李延賓 李志華 喻 旻

（1.廣東電網有限公司梅州供電局 2.中國科學院廣州能源研究所）

0 引言

電力系統(tǒng)是現(xiàn)代社會不可或缺的基礎設施之一，其穩(wěn)定運行對于維護社會經濟的正常運轉至關重要［1］。在電力系統(tǒng)中，10kV線路低壓運行數(shù)據(jù)的監(jiān)測和分析具有關鍵意義，因為它們直接關系到電力系統(tǒng)的可靠性、安全性和運行效率。隨著技術的不斷發(fā)展，智能算法在電力系統(tǒng)領域的應用日益成熟，為實時監(jiān)測和數(shù)據(jù)分析提供了新的途徑和工具［2］。

本文旨在探討智能算法在10kV線路低壓運行數(shù)據(jù)分析中的應用，強調其在電力系統(tǒng)監(jiān)測和運維管理中的重要性。首先，本文將介紹10kV線路低壓運行數(shù)據(jù)的來源，包括監(jiān)測設備、傳感器和SCADA系統(tǒng)，以及它們如何持續(xù)監(jiān)測電力系統(tǒng)的關鍵參數(shù)［3］。

1 數(shù)據(jù)收集與預處理

1.1 10kV線路低壓運行數(shù)據(jù)采集裝置

在10kV電力系統(tǒng)中，低壓側數(shù)據(jù)采集裝置是一種專用設備，用于監(jiān)測和采集電力系統(tǒng)低壓側的電流、電壓、功率因數(shù)等參數(shù)數(shù)據(jù)［4］。該裝置通常由高精度傳感器、數(shù)據(jù)采集模塊、通信接口和數(shù)據(jù)處理單元組成。其工作原理基于精密傳感器的測量，這些傳感器能夠實時感知電力系統(tǒng)中的電流和電壓變化［5］。采集模塊負責將傳感器獲取的模擬信號轉換為數(shù)字信號，隨后，數(shù)據(jù)通過通信接口傳輸至數(shù)據(jù)處理單元。在數(shù)據(jù)處理單元中，先進的信號處理算法被應用于數(shù)據(jù)，例如濾波、校正和特征提取，以確保數(shù)據(jù)的準確性和穩(wěn)定性。同時，該裝置配備了高性能的通信接口，如Modbus、Profibus等，使得采集到的數(shù)據(jù)能夠實時傳輸至監(jiān)控中心或數(shù)據(jù)存儲系統(tǒng)。

這種數(shù)據(jù)采集裝置的主要目的是為了實現(xiàn)電力系統(tǒng)低壓側的實時監(jiān)測和遠程控制。通過高精度的測量和先進的數(shù)據(jù)處理技術，該裝置可以提供可靠、準確的電力數(shù)據(jù)，為電力系統(tǒng)的運行狀態(tài)提供實時反饋。這些數(shù)據(jù)對于系統(tǒng)運行的穩(wěn)定性、可靠性和安全性至關重要，也為運維人員提供了必要的信息，以便及時做出決策，確保電力系統(tǒng)的正常運行。10kV線路低壓在智能電網中的結構圖如圖1所示。

圖1 10kV線路低壓在智能電網中的結構圖

圖2 基于電波流動性屬性構建的決策樹

1.2 數(shù)據(jù)預處理

針對上述采集到的數(shù)據(jù)，對數(shù)據(jù)進行預處理。

（1）異常值檢測：首先，檢測和識別數(shù)據(jù)中的異常值。本文使用局部離群因子方法對10kV線路低壓運行數(shù)據(jù)進行異常值檢測。具體檢測步驟如下：

針對10kV線路低壓運行數(shù)據(jù)，對于每個數(shù)據(jù)點，使用歐氏距離計算其與其他數(shù)據(jù)點之間的距離，用于衡量數(shù)據(jù)點之間的相似性。

對于每個數(shù)據(jù)點，計算其局部密度。局部密度是指該數(shù)據(jù)點周圍鄰近數(shù)據(jù)點的密度，通常使用半徑為r內的數(shù)據(jù)點數(shù)量來衡量。使用以下公式來計算局部密度：

式中，Nr（p）為半徑為r內的鄰近數(shù)據(jù)點集合；dp，q為數(shù)據(jù)點p和q之間的距離。

計算每個數(shù)據(jù)點的局部離群因子LOF，LOF用于衡量一個數(shù)據(jù)點與其鄰近數(shù)據(jù)點的密度相比于其鄰近數(shù)據(jù)點的密度的相對偏差。LOF的計算如下：

式中，LOF越大，表示數(shù)據(jù)點p與其鄰近數(shù)據(jù)點的密度差異越大，也就是異常點。

（2）缺失值處理：在某些時間點或位置上缺乏數(shù)據(jù)的情況。由于設備故障、通信問題，均使用中位數(shù)進行修復。

（3）數(shù)據(jù)校準：校準傳感器數(shù)據(jù)以確保其準確性和一致性。通過檢查傳感器的校準曲線和修正系數(shù)，將其應用于測量數(shù)據(jù)以消除測量誤差。

（4）時間同步：因為10kV線路低壓運行數(shù)據(jù)來自多個不同的傳感器，需要確保數(shù)據(jù)在分析和比較時一致，本文使用統(tǒng)一的時間基準實現(xiàn)同步。

（5）去噪處理：去除數(shù)據(jù)中由于電磁干擾、通信干擾引起的噪聲，使用數(shù)字濾波器去除高頻噪聲。

（6）數(shù)據(jù)標準化：將數(shù)據(jù)標準化到一致的尺度，以便進行比較和分析。本文使用以下公式將數(shù)據(jù)進行最小-最大歸一化處理，將數(shù)據(jù)縮放到指定的范圍：［0，1］之間：

