基于數(shù)據(jù)挖掘的電力設(shè)備運維與決策分析方法

李彪 杜云強 延建志 劉連根

【摘 ?要】現(xiàn)如今，我國是電力發(fā)展的新時期，電力設(shè)備的運維管理主要包括設(shè)備的故障分析、主動預(yù)警和差異化運維.在面對電網(wǎng)運行過程中多時間尺度、多時空維度的海量數(shù)據(jù)背景下，文中將數(shù)據(jù)挖掘技術(shù)應(yīng)用到電力設(shè)備的運行管理上.文中利用K-means聚類算法挖掘歷史運行數(shù)據(jù)信息，進行單維狀態(tài)量故障特征提取;利用Apriori算法挖掘不同故障模式下關(guān)聯(lián)規(guī)則，建立關(guān)鍵性能矩陣，借助高維隨機矩陣理論分析設(shè)備故障的時空特性;利用D-S證據(jù)理論對單維與多維診斷結(jié)果進行信息合成，獲得設(shè)備故障的診斷判據(jù).同時，綜合考慮系統(tǒng)運行狀態(tài)和電力用戶差異性，建立設(shè)備健康度指數(shù)以及重要度指數(shù)，顯著降低設(shè)備運維決策風(fēng)險.仿真案例證明了本文方法的有效性.

【關(guān)鍵詞】電力設(shè)備;數(shù)據(jù)挖掘;關(guān)聯(lián)規(guī)則挖掘;運維管理;決策分析

引言

現(xiàn)階段我國已經(jīng)進入大數(shù)據(jù)時代，在這一時代發(fā)展背景下，電力企業(yè)的發(fā)展腳步在不斷加快，在此發(fā)展進程中，會產(chǎn)生海量的數(shù)據(jù)和相關(guān)參數(shù)，其中大部分數(shù)據(jù)都極具價值。因此，數(shù)據(jù)時代的電力企業(yè)若想促進自身的快速發(fā)展，就要對這些數(shù)據(jù)和參數(shù)進行歸納和統(tǒng)籌，為企業(yè)的發(fā)展提供源源不斷的動力和支持。筆者在下文中將提出應(yīng)用數(shù)據(jù)挖掘技術(shù)實現(xiàn)數(shù)據(jù)整合的方式，繼而體現(xiàn)數(shù)據(jù)對電力企業(yè)的價值。希望筆者的分析，能夠給有關(guān)電力企業(yè)運營人員一定的參考和借鑒。

1數(shù)據(jù)挖掘

數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中挖掘出有用的信息，即從大量的、不完全的、有噪音的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律性的、人們事先未知的，但又是潛在有用的并且最終可理解的信息和知識的非平凡過程.近年來，數(shù)據(jù)挖掘技術(shù)的研究和應(yīng)用發(fā)展迅猛，在商業(yè)和銀行領(lǐng)域已有廣泛的應(yīng)用.隨著相關(guān)學(xué)科的發(fā)展出現(xiàn)了各種數(shù)據(jù)挖掘算法.數(shù)據(jù)挖掘的一般過程包括以下5個方面：（1）數(shù)據(jù)選擇指與要解決的問題有關(guān)的數(shù)據(jù)的選取，當(dāng)前，數(shù)據(jù)可以很方便地通過互聯(lián)網(wǎng)進行采集;（2）數(shù)據(jù)預(yù)處理即通過濾噪進行信息處理的過程;（3）數(shù)據(jù)轉(zhuǎn)換將定性的數(shù)據(jù)轉(zhuǎn)換成定量的數(shù)據(jù)，在某種意義上也叫特征提取;（4）數(shù)據(jù)挖掘?qū)ふ覕?shù)據(jù)庫中隱藏的重要模式，該步驟在知識發(fā)現(xiàn)的過程中起著關(guān)鍵的作用;（5）數(shù)據(jù)解釋用來評價和解釋通過數(shù)據(jù)挖掘獲得的結(jié)果，即知識.從數(shù)據(jù)挖掘中發(fā)掘有關(guān)知識的規(guī)則需要具備以下4個條件：（1）有效性意味著規(guī)則或知識的重要性，得到的規(guī)則或知識應(yīng)適用于未知的數(shù)據(jù);（2）新穎性即與先驗的知識沒有關(guān)系，在實踐中，重要的是要發(fā)現(xiàn)新規(guī)則;（3）有用性目的在于發(fā)現(xiàn)對用戶有用和感興趣的規(guī)則;（4）簡單性即發(fā)現(xiàn)的規(guī)則應(yīng)力求簡單，應(yīng)能夠創(chuàng)建和容易解釋復(fù)雜的數(shù)據(jù).數(shù)據(jù)挖掘技術(shù)與其他的研究領(lǐng)域如統(tǒng)計分析、機器學(xué)習(xí)、數(shù)據(jù)庫，以及可視化技術(shù)等密切相關(guān).數(shù)據(jù)挖掘的方法和數(shù)學(xué)工具包括關(guān)聯(lián)規(guī)則、統(tǒng)計學(xué)、決策樹、神經(jīng)網(wǎng)絡(luò)、線性規(guī)劃、模糊邏輯等.目前，數(shù)據(jù)挖掘在我國電力部門的應(yīng)用還不多，它在電力系統(tǒng)中的應(yīng)用包括電力設(shè)備狀態(tài)評估、電力系統(tǒng)負荷預(yù)測和分類、電力系統(tǒng)的運行模式分類、電力系統(tǒng)運行狀態(tài)、設(shè)備監(jiān)控、電力設(shè)備故障診斷、電力調(diào)度優(yōu)化、電力系統(tǒng)建模等.

