数据本就在那，只有分析了才叫信息，信息被利用了才有价值

这个五一假期

2.6岁的孙子喜欢上了

我用青玉戈壁料

随形雕刻的满目沧桑

的这条鱼

记得上世纪八十年代后期，正当我们在UNIX系统上夜以继日的开发地震勘探数据处理软件时，我们计算室地球物理勘探的前辈老陶同志正在努力的开发基于低频电磁波探勘的处理软件，这种低频电磁波不是人工激发的，而是来自于太阳辐射，其中，高频部分对通讯有影响，但低频部分被一些超前学者的理论分析可以用来做矿产资源的勘探，香农采样定理的外延告诉我们，勘探的深度和分辨率成负相关，这主要是因为用于勘探的物理源（弹性波、电磁波、超声波等）和接收信号的仪器采样率导致的，其中，主要是这些周期性波动的物理源，其波长决定了穿透深度和探勘的分辨率。

例如当超声波用于工业探伤应用时，如果我们要发现工业件表面和浅层0.01毫米量级上的裂纹或者空洞，那么理论上讲，超声波探伤仪所发射超声波的波长就要小于0.005毫米，而且还要保证采样仪器在这个波长内至少要有两个以上的采样点，否则，我们无法获取真实的客观世界真相。当然，如果我们检查家装刚刚铺好的地砖是否有问题，就用锤子轻轻的敲几下就知道了，因为锤子敲击的是声波，我们耳朵能都听到的声波频率在20-20000Hz。

再例如，在电网设备监测上，如果我们要监测持续时间在10个毫秒之内的局放或者电压和电流的瞬间波动问题，监测仪器（录波仪）的采样间隔必须要小于5个毫秒。当然，如果要准确的获取局放的峰值和较完整的局放形态，采样间隔要更加的稠密。

过去我所从事的煤田地震勘探，采样率最高的可以达到1/4毫秒，这是寻找埋藏在2000米左右的煤田和煤层气所必须的。更大尺度的石油勘探，1/2毫秒的采样间隔就足够了，但是石油勘探又会遇到地表低速带矫正问题，所以，上世纪八十年代，我们搞煤田和煤层气地震勘探的，还可以帮助石油勘探的搞搞低速带矫正问题。

在离开地矿系统走向社会之前，我们野外队开始做基建桩基质量的监测，当时遇到的问题是，超声波虽然分辨率不错，但受制于波长因素，监测深度不够，我灵机一动，就把我们那台EG&G Geomatrics ES-2420数字地震仪中道间一致性最好的一块板子，接在一个传感器上，利用八个采样通道的道间采样率偏移，把原本1/4毫秒的采样率扩展到了1/32毫秒，解决了基建桩基质量监测的难题，问题是，用当时20万美元引进的数字地震仪干这种事，有点大材小用了。

只要思想不滑坡，

办法总比困难多。

一、继续说来自于太阳辐射的低频电磁波

其时，那年头我很想参与老陶师傅的战斗，无奈我的电磁波理论学的相当差，五米之外就深感头疼了。

说，来自于太阳辐射的电磁波，40多亿年以来，一直都在那里存在着，就像本文的题目所讲的：数据本就在那，只有分析了才叫信息，信息被利用了才有价值。只有人们想办法获取了电磁波的数据，并对数据实施基于电磁波理论与成矿原理的分析和挖掘，这些亿万年来一直存在的东西，才能为我们发掘更多的矿产资源发挥价值。顺便吼一嗓子，这种电磁波勘探所获取的数据，有着明确的物理学原理和规律的东西，可不叫大数据。

二、电网设备可靠性管理，取决于对数据分析和利用的深度

现在电网上至少有了数以百万台的大型设备，以及上千万的小型设备。用户侧的负荷设备，恐怕要用亿甚至是十亿数量级来计数了，网内和网外的这些浩如烟海的设备，每时每刻都有电流流过、每时每刻电压都在发生变化、包括谐波在内的各种干扰无处不在、外部环境尤其是天气气候的影响如影随形。设备的状态和可靠性在上述各种因素作用下，时时刻刻都在发生潜移默化的改变，这些改变只有一个方向，就是向着越来越坏、越来越引发故障的方向转变。所以，电网的安全性问题，几乎成为世界上最复杂、最难对付的麻烦事儿之一，如果扣除核电，在民用领域，甚至没有之二。

流经电力设备的电流、电流经过电阻所生产的电压、累计出来的温度和散发出来的味道、经过电抗电容性负载所产生的谐波、辐射以及设备自身可靠性所呈现出来的各种情况，这些我们已经知道和还不知道的数据，一直就在那里存在着，如何发现它们、采集它们、研究和利用它们，是电网公司和各研究单位几十年来不曾中断、一直在努力的课题。当然，这些年大数据、人工智能以及新型传感器的发展，为这件事起到了推波助澜的作用。

电网设备状态数据的分析和利用还有一个深度问题，深度是随着电网的安全性要求不断提高而逐步加深的，保证电网可靠性的方法和措施也是多种多样的、相互补充、互为备份的，例如最费钱的可能就是传统的N-1，甚至是N-2了。

