王爽+趙會洋

摘 要：發(fā)電站正常高效運(yùn)行對保障社會發(fā)展和人民生活極其重要。電站運(yùn)行中產(chǎn)生大量的故障記錄數(shù)據(jù)，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于電站設(shè)備故障的大數(shù)據(jù)分析，發(fā)現(xiàn)隱藏在數(shù)據(jù)中的有用信息，有助于電站管理工作改革和設(shè)備管理技術(shù)創(chuàng)新。根據(jù)某發(fā)電集團(tuán)設(shè)備故障統(tǒng)計(jì)報(bào)告，制定了相應(yīng)的數(shù)據(jù)分析方案，研究了文本挖掘、關(guān)聯(lián)分析、聚類分析等多種數(shù)據(jù)挖掘方法的關(guān)鍵技術(shù)，詳述了這些技術(shù)在電站故障分析中的應(yīng)用方法及效果。

關(guān)鍵詞：電站設(shè)備故障；數(shù)據(jù)挖掘；文本挖掘；關(guān)聯(lián)規(guī)則；聚類

DOIDOI：10.11907/rjdk.162187

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2016）012-0121-03

0 引言

電力大數(shù)據(jù)的信息挖掘和利用將給電力企業(yè)帶來新一輪商業(yè)模式轉(zhuǎn)變和價(jià)值創(chuàng)新。文獻(xiàn)[1]～[8]研究了數(shù)據(jù)挖掘技術(shù)在火電廠設(shè)備故障診斷、狀態(tài)預(yù)測方面的應(yīng)用；文獻(xiàn)[9]～[11]研究了數(shù)據(jù)挖掘技術(shù)在核電廠中的應(yīng)用，主要用于異常值檢測和抗震性推斷等；文獻(xiàn)[12]～[13]研究了數(shù)據(jù)挖掘技術(shù)在風(fēng)力發(fā)電廠中的應(yīng)用，主要用于風(fēng)力、風(fēng)速的預(yù)測；文獻(xiàn)[14]～[15]研究了數(shù)據(jù)挖掘技術(shù)在水電站和太陽能發(fā)電中的應(yīng)用。這些研究的開展多基于電站設(shè)備運(yùn)行的實(shí)時(shí)數(shù)據(jù)，雖然研究成果在一定程度上促進(jìn)了電站的健康高效運(yùn)行和科學(xué)管理，但研究范圍不全面。本文將基于大量的設(shè)備故障歷史統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用文本挖掘、關(guān)聯(lián)規(guī)則、聚類等多種數(shù)據(jù)挖掘技術(shù)展開研究，發(fā)現(xiàn)其中隱藏的有用信息，為電站的運(yùn)行管理提供決策支持。

1 數(shù)據(jù)分析方案設(shè)計(jì)與數(shù)據(jù)預(yù)處理

研究所用數(shù)據(jù)來自某大型發(fā)電集團(tuán)2008-2014年設(shè)備運(yùn)行故障月度報(bào)告。報(bào)告有word和pdf兩種格式，每份報(bào)告主要內(nèi)容有設(shè)備運(yùn)行故障統(tǒng)計(jì)概況、具體案例描述等。案例描述提供了設(shè)備故障發(fā)生的時(shí)間、地點(diǎn)、原因等信息，信息的數(shù)據(jù)類型有日期、數(shù)字、文本等。根據(jù)數(shù)據(jù)源的這些特點(diǎn)，制定了如圖1所示的數(shù)據(jù)分析方案。

在數(shù)據(jù)預(yù)處理環(huán)節(jié)，首先要將各種數(shù)據(jù)源中的有用信息提取出來。數(shù)據(jù)提取的原則是便于分析且盡可能少地丟失信息，最終將數(shù)據(jù)整理成兩張Excel表，分別是設(shè)備運(yùn)行故障總表和設(shè)備運(yùn)行故障明細(xì)表，它們的結(jié)構(gòu)和樣本數(shù)據(jù)示例如表1和表2所示。由于數(shù)據(jù)條目較多，在此僅列出每張表的少數(shù)幾條數(shù)據(jù)。對于文字內(nèi)容描述較多的字段，僅列出一條較為完整的數(shù)據(jù)來說明問題，其它條目內(nèi)容用“略”來代替。表1中的類別1到類別4從粗到細(xì)分別描述了設(shè)備故障類別，每條樣本數(shù)據(jù)展現(xiàn)不同類別的故障在特定時(shí)間所發(fā)生的項(xiàng)數(shù)和具體原因描述。表2較為詳細(xì)地描述了每臺設(shè)備故障發(fā)生的時(shí)間、單位、省份、機(jī)組號、機(jī)組容量、類別、事件描述、原因分析和處理情況。

