基于多源异构数据的配电网故障信息挖掘与诊断

配电网海量运行数据为其运行分析提供了良好的基础,如何挖掘多源异构数据诊断故障是提升配电网安全运行水平和优质服务水平的关键。文章以生产管理系统、故障抢修以及SCADA数据为对象,分析多源信息构成与属性,建立SCADA事件的预集规则,并匹配关联故障抢修事件与SCADA数据。基于数据来源、属性等不同维度,综合考虑数据预集规则,对多源异构数据进行分类组合与融合,并存储于大数据hadoop平台。基于多源异构数据的配电网故障诊断首先对事件进行判断,挖掘与故障相关的保护动作、遥测、事故汇总等,明确故障对象、内容与属性,并结合辅助信息验证诊断结果。利用该策略建立的系统部署于某城市配电网,其诊断性能及正确率满足要求,可有效提高配电网数据挖掘与分析能力,为调度运行及检修提供支撑。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题。针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation）算法引入到电网故障诊断中。首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理。运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强。     

基于关联规则数据挖掘技术的电网故障诊断

在实际的电网故障诊断中,面临如何从海量数据找到真正对于诊断结果有帮助的关键数据以及当故障信息存在不完整或不确定性,甚至关键信息丢失时,会导致故障诊断难以得出正确结论的问题.针对此问题,将关联规则数据挖掘DLG(Direct Large temsests Generation)算法引入到电网故障诊断中.首先以保护、断路器作为条件属性,故障区域作为决策属性,考察各种故障情况并建立原始决策表,然后利用关联规则挖掘进行属性约简,通过修改阈值进行交互式挖掘,直接提取最佳属性约简组合,然后利用最佳属性约简组合形成的约简决策表和关联规则交互式挖掘,针对各种情况的故障信息进行诊断推理.运用C编写了基于该方法的故障诊断软件, 采用四母线配电网系统作为仿真对象,算例结果表明该算法在一定电网规模和保护动作信息不完备的情况下,故障诊断正确性高、容错性好,实用性强.     

基于配用电数据关联的中压配电网断线故障诊断方法

基于配用电信息系统数据和关联规则算法,提出一种诊断中压配电网分支线断线不接地故障的方法。通过分析相互关联的配用电信息系统数据,提出基于数据特征选择的关联规则挖掘方法,并通过卡方分裂算法将连续型特征量转换为布尔型特征量,同时采用MSApriori算法解决故障信息中的稀有项问题,然后在此基础上应用kulc准则消除冗余规则以形成约简的代表规则家族。以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,结果说明所提出的方法能够大量减少无效挖掘,显著提高效率和准确度,适用于中压配电网断线故障的在线诊断。     

基于分类决策树—关联规则的远程停复电故障溯源

远程费控系统已成为智能电网的重要环节,但费控系统停复电故障率达到10.64%,目前只有1/3故障靠人工凭历史经验逐步排查而解决,其他故障原因仍不得而知。为快速实现故障诊断,推进智能电网建设,该文提出一种基于决策树—关联规则的停复电故障溯源方法。采用决策树算法将不同类型的数据进行分类,依此建立属性特征表,计算故障特征的信息增益率,进行决策划分,得到故障原因数据集;利用关联规则计算故障→原因的提升度,找出各个故障与原因的强关联性,建立故障溯源规则,实现故障溯源。该方法在故障发生时可迅速找到原因,提高工作效率,并通过实例验证了所提方法的有效性和高效性。     

基于深度学习的配电网线路设备缺陷智能检测

无人机配电线路巡检已经广泛开展应用,线路设备缺陷人工识别过程复杂、工作量较大等问题仍然存在。为了提高作业效率,根据无人机发展现状,对现有数据进行深入挖掘,利用标记系统对数据进行处理,再利用深度学习算法实现配电网无人机自动巡检、缺陷自动研判。该算法是基于残差双尺度检测器的巡检目标智能检测,优势在于可识别两种规格尺寸的目标对象,相比于传统的双阶段目标检测方案,其运行速度更快,更适合在终端资源受限设备中运行。目前该算法已达到95%的准确率。     

计及拓扑变换的主动配电网故障风险智能预警

当突发自然灾害后,主动配电网可利用联络支路转供和灵活供电的分布式电源(DG)恢复重要负荷的供电,从而有效降低故障风险。文中提出了一种基于数据驱动的多维度主动配电网故障风险等级智能预警方法。首先,采用基于卡方检验和Pearson相关系数特征选择方法从多个维度进行故障关联强弱性分析,筛选得到最优故障特征集;然后,建立考虑DG并网的配电网故障重构优化模型,计及配电线路重要程度,为配电网故障风险等级划分提供了重要依据;在此基础上,建立基于极限梯度提升(XGBoost)算法的配电网线路故障风险等级预警模型;最后,以IEEE RBTS Bus6配电网系统进行算例分析。文中所提方法的预测准确率比反向传播(BP)神经网络算法高3.17%,泛化能力更强,可为配电网故障风险防控提供重要依据,从而有效降低故障损失。     

基于贝叶斯模型的输电线路运行参量关联规则挖掘及预测方法EI北大核心CSCD

对输电线路运行状态的准确评价、诊断和预测可以为电力系统安全、经济和高效的运行提供技术支持。传统输电线路分析预测模型多使用单一参量,而输电线路运行状态还受到气象条件、运行条件等诸多因素影响。因此受测量数据质量低、环境条件随机性大等限制,传统方法在预测准确性和时效性上具有较大的局限性。该文提出了基于贝叶斯网络的关联规则挖掘方法,用于挖掘输变电线路运行参量之间的关联规则,可更加直观反映出数据间的关联性,并有效提升了计算效率;将挖掘得到的关联规则应用于预测线路的状态参量,可提高预测结果的准确性。最后以某500kV输电线路为例,提取关联规则,并用于预测线路负荷与线路温度,结果表明该方法可提高预测精度,从而验证了该关联规则挖掘方法的有效性和可行性。     

基于FP-network关联规则挖掘算法的配电网薄弱点分析研究

针对配电网运行时经常发生故障的情况,如何快速高效地寻找出配电网中的薄弱点成为了当下配电网安全运行的一大难题.文中采用频繁模式网络(FP-network)模型,建立事务-项目的关联矩阵,并且将所需要进行关联规则挖掘的数据储存在关联矩阵中,从而进行关联规则的数据挖掘.通过算例分析证实了FP-network关联规则挖掘算法可...     

