一种应用历史故障数据的配电网故障诊断方法
【专利摘要】本发明涉及一种应用历史故障数据的配电网故障诊断方法。该方法包括如下步骤，首先由配电网故障抢修记录建立故障信息数据库，并确定该故障信息数据库中包含的故障属性；然后规范故障属性的数据格式，将故障信息数据库中的故障属性数据离散化；应用关联规则挖掘方法挖掘故障信息数据库中的故障属性数据所包含的强关联规则；最后，根据故障的实际情况，依据上述挖掘的强关联规则，对配电网故障情况给出诊断结果。本发明方法有利于提高配电网的安全运行，具有较高的可靠性；且本发明具有适用范围广，应用灵活，离线运行，受配电网自动化程度影响小等优点，为配电网故障诊断与状态评估奠定了良好的基础。
【专利说明】一种应用历史故障数据的配电网故障诊断方法
【技术领域】
[0001]本发明涉及一种应用历史故障数据的配电网故障诊断方法，尤其涉及配电网发生故障时，配电自动化系统由于硬件、软件或通信故障而无法给出准确监测结果的故障诊断方法，特别是一种应用历史故障数据的配电网故障诊断方法。
【背景技术】
[0002]与输电网相比，配电网结构复杂，目前配电网的故障诊断技术主要是依据用电采集系统、配变监测系统、数据采集与监视控制系统等自动化系统所提供的电网运行状态信息。这些自动化系统主要包括硬件部分、软件部分和通信部分，当系统中任一部分出现故障时，就无法对配电网的运行状态作出准确判断。尤其在配电网发生故障时，自动化系统的硬件部分和通信部分也极有可能发生故障，此时自动化系统将无法给检修人员提供准确的故障情况，这就使得检修人员无法及时恢复故障区域的电力供应，降低了电网供电的可靠性，影响了电力用户正常的生产、生活。
[0003]目前电力系统比较成熟的故障诊断技术有专家系统、人工神经网络、Petri网络、粗糙集理论、模糊理论、贝叶斯网络等，这些方法都是在输电网领域比较成熟的故障诊断方法。由于配电网的网络拓扑、电力设备等与输电网有很大差别，这些故障诊断方法都无法直接应用到配电网中。而且，这些故障诊断方法大都依赖于自动化系统提供的电网运行状态信息，在自动化系统发生故障时，也无法给出故障诊断结果。
[0004]现有的配电网故障诊断方法都依赖于配电自动化设备所提供的设备监测信息，在缺乏设备监测信息的情况下无法给出故障诊断结果。现有方法诊断结果的准确性也依赖于所获得的配电网监测数据的准确性，当配电网监测信息出现错误时会产生错误的故障诊断结果。目前的诊断方法无法给出具体的故障原因，多是对故障类型和故障位置的诊断。本发明是利用配电网历史故障数据进行故障诊断，可以在离线情况下给出诊断结果，而且在故障数据出现少量错误的情况下也能给出正确的诊断结果。而且本发明可以通过对历史数据的分析，并结合实时状况，对可能出现的故障原因及各种故障原因可能性的大小做出诊断，这对于检修人员及时排除故障，恢复用户供电，提高配电网供电可靠性都具有十分重要的意义。
【发明内容】
[0005]本发明的目的在于提供一种具有适用范围广，应用灵活，离线运行，受配电网自动化程度影响小等优点，且具有较高的可靠性的应用历史故障数据的配电网故障诊断方法。
[0006]为实现上述目的，本发明的技术方案是:一种应用历史故障数据的配电网故障诊断方法，包括如下步骤，
步骤SOl:由配电网故障抢修记录建立故障信息数据库，并确定该故障信息数据库中包含的故障属性；
步骤S02:规范故障属性的数据格式，将故障信息数据库中的故障属性数据离散化；步骤S03:应用关联规则挖掘方法挖掘故障信息数据库中的故障属性数据所包含的强关联规则；
步骤S04:根据故障的实际情况，依据上述挖掘的强关联规则，对配电网故障情况给出诊断结果。
[0007]在本发明实施例中，所述步骤S02，具体实现过程如下，
步骤S21:确定并规范各故障属性的数据格式；
步骤S22:将故障信息数据库中的故障属性数据进行等宽划分离散化，该离散化过程具体为，
设定故障时长的最小值为 Xail,最大值为“，根据公式:<5 = (Ias 腿 Iftm) β’ 获得间断点= Zmki+.5 = Cu...义);
其中，δ为离散宽度，k为离散点数。
[0008]在本发明实施例中，所述步骤S03，具体为，