缺失值處理和數(shù)據(jù)類型處理是數(shù)據(jù)預(yù)處理環(huán)節(jié)中另外兩個(gè)重要工作。缺失值處理方法有刪除含有缺失值的個(gè)案和可能值插補(bǔ)缺失值。可能值插補(bǔ)缺失值方法有：均值插補(bǔ)、極大似然估計(jì)、多重插補(bǔ)等。根據(jù)具體分析任務(wù)，由分析目的選擇缺失值處理方法。以表1為例，當(dāng)分析文字型數(shù)據(jù)時(shí)，由于缺失量較少，采取了刪除含有缺失值個(gè)案的方法；當(dāng)分析故障項(xiàng)數(shù)時(shí)，采取了同類別均值插補(bǔ)方法。數(shù)據(jù)類型處理就是根據(jù)數(shù)據(jù)的特征和分析目的確定數(shù)據(jù)字段類型。以表1為例，時(shí)間為日期型，類別1～4為因子型，故障項(xiàng)數(shù)為數(shù)字型，故障描述為字符型。完成數(shù)據(jù)預(yù)處理環(huán)節(jié)后，利用多種數(shù)據(jù)挖掘方法對數(shù)據(jù)進(jìn)行隱藏信息挖掘。

2 文本挖掘研究與應(yīng)用

文本挖掘中最重要的工作就是分詞，分詞算法采用中國科學(xué)院計(jì)算技術(shù)研究所的中文分詞算法ICTCLAS（Institute of Computing Technology，Chinese Lexical Analysis System）。ICTCLAS基于隱馬爾可夫模型HMM（Hidden Markov Model）實(shí)現(xiàn)，HMM定義如下：

一個(gè)隱馬爾科夫模型是一個(gè)三元組（∏，A，B）。其中，∏是初始狀態(tài)的概率分布，∏=（πi），πi表示在t=1時(shí)刻，狀態(tài)為si的概率；

A為狀態(tài)轉(zhuǎn)移矩陣，A=（aij），aij=P（qt+1=sj|qt=si），表示在t時(shí)刻、狀態(tài)為si的條件下，在t+1時(shí)刻狀態(tài)是sj的概率；

B為混淆矩陣，B=（bjk），bjk=P（ok|sj），表示在隱含狀態(tài)是sj條件下，觀察狀態(tài)為ok的概率。

將文本挖掘技術(shù)應(yīng)用于電站故障數(shù)據(jù)挖掘步驟如下：①詞典調(diào)整。分詞的依據(jù)是詞典，通常詞典中只包含常用詞匯，因此，在對諸如電力專業(yè)領(lǐng)域數(shù)據(jù)進(jìn)行文本分析時(shí)，需要根據(jù)分析要求加入一定量的專業(yè)詞匯；②分詞。利用ICTCLAS分詞算法對文本字段進(jìn)行分詞；③詞性過濾。為了突出故障原因，需要去掉一些無關(guān)的詞，例如形容詞、數(shù)量詞、副詞等；④構(gòu)建語料庫并處理。構(gòu)建語料庫后就可以進(jìn)一步處理，例如去除停用詞、標(biāo)點(diǎn)符號、數(shù)字、空格等；⑤構(gòu)建詞條文檔矩陣（Term-Document Matrix，TDM）并處理。TDM中列出了每個(gè)詞條在文檔中出現(xiàn)的頻次，可以去除頻次較低的詞條項(xiàng)，或進(jìn)行其它與頻次有關(guān)的處理；⑥畫文本特征詞云。通過畫文本特征詞云直觀地展示文本挖掘結(jié)果。通過詞云展示，可以從大數(shù)據(jù)中發(fā)現(xiàn)熱點(diǎn)問題。

