论文部分内容阅读
摘要：变压器是电力系统中重要的设备，其运行状况的好坏直接影响系统的安全运行。木文针对当前变压器实施状态检修的必要性和可靠性，对变压器的状态信息进行了系统的分析。
关键词：变压器，状态检修，数据仓库
中图分类号：TM4文献标识码： A 文章编号：
引言
电力变压器是电力系统最重要的电气设备之一，在电力系统中处于枢纽地位。努力提高变压器运行维护和技术管理水平，降低和预防变压器故障发生概率，节省维修费用，是电力系统迫切需要解决的课题。
变压器检修信息发展现状
目前状态检修的研究方向主要有两种:一是故障诊断，即根据故障的征兆，分析发生故障的原因和部位，从而提出处理的方法;二是在线检测，其基本方法是通过在线仪器实时检测实际工况下的设备状态，当发现异常时告警。但上述两种研究方向各有所长，与实现状态检修的目标尚有很大差距.“故障诊断”是对己存在的故障进行分析，而状态检修的实质是要求分析设备的当前状态及未来趋势，在发生故障之前提出检修计划，做到防患于未然.“在线检测”能够对设备实时状态数据进行监控，但缺乏综合分析和判断能力，而且成本较高。 变压器檢修工程在各电业局已经运行多年，积累了大量的数据。数据仓库技术针对处理型数据库系统在信息收集、决策分析时所面临的问题而生的一种新的解决方案。可以利用构建数据仓库，方便和加快统计人员各种报表的制作;从中得到长期的、系统的、综合的数据;可以运用OLAP验证数据特性进行的假设或发现其中所隐含的规律，对未来结果进行预测，做出正确的决策。
二、数据仓库优势分析
数据仓库在做简单的表和信息查询时，往往体现不出数据信息查询的优越性，但对于同时针对大量数据查询和分析时，对数据仓库的访问往往不是简单的表和信息的查询，而是基于用户业务的分析模式，联机分析的特点是将数据想象为多维的立方体，用户的查询则相当于在其中的部分维上施加条件，对立方体进行切片、分割，得到的结果则是数据的矩阵或向量.并将其制成图表。客户需要通过对数据的统计来验证他们对某些事物的假设，以进行决策。数据挖掘强调的不仅仅是验证人们对数据特性的假设，而且更要寻找并发现组藏在数据之中的规律。
检修分析系统设计
1、系统基层数据库设计
（1）需求分析
与一般的面向事务的信息系统明显不同，本系统采用数据集市技术进行状态信息集成，需要建立变电信息数据仓库，需要对现场变电有关信息进行收集、整理，最后按主题组织的数据进入OLAP分析系统查询分析，为检修决策提供依据。
数据仓库建模
在系统数据结构基础上，结合检修业务和多维分析的特点，按照主题划分原则，建立起检修系统的多维数据模型。
图1 设备试验主题事实表、维表
根据相关主题及概念视图，为便于建立逻辑模型，现将部分主题按不同的维表细化不同的维度，以方便用户从不同角度查询、分析数据，方便决策人员的分析和换位思考。
维表细分维度如下：投运日期、出厂日期、绕组、空载电流、相数、变电站名称、故障类型、月份名等多个维度，用户可以进行变压器相同型号的对比，可以分析不同相数间的故障类型等。
(3)多维数据库逻辑模型的建立
逻辑模型直接反映业务部门的需求，是数据仓库实施中的重要一部分。ROLAP数据保存在关系数据库中，实体-关系模型中实体间的关系是对等的，不能反映出多维数据中维度围绕度量的关系，所以在多维数据模型设计中形成了以事实表为中心的星型模式，以及在此基础上进行扩展的雪花模型和星座模型。
雪花模式和星型模式的主要区别是雪花模式的维表可能是规范化形式，在维度很多的情况下可以节省存储空间，并使复杂维度的层次结构清晰.但是，雪花型结构在查询的时候涉及到更多的连接操作，可能降低浏览的性能，对整个系统性能将会受到影响。
