CN110837866A - 基于XGBoost的电力二次设备缺陷程度评估方法 - Google Patents

Abstract

本发明公开了一种基于XGBoost的电力二次设备缺陷程度评估方法，该方法首先采集并整理电力系统二次设备相关缺陷数据，对采集到的电力系统二次设备历史缺陷数据进行去重、异常值过滤、去除缺失值等一系列预处理工作；然后基于Apriori算法对处理好的数据进行关联规则挖掘，筛选出与电力系统二次设备缺陷程度具有强关联规则的特征建立特征指标集，并对指标数据进行特征及标签编码，经过数据分组后，分别利用训练集和测试集数据对XGBoost模型进行训练和参数寻优；最后，用训练好的分类模型实现电力系统二次设备缺陷的准确分类，进而可以很好的辅助检修人员进行设备的维护与管理。

Description

基于XGBoost的电力二次设备缺陷程度评估方法

技术领域

本发明属于电力设备状态评估与缺陷分类技术，具体地涉及一种基于XGBoost的电力二次设备缺陷程度评估方法。

背景技术

电力系统二次设备是智能变电站安全稳定运行的关键设备之一，其运行状态的好坏关乎电力系统能否可靠供电。近年来，随着科学技术的迅猛发展，电力系统规模不断扩大，电力系统中二次设备的数量也发生了跨越式的增长，“设备多，检修人员少”的矛盾给二次设备的运维人员带来了相当大的工作负担，同时也给电力系统运行带来了风险，二次设备的运维和管控水平亟待提高。

二次设备缺陷率逐年增长，严重影响了电力系统的稳定运行。随着保护设备数量的增多，缺陷发生时所要记录的相关数据量也随之增大，且各类数据之间有着或多或少的关联性，单凭运维人员的经验无法对缺陷严重程度进行准确判断。

对于二次设备的状态评估与缺陷分类，一般多采用层次分析法、模糊综合评价法、灰色定权聚类等方法。此类方法虽然能够较为准确地对二次设备当前缺陷程度进行判断，但其不可避免的夹杂着主观因素，需要依靠专家和运维人员的经验。而XGBoost算法作为梯度提升机器算法的一种，能分布式处理高维稀疏特征，具有高准确度、不易过拟合、可扩展性等特点。基于XGBoost模型对电力系统二次设备历史数据进行分析和特征提取，从而实现对设备缺陷程度的准确判断，辅助电力系统设备检修人员决策。

发明内容

发明目的：针对电力系统中二次设备运维人员对于设备缺陷程度判断易出错、效率低的问题，本发明的目的是提供一种基于XGBoost的电力二次设备缺陷程度评估方法。

技术方案：一种基于XGBoost的电力二次设备缺陷程度评估方法，包括以下步骤：

(1)获取电力监控系统中二次设备的历史缺陷数据，所述缺陷数据包括设备属性数据和设备运行数据；

(2)对步骤(1)采集的电力系统二次设备历史缺陷数据进行数据清洗，包括去重、异常值过滤和数据重组；

(3)利用Apriori算法对清洗后的数据进行关联规则挖掘，包括设定支持度筛选出所有频繁项集和设定置信度产生关联规则进行构建特征指标集，所述频繁项集为支持度大于等于最小支持度的集合；

(4)基于独热编码对特征指标集中的指标数据进行按照特征及标签编码；

(5)将经过清洗的历史缺陷数据经过编排分组后按3:1:1划分为训练集，测试集和验证集；

(6)分别利用训练集和测试集数据对XGBoost模型进行训练和参数寻优；选择网格搜索得到的每组参数下模型分类的最高准确率对应的参数为最优参数；

(7)将验证集数据输入参数最优参数模型中进行验证，通过分类器对输入数据特征的自动分析和提取，实现二次设备缺陷程度的自动分类。

进一步的，步骤(1)所述的设备属性数据包括装置类别、保护类别、设备电压等级、装置型号、设备制造厂家、故障分类、故障部位、故障设备类型中的一项及其以上，所述的设备运行数据包括消缺时间、光模块光强、温/湿度、光纤接收/发送功率、正确动作率、电源输出电压、累计缺陷次数、缺陷累计时间和缺陷率。

步骤(2)所述的数据清洗具体包括如下过程：

(1)去除历史缺陷数据中重复数据；

(2)根据二次设备各参数运行区间范围去除异常数值的数据；

(3)去除含缺失值的数据。

步骤(3)中所述的支持度和置信度由Apriori所挖掘到的关联规则支持度和置信度的设定阈值大于等于0.5。

步骤(4)中所述的标签编码通过“0”和“1”组成的独热编码表示二次设备的保护类型，通过N位状态寄存器来对N个状态进行编码，每个状态都有独立的寄存器位，并且在任意时候只有一位有效，所述保护类型包括变压器保护、电抗器保护、电容器保护、断路器保护、过电压及远方跳闸保护、母线保护和线路保护。