通過對表1中停機(jī)故障的描述字段進(jìn)行文本挖掘，得到如圖2所示結(jié)果。通過圖2的分析結(jié)果可以看出，停機(jī)異常多是由鍋爐故障引起的，較為重要的原因是液體泄漏和電氣設(shè)備跳閘。通過對表1中停機(jī)和降出力兩類故障的描述字段對比分析，得到如圖3所示結(jié)果。通過對圖3的分析可以看出，停機(jī)異常的主要原因是鍋爐和汽機(jī)的液體泄漏及電氣保護(hù)，而降出力異常多是由風(fēng)機(jī)和煤質(zhì)差引起的。

3 關(guān)聯(lián)規(guī)則分析與應(yīng)用

關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間所存在關(guān)系的規(guī)則，即根據(jù)一個(gè)事務(wù)中某些項(xiàng)的出現(xiàn)可導(dǎo)出另一些項(xiàng)在同一事務(wù)中也出現(xiàn)，亦即隱藏在數(shù)據(jù)間的關(guān)聯(lián)或相互關(guān)系。關(guān)聯(lián)規(guī)則廣泛應(yīng)用于金融、電子商務(wù)等行業(yè)。金融行業(yè)可以通過關(guān)聯(lián)規(guī)則挖掘出很多與客戶有關(guān)的關(guān)聯(lián)關(guān)系，從而為制定營銷策略提供依據(jù)。電子購物網(wǎng)站使用關(guān)聯(lián)規(guī)則挖掘，可設(shè)置商品促銷組合、進(jìn)行商品推薦、定向投放廣告等。

關(guān)聯(lián)規(guī)則的代表算法有Apriori、FP-tree等。本文利用Apriori方法，對表1中的不同類別關(guān)系進(jìn)行關(guān)聯(lián)分析，分析結(jié)果如圖4所示。由分析得到：運(yùn)行設(shè)備故障導(dǎo)致停機(jī)故障，停機(jī)原因主要是鍋爐問題。

4 聚類分析研究與應(yīng)用

聚類分析是利用科學(xué)的度量方法，將一組數(shù)據(jù)按照相似性和差異性分為幾個(gè)類別，目的是使屬于同一類別的數(shù)據(jù)相似性盡可能大，不同類別數(shù)據(jù)間的相似性盡可能小。聚類分析應(yīng)用于許多領(lǐng)域，如商務(wù)智能、圖像模式識別、Web搜索和生物學(xué)等。將聚類分析方法應(yīng)用于電站的故障數(shù)據(jù)分析分類及分析結(jié)果如下：

（1）按設(shè)備故障的宏觀類型對省份進(jìn)行聚類。使用的數(shù)據(jù)字段有表2中的故障類別（停機(jī)、降出力、檢修）、省份兩個(gè)字段。根據(jù)分析結(jié)果，電力集團(tuán)可發(fā)現(xiàn)各省份子公司設(shè)備故障存在相似之處，并據(jù)此制定分類管理政策。實(shí)行分類管理，可以節(jié)約人力、物力、財(cái)力等資源。

（2）按設(shè)備故障的宏觀類型對單位進(jìn)行聚類。使用的數(shù)據(jù)字段有表2中的故障類別（停機(jī)、降出力、檢修）、單位兩個(gè)字段。如果兩個(gè)發(fā)電公司在故障類別上表現(xiàn)出較大的相似性，聚類算法會將它們聚為一類，電力集團(tuán)可根據(jù)故障類別實(shí)現(xiàn)更細(xì)粒度的管理。

（3）按故障設(shè)備的容量對省份或單位進(jìn)行聚類。使用的數(shù)據(jù)字段有表2中的容量、單位兩個(gè)字段。由于相同容量的發(fā)電設(shè)備在實(shí)現(xiàn)技術(shù)、制造單位方面可能存在相似之處，電力集團(tuán)也可以通過這個(gè)分析結(jié)果對企業(yè)進(jìn)行分類管理。

根據(jù)上述方法（1），使用Centroid聚類算法對數(shù)據(jù)進(jìn)行聚類，得到如圖5所示的分析結(jié)果。由圖5可知，聚類結(jié)果分為7類。其中，內(nèi)蒙古、黑龍江、山東、四川構(gòu)成一類，湖北、陜西、云南、貴州、遼寧4個(gè)省份的故障發(fā)生情況具有較大相似性分為一類，江蘇、山西、寧夏、河北、河南、福建、新疆分為一類，安徽、青海等省份分為一類。

