CN103728507A - 一种基于数据挖掘的电网故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于数据挖掘的电网故障诊断方法，针对电网量测数据量巨大、维数高的特点，采用数据挖掘技术实现电网故障诊断。首先使用邻域粗糙集方法对数据的相关程度进行评价，并采用贪心搜索算法对数据进行约简处理；然后采用竞争凝聚聚类算法对故障诊断进行特征分类，再基于模糊关联规则算法实现电网的故障诊断。该方法能够处理海量数据下电网中各种设备和元件发生故障时的故障检测、分类和定位。最后，使用IDEA集成开发工具和MySQL数据库，采用面向对象的程序设计思想，开发出一套B/S模式下的电网故障诊断系统。

Description

一种基于数据挖掘的电网故障诊断方法

技术领域

本发明涉及电网调度与故障分析方法领域，具体为一种基于数据挖掘的电网故障诊断方法。

背景技术

电网故障诊断就是利用SCADA中的保护、开关的动作信息，结合继电保护原理来识别故障元件和拒动、误动的保护与开关。随着电网电压等级的提高、分布式电源的接入，配电网的故障信息越来越趋向复杂化；强台风、 飚线风等自然灾害引起的超设防故障，断路器的误动、拒动等电网的不确定故障增加了配电网故障诊断的难度，这就导致了传统的基于继电保护动作信息的诊断方法无法达到满意的调度效果。

现有的故障诊断方法主要有专家系统法、Petri 网、人工神经网络、模糊集理论等。专家系统法利用计算机技术将相关领域的理论知识和专家经验融合在一起，完备知识库的获取是专家系统法的首要瓶颈，然而不完备的知识库会导致专家系统推理的混乱，以致得出错误的结论；基于Petri网的故障诊断方法，具有结构表达图形化、推理搜索快速化以及诊断过程数学化等优点，但其容错能力较差，不易识别错误的报警信息，在现有的多重故障情况下，Petri网的诊断性能不够理想；基于人工神经网络的故障诊断方法是利用该领域专家所提供的大量而充分的故障实例中形成用于故障诊断神经网络模型的训练样本集，通过学习、训练使神经网络获得对电网故障的诊断功能，然完备样本集的获取异常困难，且当系统变化时需要引入新的样本重新学习，实时性得不到保障，现场维护较难；基于模糊集理论的故障诊断方法是具有完整的推理体系的智能技术，但大规模复杂电网的模糊模型的建立，以及当电网拓扑结构等发生变化时模糊模型的维护是其现实应用的瓶颈。随着计算机和通信技术水平的快速发展以及在电力系统中的广泛应用，基于GPS的同步相量测量单元（PMU）已成为变电站测控单元中必不可少的一环，加之故障录波器联网技术的推广，调度中心的数据源不断丰富和完善， 电网在线故障诊断已不仅仅局限于利用SCADA数据和保护动作信号， 基于SCADA数据、 保护动作信号、PMU数据以及故障录波数据的多源信息融合技术是电网故障诊断未来发展的必然趋势。近年来有学者从时间维、空间维以及信息维三个方面进行统筹考虑，提出了基于多维数据的在线故障诊断方法，但只可粗略分析故障设备的故障相别；有学者提出基于因果规则网的区域电网故障诊断方法，然而现有基于因果规则网的电网故障诊断方法只利用本站的保护与开关动作信息，易受单侧保护误动影响而错判正常线路为故障；也有学者在因果规则网的基础上，提出一种基于集合运算的判断保护与开关误动、 拒动方法，提高了故障诊断正确率，却忽略了海量数据处理的实时性要求。

因此针对电网量测数据量巨大、维数高和内外界干扰复杂等特点，亟需一种精准、实时、稳健的电网故障诊断方法来弥补现有技术的不足。

发明内容

本发明的目的是提供一种基于数据挖掘的电网故障诊断方法，可应对大量电网检测数据量，确保故障诊断的实时性，并达到故障检测的分类和定位，使用IDEA集成开发工具和MySQL数据库即时显示。