利用关联规则中的Apriori算法对故障信息数据库中的故障属性数据进行关联规则挖掘；在进行关联规则挖掘前，需要将量化型数据转化成布尔型数据，具体的转换方法为:设项集1=?,? J3…)是项的集合，项&的取值为量化值，其中，m为整数，且m=l，2，3...;要
将量化关联规则转化成布尔关联规则，形成新的项集七。/…).，需要将‘离散化后的
相对应；
然后对故障信息数据库中的故障属性数据进行关联规则挖掘，Apriori算法是最主要的布尔型频繁项集关联规则挖掘算法;Apri0ri算法是通过迭代搜索的方式来搜索频繁项集的；首先，搜索出频繁1-项集的隼合^然后由￡?搜索4，一直到搜索的频繁项集为空，不能继续搜索为止，其中4为整数4=2，3，…，η;该频繁项集的生成主要分连接和剪枝两个步骤:
连接步:通过与自己连接产生候选k-项集的集合，连接方法& = LkJi 即中的项集相互连接生成候选k-项集的集合q在连接过程中要求连接的项集共享k-Ι个项；剪枝步:在连接步获得候选项集的集合(后，要根据下述公式来确定频繁1-项集的集合 As.，
假设项集A是I的一个子集，则A在数据库D中的支持度Support是指在D中包含A的事务
数与D中事务总数的百分比值，即
【权利要求】
1.一种应用历史故障数据的配电网故障诊断方法，其特征在于:包括如下步骤， 步骤SOl:由配电网故障抢修记录建立故障信息数据库，并确定该故障信息数据库中包含的故障属性； 步骤S02:规范故障属性的数据格式，将故障信息数据库中的故障属性数据离散化；步骤S03:应用关联规则挖掘方法挖掘故障信息数据库中的故障属性数据所包含的强关联规则； 步骤S04:根据故障的实际情况，依据上述挖掘的强关联规则，对配电网故障情况给出诊断结果。
2.根据权利要求1所述的一种应用历史故障数据的配电网故障诊断方法，其特征在于:所述步骤S02，具体实现过程如下， 步骤S21:确定并规范各故障属性的数据格式； 步骤S22:将故障信息数据库中的故障属性数据进行等宽划分离散化，该离散化过程具体为， 设定故障时长的最小值为最大值为Iar根据公式:δ = (|SS{ - |Λ)/?,获得间断点
3.根据权利要求2所述的一种应用历史故障数据的配电网故障诊断方法，其特征在于:所述步骤S03，具体为， 利用关联规则中的Apriori算法对故障信息数据库中的故障属性数据进行关联规则挖掘；在进行关联规则挖掘前，需要将量化型数据转化成布尔型数据，具体的转换方法为: 设项集,11...j是项的集合，项i.的取值为量化值，其中，m为整数，且m=l，2，3...;要将量化关联规则转化成布尔关联规则，形成新的项集需要将离散化后的每一个值与项集/.中的项纟/相对应; 然后对故障信息数据库中的故障属性数据进行关联规则挖掘，Apriori算法是最主要的布尔型频繁项集关联规则挖掘算法;Apri0ri算法是通过迭代搜索的方式来搜索频繁项集的;首先，搜索出频繁1-项集的集合I1，然后由It4搜索1%，一直到搜索的频繁项集为空，不能继续搜索为止，其中，愚为整数，|:=2，3，...，!!；该频繁项集的生成主要分连接和剪枝两个步骤: 连接步:通过4_1与自己连接产生候选k_项集的集合，连接方法Cfc中的项集相互连接生成候选k-项集的集合Gjfc;在连接过程中要求连接的项集共享k-ι个项； 剪枝步:在连接步获得候选项集的集合Cfi后，要根据下述公式来确定频繁f -项集的集合4, 假设项集^是J的一个子集，则i|在数据库^0中的支持度Support是指在￡)中包含Z1的事务数与￡}中事务总数的百分比值，即
4.根据权利要求3所述的一种应用历史故障数据的配电网故障诊断方法，其特征在于:所述关联规则，主要分为布尔关联规则和量化关联规则两类，当所要挖掘的属性值为O或1，即为离散值时，关联规则为布尔型 关联规则；当所要挖掘的属性值为量化值时，关联规则为量化型关联规则。
5.根据权利要求3所述的一种应用历史故障数据的配电网故障诊断方法，其特征在于:所述Apriori算法属于布尔型关联规则挖掘算法。
【文档编号】G06Q50/06GK103871003SQ201410125125
【公开日】2014年6月18日 申请日期:2014年3月31日 优先权日:2014年3月31日
【发明者】李天友, 陈青, 王庆华, 陈金祥, 陈敏维 申请人:国家电网公司, 国网福建省电力有限公司, 国网福建省电力有限公司电力科学研究院, 山东大学