隨著對電氣設備運行的可靠性、檢修成本、經濟效益提出的更高要求，電力變壓器的狀態檢修成為一種必然趨勢。本文對變壓器維修信息提出了一種基于OLAP的研究方法，綜合運用數據倉庫、OLAP及數據挖掘技術建立了在線監測數據分析系統，可以進行動態查詢、分析，并且方便、快捷地將查詢結果展現給管理人員，掌握其中規律，為設備故障診斷與維修決策提供有效支持，對進一步全面實現電氣設備在線監測起到有效的促進作用。

　　《現代建筑電氣》辦刊宗旨：以現代信息技術、先進制造技術和智能建筑技術為引導，引領建筑電氣技術不斷開拓自主知識創新，向著高效、節能和綠色的目標和方向發展。及時、全面的報導國內外建筑電氣最新研究成果和行業信息，為建筑電氣的研究與開發、產品制造與應用、工程設計等領域打造一流的技術交流和信息傳遞平臺。

　　前 言

　　有針對性地分析和處理電力設備維修積累的寶貴歷史數據必然反映出規律性，可以為電力維修部門的宏觀管理、決策和指導提供科學依據，以提高電力設備維修的質量和電力保障能力。但是，目前對變壓器維修信息的利用手段比較落后，難以建立單獨的分析型環境進行分析處理而聯機分析處理(On—LineAnalvticalPro—cess，OLAP)技術的出現使得方便、快捷地訪問和分析在線監測數據成為可能。

　　1 OLAP與數據挖掘技術

　　1.1基本概念

　　數據倉庫中盡管包含了大量有價值的歷史數據，必須要有方便有效的工具才能夠很容易地對其中的數據進行分析處理。1993年，E.F.Codd提出OIAP的概念，即針對特定問題的聯機數據訪問和分析。應該說，它是利用存儲在數據倉庫中的數據，根據用戶提出的問題或假設，去進行各種分析操作，并以較為直觀易懂的形式將結果返回給用戶。數據挖掘主要是對數據倉庫中的數據進行一定的處理，從而獲得其中隱含的、事先未知的而又可能極為有用的信息，做出歸納性的推理，挖掘出潛在的模式并預測客戶的行為，幫助企業決策者調整市場策略，減少風險，做出正確決策。OLAP和數據挖掘是相輔相成的，OLAP的分析結果可以給數據挖掘提供分析信息作為挖掘的依據，數據挖掘可以拓展OLAP分析的深度，可以發現OLAP所不能發現的更為復雜、細致的信息。

　　1.2分析方法

　　通過上鉆、下鉆、切片、切塊、旋轉等操作，用戶可以方便、準確地獲得所需的數據，得到不同形式的知識和結果。

　　(1)鉆取是改變維的層次，變換分析的粒良。上鉆是在某一維上將低層次的細節數據概括到高層次的匯總數據或者減少維數;下鉆則是由不太詳細的數據到更詳細的數據。

　　(2)切片是在多維的數據庫的某一維上選定一個維成員的動作;切塊是指在多維數據庫的某一維上選定某一區間的維成員的動作。

　　(3)旋轉就是改變一個報告或頁面顯示的維方向，即在表格中重新安排維的位置。

　　2 系統建立

　　2.1數據準備

　　數據準備包括數據抽取、清洗、轉換和加載，具體包含數據的清洗(或稱清理)、集成、選擇、變換、規約以及數據質量分析等步驟。基于此目的，在對設備維修的歷史數據存儲結構進行分析后，選擇對研究起決定作用的數據，將分散在OLTP數據庫中的數據經過DTS以及專用程序將原始數據進行清理和轉換得到了"干凈""完整"的、適合進行分析的數據，加載到MicrosoftSQLServer創建的OLAP數據庫中，保證類型和結構的統一，同時需要將某些數據變換為適合挖掘的形式。比如將日期和時間格式統一，變壓器運行時間由具體的時間劃分為不同的時間段。

　　2.2數據模型

　　在問題進一步明確，數據結構和內容進一步調整的基礎上，就可以形成知識的模型。對于數據挖掘模塊的設計，由于數據龐大，本文采用客戶/服務器(C/S)結構，客戶端用VisualBasic開發，數據庫服務器采用MicrosoftSQLServer2000，利用MSSQLServer的OLAPService應用服務器，將定義的主題(立方體)生成聚集，并實體化，其后進行的OLAP和數據挖掘都是基于此處生成的主題。挖掘的數據源是數據倉庫中詳細和綜合數據層中的表。根據主題和多維結構，本文在SQLServer2000平臺上采用星形模式構建數據倉庫。維數據結構是將原始數據按維進行整理后所得的結果。利用MicrosoftOLAPServer創建的多維數據結構稱為Cube，該多維數據結構具有良好的性能，能靈活、快速地處理原始數據，并對各種查詢具有一致性的響應速度。在此采用一種流行的面向關系型數據庫和面向OLAP的多維化數據組織方式——星形模型。關系型數據庫將多維結構分為兩類表：一類為事實表，為用來儲存事實的度量值和各維的碼值;另一類為維表，對每一維來說，至少有一個表用來保存該維的元數據，即維的描述信息。例如：對變壓器情況，可以有時間維、單位維、型號維、總運行時間維、總維修次數維、大修次數維等;對故障情況，可以有時間維、單位維、型號維、地理環境維等。此外，不同的維又可以進行細化，形成樹形結構，例如，時間維可細化為：年一月一日。

