继电保护设备智能运维数据的一体化挖掘方法_赵超阳.pdf

，研究与设计微型电脑应用 年第 卷第期作者简介：赵超阳（），男，本科，工程师，研究方向为配电网运检；张锋（），男，本科，助理工程师，研究方向为配电网运检；康郁堃（），男，本科，电气工程师，研究方向为配网运维技术。文章编号：（）继电保护设备智能运维数据的一体化挖掘方法赵超阳，张锋，康郁堃（国网乌鲁木齐供电公司，新疆，乌鲁木齐 ）摘要：为了提高继电保护设备一体化运维效果，增强设备自适应性，提出了一种继电保护设备智能运维数据一体化挖掘方法。对继电保护设备智能运维源数据进行分类，将其转换为适用格式，采用关联规则方法挖掘相关的运维数据，将多维数据映射到二维平面进行显示，以此完成继电保护设备智能运维数据一体化挖掘。实验对比结果表明，该方法不仅提高了数据一体化挖掘的效率，还提高了异常数据挖掘的准确度，具备一定的自适应性和实际应用意义。关键词：继电保护设备；智能运维；数据一体化；数据挖掘中图分类号：文献标志码：，（，）：，：；引言继电器保护是检测电力系统故障或异常情况、发出报警信号或直接隔离并排除故障的重要手段。它作为电网重要的功能组件，是一种自动装置，对电力系统的安全、可靠和稳定运行具有重要意义。同时，继电保护设备智能化运营的信息化程度不断提高，为满足电力通信网络日益增长的业务需求，已建立了多个运营管理系统。运营管理系统按照专业和功能进行划分，产生大量运营数据。为更好地管理电力通信网络的运行维护数据，需要充分挖掘包含在运行维护数据中的价值。当前，有较多学者研究了继电保护设备相关数据处理方法，于玲玲对大数据下用电信息智能采集运维挖掘模型进行了仿真，该研究主要建立了大数据条件下电力信息的智能采集、操作与维护模型。对大数据下用电信息采集与运营挖掘的总体架构模型进行了分析，用电信息采集后采用决策树方法进行信息融合，用关联规则挖掘算法进行用电信息特征挖掘；蒋逸雯等研究了基于深度语义学习的电力变压器运维文本信息挖掘方法，利用分布式文本学习工具 自动学习语义信息，将单词用低维稠密向量表示，并建立循环卷积神经网络，对信息进行了挖掘。但是当前的挖掘结果存在效率低、设备自适应性差的问题，无法提升继电保护设备一体化运维效果，为此设计一个继电保护设备智能运维数据一体化挖掘方法。继电保护设备智能运维数据一体化挖掘方法设计 继电保护设备智能运维数据预处理有些信息模糊的数据只能在修改或丢弃后再进行挖掘，因此，本文对运维数据进行了预处理。预处理流程如图 所示。首先对继电保护设备智能运维源数据进行分类，分类方 ，研究与设计微型电脑应用 年第 卷第期式如表所示。图运维数据预处理流程表源数据分类方式分类数据特征主要数据内容数据操作流水型增长按照增量方式产生故障方案、历史档案等变化更新对 已 有 数 据 进 行更新保护配置情况两者结合按照增量方式产生新数据，对已有数据更新保护 装 置 运 行 状态、开关量状态等数据量大各继 电 保 护 设 备的运行状态相对较小保护配置情况在数据抽取过程中，综合考虑上述因素后进行数据转换。数据转换是指按照数据仓库系统模型的要求，对提取出的数据进行转换、清理、分解和聚合等过程，以确保不同系统、不同格式数据的一致性和完整性，并根据需要在数据仓库中储存。处理过程如下：第一，对参数表进行初始化，比如时间间隔，本地文件路径等。确定在程序启动或配置参数改变时，配置参数改变标志为加载类型参数配置表；第二，实时扫描源数据文件夹，如有新文件出现，可根据文件名选择相应处理模块；第三，根据清理规则扫描对应的文件数据，对未知参数的异常数据，无尾汇总记录，错误文件格式产生异常数据文件进行汇总，产生合法数据文件；第四，在扫描数据时，同时调用转换和汇总功能，产生汇总数据；第五，程序根据生成的不同数据文件同时生成汇总数据，并对同一源数据进行汇总比较。