CN105160483A - 一种基于数据挖掘的二次设备故障诊断方法 - Google Patents

Abstract

一种基于数据挖掘的二次设备故障诊断方法，它包括以下步骤：（1）读取电网故障事件信息以及设备受冲击情况的历史信息；（2）通过数据挖掘推理模块，推导总结成诊断规则填入规则库；（3）数据分析处理模块实时读入监视控制与数据采集系统(SCADA)的遥测遥信信息、故障信息系统(FIS)的保护、开关动作等信息按设备进行关联分类，再过滤掉与故障无关的信息；（4）将相关的故障信息汇总分析，初步定位出发生故障的设备；（5）综合诊断模块将初步定位的故障设备对应的处理信息；（6）将已匹配的知识库规则与相关的故障信息汇总分析，定位出发生故障的设备；（7）根据定位的故障设备，结合已匹配的知识库规则，给出故障原因及排除故障的策略。

Description

一种基于数据挖掘的二次设备故障诊断方法

技术领域

本发明属于电力系统二次设备故障检测领域，具体涉及一种电力系统二次设备故障检测诊断的方法。

背景技术

随着电力系统的不断发展，国内已经开展了二次设备管理高级应用的研究，在一定程度上提高了故障信息的分析管理功能，但是这些数据处理手段只是对数据进行初步的分析和处理，而没能深层次挖掘出蕴含的丰富知识，无法从时间和空间上深层次理解与运用这些数据，存在数据挖掘不够充分、系统分析功能不全面等不足。目前，运维中心缺乏信息化集成平台支持，各个系统相对独立，处于信息孤岛状态，缺乏协同，班组人员难以适应和正确运用各系统提供的信息和服务，导致各信息系统不但没有提高运维效率，还增加了运维人员的工作量，提高了运维成本。目前迫切需要研究开发统筹各信息系统的二次设备管控平台，集成多维信息，促进业务协同，提供综合服务，达到提高巡维效率，提高设备全生命周期收益，支撑电网变电运行精益化管理和运维。

本发明的二次设备故障诊断方法。

发明内容

本发明的目的在于克服现有技术存在的不足，基于实践和积累，提出一种更准确、更实用化的、有利于提高巡维效率，提高设备全生命周期收益，通过采用数据挖掘的相关技术，对系统中发生故障的类型、快速切除情况、保护动作及重合情况以及各类设备缺陷情况进行深入分析，及时发现二次设备存在的隐患，实现二次设备的实时风险辨识与诊断的基于数据挖掘的二次设备故障诊断方法。

本发明具体采用以下技术方案。

一种基于数据挖掘的二次设备故障诊断方法，所述的诊断方法包括以下步骤：

步骤（1），读取电网故障事件信息以及设备受冲击情况的历史信息，包括发电机、变压器、线路、母线、电容器、电抗器一次设备故障事件信息及相应的二次设备故障信息及保护、开关动作、告警信息；

步骤（2），通过数据挖掘推理模块，挖掘出上述信息中的故障与原因之间的关系，推导总结成诊断规则填入规则库；

步骤（3），数据分析处理模块实时读入监视控制与数据采集系统(SCADA)的遥测遥信信息、故障信息系统(FIS)的保护、开关动作、告警信息，将这些信息按设备进行关联分类，再过滤掉与故障无关的信息；

步骤（4），将相关的故障信息汇总分析，初步定位出发生故障的设备；

步骤（5），综合诊断模块将初步定位的故障设备对应的处理信息，在知识库内进行搜索，找出与故障信息匹配度最高的规则；

步骤（6），将已匹配的知识库规则与相关的故障信息汇总分析，定位出发生故障的设备；

步骤（7），根据定位的故障设备，结合已匹配的知识库规则，给出故障原因及排除故障的策略。

作为优选：

所述步骤（2）中，数据挖掘推理模块生成的知识库规则包括规则信息描述、故障概率、故障原因以及故障处理策略四部分内容，并且针对每条挖掘生成的规则，也可以通过领域专家进行人工修改编辑，以达到诊断规则更加准确及实用化目的；

所述步骤（3）中，数据分析处理模块将一次设备与二次设备关联，将实时读入的各遥测遥信信息与一次设备关联，将实时读入的各保护、开关动作、告警信息与二次设备关联，各类信息按设备进行聚类管理；将只有正常运行信息设备对应的信息都过滤掉，只保留包含故障信息或告警信息的设备所对应的所有信息。

作为优选：

所述的步骤（2）中，知识库规则的生成采用数据挖掘技术的异常信号提取算法、聚类算法、关联算法实现，得到规则信息与其对应的故障原因及处理策略，故障概率则是通过计算所有与故障原因直接相关的事件与统计事件总数的比值得到的结果；

步骤（3）之后的步骤（4），根据步骤（3）中的结果，对过滤后的设备逐个分析，如果设备的故障或告警信息是孤立的没有相关性或设备的状态信息、量测信息等均处于正常状态，则不认为该设备发生故障；将剩余的设备初步认为是故障设备。

