智能變電站三層兩網(wǎng)結(jié)構(gòu)下二次系統(tǒng)運(yùn)檢關(guān)鍵點(diǎn)分析

鄒子豪，鄧 輝

（國(guó)網(wǎng)湖北省電力有限公司武漢供電公司，湖北 武漢 430014）

0 引言

目前來看，智能變電站的占有率呈逐年上升的趨勢(shì)，三層兩網(wǎng)這一結(jié)構(gòu)亦更加的完善。但這也給運(yùn)檢人員帶來了新的關(guān)注點(diǎn)，三層兩網(wǎng)結(jié)構(gòu)的關(guān)鍵點(diǎn)還不明確，目前需要花費(fèi)較多時(shí)間進(jìn)行經(jīng)驗(yàn)總結(jié)，影響了工作效率。關(guān)鍵點(diǎn)則指的是其中功能較為重要，需要重點(diǎn)關(guān)注的設(shè)備，一旦發(fā)生故障將會(huì)對(duì)整個(gè)三層兩網(wǎng)結(jié)構(gòu)造成較大影響。

因此運(yùn)檢人員對(duì)三層兩網(wǎng)的關(guān)鍵點(diǎn)進(jìn)行分析，通過查閱實(shí)際工作中記錄的數(shù)據(jù)，可以發(fā)現(xiàn)關(guān)鍵點(diǎn)中存在著一定的相關(guān)性。那么引入數(shù)據(jù)挖掘算法［1-8］，對(duì)關(guān)鍵點(diǎn)進(jìn)行關(guān)聯(lián)性分析［9-15］便成為了可能。

文中利用經(jīng)典關(guān)聯(lián)分析算法Apriori 算法［16-24］，對(duì)智能變電站三層兩網(wǎng)結(jié)構(gòu)中的關(guān)鍵點(diǎn)進(jìn)行關(guān)聯(lián)規(guī)則挖掘［25-30］。借助該算法可協(xié)助運(yùn)檢人員更快找出三層兩網(wǎng)結(jié)構(gòu)中的關(guān)鍵點(diǎn)，在某些方面提高變電站運(yùn)行穩(wěn)定性。

1 關(guān)鍵點(diǎn)分析

對(duì)于智能變電站來說，三層兩網(wǎng)結(jié)構(gòu)是由站控層、間隔層、過程層、站控層網(wǎng)絡(luò)、過程層網(wǎng)絡(luò)五個(gè)部分共同組成。站控層包括監(jiān)控主機(jī)、數(shù)據(jù)通信網(wǎng)關(guān)、數(shù)據(jù)服務(wù)器、綜合應(yīng)用服務(wù)器、PMU 數(shù)據(jù)集中器和計(jì)劃管理終端等；間隔層包括繼電保護(hù)裝置、測(cè)控裝置、故障錄波裝置、網(wǎng)絡(luò)記錄分析儀、穩(wěn)控裝置等；過程層包括合并單元、智能終端、智能組件等；站控層網(wǎng)絡(luò)包括站控層中心交換機(jī)和間隔交換機(jī)；過程層網(wǎng)絡(luò)包括GOOSE網(wǎng)絡(luò)和SV網(wǎng)絡(luò)。

面對(duì)三層兩網(wǎng)結(jié)構(gòu)中數(shù)量如此龐雜的設(shè)備，尋找并發(fā)現(xiàn)其中存在的關(guān)鍵點(diǎn)，能夠?yàn)樽冸娬痉€(wěn)定運(yùn)行提供有力的支持。然而僅憑運(yùn)檢人員的經(jīng)驗(yàn)總結(jié)，無法量化分析關(guān)鍵點(diǎn)。因此借助數(shù)據(jù)挖掘算法中的關(guān)聯(lián)分析算法Apriori，可以對(duì)運(yùn)行過程中出現(xiàn)的大量數(shù)據(jù)進(jìn)行高效準(zhǔn)確分析，并尋找出其中的關(guān)聯(lián)規(guī)則，便于三層兩網(wǎng)結(jié)構(gòu)關(guān)鍵點(diǎn)的確定，并且指導(dǎo)運(yùn)檢人員更精確地對(duì)三層兩網(wǎng)結(jié)構(gòu)關(guān)鍵點(diǎn)出現(xiàn)的設(shè)備故障進(jìn)行處理。

