貝葉斯網絡分類算法在狀態監測設備可用性判斷的應用

王文爍，胡丹暉，黃俊杰，張 坤，李云鵬

（1.國網湖北省電力公司電力科學研究院，湖北 武漢 430077；2.國網富達科技發展有限責任公司，北京 100070）

0 引言

隨著國內輸變電設備在線監測裝置的數量及規模不斷擴大，大量的監測數據缺乏專業的軟件工具進行數據自動過濾和分析。各供電單位安裝了大量的輸變電設備監測裝置，積累了大量的在線監測數據[1]。在輸變電設備狀態監測領域的一個重要工作便是根據各種狀態監測數據，實現對設備的狀態評價，但是裝置尤其是輸電監測裝置的低可用性阻礙了工作的開展。

輸變電監測裝置的可用性主要依賴于幾個方面：一是監測裝置采集數據的準確度；二是監測參數的計算方法；三是裝置與主站之間的通信情況；另外還包括電源狀態、數據傳輸頻率等其他因素。

目前，國內外在輸變電設備狀態監測方面的研究主要集中于提高輸變電監測裝置的可用性[2]和對監測數據進行分析應用。

1 輸變電監測裝置可用性評估過程

1.1 目前的現狀

對于輸電線路監測裝置，由于安裝位置和通信條件的差異性以及惡劣的環境等原因，裝置的可用性方面關注較多的主要是監測裝置采集數據的準確度，尤其是那些嚴重偏離正常值的數據。這些數據與線路設計緊密相關，需與線路試驗數據及運行數據結合在一起使用。同時還需要借助各類分析工具對監測數據進行有效性分析。但是目前的普遍做法是線路運維人員根據自己的經驗進行主觀判斷，很少使用這些分析工具。

對于變電監測裝置，監測裝置的可用性相對較高。運維人員也主要根據經驗判斷設備的可用性[3]。

1.2 監測裝置的可用性評估過程

目前輸變電監測裝置可用性判斷存在的問題主要為以下3類：

（1）輸變電監測裝置數據有效性問題

此類問題的表現是，在一定時間段內“統計時間”（為了便于計算和展示默認為一個月，可以由用戶手動設置修改），服務器可以接收到裝置發送的數據，但是接收數據中包含無效數據，即數據庫中儲存的數據中包含無效數據。

（2）輸變電監測裝置通信問題

此類問題的表現是，在一定時間段內“統計時間”（為了便于計算和展示默認為一個月，可以由用戶手動設置修改），服務器接收數據時斷時續，即數據庫中儲存的數據時斷時續。

（3）輸變電監測裝置本體缺陷問題

此類問題的表現為在一定時間段內“本體缺陷時間”（為了便于計算和展示默認為一個月，可以由用戶手動設置修改），服務器接收不到數據，即數據庫中儲存的數據沒有此類數據。

輸變電監測裝置可用性評估過程如圖1所示，研究人員獲取監測數據以后，先對這些數據進行初步分析，然后依據以上3種問題的特征特點對這些數據進行分類，并分別進行量化分析，最后得到一個綜合的裝置可用性評估結果。

2 貝葉斯網絡算法的應用

采用貝葉斯網絡算法式[4]對以上3種問題類型進行分類量化，并對每種類型進行決策計算，求出該類型下評價分值。

一個貝葉斯網絡定義包括一個有向無環圖（DAG）和一個條件概率表集合。DAG中每一個節點表示一個隨機變量，可以是可直接觀測變量或隱藏變量，而有向邊表示隨機變量間的條件依賴；條件概率表中的每一個元素對應DAG中唯一的節點，該元素存儲此節點對于其所有直接前驅節點的聯合條件概率。

貝葉斯網絡作為一種不確定性的因果推理模型，其應用范圍非常廣，在信息檢索、電子技術與工業工程等諸多方面發揮重要作用，而與其相關的一些問題也是近來的熱點研究課題。就使用方法來說，貝葉斯網絡主要用于概率推理及決策，具體來說，就是在信息不完備的情況下通過可以觀察隨機變量推斷不可觀察的隨機變量，并且不可觀察的隨機變量可以多于一個。一般初期將不可觀察變量置為隨機值，然后進行概率推理。

