数据挖掘技术在电力设备状态检修中的应用论文_姜凌霄1,霍圆方2

摘要：信息技术在电力行业中的应用越来越重要，本文介绍了数据挖掘的基本过程、方法及在我国电力系统的应用现状，分析了数据挖掘在电力设备状态检修和设备故障诊断中的应用状况，给出了基于数据挖掘的电力设备状态评估模型。

关键词：数据挖掘技术；电力设备；状态检修

0前言

我国电力设备的检修体制过去大多采用计划检修和故障检修，该体制存在很多缺陷，如临时性检修频繁，维修不足，维修过剩和盲目维修等，造成人力、物力、财力的浪费。

面对这些数据处理难度的增加，数据挖掘(DataMining)技术是近年来应运而生的新兴学科。它利用现有的数据库、人工智能、统计学、知识库等相关知识，以积累下来的历史数据为研究对象，通过对数据的归类、分析、处理，从而找出隐藏在其中的有用的知识，为管理干部和技术人员的决策支持提供有力的依据。

1数据挖掘技术概述

数据挖掘技术是数据库知识发现的关键技术，它是从大量的、不完全的、有噪声的、模糊的、随机的应用数据中，提取出隐含在其中的、人们事先不知道的但又是潜在的有用信息和知识的过程。

从大量的数据源中挖掘出有用知识的一般过程如图1所示。知识发现的过程由以下几个步骤组成。

图1 数据挖掘的一般过程

1.1数据清理与集成

这是数据预处理的前期部分，数据清理是通过填写空缺的值，平滑噪声数据，识别、删除孤立点，并解决不一致来清理数据。数据集成就是将来自多个数据源、数据立方体或文件中的数据按一定的规则集成到数据仓库中。

1.2数据选择和变换

数据选择就是根据用户挖掘的目的要求，大概选择出需要挖掘的数据范围。数据变换就是通过平滑、聚集、数据概化、规范化、特征构造等手段将数据转化为适合于挖掘的形式。

1.3数据挖掘

对已生成的预处理后数据，运用关联分析、分类和预测、聚类分析、孤立点分析、演变分析等方法，找出有用的知识。

1.4评估与表示

评估即根据兴趣度度量，与数据挖掘模块交互，将搜索聚焦在有趣的模式上，从而识别出所挖掘的知识中真正有趣的模式。知识表示即使用可视化和知识表示技术，向用户提供挖掘的知识。

2数据挖掘在电力系统中的应用

随着电力设备监测系统中数据规模的不断扩大，电力新技术的发展，以及各种监测设备的使用，将数据挖掘技术与状态检修相结合也是大势所趋。目前，致力于这方面的研究和应用越来越多，并取得了一定的成果。

国外有关数据挖掘方法在电力系统中应用的论文统计结果如图2和图3所示，从图2和图3可以看出，在电力系统领域的数据挖掘方法中，决策树是主流的方法，占88。6%；使用数据挖掘解决的具体问题主要有安全评估(48。8%)、故障诊断(11。6%)、电力系统控制(9。3%)、负荷预测(6。9%)、负荷拟合(6。9%)等。由于电力设备的状态检修就是以状态在线监测和故障诊断(占11。6%)为基础的，因此数据挖掘技术在电力设备状态检修领域的应用也占据不小的比重，发展空间广阔。此外，应用于故障诊断的主要方法有决策树、人工神经网络、统计分析和粗糙集等。

国内数据挖掘在状态检修中的应用并不普遍，仅在个别企业或部门少量使用；技术也不成熟，总体还处于初级阶段。目前，数据挖掘技术在发电厂设备、变压器、配电网设备及高压输电线路等的状态检修中已有研究和应用，如：采用模糊聚类和粗糙集理论分析汽轮机轴系振动的数据，得出相关规则对机组进行故障诊断；将粗糙集技术应用于高压输电线路的故障诊断；将决策树算法应用于变电站的电气设备在线监测系统等。

电力系统中，数据挖掘的处理过程要求有较深厚的电力系统知识，而该方面专业人才较为缺乏；目前电力设备的监测设备不够完善，只能从不完备的状态数据中挖掘规律；状态数据收集分布于各单位，缺少公共数据平台。这些都制约了状态检修的发展。国家电网公司已经提出统一输变电设备状态监测系统的要求，以满足坚强智能电网建设及生产精益化管理工作要求。目前福建电力公司、华东电网公司和华北电网公司都相继建立了状态监测系统，并与电力生产管理系统(PMS)实现数据共享，个别单位还开发了检修辅助决策系统。但在数据处理技术上普遍实力不足，这样便造成海量数据的利用率不高，且缺乏专门的机构负责技术的研发和推广。

对于涉及对在线监测数据的研究分析、数据挖掘技术的应用研究。图4为状态检修管理流程，其中的数据管理和专家诊断两个环节将涉及数据挖掘技术的应用研究。

3基于数据挖掘的电力设备状态评估系统

状态检修实质上就是建立一套设备的运行状态分析系统来判断设备的健康状况，以决定是否对其进行检修。基于数据挖掘的电力设备状态评估模型如图5所示。

图4 状态检修管理流程示意图 图5 基于数据挖掘的电力设备

状态评估模型

对电力设备状态进行评估，首先要收集设备的相关信息，包括设备的基础信息、历史运行数据及设备缺陷信息等。通过对设备历史运行数据和缺陷信息进行挖掘，得出设备缺陷情况下的特征值和设备关联参数值，方便用户对设备的历史情况进行查询和使用；设备当前监测值从实时数据库或试验中获得，是被分析的对象；设备健康状况分析就是以数据挖掘的结果为依据，对设备当前监测值进行对比分析，判断当前设备运行状态是否正常。

4结语

根据研究成果来看，应用最多的主要集中于电厂的发电设备，这与电厂发电设备的监测系统较完善有关。电力系统中的数据挖掘处理过程要求有较深的电力系统相关领域知识和理论指导，使挖掘算法和状态检修密切结合，开发适合状态检修专用的数据挖掘软件，使数据挖掘在状态检修中更好地发挥其优势，是数据挖掘在电力设备状态检修中应用的必然趋势。

参考文献

[1]张志磊电力信息系统中单一登录和访问控制方法的研究[D].华北电力大学(保定),2007.

[2]仇卫东.电网规划基础数据管理分析[J].电力建设,2011(10).

[3]徐鑫.安徽电力公司ERP项目实施研究[D].合肥工业大学,2011.

[4]史小梅.数据挖掘在电力决策支持系统中的应用[J].上海电力学院学报,2010(4).

论文作者:姜凌霄1,霍圆方2

论文发表刊物:《基层建设》2018年第29期

论文发表时间:2018/12/12

标签：数据挖掘论文;  状态论文;  数据论文;  设备论文;  电力设备论文;  技术论文;  知识论文;  《基层建设》2018年第29期论文;