葉 華，王國(guó)平，陳 飛，郭云鵬

（云南電力調(diào)度控制中心，云南昆明 650217）

電力自動(dòng)化系統(tǒng)包含繼電保護(hù)裝置、自動(dòng)化裝置、故障錄波器等電子裝置[1]，各類電子裝置的投入越來(lái)越多，導(dǎo)致電力自動(dòng)化系統(tǒng)故障發(fā)生概率顯著上升[2]。以往診斷電力自動(dòng)化系統(tǒng)通常采用基于故障樹(shù)的故障診斷系統(tǒng)[3]和基于多維信息融合的故障診斷系統(tǒng)[4]，但上述系統(tǒng)均存在易受主觀因素影響、運(yùn)行功率高的缺陷。

數(shù)據(jù)挖掘技術(shù)的出現(xiàn)為解決上述問(wèn)題提供了有效途徑。利用人工智能技術(shù)分析數(shù)據(jù)得到相關(guān)知識(shí)的過(guò)程即數(shù)據(jù)挖掘，該過(guò)程獲取的知識(shí)一般為概念、規(guī)則、特征等[5]。將數(shù)據(jù)挖掘應(yīng)用于電力自動(dòng)化系統(tǒng)中，設(shè)計(jì)基于數(shù)據(jù)挖掘的電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)，準(zhǔn)確診斷電力自動(dòng)化系統(tǒng)的故障，降低故障診斷系統(tǒng)的運(yùn)行功率。

1 數(shù)據(jù)挖掘的電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)

1.1 系統(tǒng)整體設(shè)計(jì)

基于數(shù)據(jù)挖掘的電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)整體結(jié)構(gòu)如圖1 所示，其采用多層多模塊設(shè)計(jì)理念[6]，整體分為3 個(gè)層次：實(shí)現(xiàn)人機(jī)交互功能的應(yīng)用表現(xiàn)層、包含處理業(yè)務(wù)邏輯的業(yè)務(wù)處理層和存放支持系統(tǒng)運(yùn)行數(shù)據(jù)的數(shù)據(jù)層。

圖1 系統(tǒng)整體結(jié)構(gòu)設(shè)計(jì)

1）應(yīng)用表現(xiàn)層是人機(jī)交互的工具[7]，可將系統(tǒng)操作者的需求傳遞至業(yè)務(wù)處理層內(nèi)，同時(shí)利用顯示器顯示業(yè)務(wù)處理層數(shù)據(jù)處理結(jié)果，完成信息交流?；跀?shù)據(jù)挖掘的電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)中應(yīng)用表現(xiàn)層即系統(tǒng)的控制界面，故障顯示界面。

2）業(yè)務(wù)處理層在接收應(yīng)用表現(xiàn)層發(fā)送的控制命令后，根據(jù)設(shè)定邏輯完成命令。在此過(guò)程中，系統(tǒng)程序會(huì)依照命令調(diào)度相關(guān)數(shù)據(jù)，分析數(shù)據(jù)后將相關(guān)結(jié)果反饋至應(yīng)用表現(xiàn)層。業(yè)務(wù)處理層中包含的主要功能有基本信息采集、故障分析與判斷、故障追蹤、預(yù)警分析等。

3）數(shù)據(jù)層中包含系統(tǒng)初始化設(shè)置信息、電力自動(dòng)化系統(tǒng)信息、設(shè)備信息、錄播數(shù)據(jù)信息、電力自動(dòng)化系統(tǒng)分布圖等。數(shù)據(jù)層為業(yè)務(wù)處理層提供信息服務(wù)，數(shù)據(jù)層內(nèi)各項(xiàng)信息存儲(chǔ)模型各不相同[8]：部分?jǐn)?shù)據(jù)存儲(chǔ)于數(shù)據(jù)庫(kù)內(nèi)、部分?jǐn)?shù)據(jù)以XML 文件形式存儲(chǔ)、電力自動(dòng)化系統(tǒng)分布圖等均以圖片形式存儲(chǔ)。

