基于數據挖掘的監控信號辨識研究

鄧梅，余劍峰

（國網宜昌供電公司，湖北 宜昌 443000）

1 引言

隨著電力行業改革逐步深化，部分電網已經完成了智能化改造，能夠極大降低實時監控工作人員的工作強度，并且提升了監控效率，降低了潛在風險發生概率。較為典型的是110kV以上變電站通過集中監控的管理方式將監控信息進行集中處理，使得電網監控工作人員能夠對這些信息進行集中處理并及時進行調控措施。

我們現階段對于電網實時監控工作的模式主要表現為通過人工管理來實現，但是有較多的客觀因素會對人工監控的流程造成困擾，并且對監控效率造成影響。由于工作人員的精力有限，因此長時間對大量的電氣信號進行識別的過程中，會出現由于工作人員精力降低而出現的各種失誤與低效，如果出現對故障的判斷失誤，將會對電網造成較大程度的損失。由此要加強電網監控功能就需要依靠自動辨識方法來提供一種能夠輔助工作人員及時判斷電網信息，可以有效減輕監控人員的負擔、加快電網事故處理的流程、避免信號漏看導致的電網事故。

因此本文所研究的監控方式，能夠以聚類信息識別分類為理論基礎，相對傳統人工監控而言，能夠在數據處理的基礎上，按照監控信息發出時間為依據進行分段，將原本連續的監控信息切分成多個文本，而后采用統計學的方法對文本進行預處理形成對應特征向量，并通過數據挖掘的方法對特征向量集合進行聚類分析得出聚類規則。最終能夠讓對大量監控信息進行智能化處理，為工作人員的具體工作提供較嚴謹的輔助功能，及時發出的告警信號，維護電網安全穩定運行的目的。

2 監控信息數據樣本的預處理

2.1 建立電網監控的信息熵模型

對固定時間的信息進行獲取。電網設備能夠在自身發生異常時進行告警，告警信息發出的同時會附加具體時間。根據時間尺度來對信息進行獲取并處理為數據樣本，需要以3秒為間隔對就近時間段內信息數量進行統計。具體如下式所示：

上式中的S、t、m分別表示處理后獲取的監控信息、具體時段、時段中的信息數量，其中(tn,mn,cn)表示時間區間tn里獲取的具體信息數量mn，包括文本cn。

下一步需要對信息熵模型進行構建。一般出現設備故障后的10秒內將會發出告警信息，將時間跨度設置為30秒能夠對有效信號進行全部獲取，所形成的告警信號文檔為S，對其信息熵進行計算的公式為：

其中φ、n分別表示常數以及狀態數，數值范圍為告警信息數量的上限值，P(k)表示出現概率，通過下式來進行獲?。?/p>

最后，基于信息熵的告警信息文檔篩選。在監控系統中單獨的告警信息不能作為故障判斷的依據，每當設備異?；螂娋W故障時，總是伴隨著大量的一次設備的電氣、物理信號和二次設備的動作信號；與之相對應的，單一出現的告警信號往往是電網輔助設備發出的告警信號，不能作為設備故障（或異常）的判斷依據。因此，對應時段的監控信息熵越大，則該時段告警信號發出不會是規律的，其熵越大出現設備故障（或異常）的幾率越高。為此，本方法以30s為時間跨度，每隔10s進行一次采樣，計算對應的監控信息文檔S的熵。將信息熵H (S) ＜0.3的監控信息文檔篩選掉，即排除監控告警信號發出特別規律的時段。

其他信息文檔中記錄有30s內的告警信息，遠高于10s的設備故障信息送到標準，因此需要進行二次篩選來對有效文本內容進行確定。需要通過以下篩選流程來完成：（1）對(ti, mi, ci)進行刪除，并對刪除后的熵H'(S)進行計算；（2）以處理后數據變化最大的項為中心，從邊緣對數據項進行處理，直至H (S') ＜H(S)。

