陳霍興 張俊 海龍

摘 要：本文對(duì)輸電線路故障的影響因素進(jìn)行分析，用相關(guān)性系數(shù)描述輸電故障和氣象數(shù)據(jù)之間關(guān)系。通過(guò)分析得出了氣象數(shù)據(jù)中的溫度、濕度、風(fēng)速、氣壓和故障之間的相關(guān)性強(qiáng)度。通過(guò)對(duì)數(shù)據(jù)特征展開(kāi)研究，以及對(duì)機(jī)器學(xué)習(xí)相關(guān)算法模型、關(guān)鍵算法組件的應(yīng)用及驗(yàn)證，為輸電線路故障分析提供有力的技術(shù)支撐。

關(guān)鍵詞：機(jī)器學(xué)習(xí) 線路故障 分析應(yīng)用

中圖分類號(hào)：R196 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）12（a）-00-02

Abstract：In this paper， the influencing factors of transmission line faults are analyzed， and the correlation coefficient is used to describe the relationship between transmission faults and meteorological data. The correlation strength between temperature， humidity， wind speed， air pressure and fault is obtained through analysis. Through the research of data characteristics， and the application and verification of the machine learning algorithm model and key algorithm components， it provides a powerful technical support for the transmission line fault analysis.

Key words：machine learning； line fault； Analysis and Application

隨著電網(wǎng)規(guī)模的擴(kuò)大，輸電線路運(yùn)行安全對(duì)電網(wǎng)安全可靠運(yùn)行的影響更為突出。本文分析了大量的輸電故障數(shù)據(jù)，通過(guò)對(duì)故障數(shù)據(jù)的統(tǒng)計(jì)發(fā)現(xiàn)由外部氣象環(huán)境造成的故障占了總故障約45%，包括大風(fēng)、高溫、雷電、污穢等故障原因。這幾類故障會(huì)影響導(dǎo)地線、桿塔、金具、絕緣子等幾大類設(shè)備，同時(shí)，會(huì)引起如安全距離不足、劣化自爆、缺損、傘群裂紋或電蝕、松脫位移、銹蝕損傷等類型的缺陷。

通過(guò)對(duì)輸電線路的運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)、故障診斷、狀態(tài)評(píng)價(jià)，對(duì)提高輸變電設(shè)備的運(yùn)行可靠性與利用率，實(shí)現(xiàn)設(shè)備的優(yōu)化管理具有重要科學(xué)意義和應(yīng)用價(jià)值。輸電線路狀態(tài)參數(shù)對(duì)進(jìn)行故障分析有較大的影響，如何合理地選擇參數(shù)，保證線路故障評(píng)價(jià)的準(zhǔn)確性，需要重點(diǎn)研究。

1 故障分析步驟

通過(guò)研究應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，挖掘電力數(shù)據(jù)中潛在的規(guī)律和價(jià)值，深入探索輸電線路故障分析的應(yīng)用價(jià)值，促進(jìn)電網(wǎng)向數(shù)字化、智能化、精益化方向發(fā)展。

1.1 業(yè)務(wù)理解（business understanding）

理解項(xiàng)目的業(yè)務(wù)目標(biāo)和應(yīng)用需求，以及把業(yè)務(wù)目標(biāo)轉(zhuǎn)化為相對(duì)應(yīng)的數(shù)據(jù)挖掘的問(wèn)題，確定目標(biāo)、明確分析需求。

1.2 數(shù)據(jù)探索（data understanding）

完成對(duì)源數(shù)據(jù)的收集，實(shí)現(xiàn)多源數(shù)據(jù)的融合，提取數(shù)據(jù)的特征，發(fā)現(xiàn)質(zhì)量問(wèn)題、從數(shù)據(jù)中發(fā)現(xiàn)隱藏的信息或探測(cè)臆想的數(shù)據(jù)子集，并進(jìn)行數(shù)據(jù)清洗。

1.3 算法模型（modeling）

建立模型階段，主要進(jìn)行算法的選擇和參數(shù)的調(diào)整。有些算法可以解決一類相同的數(shù)據(jù)挖掘問(wèn)題，有些算法在數(shù)據(jù)類型上有特殊的要求，因此需要根據(jù)業(yè)務(wù)目標(biāo)和數(shù)據(jù)情況選擇合適的算法進(jìn)行訓(xùn)練。

1.4 模型評(píng)估（evaluation）

為了建立一個(gè)高質(zhì)量的模型，需要對(duì)訓(xùn)練結(jié)果進(jìn)行評(píng)估，檢查構(gòu)造模型的步驟，確保模型可以完成業(yè)務(wù)目標(biāo)。對(duì)模型進(jìn)行較為全面的評(píng)價(jià)，并重審過(guò)程。

2 業(yè)務(wù)理解

2.1 業(yè)務(wù)調(diào)研

輸電線路故障分析：故障分析是電網(wǎng)運(yùn)行中的一項(xiàng)重要工作。影響線路故障的因素較多，不僅受到線路臺(tái)賬、運(yùn)行參數(shù)、廠家等因素影響，同時(shí)受到天氣狀況、季節(jié)性、地域等因素的影響，目前針對(duì)故障的分析涉及到多個(gè)維度、多個(gè)層次。

2.2 問(wèn)題定位

輸電線路故障分析：目前線路的故障分析以南網(wǎng)導(dǎo)則為主，重點(diǎn)線路維護(hù)為輔開(kāi)展，以人工方式進(jìn)行統(tǒng)計(jì)和分析，沒(méi)有輸電線路故障的預(yù)測(cè)性。另外，電網(wǎng)中大量的監(jiān)測(cè)數(shù)據(jù)未得到有效應(yīng)用