2、数据ETCL设计
数据的抽取、转换、清洗和加载(ETCL)过程是数据仓库设计中的一个主要的关键环节，它的目的是根据主体表定义、数据源定义、数据抽取规则定义对异地异构数据源(包括各平台的数据库、文本文件、HTML文件、知识库等)进行清理、转换，对数据进行重新组织和加工，装载到数据仓库的目标库中。
在数据仓库ETCL设计过程中，需要考虑的一个问题是数据更新。数据更新涉及了数据更新的频度以及数据更新的范围。
数据更新的频度是和数据仓库的设计相关联的，其中最重要的因素是数据仓库中数据的“粒度”。如果数据仓库中数据粒度是“周”，则数据一般需要每周更新，如果数据仓库中数据粒度是‘旧”，则数据需要每日更新。
数据更新的范围包括两种:全部更新以及增量更新.全部更新一般在数据仓库的初始化时执行，它完全地根据数据源系统的数据来建立数据仓库的相关数据(事实表和维度表).在数据仓库的运行和维护阶段，更多的是执行数据的增量更新。
数据展现
通过程序实现的整个数据库，其功能最终通过数据展现。该程序可以直观的图形显示不同分类的设备在不同时间、不同环境的故障情况和维修情况;由此可以预测某一变电站或所有站的总维修的趋势:预测某一设备分类的故障率、维修率;分析某一部件的维修周期，发现设备维修和运行的规律，从而寻找出其影响因素等。
图2 数据展现
结论
电力变压器的维修是电力企业生产活动中重要环节。本文的工作，在维修数据分析处理上引入了数据仓库、OLAP等技术，在如何为维修部门提供有效的决策支持服务方面做了一些有益的探讨。
参考文献
【1】廖志伟，孙雅明.数据挖掘技术及其在电力系统中的应用.电力系统自动化，
2001.25(11): 62-66.
【2】王楠，律方成，李和明.OLAP技术在电气设备在线监测数据处理中的应用.电力系
统自动化，2004. 28(3): 71-73.
关键词：变压器，状态检修，数据仓库
中图分类号：TM4文献标识码： A 文章编号：
引言
电力变压器是电力系统最重要的电气设备之一，在电力系统中处于枢纽地位。努力提高变压器运行维护和技术管理水平，降低和预防变压器故障发生概率，节省维修费用，是电力系统迫切需要解决的课题。
变压器检修信息发展现状
目前状态检修的研究方向主要有两种:一是故障诊断，即根据故障的征兆，分析发生故障的原因和部位，从而提出处理的方法;二是在线检测，其基本方法是通过在线仪器实时检测实际工况下的设备状态，当发现异常时告警。但上述两种研究方向各有所长，与实现状态检修的目标尚有很大差距.“故障诊断”是对己存在的故障进行分析，而状态检修的实质是要求分析设备的当前状态及未来趋势，在发生故障之前提出检修计划，做到防患于未然.“在线检测”能够对设备实时状态数据进行监控，但缺乏综合分析和判断能力，而且成本较高。 变压器檢修工程在各电业局已经运行多年，积累了大量的数据。数据仓库技术针对处理型数据库系统在信息收集、决策分析时所面临的问题而生的一种新的解决方案。可以利用构建数据仓库，方便和加快统计人员各种报表的制作;从中得到长期的、系统的、综合的数据;可以运用OLAP验证数据特性进行的假设或发现其中所隐含的规律，对未来结果进行预测，做出正确的决策。
二、数据仓库优势分析
数据仓库在做简单的表和信息查询时，往往体现不出数据信息查询的优越性，但对于同时针对大量数据查询和分析时，对数据仓库的访问往往不是简单的表和信息的查询，而是基于用户业务的分析模式，联机分析的特点是将数据想象为多维的立方体，用户的查询则相当于在其中的部分维上施加条件，对立方体进行切片、分割，得到的结果则是数据的矩阵或向量.并将其制成图表。客户需要通过对数据的统计来验证他们对某些事物的假设，以进行决策。数据挖掘强调的不仅仅是验证人们对数据特性的假设，而且更要寻找并发现组藏在数据之中的规律。
