張莎 李玉兵 高偉 潘虹

[摘 要] 針對當前電網(wǎng)可靠性問題，以輸電線路缺陷數(shù)據(jù)為研究核心，分析缺陷發(fā)生的各種規(guī)律，找出引發(fā)缺陷的關鍵因素；通過數(shù)據(jù)實際反映線路缺陷與桿塔信息間的邏輯關系，實現(xiàn)多角度、多維度數(shù)據(jù)分析。通過篩選關聯(lián)性高解釋能力強的桿塔信息做缺陷預測，及時發(fā)現(xiàn)設備隱患，分析設備存在的問題，輔助管理人員決策。

[關鍵詞] 多維度數(shù)據(jù)分析；隨機森林分類模型；輸變電設備；缺陷評估

中圖分類號：F407.61 文獻標識碼：A

一、輸電線路設備缺陷評估分析現(xiàn)狀

輸電線路設備是電網(wǎng)內重要設備，各級輸電線路多數(shù)處在野外，所以其遭受自然、人為破壞的影響比較大，缺陷的出現(xiàn)會造成各級線路處于危險當中，因此研究缺陷發(fā)生的線路、發(fā)生的部位、地段等，對指導線路運檢和管理具有很現(xiàn)實的意義[1]。以某市供電公司330kV及110kV輸電線路為例，其普遍采用人工巡檢的方式，該方式有顯著的不足：

一是工作效率低。據(jù)輸電線路人員定額標準測算，每人平均工作效率為4公里/日，在沒有大規(guī)模應用機巡作業(yè)之前，輸電運維缺員嚴重。二是巡檢質量不高。受地形、觀察視角、技能、經(jīng)驗等因素影響，工人依靠肉眼或望遠鏡等簡單工具容易對隱患判斷失誤。三是作業(yè)風險高。工人經(jīng)常需要翻山越嶺、登塔走線，不僅勞動強度大，而且工作條件艱苦，且工作中存在野生動物傷人、高空墜落、中暑、凍傷等人身安全風險[2]。

二、輸電線路缺陷評估分析設計思路

針對目前輸電線路巡檢管理存在的一些現(xiàn)狀，為有效對輸電線路設備的缺陷進行有效管理，需要我們運用新的技術來開展工作。根據(jù)分析結果，可以準確判別缺陷類別、缺陷嚴重程度、設備的狀態(tài)等信息。及時發(fā)現(xiàn)設備隱患，分析設備存在的問題，輔助管理人員決策，從而進一步完善輸電線路設備管理體系。

三、輸電線路設備缺陷評估數(shù)據(jù)分析

數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的和隨機的實際應用數(shù)據(jù)中發(fā)現(xiàn)隱含的、規(guī)律的信息和知識的技術，是統(tǒng)計學、數(shù)據(jù)庫技術和人工智能技術的綜合。結合項目需求，項目組對某市供電公司的輸電線路設備歷史缺陷數(shù)據(jù)進行了如下分析：

（一）數(shù)據(jù)集構建

原始數(shù)據(jù)來源見下圖：

其中基礎數(shù)據(jù)規(guī)模約30 Mb，缺陷數(shù)據(jù)規(guī)模約2Mb。

基礎數(shù)據(jù)的質量問題重點來自于缺失值，通過對數(shù)據(jù)整體做非空頻次分析，利用唯一值判斷等手段評估缺失率超過90%的多列數(shù)據(jù)挖掘意義不大，予以舍棄；缺陷數(shù)據(jù)的質量問題重點來自于編碼不一致，存在大量主觀描述、同義近義詞數(shù)據(jù)，通過查閱輸電運檢規(guī)程予以統(tǒng)一。

數(shù)據(jù)預處理分為數(shù)據(jù)清洗、數(shù)據(jù)轉換、數(shù)據(jù)整合三個步驟：

1.數(shù)據(jù)清洗。通過確定缺失值范圍，去除不需要的字段，連續(xù)變量使用平均值或中值填充，其余根據(jù)輸電業(yè)務知識推測填充。2.數(shù)據(jù)轉換。對數(shù)據(jù)做了統(tǒng)一化、標準化、離散化處理。3.數(shù)據(jù)整合。基于已完成清洗、轉換工作的基礎數(shù)據(jù)和缺陷數(shù)據(jù)，基于所屬線路和桿塔編號兩個關聯(lián)變量，整合完成寬表。

（二）多維相關性分析

1.通過缺陷大類和電壓等級的Pareto分析，確定分析的重點在于330kV和110kV線路的本體缺陷。2.通過本體缺陷的分布分析，得知本體缺陷多發(fā)于鄉(xiāng)鎮(zhèn)及農(nóng)牧區(qū)的戈壁灘平原；且在本體缺陷中占比最高的是桿塔缺陷和金具缺陷。3.通過桿塔外部缺陷的鳥害缺陷數(shù)據(jù)分析，發(fā)現(xiàn)該地區(qū)輸電線路鳥害有季節(jié)性、反復性、區(qū)域性三個明顯特征。4.通過缺陷分類和所屬線路的偏差分析，得到宗龍線、永夾線無論是一般還是危急缺陷異常值高，急需安排B、C類檢修的分析結論。

（三）隨機森林模型預測分析

通過K折交叉驗證法，項目組選取準確率最高的模型：隨機森林（RandomForest）作為本研究的建模工具。

隨機森林從本質上屬于機器學習的一個很重要的分支，叫做集成學習。它的工作原理是生成多個分類器/模型，各自獨立地學習和作出預測。這些預測最后結合成單預測，因此優(yōu)于任何一個單分類做出的預測。