步骤(5)包括对缺陷数据在编排前包括将缺陷数据进行随机打乱重组预处理，然后按照3:1:1划分为训练集，测试集和验证集。

步骤(6)中XGBoost模型训练的目标函数包括损失函数项正则惩罚项的结合，设D＝{(x_i,y_i)}(|D|＝n,x_i∈R^m,y_i∈R)为一个拥有n个样本、每个样本有m个特征的数据集；x_i表示第i个样本数据树的集成模型通过K个相加函数来预测最终结果，最终结果的表达式如下：

其中，F＝{f(x)＝W_q(x)}(q:R^m→T,w∈R^·)，q表示将样本实例Rm映射到相应叶索引的结构，T表示叶子节点的数目，R^·为叶子节点权重w的空间，样本x_i和预测值

的函数关系记为θ；W_q(x)把每一个节点映射成一个值，即f(x)的值；f_k表示第k棵树的模型，每一个f_k对应着一个独立的树结构q和叶子节点的权值w为了学习模型中使用的函数集，故定义正则化目标函数如下：

其中，l是一个用来衡量预测值和真实值y_i之间差异的损失函数，Ω表示模型复杂度的惩罚项，γ表示叶子数目的正则化参数，用来抑制节点继续向下分裂，λ表示叶子权重的正则化参数。

步骤(7)中通过宏平均对所有类别的准确率、召回率、F₁值取平均值进行二次设备的缺陷程度的评估。

有益效果：与现有技术相比，本发明所述方法对于二次设备的运行状态和设备故障避免了主观因素的影响，通过Apriori算法和XGBoost模型的结合将历史缺陷数据训练得到精准的缺陷故障检测模型，实现对于电力系统二次设备的运行数据和设备标识相匹配快速识别二次设备的故障数据。

附图说明

图1为本发明所述方法的流程示意图；

图2为二次设备特征指标集的一个分类示意图。

具体实施方式

为详细的说明本发明所公开的技术方案，下面结合说明书附图和具体实施例做进一步的阐述。

具体的以某电厂2016年至2018年这三年间二次设备缺陷记录数据为例，共计556条典型缺陷信息。其中：一般缺陷147例，严重缺陷256例，危机缺陷153例。将数据按4:1比例随机划分为训练集和测试集。

表1样本数据具体分布

如图1所示，本发明所述基于Apriori-XGBoost算法的电力系统二次设备缺陷程度评估方法，具体实施步骤如下：

步骤1、数据采集

经由电网生产管理系统和调度管理系统采集二次设备历史缺陷数据。缺陷数据包含以下内容：装置分类、保护类别、设备电压等级、装置型号、设备制造厂家、缺陷分类、缺陷部位、具体缺陷情况、缺陷设备类型、缺陷原因、消缺时间、光模块光强、温/湿度、光纤接收/发送功率、正确动作率、电源输出电压、缺陷责任单位总套数、累计缺陷次数、缺陷累计时间、缺陷率。

步骤2、数据预处理

对二次设备历史数据进行数据清洗。首先，去除数据中的空格、标点的无关字符；其次，去除含缺失值的数据，若一条数据缺少步骤1中所述二次设备缺陷数据包含内容的一项或多项则视为含缺失值数据；然后，对数据中数值异常的记录进行删除；最后，进行数据去重，避免重复数据影响分类准确性。

步骤3、关联规则挖掘

基于Apriori算法对预处理后的数据进行关联规则挖掘，其核心思想是通过候选集生成和向下封闭检测来寻找频繁项集，由频繁项集产生强关联规则。

如果某关联规则满足支持度大于最小支持度(支持度是用于衡量规则需要满足的最低重要性)，且置信度大于最小置信度(置信度是表示关联规则需要满足的最低可靠性)，称这条关联规则为强关联规则，否则称之为弱关联规则。同时满足最小支持度阀值和最小置信度阀值的规则称为强规则。