它会在不一致的情况下提供系统警告。依据上述过程对继电保护设备智能运维数据进行整合，方便后续数据的挖掘。运维数据一体化挖掘实现在上述数据分类与预处理的基础上，挖掘具有运维属性的相关数据，一般情况下，对于一个数据库来说，关联规则的挖掘问题可以转化为一个寻找强关联规则的过程，这个过程满足最 小 支 持 度 和 最 小 置 信 度 阈 值，主 要 包 含 以 下两步。）生成所有频繁项集，也就是发现支持度大于或等于最低支持度阈值的项集。）生成强关联规则，即寻找大于或等于频繁项目集中最小置信度阈值的关联规则。关联规则挖掘定义如下。定义：设，是频繁项目集，代表事务数据库，每个事务对应一个子集，每个强关联属性对应一个规则，将关联规则表示为；关联规则的支持度是代表事务数据库中包含的事务占事务数据库的百分比。根据以上流程，为继电保护装置智能运行维护数据寻找相关数据。在此基础上对继电保护装置智能运维数据中的异常数据分类，如果这个子集是包括异常数据的属性集，那么根据分类属性进行相似度分析，此时的奇异值 分解为（）式中，代表网络异常数据的验证信息，代表异常网络数据的特征向量，代表异常数据分布式特征量的加权值。取异常数据的特征值作为训练子集，其表达式为（）（）式中，为异常数据的特征值训练子集，代表数据挖掘过程中的冗余信息，（）表示冗余信息的向量函数，代表异常数据联合分布概率。因为上述挖掘的数据具有时序特征，只有直观、完整的可视化显示，才能使运营者快速地发现各种指标之间的关系，使运营者能够预测运营者的工作。因此设计了一种数据挖掘的显示方法，对低维数据，可以用基本形式如线形图、堆积图和散点图来显示。对大于三维的多维数据点，最典型的方法是采用平行几何坐标法。并联可视化技术是一种将多维数据映射到二维平面进行显示的方法。假设需要展示维数据，平行坐标可视化技术具体步骤如下所示。步骤：画出个等间距的垂直平行坐标轴，每一个维度属性用一个轴来表示；步骤二：根据不同尺寸属性值域分别在相应的竖轴上均匀地画出比例点；步骤三：根据属性值在不同维度上的值，将每个数据投影到相应的轴线上，然后在不同轴线上依次连接点。最后显示出的数据挖掘显示结果如图所示。，研究与设计微型电脑应用 年第 卷第期（）序列关联结果可视化绘制流程图（）序列关联结果可视化图数据挖掘结果可视化绘制流程与可视化图如图所示，事务数据库的序列的子序列中，含有个序列，那么它的支持度计算模式是有序的，前一个在后一个之前发生，作为一个发现序列模式的过程，每一条记录中频繁同时出现的某些项即此时的频繁项集是可以被挖掘的；引入垂直平行坐标轴且划出比例点后，每个属性值在不同维度上 的 数 据 投 影 到 相 应 的 轴 线 上，依 次 连 接 点，形 成 如图（）所示的可视化结果，以此，通过上述过程完成数据挖掘结果可视化，最后，不断更新元数据，元数据增加和更新流程如图所示。不断重复上述过程，直至输出各类元数据增加确定值，完成继电保护设备智能运维数据一体化挖掘。实验对比为验证此次研究的继电保护设备智能运维数据一体化挖掘方法的有效性，进行此次实验，并为了保证实验的严谨性，测试该方法的数据挖掘效率与异常数据挖掘查全率。数据挖掘效率对比采用此次研究的继电保护设备智能运维数据一体化挖掘方法与传统的大数据下用电信息智能采集运维挖掘模型（文献）、基于深度语义学习的电力变压器运维文本信息挖掘方法（文献）对继电保护设备运维中的正常数据挖掘与异常数据挖掘，对比三种挖掘方法的挖掘效率，对比结果如图所示。