随着对电气设备运行的可靠性、检修成本、经济效益提出的更高要求，电力变压器的状态检修成为一种必然趋势。本文对变压器维修信息提出了一种基于OLAP的研究方法，综合运用数据仓库、OLAP及数据挖掘技术建立了在线监测数据分析系统，可以进行动态查询、分析，并且方便、快捷地将查询结果展现给管理人员，掌握其中规律，为设备故障诊断与维修决策提供有效支持，对进一步全面实现电气设备在线监测起到有效的促进作用。
《现代建筑电气》办刊宗旨：以现代信息技术、先进制造技术和智能建筑技术为引导，引领建筑电气技术不断开拓自主知识创新，向着高效、节能和绿色的目标和方向发展。及时、全面的报导国内外建筑电气最新研究成果和行业信息，为建筑电气的研究与开发、产品制造与应用、工程设计等领域打造一流的技术交流和信息传递平台。
前 言
有针对性地分析和处理电力设备维修积累的宝贵历史数据必然反映出规律性，可以为电力维修部门的宏观管理、决策和指导提供科学依据，以提高电力设备维修的质量和电力保障能力。但是，目前对变压器维修信息的利用手段比较落后，难以建立单独的分析型环境进行分析处理而联机分析处理(On—LineAnalvticalPro—cess，OLAP)技术的出现使得方便、快捷地访问和分析在线监测数据成为可能。
1 OLAP与数据挖掘技术
1.1基本概念
数据仓库中尽管包含了大量有价值的历史数据，必须要有方便有效的工具才能够很容易地对其中的数据进行分析处理。1993年，E.F.Codd提出OIAP的概念，即针对特定问题的联机数据访问和分析。应该说，它是利用存储在数据仓库中的数据，根据用户提出的问题或假设，去进行各种分析操作，并以较为直观易懂的形式将结果返回给用户。数据挖掘主要是对数据仓库中的数据进行一定的处理，从而获得其中隐含的、事先未知的而又可能极为有用的信息，做出归纳性的推理，挖掘出潜在的模式并预测客户的行为，帮助企业决策者调整市场策略，减少风险，做出正确决策。OLAP和数据挖掘是相辅相成的，OLAP的分析结果可以给数据挖掘提供分析信息作为挖掘的依据，数据挖掘可以拓展OLAP分析的深度，可以发现OLAP所不能发现的更为复杂、细致的信息。
1.2分析方法
通过上钻、下钻、切片、切块、旋转等操作，用户可以方便、准确地获得所需的数据，得到不同形式的知识和结果。
(1)钻取是改变维的层次，变换分析的粒良。上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据或者减少维数;下钻则是由不太详细的数据到更详细的数据。
(2)切片是在多维的数据库的某一维上选定一个维成员的动作;切块是指在多维数据库的某一维上选定某一区间的维成员的动作。
(3)旋转就是改变一个报告或页面显示的维方向，即在表格中重新安排维的位置。
2 系统建立
2.1数据准备
数据准备包括数据抽取、清洗、转换和加载，具体包含数据的清洗(或称清理)、集成、选择、变换、规约以及数据质量分析等步骤。基于此目的，在对设备维修的历史数据存储结构进行分析后，选择对研究起决定作用的数据，将分散在OLTP数据库中的数据经过DTS以及专用程序将原始数据进行清理和转换得到了"干净""完整"的、适合进行分析的数据，加载到MicrosoftSQLServer创建的OLAP数据库中，保证类型和结构的统一，同时需要将某些数据变换为适合挖掘的形式。比如将日期和时间格式统一，变压器运行时间由具体的时间划分为不同的时间段。
2.2数据模型
在问题进一步明确，数据结构和内容进一步调整的基础上，就可以形成知识的模型。对于数据挖掘模块的设计，由于数据庞大，本文采用客户/服务器(C/S)结构，客户端用VisualBasic开发，数据库服务器采用MicrosoftSQLServer2000，利用MSSQLServer的OLAPService应用服务器，将定义的主题(立方体)生成聚集，并实体化，其后进行的OLAP和数据挖掘都是基于此处生成的主题。挖掘的数据源是数据仓库中详细和综合数据层中的表。根据主题和多维结构，本文在SQLServer2000平台上采用星形模式构建数据仓库。维数据结构是将原始数据按维进行整理后所得的结果。利用MicrosoftOLAPServer创建的多维数据结构称为Cube，该多维数据结构具有良好的性能，能灵活、快速地处理原始数据，并对各种查询具有一致性的响应速度。在此采用一种流行的面向关系型数据库和面向OLAP的多维化数据组织方式——星形模型。关系型数据库将多维结构分为两类表：一类为事实表，为用来储存事实的度量值和各维的码值;另一类为维表，对每一维来说，至少有一个表用来保存该维的元数据，即维的描述信息。例如：对变压器情况，可以有时间维、单位维、型号维、总运行时间维、总维修次数维、大修次数维等;对故障情况，可以有时间维、单位维、型号维、地理环境维等。此外，不同的维又可以进行细化，形成树形结构，例如，时间维可细化为：年一月一日。
