（国网滨州供电公司 256600）
摘要：随着信息技术的迅速发展，数据库规模的扩大带来了大量的数据。但大量的数据往往使人们无法辨别隐藏在其中的能对决策提供支持的信息，而传统的查询和报表工具无法满足挖掘这些信息的需求。数据挖掘技术就是通过处理大量的数据并从中抽取有价值的潜在信息的一种新的数据分析技术。本文分析了数据挖掘技术在输电线路运检中的应用。
关键词：输电线路；运检；数据挖掘技术；应用
一、数据挖掘技术的功能及方法
数据挖掘旨在从大量不完全的、有噪声的且模糊的随机数据中，提取隐含其中的、事先未知的而又有潜在作用的信息和知识。
1.1数据挖掘的功能
数据挖掘所能发现的知识模式与其功能是密切相关的。数据挖掘综合多门学科技术，其主要功能如下：
（1）概念描述：通过比较、对比和分析某类对象的属性数据，用简练概括的语言描述该对象的本质含义；
（2）关联模式：在看似无关的大量数据中，发现信息之间隐含的相关性；
（3）分类：把看似无规律的对象按照一定的规则对其进行归类处理；
（4）聚类分析：按照分类的思想，利用不同计算距离的算法，对研究对象进行划归聚集处理；
（5）预测：根据事物的过去和现在的状况推度其未来发展趋势；
（6）时间序列：利用事物发展的连续性及不与过去割裂发展的性质，推断事物未来的发展状况；
（7）偏差分析：探测数据现状、历史记录或标准之间的显著变化和偏离情况，以发现隐含的有趣知识。
二、数据挖掘在输电线路状态检修中的方法分析运用
输电线路的状态检修工作基本包括6个环节：状态检测、状态评价、故障诊断、预测评估、风险评价以及决策建议，每个环节都应依据相应的技术标准和准则进行。本文仅对状态评价、预测评估和故障诊断3个环节可采用的数据挖掘方法进行分析。
2.1状态评价
输电线路状态评价是一项复杂的系统工程，涉及多层次、多系统问题，它是借鉴以往发现的缺陷和故障的经验，通过巡视检修、停电检查、带电测量、在线监控等技术手段获取状态信息，依据相应的数学模型对状态信息进行分析计算，最终得出线路总体状态等级的过程。
2.1.1灰色评价法
灰色评价法的思想是以状态量与其组成要素之间的层次结构为基础，根据少量的信息，运用灰色理论构建完善的数学模型，得出对系统的总体评价，同时还可以得出不同评价对象的排序。输电线路的状态信息比较少且不容易获取，因此可利用灰色评价法对输电线路的状态进行评价。评价后，可以选择相应的检修策略。
2.1.2贝叶斯网络法
贝叶斯网络法是人工智能领域不确定知识表达和推理技术的主流方法，它将数学中的概率理论与图论相结合，能较好地量化复杂系统中普遍存在的不确定性因素。该网络可以得出更加精确的结论，所建模型具有良好的智能性。
期刊文章分类查询,尽在期刊图书馆
2.2预测评估
输电线路预测评估主要是预测输电线路运行状态的未来发展趋势，并根据预测结果确定是否调整线路的运行方式，或确定线路的检修时间、检修类型及检修范围。输电线路预测评估基于状态评价的预测。输电线路的预测状态量呈现一定的规律性，在较短的时间内，变化量均不会太大。输电线路的预测评估可以采用2种方式：一种是对线路的整体状态分值进行预测，不再对单一预测状态量进行预测计算；另一种是分别对预测状态量进行预测，在其他状态量保持不变的情况下对线路状态进行预测评估。常用的预测模型有以下2种。
2.2.1时间序列预测模型
时间序列是社会经济现象或自然现象的某种指标按照时间先后顺序排列的数字序列，包含2个要素：对应的指标值及现象所具有的时间属性。
2.3故障诊断
