2個典型大數據分析案例，解析設備數據分析經典思路
2022-06-24 18:13:11
次
什么是大數據分析？大數據分析一般是指對規模巨大的數據進行分析，通過有組織有目的地收集數據，通過分析數據使之成為信息，從而在大量數據中尋找潛在規律以形成規則或知識的技術。伴隨著大數據分析技術、數據庫技術的日益發展、以數據挖掘為代表的數據分析技術正在被越來越多地應用于生產領域的各個方面。
尤其是在生產設備的故障預警，生產管控方面，近些年大數據分析更是得到了廣泛的應用，下面我們就介紹2個經典的設備數據分析案例來詮釋如何通過數據挖掘解決商業中遇到的問題。
1、通過Tempo DF（數據工廠平臺）實現設備健康預警
某新能源公司正在建設的數據采集系統、，以CMS數據及離線數據作為輸入，構建基于大數據分析、 模型開發，狀態預警、監測展示于一體的設備健康狀態預警大數據平臺。基于現有的接入數據和業務規則庫，快速構建數據處理流程。后期支持動態擴展接入數據、規則庫動態變化后可以及時調整。降低工作成本的同時有效保障數據質量。實現與已有生產運維管理系統預警成果的共享和發布，降低設備故障發生概率，減少運維成本，提升公司整體運營收益。
整體的部署大致可以分為以下4個步驟
• 實時數據接入、數據清洗及數據標簽生成。
• 根據輸入的實時數據：包含時間戳、場站名稱、機組名稱、監測指標（500+個監測點位），基于數據質量規則構建函數，為采集數據增加“恒零值、恒非零值、正常值、異常值”標簽，并計算異常數據占比。當數據質量規則庫發生變化，下次統計時，該函數將按照最新的規則進行判斷標記。實現動態獲取數據質量規則。
• 模型構建及數據可視化功能設計開發及部署實施。
• 設備狀態預警功能設計開發及部署實施。
值得注意的，實現方式通過原有的純代碼開發改為用數據工廠平臺（TempoDF）實現后，企業可以輕松達成以下以下價值成效：
1.流程從設計到發布，人天成本縮短為原有的1/3；
2.執行效率由原有的執行一次花費3小時提升為現有的實時得到查詢結果；
3.占用服務器資源也大大降低降低；
4.之前運維僅有數據管理員和研發人員能夠維護，現有功能中業務人員即可輕松維護。
2、以數據挖掘技術實現設備運行風險逐層診斷
電網網架是能源輸送和轉換利用的網絡樞紐，處于能源傳輸的中心環節。配電網10kV線路作為電網最貼近用戶的環節，其運行狀況會直接影響用戶體驗，進而影響電網公司的經濟效益及社會責任實現的成效。其中配網線路重復跳閘是配網系統經常面對的問題之一，配網線路跳閘可能會威脅到配網的安全，對整個配網的服務用戶都造成威脅，還可能帶來多方面的隱患。
因為配網線路的跳閘原因比較復雜，所以要從各個方面著手分析，把造成重復跳閘原因找出來，并對未來線路發生跳閘概率進行預判，才可能更好的解決配網線路跳閘的問題，使整個網絡平穩運行。
我們可以用線路單線圖中變壓器為節點對線路進行劃分，形成不同的分段線路，對每段線路的運行風險概率進行預測。其次通過概率圖模型構建基于網架拓撲結構的配網運行風險概率，并在網架拓撲結構上進行可視化展示。
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
