電網故障信息數據挖掘技術的分析

徐競輝 史力思 謝驥

摘? ?要：整個電力系統工作之中，因為受到相關因素的影響，尤其是一些環境和氣候等因素，會讓電網運行受到阻礙。對于這些問題，需要及時了解產生的部位和原因，制定合理的處置對策。要掌握這些信息，就需要借助數據挖掘技術，盡可能全面搜集電網故障的相關信息數據。本文先在數據準備和數據挖掘相關方面，對數據挖掘概念進行簡析，然后在電網故障信息特點、數據挖掘系統構建和故障數據分析相關基礎上，詳細分析與闡述電網故障信息數據挖掘技術，希望可以給業界同仁一些參考，為電網故障排除提供助力。

關鍵詞：電網故障? 數據挖掘? 信息

中圖分類號：TM732? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）11（c）-0137-02

在社會經濟快速進步下，我國電力系統規模不斷增大，這讓電網建設中的設備也逐漸增多。地勢復雜、覆蓋面廣以及運行管理困難等，這些是電網出現故障的關鍵原因。電力系統如果有問題，對問題的處理時會讓用戶正常用電受到干擾。在社會發展下，大眾對電力資源的穩定性有更高要求，傳統的診斷方式已經無法對當前的故障進行及時定位與診斷。而經過數據挖掘技術的使用，可以把粗糙神經和神經網絡結合在一起，將其使用在電網故障診斷中，以此來及時處理故障，保障電網穩定運行。因此，對電網故障信息數據挖掘技術的分析有一定實際意義。

1? 數據挖掘相關概念

所謂數據挖掘，主要是指在隨機模糊數據中提出去潛在價值的信息與知識的數據過程。在整個此過程中，其有下面幾個方面：

1.1 數據準備

數據準備是相對重要的環節，其中包含了數據選擇，在這其中主要是經過遵循用戶的需求，在數據庫中提出相應的數據，并且對知識信息做提取和操作，從而構成一個真實數據庫。接著就是數據預處理，依據數據量，確定數據挖掘中的操作類型，做好數據的處理。數據轉換，把提取的數據轉換成為相關的分析模型，讓分析模型適用于挖掘算法，以此確保數據能夠被有效挖掘。

1.2 數據挖掘與結果分析

分析模型之下把轉換之后數據深入挖掘，挖掘中除了優化與選擇挖掘算法外，其他操作都能夠自行完成。在實踐工作之中，要依據工作實際情況選用合適的挖掘方式，使用工具做好數據中信息挖掘工作。完成挖掘工作以后，要在用戶決策目標之上做信息處理分析，把有價值的信息摘取出來，并且運用決策工具傳輸到決策者手中。結果分析工作中需要有效傳達結果，同時還要篩選結果，若是傳輸結果存在問題，還需要進行重新操作。此外，還需把分析所獲取的知識在系統中集成，以此實現知識的同化。數據挖掘過程主要是數據的準備、預處理以及挖掘等等。將此種模式使用在電網運行之中，可以精確發現問題故障的實際位置，迅速找出原因，為后續的故障處理工作提供可參考的信息，以此保障電網的穩定運行。

2? 電網故障信息數據挖掘技術

2.1 電網故障信息特點

電網故障信息主要有兩種，主要是斷路器變位和保護動作等開關信息，還有則是在故障錄波器基礎上的模擬量信息。此外，故障位置的明確，還有故障和周圍環境之間的關系都可以進行深入分析，在其中引入地勢和氣候等相關的信息。開關量信息是離散化事件，可以做好相應的符號推理工作，不過也會因為通信干擾，亦或信號接入錯誤，進而致使開關量錯報，或是出現疏漏。在保護斷路器誤動時，開關量沒有辦法切實反映出電網實際情況。故障錄波器采樣率極高，故障濾波器基礎上，信息客觀性很強，容錯性也比較好，能夠切實反映出電網故障，并且還有標準化特點。