一般使用貝葉斯網絡進行推理[5]的步驟可如下描述：

（1）對所有可觀察隨機變量節點用觀察值實例化；對不可觀察節點實例化為隨機值。

（2）對DAG進行遍歷，對每一個不可觀察節點y，計算：

其中wi表示除y以外的其它所有節點，α為正規化因子，sj表示y的第j個子節點。

（3）使用第2步計算出的各個y作為未知節點的新值進行實例化，重復第2步，直到結果充分收斂。

（4）將收斂結果作為推斷值。

圖1 輸變電監測裝置可用性評估過程Fig.1 Process of assessment for the availability of power transmission and transformation equipment

3 單個輸變電監測裝置可用性量化方法

輸變電監測裝置的可用性量化結果包括輸變電監測裝置數據有效性量化結果，通信問題量化結果，裝置本體缺陷量化結果3種。

3.1 輸變電監測裝置數據有效性量化方法

輸電監測裝置單參數數據有效性量化結果q1：

如果同一輸電監測裝置存在多個參數數據超出有效性范圍，那么該裝置有效性量化結果q2取值為其所有單參數數據有效性量化結果的最小值。

3.2 輸變電監測裝置通信問題量化方法

主要表現為在一定時間段（需要相關人員手動設置）內，根據裝置有沒有上傳數據來計算裝置通信問題的比例，即數據中出現缺值的比例。具體方法是通過數據的統計分析，實現缺失數據的判斷和統計，進而得到輸變電監測裝置通信問題量化結果q3。

3.3 輸變電監測裝置本體缺陷問題量化方法

輸變電監測裝置本體缺陷問題由相關工作人員現場確認，然后組織人員進行維修或實施其它檢修方法。

此類問題量化分值q4只有0（缺陷）和1（正常）兩種。在一定時間段（以自然月為最小時間單位）內取正常裝置狀態的平均值。

其中，裝置正常天數是指服務器能夠接收到數據的天數，通過對數據庫中數據進行統計分析得到。

3.4 單個輸變電監測裝置可用性量化結果

一個輸變電監測裝置的可用性量化的最終結果為前面3種量化結果的平均值。即，單個輸變電監測裝置可用性量化結果q。

4 總體裝置可用性量化方法

輸變電設備狀態監測裝置[6]種類及具體監測數據參數如表1所示。

同一廠家同一類型的裝置可用性量化結果Q

同一線路同一類型的裝置可用性量化結果可參照式（7）計算。

表1 輸變電設備監測裝置名單Tab.1 List of condition monitoring devices for power transmission and transformation equipment

5 總結

通過輸變電設備狀態監測裝置運行狀態的研究，結合貝葉斯網絡分類算法工具實現了對各類輸變電設備狀態監測裝置質量的提升，提高了對全網輸變電設備有效監控，保障了電網運行安全。

[參考文獻]（References）

[1]王凱,蔡煒,鄧雨榮,等.輸電線路在線監測系統應用和管理平臺[J].高電壓技術,2012,38(05)：1 274-1 280.WANG Kai,CAI Wei,DENG Yurong,et al.Application and management information platform for transmission line monitoring system[J].High Voltage Engineering，2012,38(05)：1 274-1 280.

[2]潘凌,王濤,陸宇航,等.智能輸電線路狀態監測裝置可靠性分析[J].水電站機電技術,2016,(4)：41-45.PAN Ling,WANG Tao,LU Yuhang,et al.Reliability analysis of intelligent transmission line state monitoring device[J].Mechanical&Electrical Technique of Hydropower Station,2016,(4)：41-45.

[3]王永奇.輸變電設備監測裝置運行故障及可用性分析[J].電工電氣,2016,(4)：43-45.WANG Yongqi.Monitoring device faultand availability analysis of electric transmission and transformation equipment[J].Electrotechnics Electric,2016,(4)：43-45.

[4]董邦洲.基于貝葉斯網絡的架空輸電線路運行狀態評估及隱形故障診斷[D].太原：太原理工大學,2007.DONG Bangzhou.Evaluation of operation state and diagnosis of invisible fault for overhead transmission llines bbased on bayesian networks[D].Taiyuan：Taiyuan University of Technology,2007.

[5]俞奎.貝葉斯網絡建模及推理算法研究[D].合肥：合肥工業大學,2007.YU Kui.Modeling and algorithm of bayesian networks[D].Hefei：Hefei University of Technology,2007.

[6]郭志民,王國棟,許長清.輸變電設備狀態監測系統的部署和應用[J].河南電力,2011,(3)：12-16.Guo Zhimin,Wang Guodong,Xu Changqing.Deployment and application of condition monitoring systemfor power transmission and transformation equipment.[J].Henan Electric Power,2011,(3)：12-16.