1.2 系統(tǒng)功能模塊設(shè)計(jì)

為實(shí)現(xiàn)電力自動(dòng)化系統(tǒng)穩(wěn)定運(yùn)行需求，提升電力自動(dòng)化系統(tǒng)信息化、智能化整體水平，使自動(dòng)診斷系統(tǒng)運(yùn)行的不同環(huán)節(jié)實(shí)現(xiàn)可控與能控[9-10]，設(shè)計(jì)了電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)功能模塊，如圖2所示。系統(tǒng)主要包括數(shù)據(jù)采集、數(shù)據(jù)儲(chǔ)存、故障診斷、故障追蹤以及警告管理等功能模塊，利用這些功能模塊實(shí)現(xiàn)系統(tǒng)整體有效的運(yùn)行。

圖2 系統(tǒng)功能模塊設(shè)計(jì)

1.3 基于數(shù)據(jù)挖掘的故障自動(dòng)診斷算法

電氣自動(dòng)化系統(tǒng)狀態(tài)參量通常具有多變性，針對(duì)電氣自動(dòng)化系統(tǒng)參量間相關(guān)性挖掘分析的不足，造成系統(tǒng)參量缺少系統(tǒng)性認(rèn)知。組合電力自動(dòng)化系統(tǒng)多參量，提取特征量并對(duì)其實(shí)施合并，分析狀態(tài)參量間相關(guān)性等均可由狀態(tài)參量關(guān)聯(lián)規(guī)則分析完成。電氣自動(dòng)化系統(tǒng)狀態(tài)參量關(guān)聯(lián)規(guī)則可通過(guò)A=＞B的形式描述，代表“假設(shè)存在A，則存在B”[11-12]。其中A和B分別表示前項(xiàng)狀態(tài)參量與后項(xiàng)狀態(tài)參量，A既可以是一個(gè)狀態(tài)參量也可以是狀態(tài)參量集合，B通常是一個(gè)狀態(tài)參量。用W表示電力自動(dòng)化系統(tǒng)故障，U表示待挖掘關(guān)聯(lián)規(guī)則庫(kù)，假設(shè)電力自動(dòng)化系統(tǒng)中包含n個(gè)故障，則U={W1,W2,…,Wj,…,Wn}，各故障中又包含m個(gè)項(xiàng)，W={V1,V2,…,Vi,…,Vm} 。

用Z表示項(xiàng)集A的支持度，其計(jì)算公式如下：

式（2）表示A=＞B關(guān)聯(lián)規(guī)則的支持度：

式中，Z和N(A?W)分別為支持度和集合數(shù)量。

K為A=＞B關(guān)聯(lián)規(guī)則的可信度，具體為：

式中，K描述的是項(xiàng)集內(nèi)同時(shí)存在A項(xiàng)集與B項(xiàng)集的幾率[13]。

針對(duì)電力自動(dòng)化系統(tǒng)狀態(tài)參量的關(guān)聯(lián)規(guī)則，狀態(tài)參量可通過(guò)定義最小支持度與可信度的閾值確定，獲取Z值與K值均較高的關(guān)聯(lián)規(guī)則，由此判斷電力自動(dòng)化系統(tǒng)故障類型。

