本發(fā)明屬于電網(wǎng)狀態(tài)檢修計劃制定領域，具體涉及了一種基于大數(shù)據(jù)與設備狀態(tài)異常跟蹤的電網(wǎng)狀態(tài)檢修方法。

背景技術：

目前，針對電網(wǎng)狀態(tài)檢修的方法主要基于設備的故障概率角度對狀態(tài)檢修策略進行優(yōu)化，然而故障概率模型的準確性往往受到諸多因素的限制，如實時的環(huán)境影響、設備的歷史運行狀態(tài)以及模型固有的誤差等。由此而制定的狀態(tài)檢修計劃可能無法滿足當前設備的檢修需求。

隨著電力大數(shù)據(jù)的快速發(fā)展，電力系統(tǒng)的數(shù)據(jù)呈爆炸式增長，而利用大數(shù)據(jù)挖掘技術對設備狀態(tài)進行異常檢測也得以實現(xiàn)。通過對設備歷史運行數(shù)據(jù)、故障檢修記錄、當前環(huán)境信息以及運行檢測信息等電力大數(shù)據(jù)的挖掘分析，可有效檢出狀態(tài)異常的設備，并進行預警與利用。

本發(fā)明提出了一種基于大數(shù)據(jù)與設備狀態(tài)異常跟蹤的電網(wǎng)狀態(tài)檢修方法。利用k-means聚類算法對設備的相關大數(shù)據(jù)進行狀態(tài)異常檢出與跟蹤，利用設備狀態(tài)的異常情況來安排狀態(tài)檢修計劃。

技術實現(xiàn)要素：

針對現(xiàn)有電網(wǎng)狀態(tài)檢修方法存在的上述問題，本發(fā)明的目的在于提出一種基于大數(shù)據(jù)與設備狀態(tài)異常跟蹤的電網(wǎng)狀態(tài)檢修方法。本方法利用k-means聚類算法對設備的相關大數(shù)據(jù)進行狀態(tài)異常檢出與跟蹤，利用設備狀態(tài)的異常情況來安排狀態(tài)檢修計劃。

步驟一、利用k-means聚類算法對設備的相關大數(shù)據(jù)進行狀態(tài)異常檢出與跟蹤，具體包括如下步驟：

步驟1、多狀態(tài)量數(shù)據(jù)的收集與整理。

收集并整理每條線路與每臺變壓器的狀態(tài)監(jiān)測數(shù)據(jù)，線路狀態(tài)監(jiān)測數(shù)據(jù)的狀態(tài)量包括包括覆冰、風速、污穢、環(huán)境溫度、負荷、服役時間、檢修次數(shù)等，變壓器狀態(tài)監(jiān)測量包括負荷、環(huán)境溫度、服役時間、冷卻類型、油氣信息等。每條線路對應一個狀態(tài)向量xi，假設有n段需要檢測異常狀態(tài)的線路，則形成線路樣本集合x＝{x1,x2,...,xn}，每臺變壓器對應一個狀態(tài)向量yi，假設有m臺需要檢測異常狀態(tài)的變壓器，則形成線路樣本集合y＝{y1,y2,...,ym}

步驟2、利用k-means聚類算法對線路多維數(shù)據(jù)進行聚類。

在實際運行過程中，由于輸變電設備的設備屬性、運行工況、環(huán)境的差異，對于設備的狀態(tài)監(jiān)測數(shù)據(jù)，多維數(shù)據(jù)之間的關系難以用精確、統(tǒng)一的函數(shù)來描述。因此，本步驟采用k-means聚類算法對多維數(shù)據(jù)進行聚類，既能充分利用大數(shù)據(jù)來源廣、信息完備的優(yōu)勢，又能將各參量間的復雜相關關系簡化。

