摘要：通过对高压输电线路自动运维风险评估，提高高压输电的安全性和稳定性，提出一种基于分段预白化模糊预测的高压输电线路自动运维风险评估方法。构建高压输电线路自动运维风险指数大数据模型，采用大数据属性特征分类方法进行运维风险决策，构建模糊决策函数，结合输电线路的自动运维风险评估数据的规则进行分段预白化匹配检测，对检测的运维风险评估数据进行模糊聚类处理，实现对运维风险评估数据的特征提取，根据特征提取结果进行最大熵分析，实现运维风险评估优化。仿真结果表明，采用该方法进行高压输电线路自动运维风险评估的决策准确性较好，风险评估的可靠性较强，置信度较高。
关键词：高压输电线路；运维风险评估；模糊决策；大数据分析
引言
输电线路的荷载和业务传输量不断增多，输电线路承载大负荷的电能输送，对输电线路的运维风险管理成为一个难题。为了保证高压输电线路的稳定可靠性运行，提高高压输电线路运行工况的稳定性，需要对输电线路的用电情况和电力输送情况进行运行状态监测和评估，结合故障分析和状态监测方法，实现对输电线路的自动运维风险管理，这成为高压输电线路运维风险管理的主要内容。研究高压输电线路自动运维风险评估方法在输电线路的状态监测和输电线路的故障分析等领域具有重要意义。
1高压输电线路运维风险评估数据采集与数据特征分析
传统方法主要采用模糊均值风险评估方法和决策树的运维评估数据分析方法，根据高压输电线路自动运维风险评估的先验统计量进行相关性拟合，实现风险评估决策，提高运维风险评估的准确性，但上述方法进行高压输电线路自动运维风险评估中存在计算开销过大和对高压输电线路自动运维风险评估的先验知识依赖性较大的问题。
针对上述问题，本文提出一种基于分段预白化模糊预测的高压输电线路自动运维风险评估方法。构建高压输电线路自动运维风险指数大数据模型，采用大数据属性特征分类方法进行运维风险决策，构建风险评估的模糊决策模型，结合输电线路的自动运维风险评估数据的规则进行分段预白化匹配检测，对检测的运维风险评估数据进行模糊聚类处理，实现对运维风险评估数据的特征提取和风险评估，最后进行仿真测试，展示了本文方法在实现高压输电线路自动运维风险优化评估中的应用性能。
1.1高压输电线路运维风险评估总体构架及数据采集
为了实现基于模糊决策和特征提取的高压输电线路运维风险评估，首先需要采用传感器模型进行高压输电线路的运维风险评估数据采集，构建高压输电线路的网络传输模型和路由分发模型，在各个高压传输线路的运维数据采集节点中进行传感器部署设计，建立开放式的数据采集链路模型，设计高压输电线路自动运维风险评估数据分析模块和业务数据处理模块7-9，采用三层结构体系进行高压输电线路自动运维风险评估与决策，根据上述总体分析描述，得到高压输电线路自动运维风险评估的总体结构模型如图1所示。
在图1所示的高压输电线路自动运维风险评估的总体结构模型中，在分布式的数据采集层，得到的高压输电线路自动运维风险评估数据采集的分布线性模型为：
其中e为误差项，它表示的高压输电线路自动运维风险评估数据在闭环链路层中的采样误差，输出的Y表示的高压输电线路自动运维风险评估指数序列的先验规则函数M，到n组大数据信息流为：
根据上述先验规则知识采集结果，进行高压输电线路自动运维风险评估数据的大数据挖掘和特征分析。
1. 2运维风险决策模型及特征提取
构建高压输电线路自动运维风险指数大数据模型，给出运维风险评估的惯性权重W={%，…，％}，设高压输电线路自动运维风险评估的特征相似度结点可表示为C（（A，B），P），运维风险评估的模糊决策函数的概率密度特征量为P（（A，B））=.T.（逻辑值为真），，Ep（G）称为相似度函数，BEp（M）称为风险评估的信息熵，且A，B同时满足以下两个条件：