为了达到上述目的，本发明所采用的技术方案为：

一种基于数据挖掘的电网故障诊断方法，其特征在于：采用以下步骤实现：

（1）、由于各种数据的量纲不同，数量级差别也很大，所以首先对检测来的电网数据采取如下归一化处理

，

其中，表示归一化处理后的结果，表示第i次测量结果，X表示该参数的测量集合；

（2）、运用邻域粗糙集理论，依据多次实验和参考以往经验选择合适的邻域值，计算各个参数的依赖度；

（3）、基于步骤（2）获得依赖度函数，采用前向贪心搜索法，实现属性参数的约简处理，从而达到缩减数据量，但同时保留关键、重要的属性信息，为后续的故障诊断检测、分类和定位打下基础；

（4）、对已获得的约简属性集采用竞争凝聚聚类算法，将数值型属性离散化成若干个优化区间，实现对所有属性的分类；

（5）、对已获取的离散化的属性数据，采用模糊关联规则算法，得到各个属性参数和各个故障之间的隐含关系，从而达到电网故障诊断的检测、分类和定位目的；

（6）、运用IDEA集成开发工具和MySQL数据库，开发出一套B/S模式下的电网故障诊断系统，实时显示故障诊断的检测结果、分类情况和定位信息，以供相关工作人员做出及时有效的决策实施。

所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用前向贪心搜索法实现参数约简处理的具体过程为：以空集为起点，选择依赖度最高的属性作为第一个参数；计算剩余的全部属性的依赖度，从剩下的属性中选择依赖度值最大的属性加入到约简集合中，直到所有剩余属性的重要度达到预先设置好阈值，约简集的依赖性函数值都不发生变化为止。

所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用竞争凝聚聚类算法实现属性分类的具体过程为：初始化相关参数，如类个数、迭代次数、初始划分矩阵、聚类基数等；计算目标数据与类中心的距离；修改划分矩阵；由划分矩阵中的元素计算聚类基数，并依据事先设置好的淘汰准则进行类的淘汰处理；依据划分矩阵修改聚类个数，直到中心参数不变为止。

所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用模糊关联规则算法实现故障检测、分类和定位的具体过程为：使用竞争凝聚聚类算法对原始数据库中的数值型属性进行离散化，同时将数值型属性上的取值按照不同的模糊等级进行划分；根据原数据库生成新的数据库，以数值型属性的模糊等级作为新数据库的模糊属性；计算新数据库中的全部1-模糊属性集的模糊支持度，找出全部1-模糊频繁属性集；将除含有同一个ik 标记的 1-模糊频繁属性集以外的属性集进行组合，得出2-模糊候选属性集；计算出全部2-模糊候选属性集的模糊支持度，将所有小于最小支持度的2-模糊候选属性集都删掉，剩余的即为所有的2-模糊频繁属性集；将第一个模糊属性相同的2-模糊频繁属性集进行组合，得出3-模糊候选属性集；检验3-模糊候选属性集的子集2-模糊频繁属性集，取出含有不是2-模糊频繁属性集的3-模糊候选属性集，计算剩余3-模糊候选属性集的模糊支持度，将小于最小支持度的3-模糊候选属性集去掉，获得全部的 3-模糊频繁属性集；重复以上步骤，直到找出全部k-模糊频繁属性集为止；以全部的模糊频繁属性集为基础，按照不小于用户给定的最小信任度的要求来生成模糊关联规则。

所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：所述的电网故障诊断包括系统管理、数据字典、数据管理、专家系统、报表管理、论坛交流共六个功能模块，其中：

所述系统管理包括基本信息维护、用户管理和权限管理功能模块；

所述数据字典包括系统信息维护功能模块；

所述述数据管理包括数据录入、数据查询和电网管理功能模块；

所述专家系统包括规则设置、故障诊断和报警设置功能模块；

所述报表管理包括状态报表和查询下载功能模块；

所述论坛交流包括论坛和论坛维护功能模块。

本发明与现有的技术相比，本发明由于采用了约简算法，只保留对诊断决策起重要作用的数据，可以应对电网复杂系统中海量、高维数据，大大缩减数据处理时间，提高了系统实时性，同时能保证故障诊断的准确性；可根据实际故障分类选择需要检测的参数数量和检测位置，实现电网故障诊断的故障分类和精确定位；运用IDEA集成开发工具和MySQL数据库，开发出一套B/S模式下的电网故障诊断系统，界面友好、可视化，实时显示故障诊断的检测结果、分类情况和定位信息，以供相关工作人员做出及时有效的决策实施。

