基于數(shù)據(jù)挖掘技術(shù)的風(fēng)電設(shè)備可靠性分析

杜冠洲，韋古強(qiáng)，凌俊斌

（1.都城偉業(yè)集團(tuán)有限公司，北京 100020；2.國網(wǎng)江蘇省電力公司經(jīng)濟(jì)技術(shù)研究院，江蘇 南京 210008）

基于數(shù)據(jù)挖掘技術(shù)的風(fēng)電設(shè)備可靠性分析

杜冠洲1，韋古強(qiáng)1，凌俊斌2

（1.都城偉業(yè)集團(tuán)有限公司，北京 100020；2.國網(wǎng)江蘇省電力公司經(jīng)濟(jì)技術(shù)研究院，江蘇 南京 210008）

本文以風(fēng)電設(shè)備可靠性為研究對象，分別運用C5.0決策樹和貝葉斯信念網(wǎng)絡(luò)建立風(fēng)電設(shè)備可靠性評價模型，并對兩種分類算法的準(zhǔn)確性進(jìn)行了評估，對比分析得出，貝葉斯信念網(wǎng)絡(luò)模型的分類性能更好，能更好地應(yīng)用于風(fēng)電設(shè)備可靠性的智能評價，從而為企業(yè)的決策、發(fā)展提供科學(xué)的參考依據(jù)。

風(fēng)電設(shè)備可靠性；C5.0；貝葉斯信念網(wǎng)絡(luò)

1 概述

近年來，我國風(fēng)電產(chǎn)業(yè)發(fā)展迅速。2015年，我國新增安裝風(fēng)電機(jī)組16740臺，新增裝機(jī)容量30753MW，同比增長32.6%；累積安裝風(fēng)電機(jī)組92981臺，累積裝機(jī)容量145362MW，同比增長26.8%。風(fēng)電產(chǎn)業(yè)已經(jīng)成為我國電力產(chǎn)業(yè)的重要組成部分。隨著風(fēng)電機(jī)組裝機(jī)容量越來越大，系統(tǒng)越來越復(fù)雜，設(shè)備故障率也隨之增長，導(dǎo)致風(fēng)電機(jī)組的運行、維護(hù)成本增加。

目前，我國風(fēng)電機(jī)組的運行、維護(hù)主要借鑒火電機(jī)組的運維策略，采用定期維護(hù)和事后維護(hù)的方式。但是，由于風(fēng)電機(jī)組和火電機(jī)組在結(jié)構(gòu)、運行環(huán)境和運行方式之間的差異，從而導(dǎo)致風(fēng)電機(jī)組運維無法準(zhǔn)確、有效地監(jiān)控設(shè)備的運行狀況，容易出現(xiàn)各種設(shè)備故障。

為了提高風(fēng)電機(jī)組的運維水平，發(fā)展易維護(hù)、高可靠性、高質(zhì)量的機(jī)組，本文通過構(gòu)建風(fēng)電設(shè)備可靠性指標(biāo)體系，運用C5.0決策樹、貝葉斯信念網(wǎng)絡(luò)等數(shù)據(jù)挖掘技術(shù)建立風(fēng)電設(shè)備可靠性分析模型，并利用混淆矩陣和ROC曲線對模型進(jìn)行評估，擇優(yōu)選取分類性能優(yōu)異的模型作為實踐應(yīng)用的工具，從而實現(xiàn)風(fēng)電設(shè)備可靠性控制的實時化、智能化、可預(yù)測化，為風(fēng)電機(jī)組運維提供科學(xué)的參考依據(jù)。

2 風(fēng)電設(shè)備可靠性指標(biāo)體系

2.1 風(fēng)電機(jī)組狀態(tài)劃分

風(fēng)電機(jī)組（以下簡稱機(jī)組）狀態(tài)劃分如圖1。

2.2 風(fēng)電設(shè)備可靠性指標(biāo)體系

本文根據(jù)某集團(tuán)公司新能源發(fā)電產(chǎn)業(yè)的實際情況，利用散點圖觀察、相關(guān)性分析和協(xié)方差分析等方法，從風(fēng)力發(fā)電設(shè)備可靠性評價規(guī)程所給出的指標(biāo)清單中篩選出10個指標(biāo)，作為本文進(jìn)行風(fēng)電設(shè)備可靠性評估的指標(biāo)體系。10個指標(biāo)分別為：可用系數(shù)、等效可用系數(shù)、出力系數(shù)、強(qiáng)迫停運率、等效強(qiáng)迫停運率、暴露率、平均無故障可用小時、啟動可靠度、平均啟動間隔小時、檢修費用、計劃停運系數(shù)。