2 關(guān)鍵點(diǎn)關(guān)聯(lián)規(guī)則建模

面對(duì)智能變電站三層兩網(wǎng)結(jié)構(gòu)中涉及到的大量設(shè)備，可采用關(guān)聯(lián)分析算法進(jìn)行數(shù)據(jù)挖掘并尋找出其中的關(guān)鍵點(diǎn)。為了直觀分析其中的關(guān)聯(lián)規(guī)則，建立了相應(yīng)的算法模型以便理解。建模的流程圖如圖1所示。

圖1 三層兩網(wǎng)關(guān)鍵點(diǎn)關(guān)聯(lián)規(guī)則建模流程圖Fig.1 Three-layer two-network key point association rule modeling flowchart

數(shù)據(jù)挖掘開始之前，應(yīng)當(dāng)進(jìn)行數(shù)據(jù)預(yù)處理。隨后將智能變電站三層兩網(wǎng)結(jié)構(gòu)中涉及到的設(shè)備，按照結(jié)構(gòu)分為五大部分，分別是：站控層、間隔層、過程層、站控層網(wǎng)絡(luò)以及過程層網(wǎng)絡(luò)。隨后分別對(duì)各個(gè)部分進(jìn)行關(guān)聯(lián)分析，采用Apriori 算法，引入支持度、置信度以及提升度，從3 個(gè)維度來驗(yàn)證所得出關(guān)聯(lián)規(guī)則的可靠性與準(zhǔn)確性，從而得出每個(gè)部分的關(guān)鍵點(diǎn)所在。最后利用得出的關(guān)聯(lián)規(guī)則，即可形成關(guān)鍵點(diǎn)分析數(shù)據(jù)庫(kù)，為智能變電站三層兩網(wǎng)結(jié)構(gòu)關(guān)鍵點(diǎn)的確定提供支持。

3 利用Apriori算法進(jìn)行關(guān)鍵點(diǎn)分析

文中采用的Apriori 算法是一種古典關(guān)聯(lián)分析算法，其原理是：如果某個(gè)項(xiàng)集是頻繁的，那么它的所有子集也是頻繁的。同時(shí)研究人員指出Apriori 算法可以幫助減少計(jì)算量，它能夠按照專家經(jīng)驗(yàn)設(shè)置的支持度、置信度、提升度，對(duì)數(shù)據(jù)集進(jìn)行反復(fù)迭代的同時(shí)剔出不符合條件的數(shù)據(jù)，從大規(guī)模數(shù)據(jù)集中尋找事物間的隱含關(guān)系，即頻繁項(xiàng)集?；谶@種特性，借助該算法可以從變電站二次系統(tǒng)海量數(shù)據(jù)中發(fā)現(xiàn)其中的關(guān)鍵點(diǎn)之間存在的關(guān)聯(lián)規(guī)則，從而實(shí)現(xiàn)三層兩網(wǎng)結(jié)構(gòu)關(guān)鍵點(diǎn)的確定。

在關(guān)聯(lián)規(guī)則分析中，通常需要引入限定條件，來使得分析結(jié)果更加準(zhǔn)確。文中采用的是支持度、置信度以及提升度3個(gè)限定條件來對(duì)分析結(jié)果進(jìn)行處理。接下來，以項(xiàng)目集N為例，處理事物X與事物Y之間的關(guān)聯(lián)規(guī)則。

1）支持度（support）：在所有的數(shù)據(jù)中，{X，Y}出現(xiàn)的可能性，即項(xiàng)目集中{X，Y}同時(shí)出現(xiàn)的概率，如式（1）所示。