圖1 信息剔除方案

由以上步驟可以得到任意監控系統在任意時段得到的監控信息文檔集合{Si}。其中為含有有效告警信息的文檔。

2.2 文本的空間特征向量表示

第一，進行文本提取步驟要根據統計分詞的特征項進行，通常設備告警信息文本具有較為明確的描述標準，所以運用統計分詞來進行處理，對2個漢字進行互現信息系數統計可用下式來進行：

上式中M(X,Y )與P(X,Y )分別表示兩個漢字的互現信息系數以及兩個漢字的相鄰出現概率，P(X)、P(Y )表示兩個漢字在告警信息文本中的出現概率。兩個漢字在文本中的出現次數以及是否相鄰決定了其成為關鍵詞的可信程度。需要在文本特征中設置M(X,Y)＞0。

第二，還需要對無意義詞匯進行去除。如“的”、“了”等無意義漢字進行剔除以提高特征項集合的有效性，處理后表示為：其中δ表示處理完成后的最終詞。再通過TF-IDF公式來對詞條權重進行確定，其算式表現為：

上式中，f(δ1,d )表示文檔中出現δ1的頻率，N表示總文檔數量，ni表示文檔中包含δi的文檔數量。通過TF-IDF公式來對詞條權重進行確定，wi與δi與特異性呈正比關系，假設其在單個文檔中出現的頻率遠高于在多個文檔中出現的頻率，那么可以判斷δi用于表征文檔d的可信度越高。

第三，建立文本特征空間向量。通過文本特征量的提取可以計算得到不同詞條在文檔中的權重。但是這樣得到的權重沒有進行歸一化處理，歸一化處理后的權重為：

因此任意文檔可以表征為一個二維向量，其形式如下式（7）所示：

通過不同詞條建立一個坐標軸后，能夠對在該坐標空間中確定該二維向量確實是在該空間中。

3 基于K-means算法的聚類分析

對多個對象進行選擇，并且用k來對其數量進行表示，建立初始簇集合，表示為?？倲禐閗的對象通過來進行表示，即特征向量集合。通過夾角余弦公式對新獲取文本與特征向量的相似度進行計算，該算式表示為：

重新整合后形成新的函數，成為評價函數，具體算式如下所示：

式（10）中，J 表示為任意數值與特征向量的均方差之和，即為具體的評價函數數值。xn為文本文檔Sn對應的特征向量，為第k個簇的特征向量，為文檔Sn與第k個簇的相似度。Zk為第k個簇中含有的元素個數，K為所有簇的個數。

重復樣本歸入聚類簇中心的步驟，當評價函數的數值沒有出現任何變化后，能夠對K個簇的正交形態進行確定，告警信號能夠根據其表示的特征向量進行模板對應。最后，采用人工識別的方式來對完成的簇進行檢查確認，對告警信號的文本文檔具體告警內容進行明確。通過以上所有步驟可以對任意時間長度的告警信號進行聚類分析，將其轉化為對應的k個典型特征向量（即k個典型故障告警文本模板）。

4 基于聚類挖掘的告警信號辨識實施步驟

步驟1：每隔10s統計一次最近30s的告警信號，形成新增文檔S。

步驟3：計算新增文檔S與各個簇中心特征向量的相似度，對其進行分類。

從上述方法可以發現，本問研究內容提出的一種基于聚類的電網運行監控信息智能辨識分類方法。本文的方法能夠在電網監控研究中對科學分析法進行應用，通過聚類分析對歷史告警信息的特征向量進行分析提取后，建立有效的特征向量信息文本集合，并且通過聚類分析法對特征向量空間進行構建，在對典型告警信息內容的空間特征向量進行確定后，在出現新告警信息后能夠對其進行有效的分析計算，通過計算其與特征向量的相似度來對具體的有效告警信息進行確定，能夠有效提升監控工作人員對于告警信息的輔助處理，并且在信息自動分類的狀態下，提升對于告警信號的識別效率與準確度，對人工監控可能出現的失誤情況進行有效彌補，促使電網運行安全系數的提升。