基于數據挖掘的計量裝置在線監測與故障診斷系統設計

楊世海，戴太文，盧樹峰，李 濤，徐銳敏

（1.國網江蘇省電力公司電力科學研究院 江蘇 南京 210019；2.福建億榕信息技術有限公司 福建 福州 350003）

基于數據挖掘的計量裝置在線監測與故障診斷系統設計

楊世海1，戴太文2，盧樹峰1，李 濤2，徐銳敏1

（1.國網江蘇省電力公司電力科學研究院 江蘇 南京 210019；2.福建億榕信息技術有限公司 福建 福州 350003）

為實現計量裝置運行狀況的在線監測和故障診斷，文中研究電能計量裝置在線監測與故障系統的設計問題。首先分析了故障信息序列中必有或特有的信息，提出了基于特征挖掘的關聯規則挖掘改進算法。進一步介紹了在線監測系統架構及軟件設計方案及相關功能介紹。通過電能計量裝置在線監測與故障系統的實地應用，驗證了改進算法可減少無效挖掘，提高計算速率，適用于在線診斷。通過實地應用，證明了該系統異常分析準確度高、實時性強、適用范圍廣泛，是實現我國智能電網建設的有力工具。

計量裝置；數據挖掘；關聯規則；在線監測；故障診斷

隨著智能電網的建設，網絡化、數字化、智能化將是針對智能電網智能量測系統的計量裝置的電能計量在線監測系統的發展趨勢[1]。目前存在的問題是電能表、采集終端等分布廣泛、數量巨大，故障頻發率高。故如何降低故障現場檢修工作量、實現計量相關設備的在線監測，對建設堅強智能電網具有實際的工程意義，有必要設計一套多功能集成的計量裝置在線監測與故障診斷系統。

目前國內在該系統方面的實現技術仍處于探索階段，運行維護項目和流程也沿用傳統變電站運行管理要求[2]。為此，諸多學者將數據挖掘技術應用到了計量數據處理和系統設計中[3-6]，如文獻[7]將決策樹用到變電站故障診斷領域，實現了故障診斷知識的自動獲取與表示，且所獲得的以決策樹形式表示的知識具有較高的推理速度；文獻[8]將基于事件序列的數據挖掘原理故障診斷模型用于高壓輸電線系統故障診斷領域，依據輸電系統故障事件序列在時空特性上的關聯性，用動態規劃算法的優化相似性原理挖掘事件序列之間的關聯性和蘊涵的知識，以實現對異常事件序列模式中畸變事件的“復原”和糾錯，從而保證故障診斷系統的高容錯性。文獻[9]將模糊聚類方法應用于而電廠和電力系統的實測數據，并將其連續屬性離散化，后采用粗糙集理論對離散數據進行處理，挖掘故障診斷與運行決策的規則知識。

故為實現對現場運行的電能表、采集終端、計量回路及相關設備進行在線監測、故障監測和狀態評估判斷的準確性。本文首先分析了故障信息序列中必有或特有的信息，提出了基于特征挖掘的關聯規則挖掘改進算法。進一步介紹了在線監測系統架構及軟件設計方案及相關功能介紹。通過電能計量裝置在線監測與故障系統的實地應用，驗證了改進算法可減少無效挖掘，提高計算速率，適用于在線診斷。

1 數據挖掘相關算法改進原理

電能計量裝置的檢測與故障診斷主要按照終端和計量表的事件邏輯順序進行診斷，故障信息序列間具有時序關聯關系，設備間具有拓撲連接關系，因此，關聯規則挖掘方法適合用于電能計量裝置故障信息[10]。而該方法的缺點為：計算量呈冪律的增長趨勢、易忽略離群數據。為便于獲取故障的特征、提高計算效率[11]，需對該方法進行改進。

設給定事務數據庫D={T1，T2，T3，…，Tn}、其中各事務T是項集I的子集，即T?I；|D|為D中的總事務數。X、Y都是T中的項或項集，X∩Y=Φ。若如果事務T同時包含X、Y，則就可得到關聯規則：

式中，S%為支持度，表示滿足條件的事務T在D中所占比例；C%為可信度，表示D同時包含X和Y的比例；I%為興趣度，表示X、Y的相關程度。

通常的挖掘算法使用頻繁集生成關聯規則[12]，算法起始需多次掃描事務數據庫，故制約了挖掘的執行效率。所用到的頻繁模式算法首先將數據庫壓縮成一棵頻繁模式樹，相當于將數據庫分組，能夠減少數據庫掃描的次數，而關聯信息仍然保存在樹的節點中。為防止對誤差有所遺漏，此處對該算法進行改進，提出基于故障特征的關聯規則挖掘算法。