采用特征分解方法，得到高压输电线路自动运维风险评估的特征映射描述为y—uTy，x—x1vT。采用数据聚类方法进行运维风险评估数据挖掘，根据特征挖掘结果进行风险评估。
2高压输电线路自动运维风险评估优化实现
在上述构建高压输电线路自动运维风险指数大数据模型，采用大数据属性特征分类方法进行运维风险决策的基础上，进行高压输电线路自动运维风险评估模型的优化设计，提出_种基于分段预白化模糊预测的高压输电线路自动运维风险评估方法，构建分段预白化模糊决策函数分别为：
上式作为高压输电线路运维风险评估的调度函数，式中，为高压输电线路运维风险评估数据采集的阶数，a为分段预白化的阶数。根据特征提取结果进行最大熵分析，实现运维风险评估优化，根据上述数学建模，实现对高压输电线路自动运维风险评估优化。
3仿真实验与结果分析
为了测试本文方法在实现高压输电线路自动运维风险评估中的性能，进行仿真实验，实验采用Mat-lab7设计，数据分析软件为SPSS1.0，高压输电线路的覆盖范围为100*100，输电线路的运维管理节点为1000，对运维管理数据采样的时间长度为1000s，最大采样频率为100KHz，对运维风险评估数据的初始采样频率为12KHz，累积采集的高压输电线路的运维数据样本集为18922，运维风险评估的状态集规模为10024，关联系数为0.23，根据上述仿真参量设定，得到采集的高压输电线路自动运维风险评估数据集如图2所示。
以图2采集的运维风险评估数据集为测试样本，进行运维风险评估预测，得到风险评估的输出值和估计模型如图3所示。
自动运维风险评估，输出真值与估计值的拟合性较好，说明评估的准确性较好。测试不同方法进行风险评估的误差，得到结果。随着迭代步数增大，不同方法进行高压输电线路自动运维风险评估的误差都在逐步收敛下降，但本文方法的收敛误差最低，收敛误差比传统方法降低15.6%，迭代步数减少20，提高了运维风险评估的准确性和快速性。
结束语：
综上所述，为了保证高压输电线路的稳定可靠性运行，提高高压输电线路运行工况的稳定性，需要对输电线路的用电情况和电力输送情况进行运行状态监测和评估，结合故障分析和状态监测方法，实现对输电线路的自动运维风险管理，本文提出一种基于分段预白化模糊预测的高压输电线路自动运维风险评估方法。采用大数据属性特征分类方法进行运维风险决策，结合输电线路的自动运维风险评估数据的规则进行分段预白化匹配检测，对检测的运维风险评估数据进行模糊聚类处理，实现对运维风险评估数据的特征提取和风险评估。研究得知，本文方法进行高压输电线路运维风险评估的准确性较好，收敛性较强。
参考文献：
[1]黄伟，庞琳，曹彬，等.基于分区解耦的配电网状态估计的分布式并行计算J].电力系统保护与控制，2014，42（15）：45-51.
[2]张建华，曾博，张玉莹，等.主动配电网规划关键问题与研究展望J].电工技术学报，2014，29（2）：13-23.
[3]陈盛，吕敏.电力用户高压输电线路运维风险评估数据采集系统及其应用J].供用电，2011，28（4）：45-49.
[4]张巍，阎立.下一代互联网在智能电网中的应用J].电力系统通信，2012，33（242）：95-100.
[5]陈雯雯，王亚林，周杰.三维统计信道中的多普勒效应及其信号分析J].计算机科学，017，4（3）：84-88，131.
论文作者:沈赛博
论文发表刊物:《电力设备》2018年第30期
论文发表时间:2019/3/26
标签：风险评估论文; 线路论文; 高压论文; 数据论文; 方法论文; 特征论文; 模糊论文; 《电力设备》2018年第30期论文;