融合關(guān)聯(lián)與矩陣算法的變電設(shè)備狀態(tài)監(jiān)測(cè)方法

王能勝，吳玉玲，江 濤，王黃磊

(國(guó)網(wǎng)安徽省電力有限公司 廬江縣供電公司,合肥 231500)

0 引言

在電力技術(shù)日益發(fā)展的情形下，變電設(shè)備作為電力傳輸系統(tǒng)的關(guān)鍵部件，其服役質(zhì)量直接決定了電力系統(tǒng)的可靠性。為了確保電力系統(tǒng)的正常運(yùn)行，變電設(shè)備的服役過(guò)程狀態(tài)數(shù)據(jù)呈爆炸性增長(zhǎng)態(tài)勢(shì)，大數(shù)據(jù)技術(shù)在電力系統(tǒng)的實(shí)時(shí)監(jiān)測(cè)應(yīng)用更加廣泛[1]。由于電網(wǎng)之間的拓?fù)潢P(guān)系錯(cuò)綜復(fù)雜，對(duì)電網(wǎng)中變電設(shè)備狀態(tài)評(píng)估和智能檢測(cè)就需要專門的檢測(cè)方法。

現(xiàn)有技術(shù)中通常使用檢查設(shè)備或者電力設(shè)備的方式，也有采用常規(guī)統(tǒng)計(jì)學(xué)分析的方式，但是這種技術(shù)通常只能通過(guò)本地分析，遠(yuǎn)程分析就變得十分困難。文獻(xiàn)[2]應(yīng)用了一種在線監(jiān)測(cè)的方式，這種方式仍舊依賴于現(xiàn)有技術(shù)中的設(shè)備監(jiān)測(cè)，一旦監(jiān)測(cè)設(shè)備出現(xiàn)故障，電力檢測(cè)就會(huì)中斷[2]。文獻(xiàn)[3]應(yīng)用了大數(shù)據(jù)分析的方法，但僅僅是該大數(shù)據(jù)的膚淺應(yīng)用，無(wú)法實(shí)現(xiàn)大數(shù)據(jù)的深刻分析[3]。在本研究中的電網(wǎng)內(nèi)運(yùn)行中電力設(shè)備實(shí)時(shí)監(jiān)控和數(shù)據(jù)分析能力仍舊遠(yuǎn)遠(yuǎn)不足。

1 總體架構(gòu)設(shè)計(jì)

針對(duì)上述設(shè)計(jì)的不足，本研究采用大數(shù)據(jù)技術(shù)對(duì)變電設(shè)備狀態(tài)監(jiān)測(cè)過(guò)程中產(chǎn)生的大量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，以提高變電設(shè)備的監(jiān)測(cè)能力[4-5]。

在本研究設(shè)計(jì)中，將大數(shù)據(jù)技術(shù)應(yīng)用于狀態(tài)評(píng)估的基本思路是對(duì)狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行綜合分析，并利用相關(guān)算法進(jìn)行深度挖掘[4]。以變電設(shè)備的實(shí)時(shí)服役狀態(tài)過(guò)程監(jiān)測(cè)數(shù)據(jù)為參考依據(jù)，對(duì)其進(jìn)行統(tǒng)計(jì)學(xué)規(guī)律分析，進(jìn)而發(fā)現(xiàn)高價(jià)值的服役過(guò)程關(guān)鍵信息，以實(shí)現(xiàn)對(duì)變電設(shè)備的異常狀態(tài)快速檢測(cè)和評(píng)估，全面、高效、精確地掌握關(guān)鍵性能的健康狀態(tài)，為變電設(shè)備的狀態(tài)檢修和日常維護(hù)工作提供理論依據(jù)，進(jìn)而確保變電設(shè)備的安全可靠運(yùn)行[6]。如圖1所示。

圖1 基于大數(shù)據(jù)技術(shù)的狀態(tài)評(píng)估架構(gòu)

圖1為狀態(tài)評(píng)估的整體架構(gòu)示意圖，圖中，其關(guān)鍵技術(shù)如下:

1)變電設(shè)備運(yùn)行關(guān)鍵參數(shù)體系建立。該系統(tǒng)包括多種模塊，如圖1所示。本研究為了提高變電設(shè)備運(yùn)行狀態(tài)中數(shù)據(jù)評(píng)估的綜合性以及擴(kuò)展性，本研究的變電設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)融合了融合關(guān)聯(lián)與矩陣算法，對(duì)變電設(shè)備狀態(tài)數(shù)據(jù)信息進(jìn)行不同形式的計(jì)算，進(jìn)而從不同的角度挖掘變電設(shè)備的數(shù)據(jù)信息，實(shí)現(xiàn)變電設(shè)備的運(yùn)行狀態(tài)的監(jiān)測(cè)，將變電站運(yùn)行、維護(hù)過(guò)程中宏觀現(xiàn)象通過(guò)數(shù)據(jù)微觀分析反映出來(lái)。

