數據挖掘技術在電力設備狀態檢修中的應用研究

喬向陽　舒日高　付廣遠　劉虎城

摘要：隨著計算機和互聯網技術的不斷發展，社會生產生活中產生的數據量越來越大，從這些數據中挖掘有效信息成為各行各業的必備手段，數據挖掘技術也成為電力設備狀態檢修工作的重要技術。傳統的數據分析和報表已經無法滿足現代電力設備的管理需求，在電力設備狀態監測系統中植入數據分析模塊十分有必要，能夠幫助技術人員從監測數據中獲取電力設備檢修所需的信息，提高電力設備狀態檢修的效率。本文從數據挖掘技術本身入手，分析并探討數據挖掘技術在電力設備狀態檢修中的應用，希望可以為提高我國電力設備管理水平提供一些思路。

關鍵詞：數據挖掘技術;電力設備狀態檢修;應用

引言：數據挖掘技術與大數據技術有一定的重疊，主要差異在于數據挖掘技術的并不能完全嵌入map-reduce算法框架。狀態檢修是一種新興的電力設備檢修模式，利用監視系統和診斷技術獲取設備故障信息，判斷設備狀態，在設備發生故障前對設備進行檢修，盡可能避免設備發生不可控的問題，盡可能避免電力設備停機，避免造成電力問題。電力設備狀態檢修大致可分為發電廠狀態檢修、變電站狀態檢修、輸配電線路狀態檢修、輸配電設備狀態檢修等幾個部分，隨著設備的不斷運行，數據量不斷擴大，從中挖掘有價值信息的難度也不斷擴大，因此，數據挖掘技術的應用是大勢所趨。

1. 數據挖掘技術概述

數據挖掘技術是一項從大量的、模糊的、無規律的數據中挖掘出實際的、有規律的、有用的信息的技術，與大數據技術相類似，卻在實際算法中存在一些差異，二者并不能完全重合。數據挖掘技術已經被廣泛應用于商業領域中，在電力設備狀態檢測中的應用還需要發展。數據挖掘技術中包括8個步驟：

1.1 數據信息收集

數據信息收集是數據挖掘的基礎，只有將海量的數據收集起來，才能夠進行接下來的數據分析和挖掘工作。

1.2 數據集成

在數據信息收集環節收集到的海量數據，并非都是統一的格式，想要在同一個算法中將這些信息分析處理，難度較大，至少要將不同格式、特點的數據向一個或幾個方向進行集中，為后續的數據分析工作降低難度，提高效率，也為數據的有效共享奠定基礎。

1.3 數據規約

數據規約工作是在集成的基礎上進行的進一步處理，將數據用數據集的規約來表示，可以在保持數據完整性的同時縮小數據量，提高數據挖掘效率。

1.4 數據清理

在海量數據中有一些雜質數據，主要表現為與數據挖掘方向不一致、缺少真實性、數據錯誤等特點，這些數據的存在擴大了需要挖掘的數據量，還會影響數據挖掘的準確性和有效性，因此需要進行清理，對數據進行提純。

1.5 數據變換

數據變換對于一些實數型數據是有必要的，依據概念分層、離散化都可以對數據進行轉換，提高數據的可挖掘性，為數據挖掘的效率提升提供一些幫助。

1.6 數據挖掘分析

數理統計、事例推理、規則推理、模糊集、神經網絡、遺傳算法都屬于數據挖掘分析的具體方法，能夠有效進行數據的挖掘，得到有用信息。

1.7 模式評估

數據挖掘的結果根據挖掘需求、行業專家評定來評估挖掘結果的正確性。

1.8 數據挖掘結果可視化

數據挖掘技術得到的結果需要以可視化的方式呈現，供技術人員、管理人員及其他程序使用，提高數據挖掘結果的利用率。

數據挖掘技術在我國電力設備相關管理中的應用還不成熟，需要更多的研究和應用，在應用中總結經驗教訓，提高數據挖掘技術的應用水平，提高我國電力設備狀態檢測的水平。

2. 數據挖掘技術在電力設備狀態檢測中的應用現狀

在電力設備管理系統中，我國已經開始逐步應用監測、監控設備，數據挖掘技術在電力設備狀態檢測工作中的應用已經成為大勢所趨，國外研究成果較為成熟。在國外電力設備管理系統中，決策樹是數據挖掘技術中的主流，神經網絡、遺傳算法等挖掘技術的應用比例較小，國內電力設備管理系統中對數據挖掘技術的應用較少，只有少數部門、崗位工作人員在使用，還處于技術應用的初級階段。目前，我國的發電設備、變壓器、輸配電線路、輸配電設備中對數據挖掘技術已經有了一定程度的應用，比如：發電設備汽輪機軸狀態檢測，以模糊聚類、粗糙集理論為主要數據挖掘技術;變電站電氣設備狀態檢測，以決策樹算法為主要數據挖掘技術;輸配電線路狀態檢測，以粗糙集為主要數據挖掘技術。

3. 數據挖掘技術在電力設備狀態檢測中的進一步應用

3.1 在變壓器狀態檢修中的應用

變壓器的狀態特征量是揭示變壓器設備中性能狀態變化、故障出現、使用壽命損耗規律的重要標志，及時并準確的對故障發生部位、原因、嚴重程度進行評估，借此制定設備的養護、維修方案，并付諸實踐。變壓器中的狀態特征量主要是油中溶解氣體，通過采集溶解氣體的樣本，技術人員能夠分析出變壓器的故障類型、故障原因、嚴重程度，其中應用到的數據挖掘技術主要是粗糙集數據挖掘技術，在對溶解氣體樣本數據進行模糊、離散化處理后，能夠有效提高數據挖掘結果的可信性和質量。

3.2 在發電設備狀態檢修中的應用

發電設備中的數據挖掘技術主要借助分散控制系統實施，分散控制系統中能夠存儲海量的發電設備生產數據，這些具有多元性、動態性的數據需要借助挖掘技術才能夠發揮出真正的作用，傳統的人工處理方法不能滿足數據處理的需求。發電設備狀態檢修中，汽輪機軸振動系數是十分重要的數據挖掘對象，是挖掘發電設備故障類型、原因、嚴重程度的基礎，這部分挖掘研究主要依靠模糊聚類、粗糙集來進行。

結束語：近年來，狀態檢測理念逐漸滲透進各行各業的運維領域，成為電力、水利等領域的重要發展方向，在一定程度上推動了我國的現代化發展。狀態檢測理念與數據挖掘技術的結合，為技術人員及早發現設備故障征兆，及早進行設備保養和維修，提供了重要的幫助。雖然我國的數據挖掘技術和狀態檢測能力還處于較弱的狀態，還有很大的發展空間，但我們相信，在實際應用過程中總結經驗教訓，能夠最大程度上使我們的相關技術水平發展速度提速，為我國的電力領域發展提供助力。

參考文獻：

[1]陳超金. 基于數據挖掘的電力設備狀態檢修技術研究綜述[J]. 廣東電力，2009，22（09）：21-24.

[2]楊國慶，張宇. 數據挖掘技術在電力設備狀態檢修中的應用[J]. 上海電力學院學報，2012，28（02）：176-180.