附图说明

图1为本发明电网故障诊断系统功能结构图。

具体实施方式

图1为本发明电网故障诊断系统功能结构图，包括系统管理、数据字典、数据管理、专家系统、报表管理、论坛交流6个功能模块。系统管理包括基本信息维护、用户管理和权限管理功能模块；数据字典包括系统信息维护功能模块；所述数据管理包括数据录入、数据查询和电网管理功能模块；专家系统包括规则设置、故障诊断和报警设置功能模块；报表管理包括状态报表和查询下载功能模块；论坛交流包括论坛和论坛维护功能模块。

本发明提供一种基于数据挖掘的电网故障诊断方法，采用以下步骤实现：

步骤1、由于各种数据的量纲不同，数量级差别也很大，所以首先对检测来的电网数据采取如下归一化处理

，

其中，表示归一化处理后的结果，表示第i次测量结果，X表示该参数的测量集合。

步骤2、运用邻域粗糙集理论，依据多次实验和参考以往经验选择合适的邻域值（不能过大，也不能过小），计算各个参数的依赖度。

步骤3、基于步骤2获得依赖度函数，采用前向贪心搜索法，实现属性参数的约简处理，从而达到缩减数据量，但同时保留关键、重要的属性信息，为后续的故障诊断检测、分类和定位打下基础。

步骤4、对已获得的约简属性集采用竞争凝聚聚类算法，将数值型属性离散化成若干个优化区间，实现对所有属性的分类。

步骤5、对已获取的离散化的属性数据，采用模糊关联规则算法，得到各个属性参数和各个故障之间的隐含关系，从而达到电网故障诊断的检测、分类和定位目的。

步骤6、运用IDEA集成开发工具和MySQL数据库，开发出一套B/S模式下的电网故障诊断系统，实时显示故障诊断的检测结果、分类情况和定位信息，以供相关工作人员做出及时有效的决策实施。

步骤3中的前向贪心搜索法，具体过程为：以空集为起点，选择依赖度最高的属性作为第一个参数；计算剩余的全部属性的依赖度，从剩下的属性中选择依赖度值最大的属性加入到约简集合中，直到所有剩余属性的重要度达到预先设置好阈值，约简集的依赖性函数值都不发生变化为止。

步骤4中的竞争凝聚聚类算法，具体过程为：初始化相关参数，如类个数、迭代次数、初始划分矩阵、聚类基数等；计算目标数据与类中心的距离；修改划分矩阵；由划分矩阵中的元素计算聚类基数，并依据事先设置好的淘汰准则进行类的淘汰处理；依据划分矩阵修改聚类个数，直到中心参数不变为止。

步骤5中的模糊关联规则算法，具体过程为：使用竞争凝聚聚类算法对原始数据库中的数值型属性进行离散化，同时将数值型属性上的取值按照不同的模糊等级进行划分；根据原数据库生成新的数据库，以数值型属性的模糊等级作为新数据库的模糊属性；计算新数据库中的全部1-模糊属性集的模糊支持度，找出全部1-模糊频繁属性集；将除含有同一个ik 标记的 1-模糊频繁属性集以外的属性集进行组合，得出2-模糊候选属性集 ；计算出全部2-模糊候选属性集的模糊支持度，将所有小于最小支持度的2-模糊候选属性集都删掉，剩余的即为所有的2-模糊频繁属性集；将第一个模糊属性相同的2-模糊频繁属性集进行组合，得出3-模糊候选属性集；检验3-模糊候选属性集的子集2-模糊频繁属性集，取出含有不是2-模糊频繁属性集的3-模糊候选属性集，计算剩余3-模糊候选属性集的模糊支持度，将小于最小支持度的3-模糊候选属性集去掉，获得全部的 3-模糊频繁属性集；重复以上步骤，直到找出全部k-模糊频繁属性集为止；以全部的模糊频繁属性集为基础，按照不小于用户给定的最小信任度的要求来生成模糊关联规则。