作为优选：

所述步骤（4）之后的步骤（5）中，规则匹配方法是将所有故障信息与知识规则进行匹配，统计每条规则的匹配次数，次数最多的即为最终匹配成功的规则；

所述步骤（5）之后的步骤（6）中，如果设备找到步骤（5）中的匹配规则，且设备的故障或告警信息数大于1，则该设备最终确定为故障设备。

本发明提出的基于数据挖掘的二次设备故障诊断方法，不但能够提高对二次设备故障的准确定位，提高设备的可靠性，降低设备检修费用，还可以提高运行人员的巡维效率，提高设备全生命周期的效益，进而更加有利于提高电力设备的运维管理水平。

附图说明

图1为本发明所述基于数据挖掘的二次设备故障诊断方法的流程图。

具体实施方式

下面将结合附图及具体实施例对本发明作详细的介绍：本发明提供一种基于数据挖掘的二次设备故障诊断方法，适用于实施部署了二次设备管控系统的电网。

所述的诊断方法包括以下步骤：

步骤（1），读取电网故障事件信息以及设备受冲击情况的历史信息，包括发电机、变压器、线路、母线、电容器、电抗器一次设备故障事件信息及相应的二次设备故障信息及保护、开关动作、告警信息；

步骤（2），通过数据挖掘推理模块，挖掘出上述信息中的故障与原因之间的关系，推导总结成诊断规则填入规则库；

步骤（3），数据分析处理模块实时读入监视控制与数据采集系统(SCADA)的遥测遥信信息、故障信息系统(FIS)的保护、开关动作、告警信息，将这些信息按设备进行关联分类，再过滤掉与故障无关的信息；

步骤（4），将相关的故障信息汇总分析，初步定位出发生故障的设备；

步骤（5），综合诊断模块将初步定位的故障设备对应的处理信息，在知识库内进行搜索，找出与故障信息匹配度最高的规则；

步骤（6），将已匹配的知识库规则与相关的故障信息汇总分析，定位出发生故障的设备；

步骤（7），根据定位的故障设备，结合已匹配的知识库规则，给出故障原因及排除故障的策略。

作为优选的实施例是：

所述步骤（2）中，数据挖掘推理模块生成的知识库规则包括规则信息描述、故障概率、故障原因以及故障处理策略四部分内容，并且针对每条挖掘生成的规则，也可以通过领域专家进行人工修改编辑，以达到诊断规则更加准确及实用化目的；

所述步骤（3）中，数据分析处理模块将一次设备与二次设备关联，将实时读入的各遥测遥信信息与一次设备关联，将实时读入的各保护、开关动作、告警信息与二次设备关联，各类信息按设备进行聚类管理；将只有正常运行信息设备对应的信息都过滤掉，只保留包含故障信息或告警信息的设备所对应的所有信息。

本发明所述的步骤（2）中，知识库规则的生成采用数据挖掘技术的异常信号提取算法、聚类算法、关联算法实现，得到规则信息与其对应的故障原因及处理策略，故障概率则是通过计算所有与故障原因直接相关的事件与统计事件总数的比值得到的结果；

步骤（3）之后的步骤（4），根据步骤（3）中的结果，对过滤后的设备逐个分析，如果设备的故障或告警信息是孤立的没有相关性或设备的状态信息、量测信息等均处于正常状态，则不认为该设备发生故障；将剩余的设备初步认为是故障设备。

本发明所述步骤（4）之后的步骤（5）中，规则匹配方法是将所有故障信息与知识规则进行匹配，统计每条规则的匹配次数，次数最多的即为最终匹配成功的规则；

所述步骤（5）之后的步骤（6）中，如果设备找到步骤（5）中的匹配规则，且设备的故障或告警信息数大于1，则该设备最终确定为故障设备。

实施例：图1所示，本发明所述诊断方法包括历史数据读取、数据挖掘推理、知识库规则形成、实时数据读取、数据分类管理过滤、故障设备初步定位、综合诊断分析、故障设备定位以及给出故障原因与排除故障策略九部分内容。

（1）历史数据读取部分，读入电网故障事件信息以及设备受冲击情况的历史信息，包括发电机、变压器、线路、母线、电容器、电抗器等一次设备故障事件信息及相应的二次设备的故障信息、告警信息以及保护、开关的动作信息；

（2）数据挖掘推理与知识库规则形成部分，将读入的历史数据进行挖掘，形成诊断知识库中的规则。生成的知识库规则包括规则信息描述、故障概率、故障原因以及故障处理策略四部分内容，并且针对每条挖掘生成的规则，也可以通过领域专家进行人工修改编辑，以达到诊断规则更加的准确及实用化目的；

知识库规则的生成采用数据挖掘技术的异常信号提取算法、聚类算法、关联算法实现，得到规则信息与其对应的故障原因及处理策略，故障概率则是通过计算所有与故障原因直接相关的事件与统计事件总数的比值得到的结果；

