《大数据技术的电网故障智能诊断方法研究》由会员分享，可在线阅读，更多相关《大数据技术的电网故障智能诊断方法研究（7页珍藏版）》请在金锄头文库上搜索。
1、 大数据技术的电网故障智能诊断方法研究 摘要：针对目前已有的电网故障，智能诊断技术在诊断方式上较多采用单一智能诊断方法，存在协同研究少，信息的综合利用少等问题，本文提出了基于大数据技术的电网故障智能诊断方法。首先简要介绍了主要诊断方法和不足。然后分别对基于人工神经网络算法的故障预判方法、基于粗糙集方法的故障分类方法、基于决策树算法的设备寿命分析评估方法进行了研究，并且分析了电力系统故障诊断的发展趋势，可以帮助对电网故障智能诊断方法进行正确的选择，以促进故障诊断工作的顺利开展。关键词：大数据技术；电网故障；智能诊断方法一、主要诊断方法和不足综合国内外学者在智能电网故障诊断的成果，可以总结出广泛应
2、用的智能故障诊断方法主要包括以下：专家系统、人工神经网络、贝叶斯网络、优化技术、支持向量机、模糊集理论等。但是这些技术都在某方面存在一些不足之处。综合表现在以下几点：第一，这些智能故障诊断技术，一般都是基于电力系统的局部信息，不具有全局故障诊断型。即使有些方法能进行电力系统全局信息的监控，也只是浅层次的故障诊断和分析；第二，有些诊断方法都是理论型的，对于电力系统的实际应用还存在很多不够全面深入的；第三，在故障信息处理上，由于现代化电力系统变得多层次化、多种类化、数字化等特点，使得故障诊断需要分析的数据量巨大，难以快速有效处理。同时由于故障信息的传送缺失和噪声干扰，故障信息变得不准确。二、智能故
3、障诊断融合方法2.1基于人工神经网络算法的故障预判方法2.1.1算法人工神经网络是一种典型的分类预测算法，是将大量的神经元以不同的方式进行连接而组建成不同的网络的一种运算模型。其中的每一个节点代表一个用于连接信号的加权值，相当于输出函数。整个网络会因为网络的节点、连接方式及加权值的不同而不同。人工神经网络因其独特的联想记忆能力、并行处理等特点，在电力系统中应用广泛。电网中可以应用人工神经网络将不同的故障组合，产生不同的故障信息组合，可以将故障诊断问题视为模式识别问题，采用人工神经网络进行处理。2.1.2应用在传统模式中，电网监控员根据已有的经验，通过对接收到的告警信号、遥测信号进行判断，确定电
4、网故障的发生。人工神经网络可以有效模拟人类思考的逻辑，指导人类进行决策。使用神经网络结合粗糙集算法解决此问题，输入数据为多次故障数据、故障发生时刻遥测信号、故障发生前告警信号、非故障时遥测信号、非故障时告警信号。首先使用粗糙集算法对决定故障发生的告警信号进行约简，以便提高使用神经网络建模的效率；然后使用迭代方法计算输出神经网络的网络参数，确定网络模型。使用此模型对未发生的故障进行预测时，需要输入实时信号数据，输出结果为模型预判的故障结果（故障或正常）。2.2基于粗糙集方法的故障分类方法2.2.1算法粗糙集是一种处理不精确、不确定和不完全数据的数学方法。它不需要附加信息或先验知识，通过对数据的分
5、析和推理来发现隐含的知识，揭示潜在的规律，核心是利用等价关系来对对象集合进行划分。粗糙集理论提出了知识的约简方法，是在保留基本知识和对象的分类能力不变的基础上，消除重复、冗余的属性和属性值，得到包含决策属性的最小子集，能够很好地近似分类，得到可以接受质量的分类。2.2.2应用家族性缺陷是指同一厂家生产的不同型号、不同规格、不同系列，甚至不同品种电力设备，在运行中出现的同一类缺陷，可能由产品工艺、材料、设计理念和思路等因素造成。在电网运行的过程中，潜在的家族性缺陷对电网运行的威胁性极大，一旦出现将会造成大范围的不良影响，甚至导致供电瘫痪。因此，在发现某些设备存在缺陷时，及时分析家族性缺陷存在的可
6、能性显得尤其重要。粗糙集算法可以有效地查找潜在的家族性缺陷。首先获取现场上报的同一厂家生产的设备的同类缺陷记录，以及主站统计的缺陷发现时刻的告警信号；使用粗糙集算法计算此类缺陷发生时的“关键属性集合”，作为潜在家族性缺陷的条件属性集合；使用此集合与同类其它设备的日常运行告警信号进行匹配，如果匹配设备数量超过一定比例，则可初步认定为此缺陷为家族性缺陷。所谓“关键属性（即告警信号）集合”就是指，其中的属性满足以下条件：删除该属性后，新的属性集合导致原有系统发生决策冲突，即缺陷发现和缺陷未发现的情况。2.3基于决策树算法的设备寿命分析评估方法2.3.1算法决策树算法是一种典型的分类方法，通过构造决策
7、树来发现数据中蕴涵的分类规则。决策树构造分两步：第一，决策树的生成。由训练样本集生成决策树的过程。通常，训练样本数据集是根据实际需要有历史的、有一定综合程度的，用于数据分析处理的数据集。第二，决策树的剪技。决策树的剪枝是对上一阶段生成的决策树进行检验和校正的过程，主要是用新的样本数据集（称为测试数据集）中的数据校验决策树生成过程中产生的初步规则，将那些影响预测准确性的分枝剪除。判断哪个属性为最佳的分类属性是决策树算法的核心问题，ID3算法使用信息熵的大小来决定决策树的层次结构，即属性对结果的重要程度。2.3.2应用使用ID3决策树算法对设备使用寿命进行分析评估，首先获得已退役设备退役前1年每个
8、月的告警次数、检修次数及设备缺陷数据；计算每个属性信息熵的大小；对信息熵，即与结果的相关程度进行排序，最后，使用此结构对当前运行设备进行预测，并输出评估结果。三、电力系统故障诊断发展趋势由于以前技术和设施的原因，导致信息资源比较有限，电网故障诊断系统大多依托于调度端或变电站内，分别利用调度SCADA系统的实时信息或站内综合百动化系统收集的信息来实现；随着系统、计算机和网络技术的发展，以及故障录波专用网络的建设，后来又发展了基于故障录波信息的故障诊断系统。此系统的建设，使诸多的信息孤岛纳入系统中，对故障后所有相关的故障信息，进行采集、传输、存储和处理，为电网故障处理提供了信息支持。这些宝贵的信息
9、为新的电网故障诊断方法提供了基础，大大拓展了电网故障诊断的研究方向。四、结语基于调控大数据的电网故障智能诊断方法是智能故障诊断技术发展过程中新的趋势和研究热点，通过大数据技术可以挖掘出调控大数据中有价值和附件值得信息和服务，尤其是对于电网故障诊断领域。多信息融合、多智能诊断方法结合是智能诊断技术未来发展的主要趋势，并向着提高协同性、快速性、智能性的方向发展。参考文献：1系统级故障诊断的研究现状与发展前景J.宣恒农苗春玲赵冬张润驰刘田田.无线互联科技.2014.2大数据技术在电力调控中的应用研究J.马贵波张旭郑雯泽.南方农机.2018.3大数据技术在电网设备检修中的应用J.杜秋实辛昊阔王宇新张洪峰.科学技术创新.2018. -全文完-
