基于数据驱动的电力安全生产事故风险预警研究

智能电网的快速发展和广泛应用为电力企业提供了来源复杂、结构多样的海量数据,使得智能电网成为大数据最重要的应用领域之一。如何应用大数据技术实现对电力安全生产数据的采集、存储和挖掘,进而提高电力企业的安全生产水平成为当前重要的研究课题。本文首先阐述了电力大数据和大数据技术的基本概念,然后借鉴传统的"海因里希法则"的思想,从隐患的角度出发,运用大数据技术对我国某省电力安全生产数据进行处理,通过这些数据建立某省电力企业的安全事故比例模型。再通过回归分析,对未来可能存在的隐患数量进行预测。最后根据安全事故比例模型对未来可能发生事故、事件数量做出预测,确定隐患数量的控制目标,形成一套安全生产预警模型,从而达到消除隐患、减少事故发生目的。     

电力变压器故障类型与关键状态量关联规则分析

传统电力变压器设备运维大多采用状态检修技术,但积累的状态监测和检测数据没有得到充分挖掘利用,造成信息资源的浪费。以故障特征量为前项,以故障类型为后项,设置最小支持度和最小置信度,运用Apriori数据挖掘经典算法挖掘出变压器故障和关键状态量之间的关联规则。基于关联规则挖掘原理,利用SPSS Modeler软件平台建立电力变压器故障关联规则挖掘模型进行分析,得出了故障诊断的具体流程,旨在采取关联规则挖掘的方法发现状态特征量和故障类别之间的内在联系,对故障进行判定。     

基于多源异构数据的配电网故障信息挖掘与诊断

配电网海量运行数据为其运行分析提供了良好的基础,如何挖掘多源异构数据诊断故障是提升配电网安全运行水平和优质服务水平的关键。文章以生产管理系统、故障抢修以及SCADA数据为对象,分析多源信息构成与属性,建立SCADA事件的预集规则,并匹配关联故障抢修事件与SCADA数据。基于数据来源、属性等不同维度,综合考虑数据预集规则,对多源异构数据进行分类组合与融合,并存储于大数据hadoop平台。基于多源异构数据的配电网故障诊断首先对事件进行判断,挖掘与故障相关的保护动作、遥测、事故汇总等,明确故障对象、内容与属性,并结合辅助信息验证诊断结果。利用该策略建立的系统部署于某城市配电网,其诊断性能及正确率满足要求,可有效提高配电网数据挖掘与分析能力,为调度运行及检修提供支撑。     

配电网工程建设全过程关键管控指标关联关系研究

电力大数据的应用主要集中在电力生产、运营、销售环节中，在工程建设环节应用较少。现有的配电网工程项目种类复杂、数量繁多，在建设过程中产生了海量数据，传统项目管控方法已经不能满足要求。利用数据挖掘技术对配电网工程建设项目大数据进行处理，既可以通过采集的关键管控指标大数据来分析管控指标之间的关联关系，又可以辅助管理人员进行重点管理，有针对性地关注容易导致偏差的关联规则。基于Hadoop平台改进后的Apriori关联算法从某省配电网工程精益化管控平台系统等数据源获取相关指标数据，可以挖掘得到配电网工程建设全过程关键管控指标关联关系，依据重点关联关系为配电网工程项目的管理与控制提供参考依据，强化数据统筹分析能力。     

基于OLAP的多维数据挖掘在汽轮机监测中的应用

应用基于OLAP技术的多维关联规则挖掘技术，以充分发挥存储在汽轮机历史数据库中数据对电力生产的指导作用。研讨了多维关联规则挖掘算法，并成功地将基于OLAP技术多维关联规则挖掘技术应用于汽轮机运行模型的建立。实验证明，利用这种挖掘技术有利于开展汽轮机的状态检修。     

考虑换流站海量事件的关联规则挖掘分析方法

为提高换流站运维人员面对海量生成事件的分析能力,提出一种考虑换流站海量事件的关联规则挖掘分析方法。首先,利用原始事件元组特性进行记录事件与响应日志的实体特征筛选,并进行换流站实体特征的布尔映射与关联挖掘建模。然后,利用互信息(MI)原理与对称不确定性(SU)理论改进FP-Growth算法。最后,基于改进算法进行换流站事件关联分析,进而基于关联规则结果进行换流站异常反馈。通过挖掘昆柳龙直流换流站调试期间海量生成事件,表明所提出的方法可以有效地从海量事件中提取判断特征与结果特征的强关联规则,及时发现换流站的设备异常动作,并为运维分析提供决策支撑。     

