基于数据挖掘的电力设备缺陷分析研究

《基于数据挖掘的电力设备缺陷分析研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、电气安全基于数据挖掘的电力设备缺陷分析研究在线监测技术的成熟与推广为电力设备缺陷数据的分析及变量错综复杂的大数据背景下，从数提供了更宽阔的维度空间一。针对传统缺陷数据分析的不足，据到结论的过程升级为个非常复杂的利用数据挖掘方法对设备缺陷数据进行了多维展示分析、相人机互动比较和选择的过程。数据挖掘关性分析和对应分析一，并结合在线监测数据和数据工具能够辅助人们探索和分析数据中对设备缺陷数据进行了潜在特征规律的发现尝试。基于数据些有启发性的结构，发现数据中有价值挖掘的数据分析思路对电力设备缺陷数据的应用分析研究具細励辨難°分析方法对电力设备缺陷数据进行深入黄荣辉李勋吕启

2、深深圳供电局有限公司刘典安深圳市康拓普信分析和探讨。息技术有限公司数据挖掘髙质量的电力设备是保证电网安全运行、提高供电可靠性的基础。在实数据挖掘是从大量的、不完全的、际运行中，有些电力设备虽然能继续使有噪声的、模糊的和随机的实际应用数用，但运行状态发生异常或存在隐患，据中发现隐含的、规律性的信息和知识、设备和电网安全，电网的并将影响人身技术，是统计学、数据雜术和人工和设备的可靠经济运行，设备出力或寿智能技术的综合。命以及电能质量等。这种异常或隐患称数据挖掘的任务就是发现隐藏在数为缺陷。南方电网公司输变电设备缺陷据中的模式。根据模式特征，可将模式管嘛准奴了襲严難分类

3、，大細分如下：■’明确了缺陷处理流程及单位职责一，建立分类模式。分类就是构造个分黄荣辉高级工程师了缺陷指标考核体系，并通过建设安全类函数，把具有某些特征的数据项映射生产管理信息系统来实现对电力设备缺到某个给定的类别上。陷的流程化管理。聚类模式。聚类就是将数据项目前对设备缺陷的分折主要集中在分组成多个类或簇，类之间的数据差别缺陷发生类型和数量、缺陷消缺率和消应尽可能大，类内的数据差别应尽可能缺及时率的统计方面’实际上，缺小。与分类模式不同的是。，聚类中要划陷数据包含的内容十分丰富，且随着在分的类别是未知的关键词。，为回归模式设备缺陷线监测技术的不断成熟与大力推广。回

4、归模式的函数定义数据挖掘设备缺陷数据的分析提供了更宽阔的维与分类模式相似，主要差别在于分类模多维展示度空间。式采用离散预测值，而回归模式采用连相关性分析传统的数据分析工作一般在处理续的预测值。许多问题可以用线性回归解数据时，会预先假定事物之间存在某种决，对于许多非线性问题可以对变量进行因果关系，然后在此因果关系假定的基转换换为线性问题来解决。，从而转础上构建模型并验证预先假定的因果关关联模式。关联模式是数据项之系一。在数据规模剧增、数据结构复杂以间存在的关联规则，是在同事件中出建筑电气年第卷第期描于数挖挪的山力设济缺陷分析研究电气安全现的不同项之间的相关性一。整体

5、情况有个定性的概念，如哪个部门发生的序列模式。序列模式是描述基于时间或其缺陷多，哪个厂家的设备发生的缺陷多，哪类缺他序列的经常发生的规律或趋势，并对其建模。陷发生的次数多等。图采用散点矩阵图对缺陷数序列模式将关联模式和时间序列模式结合起来，据中的所属部门、设备生产厂家、设备投运年限重点考虑数据之间在时间维度上的关联性。和缺陷类别个维度信息进行了展示。图中密度偏差模式。偏差模式是对差异和极端特例的大小直接反映了缺陷发生次数的多少。的描述，如聚类外的离群值。大部分数据挖掘方一一；法都将这种差异信息视为噪声而丢弃一，然而在“些应用‘中，罕见数据可能比正常数据更有用。！！

6、”在数据挖掘过程中，每个模型和算法具有不：⋯丨、同的适用场景一、，最终评价的结果定是以业务价：值为导向：⋯，而非模型自身的评价指标。⋯「二一二彳丨、、場《；‘，：：；；‘■‘‘“，《：：；音：一二口》“‘’‘、、、：卜‘设备缺陷自身包含的数据信息很丰富，以生：：：产管理系统中的一条缺陷数据为例，数据内容包括：缺陷设备、设备类型、缺陷设备生产厂家、投运日期、出厂日期、所属站线、电压等级、所由图可知，红色框内的数据表示渗漏油缺陷属部门、、缺、缺陷部件缺陷描述陷严重等级、发生的次数最多，紫色框内的数据表示某变压器缺陷类别、缺陷来源、缺陷状态、发现时间、发厂生产的主变压器

7、容易发生冷却系统缺陷，而蓝现人员、消缺人员、计划消缺时间、实际消缺时色框的数据表示这两个部门的变压器设备发生缺间、是否停电、缺陷原因、处理措施、处理结果陷的次数更多。和验收时间等。针对如此多的数据内容，如果仅（缺陷主题河凭数据表格和表单方式，想要清晰准确地掌握缺在了解缺陷整体情况的基础上，可能需要了陷信息比较困难。解某些历史数据在时间维度上的统计情况。采用本文以深圳供电局年变压器缺陷主题河（技术来可视化展示缺陷部数据为例，首先采用可视化技术实现缺陷数据的件和缺陷类别的统计结果，如图所示。多维展示，然后分别采用相关性分析、对应分析通过图可直观地发现风机和油枕是最常发

8、生方法对主