基于数据挖掘技术的SF_6气体分析和故障诊断研究.pdf

《基于数据挖掘技术的SF_6气体分析和故障诊断研究.pdf》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、《电气开关》(2013．No．5)37文章编号：1004—289X(2013)05—0037—04基于数据挖掘技术的SF6气体分析和故障诊断研究张鑫(广西省电力公司柳州1供电局，广西柳州545005)摘要：首先介绍了数据挖掘技术中的粗糙集理论和模糊化神经网络，然后尝试了数据挖掘技术在sF6气体分析和故障诊断中研究。利用基于粗糙集的模糊化神经网络，通过对s设备故障和检修记录中的s数据进行挖掘处理，建立了S运行状态中各种气体成分之间的直观联系。重点探索数据挖掘技术在设备运行状态诊断中的应用研究。研究表明，数据挖掘技术在电力系统中具有很好的应用前景。关键词：数据挖掘；故障诊

2、断；模型；气体分析中图分类号：TM71文献标识码：BFaultDiagnosisandSF6CompositionAnalysisBasedonDataDiggingZHANGXin(LiuzhouPowerSupplyBureau，GuangxiElectricPowerCompany，Liuzhou545004，China)Abstract：Thepaperfirstlyintroducesroughsetsandneutralfuzzynetwork，thenattemptstousedataminingtechnologyinSF6compositionana

3、lysisandfaultdiagnosisofelectrcalapparatus．Itaimsatusingneutralfuzzynetworkbasedonroughsets，andbyprocessingSF6accumulateddatafromfaultandmaintenancedocumentsofSF6equipments，thecorre—lationbetweenthestateofoperationandthegasesisbuih．Thepaperputsmostattentionondataminingtechnologyinpredic

4、tionoftheoperationstate．Thisresearchimpliesthatthedataminingtechnologyhasabrightfutureinapplicationtoelectricalpowerengineering．Keywords：datadigging；faultdiagnosis；model；gascompositionanalysis量的试验数据，这本身就是个巨大的资源，如何利用这1引言个资源并发挥其巨大的作用显得越来越重要。目前，国内状态检修主要还是利用状态监视和诊数据挖掘就是为了满足大量数据的处理，并从中断技术获取设

5、备的状态和故障信息，进而做出检修决抽取有价值的潜在知识，而应运而生的。它可以利用策的阶段。状态检修的重点在于预i贝0故障发展趋势，计算机技术对大量数据进行自动处理，从而发现其中在故障发生前，根据设备状态决定对其检修。因此，在隐含的关系或规律J。数据挖掘作为信息处理的一电气设备的状态监测与故障诊断中，寻找设备故障与个新领域，发展很快，在科学技术领域也发挥着越来越其外在表象之间的相关关系是很重要的。当建立故障大的作用。本文对数据挖掘技术在s气体分析和故与表象之间的相关关系越全面、越准确，进行故障诊断障诊断做一尝试研究，通过探索希望对数据挖掘技术准确性就越高。在在线监测上的

6、发展上做一努力。在生产实践中比较常用的判断方法是利用统计方2数据挖掘法，从大量的现场检修记录中，总结出一些存在于故障状态与表现之间的相关关系，从而为故障的判定提供2．1数据挖掘依据，但其具有一定的局限性-1j，统计方法的本质是数据挖掘是从大量的、不完全的、有噪声的、模糊一种归纳总结的方法，因此很难发现隐含在大量数据的、随机的实际应用数据中，提取隐含在其中的、人们中的结构。在日常的检修试验中，基层单位积累了大事先不知道的，但又是潜在有用的信息和知识的过38《电气开关》(2013．No．5)程J。数据挖掘需要明确的是：数据源必须是真实表1原始决策表的、大量的、可能含噪声的

7、：从数据源中可发现用户感兴趣的知识；发现的知识是可接受、可理解、可运用的；并不需要发现放之四海而皆准的知识，仅支持特定的发现问题(即支持特定主题的知识发现)；它主要以数据库或数据仓库作为工作对象，但是也可以直接从操作数据中挖掘信息。2．2基于粗糙集的模糊神经网络进行数据挖掘可采用许多不同的算法，如神经网络、决策树、遗传算法和粗糙集等。模糊神经网络一方面可以对专家描述的事件直接编码，跟踪推理过程，使本文选择基于粗糙集的模糊神经网络理论，它能网络中的权值具有明显的含义；另一方面，它也具有学充分发挥粗糙集和模糊神经网络各自的优点。一般神习功能，可以通过学习