　　2.3系統模型的建立

　　該系統以某市電業局為背景，主要針對該局變電站設備在線監測數據的分析工作。該局有兩個220kV變電站和兩個110kV變電站安裝了在線監測系統，主要實施對站內的變壓器、電容設備和氧化鋅避雷器進行在線監測。

　　2.3.1系統設計

　　根據用戶的要求，基于網絡和原有的數據環境，設計了基于客戶/服務器(C/S)體系的系統結構，在服務器端口采用OLAP技術建立數據模型，客戶端利用MicrosoftExcel2000實現多維數據的訪問。數據倉庫為OLAP和數據挖掘提供了良好的基礎數據，在此基礎上，可以對其中的主題進行分析和挖掘。由于OLAP處于較淺的分析層次，數據挖掘所處的位置較深，因而通常將二者結合使用以達到最佳的分析效果，利用數據挖掘來挖掘潛在的模式預測未來趨勢，利用OLAP驗證數據挖掘的結果。

　　2.3.2系統結構

　　數據準備、數據倉庫建立和設備維修數據分析三者相互作用，構成一個層次分明結構合理的數據分析系統，整個系統分為三個部分：

　　(1)業務數據庫不同數據源的原始數據經過篩選存儲到細節性數據OLAP數據庫。

　　(2)OLAP服務器存儲數據倉庫中的綜合數據，如不同變電站不同設備的數據等。

　　(3)客戶端工具實現最終用戶功能，能方便快捷地分析處理數據，支持OLAP操作。

　　考慮到客戶想在原有的OLTP基礎上構造O.LAP應用，主要用來分析維修情況，所以OLAP服務器選用MicrosoftOLAPServer，MicrosoftO.LAPService是MicrosoftSQLServer7.0附帶的一個組件，MicrosoftOLAPServer只能提供高層MOLAP產品的60%～80%的功能，但注冊和維護費用要低得多。

　　2.4系統數據分析

　　變壓器維修數據庫中存放著大量的細節數據，而決策者通常希望以簡潔的描述形式觀察匯總的數據集，此外還希望從不同的粒度和角度描述數據集，這就需要采用描述式數據分析。

　　描述式數據分析是以簡潔概要的方式描述變壓器維修信息，并提供數據的一般性質。本文主要采用SQLServer2000平臺的0LAP和PivotTablesServices直接與服務器端OLAP進行通信，該服務提供一個客戶端可以訪問的接口，利用許多前端的工具通過OLEDB來使用數據透視表服務，如Ex.cel2000可通過Microsoft0LEDBProviderfor0一LAPServer與OLAP建立連接，采用0LAP方式對設備維修數據在不同維度中進行下鉆、上卷、旋轉、切塊和切片等分析操作，可以綜合各種靈活、界面友好的顯示技術，最終將結果以多維的形式顯示給用戶。如：對于故障情況，在時間維和單位維之上進行分析，可以確定各單位在不同時間段內故障數量的總和、維修次數等，決策者可根據分析結果清楚地掌握各單位在不同時間的變壓器故障總體情況;同樣，也可在其他維度之上對故障情況進行分析。

　　C相與A、B相有明顯的區別，C相數據較平穩，而A、B相的阻性泄漏電流波動大，最大達到350yA。其原因是c相避雷器瓷套最下端裝有金屬屏蔽環，該圖是將瓷套上的表面泄漏電流屏蔽后測得的電流變壓器在線監測的溶解于油中的故障特征氣體主要是H和C0。當油紙絕緣電氣設備內部發生故障(局部過熱、局部放電等)，油分解而產生的氣體中，總是有H存在。根據變壓器油中溶解氣體分析和判斷導則，油中溶解H，含量的注意值為150l~tL/L。當含量達到注意值時，系統報警并進行追蹤分析，做進一步的檢查(取樣油作色譜分析等)，查明原因，以確定故障是否存在。大量變壓器維修數據之后有很多隱含的、未知的并且具有巨大潛在應用價值的信息。這些信息具有規律性，可以用來預測新的行為，對未來的決策具有指導意義。尋找此類信息需要對變壓器維修數據進行預測式數據分析。本文在系統平臺之上建立關聯、預測等模型，對變壓器維修數據進行預測分析。

　　以變壓器故障情況為例進行關聯分析可以發現影響變壓器故障的主要因素：天氣、主變型號、地理環境、故障件等并確定各因素所占的比重。決策者可以根據分析結果清楚地了解到：如在雷雨、風雪等惡劣天氣條件下變壓器故障次數及故障率偏高的因素等信息，便可做出在惡劣天氣條件下加強變壓器維修工作力度的對策。