具體步驟如下：

1）計算數(shù)據(jù)列的MinVualue和MaxValue。

2）對數(shù)據(jù)列中的每個數(shù)值應用上述公式，將每個數(shù)值映射到［0，1］的范圍。

（7）數(shù)據(jù)驗證：最后，驗證清洗后的數(shù)據(jù)以確保其質量。

2 10kV線路低壓運行存在的故障問題

在10kV電力系統(tǒng)中，變壓器臺區(qū)故障問題是一個重要問題。首先，變壓器樁頭連接部件可能發(fā)生異常，特別是使用SL系列夾線時，由于其接觸面積相對較小，容易導致接觸不良，進而引發(fā)內部發(fā)熱，甚至發(fā)生燒壞事故。其次，變壓器低壓導線支撐點距離過遠可能導致設備線夾負載過大，使得銅鋁承受過度荷載力，產生斷裂現(xiàn)象。此外，臺區(qū)常有鳥類或其他動物穿行，也可能引發(fā)故障。零線不均衡電流大，以及更換變壓器時未更換低壓導線，都可能導致導線燒損。外部因素也會引發(fā)電力線路故障。線路穿越山川樹木、居民區(qū)等，碰到樹木或房屋可能導致線路接地，甚至造成人員傷亡。天氣因素如雷雨、大風、雨雪等，都會對電力線路運行造成不利影響，可能導致導線接地、跳閘，甚至發(fā)生洪水沖壞電力線路桿的事故。

3 基于決策樹的故障檢測算法

針對上述存在的故障問題，本文將10kV線路中的故障檢測作為智能算法改進的方向。在完成數(shù)據(jù)采集和數(shù)據(jù)清洗之后，進一步選擇電波流動性作為特征進行故障檢測算法的改進。

（1）特征選擇：選擇電波流動性這個屬性作為特征，電流波動性表示電流值在一段時間內的變化程度。將用于構建決策樹，在決策樹中的每個節(jié)點，選擇最具區(qū)分性的屬性來進行分割。

（2）構建決策樹：

1）選擇整個數(shù)據(jù)集作為初始節(jié)點。

2）在每個節(jié)點上，選擇最具區(qū)分性的屬性來進行分割。在這里，選擇電流波動性作為屬性。

3）計算每個可能的分割點的信息增益或基尼不純度，以確定最佳的分割點。信息增益用于度量分割后節(jié)點純度的提升，其計算公式如下：

式中，IG（D，A）表示屬性A對數(shù)據(jù)集D的信息增益；H（D）表示數(shù)據(jù)集D的熵；Dv表示在屬性A的取值為v時的子數(shù)據(jù)集。

基尼不純度用于度量節(jié)點的不純度，其計算公式如下：

式中，Gini（D）為數(shù)據(jù)集D的基尼不純度；c表示數(shù)據(jù)集中的類別數(shù)；pi表示數(shù)據(jù)集中屬于類別i的樣本占比。

4）選擇具有最高信息增益或最低基尼不純度的分割點，將節(jié)點分成子節(jié)點。

5）遞歸地重復步驟（4）和步驟（5），直到達到停止條件，即樹的深度達到限制。

6）構建完整的決策樹，其中每個葉子節(jié)點表示一個故障或分類。

7）決策樹的剪枝：通過剪枝來減少樹的復雜度，防止過擬合。

（3）模型訓練：根據(jù)訓練數(shù)據(jù)集，通過遞歸的將數(shù)據(jù)分割成子集，建立決策樹的結構。在每個節(jié)點，選擇最佳的屬性來分割數(shù)據(jù)。

（4）故障檢測：在決策樹建立完成之后，可以將新的數(shù)據(jù)樣本輸入到決策樹中，通過逐步遵循決策樹的分支來確定樣本的故障狀態(tài)。

4 實驗與驗證

算法中輸入10個樣本，每個樣本具有電流波動性的特征值，以及與之關聯(lián)的狀態(tài)（正?；虍惓＃撕灐ｋ娏鞑▌有缘闹捣秶?到1之間，其中值較小的樣本通常被認為是正常狀態(tài)，而值較大的樣本被認為是異常狀態(tài)。本文通過實驗構建了一個包含10個樣本的數(shù)據(jù)集，其中每個樣本都具有電流波動性作為特征，并且每個樣本被標記為正?；虍惓顟B(tài)。實驗的目標是使用決策樹算法對這些樣本進行分類，并根據(jù)電流波動性的值來預測其狀態(tài)。

表 基于電波流動性的異常值情況

通過訓練決策樹模型，可以觀察到模型的分割屬性是電流波動性。選擇閾值為0.5，將電流波動性小于0.5的樣本歸類為正常狀態(tài)，而將電流波動性大于等于0.5的樣本歸類為異常狀態(tài)。分析實驗結果還表明，在這個模擬中，電流波動性的值越大，樣本被分類為異常狀態(tài)的概率越高，這與實際電力系統(tǒng)中可能的情況相符。說明電流波動性作為特征對于識別電力系統(tǒng)中的異常情況具有重要意義。

5 結束語

通過使用智能算法，可以更好地理解低壓運行數(shù)據(jù)的特點，并發(fā)現(xiàn)潛在的問題。這對于提高電力系統(tǒng)的運行效率和穩(wěn)定性有重要意義。因此，智能算法在10kV線路低壓運行數(shù)據(jù)分析中具有重要的應用價值。