电网故障信息数据挖掘技术的分析
来源:用户上传
作者:
摘 要：整个电力系统工作之中，因为受到相关因素的影响，尤其是一些环境和气候等因素，会让电网运行受到阻碍。对于这些问题，需要及时了解产生的部位和原因，制定合理的處置对策。要掌握这些信息，就需要借助数据挖掘技术，尽可能全面搜集电网故障的相关信息数据。本文先在数据准备和数据挖掘相关方面，对数据挖掘概念进行简析，然后在电网故障信息特点、数据挖掘系统构建和故障数据分析相关基础上，详细分析与阐述电网故障信息数据挖掘技术，希望可以给业界同仁一些参考，为电网故障排除提供助力。
关键词：电网故障 数据挖掘 信息
中图分类号：TM732 文献标识码：A 文章编号：1674-098X（2019）11（c）-0137-02
在社会经济快速进步下，我国电力系统规模不断增大，这让电网建设中的设备也逐渐增多。地势复杂、覆盖面广以及运行管理困难等，这些是电网出现故障的关键原因。电力系统如果有问题，对问题的处理时会让用户正常用电受到干扰。在社会发展下，大众对电力资源的稳定性有更高要求，传统的诊断方式已经无法对当前的故障进行及时定位与诊断。而经过数据挖掘技术的使用，可以把粗糙神经和神经网络结合在一起，将其使用在电网故障诊断中，以此来及时处理故障，保障电网稳定运行。因此，对电网故障信息数据挖掘技术的分析有一定实际意义。
1 数据挖掘相关概念
所谓数据挖掘，主要是指在随机模糊数据中提出去潜在价值的信息与知识的数据过程。在整个此过程中，其有下面几个方面：
1.1 数据准备
数据准备是相对重要的环节，其中包含了数据选择，在这其中主要是经过遵循用户的需求，在数据库中提出相应的数据，并且对知识信息做提取和操作，从而构成一个真实数据库。接着就是数据预处理，依据数据量，确定数据挖掘中的操作类型，做好数据的处理。数据转换，把提取的数据转换成为相关的分析模型，让分析模型适用于挖掘算法，以此确保数据能够被有效挖掘。
1.2 数据挖掘与结果分析
分析模型之下把转换之后数据深入挖掘，挖掘中除了优化与选择挖掘算法外，其他操作都能够自行完成。在实践工作之中，要依据工作实际情况选用合适的挖掘方式，使用工具做好数据中信息挖掘工作。完成挖掘工作以后，要在用户决策目标之上做信息处理分析，把有价值的信息摘取出来，并且运用决策工具传输到决策者手中。结果分析工作中需要有效传达结果，同时还要筛选结果，若是传输结果存在问题，还需要进行重新操作。此外，还需把分析所获取的知识在系统中集成，以此实现知识的同化。数据挖掘过程主要是数据的准备、预处理以及挖掘等等。将此种模式使用在电网运行之中，可以精确发现问题故障的实际位置，迅速找出原因，为后续的故障处理工作提供可参考的信息，以此保障电网的稳定运行。
2 电网故障信息数据挖掘技术
2.1 电网故障信息特点
电网故障信息主要有两种，主要是断路器变位和保护动作等开关信息，还有则是在故障录波器基础上的模拟量信息。此外，故障位置的明确，还有故障和周围环境之间的关系都可以进行深入分析，在其中引入地势和气候等相关的信息。开关量信息是离散化事件，可以做好相应的符号推理工作，不过也会因为通信干扰，亦或信号接入错误，进而致使开关量错报，或是出现疏漏。在保护断路器误动时，开关量没有办法切实反映出电网实际情况。故障录波器采样率极高，故障滤波器基础上，信息客观性很强，容错性也比较好，能够切实反映出电网故障，并且还有标准化特点。
2.2 数据挖掘系统架构
