天下釆彩|新研究运用数据挖掘技术,揭示气象变化与电网故障的关系-新技术新成果-市场动态-变压器市场网
 
  
 
当前位置: 首页 » 市场动态 » 新技术新成果 » 正文
分享到:

新研究 运用数据挖掘技术,揭示气 象变化与电网故障的关系

放大字体  缩小字体 发布日期:2019-07-11  浏览次数:2368

广东今 程光一电力科技有限责任公司、佛山科 学技术学院自动化学院的研究人员林卫铭、吴泽君、周恒旭、郭静,在2019年第6期《电气技术》杂志上撰文指出(论文标题为“基于Apriori算法的 气象与电网缺陷关联研究”),灾害性 气象是造成电网缺陷进而导致电力设备出现故障的最主要因素,本文试 图找出灾害性气象因素与电网缺陷的关系,通过改进现有Apriori算法,得到了 适应南方沿海电网的关联模型。论文还讨论了样本数(异常气象样本偏少)导致的 支持度偏低的问题。文末通 过南方某电网实例解释了模型的应用。

随着社 会发展要求的不断提高,现代电 力电网系统规模和结构愈发庞大复杂。电网架 空线路长期暴露于大气环境之中,易受雷电、台风、暴雨、覆冰,山火等 气象灾害的影响而导致故障。在南方沿海一带地区,台风、雷电等 极端自然灾害频繁发生,在短时 间内会造成电网内设备出现故障,甚至造成大面积停电。有学者 提出了基于气候模型的输电线路负载能力预测系统,利用气 候数据较好地实现了负载预测,也说明 气象变化因素对电力系统运行产生较大影响。

传统的 日常巡检依赖于巡检员的经验,能够起 到一定的预防作用,但人工成本高,缺陷类型确定不准,已经不能满足要求。目前电 力系统能量管理系统中SCADA(supervisory control and data acquisition)完成了 电网数据实时采集,为电网 缺陷分析提供了数据源。

SCADA提供的 数据是非结构性的且数据海量,需要大 数据理论方法对SCADA数据进行处理,达到对 设备进行主动智能观测与监视统计。利用历 史故障缺陷数据进行统一挖掘处理的方法包括K均值聚类法,支持向量机SVM法和统计回归法等,Apriori关联算 法基于概率原理,因而允 许人们对结果进行机理方面的分析,使结果 得到合理的解释。

因此我们采用Apriori算法对SCADA数据进行关联挖掘,主要贡献:①样本处理,主要包 括去除无物理上无因果关系的样本和样本数据不全的插补;②改进现有Apriori算法,现有算 法是基于一维向量的,本文将 一维映射到二维空间,减少了操作;③改进了 现有算法没有考虑故障滞后于气象数据的缺点;④对结果 给出了机理分析。

1 灾害性 气象因素对电网的影响

自然现 象对输电网络的影响是巨大的,例如台风经过区域,大风和 暴雨常常会摧毁输电塔和输电线,刮起异物造成短路。在强风作用下,杆塔和 电线的间隙减少,也可能发生风偏放电;暴雨会 影响设备的绝缘性能,导致雨闪。

在夏季,连续高 温天气导致热积累效应(热岛效应)。同时高 温使得空调负荷急剧增长带来电力紧缺。以上的 气象灾害可以归结于:温度、相对湿度、风力和降水量4种参数来描述。

目前,电力公 司已与当地气象部门展开合作,实现气象信息共享。以南方电网为例,南方电 网气象信息应用决策支持系统按网省“1+7”模式建设部署。该系统 整合了全网及中央气象台资源,提供气象要素、气象灾 害监测及预报分析等功能。

该系统运行以来,已为应对台风“彩虹”等气象 灾害提供了技术支撑。气象因 素对设备的影响可通过数据挖掘得到某些潜在关联信息,这些关 联信息存在于大量的历史缺陷数据中,以概率的形式表现。

2 关联规则及Apriori算法(略)

Apriori算法是 个关联规则算法,该算法 采用递归的方法来挖掘频繁项集,文献[8]随后发展了基于Apriori深度优先搜索算法,这一算法包括创建FP-tree结构和 记录节点的物理存储消耗,因而在 实际应用中具有一定的难度。

关联挖 掘的效果取决于关联规则的建立,深入理 解数据的物理特性和电力系统的运行特点是建立关联规则的基础,近年来 基于该分析思想的方法开始应用于电力系统的数据处理中,本文综 合考虑了以上两个因素来探讨电力系统故障与灾害性气象因素之间的关系。

3 电网缺 陷数据挖掘应用(略)

对于电 网缺陷与灾害性气象因素之间的关系,传统的 做法是凭借多年经验进行判断。本文采 用数据挖掘的技术,分析气 象与电网输电线路缺陷的关系。本案例 的总体流程如图2所示。

我们选 取广东某市电网2013年1月至2016年6月电网设施缺陷数据,一共2656组数据,同时选 取该时段的气象数据。统计某市6个探测点在2013年至2016年间每 个月发生灾害性天气的天数。

对这2656组项集 以缺陷类型进行数量统计,
由图3得知锈蚀、损伤出 现的数量占所有缺陷的39%,异物短路占29%。容易得到初步分析,暴雨、高温和 高湿度可以直接造成设备的锈蚀、损坏。

4 模型建立与关联分析(略)

由分组 关联分析明显发现每组都出现过高湿度条件,而且在三组中,高湿度 关联是首条关联规则,即支持 度比同组的其他关联规则要高,可得出 高湿度条件仍然是电力设备缺陷的主要气象影响因素。其次是高温条件,五组都出现高温关联,且在两组里,高温关联是首条关联,所以,高温也 是电力设备缺陷的主要气象影响因素。

5 模型推广

为了更 好地进行电网设备运行维护,提供日 常维护指导意见,利用上 面归纳出历史数据所关联的设备故障的潜在状态信息,加上天气预报信息,可以得 到一个可靠的维护模型。具体模 型应用流程图如图4所示。

结论

本文介绍了Apriori算法并 将其应用于电网缺陷数据信息与气象数据信息之间关联研究,并利用 实际具体的数据进行验证,为了解 决挖掘时出现灾害性天气较少而导致的支持度低的规则被过滤的问题,本文尝 试先通过分类缺陷类型再进行单个缺陷与多种灾害性气象因素的关联挖掘,并得出的结果分析,证明了 该方法行之有效。

最后在 文末利用上述关联算法设计出一个实际应用的电网维护模型,该模型 在利用未来气象状况预测电网缺陷和提高电网运行可靠性方面具有实际使用价值。


特别提示:本信息 由相关企业自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。


[ 市场动态搜索 ]  [ ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]


 
相关市场动态
推荐市场动态
点击排行
变压器市场网 电话:010-69579894 传真:010-58043546 资料专用:byqsc2008@163.com 监督投诉QQ:1464449166 媒体合作QQ:153590855 售后服务:153590855
网站首页 | 关于我们 | 联系方式 | 网站地图 |
友情链接:    熊猫棋牌-首页欢迎你   多彩网-安全购彩   微购彩代理   乐福彩票-首页欢迎你   河南快3-主页