现阶段电网规模持续高速增长，运检现场对具备多种专业综合处理能力的高素质人才，尤其是具备丰富现场运维经验的高素质人才需求迫切。能否借助现有的互联网技术和大数据应用，将传统的“现场专家经验驱动”转变为“数据与专家经验联合驱动”，提升现场缺陷检出和故障诊断能力，将成为有效缓解现阶段运检业务结构性缺员的重要途径之一。
数据与专家经验的联合驱动
11月15日，天津电力科学研究院带电检测专家何金，在电力设备局放智能诊断数据中心，将工作人员带来的检测数据录入智能诊断系统，短短几分钟时间，一份含有诊断结果、相似案例、历史趋势的报告便出现在众人面前。
相比于局放诊断传统的“经验驱动”，何金介绍，现在运用大数据分析与深度学习方法，降低因人员技能差异造成错误判断的风险，减少不同型号检测仪器性能差异的影响，并能够综合考虑设备运行环境、历史运行工况等方面因素，将复杂的分析运算环节交给智能诊断系统，以“数据驱动”提升局放诊断的准确性和工作效率。
这种类似于“AlphaGo”的智能技术，将收集的带电检测数据和在线监测数据存储至局放数据中心，结合PMS系统中的相关设备信息，建立电力设备局放智能诊断样本数据库及电力设备缺陷和故障综合案例库;利用深度学习算法，构建局放图谱智能识别策略，进行各种典型局放缺陷的智能识别和判断，为设备状态的判断及预测提供辅助依据。
电力设备局放智能诊断数据中心实现不同类型局放仪器带电检测数据、在线监测数据等多源数据接入，打造“非专家采集—智能诊断—专家决策”工作流程，平均每个缺陷确认时间由之前的36人/时缩短到7.5人/时，大幅提升检测效率。
同时，各网省公司也在积极探索大数据技术在设备运检、灾害规律综合挖掘分析等方面的应用，并初显成效。
专业数据的融合效应
近年来，国网浙江省电力有限公司积极推动智能运检技术应用，作为运检信息化示范区之一，构建智能运检管控平台。目前该平台已经打通25套系统之间的通道壁垒，实现数据共享。
国网浙江电力以变压器为突破口，首次将大数据分析引入变压器状态评估和故障诊断。首先，全面梳理影响变压器稳定安全运行缺陷、不良工况及相关影响因素，实现设备画像分析。整合浙电云平台上PMS2.0、调度D5000、在线监测等25套系统数据资源，筛选与变压器稳定运行直接相关的影响因素，实现设备5大部件(本体、套管、分接开关、冷却系统、非电量保护)从招标、制造、安装调试到运维阶段共345项关键参数的标签化展示，该公司以“本体过热缺陷”和“色谱数据”为突破口，成功解决色谱数据来源、缺陷与色谱数据的关联关系挖掘等一系列问题。
根据专家经验，对处在“灰色地带”的“亚健康”设备，缺少有效的检出手段，利用“数据驱动”方式筛选重点关注设备(缺陷和亚健康)，是提升3万亿实物设备资产精益化管理水平的必由之路。为解决上述问题，国网浙江电力针对变压器各状态量的数据分布特点，结合生产厂家、气象环境和运行年限等多个维度，建设正常、亚健康和缺陷异常三大设备“指纹库”。对筛选出的亚健康设备，结合设备状态量历史发展规律，采用隐马尔科夫转移矩阵开展亚健康数据短期预测研究，为后序运维策略调整提供依据。
数据辅助决策的未来
目前，国网运检部应用运检智能化分析管控系统，已经能够通过融合海量视频、图像、设备信息等多源数据，在数据挖掘基础上，建立动态评价、预测预警、故障研判模型，实现数据驱动的设备状态主动推送，提高设备状态评价诊断的智能化和自动化水平。
未来，国家电网公司将从系统性、规范化、综合性、数据化、多元化五个方面，进一步提升大数据在管控系统中的应用深度和广度。
“系统性”提升运检数据利用效率。建立公共数据模型，实现PMS、在线监测系统、调度系统等应用系统间的数据贯通，实现信息与资源共享，有效支撑多源数据集成提取和融合分析，提升运检数据利用效率。
“规范化”提升多源系统数据质量。通过开发通用的数据治理专用工具，及时发现各类数据的质量问题，落实相关数据治理机制，滚动解决相关问题，提升多源系统数据的完整性、准确性和及时性。
“综合性”提升设备状态分析水平。融合电网、设备状态和自然环境等各类信息，建立基于大数据的设备状态评价和实时预警模型，进行设备状态综合分析和预判。
“数据化”提升设备故障诊断能力。构建基于故障案例的设备故障树和故障谱，利用大数据分析技术，实现设备故障诊断由“经验驱动”向“数据驱动”的转变。