2)監(jiān)測(cè)過(guò)程大數(shù)據(jù)的診斷分析。構(gòu)建不同類型的大數(shù)據(jù)模型，建立多維數(shù)據(jù)狀態(tài)量，分析其異常變化的發(fā)展趨勢(shì)，并將其用于降噪的理論依據(jù)。以變電設(shè)備實(shí)時(shí)過(guò)程狀態(tài)數(shù)據(jù)的多元時(shí)間序列為主要參考，將具有強(qiáng)相關(guān)性的多元時(shí)間序列進(jìn)行數(shù)據(jù)分析及診斷，以辨別異常數(shù)據(jù)特點(diǎn)和相對(duì)應(yīng)的異常模式，并將可清洗的數(shù)據(jù)通過(guò)雙迭代方法進(jìn)行處理。

3)基于大數(shù)據(jù)量挖掘的故障分析。基于檢測(cè)過(guò)程大數(shù)據(jù)獲取變電設(shè)備關(guān)鍵信息，根據(jù)監(jiān)測(cè)數(shù)據(jù)流中的異常評(píng)估，可以為變電設(shè)備提供預(yù)警[7]，實(shí)現(xiàn)服役狀態(tài)評(píng)估和決策控制信息支持。

4)基于大數(shù)據(jù)技術(shù)的變電設(shè)備關(guān)鍵性能評(píng)估。通過(guò)構(gòu)建的數(shù)據(jù)模型對(duì)數(shù)據(jù)信息進(jìn)行挖掘，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)的微觀分析。

2 狀態(tài)評(píng)估方法

2.1 多元時(shí)間序列模式挖掘方法

本研究在進(jìn)行在線監(jiān)測(cè)時(shí)，傳遞的數(shù)據(jù)信息不管從空間還是時(shí)間維度上，都具有明顯、易識(shí)別的宏觀特征，在進(jìn)行分析時(shí)，需要對(duì)宏觀的數(shù)據(jù)信息進(jìn)行狀態(tài)這種分析，通過(guò)數(shù)據(jù)特征提取實(shí)現(xiàn)宏觀數(shù)據(jù)的微觀分析[8-9]。

本研究的APRIORI算法模型如圖2所示[10-11]。

圖2 APRIORI算法模型結(jié)構(gòu)示意圖

在應(yīng)用關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘時(shí)，需要學(xué)習(xí)不同電力大數(shù)據(jù)之間的數(shù)據(jù)管理性，這就要用貝葉斯概率計(jì)算，結(jié)合圖2進(jìn)行說(shuō)明，假設(shè)待劃分屬性的變電設(shè)備運(yùn)行期間的故障測(cè)試大數(shù)據(jù)集為d，假設(shè)將變電設(shè)備故障測(cè)試大數(shù)據(jù)類型的屬性類別劃分為集合C，其中C={c1,c2,…,cm}，其中第i分類屬性滿足這樣的條件:l≤i≤m，對(duì)于待分類的變電設(shè)備測(cè)量數(shù)據(jù)類型集合d，其故障數(shù)據(jù)輸出的最大類別為P(ci/d)，則有：

(1)

其中:C、D為隨機(jī)變量，則變電設(shè)備測(cè)量數(shù)據(jù)類型d的貝葉斯分類公式為：

(2)

通過(guò)上述模型的構(gòu)建，再通過(guò)分析過(guò)程對(duì)本研究的方法進(jìn)行說(shuō)明，其中關(guān)聯(lián)規(guī)則的主要方法為：

1)假設(shè)將各種不同的電力大數(shù)據(jù)屬性應(yīng)用符號(hào)化時(shí)間序列A和B形成A1，B1，符號(hào)化時(shí)間序列A和B的差分序列形成A2，B2；然后對(duì)運(yùn)行工作狀態(tài)中的變電設(shè)備列表進(jìn)行掃描，通過(guò)這種方式能夠得出電力設(shè)備數(shù)據(jù)信息的不同排布，輸出不同狀態(tài)下的電力設(shè)備數(shù)據(jù)信息。