当然，最近一些年，快速发展起来的设备状态监测（泛在电力物联网或者电力物联网）技术，有可能成为相对比较省钱、效率比较高、可以普及的一种方法了，这种方法有几个传统方案所不能替代的好处：

1. 及时性、有效性，尤其是可预测性，可预测性可以为电网公司带来潜在损失的减少，例如把设备缺陷和故障发现的关口前移，更多的故障和隐患在更早的时候得以被发现作为消缺积极主动的处理掉，减少计划性停电检修、甚至是事故导致的非停。

2. 与电网运行的其他业务，更能有效的衔接，例如消缺、检修计划的制定、备品备件的采购、发放、回收、盘库等库存管理、运维和检修成本的快速归集、电网可靠性的在线评估等。

3.在产业链的生态延伸上，就像上面的图片所表达的，随着电网公司供应商管理和监造业务的进一步加强和完善，电网公司还可以把设备故障的追溯，实时在线的延展到更广大的范围，甚至是帮助制造商分析他们的设备家族缺陷，例如设备制造质量的批次因素或者工艺因素。

三、电网设备的故障监测技术，可以让客户高枕无忧吗？

正如吕不韦先生在《吕氏春秋.离俗览.举难》中客观描述玉石所曰：“尺之木必有节目，寸之玉必有暇瓋”一样，技术再好、方案再完善的电网设备的故障监测技术，也有不足之处，例如：一次设备寿命较长，而监测装置寿命较短，再例如监测装置的可靠性叠加问题。在这个问题上，我比较喜欢天津有一家做物联网监测的公司，他们的系统不仅帮助客户解决了业务问题，顺便连自己的物联网装置的可靠性也一并监控了，这让客户比较放心。因为这种自我监控的管理，基本上可以解决了二次设备寿命比一次设备要短、以及监测装置本身可靠性问题所引起的数据采集和计量不准确的问题，我想，监测装置如果做到了这种境界，客户也许可以高枕无忧了。

国家电网公司过去几年已经完成了三线一库项目的建设，不知道未来会不会把电力物联网装置的可靠性和计量问题，纳入三线一库的管理范畴。

四、设备故障预测要不要基于故障模型和故障树？

五一放假这几天，我主要劳动了两件事，一是陪孙子尽情的玩耍，二是有时间就思考一下电网设备管理的一些事儿。

故障模型是指单一故障发生的规律，而故障树是指多个故障之间相互作用与影响的关系。

去年初，我画了这么一张图片，主要是想讨论一下，江湖上热闹非凡的人工智能和大数据跟设备管理到底是什么关系？在设备管理领域，有些技术术语是相当绕口和生涩的，要深刻理解它们之间的含义，并非易事，例如：预防性维修和预测性维修，设备的预测性维修，就是基于设备的状态监测技术的，其实，要实现电网设备（其他行业的设备也同样）故障的可预测，是一件很复杂、需要相当的学问和大量实践沉淀的事情，因为电网设备的电气复杂度越来越高，与传统机械装置的故障模型相比，越来越具有不确定性、随机性（例如绝缘不好的渗水就会被损坏、干燥的灰尘就有可能引起击穿故障），再加上不同电网结构、不同的负荷场景、不同的地理气候环境和不同的人为因素等搅合在一起，使得电网设备基于故障模型的预测变的越来越困难。好几年前，当曾经是某发电集团信息化专家的一位朋友离开AC想自己做一点基于设备故障模型的研究时，我们几个人谈了好几个小时，因为这是我十几年来一直在想的，只可惜我是sales，已经没有功力来亲手做这样一个具有相当有意义的事情了，但基本的思路和方法论还有那么一点点，当时我们讨论聚焦在故障模型怎么来的问题上，我的建议是，要通过同一类设备在不同工况环境下，大量的运行数据积累，来统计出这类设备的可靠性运行态势，再从运行态势中统计和归纳出这类设备的故障模型。

那么问题来了，设备的预测性监控要不要基于设备故障模型和故障树呢，我理解，这是一个预测周期长与短的平衡艺术，对于电网关键节点上的重要设备，我想还是要做基于模型和故障树的预测，尽管这件事具有很大的难度；但对于更多的设备，考虑到投入成本问题，未必都需要做基于故障模型和故障树的故障预测，做预测周期比较短的、简单的状态监测就可以，这有点类似于我们从前老在讨论的地震长期预报和临震预报差不多是一个道理。

去年底，我们见到几个鲜活、应该有推广价值的案例，可能是介于长周期预测和短周期预测甚至是临故障预测之间的一种玩法，就是基于多参量的AI综合判断，来解决没有故障模型或者故障模型还不够完备的、单一参量状态监测问题。这也许是一种现实可行、可以上规模、成本可控的电网设备故障侦测的解决方案。

五、状态监控或者预测性监控，可以直接开具维护或者检修工单吗？

这是前阵子，跟领导讨论过的话题，我认为不行，还需要经过人工的确认和审核之后，才能开具消缺或者检修的工单，实际上，我们要理解，信息技术在很多时候还是辅助于人工的，在关键场合并不能代替人工，在关键场合还是一种辅助决策的性质。