大數據時代發展現狀大全11篇

緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇大數據時代發展現狀范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

中圖分類號：S972文獻標識碼： A

1、引言

這是個充滿數據的時代，大至國家規劃，小到日常生活，點滴的行動都會產生大量數據。當然，作為電網企業，每天產生的數據量更是驚人。可是，這些海量的數據是怎樣產生的？數據背后又意味著什么？如果將這些龐大的數據進行整合、分析、歸納后，又將形成怎樣的變化？本文將對電氣設備數據產生的源頭：監測管理技術進行重點討論、分析和展望，以便將監測管理技術與大數據技術相融合，促進智能電網的更好發展，為今后電網的智能管理開拓新的研究領域。

2、監測管理概述

“監測”一詞的含義是為了特殊的目的而進行的注視、觀察與校對。電氣設備的監測管理技術是利用各種傳感器和測量手段對反映電氣設備的物理、化學量進行檢測，并通過現代的計算機網路智能分析技術，用以判斷電氣設備的運行情況是否在穩定正常范圍內，對運行趨勢進行科學甄別分析，并能精確、快速地尋找到故障位置，準確、便捷地分析出故障原因，以便做到對電氣設備的全方位、全壽命的精準、高效管理。

3、監測管理現狀

電氣設備的在監測模式經歷了從單機監測到分布式監測，再到最新的的基于網路的遠程監測這樣的一個發展過程。

以下是目前常見的監測管理系統的主要構成功能圖

圖1 常見的監測管理系統的主要構成功能圖

目前的在線監測管理技術基本有以下幾部分構成：

1）傳感技術：傳感器是一種能把物理量或化學量轉變成便于利用的電信號的器件。傳感器的選擇取決于被測對象的特征及選用監測方法。通常要求傳感器具有較強的抗干擾能力、對環境變化的耐受能力、高靈敏度的能力以及非侵入性等特點。

2）信息采集：是指將傳感器收集的模擬量，轉換成數字量，由計算機進行存儲、處理、打印的過程，采集的任務包括對傳感器輸出信號的去噪、選取、濾波、模／數轉換以及對傳感器的補償和校正等。此外還涉及到數據通信技術和微型處理器等技術。

3）數據分析：數據監測一般包括參考模型和故障特征提取兩種方法。前者將測量結果與基于數學仿真模型或人工智能等方法的預測模型進行比較得出結論。故障特征提取方法主要是通過時／頻分析，小波變換等數字信號處理技術而獲得。

4）智能決策：智能決策系統是一種基于人工智能的計算機監測管理系統。它能模擬故障智能決策的思維方式運用已有的故障診斷技術知識和專家經驗，對收集到的電氣設備的數據等各種信息進行歸納和挖掘，從而作出推理和判斷，并能不斷修改、補充知識以完善決策系統。

以下是某公司設計的一套成型的變電站電氣設備在線監測智能管理系統的功能圖。

某公司設計的SIM3監測系統功能圖

4、目前的難點及發展趨勢

隨著現代數學、信息科學、計算機技術、電子技術、人工智能技術、網路技術等科學技術的交叉發展，現代測量、控制、自動化技術的不斷完善，在線監測與診斷已成為一門獨立的新興學科。

目前國內多數在線監測與診斷功能還比較單一。隨著傳感器技術的日趨成熟，為電氣設備在線監測提供更多的數據支撐，今后電氣設備的監測不再是簡單的電氣量（電壓、電流、有功、無功等 ）監測，而是引入物理量（溫度、速度、流量、壓力等）、化學量（離子、PH值等）、生物量（酶、抗原、抗體、微生物、細胞等）的監測。

今后在線監測技術的發展趨勢應是向多功能多參數的綜合智能傳感器和自主學習型智能決策系統的進一步開發研究。智能傳感器是具有信息處理功能的傳感器,帶有微處理機,具有采集、處理、交換信息的能力,是傳感器集成化與微處理機相結合的產物，并在不斷積累監測數據和診斷經驗的基礎上，發展人工智能技術、建立人工神經網絡和專家系統實現診斷的全部自動化。

當然發展也將遇到一些難點：

1）傳感器的選型

隨著傳感器技術的日趨成熟，為電氣設備在線監測提供更多的數據支撐，今后電氣設備的監測不再是簡單的電氣量（電壓、電流、有功、無功）監測，而是引入物理量（溫度、速度、流量、壓力）、化學量（氣味）、生物量的監測。