微网故障检测关联规则挖掘算法研究

针对于目前故障检测方法在微网应用中存在较大误差的问题,介绍了一种基于贝叶斯网络和关联规则数据挖掘的算法模型。首先,通过hash技术优化Apriori算法,对原数据挖掘,去除不期望的候选项集。然后,通过贝叶斯网络训练样本,减少检测误差,最终得到微网故障检测结果。仿真结果表明这种基于贝叶斯网络和关联规则挖掘算法的故障检测模型,比传统算法在配电网故障检测方面更有效率,并且检测误差大幅降低。     

Parallel mining and application of fuzzy association rules

Quantitative attributes are partitioned into several fuzzy sets by using fuzzy c-means algorithm. Fuzzy c-means algorithm can embody the actual distribution of the data, and fuzzy sets can soften the partition boundary. Then, we improve the search technology of apriori algorithm and present the algorithm for mining fuzzy association rules. As the database size becomes larger and larger, a better way is to mine fuzzy association rules in parallel. In the parallel mining algorithm, quantitative attributes are partitioned into several fuzzy sets by using parallel fuzzy c-means algorithm. Boolean parallel algorithm is improved to discover frequent fuzzy attribute set, and the fuzzy association rules with at least a minimum confidence are generated on all processors. The experiment results implemented on the distributed linked PC/workstation show that the parallel mining algorithm has fine scaleup, sizeup and speedup. Last, we discuss the application of fuzzy association rules in the classification. The example shows that the accuracy of classification systems of the fuzzy association rules is better than that of the two popular classification methods: C4.5 and CBA. __________ Translated from Journal of Southeast University (Natural Science Edition), 2005, 35(2): 165–170 (in Chinese)     

电力通信网监控系统告警关联分析

告警关联分析是网络故障诊断中的重要任务,对通信网络的管理和维护具有十分重要的意义。文章介绍了告警关联方法的相关研究,分析了电力通信监控系统告警的特点,指出了适合对其进行关联规则挖掘的算法,并提出了基于关联规则算法的实现告警关联的方法。实验表明,该方法可以准确、快速地从告警数据中挖掘出大量有意义的关联规则。这些规则可协助进行故障定位、诊断和预测,提高了故障处理的效率。     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。     

基于Lambda算法的配电网故障定位方法研究

为了有效的提升配电网故障分析和定位的效率、降低经济成本等,本文对多种故障原因进行了深度的分析并提出了一种基于Lambda算法的配电网故障定位技术。该算法通过对出现故障的配电网络和馈线终端上传的数据进行分析,使用高效的模糊度搜索技术,快速的定位出故障所在位置。实验表明,使用本文所提出的基于Lambda配电网故障定位技术对故障网络进行分析,可以有效地降低不同模糊度之间的相关性,极大地减少迭代和搜索次数,提升配电网故障定位效率。     

基于故障投诉电话信息的配电网故障定位矩阵粗糙算法

分析目前配电网故障定位存在的问题,根据配电网拓扑结构的特点以及故障定位的矩阵算法,提出利用故障投诉电话信息实现配电网故障定位的新方法以及切实可行的判据。该方法既不需要进行繁琐的计算,大大缩短了故障定位和隔离时间,又保证了客观性,而且在故障投诉电话信息不完备以及配电自动化系统通信失效的情况下,仍能达到快速、准确定位的目的。模拟计算了单电源多出线树状结构的故障定位,结果表明了该算法是可行、有效的。     

基于神经网络与遗传算法的汽轮机组数据挖掘方法

针对当前专家系统知识获取瓶颈的难题,提出了基于神经网络与遗传算法的汽轮机组数据挖掘方法。将汽轮机组历史故障数据首先进行模糊化及离散化处理,接着构造一个多层的前向神经网络,然后通过教师示教的方式训练构造好的神经网络,最后进行基于遗传算法的神经网络优化。以神经网络为知识本体,提出了汽轮机组故障诊断分类规则的挖掘算法,其实现过程有4个步骤:计算效果度量矩阵;提取规则;计算规则权重;基于遗传算法的规则修剪。实现了基于神经网络与遗传算法的汽轮机组数据挖掘和故障诊断仿真系统,其诊断正确率达到了84%。     

基于图论的矩阵算法在配电网故障定位中的应用

分析现有配电网故障定位算法的不足,提出一种基于图论知识的改进配电网故障定位算法。该算法首先利用配电网有向拓扑结构生成一个可反映配电网拓扑信息的网络拓扑矩阵,当配电网发生故障时,安装在开关处的馈线终端（FTU）通过通用分组服务技术（GPRS）网络向主站上传故障信号,生成故障信息矩阵,进而得到故障判定矩阵,由故障判据定位故障发生区段。该算法不仅可以对单电源的配电网单重故障定位,对于多电源网络的多重故障以及馈线末端故障也可作出快速判断,同时对于FTU上传的不完备故障信息情况也同样适用。算例测试结果表明,该算法判断简洁直观,计算量小,实用性强,满足现代配网自动化要求。