一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法
【專利摘要】本發(fā)明涉及一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法。該方法包括如下步驟，首先由配電網(wǎng)故障搶修記錄建立故障信息數(shù)據(jù)庫，并確定該故障信息數(shù)據(jù)庫中包含的故障屬性；然后規(guī)范故障屬性的數(shù)據(jù)格式，將故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)離散化；應用關聯(lián)規(guī)則挖掘方法挖掘故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)所包含的強關聯(lián)規(guī)則；最后，根據(jù)故障的實際情況，依據(jù)上述挖掘的強關聯(lián)規(guī)則，對配電網(wǎng)故障情況給出診斷結果。本發(fā)明方法有利于提高配電網(wǎng)的安全運行，具有較高的可靠性；且本發(fā)明具有適用范圍廣，應用靈活，離線運行，受配電網(wǎng)自動化程度影響小等優(yōu)點，為配電網(wǎng)故障診斷與狀態(tài)評估奠定了良好的基礎。
【專利說明】一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法
【技術領域】
[0001]本發(fā)明涉及一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，尤其涉及配電網(wǎng)發(fā)生故障時，配電自動化系統(tǒng)由于硬件、軟件或通信故障而無法給出準確監(jiān)測結果的故障診斷方法，特別是一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法。
【背景技術】
[0002]與輸電網(wǎng)相比，配電網(wǎng)結構復雜，目前配電網(wǎng)的故障診斷技術主要是依據(jù)用電采集系統(tǒng)、配變監(jiān)測系統(tǒng)、數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)等自動化系統(tǒng)所提供的電網(wǎng)運行狀態(tài)信息。這些自動化系統(tǒng)主要包括硬件部分、軟件部分和通信部分，當系統(tǒng)中任一部分出現(xiàn)故障時，就無法對配電網(wǎng)的運行狀態(tài)作出準確判斷。尤其在配電網(wǎng)發(fā)生故障時，自動化系統(tǒng)的硬件部分和通信部分也極有可能發(fā)生故障，此時自動化系統(tǒng)將無法給檢修人員提供準確的故障情況，這就使得檢修人員無法及時恢復故障區(qū)域的電力供應，降低了電網(wǎng)供電的可靠性，影響了電力用戶正常的生產(chǎn)、生活。
[0003]目前電力系統(tǒng)比較成熟的故障診斷技術有專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、Petri網(wǎng)絡、粗糙集理論、模糊理論、貝葉斯網(wǎng)絡等，這些方法都是在輸電網(wǎng)領域比較成熟的故障診斷方法。由于配電網(wǎng)的網(wǎng)絡拓撲、電力設備等與輸電網(wǎng)有很大差別，這些故障診斷方法都無法直接應用到配電網(wǎng)中。而且，這些故障診斷方法大都依賴于自動化系統(tǒng)提供的電網(wǎng)運行狀態(tài)信息，在自動化系統(tǒng)發(fā)生故障時，也無法給出故障診斷結果。
[0004]現(xiàn)有的配電網(wǎng)故障診斷方法都依賴于配電自動化設備所提供的設備監(jiān)測信息，在缺乏設備監(jiān)測信息的情況下無法給出故障診斷結果?，F(xiàn)有方法診斷結果的準確性也依賴于所獲得的配電網(wǎng)監(jiān)測數(shù)據(jù)的準確性，當配電網(wǎng)監(jiān)測信息出現(xiàn)錯誤時會產(chǎn)生錯誤的故障診斷結果。目前的診斷方法無法給出具體的故障原因，多是對故障類型和故障位置的診斷。本發(fā)明是利用配電網(wǎng)歷史故障數(shù)據(jù)進行故障診斷，可以在離線情況下給出診斷結果，而且在故障數(shù)據(jù)出現(xiàn)少量錯誤的情況下也能給出正確的診斷結果。而且本發(fā)明可以通過對歷史數(shù)據(jù)的分析，并結合實時狀況，對可能出現(xiàn)的故障原因及各種故障原因可能性的大小做出診斷，這對于檢修人員及時排除故障，恢復用戶供電，提高配電網(wǎng)供電可靠性都具有十分重要的意義。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種具有適用范圍廣，應用靈活，離線運行，受配電網(wǎng)自動化程度影響小等優(yōu)點，且具有較高的可靠性的應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法。
[0006]為實現(xiàn)上述目的，本發(fā)明的技術方案是:一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，包括如下步驟，
步驟SOl:由配電網(wǎng)故障搶修記錄建立故障信息數(shù)據(jù)庫，并確定該故障信息數(shù)據(jù)庫中包含的故障屬性；
步驟S02:規(guī)范故障屬性的數(shù)據(jù)格式，將故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)離散化；步驟S03:應用關聯(lián)規(guī)則挖掘方法挖掘故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)所包含的強關聯(lián)規(guī)則；
步驟S04:根據(jù)故障的實際情況，依據(jù)上述挖掘的強關聯(lián)規(guī)則，對配電網(wǎng)故障情況給出診斷結果。
[0007]在本發(fā)明實施例中，所述步驟S02，具體實現(xiàn)過程如下，
步驟S21:確定并規(guī)范各故障屬性的數(shù)據(jù)格式；
步驟S22:將故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)進行等寬劃分離散化，該離散化過程具體為，
設定故障時長的最小值為 Xail,最大值為“，根據(jù)公式:<5 = (Ias 腿 Iftm) β’ 獲得間斷點= Zmki+.5 = Cu...義);