1.4 基于數(shù)據(jù)挖掘的故障追蹤流程

根據(jù)相關(guān)規(guī)則確定電力自動(dòng)化系統(tǒng)故障類型后，根據(jù)決策樹(shù)算法提出基于數(shù)據(jù)挖掘的故障追蹤流程對(duì)故障進(jìn)行追蹤，分析電力自動(dòng)化系統(tǒng)數(shù)據(jù)，確定故障產(chǎn)生原因[14-16]?；跀?shù)據(jù)挖掘的故障追蹤包含兩部分，分別是電力自動(dòng)化系統(tǒng)各廠站端的局部決策樹(shù)歸納和故障自動(dòng)診斷系統(tǒng)內(nèi)的最終決策樹(shù)。局部決策樹(shù)歸納的主要功能是采集對(duì)應(yīng)廠站的不同報(bào)警信號(hào)，經(jīng)由監(jiān)督模型將其遞歸劃分成決策樹(shù)的枝子樹(shù)；最終決策樹(shù)中包含故障區(qū)域內(nèi)各監(jiān)督模型和決策子樹(shù)，將整體信息增量最高的決策子樹(shù)作為優(yōu)先確定的子樹(shù)，構(gòu)建故障原因預(yù)測(cè)模型。通過(guò)上述過(guò)程構(gòu)建的故障原因預(yù)測(cè)模型既可防止數(shù)據(jù)在系統(tǒng)中的大量存放，還能夠?qū)Q策樹(shù)模型緊密結(jié)合，提升故障原因追蹤效率。電力自動(dòng)化系統(tǒng)中基于數(shù)據(jù)挖掘的故障追蹤流程如圖3 所示，其中實(shí)現(xiàn)和虛線分別代表控制流和數(shù)據(jù)流。系統(tǒng)故障自動(dòng)診斷模塊利用基于數(shù)據(jù)挖掘的故障自動(dòng)診斷算法確定故障類型后，調(diào)用故障追蹤流程。故障區(qū)域中不同廠站內(nèi)調(diào)用局部算法，實(shí)時(shí)預(yù)處理對(duì)應(yīng)站內(nèi)報(bào)警信息，構(gòu)建訓(xùn)練集合，依照監(jiān)督模型劃分局部報(bào)警信息模型。廠站確定當(dāng)前監(jiān)督模型，并且根據(jù)確定的監(jiān)督模型向全局算法傳遞當(dāng)前樣本。全局算法匯總不同廠站的監(jiān)督模型與樣本增益，逐次計(jì)算全局信息增量上限值反饋至不同廠站的局部算法。局部算法依照接收的反饋信息生成報(bào)警信息節(jié)點(diǎn)，構(gòu)建以信息增量值、報(bào)警記錄和故障類型分別為根節(jié)點(diǎn)、枝節(jié)點(diǎn)和葉節(jié)點(diǎn)的局部決策樹(shù)。不同廠站的樣本類型劃分成功后生成的局部決策樹(shù)傳輸至全局算法內(nèi)，選取信息增量上限值作為優(yōu)先決策。全局決策樹(shù)依照分類數(shù)據(jù)與增益數(shù)值確定故障原因，進(jìn)一步優(yōu)化系統(tǒng)故障診斷性能。

圖3 故障追蹤流程

2 電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)的測(cè)試分析

為驗(yàn)證設(shè)計(jì)的數(shù)據(jù)挖掘的電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)的實(shí)用性，選取某市電力自動(dòng)化系統(tǒng)為研究對(duì)象，其中包含相鄰7 座220 kV 變電站的電力系統(tǒng)調(diào)度相關(guān)信息，這些信息均來(lái)自于在線監(jiān)測(cè)系統(tǒng)，利用模擬通信信息將其匯總至該文系統(tǒng)中作為參照數(shù)據(jù)。設(shè)定故障類型與故障原因，采用該文系統(tǒng)進(jìn)行故障自動(dòng)診斷實(shí)驗(yàn)。表1 所示為實(shí)驗(yàn)過(guò)程中主要狀態(tài)參量名稱。

表1 主要狀態(tài)參量名稱表

2.1 數(shù)據(jù)采集結(jié)果

圖4 所示為該文系統(tǒng)采集的研究對(duì)象調(diào)度數(shù)據(jù)結(jié)果與實(shí)際在線監(jiān)測(cè)系統(tǒng)采集結(jié)果的對(duì)比情況。分析圖4 可知，該文系統(tǒng)采集的研究對(duì)象電力調(diào)度數(shù)據(jù)與在線監(jiān)測(cè)系統(tǒng)采集結(jié)果基本一致，由此說(shuō)明該文系統(tǒng)數(shù)據(jù)采集結(jié)果具有較高精度，側(cè)面驗(yàn)證該文系統(tǒng)故障診斷精度。

