CN109523422A - 一种配电网故障影响因素的挖掘方法 - Google Patents
一种配电网故障影响因素的挖掘方法 Download PDFInfo
- Publication number
- CN109523422A CN109523422A CN201811362020.8A CN201811362020A CN109523422A CN 109523422 A CN109523422 A CN 109523422A CN 201811362020 A CN201811362020 A CN 201811362020A CN 109523422 A CN109523422 A CN 109523422A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- failure
- influence factor
- data
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 230000010354 integration Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000033228 biological regulation Effects 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 238000005065 mining Methods 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及配电网故障信息分析技术领域,具体涉及一种配电网故障影响因素的挖掘方法,包括以下步骤:(1)提取故障信息数据,并对配电网故障信息数据按配电网设备故障类型进行校验、清洗和整合;(2)对故障信息数据进行整合后,采用条件概率作为评价指标,分别计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率;(3)将上述计算得到的条件概率以降序的形式排序,取出排名在前A%的数据作为强相关事件。本发明中的挖掘算法基于配电网运行数据、计量数据、调度数据的基础上,使用相条件概率作为指标,找出与配电网故障强相关联的故障影响因素数据,为配电网管理提供决策依据,并让运维部门对发生概率高的故障事件进行针对性整治。
Description
技术领域
本发明涉及配电网故障信息分析技术领域,具体涉及一种配电网故障影响因素的挖掘方法。
背景技术
配电网是电力系统中的最后一个环节,直接面向客户,在整个电力系统中有着举足轻重的作用。但是由于配电网结构的复杂性,配电运行管理中会产生大量的业务数据,极大的增加了配电网故障分析的难度,依赖人工统计分析的手段已经无法满足运行管理的需求。
基于配电网的大数据挖掘作为一种新兴的分析技术,能够挖掘配电网中的历史运行数据中所包含的有价值的信息。通过挖掘配电网中的故障信息,如故障发生时间、故障发生地点、故障设备类型、故障原因、负载情况、天气情况、节假日、故障修复时间等的信息,找出一定时期内与配电网故障强相关联的信息。通过故障信息的相关性分析,确定某一时间内配网运行管理的重点,如针对性的对抢修、重过载等进行综合整治。而目前还未有系统的从配电网故障信息挖掘故障的方法。
发明内容
为了解决上述问题,本发明提供了一种配电网故障影响因素的挖掘方法,具体技术方案如下:
一种配电网故障影响因素的挖掘方法包括以下步骤:
(1)提取配电网故障信息数据,并对配电网故障信息数据按配电网设备故障类型进行校验和清洗,过滤掉不符合校验规则的数据,数据清洗完成后进行数据的整合;
(2)对故障信息数据进行整合后,采用条件概率作为评价指标,分别计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率;
(3)将上述计算得到的条件概率以降序的形式排序,取出排名在前A%的数据作为强相关事件。
优选地,所述步骤(2)分别计算配电网故障与造成配电网故障的因素的条件概率具体包括以下步骤:
(1)按照影响故障因素对故障信息数据进行分组,计算配电网故障在该故障影响因素下发生的概率;所述配电网故障包括所有配电网设备故障类型;
(2)按照故障影响因素和配电网设备故障类型对故障信息数据进行分组,计算每种配电网设备故障在该故障影响因素下发生的概率;
(3)计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率,计算方式如下:
其中,Bj表示对该故障影响因素进行分组的事件;P(Bj)表示在故障影响因素Bj下配电网故障发生的概率;
Ai表示对配电网设备故障类型进行分组的事件;P(AiBj)表示电网设备故障类型Ai在故障影响因素Bj下发生的概率;
P(Ai|Bj)表示配电网设备故障类型Ai在故障影响因素Bj下发生的条件概率。
优选地,所述故障影响因素包括天气因素、节假日因素、负载因素。
有益效果为:本发明中的挖掘算法基于配电网运行数据、计量数据、调度数据的基础上,使用相条件概率作为指标,找出与配电网故障强相关联的故障影响因素数据,为配电网管理提供决策依据,并让运维部门对发生概率高的故障事件进行针对性整治。
附图说明
图1为本发明的实施例中天气因素未清洗、整合的数据示意图;
图2为本发明的实施例天气因素中清洗、整合后的数据示意图;
图3为本发明的实施例中对天气因素进行分组的示意图;
图4为本发明的实施例中以天气因素和配电网设备故障类型进行分组的示意图;
图5为本发明中以节假日因素和配电网设备故障类型进行分组的示意图;
图6为本发明中以负载因素和配电网设备故障类型进行分组的示意图;
图7为本发明的实施例中计算天气因素对配电网设备故障的相关性的流程示意图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
一种配电网故障影响因素的挖掘方法包括以下步骤:
(1)提取配电网故障信息数据,并对配电网故障信息数据按配电网设备故障类型进行校验和清洗,过滤掉不符合校验规则的数据,数据清洗完成后进行数据的整合。
数据提取是使用jdbc的连接方式从数据中心取出故障单数据、负载率数据、缺陷单数据。由于系统中的数据很多项别都支持主观的填报,所以数据质量不高,同一种情况可能有多种描述,甚至有填报错误导致数据无法使用的。这里使用模糊匹配的方法对数据进行转换,对一些有错误的数据采取剔除的手段。其中,模糊匹配的手段主要使用了正则表达式,对于数据中现有的情况进行枚举归纳,实现数据清洗。图1为提取出来的原始数据示意图,图中WEATHER字段通过查询维表可以得到ID号所对应的天气的中文翻译,DEVICE_NAME则通过模糊匹配的手段,得到归纳后的设备名称,如图2所示。
数据整合的对象是指一些原本在数据库没有主外键关系的表,整合数据需要把数据整合到同一张表里,整合的方式是使用时间、站点、线路共同的关系约束来实现。
(2)对故障信息数据进行整合后,采用条件概率作为评价指标,分别计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率。故障影响因素包括天气因素、节假日因素、负载因素。按照天气因素对配电网故障进行分组的情况如图3所示。天气因素分为晴朗和雷雨,以天气因素和配电网设备故障类型进行分组的情况如图4所示,
以节假日因素和配电网设备故障类型进行分组的情况如图5所示,其中,HOLIDAY一列中,TRUE表示为节假日,FALSE表示为非节假日,FALUT1一列中,TRUE表示发生故障。以负载因素和配电网设备故障类型进行分组的情况如图6所示,负载情况分为重载、过载、轻载三种情况。本实施例以天气因素为例,如图7所示,具体步骤如下:
1)按照天气对故障信息数据进行分组,如图4所示。事件B1为晴朗,事件B2为雷雨,计算配电网故障在该故障影响因素下发生的概率;配电网故障包括所有配电网设备故障类型;由此可得到:
晴朗天气下配电网故障发生的概率为:P(B1)=5/11;
雷雨天气下配电网故障发生的概率为:P(B2)=6/11。
2)按照天气和配电网设备故障类型对故障信息数据进行分组,如图4所示,计算每种配电网设备故障在该故障影响因素下发生的概率;从图2或图3可知,配电网设备故障类型包括变压器故障、令克故障、架空线故障,分组后可知,事件A1为变压器故障,事件A2为令克故障,事件A3为架空线故障,则:
在晴朗的天气B1下变压器故障A1发生的概率为:P(A1B1)=2/11;
在晴朗的天气B1下令克故障A2发生的概率为:P(A2B1)=1/11;
在晴朗的天气B1下架空线故障A3发生的概率为:P(A3B1)=2/11;
在雷雨的天气B2下变压器故障A1发生的概率为:P(A1B2)=1/11;
在雷雨的天气B2下令克故障A2发生的概率为:P(A2B2)=1/11;
在雷雨的天气B2下架空线故障A3发生的概率为:P(A3B2)=4/11。
3)计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率,计算方式如下:
其中,Bj表示对该故障影响因素进行分组的事件;P(Bj)表示在故障影响因素Bj下配电网故障发生的概率;
Ai表示对配电网设备故障类型进行分组的事件;P(AiBj)表示电网设备故障类型Ai在故障影响因素Bj下发生的概率;
P(Ai|Bj)表示配电网设备故障类型Ai在故障影响因素Bj下发生的条件概率。
则在晴朗的天气B1下变压器故障A1发生的条件概率为:在晴朗的天气B1下令克故障A2发生的条件概率为:
在晴朗的天气B1下架空线故障A3发生的条件概率为:
在雷雨的天气B2下变压器故障A1发生的条件概率为:
在雷雨的天气B2下令克故障A2发生的条件概率为:
在雷雨的天气B2下架空线故障A3发生的条件概率为:
(3)将上述计算得到的条件概率以降序的形式排序,取出排名在前A%的数据作为强相关事件,并对该配电网设备故障进行针对性整治,A的数值由人工设定,在本实施例中,A%=40%,则由上可知,在雷雨的天气B2下架空线故障A3发生的条件概率和在晴朗的天气B1下架空线故障A3发生的条件概率在40%的数据范围内,由此可知,架空线故障发生的概率比较高,应该重点关注,并针对性进行整治。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种配电网故障影响因素的挖掘方法,其特征在于:包括以下步骤:
(1)提取配电网故障信息数据,并对配电网故障信息数据按配电网设备故障类型进行校验和清洗,过滤掉不符合校验规则的数据,数据清洗完成后进行数据的整合;
(2)对故障信息数据进行整合后,采用条件概率作为评价指标,分别计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率;
(3)将上述计算得到的条件概率以降序的形式排序,取出排名在前A%的数据作为强相关事件。
2.根据权利要求1所述的一种配电网故障影响因素的挖掘方法,其特征在于:所述步骤(2)分别计算配电网故障与造成配电网故障的因素的条件概率具体包括以下步骤:
(1)按照影响故障因素对故障信息数据进行分组,计算配电网故障在该故障影响因素下发生的概率;所述配电网故障包括所有配电网设备故障类型;
(2)按照故障影响因素和配电网设备故障类型对故障信息数据进行分组,计算每种配电网设备故障在该故障影响因素下发生的概率;
(3)计算每种配电网设备故障类型在各个故障影响因素下发生的条件概率,计算方式如下:
其中,Bj表示对该故障影响因素进行分组的事件;P(Bj)表示在故障影响因素Bj下配电网故障发生的概率;
Ai表示对配电网设备故障类型进行分组的事件;P(AiBj)表示电网设备故障类型Ai在故障影响因素Bj下发生的概率;
P(Ai|Bj)表示配电网设备故障类型Ai在故障影响因素Bj下发生的条件概率。