其中，δ為離散寬度，k為離散點數(shù)。
[0008]在本發(fā)明實施例中，所述步驟S03，具體為，
利用關聯(lián)規(guī)則中的Apriori算法對故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)進行關聯(lián)規(guī)則挖掘；在進行關聯(lián)規(guī)則挖掘前，需要將量化型數(shù)據(jù)轉化成布爾型數(shù)據(jù)，具體的轉換方法為:設項集1=?,? J3…)是項的集合，項&的取值為量化值，其中，m為整數(shù)，且m=l，2，3...;要
將量化關聯(lián)規(guī)則轉化成布爾關聯(lián)規(guī)則，形成新的項集七。/…).，需要將‘離散化后的
相對應；
然后對故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)進行關聯(lián)規(guī)則挖掘，Apriori算法是最主要的布爾型頻繁項集關聯(lián)規(guī)則挖掘算法;Apri0ri算法是通過迭代搜索的方式來搜索頻繁項集的；首先，搜索出頻繁1-項集的隼合^然后由￡?搜索4，一直到搜索的頻繁項集為空，不能繼續(xù)搜索為止，其中4為整數(shù)4=2，3，…，η;該頻繁項集的生成主要分連接和剪枝兩個步驟:
連接步:通過與自己連接產(chǎn)生候選k-項集的集合，連接方法& = LkJi 即中的項集相互連接生成候選k-項集的集合q在連接過程中要求連接的項集共享k-Ι個項；剪枝步:在連接步獲得候選項集的集合(后，要根據(jù)下述公式來確定頻繁1-項集的集合 As.，
假設項集A是I的一個子集，則A在數(shù)據(jù)庫D中的支持度Support是指在D中包含A的事務
數(shù)與D中事務總數(shù)的百分比值，即
【權利要求】
1.一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，其特征在于:包括如下步驟， 步驟SOl:由配電網(wǎng)故障搶修記錄建立故障信息數(shù)據(jù)庫，并確定該故障信息數(shù)據(jù)庫中包含的故障屬性； 步驟S02:規(guī)范故障屬性的數(shù)據(jù)格式，將故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)離散化；步驟S03:應用關聯(lián)規(guī)則挖掘方法挖掘故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)所包含的強關聯(lián)規(guī)則； 步驟S04:根據(jù)故障的實際情況，依據(jù)上述挖掘的強關聯(lián)規(guī)則，對配電網(wǎng)故障情況給出診斷結果。
2.根據(jù)權利要求1所述的一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，其特征在于:所述步驟S02，具體實現(xiàn)過程如下， 步驟S21:確定并規(guī)范各故障屬性的數(shù)據(jù)格式； 步驟S22:將故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)進行等寬劃分離散化，該離散化過程具體為， 設定故障時長的最小值為最大值為Iar根據(jù)公式:δ = (|SS{ - |Λ)/?,獲得間斷點
3.根據(jù)權利要求2所述的一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，其特征在于:所述步驟S03，具體為， 利用關聯(lián)規(guī)則中的Apriori算法對故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)進行關聯(lián)規(guī)則挖掘；在進行關聯(lián)規(guī)則挖掘前，需要將量化型數(shù)據(jù)轉化成布爾型數(shù)據(jù)，具體的轉換方法為: 設項集,11...j是項的集合，項i.的取值為量化值，其中，m為整數(shù)，且m=l，2，3...;要將量化關聯(lián)規(guī)則轉化成布爾關聯(lián)規(guī)則，形成新的項集需要將離散化后的每一個值與項集/.中的項纟/相對應; 然后對故障信息數(shù)據(jù)庫中的故障屬性數(shù)據(jù)進行關聯(lián)規(guī)則挖掘，Apriori算法是最主要的布爾型頻繁項集關聯(lián)規(guī)則挖掘算法;Apri0ri算法是通過迭代搜索的方式來搜索頻繁項集的;首先，搜索出頻繁1-項集的集合I1，然后由It4搜索1%，一直到搜索的頻繁項集為空，不能繼續(xù)搜索為止，其中，愚為整數(shù)，|:=2，3，...，!!；該頻繁項集的生成主要分連接和剪枝兩個步驟: 連接步:通過4_1與自己連接產(chǎn)生候選k_項集的集合，連接方法Cfc中的項集相互連接生成候選k-項集的集合Gjfc;在連接過程中要求連接的項集共享k-ι個項； 剪枝步:在連接步獲得候選項集的集合Cfi后，要根據(jù)下述公式來確定頻繁f -項集的集合4, 假設項集^是J的一個子集，則i|在數(shù)據(jù)庫^0中的支持度Support是指在￡)中包含Z1的事務數(shù)與￡}中事務總數(shù)的百分比值，即
4.根據(jù)權利要求3所述的一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，其特征在于:所述關聯(lián)規(guī)則，主要分為布爾關聯(lián)規(guī)則和量化關聯(lián)規(guī)則兩類，當所要挖掘的屬性值為O或1，即為離散值時，關聯(lián)規(guī)則為布爾型 關聯(lián)規(guī)則；當所要挖掘的屬性值為量化值時，關聯(lián)規(guī)則為量化型關聯(lián)規(guī)則。
5.根據(jù)權利要求3所述的一種應用歷史故障數(shù)據(jù)的配電網(wǎng)故障診斷方法，其特征在于:所述Apriori算法屬于布爾型關聯(lián)規(guī)則挖掘算法。
【文檔編號】G06Q50/06GK103871003SQ201410125125
【公開日】2014年6月18日 申請日期:2014年3月31日 優(yōu)先權日:2014年3月31日
【發(fā)明者】李天友, 陳青, 王慶華, 陳金祥, 陳敏維 申請人:國家電網(wǎng)公司, 國網(wǎng)福建省電力有限公司, 國網(wǎng)福建省電力有限公司電力科學研究院, 山東大學