2)將變電設(shè)備運(yùn)行過(guò)程中產(chǎn)生的不同大數(shù)據(jù)屬性A1，B1，A2，B2分為N個(gè)滑動(dòng)窗口，記為SWl～N，其中在每個(gè)滑動(dòng)窗口中包含了同時(shí)段符號(hào)化后之序列；根據(jù)變電站數(shù)據(jù)的各屬性值(諸如影響電網(wǎng)運(yùn)行的諧波、磁場(chǎng)、紋波、網(wǎng)絡(luò)流量、設(shè)備設(shè)置環(huán)境、設(shè)備運(yùn)行速度等)。該技術(shù)在應(yīng)用過(guò)程中，需要應(yīng)用到層次分析法的計(jì)算方法，能夠計(jì)算出不同數(shù)據(jù)的加權(quán)值。結(jié)合計(jì)算出的電力數(shù)據(jù)加權(quán)值，再計(jì)算出變電設(shè)備狀態(tài)數(shù)據(jù)警告集t的權(quán)重值，該值通過(guò)以下公式可以算出:

(3)

3)然后根據(jù)滑動(dòng)窗口中的4個(gè)序列，計(jì)算出變電設(shè)備不同數(shù)據(jù)之間的支持度；結(jié)合步驟2)中計(jì)算出的電力數(shù)據(jù)加權(quán)值具有的權(quán)重，再計(jì)算各變電設(shè)備運(yùn)行數(shù)據(jù)警告的加權(quán)支持度，加權(quán)支持度用以下公式表示:

(4)

4)在該步驟計(jì)算過(guò)程中，假設(shè)變電設(shè)備運(yùn)行數(shù)據(jù)中的異常數(shù)據(jù)為警告頻繁k項(xiàng)集，則根據(jù)變電設(shè)備加權(quán)項(xiàng)目集的先驗(yàn)性質(zhì)。對(duì)故障數(shù)據(jù)集進(jìn)行計(jì)算時(shí)，還通過(guò)優(yōu)化拼接、減枝等技術(shù)方法產(chǎn)生數(shù)據(jù)警告，在計(jì)算過(guò)程中無(wú)法繼續(xù)產(chǎn)生告警頻繁項(xiàng)目集的位置時(shí)[12-13]，進(jìn)而輸出影響電力設(shè)備安全可靠運(yùn)行的各種數(shù)據(jù)信息。

通過(guò)上述方法，能夠使用戶從海量的電力大數(shù)據(jù)信息中獲取變電站設(shè)備運(yùn)行情況，進(jìn)而獲取變電站設(shè)備故障情況，以使維修管理人員及時(shí)進(jìn)行處理。除了APRIORI關(guān)聯(lián)算法規(guī)則外，本研究還應(yīng)用了一種新型的算法[14-15]，能夠計(jì)算出影響變電設(shè)備運(yùn)行的因素，對(duì)變電設(shè)備狀態(tài)評(píng)估進(jìn)行深層的分析與挖掘，下文將詳細(xì)描述。

2.2 高維隨機(jī)矩陣評(píng)估方法

高維隨機(jī)矩陣?yán)碚撛谛盘?hào)處理應(yīng)用中關(guān)注廣泛，其基本思路是利用隨機(jī)矩陣特征參數(shù)的統(tǒng)計(jì)分布特性分析方法來(lái)挖掘數(shù)據(jù)中的隱含信息[16-17]。高維隨機(jī)矩陣?yán)碚摲治鲭S機(jī)矩陣在維數(shù)趨于無(wú)窮的情況下，其特征值、奇異值以及其他相關(guān)參數(shù)的統(tǒng)計(jì)分布特性。高維隨機(jī)矩陣X的表示方法如下：

(5)

在式(5)中，用字母X表示各種運(yùn)動(dòng)狀態(tài)下變電設(shè)輸出的數(shù)據(jù)集合，用列向量x1,x2,…,xn表示n種不同影響變電設(shè)備互相獨(dú)立、且安全可靠運(yùn)行數(shù)據(jù)向量，其中X∈CN×n，N→∞，n→∞，N/n=c。電力系統(tǒng)大數(shù)據(jù)的獲取如圖4所示。高維隨機(jī)矩陣?yán)碚撛陔娏Υ髷?shù)據(jù)中的廣泛應(yīng)用和密切聯(lián)系。

在建立的數(shù)學(xué)模型中，變電設(shè)備中存在大量多維數(shù)據(jù)。從數(shù)學(xué)角度上，這些數(shù)據(jù)能夠被建模時(shí)間序列分別為X1,X2,…,Xn的高維矩陣，矩陣的規(guī)模為N×T。當(dāng)在大數(shù)據(jù)系統(tǒng)中獲得了N和T時(shí)，可以實(shí)現(xiàn)對(duì)高維隨機(jī)矩陣的數(shù)據(jù)處理。下面詳細(xì)進(jìn)行說(shuō)明。