图元数据增加和更新流程图正常数据挖掘效率分析图可知，此次研究的继电保护设备智能运维数据一体化挖掘方法在有效数据挖掘上，挖掘效率较高，传统的文献 方法、文献 方法与此次研究的方法的挖掘效率没有此次研究的方法挖掘效率高。在上述正常数据挖掘完成的基础上，挖掘异常数据，异常数据挖掘效率对比结果如图所示。由图可知，此次研究的继电保护设备智能运维数据一体化挖掘方法与传统的文献 方法、文献 方法的挖掘效率均有所降低，因为异常数据的挖掘增加了数据挖掘的难度，从而降低了挖掘效率。但是对比可知，此次研究的挖掘方法的挖掘效率仍然高于传统的文献 方法、文献 方法的挖掘效率。异常数据挖掘查全率对比对比传统的文献 方法、文献 方法与此次研究的方法对异常数据挖掘的有效性，需要对比异常数据挖掘查全率，查全率代表是否全部挖掘出异常数据挖掘，三种方法的对比结果如图所示。，研究与设计微型电脑应用 年第 卷第期图异常数据挖掘效率对比图异常数据挖掘查全率对比通过分析图能够发现，此次研究的继电保护设备智能运维数据一体化挖掘方法查全率较高，在几次试验过程中，均能够挖掘到较多的异常数据。而传统的文献 方法、文献 方法比此次研究方法的查全率低，对于异常数据挖掘的有效性较低。综上所述，此次研究的继电保护设备智能运维数据一体化挖掘方法较传统方法的挖掘效率高、查全率高，原因是此次研究的方法对相关数据进行了预处理，然后采用关联规则挖掘相关数据，以完成了数据的挖掘，从而提高了数据挖掘的有效性。总结本文设计了一个继电保护设备智能运维数据一体化挖掘方法，试验表明，此次研究的方法是有效的、能提高继电保护设备异常数据的检测速度，并及时采取措施进行处理。因为电力数据高度机密性，本文只采集并使用了较少个运维数据，数据类型和数据量均不符合数据标准，本研究方法还存在一定的不足，需要进一步推广应用，接下来，可以考虑增加数据量，收集内部非分配网络的数据，以供研究之用。参考文献于玲玲大数据下用电信息智能采集运维挖掘模型仿真计算机仿真，（）：蒋逸雯，李黎，李智威，等基于深度语义学习的电力变压器运维文本信息挖掘方法中国电机工程学报，（）：孙辉，张国庆，高博，等采用组合赋权法的智能变电站继电保护设备状态模糊综合评估电测与仪表，（）：刘琨，黄明辉，李一泉，等智能变电站故障信息模型与继电保护在线监测方法电力自动化设备，（）：孙梦晨，丛伟，余江，等电网运维大数据背景下的继电保护通信系统故障定位方法电力自动化设备，（）：江秀臣，盛戈皞电力设备状态大数据分析的研究和应用高电压技术，（）：陈碧云，李弘斌，李滨基于数据挖掘和 的电力作业风险态势感知电力自动化设备，（）：张磐，丁泠允，姜宁，等基于支持度置信度提升度的配网自动化系统数据挖掘算法及应用电测与仪表，（）：余一平，孙卫娟，张浩，等基于变点探测的功率振荡数据 挖 掘 电 力 自 动 化 设 备，（）：郑勇，孙明，曹照静，等一种基于数据挖掘的馈线可装容量模型分析方法现代电力，（）：张若愚，齐波，张鹏，等面向电力变压器状态评价的油中溶解气体监测数据补全方法电力自动化设备，（）：孙丰杰，王承民，谢宁面向智能电网大数据关联规则挖掘的频繁模式网络模型电力自动化设备，（）：罗清雷，高宝琪，魏伟，等基于增长模型的电力设备缺失 数 据 筛 查 算 法 研 究 科 技 通 报，（）：孙芊，马建伟，李强，等面向智慧城市的电力数据挖掘多 场 景 应 用 电 力 系 统 及 其 自 动 化 学 报，（）：李智威，贺兰菲，张雪霏，等主变抗短路关联参数集数据 挖 掘 应 用 研 究 变 压 器，（）：（收稿日期：）