基于數據挖掘的電網隱患等級自動評估方法

李翔++莫琦++付龍明++王立娜++盧穎浩

摘 要：電網運行隱患的有效控制在電網建設和運行中起著至關重要的作用。隨著電力需求的不斷提升，電網運行的可靠性要求也越來越高，電網運行隱患問題對電網可靠性影響非常大。該文通過分析某電力系統對控制安全隱患的要求，提出了電網安全隱患評估定級方法，為確保電力系統可靠運行提供重要保障。

關鍵詞：數據挖掘 安全生產隱患 評估定級 決策樹 分類算法

中圖分類號：TP311 文獻標識碼：A 文章編號：1674-098X（2017）06（b）-0099-02

在電網的運行過程中，安全生產隱患的存在給電網穩定運行帶來了重大的影響。如不加以注意，很有可能導致電網運行故障。電網運行安全隱患給電網造成直接和間接的經濟損失是十分巨大的，因此必須要加以重視。尤其是電力系統直接面向廣大用戶，電網安全生產隱患如不予以即時解決，很可能釀成難以挽回的損失。對電網安全隱患展開評估定級，對于防止重大事故發生、提高應急能力、提高電網運行有序性等都有著重大意義。而目前的電網隱患等級評估還沒有應用大數據技術，評估準確性有待提高，這在一定意義上給電網埋下了隱患。所以該文針對這種情況提出了一種決策樹算法的隱患等級評估辦法，能及時準確地評定隱患等級，從而給電網穩定運行提供了有力的保障。

1 數據挖掘技術簡介

數據挖掘（Data Mining）是一種知識發現的過程，它主要基于統計學、人工智能、機器學習等技術，高度自動化地分析數據，做出歸納性的推理，從中挖掘出潛在的模式，并對未來情況進行分析、預測，以輔助管理者、決策者評估風險、做出正確的決策。利用數據挖掘進行數據分析常用的方法主要有分類、回歸分析、聚類、關聯規則、特征、變化和偏差分析、Web 頁挖掘等，它們分別從不同的角度對數據進行挖掘。

決策樹（Decision tree）由一個決策圖和可能的結果（包括資源成本和風險）組成，用來創建到達目標的規劃。決策樹建立并用來輔助決策，是一種特殊的樹結構。決策樹是一個利用像樹一樣的圖形或決策模型的決策支持工具，包括隨機事件結果，資源代價和實用性。它是一個算法顯示的方法。決策樹經常在運籌學中使用，特別是在決策分析中，它幫助確定一個能最可能達到目標的策略。如果在實際中，決策不得不在沒有完備知識的情況下被在線采用，一個決策樹應該平行概率模型作為最佳的選擇模型或在線選擇模型算法。決策樹的另一個使用是作為計算條件概率的描述性手段。該文就是利用決策樹算法進行分類分析為電網系統隱患進行定級評估。

2 電網安全生產隱患

2.1 電網安全生產隱患概述及隱患管理現狀

根據對國內某電網公司的調查走訪，電網公司在對于系統運行中違反安全生產法律、法規、規章、標準、規程和安全生產管理制度的規定，或者其他可能導致系統正常運行受到影響的不安全因素，主要包括電網運行過程中異常事件原因不清楚、設備及設施的不安全狀態、非常態的電網運行工況、人的不安全行為和管理上的缺陷等情況。其管理現狀完全沒有做到標準化，同時也沒有對應明確的隱患評估定級以及處理措施。這種情況下給電網安全穩定的運行埋下了很大的安全隱患，一旦隱患事故發生將會造成不可逆轉的損失。

2.2 電網安全生產隱患評估定級的重要性

隨著電網規模的不斷擴大，電網企業的安全生產十分重要，而安全隱患幾乎存在于系統運行的各個環節，為了減少人員傷亡、傷害以及財產的損失，這就需要加大安全隱患排除力度，切實有效地為事故發生做好預防。目前隱患排查工作已作為一項例行工作開展，但對于隱患排查工作開展的規范化，排查結果的規律化評估尚缺乏基礎性研究的支撐，也沒有類似的專家評估系統。傳統隱患評估不同評估對象往往根據單一業務情況通過評估方式的人為選取進行安全隱患的評估工作，評估方式的選擇過程智能化、自動化程度不高。對此根據決策樹算法進行隱患自動評估定級，評估結果將為隱患措施的制定提供可靠、準確和及時的信息參考，為系統運行安全生產提供科學高效的評估支持。