5 結(jié)語

數(shù)據(jù)挖掘技術(shù)已經(jīng)用于電力系統(tǒng)分析并取得了一定的研究成果。在大數(shù)據(jù)背景下，其應(yīng)用將更加廣泛和深入。本文從新的數(shù)據(jù)視角對電站設(shè)備故障進(jìn)行分析，研究了文本挖掘、關(guān)聯(lián)規(guī)則、聚類等數(shù)據(jù)挖掘技術(shù)在電站設(shè)備故障分析中的應(yīng)用，研究結(jié)論對電力企業(yè)管理決策制定和設(shè)備故障技術(shù)創(chuàng)新都有一定幫助。下一步將重點(diǎn)進(jìn)行以下研究工作：①針對數(shù)據(jù)進(jìn)行更加深入細(xì)致的剖析，發(fā)現(xiàn)其中更多的隱藏信息；②引入更豐富的數(shù)據(jù)挖掘技術(shù)應(yīng)用于電力數(shù)據(jù)分析中。

參考文獻(xiàn)：

[1] 劉寶玲，何鈞，曾暄.嵌套式數(shù)據(jù)挖掘技術(shù)在電站工況分析中的應(yīng)用[J].電站系統(tǒng)工程，2014（5）：13-15.

[2] 邱鳳翔，司風(fēng)琪，徐治皋.電站關(guān)聯(lián)規(guī)則的主元分析挖掘方法及傳感器故障檢測[J].中國電機(jī)工程學(xué)報(bào)，2009（5）：97-102.

[3] 牛培峰，張澤，王懷寶.基于模糊聚類神經(jīng)網(wǎng)絡(luò)的電站鍋爐故障診斷研究[J].微計(jì)算機(jī)信息，2010（7）：40-42.

[4] ZHENG L K，F(xiàn)ENG K，XIAO X Q，et al.Early warning of power plant equipment based on massive real-time data mining technology[J].ICFMM，2014（6）：1487-1490.

[5] BAO A，PAN W G，WANG W H，et al.Advances in data mining and applications in power plants[J].ICEESD，2011（10）：347-487.

[6] JIN T，F(xiàn)U Z G.Application of data mining in power plant unburned carbon in fly ash modeling[J].FSKD，2010（8）：2761-2765.

[7] YANG P.Fault diagnosis system for boilers in thermal power plant by data mining[J].Journal of Information and Computational Science，2006（3）：117-127.

[8] ZENG D L，YANG T T，CHENG X，et al.Application of data mining method in real-time optimal load dispatching of power plant[J].Zhongguo Dianji Gongcheng Xuebao，2010，30（4）：109-114.

[9] LIU D P，ZHENG K T，YAN Q Q，et al.Application of data stream outlier mining techniques in steam generator safety early warning system of nuclear power plant[J].ICMTMA，2013（1）：287-290.

[10] MU Y，XIA H，LIU Y K.Study on fault diagnosis technology for nuclear power plants based on time series data mining[J].Hedongli Gongcheng，2011，32（5）：45-48.

[11] SHU Y F.Inference of power plant quake-proof information based on interactive data mining approach[J].Advanced Engineering Informatics，2007，21（3）：257-267.

[12] OZKAN M B，KK D，TERCIYANLI F，et al.A data mining-based wind power forecasting method：results for wind power plants in Turkey[J].DaWaK，2013（8）：268-276.

[13] COLAK I，SAGIROGLU S，DEMIRTAS M，et al.A data mining approach：analyzing wind speed and insolation period data in Turkey for installations of wind and solar power plants[J].Energy Conversion and Management，2013，65（1）：185-197.

[14] OHANA I，BEZERRA U H，VIEIRA J P A.Data-mining experiments on a hydroelectric power plant[J].IET Generation，Transmission and Distribution，2012，6（5）：395-403.

[15] MACIEJEWSKI H，VALENZUELA L，BERENGUEL M，et al.Analyzing solar power plant performance through data mining[J].Journal of Solar Energy Engineering，2008，130（4）：0445031-0445033.

（責(zé)任編輯：杜能鋼）