圖4 數(shù)據(jù)采集結(jié)果

2.2 故障類型診斷結(jié)果

設(shè)定研究對(duì)象故障類型為W2，采用該文系統(tǒng)診斷研究對(duì)象故障類型，結(jié)果如圖5所示。分析圖5得到，各項(xiàng)狀態(tài)參數(shù)中W2(套管接地)與W10(絕緣油帶電傾向)的支持度較高，而W2(套管接地)、W5(主絕緣介損)和W7(主絕緣電阻)的可信度相對(duì)較高。將各項(xiàng)狀態(tài)參數(shù)的支持度與可信度相結(jié)合，得到W2(套管接地)為研究對(duì)象故障類型。該文系統(tǒng)診斷結(jié)果與設(shè)定結(jié)果一致，說(shuō)明該文系統(tǒng)能夠自動(dòng)、準(zhǔn)確診斷研究對(duì)象故障類型。

圖5 故障類型識(shí)別結(jié)果

2.3 故障原因診斷結(jié)果

設(shè)定研究對(duì)象的故障原因，采用該文系統(tǒng)診斷研究對(duì)象故障原因，與設(shè)定原因進(jìn)行對(duì)比，以驗(yàn)證該文系統(tǒng)故障原因診斷精度，對(duì)比結(jié)果如表2 所示。分析表2 得到，該文系統(tǒng)故障原因診斷結(jié)果與設(shè)定故障原因基本一致，由此說(shuō)明該系統(tǒng)能夠自動(dòng)、準(zhǔn)確診斷研究對(duì)象的故障原因。

表2 故障原因的診斷結(jié)果

2.4 系統(tǒng)運(yùn)行功率測(cè)試

為測(cè)試該系統(tǒng)運(yùn)行功率，分別以基于故障樹(shù)故障診斷系統(tǒng)(文獻(xiàn)[3])和基于多維信息融合的故障診斷系統(tǒng)(文獻(xiàn)[4])為對(duì)比系統(tǒng)進(jìn)行實(shí)驗(yàn)。測(cè)試該文系統(tǒng)和對(duì)比系統(tǒng)在不同工作時(shí)長(zhǎng)條件下的運(yùn)行功率，設(shè)定測(cè)試時(shí)間為600 min，測(cè)試結(jié)果如表3 所示。分析表3 能夠得到，在研究對(duì)象不同運(yùn)行時(shí)長(zhǎng)條件下，采用該文系統(tǒng)診斷研究對(duì)象故障過(guò)程中，該文系統(tǒng)運(yùn)行功率均值43.95 W；對(duì)比系統(tǒng)診斷研究對(duì)象故障過(guò)程中的運(yùn)行功率均值分別為49.55 W和48.63 W，由此可知該文系統(tǒng)運(yùn)行功率較低。同時(shí)分析表3 中數(shù)據(jù)還能得到該文系統(tǒng)運(yùn)行功率狀態(tài)波動(dòng)并不顯著，平緩性顯著優(yōu)于對(duì)比系統(tǒng)。上述結(jié)果說(shuō)明該文系統(tǒng)故障診斷時(shí)具有較高的穩(wěn)定性。

表3 各系統(tǒng)的運(yùn)行功率測(cè)試

3 結(jié)束語(yǔ)

該文設(shè)計(jì)數(shù)據(jù)挖掘的電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷系統(tǒng)，利用基于數(shù)據(jù)挖掘的故障自動(dòng)診斷算法和故障追蹤流程進(jìn)行電力自動(dòng)化系統(tǒng)故障自動(dòng)診斷，實(shí)驗(yàn)結(jié)果說(shuō)明該系統(tǒng)能夠準(zhǔn)確診斷電力自動(dòng)化系統(tǒng)故障類型與故障原因。受環(huán)境條件制約，該文系統(tǒng)還需進(jìn)一步完善，例如提升系統(tǒng)存儲(chǔ)空間利用率等，期望通過(guò)進(jìn)一步優(yōu)化與開(kāi)發(fā)完善系統(tǒng)性能。