对于电网故障来说，其中信息数据系统包含了故障数据采集、数据监视器、故障数据分析等等。其中有故障数据采集模块，此模块主要是收集源于全网故障数据以及断路器动作信息，并且将其留存在故障数据库之中。数据库中数据有很多，有噪声以及冗余等。而数据监视器则是实时监测动态性的故障数据，并且将其追加至数据库中。故障数据分析，其是在原始故障数据库中获得数据，使用故障分析技术掌握故障特点，其中有故障的时间种类与位置等。在挖掘方面来看，这是对数据做提前和细化的阶段。数据集成主要是把获取数据与挖补数据集成，为保存到数据仓库中做好前期准备性工作。数据集成器模块还需要设置原始数据与处理数据的联系，便于分析结果时可以看原始数据。此外还有数据仓库、数据挖掘模块等，经过数据挖掘，能够及时发现潜藏在故障数据之后的故障种类等相关的资料信息。
2.3 故障数据分析
经过对数据仓库和挖掘系统的运用，能够对已经出现的故障做深入分析，并且为处理工作提供技术支持。数据提取和细致化过程中，可以使用当前被广泛运用的小波、神经网络等故障分析方式，做好故障诊断工作，并且提取其中的故障特征量，其中有故障的时间、种类与位置等，并且要对保护和断路器行为作评估和判断。在故障录波器基础上的数据，可以使用提升小波的方式提取故障时刻，其中误差很小。应用小波神经网络，综合开关量等可以对电网故障实际情况进行识别。因为按开关量信息不太稳定，能够使用开关量为主要的模拟量做冗余纠错的方式。
2.4 故障信息数据仓库
和以前数据库有很大区别，针对于故障的信息数据仓库，在设计必须要有更多样化的要求。在横向上要可以构成不同角度，在纵向方面要能够进行多角度的数据提取，从而获得有一定价值的数据。在这其中可把数据仓库模型分开分析，其中包含了信息包图，这属于数据库仓库中一部分。信息包图中，要确定数据库仓库真实状况、维度等。其中真实状况是分析目标数据，而维度则是信息性质。不同数据情况需要运用相应的方式来呈现与描述，其中有时间、位置、类型等相关方面的维度。其中每个维度又分多个粒度，比如时间维度中有具体的年月日，甚至还会细化到时分秒。星型图也是数据仓库模型中的一部分，其是在最后数据结构融入细节的部分。和传统关系模型相比，星型图模型让用户分析所需的关系更加简单，是在支持决策角度上定义数据实体，以此方便大量复杂查询工作。物理数据同样也是数据仓库模型中的一部分，是星型图模型在仓库中的载体，比如物理保存模式和数据结构等等。依据数据关键性、运用率以及响应时间等来进行分类，将不同类数据种类保存在各自的存储设施上。
故障信息数据仓库中获取隐藏的故障模式，此数据可以运用关联规则来进行体现。此种模式中可以提取出故障与气候之间的关联，在特殊时间段中，某种设备容易发生的故障种类。或是特定线路在特定位置发生各种故障的几率。特定线路保护动作性能评价等等。这些保护模式可以帮助决策工作，让电力企业更加合理地安排检修计划，降低气候和负荷变化与故障之间的关联，提升供电质量，以此保障整个电网稳定运行。
3 结语
在大数据技术快速地更新发展下，其被广泛运用在各个行业和领域中。电力产业作为关乎民生的一个行业，在社会不断进步之下，大众对电力资源的需求量正逐渐提升。但是在电力系统运行中，因为各方因素的影响，会让电网出现故障，进而影响人们的正常用电。而将数据挖掘技术使用在其中，可以对电网故障信息进行收集，以此为故障诊断工作提供依据，保障整个电网稳定运行。在实际工作中，电网故障信息数据挖掘技术的实施，要经过构建数据挖掘系统，做好故障信息分析等相关工作，以此来精确定位故障位置和时间，及时解决故障，提升电网运行效率。
参考文献
[1] 万顺，桂宁，陈家静.大数据下电网数据挖掘技术研究[J].信息通信，2019，193（1）：182-183.
[2] 陈益果，何安宏.基于数据挖掘的配电网故障风险预警探讨[J].通信电源技术，2018，35（12）：255-256.
[3] 杨超，张霖.数据挖掘技术在电力设备故障诊断中的应用[J].电气开关，2016，54（2）：83-86.
[4] 卢伟明.数据挖掘技术在电力设备故障诊断中的应用[J].现代工业经济和信息化，2016，6（21）：77-78.
转载注明来源:https://www.xzbu.com/1/view-15148202.htm