3 數(shù)據(jù)探索

為了建立一個(gè)高質(zhì)量的模型，需要充足的數(shù)據(jù)來(lái)支撐建模。本次數(shù)據(jù)分析涉及到的數(shù)據(jù)主要包括以下幾個(gè)方面。

（1）設(shè)備臺(tái)賬：設(shè)備名稱、設(shè)備類型、設(shè)備經(jīng)緯度。

（2）故障數(shù)據(jù)：故障類型、故障緊急程度、故障部位、故障發(fā)生日期、故障描述。

（3）巡檢數(shù)據(jù)：巡檢異常數(shù)、巡檢異常率、巡檢異常占比。

（4）氣象數(shù)據(jù)：溫度、濕度、降雨量、氣壓。

4 算法模型

氣象環(huán)境與線路故障相關(guān)性分析：從氣象對(duì)電網(wǎng)影響的周期性特征出發(fā)，由于氣象環(huán)境相關(guān)的線路故障率在不同年份和月份有差異，首先按照時(shí)間維度，統(tǒng)計(jì)線路不同時(shí)段的故障情況，包括故障次數(shù)、故障率、跳閘次數(shù)、跳閘率等，采用歐幾里得距離、余弦相似度、Pearson相關(guān)系數(shù)、Spearman秩相關(guān)系數(shù)、Kendall's tau-b等級(jí)相關(guān)系數(shù)計(jì)算分析。

以某一線路故障分析為例，特征量關(guān)聯(lián)關(guān)系列表如表1所示。

通過(guò)對(duì)線路故障在不同環(huán)境溫度下的各種特征量的兩兩分析，找出線路故障與環(huán)境溫度和其他特征量的關(guān)聯(lián)關(guān)系，從而得到線路故障的分析標(biāo)準(zhǔn)，進(jìn)而實(shí)現(xiàn)通過(guò)數(shù)據(jù)本身的狀態(tài)評(píng)價(jià)，這種通過(guò)大數(shù)據(jù)平臺(tái)不斷的對(duì)特征量進(jìn)行兩兩分析、多項(xiàng)分析，找出彼此的關(guān)聯(lián)關(guān)系的方法可以靈活的對(duì)不同設(shè)備的數(shù)據(jù)進(jìn)行分析評(píng)價(jià)，在不斷分析中不斷自我完善、自我校準(zhǔn)，實(shí)現(xiàn)靈活、可靠、精細(xì)化的數(shù)據(jù)分析及評(píng)價(jià)。

5 故障分析結(jié)論

通過(guò)對(duì)數(shù)據(jù)進(jìn)行清洗、探索、統(tǒng)計(jì)分析、建模等一系列分析的過(guò)程，得出故障和氣象的強(qiáng)關(guān)聯(lián)性的分析結(jié)論，并在此基礎(chǔ)上通過(guò)多遠(yuǎn)回歸算法對(duì)確立的氣象因數(shù)進(jìn)行綜合的模型診斷和對(duì)比分析，最終確定線路故障分析預(yù)測(cè)模型以及相關(guān)的氣象因數(shù)變量。

線性回歸模型：故障總量=-55.4310+1.6587×平均氣溫（年）-2.9155×平均濕度（年）+5.4750×濕度≤40%的天數(shù)（年）-2.4079×濕度≥80%的天數(shù)（年）-62.5923×風(fēng)速> 17M/S的天數(shù)（年）+30.6300×降雨量為[10，50）天數(shù)（年）-552.1602×降雨量為[50，100）天數(shù)（年）。

為了確認(rèn)模型的質(zhì)量是否足夠準(zhǔn)確，用已得到的自變量觀測(cè)數(shù)據(jù)帶入模型中，把得到的因變量預(yù)測(cè)數(shù)據(jù)與因變量觀測(cè)數(shù)據(jù)做畫圖對(duì)比，如圖1為故障總量多元線性回歸——最終模型的預(yù)測(cè)數(shù)據(jù)圖。

從圖1中可以看到，預(yù)測(cè)數(shù)據(jù)與觀測(cè)數(shù)據(jù)排列接近于一條45°的直線，可以判定預(yù)測(cè)是準(zhǔn)確的。

6 結(jié)語(yǔ)

本文為了進(jìn)一步對(duì)輸電線路故障的影響因素進(jìn)行分析，用相關(guān)性系數(shù)描述輸電故障和氣象數(shù)據(jù)之間關(guān)系。通過(guò)分析得出了氣象數(shù)據(jù)中的溫度、濕度、風(fēng)速、氣壓和故障之間的相關(guān)性強(qiáng)度。

通過(guò)對(duì)數(shù)據(jù)特征展開(kāi)研究，以及對(duì)機(jī)器學(xué)習(xí)相關(guān)算法模型、關(guān)鍵算法組件的應(yīng)用及驗(yàn)證，為輸電線路故障分析提供有力的技術(shù)支撐。

參考文獻(xiàn)

[1] 張永強(qiáng)，劉琦，周經(jīng)倫.基于Bayes性能退化模型的可靠性評(píng)定[J].電子產(chǎn)品可靠性與環(huán)境試驗(yàn)，2006（4）：46-49.

[2] 孫志征，侯戈，吳全初.輸電線路運(yùn)行中常見(jiàn)故障及檢修方法[J].低碳世界，2016（22）：99-100.

[3] 柳雅騰.架空輸電線路中的常見(jiàn)故障以及預(yù)防檢修方法[J].山東工業(yè)技術(shù)，2016（15）：156.

[4] 嚴(yán)鳳，許海梅.基于神經(jīng)網(wǎng)絡(luò)的配電線路綜合故障定位方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2015（5）：86-91.

[5] 葉浩明.高壓輸電線路故障類型與防范對(duì)策[J].企業(yè)技術(shù)開(kāi)發(fā)，2014（21）：81-82.