基于SnownLp和FP-Tree的操作票考核系统任务筛选研究

火力发电是我国主要的电力生产方式,火电厂的安全运行需要员工对各项操作熟练掌握。电厂"两票"作为操作准确的重要保证,要求员工熟练使用。针对电厂当前"两票"练习系统只能检索特定任务的问题,提出基于中文分词和关联规则挖掘的方法。使用Snown Lp工具对票任务文本内容进行中文分词处理并提取关键词,建立对应的票任务关键词库,基于关键词库使用FP-Tree算法进行关联规则挖掘。试验结果表明,本方法可以有效地筛选出与给定的票任务类似票,有效提高练习的针对性,增强练习效果。     

基于改进关联规则的直流换流站典型运维事件集诊断方法

随着中国特高压交直流电网的大规模运行,直流换流站一、二次设备复杂程度不断增高,使得直流系统发生状态转换或故障时,换流站顺序事件记录(SER)系统短时间产生大量SER事件,SER事件集中的特征事件丢失难以被运维人员及时察觉。针对此问题,文中提出了一种基于改进关联规则的直流换流站典型运维事件集诊断方法。首先,分析了换流站原始SER特征类型并筛选SER事件的主要特征类型,实现数据降维与换流站SER事件模型构建;然后,通过改进关联规则算法挖掘换流站相似故障与状态转换的SER强关联事件组与SER关联事件;最后,基于数据挖掘结果诊断SER事件集中是否存在特征事件缺失的情况。结合昆柳龙直流工程换流站试运行数据进行算例分析,结果表明所提方法可以从海量异构、多态SER事件集中挖掘关联规则,为辅助运维人员诊断换流站状态转换与故障发生下SER事件集的缺失情况提供参考。     

一种基于多源冗余信息统计获取电网设备故障信息的方法

提出了一种基于多源冗余信息统计获取电网设备故障信息的方法。综合利用能量管理系统EMS、调度管理系统OMS和生产管理系统PMS三大系统中多源冗余信息进行信息筛选,根据一定规则抓取、挖掘并构建事故分闸强相关信息组,从而准确、快速地筛查设定时间范围内的真实电网设备事故分闸事件,及时获取省级电网管辖范围内电网设备故障信息,并在自主开发的统计信息平台予以展示和发布。     

基于MapReduce的关联规则技术在电力营销大数据中的应用

随着智能电网建设的不断深入和推进,积累的电力营销数据呈指数级增长,如何从这些历史数据中挖掘出"宝藏",已经成为坚强智能电网建设的迫切需求。基于MapReduce平台将关联规则挖掘技术运用于电力营销大数据的分析之中,首先采用并行K-means聚类算法将数据离散化处理,再运用并行FP-growth算法挖掘关联关系。按照行业和月份对用电市场进行细分,挖掘各个行业内用户的分类属性(用户属性、市场属性等)与决策属性(分时用电量)之间的强关联规则,并对当前电力市场的特征做出科学的描述,从而降低营销成本,提高营销效率。     

基于配用电数据关联的中压配电网断线故障诊断方法

基于配用电信息系统数据和关联规则算法,提出一种诊断中压配电网分支线断线不接地故障的方法。通过分析相互关联的配用电信息系统数据,提出基于数据特征选择的关联规则挖掘方法,并通过卡方分裂算法将连续型特征量转换为布尔型特征量,同时采用MSApriori算法解决故障信息中的稀有项问题,然后在此基础上应用kulc准则消除冗余规则以形成约简的代表规则家族。以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,结果说明所提出的方法能够大量减少无效挖掘,显著提高效率和准确度,适用于中压配电网断线故障的在线诊断。     

大数据挖掘分析在电力设备状态评估中的应用

为提高电力设备状态评估的准确性和效率,提出了将大数据挖掘分析应用于电力设备状态评估的思路和方法。介绍了大数据挖掘分析的架构,将电力设备状态的多维度数据解析为静态、动态、准动态和外部参数四大类,分析了数据关联规则、关联度和权重,最后给出了大数据挖掘分析技术的应用前景。     

电气误操作事故人因因素分析与控制

在电力生产过程中,由于人员原因导致的电气误操作事故频发不断;在某电网公司近年100起电气误操作事故的基础上,运用现代事故成因理论对100起电气误操作事故人因失误因素进行了数据统计和分析;通过分类统计找出导致电气误操作事故中人因失误的3个主要因素:认知和技能因素、生理/心理/性格因素、环境因素;对3个主要因素中各子因素与电气误操作事故的关联性进行分析。希望在电网安全管理工作中加强对误操作事故的人因因素认识和重视;采取有效措施,不断提高电网的安全管理水平。     

