首先阐述了目前电力系统中故障诊断存在的不足，指出了哪些方面有待于进一步提高，以及介绍电力大数据在电力设备故障诊断上的应用创新。在没有电力大数据平台之前，主网设备在出现故障后每个专业都是通过仅限的数据来源进行原因分析，导致故障原因分析不够全面，对保障电力设备的安全稳定运行具有十分重要的意义。
1 电力故障诊断技术
电力设备故障诊断是根据设备运行状态信息查找故障来源，并确定相应决策的一门综合性的新兴技术。电力设备故障诊断技术的应用，使设备维修由传统的计划维修逐步过渡到状态维修，减少事故停电损失的同时提高了电网供电可靠性，具有重要的经济和社会效益。近些年随着电力系统技术的不断发展，生产管理系统以及设备在线监测系统等的广泛应用，与设备状态相关的各种数据呈爆炸性增长态势，数据之间的相互关系更加趋于复杂化，传统的分析统计手段已难以满足要求，因此需要运用新的方法来挖掘更深层次的规律，确定设备是否存在异常或故障，故障的部位以及故障恶化的趋势，以便给出更快、更有效的维修决策支持，也为了防止再次出现类似的故障。电力大数据的应用在电力系统故障诊断上的作用就显得尤为重要。目前在电力设备故障诊断数据挖掘中，多是依托单一的数据源或单个业务数据进行的，对跨部门、跨专业、跨平台的数据融合、分析、查询处理的研究与实践，以及在此基础上进行的综合数据挖掘才刚刚处于试点阶段，尚未广泛开展，面对海量的电网数据，基于电力大数据平台，综合营销数据、配网数据、调度数据等多环节业务的综合数据挖掘，其成果将对电网系统故障诊断、电网调度、负荷预测、安全性评估等几个方面做出非常大的贡献，查找到的设备故障原因也可以有效反馈给电力管理者，有助于进行有效的电力调度和科学的设备运维。
电力系统主网故障诊断技术还存在一些不足，主网涉及的管理系统复杂，最关键的是每个系统间的数据并不能直接共享，专业与专业之间不能信息互通，只能在故障后进行原因分析，没有能预测故障的功能。目前电力系统在数据分析方面还停留在指标计算和报表分析上面，信息系统仅仅是提供业务数据，决策靠人的知识和经验，但电力大数据的辅助决策手段将是未来一段时间内信息技术的发展方向。基于此，建立一个主网电力大数据诊断平台就显得尤为重要，统筹调度、运行、检修、试验、设备厂家等专业部门，突破传统的故障分析只能是每个专业自己内部独立分析，综合、跨专业的全面技术分析能力不足的问题，而且目前针对主网故障只能事后分析，而结合电力大数据平台可实现故障预测与全面的原因分析
为了详细解读电力大数据故障诊断系统框架，结合一起实际案例对主网电力大数据故障后事件原因进行分析，结论表明，该平台能较为全面地分析故障原因，同时还能找出电网最薄弱环节，有助于给管理部门决策提供数据技术支撑。
2 案例分析
2019年7月，110kV变电站10kV 1M、2甲M母线失压，损失负荷4.6MW。经检查，110kV变电站#1主变变低501开关柜发生故障着火。该开关柜额定电压为12kV，额定电流4000A，型号KYN28-12，故障发生后，迅速结合电力大数据平台及时调出运行、试验、检修、设备厂家、调度、生产计划等相关生产单位的历史数据，通过对历史数据判断找出故障原因。
2.1 故障前运行情况
变电站#1主变带10kV 1M、2甲M、2乙M母线运行，#3主变带10kV 3M母线运行。#1主变101、501开关合位;#2主变102开关分位，502甲、502乙开关合位，12000接地刀闸合位;#3主变103开关，503开关合位;10kV 母联500开关合位，550开关分位。
2.2 外观检查及现场试验
故障发生后，除了变低开关已烧毁无法展开针对性试验检查，相邻间隔开关柜高压试验都全部通过，不受变低开关柜的故障影响。由于变低出现短路电流冲击，属于近区短路，对#1主变进行短路故障后试验，包括变压器油色谱、绕组变形、直流电阻、绝缘电阻试验，未发现主变受损、绕组变形情况。
上述试验项目主要是为了排除当#1主变变低侧10kV开关柜发生故障时，故障电流会反向冲击主变绕组，造成变压器绕组匝间短路或绕组变形，对比试验数据和出厂交接试验数据，变压器不受此次故障的影响，可随时投入运行。
3 故障原因
3.1 负荷电流和温度监测情况
根据系统显示，#1主变变低负荷电流远大于其他两台主变变低负荷电流，系统显示7月18日当天最高负荷电流为3433.69A(时间为14时40分)。
3.2 运行专业温度监测情况
从电力大数据平台调取故障前后的温度数据，7月17日18时左右开展通过501开关柜测温，测得CT附近位置103℃(环境温度29℃，负荷电流为2757A)，成像模糊，无法准确判断发热位置。7月18日11时左右进行开关柜复测，测得501开关后柜面75.5℃，并通过柜后的测温窗口测得下触头盒连接母排导体温度为76℃(环境温度为28℃，负荷电流为3340A)。
根据DL/T664—2016《带电设备红外诊断应用规范》，运行专业连续两日所测的部位发热属于电流致热缺陷。由于红外测温部位采用测温窗口检测，视野有限，从已有红外图谱来看，该柜存在整体电流性发热现象。同时两次测温时刻电流并非当天最高负荷，在最高负荷下柜内温度会有所增加。值得注意的是，采用测温窗测温(非空气直射)，测试温度由于窗口材料隔离会产生衰减，实际柜内温度应该远高于测试温度，存在重大发热隐患。不排除温度过高导致的绝缘性能下降。
4 结语
本文采用将电力大数据平台应用于电力设备故障诊断与原因分析中，并对一起10kV开关柜负荷电流异常导致的故障进行了案例分析，证明采用该方法能够得出比传统分析方法在数据收集、分析判断更加准确的结论。同时基于电力大数据故障诊断系统可有助于企业在数据采集、处理、分析等方面能够提供前所未有的技术支持。
在已有的数据平台上研究并开发了用于电力设备故障诊断的应用模块，经多次现场检验，基于电力大数据的电力设备故障诊断结果获得了同行的一致认可，能为电力人员在分析类似问题提供宝贵经验。
参考文献
[1] 田世明，杨增辉，时志雄，等.智能配用电大数据关键技术研究[J].供用电，2015，32(8):12-18.
[2] 张启芳，杨洪山，郭乃网，等.基于大数据的电力设备故障诊断与预测研究及应用[C]//2017智能电网新技术发展与应用研讨会论文集，2017:386-389.
[3] 薛禹胜，赖业宇.大能源思维与大数据思维的融合(一)大数据与电力大数据[J].电力系统自动化，2016，40(1):1-8.