式（1）中，N表示項(xiàng)目集的總數(shù)，是判斷關(guān)聯(lián)規(guī)則可靠性的約束條件，能計(jì)算出關(guān)聯(lián)規(guī)則的出現(xiàn)頻率。通過設(shè)定最小支持度的閾值（minsup），消去出現(xiàn)頻次較低的非頻繁項(xiàng)集，使頻繁出現(xiàn)的關(guān)聯(lián)規(guī)則得以保留，篩選出滿足式（2）的項(xiàng)集Z，即為頻繁項(xiàng)集。

2）置信度（confidence）：在關(guān)聯(lián)規(guī)則中的事物X已經(jīng)出現(xiàn)的情況下，另一關(guān)聯(lián)規(guī)則事物Y出現(xiàn)的概率，即含有X項(xiàng)集情況下，同時(shí)含有Y項(xiàng)集的概率，如式（3）所示。

3）提升度（lift）：指事物X和事物Y一同出現(xiàn)的頻率，提升度大于1且越高表明正相關(guān)性越高，提升度小于1且越低表明負(fù)相關(guān)性越高，提升度等于1表明沒有相關(guān)性，如式（4）所示。

經(jīng)過支持度、置信度以及提升度的篩選，即可消除非頻繁項(xiàng)集，得出有效的關(guān)聯(lián)規(guī)則。

4 算例分析

為尋找三層兩網(wǎng)結(jié)構(gòu)的關(guān)鍵點(diǎn)，從供電公司搜集了近3年某市110 kV以及22 kV智能變電站三層兩網(wǎng)設(shè)備發(fā)生的全部異常運(yùn)行情況，對(duì)三層兩網(wǎng)設(shè)備與發(fā)生在其中的故障進(jìn)行關(guān)聯(lián)規(guī)則分析。

經(jīng)數(shù)據(jù)預(yù)處理后，篩選出共計(jì)1 028條數(shù)據(jù)用于數(shù)據(jù)挖掘，分析了三層兩網(wǎng)設(shè)備與設(shè)備故障之間的關(guān)聯(lián)規(guī)則；結(jié)合專家經(jīng)驗(yàn)，設(shè)置最小支持度為0.3，最小置信度為0.7，采用Apriori 算法對(duì)數(shù)據(jù)集進(jìn)行挖掘，尋找其中存在的關(guān)聯(lián)規(guī)則，并在得出關(guān)聯(lián)規(guī)則結(jié)果后，計(jì)算其提升度，刪去提升度小于1的項(xiàng)集。

為驗(yàn)證關(guān)聯(lián)規(guī)則分析的準(zhǔn)確性，文中將前兩年共計(jì)630 條數(shù)據(jù)作為訓(xùn)練樣本集，建立設(shè)備缺陷關(guān)聯(lián)性分析數(shù)據(jù)庫(kù)；再將第三年共計(jì)398條數(shù)據(jù)作為測(cè)試集，對(duì)挖掘到的關(guān)聯(lián)規(guī)則進(jìn)行匹配與驗(yàn)證。

首先對(duì)訓(xùn)練樣本集的630 條數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，將置信度與支持度作為約束條件得到三層兩網(wǎng)設(shè)備與發(fā)生在其中的故障之間關(guān)聯(lián)規(guī)則，如表1所示。

表1 訓(xùn)練樣本集中發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則Table 1 Association rules found in the training sample set

然后對(duì)訓(xùn)練樣本集進(jìn)行數(shù)據(jù)學(xué)習(xí)，挖掘三層兩網(wǎng)設(shè)備與發(fā)生在其中的故障之間存在的關(guān)聯(lián)規(guī)則并存入關(guān)鍵點(diǎn)分析數(shù)據(jù)庫(kù)。

