電網故障預測中數據挖掘技術應用的可行性分析

(華南理工大學工商管理學院 廣東 廣州 510640)

現階段，國民經濟的發展速度日益增加，人們在用電方面的需求也逐漸增大，進而使電網的規模也在增大，各地區內電網的關聯性也逐漸增強。在此現狀下，電力系統運行的經濟型得以提升，但電力系統受個別地區的電網故障影響的范圍更加寬廣。雖然現階段運用了較多的設備、管控及保護措施對電力系統進行維護，但仍存在一定的可能性出現電網故障。當出現多種或者較為繁雜的故障時，調度員難以在極短時間內對大量的告警信息進行分析并做出決策對其處理，尤其是出現信息缺失現象時，難度將進一步增大。因此，利用數據挖掘技術對電網故障進行預測可使調度員提前做好相應的準備工作，及時高效的解決電網故障，具有較大的現實意義。

一、電網故障概述

(一)電網故障出現的原因

電網發生故障的原因多種多樣，具體如下：在穩定且合理的電壓下，電網的輸電線路絕緣子保障了在內部和大氣過電壓以及系統長時間運行下的可靠程度，但輸電線路大部分時間內都是暴露在大氣中，在惡劣環境或天氣如大雨、冰凍、大雪等作用下會受到一定的侵蝕，會減少甚至破壞其絕緣度。在導致電網出現故障的所有因素中，雷電是最為主要的因素之一，電網線路會因雷擊人出現過電壓現象，甚至相應的設備都會出現損壞現象；而嚴寒環境則會使電網線路結冰，當冰層超過一定厚度時則有可能導致相關設施倒塌進而使線路損壞出現故障；在電網線路相關設施上還會因鳥獸的巢穴或者排泄物使絕緣子串聯出現污閃和閃絡現象；除自然因素以外，電網出現故障還有可能是某些違法分子偷盜國家電力設備資源，使電網的線路大范圍停電。

(二)電網故障產生的后果及類型

在電網中，常常會出現以下幾種電網故障。其一，當強度較高的電弧或者短路電流經過短路點時會對故障元件產生破壞作用；非故障元件在電流強度較大的短路電流經過時產生的熱量以及電動力影響下會出現損壞或者使用壽命減少的情況；電力系統的電壓會在故障發生時受到影響而降低，進而對人民群眾的日常生活產生影響，出現數量較多的廢品；電力系統中各發電廠之間的并聯關系的平穩性會在電網發生故障時受到影響，使系統整體產生振蕩，甚至會使系統崩壞。

電網故障的類型大體上可分為短路和斷路故障。短路故障以接地項數量為標準可細分為兩項接地和單項接地故障，以接地情況為標準可細分為不接地和接地故障。在所有故障類型中，短路故障是最常發生的，亦是危害范圍最大的故障類型。

二、數據挖掘技術在電網故障預測中的應用

(一)數據挖掘技術的概念

從具有隨機、模糊、量大等特征的數據中收集可明了的、有效的等信息的過程就是數據挖掘。其并非只是數據查找，而是歸納總結數據，供給相應的依據或有效數據于相關的決策中。

數據挖掘在信息發掘過程中是沒有清晰的假設的，這也是其與傳統數據分析的最大差別。而該種技術所獲取的信息存在以下特點：實用性、有效性、未知性。

(二)數據挖掘技術在電網故障預測中的應用

基于電網可靠性預測方法，發展出了電網故障預測方法，其是在造成故障產生的因素數據以及電網發生故障時數據的基礎上，對電網故障及影響因素之間的聯系進行研究分析，之后采用一定的方式搭建出一個故障預測模型，預測電網在某個區域在某個時間段內可能出現的故障。現階段，其預測的區域及時間劃分并未擁有一個明晰的標準，大多數情況下都是根據模型最優準則以及電力公司的需求來對其進行明確的。

數據挖掘技術中，數據分析能力極為強大，電網故障產生的原因及范圍都可在其分析能力下被發掘出來，在此基礎上，擬定出與之對應的解決方案，使故障發生的可能性在一定的手段下得以降低，進而使電網運行穩定、收益提升。因此，我們可基于數據挖掘技術構建一個電網故障預測模型。

確定任務、數據準備、挖掘建模以及結果分析應用是數據挖掘的四個過程。本文基于數據挖掘的特征，于電網故障預測當中運用了該技術，具體過程如下：第一步，確定任務。該過程就是在真實需求的基礎上，將電網故障預測的目標以及所需完成的工作進行明確。第二步，數據準備。在該步驟中又細分了五個環節。其一，數據提取。研究探討電網故障預測中的問題，對數據挖掘的目標明確。調查研究并分析現存的數據，選取出存在一定保障性的數據源，按照有效、可靠、相關三方面的規范提取數據。其二，數據預處理。采用數據變換、集成、清理等方法處理所提取的數據，對原始數據中的可用性及質量等問題進行處理。其三，利群樣本分析。在進過上一環節之后，數據相對不是特別駁雜，但仍存在部分數據明顯不同于其它數據的可能性，而該類數據并不能使用，因此該部分數據就需通過離群樣本檢測技術去除掉。其四，數據探索分析。在數據挖掘建模過程中，數據在經過以上環節進行處理后基本上都可直接應用。但存在多種因素導致電網發生故障，因此需在該環節中研究探討故障與其影響因素間的關系等。其五，特征選取。量化電網故障中的某種影響因素后，其便成為了故障特征變量，從所有特征中選取有效性最高的特征、去除重復的特征等就是該環節所需完成的工作。第三步，挖掘建模。在上一步驟結束后，運用合適的數據挖掘算法在數據挖掘目標的基礎上建立電網故障預測模型，在模型選取時采用模型評價法進行。第四步，結果分析應用。該步驟就是對電網故障預測模型采用模型解釋法、數據可視化等方法解釋評價，基于此，可將故障預測結果運用于電網完善、決策等方面。

三、結束語

在近幾年的發展中，我國的電網信息系統建設速度飛快，電網的運維數據倍數增加，數據規模足以支持電網故障預測工作。而基于數據挖掘技術建立的電網故障模型，僅需通過相應的需求選取相應的信息就可完成故障預測工作，使電網的資源配置合理、管控能力提升等等，其存在一定的可能性作為電網運維決策的主要依據。