3.根据权利要求1或2所述的一种配电网故障影响因素的挖掘方法,其特征在于:所述故障影响因素包括天气因素、节假日因素、负载因素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811362020.8A CN109523422A (zh) | 2018-11-15 | 2018-11-15 | 一种配电网故障影响因素的挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811362020.8A CN109523422A (zh) | 2018-11-15 | 2018-11-15 | 一种配电网故障影响因素的挖掘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109523422A true CN109523422A (zh) | 2019-03-26 |
Family
ID=65778075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811362020.8A Pending CN109523422A (zh) | 2018-11-15 | 2018-11-15 | 一种配电网故障影响因素的挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523422A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232482A (zh) * | 2019-06-18 | 2019-09-13 | 魏显文 | 基于神经网络的设备管理方法及装置 |
CN110826187A (zh) * | 2019-10-12 | 2020-02-21 | 广东核电合营有限公司 | 核电站蒸汽发生器传热管降质失效的概率评估方法 |
CN112434947A (zh) * | 2020-11-25 | 2021-03-02 | 国网湖北省电力有限公司咸宁供电公司 | 一种配电网智能评估方法、设备及存储介质 |
-
2018
- 2018-11-15 CN CN201811362020.8A patent/CN109523422A/zh active Pending
Non-Patent Citations (1)
Title |
---|
康建东 等: "基于数据挖掘的电网故障诊断研究", 《电子测试》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232482A (zh) * | 2019-06-18 | 2019-09-13 | 魏显文 | 基于神经网络的设备管理方法及装置 |
CN110826187A (zh) * | 2019-10-12 | 2020-02-21 | 广东核电合营有限公司 | 核电站蒸汽发生器传热管降质失效的概率评估方法 |
CN110826187B (zh) * | 2019-10-12 | 2023-04-07 | 广东核电合营有限公司 | 核电站蒸汽发生器传热管降质失效的概率评估方法 |
CN112434947A (zh) * | 2020-11-25 | 2021-03-02 | 国网湖北省电力有限公司咸宁供电公司 | 一种配电网智能评估方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN106815373B (zh) | 基于bi分析的配网抢修大数据展示方法及系统 | |
CN106779096B (zh) | 配电网报修态势主动预警系统 | |
CN105427039A (zh) | 一种基于责任区的配电网抢修工单高效处理方法 | |
CN105894177A (zh) | 一种基于决策树算法的电力设备运行风险分析评估方法 | |
CN109523422A (zh) | 一种配电网故障影响因素的挖掘方法 | |
CN110647567B (zh) | 基于末端数据融合的停电计划辅助决策系统 | |
CN107730117B (zh) | 一种基于异质数据综合分析的电缆检修预警方法及系统 | |
CN103902816A (zh) | 基于数据挖掘技术的带电检测数据处理方法 | |
CN107798395A (zh) | 一种电网事故信号自动诊断方法及系统 | |
CN104463696A (zh) | 电网运行风险识防方法及系统 | |
Borghei et al. | A multi-objective optimization scheme for resilient, cost-effective planning of microgrids | |
CN104933477A (zh) | 一种利用输变电设备风险评估优化检修策略的方法 | |
CN110942235A (zh) | 一种电力应急评估系统 | |
CN104091289A (zh) | 基于接线模式规则的大规模配电网n-1快速校验方法 | |
CN111178382A (zh) | 一种基于工单数据挖掘的抢修服务预测分析方法 | |
CN105913177A (zh) | 基于云的调度停电计划信息处理方法 | |
CN112348345A (zh) | 智能自动派单方法及系统 | |
CN102800030A (zh) | 地区电网继电保护设备综合可靠性互动迭代评估方法 | |
CN114529166A (zh) | 一种配电网运行安全风险预警方法及系统 | |
CN113949155A (zh) | 一种具有实时监测功能的全景式电能质量监测系统 | |
CN113627766A (zh) | 一种拓扑辨识停电检修计划的风险辨识方法 | |
CN107093151A (zh) | 电力系统智能化断面管理及在线安全校核系统 | |
CN115409264A (zh) | 基于馈线故障预测的配电网抢修驻点位置优化方法 | |
CN115622260A (zh) | 一种多能源组合的集中监控方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190326 |