在影響變電設(shè)備正常運(yùn)行的數(shù)據(jù)類型中，假設(shè)存在M種，用具體的宏觀數(shù)據(jù)表示為安裝環(huán)境、電網(wǎng)諧波、雜波、磁場(chǎng)、紋波、設(shè)備運(yùn)行溫度、濕度等。將這些數(shù)據(jù)記做為數(shù)據(jù)集合{P1，P2，P3,…,PM}，假設(shè)變電設(shè)備在理想狀態(tài)下輸出的參數(shù)為N，輸出參數(shù)比如為電流、電壓、紋波、諧波[18-19]、功率等，這些數(shù)據(jù)記作為數(shù)據(jù)集合{Q1，Q2，Q3,…,QN}，則在高維隨機(jī)矩陣算法時(shí)，衡量變電設(shè)備運(yùn)行過(guò)程中受某些因素影響時(shí)，則利用以下相關(guān)性矩陣公式：

(6)

在公式(6)中，則有:

(6)

(7)

通過(guò)構(gòu)建上述矩陣，則可以將影響變電設(shè)備正常運(yùn)行的數(shù)據(jù)數(shù)據(jù)集{P1，P2，P3，…，PM}和正常運(yùn)行的數(shù)據(jù)集合{Q1，Q2，Q3，…，QN}聯(lián)系起來(lái)，通過(guò)矩陣計(jì)算，則可計(jì)算出具體的影響量。

3 智能檢修方法

3.1 變電設(shè)備服役過(guò)程故障診斷與分析

變電設(shè)備發(fā)生故障使變電設(shè)備無(wú)法正常處于工作狀態(tài)，基于前文所提出的電力大數(shù)據(jù)數(shù)學(xué)模型，實(shí)現(xiàn)變電設(shè)備間的系統(tǒng)互聯(lián)。其中變電設(shè)備故障項(xiàng)目如表1所示。

表1 故障關(guān)系架構(gòu)示意圖

3.2 大數(shù)據(jù)驅(qū)動(dòng)的智能檢修技術(shù)研究

基于電力大數(shù)據(jù)的變電設(shè)備狀態(tài)評(píng)估模型，可以有效獲取變電設(shè)備的關(guān)鍵參數(shù)集，綜合變電設(shè)備狀態(tài)檢測(cè)數(shù)據(jù)的橫、縱向分析兩種主要方法。采用橫向分析方法，從電力大數(shù)據(jù)模型中獲取相同類型的變電設(shè)備參數(shù)數(shù)據(jù)，并進(jìn)行對(duì)比分析，得到對(duì)同一類型的變電設(shè)備故障進(jìn)行評(píng)估[21]。而縱向分析方法是指針對(duì)特定的變電設(shè)備，分析其當(dāng)前服役的具體關(guān)鍵參數(shù)，并與歷史參數(shù)數(shù)據(jù)相比較，根據(jù)長(zhǎng)期服役的大數(shù)據(jù)模型，進(jìn)行故障類型和具體情況的分析及預(yù)測(cè)。最后，基于故障過(guò)程數(shù)據(jù)的記錄，將實(shí)地檢修的流程作為對(duì)大數(shù)據(jù)模型的反饋輸入。根據(jù)變電設(shè)備長(zhǎng)期服役的故障處理數(shù)據(jù)，對(duì)大數(shù)據(jù)故障診斷、預(yù)測(cè)模型進(jìn)行不斷修正，逐步提高變電設(shè)備大數(shù)據(jù)模型的預(yù)測(cè)精度和可靠性。

通過(guò)上述論述，基于服役狀態(tài)過(guò)程數(shù)據(jù)找到變電設(shè)備的故障發(fā)生位置和導(dǎo)致故障發(fā)生的原因，進(jìn)而采取針對(duì)性措施。在對(duì)變電設(shè)備的故障檢修完成后，基于大數(shù)據(jù)故障評(píng)估模型，對(duì)該設(shè)備可能出現(xiàn)的其他無(wú)故障部件進(jìn)行檢修和維護(hù)，主要包括設(shè)備本體、監(jiān)測(cè)裝置、元器件等，確保故障設(shè)備檢修后的整機(jī)服役可靠性。此外，故障設(shè)備檢修完成后，獲取大數(shù)據(jù)分析模型的評(píng)估結(jié)果，基于不同的分析結(jié)果和服役性能要求確定下一步的檢修策略。通過(guò)故障信息收集和整理，檢修人員能夠獲得大數(shù)據(jù)的檢修技術(shù)支持，以便于變電設(shè)備檢修人員提高檢修效率，進(jìn)而提升變電設(shè)備的檢修質(zhì)量。通過(guò)對(duì)變電設(shè)備的過(guò)程數(shù)據(jù)監(jiān)測(cè)，可以為功能系統(tǒng)和保護(hù)系統(tǒng)的智能控制提供理論依據(jù)。

