爆炸

氢储能作为推动全球绿色低碳转型和实现我国“碳中和”目标的重要支撑，在“双碳”目标提出后，成为社会普遍关注的热点。氢储能的安全问题是必须重点关注和首要解决的问题之一。综述了在制氢、储氢、输氢和用氢4个阶段中存在的安全问题，主要包括氢泄漏扩散、氢燃烧爆炸、氢与金属相容性等。同时，对氢泄漏检测传感器技术的现状和发展进行了分析，指出了氢泄漏检测技术急需解决的问题和未来的发展方向。

数字信息时代，数据对经济建设、社会生活和企业管理等产生了重要影响。根据高德纳（Gartner）公司分析，企业近80%的数据为非结构化数据。随着数据爆炸式增长，非结构化数据将成为数据增长主力。实施非结构化数据治理、提升数据质量、挖掘数据价值是企业迈入数字化时代的关键。对电网企业而言，海量智能终端所生成的文档、图像、语音、视频等非结构化数据量已达到PB级

浮充式保护型磷酸铁锂电池特点，可靠性高：电池极板、汇流条、极柱等均为铜或铝，单体连接焊接杜绝开路的可能。运维工作量小：无需清洁、内阻测试、电压测试、均充，容量测试时间短。能量密度大：体积小、重量轻。安全性能高：四层保护杜绝过充、热失控、燃烧、起火、爆炸等。

太阳能热发电配置的储能方式具有高安全性。目前商业化运行的光热电站所使用的熔盐为硝酸钾和硝酸钠的混合物:自全球首个以熔盐为传热和储热介质的光热电站投运以来(1995年，美国 SolarTwo)投运以来，全球约7GW 的太阳能光热电站装机(储电容量超过1000GWh)均未发生过爆炸等安全性事故。

主要分享近年来河北电网在运的GIS基建验收、日常维护过程中出现的典型故障案例，讲解故障现象，分析造成故障的原因，根据分析结果制定出应对措施，避免同类事件发生；分享近年来河北电网在运的开关柜设备日常维护，迎风度夏、迎风度冬大负荷期间出现开关柜烧损，开关柜爆炸等故障案例，讲解故障现象，分析造成故障的原因，根据分析结果制定出应对措施，避免同类事件发生。

变压器运行过程中的油色谱检测是掌握变压器运行状态和内部故障特征的重要手段，针对变压器在长期工作情况下取油检测的必要性、人工带电取油的危险性以及变压器油在线监测精度不足等问题，研究基于取油机器人的变压器无人取油及色谱现场测量技术，对提高运行变压器运维安全性与可靠性具有重要意义。变压器取油机器人是用于高压变电站换流站油浸式变压器油样检测的新型智能化试验设备，使用机器人代替人工完成变压器油的取样，并使用搭载的柔性气相色谱装置，实时自动完成油品气相检测，可提高取油效率和油品质量，准确掌握变压器运行状态，降低瓦斯爆炸引起的安全事故发生，是解决当前运行变压器取油检测问题的有效方法。

目前GIS已经成为高压电器的主流开关设备。截至2015年底,国网公司GIS在运量已经超过60000间隔。GIS壳体已经成为GIS设备稳定运行的重要因素。据国网公司统计，2006年至2015年壳体损伤引起的缺陷，包括壳体损伤漏气（如图1)，壳体焊缝开裂（如图2)及壳体爆炸（如图3)等，占GIS缺陷总数的15%，高居第二位。GIS壳体损伤轻则引起SF6气体泄漏导致绝缘性能下降影响GIS设备安全运行，重则危害人体健康造成人身伤亡事故。因此GIS壳体特别是具有更高参数的特高压GIS壳体的安全性显得日益重要。目前GIS壳体安全方面存在以下两大问题:一是设备入网前GIS壳体无损检测技术不完善，GIS壳体质量检测存在盲区。例如:常规超声、射线等检测方法是逐点检测，无法实现GIS壳体整体快速检测而且存在检测盲区;对于GIS壳体的一些复杂结构如角焊缝,不锈钢壳体，常规的检测方法无能为力，使得这些设备的制造质量缺乏有效监督。二是在运行阶段，特高压GIS壳体环境载荷复杂，参考数据缺乏，壳体缺陷定量精度差，也无GIS壳体的安全性评定方法，导致壳体的安全状况无法准确掌握。针对以上问题，本项目成果开发特高压GIS壳体的无损检测及安全性评定的关键技术，为特高压GIS壳体的安全保驾护航。

内部短路等引起的电弧放电是特高压变压器最为严重的故障之一，容易造成油箱变形破裂甚至起火爆炸。为了分析电弧放电引起的变压器应力应变水平，建立了1 000 kV单相特高压变压器有限元模型，仿真分析了特高压变压器内部不同部位、不同能量的电弧放电引起的油箱压力分布，计算了油箱和螺栓的应力应变水平，结合材料参数对油箱和螺栓的力学性能进行安全校核，并给出了箱壁破裂或螺栓损伤的放电能量阈值。结果表明：油箱内高压绕组附近电弧放电时最大应力出现在箱壁拐角处，最大形变出现在长轴侧箱壁中间部位；升高座内电弧放电时最大应力出现在升高座支架处，最大形变出现在升高座拐弯处。

随着行业的快速发展，数据量也呈爆炸式增长，大数据已成为决策的基本工具，企业面临着数据管理和处理的巨大挑战。围绕Hadoop的传统大数据架构在交付运维，资源利用率，系统迭代与兼容性，安全等方面存在诸多不足。随着以Kubernetes为代表的云原生概念的兴起，越来越多的企业投身于云原生转型的浪潮，以解决传统应用面临的弹性能力不足、资源利用率较低、迭代周期较长等问题。当前云原生的发展已比较成熟，成为数字化转型的重要支撑技术。大数据和云原生技术的融合，逐渐成为企业数字化转型的重要演进方向，目前还处于高速发展，百家争鸣的阶段，一些企业已经在大数据云原生之路上砥砺前行，而国内大部分企业依然处于观望状态。同时可以看到，业界在大数据与云原生结合的定义和方向上，有一些不同的声音，不同企业融合的方式也有所不同。大数据和云计算要不要融合？如何融合？都是人们所关心的话题。带着这个问题，我们希望基于之前积累的经验，结合工作中的痛点，调研并产出一份尽量中立、客观、完整的大数据云原生技术发展报告，希望能为相关企业、研发团队和需要大数据的客户提供参考。也希望能抛砖引玉，吸引更多企业专家的参与，引发后面更专业，更大范围有关大数据云原生技术的讨论，最终能促进一些共识，提升大数据云原生的技术普惠，“旧时王谢堂前燕，飞入寻常百姓家”，为国家数字化转型，做一点贡献。