（3）实时数据读取部分，实时读入监视控制与数据采集系统(SCADA)的遥测遥信信息、故障信息系统(FIS)的保护、开关动作、告警信息。将读入的SCADA信息与一次设备关进行关联，将读入的FIS信息与二次设备关联，再将一次设备与二次设备通过基础平台的模型关系进行关联，从而得到按设备进行聚类管理的信息集；

对读入的实时信息进行过滤处理，去掉与故障不相关的信息。具体方法为，在聚类管理信息集的基础之上，对设备收到的所有实时信息进行属性判断，如果只包含正常的运行信息不包含告警类的信息，则认为该设备没有故障，将该设备做无故障标记，即该设备的所有信息，本次分析不再进行后续的逻辑判断；

（4）故障设备初步定位部分，在上述（3）中已处理的数据基础之上，对没有无故障标记的设备逐个分析。如果设备的故障或告警信息是孤立的没有相关性，或设备的状态信息、量测信息等均处于正常状态，则不认为该设备发生故障，标记为无故障设备；将剩余的设备初步确定为故障设备；

（5）综合诊断分析与故障定位部分，将初步确定为故障设备的异常信息在挖掘生成的知识库内进行搜索，找出与故障信息匹配度最高的规则。具体方法为将所有故障信息与知识规则进行匹配，统计每条规则的匹配次数，次数最多的即为最终匹配成功的规则。

本发明的故障设备判定原则是：如果设备的故障或告警信息个数大于1，且有匹配成功的知识规则，则该设备确定为故障设备。

（6）故障原因与排除故障策略部分，将定位的故障设备、相关的告警信息以及匹配规则中的故障原因、故障概率与排除故障策略，以平台发送告警信息的方式提供给运行人员。

以上是对本发明的详细说明。经工程现场的实际运行检验，该方法准确实用，有利于提高运行人员的巡维效率，有利于提高电力设备的运维管理水平。

Claims (4)

1.一种基于数据挖掘的二次设备故障诊断方法，其特征在于所述的诊断方法包括以下步骤：

步骤（1），读取电网故障事件信息以及设备受冲击情况的历史信息，包括发电机、变压器、线路、母线、电容器、电抗器一次设备故障事件信息及相应的二次设备故障信息及保护、开关动作、告警信息；

步骤（2），通过数据挖掘推理模块，挖掘出上述信息中的故障与原因之间的关系，推导总结成诊断规则填入规则库；

步骤（3），数据分析处理模块实时读入监视控制与数据采集系统(SCADA)的遥测遥信信息、故障信息系统(FIS)的保护、开关动作、告警信息，将这些信息按设备进行关联分类，再过滤掉与故障无关的信息；

步骤（4），将相关的故障信息汇总分析，初步定位出发生故障的设备；

步骤（5），综合诊断模块将初步定位的故障设备对应的处理信息，在知识库内进行搜索，找出与故障信息匹配度最高的规则；

步骤（6），将已匹配的知识库规则与相关的故障信息汇总分析，定位出发生故障的设备；

步骤（7），根据定位的故障设备，结合已匹配的知识库规则，给出故障原因及排除故障的策略。

2.根据权利要求1所述基于数据挖掘的二次设备故障诊断方法，其特征在于：

所述步骤（2）中，数据挖掘推理模块生成的知识库规则包括规则信息描述、故障概率、故障原因以及故障处理策略四部分内容，并且针对每条挖掘生成的规则，也可以通过领域专家进行人工修改编辑，以达到诊断规则更加准确及实用化目的；

所述步骤（3）中，数据分析处理模块将一次设备与二次设备关联，将实时读入的各遥测遥信信息与一次设备关联，将实时读入的各保护、开关动作、告警信息与二次设备关联，各类信息按设备进行聚类管理；将只有正常运行信息设备对应的信息都过滤掉，只保留包含故障信息或告警信息的设备所对应的所有信息。

3.根据权利要求2所述基于数据挖掘的二次设备故障诊断方法，其特征在于：

所述的步骤（2）中，知识库规则的生成采用数据挖掘技术的异常信号提取算法、聚类算法、关联算法实现，得到规则信息与其对应的故障原因及处理策略，故障概率则是通过计算所有与故障原因直接相关的事件与统计事件总数的比值得到的结果；

步骤（3）之后的步骤（4），根据步骤（3）中的结果，对过滤后的设备逐个分析，如果设备的故障或告警信息是孤立的没有相关性或设备的状态信息、量测信息等均处于正常状态，则不认为该设备发生故障；将剩余的设备初步认为是故障设备。

4.根据权利要求1或3所述基于数据挖掘的二次设备故障诊断方法，其特征在于：

所述步骤（4）之后的步骤（5）中，规则匹配方法是将所有故障信息与知识规则进行匹配，统计每条规则的匹配次数，次数最多的即为最终匹配成功的规则；

所述步骤（5）之后的步骤（6）中，如果设备找到步骤（5）中的匹配规则，且设备的故障或告警信息数大于1，则该设备最终确定为故障设备。