1）總結電網故障特征的頻繁集，以得到關聯規則，也可通過挖掘來補充和細化特征；

2）進行故障分解為故障征兆類和故障性質類，診斷規則左項為故障征兆，右項為故障性質；

3）對故障記錄樣本按故障性質分組，不考慮不同故障性質的故障間的關聯關系，減少無效挖掘；

4）調整可信度閾值調整各故障統計數間的關系，保證至少挖掘出一種規則，以防遺漏稀有故障相關規則；

5）采用深度優先搜索算法，修剪非頻繁集時保留包含葉子節點的數據集，即保證任何一種故障性質都不會被修剪。

2 計量裝置在線監測系統架構設計

2.1 系統研制目標

基于數據挖掘的計量裝置在線監測系統針對電能計量裝置管理工作而開發設計的自動化管理系統；通過對運行中計量設備的信號采集、數據處理、邏輯判斷來實現實時對電能表進行在線遠程校驗、TV、TA特性參數監測，并且在主站可以將所有數據進行集中管理[13-14]。通過將原在線監測系統的數據與各相關因素的數據相組合，并選擇和運用數據挖掘算法進行剖析，得到各相關因素對設備狀態影響的定量表示，該系統在監測與故障診斷方面應設計具有互感器可靠性評價、開關可靠性評價、故障過程全維度回放等能力。即在故障辨識結束后，可使調度運行人員對某故障按照故障時間先后順序對故障全過程進行清晰的全維度回放，為故障性質的確定、故障后的系統恢復、設備維修提供可信的依據。

2.2 總體系統及軟件架構

計量裝置在線監測系統由故障數據庫、分布式云存儲單元、互聯網應用服務、調試接口、后臺分析等模塊組成。為滿足于多系統間的信息交互，該系統采用SOA（Service-Oriented Architecture）架構設計[8]，通過 ESB服務總線（ESB，Enerprise Service Bus）約定與外部系統信息交互規則。

該系統以用電信息采集系統為基礎，從用電信息采集系統、營銷系統、計量生產調度平臺中通過數據抽取工具獲取的各類數據，之后進行在線統計和離線分析，以此為判斷、分析現場故障狀態分析提供依據。其軟件技術架構如圖1所示，在線監測與診斷功能由業務應用、支撐平臺組成，各部分功能如下：

1）支撐平臺從采集系統的電能、電量示值、事件、負荷、參數閾值等數據，根據入庫規則存放在數據庫和分布式數據存儲系統中。

2）后臺服務實現從不同維度對各類數據進行分類統計和計算，實現異常分析流程化和智能化。

3）業務應用包括在線警告、流程管理、信道檢測、裝置評價、定位服務等功能，并實現分區域、分異常嚴重等級和類別進行展示。

圖1 在線監測系統軟件功能總體架構

3 監測系統關聯挖掘功能設計

對計量裝置故障的關聯規則挖掘首先要進行故障數據的預處理，采用監視控制系統對故障事件進行記錄，將分解后的結果保存到數據倉庫；之后對故障元事件進行排序、分類，以減少遍歷集合的次數；判斷故障事件中的量測信息是否超過約定的閾值，從而完成對故障元事件邏輯轉換；最后對故障事件按類別編號，以增強挖掘軟件的通用性[15]。

在數據預處理之后，應建立挖掘模型，將包含閾值信息的頻繁項集構建成頻繁模式樹。該模型包含故障征兆與故障性質之間的關聯關系，離線運行時用于故障特征的自學習和故障規則的提取，在線運行時用于故障診斷[16]。該關聯規則挖掘功能的主要算法流程如圖2所示，后臺故障在線診斷流程如圖3所示。

4 應用測試實例性能分析

4.1 算法改進性能驗證

在進行系統性能實測之前，需建立故障數據挖掘庫，并驗證改進算法的優越性。以X省供電公司近3年內的收集200余次故障記錄數據為基礎，建立容量為200項的數據挖掘庫，容量為20項的無故障測試數據庫，并在某服務器上進行挖掘算法測試，其測試內容為在挖掘庫中增加50項不良記錄，用于模擬故障事件中的丟失信息、錯誤信息和冗余信息，檢驗程序的健壯性。分3次測試，第1次測試為只挖掘200項正常的故障記錄；第2次為在增加30項有缺失信息和20項有冗余信息的挖掘測試；第3次為10項有缺失信息和40項有冗余信息的挖掘測試。測試結果列于表1，從中可看出，利用改進算法產生的規則對測試庫中20項故障記錄進行診斷，規則匹配度全部達到0.8以上，且效率大為提高。在有缺失信息的情況下，適當降低可信度仍然可以挖掘出有效的規則；冗余信息對挖掘的影響較小，說明該算法可把握重要關聯規則，濾除干擾。

圖2 關聯規則挖掘改進算法流程圖

圖3 后臺故障在線診斷分析流程圖

表1 不良數據記錄的挖掘測試結果

4.2 系統實地應用性能分析

以X省供電公司2015年6月某次變電站運行數據為例（如表2所示），對系統的實地應用性能進行描述分析。

2015年6月19日凌晨4點前后，某區TV二次回路壓降發生突變。初步初步推斷為由于線路老化，TV二次回路中的某接點或線路松動接觸不良或受損，引起 TV二次回路壓降突然增大，超出規定范圍。因此首先對被監測TV二次回路的各個接點及線路進行排查，同時在早上9點后進行加固處理；經過對該TV二次回路所有接點進行加固處理后，監測TV二次回路壓降回復正常值，現場處理后線路回復正常。