检修分析系统设计
1、系统基层数据库设计
（1）需求分析
与一般的面向事务的信息系统明显不同，本系统采用数据集市技术进行状态信息集成，需要建立变电信息数据仓库，需要对现场变电有关信息进行收集、整理，最后按主题组织的数据进入OLAP分析系统查询分析，为检修决策提供依据。
数据仓库建模
在系统数据结构基础上，结合检修业务和多维分析的特点，按照主题划分原则，建立起检修系统的多维数据模型。
图1 设备试验主题事实表、维表
根据相关主题及概念视图，为便于建立逻辑模型，现将部分主题按不同的维表细化不同的维度，以方便用户从不同角度查询、分析数据，方便决策人员的分析和换位思考。
维表细分维度如下：投运日期、出厂日期、绕组、空载电流、相数、变电站名称、故障类型、月份名等多个维度，用户可以进行变压器相同型号的对比，可以分析不同相数间的故障类型等。
(3)多维数据库逻辑模型的建立
逻辑模型直接反映业务部门的需求，是数据仓库实施中的重要一部分。ROLAP数据保存在关系数据库中，实体-关系模型中实体间的关系是对等的，不能反映出多维数据中维度围绕度量的关系，所以在多维数据模型设计中形成了以事实表为中心的星型模式，以及在此基础上进行扩展的雪花模型和星座模型。
雪花模式和星型模式的主要区别是雪花模式的维表可能是规范化形式，在维度很多的情况下可以节省存储空间，并使复杂维度的层次结构清晰.但是，雪花型结构在查询的时候涉及到更多的连接操作，可能降低浏览的性能，对整个系统性能将会受到影响。
2、数据ETCL设计
数据的抽取、转换、清洗和加载(ETCL)过程是数据仓库设计中的一个主要的关键环节，它的目的是根据主体表定义、数据源定义、数据抽取规则定义对异地异构数据源(包括各平台的数据库、文本文件、HTML文件、知识库等)进行清理、转换，对数据进行重新组织和加工，装载到数据仓库的目标库中。
在数据仓库ETCL设计过程中，需要考虑的一个问题是数据更新。数据更新涉及了数据更新的频度以及数据更新的范围。
数据更新的频度是和数据仓库的设计相关联的，其中最重要的因素是数据仓库中数据的“粒度”。如果数据仓库中数据粒度是“周”，则数据一般需要每周更新，如果数据仓库中数据粒度是‘旧”，则数据需要每日更新。
数据更新的范围包括两种:全部更新以及增量更新.全部更新一般在数据仓库的初始化时执行，它完全地根据数据源系统的数据来建立数据仓库的相关数据(事实表和维度表).在数据仓库的运行和维护阶段，更多的是执行数据的增量更新。
数据展现
通过程序实现的整个数据库，其功能最终通过数据展现。该程序可以直观的图形显示不同分类的设备在不同时间、不同环境的故障情况和维修情况;由此可以预测某一变电站或所有站的总维修的趋势:预测某一设备分类的故障率、维修率;分析某一部件的维修周期，发现设备维修和运行的规律，从而寻找出其影响因素等。
图2 数据展现
结论
电力变压器的维修是电力企业生产活动中重要环节。本文的工作，在维修数据分析处理上引入了数据仓库、OLAP等技术，在如何为维修部门提供有效的决策支持服务方面做了一些有益的探讨。
参考文献
【1】廖志伟，孙雅明.数据挖掘技术及其在电力系统中的应用.电力系统自动化，
2001.25(11): 62-66.
【2】王楠，律方成，李和明.OLAP技术在电气设备在线监测数据处理中的应用.电力系
统自动化，2004. 28(3): 71-73.