输电线路的故障诊断是通过对输电线路运行中的状态量进行测量，判断故障原因和损伤程度，确定缺陷部位。输电线路故障诊断的核心是掌握线路状态量的变化、建立合理的数学模型和提出科学的判断边界条件。故障诊断主要有以下几种方法。
2.3.1人工神经网络分析法
人工神经网络是模仿人的大脑神经元结构特性而建立的一种非线性动力学系统。它由大量简单的非线性单元互联、并联而成，作为1种新的模式识别技术方法，在故障诊断领域中有广阔的前景。
2.3.2粗糙集故障诊断
粗糙集故障诊断方法不需要任何附加的数据及初始信息，通过对不精确、不完整数据进行分析，发现其中的特征关系，得到简明扼要的知识表达形式。利用粗糙集进行输电线路故障诊断时，先对输电线路大量故障征兆及故障类型进行分析汇总，以故障类型和故障征兆作为决策的基础；粗分故障类型后，做出故障决策表，再运用粗糙集进行约简，获得细分的诊断规则，形成相应的规则集；最后在规则集中进行查询，得到细分诊断结论。
三、输电线路状态检修中数据挖掘的应用
3.1状态评价方法
线路单元由8个单元模块构成，即基础、杆塔、导地线、绝缘子、金具、接地装置、附属设施、通道环境，分别表示为X1，X2，？X8依据国家电网发行的《110（66）kV～500kV架空输电线路评价标准（试行）》的内容，对每条线路的各个单元进行评分。各个单元作为输电线路的属性变量，其评分即为属性变量的属性值。运用主成分分析法来降低维数，可得出各条线路的主成分得分，通过排序来确定线路维修的重点。
3.2线路故障预测
为了方便分析，对模型进行了简化，只考虑2个指标变量：X1和X2，Y为结果变量。X1有2类取值0和1，分别代表“好”和“差”；X2有3类取值，A、B、C，分别表示“优”、“良”、“差”；Y有2类取值，S和N，S表示有故障，N表示无故障。可以根据实际需要增加变量及变量分类值。利用朴素贝叶斯分类法可以预测X1和X2的所有组合的Y的类型，如X1为1，X2为A时，Y的值为S还是N。这样的不确定性就需要通过收集数据来消除，得到后验概率。同理，把每条线路各单元模块和线路状态分等级后，也可以根据上述类似的过程求出各组合的线路运行状况。对于判定为线路运行状态差的组合，其各单元模块的组合即作为可能的故障点加以重视。将此分析应用于线路故障预测中，即在线路运行状态为不良的条件下，对故障点发生在基础、杆塔、导地线、绝缘子、金具、接地装置、附设设备、通道环境8个单元模块的概率进行逆推，进而排序，可进一步诊断出故障点的位置。
结论
通过将数据挖掘技术与输电线路状态检修的某些环节相结合，对线路进行状态评价，从而确定检修的重点；通过预测线路在相应运行状态下发生故障的可能性及确定相应状态下线路的检修策略，可实现对输电线路由事后检修到事前预防的转变，从而提高输电线路的管理效率，降低故障损失。
参考文献：
[1]冯剑飞，王臻卓.基于正态云模型的架空输电线路状态评估[J].机电信息.2011（24）
[2]牛自强.数据挖掘技术综述[J].安阳大学学报，2004，10（2）：43-45.
[3]郇嘉嘉.电网设备状态检修策略的研究[D].广州：华南理工大学，2012.
作者简介：
夏瑞瑞；男（1985.11）单位；国网滨州供电公司 工程师 专业方向；输电运检。
论文作者:夏瑞瑞
论文发表刊物:《电力设备》2015年8期供稿
论文发表时间:2016/3/10
标签：线路论文; 状态论文; 故障论文; 数据挖掘论文; 评价论文; 故障诊断论文; 数据论文; 《电力设备》2015年8期供稿论文;