讨论数据挖掘技术在电力设备状态检修中应用.docVIP

讨论数据挖掘技术在电力设备状态检修中应用 　　摘要：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，并以关联规则方法为例进行了分析． 　　关键词：数据挖掘技术；电力设备；状态检修 　　中图分类号： F407.6 文献标识码： A 　　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 ．随着电力系统数据库的数据也呈爆炸性趋势增长，在电力设备的在线监测系统中引人数据挖掘技术势在必行． 　　1 数据挖掘 　　数据挖掘就是从大量的数据中挖掘出有用的信息， 即从大量的、不完全的、有噪音的、模糊的、随机的实际应用数据中发现隐含的、规律性的、人们事先未知的，但又是潜在有用的并且最终可理解的信息和知识的非平凡过程．近年来， 数据挖掘技术 的研究和应用发展迅猛，在商业和银行领域已有广泛的应用．随着相关学科的发展出现了各种数据挖掘算法 ．数据挖掘的一般过程包括以下 5 个方面： 　　(1)数据选择 　　指与要解决的问题有关的数据的选取，数据可以很方便地通过互联网进行采集 ； 　　(2)数据预处理即通过滤噪进行信息处理的过程 ； 　　(3)数据转换将定性的数据转换成定量的数据 ， 在某种意义上也叫特征提取 ； 　　(4 )数据挖掘寻找数据库 中隐藏的重要模式 ， 该步骤在知识发现的过程 中起着关键的作用 ； 　　(5 )数据解释用来评价和解释通过数据挖掘获得的结果， 即知识．从数据挖掘中发掘有关知识的规则需要具备 　　以下 4 个条件 ： 　　(1)有效性 意味着规则 或知识 的重要性 ，得到的规则或知识应适用于未知的数据 ； 　　(2 )新颖性即与先验 的知识 没有关系，在实践中， 重要的是要发现新规则； 　　(3 )有用性目的在于发现对用户有用和感兴趣的规则 ； 　　(4 )简单性 即发现的规则应力 求简单 ， 应能够创建和容易解释复杂的数据．数据挖掘技术与其他的研究领域如统计分析、 机器学习、 数据库， 以及可视化技术等密切相关． 数据挖掘的方法和数学工具包括关联规则 、 统计学、 决策树、 神经网络 、 线性规划、 模糊逻辑等． 　　目前 ， 数据挖掘在我国电力部门的应用还不多 ， 它在电力系统中的应用包括电力设备状态评估、 电力系统负荷预测和分类、电力系统的运行模式分类、 电力系统运行状态、 设备监控、 电力设备故障诊断、 电力调度优化、 电力系统建模等 ． 　　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 1 和图 2 所示 J． 从图 1 和图2 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 I1． 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