2數(shù)據(jù)挖掘的電力設(shè)備運維與決策分析

2.1電力系統(tǒng)經(jīng)濟調(diào)度運行

隨著經(jīng)濟的發(fā)展，對電能的需求日益增長，電力系統(tǒng)經(jīng)濟調(diào)度是保證電力系統(tǒng)更好的利用能源的保證。電力調(diào)度能夠?qū)﹄姀S、變電站和電力傳輸設(shè)備進行實時監(jiān)控，還能對監(jiān)控信息進行分析預(yù)測，輔助電力生產(chǎn)決策，確保電力系統(tǒng)的穩(wěn)定、健康、安全和可靠運行。傳統(tǒng)的調(diào)度算法是基于負荷需求和系統(tǒng)穩(wěn)定的最優(yōu)化問題，實際中，要找到合適的模型評價系統(tǒng)的穩(wěn)定性非常的困難，提出了一種新方法解決分類的問題，文中采用決策樹把系統(tǒng)操作分為“安全”和“不安全”兩類，然后把決策樹提出的規(guī)則作為最佳穩(wěn)定性的約束條件。

2.2關(guān)聯(lián)規(guī)則挖掘與知識發(fā)現(xiàn)

根據(jù)上述定義，一般地，給定一個數(shù)據(jù)庫，挖掘關(guān)聯(lián)規(guī)則的問題可以轉(zhuǎn)換為尋找滿足最小支持度和最小置信度閾值的強關(guān)聯(lián)規(guī)則過程，分為兩步：1）生成所有頻繁項集，即找出支持度大于或等于最小支持度閾值的項集;2）生成強關(guān)聯(lián)規(guī)則，即找出頻繁項集中大于或等于最小置信度閾值的關(guān)聯(lián)規(guī)則.特別地，針對電力設(shè)備運維與決策關(guān)聯(lián)規(guī)則的挖掘，借助于實驗?zāi)M以及歷史運行的實際數(shù)據(jù)信息，利用Apriori算法挖掘發(fā)現(xiàn)與特定設(shè)備異常/故障相關(guān)的所有頻繁多項集，并建立關(guān)聯(lián)規(guī)則，利用關(guān)聯(lián)規(guī)則形成評估設(shè)備運行狀態(tài)的關(guān)鍵性能矩陣模型.

2.3在大建設(shè)中的應(yīng)用

在電力大建設(shè)中，大數(shù)據(jù)技術(shù)發(fā)揮著重要的指導(dǎo)作用。電力行業(yè)的快速發(fā)展使每年都有相當(dāng)多數(shù)量的建設(shè)、管理項目在進行。在項目建設(shè)過程中由于數(shù)據(jù)的存儲和分析能力有限，大量現(xiàn)場建設(shè)的資料信息無法被有效的保存，使得后續(xù)的管理人員很難對項目有較為深入的了解和掌控。大數(shù)據(jù)的應(yīng)用可以擴大建設(shè)現(xiàn)場的文檔、圖像、音頻等非結(jié)構(gòu)化數(shù)據(jù)的存儲能力和收集范圍，并加強對這些數(shù)據(jù)的分析處理能力，提高項目建設(shè)、管理的全面性和準確性。以風(fēng)力發(fā)電建設(shè)項目為例，大數(shù)據(jù)技術(shù)可以將地區(qū)的天氣數(shù)據(jù)與風(fēng)力電機的數(shù)據(jù)進行集成和共享，通過建立大數(shù)據(jù)模型對風(fēng)力數(shù)據(jù)和電網(wǎng)規(guī)劃發(fā)展的數(shù)據(jù)進行分析，來為基建位置的選擇提供依據(jù)，最大限度地減少成本，提高效益，并對未來類似的建設(shè)提供參考。

2.4知識發(fā)現(xiàn)

結(jié)語

（1）文中利用數(shù)據(jù)挖掘技術(shù)提出了電力設(shè)備運維管理與預(yù)警分析的總體解決方案與技術(shù)架構(gòu).通過關(guān)聯(lián)規(guī)則挖掘影響設(shè)備運行狀態(tài)的頻繁項集，實現(xiàn)電氣量監(jiān)測數(shù)據(jù)、環(huán)境量監(jiān)測數(shù)據(jù)、設(shè)備運行狀態(tài)數(shù)據(jù)、安防監(jiān)測數(shù)據(jù)等相關(guān)狀態(tài)量的融合分析.（2）相對于傳統(tǒng)分析方法中的閾值比較法或基于物理約束而進行的因果關(guān)系分析方法，文中分析的狀態(tài)量多、數(shù)據(jù)量大、數(shù)據(jù)來源廣泛，能避免噪聲數(shù)據(jù)的干擾，同時避免了對于不同設(shè)備狀態(tài)量采樣率、采樣時間以及采樣周期等問題的依賴.

參考文獻：

[1]江秀臣，盛戈皞.電力設(shè)備狀態(tài)大數(shù)據(jù)分析的研究和應(yīng)用[J].高電壓技術(shù)，2018，44（04）：1041-1050.

[2]費思源.大數(shù)據(jù)技術(shù)在配電網(wǎng)中的應(yīng)用綜述[J].中國電機工程學(xué)報，2018，38（01）：85-96;345.

[3]劉科研，盛萬興，張東霞，等.智能配電網(wǎng)大數(shù)據(jù)應(yīng)用需求和場景分析研究[J].中國電機工程學(xué)報，2015，35（02）：287-293.

（作者單位：國網(wǎng)晉城供電公司）