiner platform. The system, configured in the SCADA/EMS data management subsystem, can improve the data processing efficiency and accurately extract the information of fault types and risk region, having much higher value in power grid renovation and planning.

Key words:power system big data; data mining; PDMiner platform; security assessment; fault diagnosis

DOI：10.11973/dlyny201601002 10.11973/dlyny201601003

作者簡(jiǎn)介：常成(1991)，男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制。

中圖分類號(hào)：TM76；TP311

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-1256(2016)01-0007-05

收稿日期：2015-10-25