2.2 數據挖掘系統架構

對于電網故障來說，其中信息數據系統包含了故障數據采集、數據監視器、故障數據分析等等。其中有故障數據采集模塊，此模塊主要是收集源于全網故障數據以及斷路器動作信息，并且將其留存在故障數據庫之中。數據庫中數據有很多，有噪聲以及冗余等。而數據監視器則是實時監測動態性的故障數據，并且將其追加至數據庫中。故障數據分析，其是在原始故障數據庫中獲得數據，使用故障分析技術掌握故障特點，其中有故障的時間種類與位置等。在挖掘方面來看，這是對數據做提前和細化的階段。數據集成主要是把獲取數據與挖補數據集成，為保存到數據倉庫中做好前期準備性工作。數據集成器模塊還需要設置原始數據與處理數據的聯系，便于分析結果時可以看原始數據。此外還有數據倉庫、數據挖掘模塊等，經過數據挖掘，能夠及時發現潛藏在故障數據之后的故障種類等相關的資料信息。

2.3 故障數據分析

經過對數據倉庫和挖掘系統的運用，能夠對已經出現的故障做深入分析，并且為處理工作提供技術支持。數據提取和細致化過程中，可以使用當前被廣泛運用的小波、神經網絡等故障分析方式，做好故障診斷工作，并且提取其中的故障特征量，其中有故障的時間、種類與位置等，并且要對保護和斷路器行為作評估和判斷。在故障錄波器基礎上的數據，可以使用提升小波的方式提取故障時刻，其中誤差很小。應用小波神經網絡，綜合開關量等可以對電網故障實際情況進行識別。因為按開關量信息不太穩定，能夠使用開關量為主要的模擬量做冗余糾錯的方式。

2.4? 故障信息數據倉庫

和以前數據庫有很大區別，針對于故障的信息數據倉庫，在設計必須要有更多樣化的要求。在橫向上要可以構成不同角度，在縱向方面要能夠進行多角度的數據提取，從而獲得有一定價值的數據。在這其中可把數據倉庫模型分開分析，其中包含了信息包圖，這屬于數據庫倉庫中一部分。信息包圖中，要確定數據庫倉庫真實狀況、維度等。其中真實狀況是分析目標數據，而維度則是信息性質。不同數據情況需要運用相應的方式來呈現與描述，其中有時間、位置、類型等相關方面的維度。其中每個維度又分多個粒度，比如時間維度中有具體的年月日，甚至還會細化到時分秒。星型圖也是數據倉庫模型中的一部分，其是在最后數據結構融入細節的部分。和傳統關系模型相比，星型圖模型讓用戶分析所需的關系更加簡單，是在支持決策角度上定義數據實體，以此方便大量復雜查詢工作。物理數據同樣也是數據倉庫模型中的一部分，是星型圖模型在倉庫中的載體，比如物理保存模式和數據結構等等。依據數據關鍵性、運用率以及響應時間等來進行分類，將不同類數據種類保存在各自的存儲設施上。

故障信息數據倉庫中獲取隱藏的故障模式，此數據可以運用關聯規則來進行體現。此種模式中可以提取出故障與氣候之間的關聯，在特殊時間段中，某種設備容易發生的故障種類?；蚴翘囟ň€路在特定位置發生各種故障的幾率。特定線路保護動作性能評價等等。這些保護模式可以幫助決策工作，讓電力企業更加合理地安排檢修計劃，降低氣候和負荷變化與故障之間的關聯，提升供電質量，以此保障整個電網穩定運行。

3? 結語

在大數據技術快速地更新發展下，其被廣泛運用在各個行業和領域中。電力產業作為關乎民生的一個行業，在社會不斷進步之下，大眾對電力資源的需求量正逐漸提升。但是在電力系統運行中，因為各方因素的影響，會讓電網出現故障，進而影響人們的正常用電。而將數據挖掘技術使用在其中，可以對電網故障信息進行收集，以此為故障診斷工作提供依據，保障整個電網穩定運行。在實際工作中，電網故障信息數據挖掘技術的實施，要經過構建數據挖掘系統，做好故障信息分析等相關工作，以此來精確定位故障位置和時間，及時解決故障，提升電網運行效率。

參考文獻

[1] 萬順，桂寧，陳家靜.大數據下電網數據挖掘技術研究[J].信息通信，2019，193（1）：182-183.

[2] 陳益果，何安宏.基于數據挖掘的配電網故障風險預警探討[J].通信電源技術，2018，35（12）：255-256.

[3] 楊超，張霖.數據挖掘技術在電力設備故障診斷中的應用[J].電氣開關，2016，54（2）：83-86.

[4] 盧偉明.數據挖掘技術在電力設備故障診斷中的應用[J].現代工業經濟和信息化，2016，6（21）：77-78.