应用大数据电力设备的运行分析系统，能够对网络信息进行实时分析，针对电力设备的运行数据展开处理，综合分析管理。系统实质是利用设计软件，将设备的运行数据进行集成化管理，按照电力数据的管理需求，设定各项模块。同时，利用该系统还能完成电力数据信息的录入和修改，或者删除和查看，进而分析设备是否处于正常状态，保证管理的高效性。
1传统电力监测平台研究现状
国内电力行业由于基础薄弱，运维工作多是以人员手工维护为主，对于计算机辅助管理较晚涉足，相对于国内其他行业(如通信、钢铁等)而言，信息化辅助生产能力较弱。20世纪90年代初，电力行业才开始广泛使用计算机系统进行日常运维工作的管理。初期，这些信息化辅助手段多为排班、考勤、工作日志等简单功能，而且系统多为单机版的系统，不能多个操作用户并行处理，系统软件多为基于DBF的数据库FoxBase的FoxPro程序实现。无法进行多用户并行、多用户工作流协同、工作任务关联统计分析，等局限性在日常工作中逐步暴露出来，并严重影响了对电力数据日常的维护工作。考虑到日益复杂的工作流程和多用户联网运行维护等需求，在设计信息化平台时必须要有一定的超前性，以建设电力的设备运行维护平台。随着“十八大”关于“推动信息化和工业化深度融合”指导方针的提出以及中国电机工程学会最新“电力大数据白皮书”的发布，国内的电力企业纷纷开始了电力大数据解决方案的探索之路。他们欲通过采用更加科学的信息化手段来解决传统电力分析平台遇到的瓶颈。国家电网公司于2006年开始实施“SG186工程”，先后启动了多个智能电网大数据研究项目。其中电力公司率先于2013年搭建了智能大数据营销分析系统，探索基于大数据的客户服务新模式;而电力公司把研究重点放在了“营配数据一体化基础上的智能电网大数据应用”方向并取得了初步成果。
2大数据的电力设备运行数据分析系统的设计研究
2.1技术框架
本文采用Hadoop作为基础技术框架，它具有较强的延展性与稳定性，适用于多种场景下的异构性数据处理。在电力设备运行数据分析系统中，HDFS负责存储用户数据、设备参数等，MapReduce则负责分析处理这些数据。分布式存储模式下，多个数据节点的使用能有效保障数据安全，客户端识别功能还可以提高数据读取效率，结合操作日志文件与元数据镜像文件的使用，操作更新记录也得以实现，大大减少了系统崩溃带来数据丢失的风险。应用分布式并行处理系统，则可以同时完成设备变配电情况、网线运行、用电负荷等变化剧烈数据的处理，同时，任何一个map的故障都不会影响其余节点运行，整个框架运行更加顺畅和稳定。此外，利用MapReduce还可以实现大数据挖掘，通构建相关性模型，有助于挖掘停电设备、停电区间、影响因素等项目之间的内在关联度，从而有效地规避风险，以防代修，提升电网运行稳定性。
2.2用户管理实现
用户管理能够对业务流程进行协调，该系统主要为电力公司的内部人员进行设计，所以登录界面需要将安全问题考虑其中，用户需要输入用户名和密码，才可顺利登录。同时，还考虑用户隐私，对于用户信息采取加密处理措施，系统读取用户密码前，可自动进行加密操作，数据库内的密码是密码文形式，其他使用者不可看到密码。除此之外，系统还具备查找权限，如果用户顺利登录以后，系统就能记录相关信息，利用信息对于用户权限进行查询，快速找到客户使用板块，为其操作提供便利。按照用户权限将板块内容向用户前端的页面加载，保证电力设备数据查看的便捷性。
2.3检测变电站蓄电池性能模块
电池性能数据统计主要有电池交流充放电量、电池充电的功率、电池放电的功率、电池累计的运行时间、电池累计的充放电量等数据，通过分析和计算这些数据，得到电池信息的报表，并将信息传达给用户。计算电池性能数据可以帮助用户了解到最全面的电池性能，为后期数据的挖掘和分析提供有效的参考，预测电池使用寿命。单体电池从生产到使用都存在许多不同，比如:生产的材料、电池的制作工艺和电池环境的不同，单体电池通过串联组成了电池组后，电池组之间会存在差异。组合电池在使用的时候，不同的电池组会出现不同的状态，组合电池的电压、温度、寿命、电荷容量等性质在使用的过程中发生变化。电池组之间的差异与电池组中的单体数量成正比，这些差异对电池有非常不好的影响，不仅会影响电池组正常的工作，还会影响放电情况和SOC状态的判断，电池容量会因此而减快，电池寿命也会减短。所以一定要注意这些问题，不让电池组之前的差异影响整个电池组的工作。通过运用聚类算法来区分性能很近的电池，减少由于电池性能差异而引起的功能损耗。首先，进行电池一致性的判断，为了重组一致性很差的电池组，使得性能相近的电池能够在一组里面，如果电池串的序列离散程度较高，则被认为该电池组的一致性较差，需要进行重新的调整，以便电池组更好的工作。其次，运用聚类算法重组上一步选取出来的单体电池，其中K-Means是一种较为简单，比较容易实现的算法。通过需要重组的电池串数量来确定类聚的中心数目，在计算的这些单体值中，那些与计算中心最接近的值，认为是聚类中心。每次结束之后，要根据聚类中心进行重新归类，直到己经归类的次数小于K值时，就结束归类，形成新的电池串。最后，在文件内输入生成的重组方案，使得系统更好的工作。
2.4数据采集
电力设备数据分析系统的建立让嵌入式数据采集方式成为了可能，电力设备运行过程中，先由互感器对大电流进行预处理，然后由嵌入的单片机以周期性的工作方式定期完成采样工作，并借助RESTfulWeb向远程调控中心传输信息。在B/S架构中，单片机采集系统只能面向特定的客户黑匣子采集数据，不能进行智能删减，因此采集对象众多，采集数据体量也极大。针对这一情况，本设计中采用了多线程数据采集和处理技术，对动态化网络地址以及多个电力设备进行数据采集，这样一来数据采集压力被分解，且不同数据之间的独立性也能得到有效保障。信息采集既包含设备技术参数属性、交接试验数据、缺陷台账记录等直接反映设备状态的信息，又包含诸如气象信息、带电检测数据等间接数据，数据采集附带时空标志，方便电力企业进行横向、纵向对比。
结语
总之，结合电力设备的数据管理要求，建设大数据运行分析系统，对于电力数据展开系统化分析，找出系统存在的不足问题，检测变电设备、输电设备和电池性能。在智能电网快速发展之下，更多新型技术逐渐被应用在电力设备的监测和数据分析领域，为大数据的应用提供更多支持，因此，加大力度研究电力设备数据分析系统能够高效处理电力运行数据，使设备管理更加高效。
参考文献
[1］燕凯，岳振宇，高嘉浩．基于大数据的电力计量设备运行状态评估与故障诊断方法研究［J］．电子器件，2019，42(5):1095－1098，1121．
[2］王森，王蕾，陈飞，等．大数据环境下基于影子价格的配电网综合评价方法［J］．电力自动化设备，2019，39(10):94－101．