給定線路樣本集合x＝{x1,x2,...,xn}，k-means算法針對聚類所得簇劃分c＝{c1,c2,...,ck}，最小化平方誤差

其中μi是簇ci的均值向量。

步驟2-1、從線路樣本集合x＝{x1,x2,...,xn}中隨機選擇k個樣本作為初始線路均值向量。

步驟2-2、簇劃分的迭代過程。

步驟2-2-1、計算各線路樣本xj與各線路均值向量μi的歐式距離

根據(jù)距離最近的均值向量確定xj的簇標記λj＝argmini∈{1,2,...,k}dji，將樣本xj劃入相應的簇cλj＝cλj∪{xj}。由此將所有樣本分類到各個簇中。

步驟2-2-2、計算每個簇新的線路均值向量

如果新計算的線路均值向量與當前線路均值向量相同，則保持當前線路均值向量不變，否則更新為新計算的線路均值向量。

步驟2-2-3、重復步驟重復2-2-1和2-2-2，直至每個均值向量都不再變更，迭代停止。最終形成k個簇，每個簇中包含狀態(tài)相近的線路樣本。

步驟3、重復步驟2，利用k-means聚類算法對變壓器多維數(shù)據(jù)進行聚類，最終形成得到變壓器均值向量η′。

步驟4、計算狀態(tài)異常設備的異常偏離度。

步驟4-1、找出包含線路樣本最多的簇，則一般情況下，該簇所含樣本為正常線路，記為正常簇，該簇均值向量記為基準狀態(tài)向量μb。找出包含變壓器樣本最多的簇，則一般情況下，該簇所含樣本為正常變壓器，記為正常簇，該簇均值向量記為基準狀態(tài)向量ηb。

步驟4-2、計算不在正常簇內的所有狀態(tài)異常的na條線路樣本的異常偏離度d1與所有狀態(tài)異常的ma臺變壓器樣本的異常偏離度dt，即各設備狀態(tài)向量與基準狀態(tài)向量的歐氏距離。得到異常偏離度向量d＝{d1，dt}

步驟二、利用狀態(tài)異常檢出結果制定電網(wǎng)狀態(tài)檢修計劃。

步驟1、針對狀態(tài)異常設備，對電網(wǎng)進行n-1安全校驗，分析各臺設備強迫停運退出運行時使電網(wǎng)損失的負荷pi(i＝1,2,…,na+ma)。

步驟2、計算狀態(tài)異常設備的強迫停運風險ri,其中di為d的元素。

ri＝di×pi(6)

對ri進行從大到小排序，即可得到需要狀態(tài)異常設備的檢修先后順序。對于ri為0時設備，通過比較其異常偏離度來確定檢修先后順序。

本發(fā)明有益效果如下：

本發(fā)明采用大數(shù)據(jù)聚類技術實現(xiàn)了電網(wǎng)設備的異常狀態(tài)檢出與跟蹤，為電網(wǎng)狀態(tài)檢修計劃的制定提供了更為詳細的參考數(shù)據(jù)，相較于傳統(tǒng)的檢修方法能更為有效地利用設備實時數(shù)據(jù)，降低電網(wǎng)運行風險,實現(xiàn)方法簡單快速，便于實際工程的使用。

附圖說明

圖1是本發(fā)明的基于大數(shù)據(jù)與設備狀態(tài)異常跟蹤的電網(wǎng)狀態(tài)檢修方法的總體流程圖。

圖2是本發(fā)明的設備狀態(tài)異常檢出與跟蹤流程

圖3是本發(fā)明的狀態(tài)檢修計劃制定流程。

具體實施方式

下面結合附圖及具體實施例對本發(fā)明作進一步詳細說明。

如圖1所示，本方法具體包括如下步驟：

步驟一、利用k-means聚類算法對設備的相關大數(shù)據(jù)進行狀態(tài)異常檢出與跟蹤，如圖2所示為本發(fā)明的設備狀態(tài)異常檢出與跟蹤流程，具體包括如下步驟：