針對傳感器的分類，不同的被測量可以采用相同的測量原理，同一個被測量可以采用不同的測量原理。因此，必須掌握在不同的測量原理之間測量不同的被測量時，各自具有的特點。

常用的基本物理量和派生物理量。

表1-1常用的基本物理量和派生物理量

基 本 物 理 量 派 生 物 理 量

位移 線位移 長度、厚度、應變、振動、磨損、不平度

角位移 旋轉角、偏轉角、角振動

速度 線速度 速度、振動、流量、動量

角速度 轉速、角振動

加速度 線加速度 振動、沖擊、質量

角加速度 角振動、扭矩、轉動慣量

力 壓力 重力、應力、力矩

時間 頻率 周期、計數、統計分布

溫度 熱容量、氣體速度、渦流

光 光通量與密度、光譜分布

但是面對種類眾多的傳感器，對于電氣設備怎樣選擇具體機構的運行參數，對于運行參數怎樣提取準確的狀態信號，又怎樣從經濟價格角度綜合選用對應的傳感器，目前還沒有統一固定的模式。

比如對于電網傳輸的重要設備――變壓器，就有很多種測取信號的方式，如下表格：

表1-2變壓器狀態在線監測的項目

變壓器狀態在線監測的項目 備注

項目 方式一 方式二

1 繞組溫度多點測量 局部放電測量和定位

2 鐵心溫度測量 油中溶解氣體測量和分析

3 油量、油位、油溫測量 油量、油位、油溫測

4 繞組輸入、輸出電壓、電流、

有功、無功監視 有載分接開關的觸頭

磨損測量

5 絕緣分解物測定 電氣回路的完整性測

6 內部局部放電量檢測和位置判斷 變壓器繞組變形在線監測

7 冷卻系統檢測。 全箱體溫度測量

2） 智能決策系統的研發

目前已研究的智能系統模型有：基于規則的智能決策系統、基于實例的智能決策系統、基于行為的智能決策系統、基于模糊邏輯的智能決策系統和基于人工神經網絡的智能決策系統

但是這些理論都有各自的缺陷、發展瓶頸和實踐難點。目前比較流行的方法是將模糊算法、神經網絡和遺傳算法三個領域綜合在一起，利用模糊理論來處理診斷領域的模糊性問題，利用遺傳算法來優化網絡結構和隸屬函數，多領域的共同研究，可以有力的促進不同領域之間的交叉滲透和共同發展。

智能決策系統的核心問題是它的學習能力問題，知識的自動獲取一直是故障智能決策系統的難點，解決知識獲取的途徑是機器學習，即讓機器能夠在實際工作中不斷地總結成功和失敗的經驗教訓，對知識庫中的診斷知識進行調整和修改，以豐富和完善系統知識。機器學習是提高智能決策系統的主要途徑，也是提高決策系統智能性的重要標志。隨著神經網絡隱節點和反向傳播算法及連接機制學習蓬勃發展，傳統的符號學習與連接機制已經逐步被取代。基于生物發育進化論的進化學習系統和遺傳算法，因吸取了歸納學習與連接機制學習的長處而受到重視。基于行為主義的強化學習系統因發展新算法的應用連接機制，學習遺傳算法的新成就發展也十分迅速。數據挖掘研究的蓬勃發展，為從計算機數據庫和計算機網絡提取有用信息和知識提供了新的方法，已經取得了許多有價值的研究和應用成果。

因此，發展和完善現有的機器學習方法，探索新的學習方法，建立實用的機器學習系統，特別是多種學習方法協同工作的診斷系統，將是今后研究的一個重要方向。

6、結束語

總之，隨著大數據時代的到來，電力工業也正發生著巨大的改革，微電子、計算機、智能技術和網絡技術的不斷發展完善，電氣設備的在線監測與智能管理技術的準確性會越來越高、操作使用越來越方便，對于供電企業來說既能節約電氣設備的維護成本，又能提高設備運行效能，更能保證電網運行的安全性和穩定性，避免發生重大停電事故發生，造成巨大的經濟損失和社會影響，因此在線監測與智能管理必將是發展的必然趨勢。

參考文獻：

1、葉慶ㄎ何藹┍淶繚誦諧＜故障分析 2010

2、機械設備故障診斷技術振動、沖擊、噪聲國家重點實驗室(上海交通大學) 2005