4 試驗(yàn)分析與驗(yàn)證

4.1 硬件環(huán)境

4.2 試驗(yàn)?zāi)康暮头椒?/h3>

本試驗(yàn)通過(guò)將常規(guī)設(shè)備檢測(cè)的方法(下文簡(jiǎn)稱方案1)、人工檢測(cè)方法(下文簡(jiǎn)稱方案2)和本文研究方法進(jìn)行對(duì)比，以驗(yàn)證本研究的效率和正確性。

4.3 狀態(tài)評(píng)估驗(yàn)證

位然后利用上述介紹的方法進(jìn)行深度學(xué)習(xí)，選擇3種不同類型算法進(jìn)行對(duì)比學(xué)習(xí)效果，其中樣本數(shù)據(jù)信息如表2所示。

表2 樣本數(shù)據(jù)記錄表

在12種不同數(shù)據(jù)類型中，選擇100個(gè)數(shù)據(jù)樣本集，對(duì)比不同算法的評(píng)估效率。假設(shè)測(cè)試時(shí)長(zhǎng)為1小時(shí)，則輸出的曲線如圖3所示。

圖3 整體系統(tǒng)對(duì)比曲線圖

在圖3中，白色實(shí)線表示本研究技術(shù)方案，緊挨著白色實(shí)線的虛線為設(shè)備檢測(cè)方法，最下面的曲線為人工方法。通過(guò)圖像可以看出，本研究的方法在相同的時(shí)間內(nèi)，樣本完成率最高。

在圖4中，白色實(shí)線表示本研究技術(shù)方案，緊挨著白色實(shí)線的虛線為設(shè)備檢測(cè)方法，最下面的曲線為人工方法。通過(guò)圖像可以看出，本研究的方法在相同的時(shí)間內(nèi)，數(shù)據(jù)識(shí)別準(zhǔn)確率最高。

圖4 APRIORI關(guān)聯(lián)算法對(duì)比示意圖

在圖5中，白色實(shí)線表示本研究技術(shù)方案，緊挨著白色實(shí)線的虛線為設(shè)備檢測(cè)方法，最下面的曲線為人工方法[23]。通過(guò)圖像可以看出，本研究的方法在相同的時(shí)間內(nèi)，數(shù)據(jù)識(shí)別準(zhǔn)確率最高。

圖5 高維隨機(jī)矩陣算法試驗(yàn)對(duì)比示意圖

綜上所述，本研究的方法在數(shù)據(jù)處理效果準(zhǔn)確度上都優(yōu)于方案一和方案二。

5 結(jié)束語(yǔ)

針對(duì)現(xiàn)有技術(shù)方法不能進(jìn)行全面運(yùn)行狀態(tài)評(píng)估及檢修問(wèn)題，本文提出了基于大數(shù)據(jù)技術(shù)的變電設(shè)備狀態(tài)評(píng)估及智能檢修方法。完成主要內(nèi)容如下：

1)構(gòu)建出變電設(shè)備數(shù)據(jù)采集、分析、評(píng)估和遠(yuǎn)程監(jiān)控等一體化系統(tǒng)，使得用戶通過(guò)數(shù)據(jù)信息情況即可獲取變電設(shè)備的宏觀數(shù)據(jù)信息分析。

2)基于多元時(shí)間序列構(gòu)建了變電設(shè)備的關(guān)鍵技術(shù)參數(shù)體系，對(duì)變電設(shè)備的服役過(guò)程數(shù)據(jù)進(jìn)行關(guān)聯(lián)模式挖掘，分別從時(shí)間維度和空間維度進(jìn)行特征描述，進(jìn)而獲得變電設(shè)備全景狀態(tài)信息分布。

3)將高維矩陣?yán)碚撚糜跔顟B(tài)大數(shù)據(jù)分析，從概率論和統(tǒng)計(jì)學(xué)的角度來(lái)展示分析數(shù)據(jù)內(nèi)部特性，實(shí)現(xiàn)變電設(shè)備關(guān)鍵性能的實(shí)時(shí)狀態(tài)評(píng)價(jià)。

本研究雖然在一定程度上解決了變電設(shè)備存在的問(wèn)題，但還會(huì)存在一些其他方面的技術(shù)不足，有待進(jìn)一步探索。