1)支持度：衡量的前提是项目X与结果项目Y一起出现的概率，表示该规则在全部交易记录中出现的比率。

2)置信度：衡量的前提项目在X发生的情况下，结果项目Y发生的条件概率，即表示当前提项目X发生时，可推出的结果项目Y的规则正确性的信心程度。

关联规则是否具有可信度的衡量指标是置信度。因此，置信度须达到一定的水平(值设定为0.5)，最后利用最小置信度为阈值去除掉正确概率偏低的关联规则。

步骤4、构建指标集和数据编码

电力系统二次设备类型多数量大，具备点多、面广、要素复杂等特点。其指标集的建立，需要从二次设备运行状态实际情况出发。本发明基于Apriori算法从历史数据中挖掘出与二次设备缺陷程度强相关的规则，将与二次设备缺陷有关的特征量分为两大类：类别型和数值型。类别型特征由设备制造厂家、保护类别、设备电压等级、缺陷设备类型和缺陷部位组成；数值型特征由缺陷累计时间、累计缺陷次数、电源输出电压、光模块光强、温/湿度、光纤接收/发送功率和正确动作率组成。

由于XGBoost分类器的输入只能是数值型数据，需要对类别型特征进行相应的编码，将类别型特征转化为数值型特征。目前，常用的编码方式有序列编码(ordinalencoding)、独热编码(one-hot encoding)和二进制编码(binary encoder)。对于输入的类别型特征，由于每个特征中所包含的属性数量不多，本发明对此采用独热编码的方式，即使用0和1表示这些类别型特征，用N位状态寄存器来对N个状态进行编码，每个状态都有独立的寄存器位，并且在任意时候只有一位有效。

表2.类别型特征独热编码示例

表3.标签序列编码对照表

步骤5、二次设备特征及标签编码

将处理好的数据按3:1:1划分为训练集，测试集和验证集，为保证数据的随机性，在划分数据前需要先将数据样本打乱。

步骤6、XGBoost模型训练

XGBoost的目标函数除损失函数项之外还包含了正则惩罚项将二者结合起来整体求最优解，用于权衡损失函数的下降和模型的复杂程度，正则化项的加入可以降低模型的方差，使得通过训练集学习得到的模型更加简单，从而防止产生过拟合。XGBoost算法具体推导过程如下，设D＝{(x_i,y_i)}(|D|＝n,x_i∈R^m,y_i∈R)为一个拥有n个样本、每个样本有m个特征的数据集；x_i表示第i个样本数据树的集成模型通过K(树的数目)个相加函数来预测最终结果：

其中，F＝{f(x)＝W_q(x)}(q:R^m→T,w∈R^·)(q表示将样本实例R^m映射到相应叶索引的结构，T表示叶子节点的数目，R^·为叶子节点权重w的空间)代表了一个决策树的函数空间，样本x_i和预测值

的函数关系记为θ；W_q(x)把每一个节点映射成一个值，即f(x)的值；f_k表示第k棵树的模型。每一个f_k对应着一个独立的树结构q和叶子节点的权值w为了学习模型中使用的函数集，故定义正则化目标函数如下：

其中，l是一个用来衡量预测值

和真实值y_i之间差异的损失函数，Ω表示模型复杂度的惩罚项，γ表示叶子数目的正则化参数，用来抑制节点继续向下分裂，λ表示叶子权重的正则化参数。

步骤7、型参数寻优

XGBoost模型有7个主要参数，不同参数有不同的功能，这些参数的设定是否合理，对于模型的好坏有重要影响。本发明使用Gridsearch网格搜索法对算法部分参数进行寻优。网格搜索是一种寻找含有约束条件的非线性极值的数学方法，也称为“穷举法”。网格搜索法没有特定的函数公式与之对应，而是将各个待优化参数的可行区间按照一定步长划分成网格，使参数在一定范围内取值。目标函数值在交叉点处，按某种规则搜索全部的交叉点，找出代表最优目标函数的各个交叉，该交叉点代表的各个参数即为最佳参数。网格搜索法比较直观，步骤简单。当寻优参数少时，搜索时间较短，最佳适应度较高。

经由网格搜索方法对模型参数寻优，重要参数设置如表3所示。

表4.算法部分参数设置

步骤8、型评估指标

对于二分类问题，通常采用准确率(Precision)、召回率(Recall)及F₁值三个指标评估模型分类性能。

准确率是预测为正的样本数与所有的实际为正的样本数之比：

召回率是预测为正的样本数与该类实际样本数之比：

F₁是综合准确率和召回率考虑的模型分类精确度：

其中，TP表示本来是正样例，分类结果也是正样例；TN表示本来是负样例，分类结果也是负样例；FP表示本来是负样例，分类结果是正样例；FN表示本来是正样例，分类结果是负样例。

本实施例属于多分类问题，采用宏平均的方法,即对所有类别的准确率、召回率、取平均值，以评估缺陷分类的总体性能。F₁值会随着准确率、召回率的提高而提高，F₁越大，说明模型分类效果越好。其具体计算参照下式：