“多元化”丰富运检数据处理技术。完善非结构化运检数据的处理技术，建立主要设备典型缺陷的图像样本库，提高非结构化数据处理效率，实现各类典型缺陷的智能识别和判断。
数据与专家经验的联合驱动
11月15日，天津电力科学研究院带电检测专家何金，在电力设备局放智能诊断数据中心，将工作人员带来的检测数据录入智能诊断系统，短短几分钟时间，一份含有诊断结果、相似案例、历史趋势的报告便出现在众人面前。
相比于局放诊断传统的“经验驱动”，何金介绍，现在运用大数据分析与深度学习方法，降低因人员技能差异造成错误判断的风险，减少不同型号检测仪器性能差异的影响，并能够综合考虑设备运行环境、历史运行工况等方面因素，将复杂的分析运算环节交给智能诊断系统，以“数据驱动”提升局放诊断的准确性和工作效率。
这种类似于“AlphaGo”的智能技术，将收集的带电检测数据和在线监测数据存储至局放数据中心，结合PMS系统中的相关设备信息，建立电力设备局放智能诊断样本数据库及电力设备缺陷和故障综合案例库;利用深度学习算法，构建局放图谱智能识别策略，进行各种典型局放缺陷的智能识别和判断，为设备状态的判断及预测提供辅助依据。
电力设备局放智能诊断数据中心实现不同类型局放仪器带电检测数据、在线监测数据等多源数据接入，打造“非专家采集—智能诊断—专家决策”工作流程，平均每个缺陷确认时间由之前的36人/时缩短到7.5人/时，大幅提升检测效率。
同时，各网省公司也在积极探索大数据技术在设备运检、灾害规律综合挖掘分析等方面的应用，并初显成效。
专业数据的融合效应
近年来，国网浙江省电力有限公司积极推动智能运检技术应用，作为运检信息化示范区之一，构建智能运检管控平台。目前该平台已经打通25套系统之间的通道壁垒，实现数据共享。
国网浙江电力以变压器为突破口，首次将大数据分析引入变压器状态评估和故障诊断。首先，全面梳理影响变压器稳定安全运行缺陷、不良工况及相关影响因素，实现设备画像分析。整合浙电云平台上PMS2.0、调度D5000、在线监测等25套系统数据资源，筛选与变压器稳定运行直接相关的影响因素，实现设备5大部件(本体、套管、分接开关、冷却系统、非电量保护)从招标、制造、安装调试到运维阶段共345项关键参数的标签化展示，该公司以“本体过热缺陷”和“色谱数据”为突破口，成功解决色谱数据来源、缺陷与色谱数据的关联关系挖掘等一系列问题。
根据专家经验，对处在“灰色地带”的“亚健康”设备，缺少有效的检出手段，利用“数据驱动”方式筛选重点关注设备(缺陷和亚健康)，是提升3万亿实物设备资产精益化管理水平的必由之路。为解决上述问题，国网浙江电力针对变压器各状态量的数据分布特点，结合生产厂家、气象环境和运行年限等多个维度，建设正常、亚健康和缺陷异常三大设备“指纹库”。对筛选出的亚健康设备，结合设备状态量历史发展规律，采用隐马尔科夫转移矩阵开展亚健康数据短期预测研究，为后序运维策略调整提供依据。
数据辅助决策的未来
目前，国网运检部应用运检智能化分析管控系统，已经能够通过融合海量视频、图像、设备信息等多源数据，在数据挖掘基础上，建立动态评价、预测预警、故障研判模型，实现数据驱动的设备状态主动推送，提高设备状态评价诊断的智能化和自动化水平。
未来，国家电网公司将从系统性、规范化、综合性、数据化、多元化五个方面，进一步提升大数据在管控系统中的应用深度和广度。
“系统性”提升运检数据利用效率。建立公共数据模型，实现PMS、在线监测系统、调度系统等应用系统间的数据贯通，实现信息与资源共享，有效支撑多源数据集成提取和融合分析，提升运检数据利用效率。
“规范化”提升多源系统数据质量。通过开发通用的数据治理专用工具，及时发现各类数据的质量问题，落实相关数据治理机制，滚动解决相关问题，提升多源系统数据的完整性、准确性和及时性。
“综合性”提升设备状态分析水平。融合电网、设备状态和自然环境等各类信息，建立基于大数据的设备状态评价和实时预警模型，进行设备状态综合分析和预判。
“数据化”提升设备故障诊断能力。构建基于故障案例的设备故障树和故障谱，利用大数据分析技术，实现设备故障诊断由“经验驱动”向“数据驱动”的转变。
“多元化”丰富运检数据处理技术。完善非结构化运检数据的处理技术，建立主要设备典型缺陷的图像样本库，提高非结构化数据处理效率，实现各类典型缺陷的智能识别和判断。
