浅析数据挖掘技术在电力设备故障诊断中的应用

江苏电力信息技术有限公司 谈叶月

在现代科学技术不断发展的背景下，供电企业在我国各领域的应用率正在不断增加。但供电企业在运行过程中极有可能出现电力设备故障，导致设备无法正常运行，致使生产活动暂停。因此为避免该种现象发生，应严格做好对故障的预测工作，并对先进数据挖掘技术进行利用，以此提高电力设备故障维修效率，进而为工业生产提供保障，对行业稳定发展具有重要意义。

1 电力设备故障形成原因

1.1 设备测试

从现实角度出发，可发现部分电力设备故障出现在设备测试阶段。一旦出现此类故障，即代表电子设备本身不存在质量问题[1]。若电子设备整体出现问题，在通常情况下极有可能代表电子检测设备存在误差，致使检测准确率显著降低；若电子检测设备不存在质量问题，即代表检测人员对检测设备进行使用时，极有可能存在错误操作现象，致使检测工作质量降低。例如对电效应物理现象进行测定的过程中，必须采用示波器，以此满足检测要求。在实际检测中，工作人员若未对档级进行合理选择，极有可能导致示波器波形出现异常，显示检测对象存在故障。但被检测的电子设备本身不存在质量问题，故而其故障形成原因是检测人员操作不当。

1.2 元器件损坏

通过对电子设备进行深入分析，可发现其电子电路具有较强的复杂性。针对电子设备内部存在的元器件及线路而言，其数量相对较多，精细程度较高，且与电子设备正常运行具有直接关系。在电子设备实际运行过程中，若元器件出现问题，必将对电子电路整体产生影响，致使故障发生，导致设备停止运行。常见的元器件故障类型数量较多，主要有电阻、电容及晶体管等。一旦上述元器件发生故障或出现烧坏现象，必将对电子电路正常输出与输入产生严重影响。因此在实际工作中，应对元器件的重要性形成正确认知。

1.3 人为因素

在电子设备运行过程中，电子电路极有可能受到人为因素的影响，从而出现故障。人为因素主要指人员在实际工作中未严格依照相关标准对电子设备进行操作，导致其电子电路受到影响，进而引起故障。例如未对电源进行连接、未依照规章制度对元器件进行安装或元器件安装环节存在误差等。一旦出现上述现象，极易导致电子电路无法正常运行。

1.4 电路接触

为确保电子电路能够正常运行，必须对通电给予重视，确保其具备良好的稳定性，以此避免对电子电路产生影响。但通过实际调查可以发现，供电企业极有可能受到多方面因素的影响，致使通电稳定性降低。在情况严重时，甚至将出现间歇性通电。该现象不仅对电子设备正常运行及生产活动具有直接影响，而且极有可能引发电力设备故障。在通常情况下，导致间歇性通电形成的原因多是电路接触不良，因此在实际工作中应对电路进行严格检查，以此提高通电稳定性。

2 数据挖掘技术在电力设备故障诊断中的应用

数据挖掘技术主要有决策树、神经网络、回归、关联规则四种类型。

决策树是一种非常成熟的、普遍采用的数据挖掘技术。在决策树里，所分析的数据样本先是集成为一个树根，然后经过层层分枝，最终形成若干个结点，每个结点代表一个结论。

神经网络是通过数学算法来模仿人脑思维的，它是数据挖掘中机器学习的典型代表。神经网络是人脑的抽象计算模型，数据挖掘中的“神经网络”是由大量并行分布的微处理单元组成的，它有通过调整连接强度从经验知识中进行学习的能力，并可以将这些知识进行应用。

回归分析包括线性回归，这里主要是指多元线性回归和逻辑斯蒂回归。其中，在数据化运营中更多使用的是逻辑斯蒂回归，它又包括响应预测、分类划分等内容。

关联规则是在数据库和数据挖掘领域中被发明并被广泛研究的一种重要模型，关联规则数据挖掘的主要目的是找出数据集中的频繁模式，即多次重复出现的模式和并发关系，即同时出现的关系，频繁和并发关系也称作关联。