圖1 風(fēng)電機(jī)組狀態(tài)劃分

3 風(fēng)電設(shè)備可靠性模型

3.1 模型概述

本文基于風(fēng)電設(shè)備可靠性指標(biāo)體系，擬采用C5.0決策樹算法和貝葉斯信念網(wǎng)絡(luò)等分類算法建模。

（1）決策樹是一種類似于流程圖的樹結(jié)構(gòu)，其結(jié)構(gòu)是一棵倒置的樹，它主要圍繞生長和剪枝兩大核心問題展開。決策樹獲取的知識，用樹的形式表示出來，其中包括分類樹和回歸樹，分類或預(yù)測的結(jié)果均體現(xiàn)在決策樹的葉節(jié)點上。分類樹葉節(jié)點所含樣本中，其輸出變量的眾數(shù)類別就是分類結(jié)果；回歸樹葉節(jié)點所含樣本中，其輸出變量的平均值就是預(yù)測結(jié)果。決策樹直觀易懂且其歸納學(xué)習(xí)和分類步驟簡單快速，并且具有很好的準(zhǔn)確率。C5.0可用來處理數(shù)值型或分類型的資料，它的分類預(yù)測是基于邏輯的，即通過對輸入變量取值的布爾比較實現(xiàn)對輸出變量的分類預(yù)測，在眾多的輸出變量中選擇一個當(dāng)前最佳的分組變量，并從分組變量的眾多取值中找到一個最佳的分割點。并且為了清楚地表示分析結(jié)果，可用決策樹(decision trees)或是 if- then 的關(guān)系顯示。

（2）貝葉斯信念網(wǎng)絡(luò)是說明聯(lián)合條件概率分布。它允許在變量的子集間定義類條件獨立性。它提供一種因果關(guān)系的圖形模型，可以在其上進(jìn)行學(xué)習(xí)。訓(xùn)練后的貝葉斯信念網(wǎng)絡(luò)可以用于分類。貝葉斯信念網(wǎng)絡(luò)有兩個成分定義——有向無環(huán)圖和條件概率表。有向無環(huán)圖每個節(jié)點代表一個隨機(jī)變量，每條弧表示一個概率依賴。如果一條弧由節(jié)點Y到Z，則Y是Z的雙親或直接前驅(qū)，而Z是Y的后代，給定雙親后，每個變量條件獨立于圖中它的非后代。

對于貝葉斯信念網(wǎng)絡(luò)當(dāng)中的每一個變量都有一個條件概率表（ConditionalProbabilityTable，CPT）。變量Y的CPT說明條件分布P(Y|Parents(Y))，其中Parents(Y)是Y的雙親。

1.3.2 利率標(biāo)準(zhǔn)突破難，商業(yè)銀行不愿貸。利率市場化后，商業(yè)銀行吸儲成本上升，中長期貸款實行基準(zhǔn)利率往往會出現(xiàn)存貸成本倒掛的情況。商業(yè)銀行普遍認(rèn)為執(zhí)行基準(zhǔn)利率偏低，按基準(zhǔn)利率放貸，銀行會出現(xiàn)虧損；再加上貸款期限長，商業(yè)銀行擔(dān)心風(fēng)險較大。在政策性銀行和國有銀行(農(nóng)行)不貸的情況下，沒有商業(yè)銀行愿意承貸。

設(shè)X=(x1, …, xn)是被變量或?qū)傩訷1, …, Yn描述的數(shù)據(jù)元組。這時，信念網(wǎng)絡(luò)用下式提供存在的聯(lián)合概率分布的完全表示：

其中，P(x1, …, xn)是X的值的特定組合的概率，而P(xi|Parents(Yi))的值對應(yīng)于Yi的CPT的表目。

網(wǎng)絡(luò)內(nèi)的節(jié)點可以選作“輸出”節(jié)點，代表類標(biāo)號屬性?？梢杂卸鄠€輸出節(jié)點。多種推斷和學(xué)習(xí)算法都可以用于這種網(wǎng)絡(luò)。分類過程不是返回單個類標(biāo)號，而是可以返回概率分布，給出每個類的概率。

3.2 模型構(gòu)建

本文擬選取99臺風(fēng)電機(jī)組設(shè)備可靠性指標(biāo)數(shù)據(jù)進(jìn)行建模，因評價指標(biāo)間存在量綱不統(tǒng)一的問題，因此，首先利用IBM SPSS Statistics軟件對指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后，借助IBM SPSS Modeler14.1軟件，運用C5.0決策樹算法和貝葉斯信念網(wǎng)絡(luò)算法建模，對設(shè)備可靠性進(jìn)行評價。最后，利用混淆矩陣和ROC曲線，選定分類性能較好的算法，應(yīng)用于實踐。最終構(gòu)建模型如圖2所示。

圖2 風(fēng)電設(shè)備可靠性模型

圖3 決策樹模型

3.2.1 C5.0決策樹模型

（1）C5.0決策樹模型運行結(jié)果如圖3所示。根據(jù)上圖可知：對于可用系數(shù)小于等于93.516的機(jī)組，平均啟動間隔小時決定實際鑒定結(jié)果，對于可用系數(shù)大于93.516的機(jī)組，等效可用系數(shù)決定機(jī)組的實際鑒定結(jié)果。

