立项背景：目前电网故障诊断的研究方向以及系统实现，均集中于提升诊断算法的效率，而忽视了底层数据管理的问题。如果底层的故障断面数据不能及时、准确的被收集并应用，再高效的诊断算法也是空中楼阁。就故障诊断及追踪算法而言，需要在几秒钟之内处理百M以上的电网拓扑数据以及保护配置文件，查询G级别的知识库或规则库（存储量大小因诊断算法不同而略有区别）以及处理千万条以上的站内报警信息，以目前的关系数据库存储技术难以满足诊断快速性的需要。本项目针对上述问题开展研究，以大数据为依托，建立高效的电网故障诊断及追踪算法，为运维人员提供决策支持的同时，给智能电网的“可自愈”环节提供前期数据。

主要方法：本项目组采取理论分析、算法仿真与计算机编码相结合的方式，遵循瀑布模型完成科研工作。第一步，数据资源层的建立。数据资源层是整个故障诊断框架的初始层，是框架需要处理的数据来源，包括各类实时数据及静态数据，其特点是数据结构多样，类型复杂。该层能够将数字化变电站内所有智能装置所发出的与故障诊断相关的数据在过程层通过Winpcap程序抓包并用MapReduce解析后封装处理。第二步，数据集成层的实现。该层通过Sqoop工具在数据源层上对静态数据进行适配，避免传统方式下通过API进行调用的弊端，能够实现双向数据的导入或导出。第三步，创建数据存储层。该层利用分布式数据存储技术，将适配后的各类故障知识形成分布式知识库或数据仓库，通过统一接口下一层提供对象级数据访问服务推送能力。第四步，实现编程模型层。该层是为故障诊断算法提供一个抽象的并行计算环境，在整个框架中起到承上启下的作用。一方面该层能够屏蔽底层数据的异构性，为诊断程序提供统一的调用接口，另一方面结合并行计算及高速网络技术为故障诊断程序提供大数据处理能力。第五步，编写故障诊断层。该层融合各种先进的故障诊断程序形成诊断MAS，并且通过差错控制技术实现信息缺失情况下的故障诊断及逆向追踪功能。第六步，实现用户层，为调度中心提供故障诊断报告或将故障诊断结果直接输入自愈程序接口实现电网供电恢复。该层拥有良好的人机界面及可视化效果，是本课题成果的形式化体现。

实现原理：大数据平台能够运用资源优化调度、高速数据传输机制、数据副本管理等技术解决数据库集群所面临的数据高峰时刻的网络传输瓶颈及误码问题。鉴于故障后的诊断程序需要在短时间内处理大量的电气量或非电气量信息，本项目选择大数据平台作为故障诊断系统的数据支撑环境，利用分布式存储以及虚拟化网络技术来获取和管理变电站层故障信息，这样能够避免数据在调度端的过度拥塞，给上层的诊断程序提供更加稳定、快捷的数据接口。根据Hadoop 2.0协议框架，本项目提出的电网故障大数据平台原理图如图1所示。

图1 电网故障大数据平台实现原理图

创新点：第一，建立了大数据环境下的数据统一表示模型，加强了对海量故障告警信息的管理，并进一步提高了系统的执行效率；第二，本项目针对故障数据特点，选取决策树作为数据挖掘算法，对故障信息进行高效的分析；第三，解决了电网故障断面的知识表示方法问题，将故障诊断的重点转移至故障知识表示上面，对故障诊断所需的各类数据采取知识表达的形式体现出来，以简化诊断程序的复杂度；第四，利用多Agent系统来实现故障诊断算法，将Petri网、专家系统、产生式系统等算法实现为相应的诊断Agent，外加一个任务分配Agent组成诊断MAS，解决了故障诊断方法的综合调用问题。

实施应用前后效果（益）情况对比：当前国内外对电网故障诊断的研究及项目建设，都停留在如何提高故障诊断算法方面。而本项目首次从诊断架构层面，利用大数据平台对告警数据进行管理，并利用分布式诊断算法从宏观上进行故障诊断；本项目首次提出“故障追踪”的概念，对保护或断路器的不正确动作情况利用数据挖掘技术从调度端追踪至变电站端，使诊断框架对故障的分析更加深入、彻底；从故障预警的角度出发，本项目在运检大数据的条件下，基于大数据分析方法，在故障相关多源因素信息建模-影像检测数据处理与在线分析-诊断与预警机制-诊断专家实训系统的框架下建立完善的故障检测与预警体系，以做到对设备安全风险的预测感知，优化巡检，提升运检部门调状态检修水平与科学管理决策的能力。本项目实施前，电力系统发生故障后，采用电话汇报制度，层层逐级上报，一个简单的事故说明至少要20分钟；而本系统实现后，将简单故障诊断缩短为1秒，复杂故障诊断缩短在5秒之内，极大提高了工作效率，保证了供电可靠性。

可推广应用范围：本项目将故障诊断方法与大数据平台相结合，自动分析报警信号并查找出故障元件，能够及时避免因调度员或值班员漏掉报警信息而发生事故，既保证了电网的安全运行，又保证了抢修人员的人身安全。本项目符合电网调控的实际需要，安全性高、经济性好，有很强的推广价值。本项目可在各级地调、省调、变电站、发电厂应用，市场前景广阔。