表2 變電站實測數據

5 結束語

文中研究電能計量裝置在線監測與故障系統的設計問題。該系統的實現核心為基于關聯規則的數據挖掘算法，同時考慮到傳統關聯規則計算速率慢、易忽略離群數據等缺陷，對其進行了算法改進。之后，給出了在線監測系統架構及軟件設計方案及相關功能介紹。該系統異常分析準確度高、實時性強、適用范圍廣泛，已在國網X省電力公司運行半年有余，發現多起嚴重等級的計量異常和用電異常事件、現場錯誤接線、計量裝置質量缺陷等問題，通過及時排查問題和現場消缺，為公司挽回了大量的經濟損失，取得很好的效果。

[1]行明濤，吳華芹，于仲華.電能計量帶電核查儀系統的設計[J].電子設計工程，2013，21（23）:163-166.

[2]王春慶，趙玉富，周 琪，等.電能計量裝置運行現狀淺析[J].電測與儀表，2010，47（7）:26-28.

[3]彭小圣，鄧迪元，程時杰，等.面向智能電網應用的電力大數據關鍵技術[J].中國電機工程學報，2015，35（3）:503-511.

[4]桂強.數據挖掘及信息融合技術在電網故障信息系統中的應用 [D].上海：上海交通大學，2007.

[5]黃彥浩，于之虹，謝昶，等.電力大數據技術與電力系統仿真計算結合問題研究[J].中國電機工程學報，2015，35（1）:13-22.

[6]劉巍，黃曌，李鵬，等.面向智能配電網的大數據統一支撐平臺體系與構架[J].電工技術學報，2014，29（1）:486-491.

[7]白建社，樊 波，黃文華.基于決策樹的變電站故障診斷知識表示與獲取[J].電力系統自動化學報，2004，16（2）:5-8.

[8]孫雅明，廖志偉.基于事件序列數據挖掘原理的高壓輸電線系統故障診斷 [J].電力系統自動化，2004，28（5）:20-24.

[9]于達任，胡清華，鮑文.融合粗糙集和模糊聚類的連續數據知識發現[J].中國電機工程學報，2004，24（6）:205-210.

[10]Muller E，Gunnemann S，Assent L，et al.Evaluating clustering in subspace projections of high dimensional data[J]. ProceedingsoftheVLDBEndowment，2009，2（1）:1270-1281.

[11]Witten I H，Frank E.Data Mining:Practical machine learning tools and techniques[M].Morgan Kaufmann:2005.

[12]Peng H，Long F，Ding C.Feature selection based on mutual information criteria of max-dependency，max-relevance，and min-redundancy [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2005，27（8）:1226-1238.

[13]趙山，許卓，陳銳民.基于10kV高壓電能表的變損和線損測試[J].電子設計工程，2012，20（20）:113-118.

[14]黃俐萍，朱 錚，李 蕊.高級計量在線監測技術研究[J].華東電力，2010，38（4）:0552-0556.

[15]李再華，白曉民，周子冠，等.基于特征挖掘的電網故障診斷方法[J].中國電機工程學報，2010，30（10）:16-22.

[16]包曉暉.基于數據挖掘技術的電氣設備在線監測系統開發[J].華北水利水電學院學報，2008，29（5）:52-54.

Design of online monitoring and fault diagnosis system for metering devices based on data mining

YANG Shi-hai1，DAI Tai-wen2，LU Shu-feng1，LI Tao2，XU Rui-min1
（1.State Grid Jiangsu Electric Power Research Institute，Nanjing 210019，China；2.Fujian Yirong Information Technology co.，LTD.，Fuzhou 350003，China）

In order to realize online monitoring and fault diagnosis of metering device during its running state，this paper designed the online monitoring and fault diagnosis system of electric energy metering device.At first，the information there must be or specific in fault information sequence was analyzed and a improved method of association rule mining based on feature mining was proposing.Then，the frame of online monitoring system and software design scheme which including function were introduced.Through applying the online monitoring and fault diagnosis system in the field，we verified that the improved method can reduce ineffective mining，having a higher computing rate，and is suitable for online diagnosis.The application approved that this system had high accuracy of anomaly analyzing，strong real-time and wide application range which would be a powerful tool for accomplishing the construction of smart grids in our country.

metering device；data mining；association rule；online monitoring；fault diagnosis

TN87

A

1674－6236（2016）23-0108-04

2015-11-22稿件編號：201511205

楊世海（1976—），男，安徽合肥人，碩士研究生，高級工程師。研究方向：電力系統自動化與電能計量技術。