（2）C5.0模型實際鑒定結(jié)果的混淆矩陣如表1所示。

表1 C5.0模型實際鑒定結(jié)果的混淆矩陣

由表1可知，C5.0模型的分類準(zhǔn)確率為87.88%，實際鑒定結(jié)果為一級被誤判為二級結(jié)果的出現(xiàn)2次，被誤判為四級結(jié)果的出現(xiàn)1次；實際鑒定結(jié)果為三級被誤判為一級結(jié)果的出現(xiàn)2次，被誤判為四級結(jié)果的出現(xiàn)2次；實際鑒定結(jié)果為二級被誤判為一級結(jié)果的出現(xiàn)2次，被誤判為三級結(jié)果的出現(xiàn)2次；實際鑒定結(jié)果為四級被誤判為一級結(jié)果的出現(xiàn)1次。

3.2.2 貝葉斯信念網(wǎng)絡(luò)模型

（1）貝葉斯信念網(wǎng)絡(luò)模型的結(jié)構(gòu)類型使用TAN算法，參數(shù)學(xué)習(xí)方法使用最大似然法，最終構(gòu)造出的有向無環(huán)圖如圖4所示。

圖4 有向無環(huán)圖

由圖4可知，可用系數(shù)在所有指標(biāo)中，對實際鑒定結(jié)果起著決定性的作用，是最重要的指標(biāo)。

（2）貝葉斯信念網(wǎng)絡(luò)模型實際鑒定結(jié)果的混淆矩陣如表2所示。

表2 貝葉斯信念網(wǎng)絡(luò)模型實際鑒定結(jié)果的混淆矩陣

由表2可知，貝葉斯信念網(wǎng)絡(luò)模型的分類準(zhǔn)確率為98.99%，實際鑒定結(jié)果為四級被誤判為二級結(jié)果的出現(xiàn)1次。

3.3 模型評價

對比C5.0決策樹和貝葉斯信念網(wǎng)絡(luò)的分類準(zhǔn)確率，可以看出，貝葉斯信念網(wǎng)絡(luò)的分類準(zhǔn)確率較高。為進(jìn)一步評估模型分類的性能，采用ROC曲線對兩者進(jìn)行評估，如圖5、圖6所示。

圖5 C5.0決策樹的ROC曲線

圖6 貝葉斯信念網(wǎng)絡(luò)的ROC曲線

通過圖5、圖6可以看出，對于實際鑒定結(jié)果為一級，貝葉斯信念網(wǎng)絡(luò)的ROC曲線較C5.0決策樹的ROC曲線更加靠近單位方形的左上角，貝葉斯信念網(wǎng)絡(luò)ROC曲線下的面積更大，說明貝葉斯信念網(wǎng)絡(luò)的分類性能較好，能夠用于風(fēng)電設(shè)備可靠性評價。

4 結(jié)語

對于設(shè)備密集型企業(yè)來說，設(shè)備的可靠性關(guān)系著企業(yè)的生存發(fā)展。對于發(fā)電企業(yè)來說尤其重要。本文是以大數(shù)據(jù)技術(shù)為基礎(chǔ)進(jìn)行建模、分析，實現(xiàn)自動智能識別鑒定，對風(fēng)電設(shè)備可靠性的研究預(yù)期目標(biāo)和成果如下。（1）借助大數(shù)據(jù)技術(shù)手段，研究利用C5.0決策樹算法和貝葉斯信念網(wǎng)絡(luò)，對風(fēng)電設(shè)備的可靠性進(jìn)行分析預(yù)測，從而更好地對風(fēng)電設(shè)備的可靠性進(jìn)行有針對性、有方向性的控制。（2）利用C5.0決策樹和貝葉斯信念網(wǎng)絡(luò)進(jìn)行對比分析，使得預(yù)測鑒定結(jié)果最大程度與指標(biāo)的實際鑒定結(jié)果相符，從而擇優(yōu)選用準(zhǔn)確率更高的貝葉斯信念網(wǎng)絡(luò)作為實踐應(yīng)用的分類器。

[1]陳樹勇，戴慧珠，白曉民，等.風(fēng)電場的發(fā)電可靠性模型及其應(yīng)用[J].中國電機(jī)工程學(xué)報，2000,20(03).

[2]吳義純，丁明.基于蒙特卡羅仿真的風(fēng)力發(fā)電系統(tǒng)可靠性評價[J].電力自動化設(shè)備，2004,24(01).

[3]李輝，李學(xué)偉，胡姚剛，等.風(fēng)電機(jī)組運行狀態(tài)參數(shù)的非等間隔灰色預(yù)測[J].電力系統(tǒng)自動化，2012,36(09).

[4]王海超，魯宗相，周雙喜.風(fēng)電場發(fā)電容量可信度研究[J].中國電機(jī)工程學(xué)報，2005,25(10).

[5]張瑞君. 風(fēng)力發(fā)電機(jī)組性能考核方法探討[J].能源技術(shù)經(jīng)濟(jì)，2011,23(11).

[6]蘇寅生.電力設(shè)備可靠性數(shù)據(jù)收集統(tǒng)計述評[J].南方電網(wǎng)技術(shù)，2015,09(03).

TM774

A

1671-0711（2017）06（下）-0092-03

國家電網(wǎng)公司科技項目《多業(yè)務(wù)生產(chǎn)數(shù)據(jù)智能監(jiān)測與分析一體化平臺研究及示范應(yīng)用》，（編號：[2015] 709-37）。