3 數據挖掘技術在隱患評估定級中的應用

3.1 隱患評估定級的技術方案

（1）從電網系統運行的實際工作出發，依據系統運行隱患管理制度，對系統運行各項中的安全隱患進行分類、定級，梳理形成量化分級的電網運行安全隱患標準庫；（2）隱患等級決策樹構建。選定隱患標準庫作為訓練樣本，提取隱患等級標示屬性，挖掘歸納出隱患分類、分級規則，構建隱患等級評估決策樹；（3）通過隱患等級評估決策樹，把數據庫中的元組映射到給定類別中的某一個，發現某一條隱患是屬于某一特定數據子集的規則；（4）由隱患測試數據檢驗生成的隱患等級決策樹，消除由于統計噪聲或數據波動對決策樹的影響來達到凈化樹的目的，得到一棵正確的隱患等級決策樹（見圖1）。

3.2 隱患評估定級的具體實施方式

3.2.1 構建隱患標準庫

從電網系統運行的實際工作出發，依據系統運行隱患管理制度，對系統運行各項中的安全隱患進行分類、定級，梳理形成量化分級的電網運行安全隱患標準庫，具體包括系統運行隱患的定義、隱患分類、隱患等級、隱患范例、隱患危害、關聯制度、防范措施等。

3.2.2 隱患等級決策樹構建

采用大數據挖掘中的決策樹算法實現隱患等級的自動評估，具體步驟分為兩個階段：第一階段，隱患等級決策樹構建。通過遞歸地算法將訓練集生成一棵隱患等級決策樹。第二階段，由隱患測試數據檢驗生成的隱患等級決策樹，消除由于統計噪聲或數據波動對決策樹的影響來達到凈化樹的目的，得到一棵正確的隱患等級決策樹。選定包含隱患標示屬性的隱患標準庫作為訓練樣本，挖掘歸納出分類分級規則，通過將隱患標準庫按專業類型、隱患等級等屬性規則進行劃分，構建隱患等級評估模型，通過隱患等級評估模型，把數據庫中的元組映射到給定類別中的某一個，發現某一條隱患是屬于某一特定數據子集的規則。隱患等級決策樹構建步驟：（1）選定包含隱患標示屬性的隱患標準庫作為訓練樣本E，通過將隱患標準庫按專業類型、隱患等級等屬性規則進行劃分，若E的記錄都屬于同一類（純的），類別屬性值為Xi，則選擇Xi作為葉節點（也是根節點），結束；否則把E作為當前數據集；（2）對于當前數據集，選擇最佳分割標準，把數據集劃分為不同子數據集；（3）逐個處理子數據集，若子數據集是純的。類別屬性值為Xi，則選擇Xi作為葉節點，轉（4）；否則，把該子數據集作為當前數據集，轉（2）；（4）若子數據集處理完，結束；否則轉（3）（見圖2）。

3.3 隱患評估定級的顯著優勢

通過以上隱患自動評估的詳細步驟可以看到，對隱患標準庫中的數據進行挖掘分析，可以充分利用已有的資源對當前的安全隱患進行定級。其中構建安全隱患等級決策樹，實現自安全隱患等級自動評估，可以實現評估結果更加標準化、自動化、規范化的評估結果。評估結果準確性的提高，將為隱患措施的制定提供可靠、準確和及時的信息參考，為系統運行安全生產提供科學高效的評估支持。

4 結語

電網隱患等級制動評估主要是實現隱患等級評定的規范化、標準化、自動化，減少人為主觀因素的影響，是電力系統穩定運行的重要保障。通過對隱患的自動評估，就能夠防止故障和異常狀況對電力系統造成不良影響。在對電網安全生產隱患進行分析后，使用決策樹分析方法計算電網安全生產隱患發生的幾率并且對隱患進行分析，對其提出了相應的解決對策，有利于電力系統安全、穩定地運行。

參考文獻

[1] 李平榮.大數據時代的數據挖掘技術與應用[J].重慶三峽學院學報，2014，10（103）：145-147.

[2] 樓巍.面向大數據的高維數據挖掘技術研究[D].上海大學，2013.