在电子行业持续发展的背景下，供电企业的复杂程度正在不断增加。在此基础上，人工检测方法已无法满足供电企业故障诊断及预测需求。因此为提高电力设备故障排查效率，应积极引入先进技术手段，以此实现自动化诊断及预测故障。常见的诊断与数据挖掘技术如图1所示。

图1 常见电力设备故障诊断及数据挖掘技术

2.1 诊断技术

2.1.1 PHM技术

PHM技术以现代信息化技术及科学技术为基础，能够结合人工智能预测电子电路中可能存在的故障，并为工作人员处理故障提供可靠依据，以此防止故障发生，进而为电子设备正常运行提供保障。从现实角度出发，可发现供电企业与现代发展具有直接关系，但其在运行过程中存在的问题已严重影响群众生活及工作，在情况严重时甚至将造成经济损失。因此为避免故障发生，在实际工作中必须对PHM技术进行科学利用。此前，工作人员在排查故障时多是采用人工检测方式。随着现代科学技术持续发展，该种检测方式已无法时代需求。若继续对人工检测方式进行利用，极有可能对数据准确率产生严重影响。因此革新检测方式是电子行业发展的必然趋势。针对PHM技术而言，其具有良好的便捷性，能够对电子电路进行自动化实时监测，明确电子电路是否存在故障或隐患，并将结果反馈至工作人员，以供其及时处理故障，进而为电子设备正常运行提供保障。若供电企业在运行过程中出现故障，PHM技术手段将在短时间内对故障进行全面分析，明确其发生时间、类型及位置，并迅速分析导致故障形成的原因，以此实现在提高故障处理效果的基础上，减少工作人员排查故障耗费的时间。由此可见，相较于传统检测技术，PHM技术具有良好的便捷性及快速性，对提高故障诊断效率具有重要作用。此外，PHM技术对成本要求较低，能够显著降低人力及物力成本投入，该点对保障经济效益具有现实意义。

2.1.2 HMM技术

HMM技术主要指隐马尔科夫模型，其能够对参数未知进行描述。在实际工作中，该模型能够对可观察的参数进行利用，以此明确过程中存在的隐藏参数，并将隐藏参数应用到后续工作中。观测值是该项技术进行推测的重要基础，其产生的性质推测具有一定程度的不确定性。此前，HMM技术手段被作为语音识别技术应用到生物序列分析工作中，并成功取得良好的应用成果。在电力设备故障诊断中，由于工作人员无法对设备内部的电路状况进行明确，故而可通过该项技术产生的征兆对电子电路实际状况进行判断，并根据判断结果采取相应措施。

2.1.3 小波分析

“小波”主要指具备一定衰减性且较小的波形，能够对空间频率或时间进行局部分析，具备良好的功能性。该项技术能够有效满足高频段时间细分及低频段频率细分等多项要求，且具备良好的可变性，能够适用于伸缩变化与平移变化。该项技术手段在实际应用过程中能够充分体现不同带宽带通滤波器实际作用，有效排除干扰信号对检测产生影响，且能够在信号中提取具备参考价值的信息。

2.2 数据挖掘技术

2.2.1 BP网络数据挖掘技术

该项技术属于误差逆转传播技术，是一种得到广泛应用的多层前馈网络，能够对梯度下降法进行利用，以此将检测误差控制在合理范围内，即该项技术能够有效缩小网络期望输出与实际输出之间存在的误差。BP网络数据挖掘技术不仅能进行前向传播，而且还能进行后向传播，与网络输出方向具备良好的一致性，能够促使阈值与权值实现统一。该项技术手段具备较强的非线性映射能力及柔性网络结构，整体已趋向于成熟，在实际应用过程中具备良好的适应性。