本发明按照优选实施例进行了说明，应当理解，上述实施例不以任何形式限定本发明，凡采用等同替换或等效变换的形式所获得的技术方案，均落在本发明的保护范围之内。

Claims (5)

1.一种基于数据挖掘的电网故障诊断方法，其特征在于：采用以下步骤实现：

（1）、由于各种数据的量纲不同，数量级差别也很大，所以首先对检测来的电网数据采取如下归一化处理

其中，表示归一化处理后的结果，表示第i次测量结果，X表示该参数的测量集合；

（2）、运用邻域粗糙集理论，依据多次实验和参考以往经验选择合适的邻域值，计算各个参数的依赖度；

（3）、基于步骤（2）获得依赖度函数，采用前向贪心搜索法，实现属性参数的约简处理，从而达到缩减数据量，但同时保留关键、重要的属性信息，为后续的故障诊断检测、分类和定位打下基础；

（4）、对已获得的约简属性集采用竞争凝聚聚类算法，将数值型属性离散化成若干个优化区间，实现对所有属性的分类；

（5）、对已获取的离散化的属性数据，采用模糊关联规则算法，得到各个属性参数和各个故障之间的隐含关系，从而达到电网故障诊断的检测、分类和定位目的；

（6）、运用IDEA集成开发工具和MySQL数据库，开发出一套B/S模式下的电网故障诊断系统，实时显示故障诊断的检测结果、分类情况和定位信息，以供相关工作人员做出及时有效的决策实施。

2.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用前向贪心搜索法实现参数约简处理的具体过程为：以空集为起点，选择依赖度最高的属性作为第一个参数；计算剩余的全部属性的依赖度，从剩下的属性中选择依赖度值最大的属性加入到约简集合中，直到所有剩余属性的重要度达到预先设置好阈值，约简集的依赖性函数值都不发生变化为止。

3.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用竞争凝聚聚类算法实现属性分类的具体过程为：初始化相关参数，如类个数、迭代次数、初始划分矩阵、聚类基数等；计算目标数据与类中心的距离；修改划分矩阵；由划分矩阵中的元素计算聚类基数，并依据事先设置好的淘汰准则进行类的淘汰处理；依据划分矩阵修改聚类个数，直到中心参数不变为止。

4.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用模糊关联规则算法实现故障检测、分类和定位的具体过程为：使用竞争凝聚聚类算法对原始数据库中的数值型属性进行离散化，同时将数值型属性上的取值按照不同的模糊等级进行划分；根据原数据库生成新的数据库，以数值型属性的模糊等级作为新数据库的模糊属性；计算新数据库中的全部1-模糊属性集的模糊支持度，找出全部1-模糊频繁属性集；将除含有同一个ik 标记的 1-模糊频繁属性集以外的属性集进行组合，得出2-模糊候选属性集；计算出全部2-模糊候选属性集的模糊支持度，将所有小于最小支持度的2-模糊候选属性集都删掉，剩余的即为所有的2-模糊频繁属性集；将第一个模糊属性相同的2-模糊频繁属性集进行组合，得出3-模糊候选属性集；检验3-模糊候选属性集的子集2-模糊频繁属性集，取出含有不是2-模糊频繁属性集的3-模糊候选属性集，计算剩余3-模糊候选属性集的模糊支持度，将小于最小支持度的3-模糊候选属性集去掉，获得全部的 3-模糊频繁属性集；重复以上步骤，直到找出全部k-模糊频繁属性集为止；以全部的模糊频繁属性集为基础，按照不小于用户给定的最小信任度的要求来生成模糊关联规则。

5.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：所述的电网故障诊断包括系统管理、数据字典、数据管理、专家系统、报表管理、论坛交流共六个功能模块，其中：

所述系统管理包括基本信息维护、用户管理和权限管理功能模块；

所述数据字典包括系统信息维护功能模块；

所述述数据管理包括数据录入、数据查询和电网管理功能模块；

所述专家系统包括规则设置、故障诊断和报警设置功能模块；

所述报表管理包括状态报表和查询下载功能模块；

所述论坛交流包括论坛和论坛维护功能模块。

Images