數(shù)據(jù)挖掘技術(shù)的智能變電站故障診斷技術(shù)

陳林

國網(wǎng)湖南省電力有限公司邵陽供電分公司 湖南邵陽 422000

近些年隨著大數(shù)據(jù)技術(shù)、云計(jì)算的快速發(fā)展，智能電網(wǎng)數(shù)據(jù)管理模式發(fā)生了本質(zhì)的改變，通過大數(shù)據(jù)技術(shù)可以有效解決電力故障信息系統(tǒng)中的不利因素。從現(xiàn)階段的智能變電站來看，為了有效監(jiān)控變電站中的設(shè)備設(shè)置了不同類型信息采集系統(tǒng)，形成的大量數(shù)據(jù)對(duì)變電站的檢修造成了不便，并且數(shù)據(jù)量較大，非常容易發(fā)生疏漏，大大降低了信息資源利用率。雖然經(jīng)過各方面研究，發(fā)展了多種快速處理智能變電站相應(yīng)數(shù)據(jù)的方法（例如專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等），但是都存在一定限制。本文以粗糙集遺傳算法為基礎(chǔ)提出了智能變電站數(shù)據(jù)信息約簡(jiǎn)算法，利用粗糙集所具有的約簡(jiǎn)能力提升結(jié)果的準(zhǔn)確性以及故障診斷速度[1]。

1 基于數(shù)據(jù)挖掘技術(shù)的遺傳算法

1.1 粗糙集技術(shù)概述

第一，粗糙集屬于數(shù)據(jù)挖掘技術(shù)的一種，應(yīng)用到了很多領(lǐng)域，不但能夠?qū)崿F(xiàn)冗余降低、無關(guān)數(shù)據(jù)決策，同時(shí)也能夠有效分析變電站歷史數(shù)據(jù)庫中的數(shù)據(jù)。同時(shí)，變電站實(shí)時(shí)數(shù)據(jù)分析時(shí)要避免較長的計(jì)算時(shí)間，所以數(shù)據(jù)挖據(jù)實(shí)施時(shí)一定要考慮到管理信息系統(tǒng)的離線以及在線算法的處理速度等。而粗糙集技術(shù)可以滿足數(shù)據(jù)處理速度的要求，并且處理方式較為便捷。

第二，粗糙集數(shù)據(jù)更多來自于信息系統(tǒng)以及決策系統(tǒng)，粗糙集行以及列代表著對(duì)象標(biāo)識(shí)符以及屬性，屬性值會(huì)隨著時(shí)間有所變動(dòng)。智能變電站會(huì)從上述兩系統(tǒng)中得到非常多的信息，尤其是智能變電站采用不同類型IED的情況下數(shù)據(jù)量更是呈幾何級(jí)數(shù)上升。但是很多數(shù)據(jù)都是冗余的，對(duì)于分析造成干擾。而粗糙集技術(shù)可以從原始數(shù)據(jù)中找到最小的有價(jià)值信息理論，能夠通過縮減的屬性來對(duì)系統(tǒng)進(jìn)行體現(xiàn)，稱此種屬性集為“簡(jiǎn)約”。因此通過IED數(shù)據(jù)得到關(guān)鍵數(shù)據(jù)的過程也稱之為簡(jiǎn)約過程，但是其速度相對(duì)較慢并且偶爾無法得到優(yōu)化結(jié)果，因此要通過遺傳算法提升簡(jiǎn)約速度，并且能夠得到最優(yōu)解。

1.2 基于粗糙集的遺傳算法

遺傳算法是獲取最小相對(duì)約簡(jiǎn)最為常用的方法之一，獲取最小相對(duì)約簡(jiǎn)是非常重要的，對(duì)于處理決策問題具有重要意義。

第一，編碼方法。在利用遺傳算法來處理約簡(jiǎn)問題時(shí)，首要處理的就是數(shù)據(jù)編碼方面的問題。在分析知識(shí)約簡(jiǎn)問題的具體特征之后，可以通過基于{0，1}符號(hào)集的二進(jìn)制一維形式進(jìn)行編碼。具體的編碼方式設(shè)置為：

設(shè)定條件屬性集合：C={c1，c2，…，cn}，條件屬性集能夠很便利的映射到遺傳算法的染色體，其中染色體為長度是n的二進(jìn)制位集，不同的位元素都會(huì)對(duì)應(yīng)相應(yīng)的屬性。例如元素取值為1，就表示選擇與之對(duì)應(yīng)的條件屬性，取值為0就表示不選擇與之對(duì)應(yīng)的條件屬性。因此每一個(gè)染色體和條件屬性中的一個(gè)屬性子集相對(duì)應(yīng)。

第二，選擇適應(yīng)值函數(shù)。在進(jìn)行個(gè)體元素適應(yīng)性評(píng)定過程中，最主要的指標(biāo)就是適應(yīng)值函數(shù)，因此所選定的適應(yīng)值函數(shù)直接影響著群體的進(jìn)化方向。按照具體問題的需要，可以設(shè)定適應(yīng)值函數(shù)具體為：

表中，f（x）表示目標(biāo)函數(shù)，n表示條件屬性集C的長度，card（x）表示個(gè)體x中1的個(gè)數(shù)，就是指?jìng)€(gè)體x中存在條件屬性集C的數(shù)量。f（x）表示不包含在個(gè)體x中屬性占比情況，能夠得知個(gè)體x和f（x）具有反比關(guān)系。P（x）表示懲罰函數(shù)，α表示懲罰因子。