智能机器调度员的原理和原型系统

在Dy-Liacco博士所提出的智能机器调度员（AO）概念基础上，结合中国电网调度运行的实际，阐述其基本原理和应用模式。提出并研究了电网精细规则的挖掘技术，即通过主题定义、海量训练样本生成、特征选择和规则生成等步骤自动挖掘出电网精细化的安全运行规则;开发了AO的原型系统，给出了基于集群机的硬件设计和软件模块结构，介绍了软件功能和算法。针对某省级电力系统，对AO原型系统进行了测试和分析，给出了一个精细规则挖掘实例，验证了在线挖掘的可行性和应用效果，得到的精细规则对在线运行方式的适应性更好。     

电力工程建设安全现状分析及建议

电力工程建设安全是当前电力施工企业面临的主要问题之一。结合电力工程建设产品生产的特点,建设施工中存在的多种危险因素,电力建设施工企业的组织机构和特殊的管理方式,采用比较、诊断或辨识事故隐患的方法,对安全生产事故的成因进行了分析。从人员的素质、安全技术及企业安全管理三个方面指出电力安全生产中存在的问题与不足,提出了相应的解决对策和建议,从而提高电力工程建设施工企业的安全管理水平,减少或杜绝安全事故的发生。     

基于Apriori算法的二次设备缺陷数据挖掘与分析方法

为提升电力系统二次设备的运维和管控水平,从二次设备的缺陷数据出发,提出了基于Apriori算法的二次设备缺陷数据挖掘与分析方法。首先,分析了关联规则与Apriori算法的基本思路,然后建立了基于关联规则的二次设备缺陷模型,在模型中考虑了二次设备缺陷的几个重要属性:二次设备的生产厂家、设备类型、设备缺陷的原因、发生缺陷的设备部位以及缺陷等级。进一步,以一组自动化设备缺陷数据为例,阐述了基于Apriori算法的二次设备缺陷数据挖掘和分析方法,分析结果表明所提方法能够用于寻找二次设备的薄弱环节,并能够找到诱发薄弱环节的原因,同时还具有分析设备家族性缺陷等功能。     

雷电引起的电压暂降严重程度自学习评估方法

雷击故障是造成电网电压暂降的主要原因之一,准确评估雷电造成的电压暂降的严重程度,可以为制定最优治理方案和敏感用户选址提供依据。本文提出一种数据驱动的电压暂降严重程度自学习评估方法。首先,基于雷电造成的电压暂降机理,结合雷电定位系统和电能质量监测系统中的监测信息选取参与挖掘的参数;其次,减少离散化结果对规则准确性的影响,使用离散化评价系数确定不同参数的离散区间数目;然后,针对电网数据库动态变化时挖掘算法效率过低的问题,使用基于增量式学习的关联规则挖掘算法持续更新挖掘的规则,从而赋予其自学习的能力;最后,提出基于综合赋权法的加权欧氏距离评估实际场景的电压暂降严重程度。通过某地区电网的监测数据和IEEE30节点的仿真数据进行实证分析,结果证明,本文方法能在实际使用过程中准确挖掘出有价值规则,实现关注节点的电压暂降严重程度评估。     

基于梯形云模型的电能质量数据关联性挖掘方法

提出了一种基于梯形云模型的电能质量数据关联性挖掘方法。利用梯形云对电能质量指标进行等级概念区间划分,有效集成随机性和模糊性,达到软化区间边界目的。定义了基于梯形云的支持度和置信度计算公式,从电能质量数据库中挖掘关联规则,并配合使用Kulczynski量度和不平衡比作进一步相关性分析,过滤掉无意义的关联规则。通过对电能质量数据之间的关联性进行挖掘分析,可以发现电网中隐藏的运行特性,为管理部门制定决策提供有价值的信息。实例分析验证了所提方法的实用性和有效性。     

基于多最小支持度的增量式关联规则挖掘算法研究

在传统的Apriori关联规则挖掘算法分析基础上,针对目前多最小支持度和增量式关联规则挖掘的局限性,提出基于多最小支持度的增量式关联规则挖掘算法。该算法适用于事务出现频率一致及不一致的情况,利用多最小支持度能挖掘出更有意义的结果;同时,该算法还能实现事务数据不断增加时的数据挖掘,提高了挖掘的效率。应用电力客户信用数据库进行实验的结果表明,改进算法能有效挖掘出稀有项,分析出潜在的信用风险客户,对电力客户信用评价具有辅助决策作用。     

基于模糊多目标遗传优化算法的节假日电力负荷预测

多目标遗传优化算法的一个优点就是可在一次迭代计算中寻找到问题的多个非劣最优解。该文应用多目标遗传算法和关联规则算法提出一个基于模糊规则的电力负荷模式分类系统。在此分类系统中采用多目标遗传优化算法从众多模糊分类规则中自动挑选出具有较好识别性能和可解释性的模糊规则，并利用模糊关联规则挖掘通过启发式规则选择改善遗传算法的搜索性能。经仿真试验表明此分类系统具有较好的分类性能，可为节假日负荷预测提供更为充分的历史数据，从而改善其负荷预测性能。