步驟1、多狀態(tài)量數(shù)據(jù)的收集與整理。

收集并整理每條線路與每臺變壓器的狀態(tài)監(jiān)測數(shù)據(jù)，線路狀態(tài)監(jiān)測數(shù)據(jù)的狀態(tài)量包括包括覆冰、風速、污穢、環(huán)境溫度、負荷、服役時間、檢修次數(shù)等，變壓器狀態(tài)監(jiān)測量包括負荷、環(huán)境溫度、服役時間、冷卻類型、油氣信息等。每條線路對應一個狀態(tài)向量xi，假設有n段需要檢測異常狀態(tài)的線路，則形成線路樣本集合x＝{x1,x2,...,xn}，每臺變壓器對應一個狀態(tài)向量yi，假設有m臺需要檢測異常狀態(tài)的變壓器，則形成線路樣本集合y＝{y1,y2,...,ym}

步驟2、利用k-means聚類算法對線路多維數(shù)據(jù)進行聚類。

在實際運行過程中，由于線路的設備屬性、運行工況、環(huán)境的差異，對于線路的狀態(tài)監(jiān)測數(shù)據(jù)，多維數(shù)據(jù)之間的關系難以用精確、統(tǒng)一的函數(shù)來描述。因此，本步驟采用k-means聚類算法對多維數(shù)據(jù)進行聚類，既能充分利用大數(shù)據(jù)來源廣、信息完備的優(yōu)勢，又能將各參量間的復雜相關關系簡化。

給定線路樣本集合x＝{x1,x2,...,xn}，k-means算法針對聚類所得簇劃分c＝{c1,c2,...,ck}，最小化平方誤差

其中μi是簇ci的均值向量。

步驟2-1、從線路樣本集合x＝{x1,x2,...,xn}中隨機選擇k個樣本作為初始線路均值向量。

步驟2-2、簇劃分的迭代過程。

步驟2-2-1、計算各線路樣本xj與各線路均值向量μi的歐式距離

根據(jù)距離最近的均值向量確定xj的簇標記λj＝argmini∈{1,2,...,k}dji，將樣本xj劃入相應的簇cλj＝cλj∪{xj}。由此將所有樣本分類到各個簇中。

步驟2-2-2、計算每個簇新的線路均值向量

如果新計算的線路均值向量與當前線路均值向量相同，則保持當前線路均值向量不變，否則更新為新計算的線路均值向量。

步驟2-2-3、重復步驟重復2-2-1和2-2-2，直至每個均值向量都不再變更，迭代停止。最終形成k個簇，每個簇中包含狀態(tài)相近的線路樣本。

步驟3、重復步驟2，利用k-means聚類算法對變壓器多維數(shù)據(jù)進行聚類，最終形成得到變壓器均值向量η′。

步驟4、計算狀態(tài)異常設備的異常偏離度。

步驟4-1、找出包含線路樣本最多的簇，則一般情況下，該簇所含樣本為正常線路，記為正常簇，該簇均值向量記為基準狀態(tài)向量μb。找出包含變壓器樣本最多的簇，則一般情況下，該簇所含樣本為正常變壓器，記為正常簇，該簇均值向量記為基準狀態(tài)向量ηb。

步驟4-2、計算不在正常簇內的所有狀態(tài)異常的na條線路樣本的異常偏離度d1與所有狀態(tài)異常的ma臺變壓器樣本的異常偏離度dt，即各設備狀態(tài)向量與基準狀態(tài)向量的歐氏距離。得到異常偏離度向量d＝{d1，dt}

步驟二、利用狀態(tài)異常檢出結果制定電網(wǎng)狀態(tài)檢修計劃，如圖3所示為本發(fā)明的狀態(tài)檢修計劃制定流程，具體包括如下步驟。

步驟1、針對狀態(tài)異常設備，對電網(wǎng)進行n-1安全校驗，分析各臺設備強迫停運退出運行時使電網(wǎng)損失的負荷pi(i＝1,2,…,na+ma)。

步驟2、計算狀態(tài)異常設備的強迫停運風險ri,其中di為d的元素。

ri＝di×pi(6)

對ri進行從大到小排序，即可得到需要狀態(tài)異常設備的檢修先后順序。對于ri為0時設備，通過比較其異常偏離度來確定檢修先后順序。