2.2.2 AR模型预测

该模型主要指自回归模型，其能够对存在理谱的平稳随机序列进行研究，且能够根据已知的数据构建模型，并对处于n之前或之后的数据进行推知。在采用该模型的过程中，若发现输入及输出序列均能够进行测量，应对最小二乘法进行利用，以此估计参数，进而实现明确最佳函数。在预测电力设备故障时，可选择对该模型进行利用，以此提高预测效果，并为电子设备正常运行提供保障。

3 电子电路检查方式

在开展电子电路检查工作时，可对以下内容进行适当参考：首先，工作人员应对电子电路开展直观性检查工作，并对电子电路线路连接状况进行明确。若发现线路连接存在问题，必须及时采取处理措施，避免多线缺线现象发生。为提高电子电路检查效果，工作人员必须对电子电路设计图纸进行深入分析，并在检查工作中对图纸进行标记，以此避免漏查现象发生，从而对检测质量产生影响。其次，在检查电子电路元器件的过程中，应对辅助设备进行科学利用，充分掌握仪器零件连接状况。正式检查时，工作人员可选择对万用表进行利用，并通过该设备明确两端元件引脚位置是否具备合理性，确保其与设计图纸相互匹配。此外，工作人员应对连接线与引脚进行细致观察，判断其是否存在故障。最后，应根据实际状况合理采用通电检查方式。在实际检查中，若发现电子电路存在火星或烟雾，必须立即进行深入研究，掌握电力设备故障区域，并采取有效措施处理故障。

4 数据挖掘技术在电力设备故障诊断中的应用

4.1 故障数据预处理

断层分类、智能电能表、系统输入，数据表备份智能故障电能表可分为三个方面，硬件、软件和通信硬件故障可分为三个级别，分别为整机、模块和组件。在《电能表质量控制管理办法》中，国家电网公司总结了49种智能电能表故障类型。为了在故障前从检测和检查数据中发现隐患，有必要对检测和检查数据进行标准化。如果隐藏数据太多，只能通过测试反映出来。

4.2 在线监测数据的清洗、挖掘和分析

为了充分利用各种在线监测平台的测量参数，可利用一种多源监测数据挖掘的电力设备状态诊断方法。第一，从整个在线监测平台收集监测数据。第二，根据现行标准和规范，检查监测数据的异常特征，检查监测数据是否符合预定值，并继续处理异常值的监测参数。第三，按照相应结果对设备进行诊断，并结合其他监测参数、离线检测方法和运行信息对设备缺陷进行跟踪。由于电力设备状态信息具有异构信息源和数据冗余的特点，数据往往存在噪声和丢失。所以导致原始监测数据及参数无法直接应用，而是需要对数据进行合规处理，数据清洗是电力设备状态评估数据预处理的关键步骤。数据清理通过填充缺失值和去噪来提高数据质量。

4.3 建立电力故障数据仓库

建立数据仓库的目的是简化配电网的设计，使配电网的运行和维护更加方便。由于数据仓库可以有效地描述模块之间的关系，在故障数据仓库中，通过GIS、项目管理模块和EMS/SCADA收集数据源。采集的数据主要包括设备数据、设备数据库系统、文件系统等。在数据仓库中，可以提取、转换和加载数据，完成数据导入。导入和转换数据时，需要检查数据，处理数据错误。经过处理后，所有数据都将加载到数据仓库中，为以后的工作提供有效的服务。

4.4 以关联规则为切入点完成在线设备故障诊断

相关技术人员应充分了解电力设备的基本运行情况，收集相关数据，如缺陷信息、运行历史数据、电力设备基本信息等。根据电力设备的故障信息和历史运行数据，完成数据挖掘，获取相关设备参数，保存和查询历史。停电时，能及时获取电力监控设备的值，判断设备是否正常工作。此外，基于关联规则的数据挖掘技术可以完成设备的在线故障诊断，其中关联规则是数据挖掘的重要组成部分，通过分析数据库中潜在的属性数据，能够得到相应关联规则。