大数据挖掘理论下的电气工程应用-电气工程论文-工程论文.pdfVIP

大数据挖掘理论下的电气工程应用-电气工

程论文-工程论文

——文章均为WORD文档，下载后可直接编辑使用亦可打印——

摘要：论文提出了一种基于大数据挖掘理论的电气工程故障分析

方法。在该研究中，将全局信息引入电力系统中，主要采用大数据挖

掘理论中的聚类分析技术，快速准确地检测出故障分量和故障区段，

最终完成故障分析。将全局信息引入电气工程中，为电气工程故障分

析开辟了新的应用领域。运用大数据挖掘从大型数据库信息中自动提

取有效的、新颖的、潜在有用的信息，且大数据挖掘理论可为电机工

程的研究做出重要贡献。

关键词：故障分析；大数据挖掘；数据分类；电气工程；聚类分

析

1引言

大数据挖掘是从大量数据中有效地发现有价值的、不明显的信息，

这种涉及从数据中提取信息的过程也是一种探索性数据分析［1］。大

数据挖掘是从存储在数据库、数据仓库或其他信息库中的大量数据中

发现有趣的信息，如模式、关联、变化、异常和重要结构的过程［2］。

大数据挖掘通常用于非常大的数据库，由于数据库的复杂性和容量庞

大，使得它通常是不能被解读或分析。大数据挖掘的目的是从这些大

型数据库中发现有用的信息，这种过程被称为数据库知识发现

（KnowledgeDiscoveryinDatabases，KDD）［3］。大数据挖掘涉及数据

库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数

据可视化、信息检索等多学科的技术集成［4~5］。大数据挖掘中的一

个常见问题是查找数据属性之间的关联。大数据挖掘任务有以下类别

［6~8］：分类描述；关联分析；聚类分析；孤立点分析；进化分析。

故障是指与观察到的变量或与设备相关联的计算参数在可接受范围

内发生了偏离，即故障是一个过程异常或症状。总的来说，故障与设

备或仪表的正常行为相。它们可能出现在基本设备或其控制仪器中，

并代表着性能恶化、部分故障或全部故障。故障分析的目的是通过行

为异常识别系统来保证操作成功。由于适当的过程监控，使停机时间

最小化，改善了操作的安全性，降低了制造成本。一般来说，故障分

析的过程可分为三个主要步骤［9］：、识别、评估。电力系统是一

个最复杂的人工系统，其安全、稳定、经济可靠运行，在社会经济的

发展中起着非常重要的作用。为了解决电力系统故障分析这一难题，

必须对电力系统本身及其复杂性不断提高分析、运行和控制水平。当

电力系统从正常运行状态到异常运行故障时，其电量可能发生显著变

化。继电保护器就是利用电力的突然变化来判别电力系统是否发生故

障或运行异常。通过对电力测量与正常系统参数的对比，可以检测出

故障类型和故障位置。此外，还可以实现选择性故障排除。在本研究

中，全局信息将被引入后备保护系统中。在某些故障后，利用电源管

理单元（PhasorMeasurementUnit，PMU）进行实时测量，并对电量

变化的特征进行查找。然后对故障分量和故障区段进行快速准确的分

析，最终完成故障隔离。基于统计理论，还将对非线性复杂系统进行

大量的基础研究，采用大数据挖掘中的聚类分析技术解决电气工程中

的故障检测问题。

2电路原理

考虑一个带有电阻器（R）、电感器（L）和电容器(C)的电路。每一

个元件在回路中连接电路，包含一个元件的电路部分称为支路。支路

连接的点称为节点。在这个最简单的测试中，有三个分支和节点.令

iR，iL和iC分别代表经过对应电阻R，电感器L和电容器C的电流，

同样地，vR，vL和vC分别代表电路的三个支路上的电压。如果认为

水是通过管道流动的，那么电流就像水的流量一样，电压就像水的压

力一样。基尔霍夫电流定律指出，流入一个节点的总电流必须等于从

该节点流出的电流。这意味着在讨论的电路中电流关系为

|iR|=|iL|=|iC|。按图1所示的方向定位分支，则i=iR=iL=iC（1）基尔

霍夫电压定律指出，所有回路电压降之和为零。则vR+vL+vC=0（2）

对于电路元件的性质和决定变量的规律研究中，电阻器是由电流iR

和电压vR之间的关系确定。因此只考虑一个线性电阻，根据欧姆定

律，可得vR=R×iR（3）其中，R0为常数，vR和iR互为非线性函数关

系。电感器的特点是电流对时间的导数diL/dt，对于电感器的电压vL，

根据法拉第定律，可得LdiRdt=vL（4）其中，常数L0被称为电感。电

感器是通过一个线圈制作构成，线圈中电流变化引起的磁场在线圈上

产生电压降。电容器的特点是电压对时间的导数