2.3系统模型的建立
该系统以某市电业局为背景，主要针对该局变电站设备在线监测数据的分析工作。该局有两个220kV变电站和两个110kV变电站安装了在线监测系统，主要实施对站内的变压器、电容设备和氧化锌避雷器进行在线监测。
2.3.1系统设计
根据用户的要求，基于网络和原有的数据环境，设计了基于客户/服务器(C/S)体系的系统结构，在服务器端口采用OLAP技术建立数据模型，客户端利用MicrosoftExcel2000实现多维数据的访问。数据仓库为OLAP和数据挖掘提供了良好的基础数据，在此基础上，可以对其中的主题进行分析和挖掘。由于OLAP处于较浅的分析层次，数据挖掘所处的位置较深，因而通常将二者结合使用以达到最佳的分析效果，利用数据挖掘来挖掘潜在的模式预测未来趋势，利用OLAP验证数据挖掘的结果。
2.3.2系统结构
数据准备、数据仓库建立和设备维修数据分析三者相互作用，构成一个层次分明结构合理的数据分析系统，整个系统分为三个部分：
(1)业务数据库不同数据源的原始数据经过筛选存储到细节性数据OLAP数据库。
(2)OLAP服务器存储数据仓库中的综合数据，如不同变电站不同设备的数据等。
(3)客户端工具实现最终用户功能，能方便快捷地分析处理数据，支持OLAP操作。
考虑到客户想在原有的OLTP基础上构造O.LAP应用，主要用来分析维修情况，所以OLAP服务器选用MicrosoftOLAPServer，MicrosoftO.LAPService是MicrosoftSQLServer7.0附带的一个组件，MicrosoftOLAPServer只能提供高层MOLAP产品的60%～80%的功能，但注册和维护费用要低得多。
2.4系统数据分析
变压器维修数据库中存放着大量的细节数据，而决策者通常希望以简洁的描述形式观察汇总的数据集，此外还希望从不同的粒度和角度描述数据集，这就需要采用描述式数据分析。
描述式数据分析是以简洁概要的方式描述变压器维修信息，并提供数据的一般性质。本文主要采用SQLServer2000平台的0LAP和PivotTablesServices直接与服务器端OLAP进行通信，该服务提供一个客户端可以访问的接口，利用许多前端的工具通过OLEDB来使用数据透视表服务，如Ex.cel2000可通过Microsoft0LEDBProviderfor0一LAPServer与OLAP建立连接，采用0LAP方式对设备维修数据在不同维度中进行下钻、上卷、旋转、切块和切片等分析操作，可以综合各种灵活、界面友好的显示技术，最终将结果以多维的形式显示给用户。如：对于故障情况，在时间维和单位维之上进行分析，可以确定各单位在不同时间段内故障数量的总和、维修次数等，决策者可根据分析结果清楚地掌握各单位在不同时间的变压器故障总体情况;同样，也可在其他维度之上对故障情况进行分析。
C相与A、B相有明显的区别，C相数据较平稳，而A、B相的阻性泄漏电流波动大，最大达到350yA。其原因是c相避雷器瓷套最下端装有金属屏蔽环，该图是将瓷套上的表面泄漏电流屏蔽后测得的电流变压器在线监测的溶解于油中的故障特征气体主要是H和C0。当油纸绝缘电气设备内部发生故障(局部过热、局部放电等)，油分解而产生的气体中，总是有H存在。根据变压器油中溶解气体分析和判断导则，油中溶解H，含量的注意值为150l~tL/L。当含量达到注意值时，系统报警并进行追踪分析，做进一步的检查(取样油作色谱分析等)，查明原因，以确定故障是否存在。大量变压器维修数据之后有很多隐含的、未知的并且具有巨大潜在应用价值的信息。这些信息具有规律性，可以用来预测新的行为，对未来的决策具有指导意义。寻找此类信息需要对变压器维修数据进行预测式数据分析。本文在系统平台之上建立关联、预测等模型，对变压器维修数据进行预测分析。
以变压器故障情况为例进行关联分析可以发现影响变压器故障的主要因素：天气、主变型号、地理环境、故障件等并确定各因素所占的比重。决策者可以根据分析结果清楚地了解到：如在雷雨、风雪等恶劣天气条件下变压器故障次数及故障率偏高的因素等信息，便可做出在恶劣天气条件下加强变压器维修工作力度的对策。