其中，P_i为第i个类别的准确率，R_i为第i个类别的召回率，n为类别综述。

本发明所述方法包括了对电力系统二次设备相关缺陷数据的去重、异常值过滤、缺失值填补等一系列预处理工作；通过XGBoost算法实现对电力系统二次设备历史缺陷数据的自动分类，通过训练和模型参数寻优，最终获得准确率高的分类模型。并且对二次设备特征指标中的类别型变量及标签进行独热编码中离散特征按照一维度的特征视为连续的特征数组能够最大化将缺陷数据对应的各种情况囊括在内，用训练好的分类模型实现电力系统二次设备缺陷的准确分类，进而可以很好的辅助检修人员进行设备的维护与管理。

Claims (8)

1.一种基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：包括以下步骤：

(1)获取电力监控系统中二次设备的历史缺陷数据，所述缺陷数据包括设备属性数据和设备运行数据；

(2)对步骤(1)采集的电力系统二次设备历史缺陷数据进行数据清洗，包括去重、异常值过滤和数据重组；

(3)利用Apriori算法对清洗后的数据进行关联规则挖掘，包括设定支持度筛选出所有频繁项集和设定置信度产生关联规则进行构建特征指标集，所述频繁项集为支持度大于等于最小支持度的集合；

(4)基于独热编码对特征指标集中的指标数据进行特征匹配及标签编码；

(5)将经过清洗的历史缺陷数据经过编排分组后按3:1:1划分为训练集，测试集和验证集；

(6)分别利用训练集和测试集数据对XGBoost模型进行训练和参数寻优；选择网格搜索得到的每组参数下模型分类的最高准确率对应的参数为最优参数；

(7)将验证集数据输入参数最优参数模型中进行验证，通过分类器对输入数据特征的自动分析和提取，实现二次设备缺陷程度的自动分类。

2.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(1)所述的设备属性数据包括装置类别、保护类别、设备电压等级、装置型号、设备制造厂家、故障分类、故障部位、故障设备类型中的一项及其以上，所述的设备运行数据包括消缺时间、光模块光强、温/湿度、光纤接收/发送功率、正确动作率、电源输出电压、累计缺陷次数、缺陷累计时间和缺陷率。

3.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(2)所述的数据清洗具体包括如下过程：

(1)去除历史缺陷数据中重复数据；

(2)根据二次设备各参数运行区间范围去除异常数值的数据；

(3)去除含缺失值的数据。

4.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(3)由Apriori所挖掘到的关联规则中支持度和置信度设定阈值均大于等于0.5。

5.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(4)中所述的标签编码通过“0”和“1”组成的独热编码表示二次设备的保护类型，通过N位状态寄存器来对N个状态进行编码，每个状态都有独立的寄存器位，并且在任意时候只有一位有效，所述保护类型包括变压器保护、电抗器保护、电容器保护、断路器保护、过电压及远方跳闸保护、母线保护和线路保护。

6.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(5)包括对缺陷数据在编排前包括将缺陷数据进行随机打乱重组预处理，然后按照3:1:1划分为训练集，测试集和验证集。

7.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(6)中XGBoost模型训练的目标函数包括损失函数项正则惩罚项的结合，设D＝{(x_i,y_i)}(|D|＝n,x_i∈R^m,y_i∈R)为一个拥有n个样本、每个样本有m个特征的数据集，x_i表示第i个样本数据树的集成模型通过K个相加函数来预测最终结果，最终结果的表达式如下：

其中，F＝{f(x)＝W_q(x)}(q:R^m→T,w∈R·)，q表示将样本实例Rm映射到相应叶索引的结构，T表示叶子节点的数目，R·为叶子节点权重w的空间，样本x_i和预测值

的函数关系记为θ；W_q(x)把每一个节点映射成一个值，即f(x)的值；f_k表示第k棵树的模型，每一个f_k对应着一个独立的树结构q和叶子节点的权值w为了学习模型中使用的函数集，正则化目标函数表达式如下：

其中，l为用来衡量预测值

和真实值y_i之间差异的损失函数，Ω表示模型复杂度的惩罚项，γ表示叶子数目的正则化参数，用来抑制节点继续向下分裂，λ表示叶子权重的正则化参数。

8.根据权利要求1所述的基于XGBoost的电力二次设备缺陷程度评估方法，其特征在于：步骤(7)中通过宏平均对所有类别的准确率、召回率、F₁值取平均值进行二次设备的缺陷程度的评估。

Images