隨機森林最主要的兩個參數(shù)是n_estimators和max_ features以及max_depth。

n_estimators：表示森林里樹的個數(shù)。理論上是越大越好，但是計算時間也相應增長。所以，并不是取得越大就會越好，預測效果最好的將會出現(xiàn)在合理的個數(shù)。

max_depth：決策樹最大深度。

max_features：每個決策樹的隨機選擇的特征數(shù)目。每個決策樹在隨機選擇的max_features特征里找到某個“最佳”特征，使得模型在該特征的某個值上分裂之后得到的收益最大化。max_features越少，方差就會減少，但同時偏差就會增加。對于分類問題，max_features=sqrt（n_features）。

由于本研究使用的模型為隨機森林，主要的可調超參數(shù)為多個，故用網(wǎng)格搜索法確定最優(yōu)參數(shù)。主要評價指標為擬合效果，次要評價指標為訓練時間。

n_estimators取值為[1，2，3，4，5，6，7，8，9，10，15，20，30]

引入網(wǎng)格搜索，實驗結果如下：

最佳的弱學習器迭代次數(shù)= {n_estimators： 30}

擬合結果= 0.7558819171324392

網(wǎng)格搜索經(jīng)歷時間：0.978 S

接著項目組選取對決策樹最大深度max_depth和內部節(jié)點再劃分所需最小樣本數(shù)min_samples_split進行網(wǎng)格搜索。

實驗結果如下：

決策樹最大深度 {max_depth： 7}

擬合結果 0.791231732776618

網(wǎng)格搜索經(jīng)歷時間：0.792 S

引入以上兩個最佳參數(shù)后，看看現(xiàn)在模型的袋外分數(shù)，實驗結果如下：

{max_features： 5}

擬合結果0.8225469728601252

最后用搜索到的最佳參數(shù)（n_estimators=30，max_ depth= 7，max_features=5）結合最終的模型擬合，得到袋外分數(shù)oob_score_= 0.868，模型此時已經(jīng)接近最優(yōu)了。

通過網(wǎng)格搜索進行參數(shù)調優(yōu)，驗證模型的質量分別從耗時、準確率、誤差和ROC曲線方面比較判斷，驗證了改進的系統(tǒng)分類模型無論在耗時上還是在分類的精確率上都有所提高，促使本機器學習模型能夠變成得到較高精度的缺陷預測模型。

四、輸電線路設備缺陷評估成果應用

本項目的多維分析內容在輸電線路設備缺陷數(shù)據(jù)結構化后，可作為智能監(jiān)測分析平臺的應用參考，結合輸電運維指標體系，形成一套完整的輸電運維駕駛艙系統(tǒng)。

本項目使用的交叉驗證法-隨機森林分類模型在訓練樣本不斷充實、基礎數(shù)據(jù)不斷完善的趨勢下，可以有諸多的應用擴展。例如通過對時間序列再次建模，可以對未來1-2個檢修基準周期內任意線路的任意桿塔做缺陷預測，從而達到故障預警輔助運維人員決策的目的；

五、輸電線路設備缺陷評估成果成效

項目應用預期成效主要體現(xiàn)在以下三個方面：

（一）資金方面合理高效使用

通過對缺陷和隱患的分析，評估線路運行狀態(tài)，為線路規(guī)劃設計、施工驗收、大修技改項目儲備等各環(huán)節(jié)提供依據(jù)。

（二）管理更高效智能

目前基層班組普遍缺員嚴重，通過數(shù)據(jù)分析情況評價線路風險及狀態(tài)，自動告警，為輔助決策提供依據(jù)。更合理使用人力資源，避免人力資源的浪費以及該巡視的地方?jīng)]有巡視到情況的發(fā)生。

（三）線路運檢更加科學

通過數(shù)據(jù)的分析和模型預測應用，可以發(fā)現(xiàn)設備缺陷和隱患的具體位置，自動告警，為輔助決策。從多個維度分析各類缺陷的發(fā)生規(guī)律，建立分類模型進行缺陷預測，更有助于有的放矢，大大減少資源浪費，增強輸電運檢單兵戰(zhàn)斗力。

六、結語

通過建立智能監(jiān)測分析平臺，輸電線路缺陷數(shù)據(jù)將由非結構化轉向結構化，過程管控也由人工化轉為科學化，不僅降低了電力企業(yè)的成本預算，還提高了電力巡檢工作的效率，這讓供電公司輸電運檢智能化業(yè)務能力支撐能力明顯增強。

通過對桿塔臺賬數(shù)據(jù)和無人機自動巡視缺陷報告數(shù)據(jù)資源的梳理和整合，使供電公司輸電運維檢修方案決策第一次實現(xiàn)“用數(shù)據(jù)說話”，有助于公司未來更好地運用大數(shù)據(jù)，實現(xiàn)電力大數(shù)據(jù)的價值挖掘，激發(fā)企業(yè)的創(chuàng)新模式，實現(xiàn)公司管理水平的全面飛躍。

參考文獻：

[1]李志鵬.基于大數(shù)據(jù)分析的輸電線路管理系統(tǒng)及故障診斷研究[D].武漢：湖北工業(yè)大學，2015.

[2]李龍.輸電線路的狀態(tài)檢修技術的探討初探[J].山東工業(yè)技術，2018（22）：209.