分析數(shù)據(jù)挖掘出的關(guān)聯(lián)規(guī)則，從表1中的序號(hào)2可以得出，運(yùn)檢人員在日常工作時(shí)，對(duì)間隔層的繼電保護(hù)裝置光纖應(yīng)著重注意，如若出現(xiàn)故障會(huì)影響保護(hù)裝置正常運(yùn)行，可以視為三層兩網(wǎng)結(jié)構(gòu)的一個(gè)關(guān)鍵點(diǎn)。而通過表1中的序號(hào)4能夠發(fā)現(xiàn)，站控層中心交換機(jī)是站控層網(wǎng)絡(luò)中至關(guān)重要的一環(huán)，若出現(xiàn)故障將影響全站的通訊功能，有可能使得變電站陷入半癱瘓狀態(tài)。通過Apriori 算法挖掘到的關(guān)聯(lián)規(guī)則建立數(shù)據(jù)庫(kù)，能夠發(fā)現(xiàn)智能變電站三層兩網(wǎng)結(jié)構(gòu)中存在的關(guān)鍵點(diǎn)。表1篩選出的8 條數(shù)據(jù)，其提升度均大于1，可以認(rèn)為它們之間存在著強(qiáng)關(guān)聯(lián)規(guī)則，即可認(rèn)為以上8 條關(guān)聯(lián)規(guī)則即為智能變電站三層兩網(wǎng)結(jié)構(gòu)中存在的關(guān)鍵點(diǎn)。

之后將第3年的398條數(shù)據(jù)作為測(cè)試集，對(duì)訓(xùn)練樣本集中發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則進(jìn)行驗(yàn)證：將訓(xùn)練樣本集通過數(shù)據(jù)挖掘得出的三層兩網(wǎng)關(guān)鍵點(diǎn)（如表1所示）與測(cè)試集中通過實(shí)際統(tǒng)計(jì)得到的三層兩網(wǎng)關(guān)鍵點(diǎn)結(jié)果進(jìn)行對(duì)比，根據(jù)結(jié)果得出文中所采用方法的準(zhǔn)確性，如圖2所示。

圖2 三層兩網(wǎng)關(guān)鍵點(diǎn)分析驗(yàn)證流程圖Fig.2 Three-layer two-network key point analysis and verification flow chart

最后，將驗(yàn)證的結(jié)果進(jìn)行統(tǒng)計(jì)，如表2 所示，以便直觀得出文中方法對(duì)智能變電站三層兩網(wǎng)結(jié)構(gòu)關(guān)鍵點(diǎn)分析的準(zhǔn)確性。為排除季節(jié)對(duì)三層兩網(wǎng)設(shè)備的影響，將時(shí)間劃分為四季，分時(shí)間段驗(yàn)證準(zhǔn)確性。從結(jié)果可看出，文中提出的方法對(duì)于三層兩網(wǎng)關(guān)鍵點(diǎn)的查準(zhǔn)率可達(dá)85%以上。

表2 文中算法的關(guān)鍵點(diǎn)查準(zhǔn)率Table 2 The key point precision rate of the algorithm in the article

5 結(jié)語

文中將智能變電站三層兩網(wǎng)的結(jié)構(gòu)按照結(jié)構(gòu)類型分為5 種進(jìn)行分析，采用Apriori 算法篩選出三層兩網(wǎng)設(shè)備與發(fā)生在其中的故障之間的關(guān)聯(lián)規(guī)則，得出該算法的準(zhǔn)確性。

結(jié)果表明：利用文中算法，可較為高效發(fā)現(xiàn)智能變電站中三層兩網(wǎng)設(shè)備與發(fā)生在其中的故障之間的關(guān)聯(lián)規(guī)則，能夠發(fā)現(xiàn)其中的關(guān)鍵點(diǎn)，為運(yùn)檢人員的日常維護(hù)檢修工作提供支持。

由于智能變電站三層兩網(wǎng)結(jié)構(gòu)較為復(fù)雜且重要，而運(yùn)檢人員的經(jīng)驗(yàn)尚不夠豐富，無法高效發(fā)現(xiàn)三層兩網(wǎng)結(jié)構(gòu)中的關(guān)鍵點(diǎn)。而借助文中的關(guān)聯(lián)分析算法則能夠?qū)Υ罅康臍v史數(shù)據(jù)進(jìn)行有效的處理，并得出其中存在的關(guān)鍵點(diǎn)，協(xié)助運(yùn)檢人員在日常工作中對(duì)三層兩網(wǎng)結(jié)構(gòu)的關(guān)鍵點(diǎn)進(jìn)行重點(diǎn)維護(hù)，為變電站穩(wěn)定運(yùn)行提供支持。