基于Logistic分類算法的配電網(wǎng)故障識(shí)別技術(shù)研究

袁 丹，黃繼明

（國(guó)網(wǎng)浙江寧波市鄞州區(qū)供電公司，浙江 寧波 315100）

1 數(shù)據(jù)收集與處理

1.1 數(shù)據(jù)的獲取

以2016-01—2017-06-30用電信息采集系統(tǒng)中配電變壓器的停電信號(hào)數(shù)據(jù)為基礎(chǔ)，登錄用電信息采集系統(tǒng)，分別查詢并且導(dǎo)出2016—2017-06-30的專用和公用配電變壓器有效停電數(shù)據(jù)，所提取的字段信息包括線路、戶號(hào)、戶名、終端停電時(shí)間、終端復(fù)電時(shí)間等。

1.2 停電信號(hào)數(shù)量的統(tǒng)計(jì)

由于調(diào)控部門臨時(shí)性運(yùn)行方式變更工作會(huì)產(chǎn)生短時(shí)間負(fù)荷轉(zhuǎn)移，所以用電信息采集系統(tǒng)中實(shí)時(shí)生成的配電變壓器停電信號(hào)的停電時(shí)長(zhǎng)不短于15 min，因此，該部分停電信號(hào)應(yīng)予以清洗，從調(diào)控部門臨時(shí)性運(yùn)行方式變更工作實(shí)際需求出發(fā)，將停電時(shí)長(zhǎng)短于15 min的信號(hào)予以清洗，保留停電時(shí)長(zhǎng)大于等于15 min的停電信號(hào)，再統(tǒng)計(jì)5 min內(nèi)專變和公變停電信號(hào)數(shù)量，將它們作為故障判別的兩個(gè)基礎(chǔ)自變量。

1.3 因變量-真實(shí)故障的確定

95598故障工單的處理結(jié)論以及供電企業(yè)平時(shí)運(yùn)行中的故障處理信息是判定配電線路故障是或者否的依據(jù)?？紤]到配電線路計(jì)劃?rùn)z修或者故障停電后，其所供電的配電變壓器會(huì)發(fā)生停電，所安裝的專變、公變監(jiān)測(cè)終端將即時(shí)發(fā)送停電報(bào)文至用電信息采集系統(tǒng)主站，如果相關(guān)的專用和公用配電變壓器及其所屬線路并不屬于停電檢修設(shè)備范圍內(nèi)，則判定為真實(shí)故障。

1.4 自變量與因變量的匹配

95598以“多戶停電”“臨時(shí)停電”“配合停電”為配電線路故障判定的依據(jù)，充分考慮故障發(fā)生后用戶撥打電話以及95598坐席受理的時(shí)間預(yù)留120 min的余度，因此，停電信號(hào)與故障記錄進(jìn)行匹配時(shí)，應(yīng)按照相同線路，且兩者發(fā)生時(shí)間間隔在120 min以內(nèi)，則此時(shí)的停電信號(hào)標(biāo)記為真實(shí)故障事件，其余為非故障事件。

2 模型建立

以2016年的信號(hào)故障記錄作為訓(xùn)練數(shù)據(jù)，從2017年中隨機(jī)篩選500條故障記錄，以及500條非故障記錄作為測(cè)試數(shù)據(jù)。分析發(fā)現(xiàn)，2016年共有26 897條數(shù)據(jù)，其中關(guān)聯(lián)為故障的為1 155條，而未關(guān)聯(lián)為故障記錄為25 742條，樣本數(shù)據(jù)類型分布的不平衡會(huì)嚴(yán)重影響模型的訓(xùn)練效果。本文采用上采樣方法，復(fù)制稀有類的樣本，將故障記錄復(fù)制20次作為訓(xùn)練數(shù)據(jù)，最終訓(xùn)練數(shù)據(jù)中共有49 997條記錄，其中，故障記錄為24 255，非故障記錄為25 742。

我們選取專變和公變的停電信號(hào)作為自變量，選用以下模型：

式（1）中：X1為專變停電信號(hào)數(shù)量；X2為公變停電信號(hào)數(shù)量；P為故障發(fā)生的概率。

運(yùn)用WEKA軟件調(diào)用Logistic模型，設(shè)置不同的臨界值P，得到的表格如表1所示。

其中，P為分類的臨界值，當(dāng)Logistic預(yù)測(cè)概率大于P，則判定為故障，否則判定為非故障，Total為總共識(shí)別出的故障數(shù)量，Hit為命中真實(shí)故障的數(shù)量，i-j為把i識(shí)別成j的數(shù)量（i=0，1，j=0，1），Correct rate為識(shí)別準(zhǔn)確率，Hit rate為故障命中率。經(jīng)過綜合平衡準(zhǔn)確率和命中率關(guān)系，選用P=0.5作為模型參數(shù)，已達(dá)到既能識(shí)別故障，又能盡量減少對(duì)非故障的誤判的目的。具體如表2所示。

因此，訓(xùn)練得到的模型為：

其中，X1，X2的系數(shù)均大于0，說明隨著專變和公變停電信號(hào)數(shù)量的增加，故障概率也在提升，而專變停電信號(hào)數(shù)量的變化對(duì)故障概率影響更大。此模型的故障命中率為81.69%.利用該模型就能根據(jù)專變和公變的信號(hào)數(shù)量預(yù)測(cè)故障發(fā)生概率，如果預(yù)測(cè)概率大于0.5，則識(shí)別為故障，記為1；否則識(shí)別為非故障，記為0.同時(shí)，我們還能得到自變量數(shù)量對(duì)應(yīng)的 OR 值（優(yōu)勢(shì)比），eβ1=1.001 947，eβ2=1.196 927，這表明1單位的專變停電信號(hào)數(shù)量，故障發(fā)生概率只會(huì)增加0.19%；而1單位的公變停電信號(hào)數(shù)量，故障發(fā)生概率會(huì)增加19%，公變停電信號(hào)導(dǎo)致故障的可能性比專變的大。

從2017年中隨機(jī)篩選1 000條記錄，對(duì)模型進(jìn)行了測(cè)試，測(cè)試結(jié)果如表3所示。

表1 不同概率P的訓(xùn)練結(jié)果明細(xì)表

表2 結(jié)果值

表3 測(cè)試結(jié)果明細(xì)表

模型的準(zhǔn)確性達(dá)68.1%，故障命中率達(dá)到了89.519 7%.

3 總結(jié)與展望

本文通過數(shù)據(jù)挖掘中的Logistic模型，建立基于配電器停電信號(hào)的故障識(shí)別模型，可有效過濾誤信號(hào)噪聲，在現(xiàn)有的硬件條件下，無需專業(yè)運(yùn)維人員的主觀介入，通過計(jì)算機(jī)自動(dòng)計(jì)算較為可靠地完成配電線路故障的自動(dòng)感知，有效提高配網(wǎng)搶修指揮工作效率。

參考文獻(xiàn)：

［1］黃國(guó)良.快速查找在10 kV配電線路單相接地故障的應(yīng)用［J］.科技資訊，2011，9（11）：73-74.