通過上述公式能夠得到懲罰函數(shù)的特性曲線，如圖1所示。圖中k（x）表示：

x中所含條件屬性C對(duì)于決策屬性D的支持度情況，k0表示預(yù)先設(shè)定的閾值，通過合適α值的設(shè)定能夠確保懲罰函數(shù)在k（x）＞ k0的情況下無限接近1，并且在k（x）＜ k0的情況下會(huì)逐漸衰減到0，從另一個(gè)角度講，降低精度無法滿足k0的個(gè)體適應(yīng)值，不會(huì)對(duì)k0的個(gè)體適應(yīng)值造成影響。

適應(yīng)值函數(shù)F（x）為了能夠得到知識(shí)約簡(jiǎn)問題的最好搜索效果，要確保個(gè)體x中所具有的條件屬性集C的數(shù)量盡量小，個(gè)體x中所具有的條件屬性集C的決策屬性D的支持度盡量大。

第三，選擇運(yùn)算情況。在進(jìn)行運(yùn)算時(shí)可以設(shè)定群體量為m，被選概率可以表示為：

其中F（xj）表示個(gè)體適應(yīng)值。利用選擇運(yùn)算就能夠形成交叉運(yùn)算集合，父代種群中個(gè)體生存期望數(shù)目表示為：

通過選擇運(yùn)算能夠確保良好基因傳遞到后代。

第四，交叉運(yùn)算。為了能夠確保核中所含屬性相應(yīng)基因位的穩(wěn)定性，可以通過一致交叉運(yùn)算的方式來進(jìn)行，就是指染色體位串上每一位根據(jù)同樣概率實(shí)施隨機(jī)均勻交叉。操作描述具體情況設(shè)定為：

其中x設(shè)定值為[0，1]中滿足均勻分布的隨機(jī)變量，Pc表示交叉概率。

第五，最優(yōu)個(gè)體保護(hù)法。從根本上來看遺傳算法屬于近似的運(yùn)算方法，所以通過遺傳算法所得到的結(jié)果并非是完全準(zhǔn)確的。在具體計(jì)算過程中，此種近似算法所得結(jié)果雖然能夠接受，但是更為關(guān)注的則是算法的收斂性。最優(yōu)個(gè)體保護(hù)法就是保證每一代中適應(yīng)值最大的個(gè)體能夠進(jìn)入到下一次迭代當(dāng)中，此種方法能夠確保在算法執(zhí)行時(shí)每一代最優(yōu)個(gè)體特性表現(xiàn)出單調(diào)遞增的方式，能夠最大程度確保算法的收斂性。此種算法若是連續(xù)幾代最優(yōu)個(gè)體適應(yīng)值保持穩(wěn)定，就能夠獲取最優(yōu)解[2]。

2 相應(yīng)的仿真分析

2.1 仿真案例

本文主要以某110kV智能變電站為例對(duì)其實(shí)施仿真，此智能變電站通過同個(gè)電源供電的110/35kV智能變電站主要包括2臺(tái)變壓器，每一臺(tái)變壓器一般都運(yùn)行在50%-60%額定功率情況下。

2.2 仿真情況

第一，在啟動(dòng)仿真模擬之后的t=1s情況下，變壓器T2就發(fā)生了故障（在A-B之間），此時(shí)IED5以及IED7發(fā)生動(dòng)作而造成斷路器5以及斷路器7跳閘。在變壓器T2退出的情況下，T1的功率會(huì)有明顯上升（達(dá)到100%—110%）。因?yàn)楸Ｗo(hù)動(dòng)作具有速斷的特性，所進(jìn)行的仿真很快（t=3s）完結(jié)。

第二，IED可以直接從模型信號(hào)中實(shí)施采樣，但是所得數(shù)據(jù)存在大量不相關(guān)數(shù)據(jù)。對(duì)于IED所處狀況進(jìn)行定義，具體如表1所示。對(duì)IED沒有處理的數(shù)據(jù)

表1 狀態(tài)說明

通過遺傳約簡(jiǎn)算法進(jìn)行仿真，相應(yīng)參數(shù)設(shè)置如下：群體規(guī)模m=11，交叉概率Pc=0.8，懲罰因子α=15，預(yù)先設(shè)定的閾值k0=0.9。能夠在很短時(shí)間內(nèi)將冗余信息清除掉，能夠獲得最小相對(duì)約簡(jiǎn)IED5以及IED7。

第三，在進(jìn)行仿真時(shí)IED5以及IED7屬于故障分析的關(guān)鍵內(nèi)容，因?yàn)镮ED5存在著定向繼電器功能，所以更便于故障位置的判定。因?yàn)镮ED5以及IED7屬于最小簡(jiǎn)約，具有斷路器以及繼電器等方面的操作數(shù)據(jù)。將兩者中相應(yīng)的冗余信息去除掉，能夠得到上表的結(jié)果，其中0表示無動(dòng)作，1表示動(dòng)作。通過上表可知數(shù)據(jù)的規(guī)模有了明顯降低，更便于工作人員快速準(zhǔn)確的對(duì)故障進(jìn)行分析，可以提升對(duì)故障的處理速度，能夠大大降低故障對(duì)系統(tǒng)的影響，從而確保系統(tǒng)的安全性[3]。

3 結(jié)語

本文在分析傳統(tǒng)數(shù)據(jù)算法的基礎(chǔ)上，提出了基于數(shù)據(jù)挖掘技術(shù)的遺傳算法，將其用在智能變電站故障診斷方面，可以準(zhǔn)確、快速獲取最佳簡(jiǎn)約組合，對(duì)于約簡(jiǎn)結(jié)果進(jìn)行有效融合。通過在故障診斷中應(yīng)用分析決策表（能夠體現(xiàn)故障真實(shí)狀態(tài)），工作人員可以快速準(zhǔn)確的對(duì)故障進(jìn)行分析，對(duì)于故障位置進(jìn)行判定，從而及時(shí)采取措施進(jìn)行故障處理，確保系統(tǒng)的安全性。