杨超，张霖

(贵阳供电局，贵州　贵阳　550002)



数据挖掘技术在电力设备故障诊断中的应用

杨超，张霖

(贵阳供电局，贵州贵阳550002)

电力设备运行状态信息具有海量、复杂性以及不完整的特点，给设备故障诊断带来了不小的困难。本文提出一种将粗糙集理论与朴素贝叶斯相结合的数据挖掘方法，通过粗糙集求取故障诊断最小属性约简集，并在此基础上利用朴素贝叶斯计算设备发生各种故障的概率，从而得出诊断结果。最后进行了变压器故障实例分析，诊断结果证明该方法的正确性和有效性。

电力设备；数据挖掘；故障诊断；粗糙集；朴素贝叶斯

1　引言

故障诊断是根据设备运行状态信息查找故障源，并确定相应决策的一门综合性的新兴科学。电力设备故障诊断技术的应用，使设备维修由传统的计划维修逐步过渡到状态维修，减少了事故停电损失，提高了电网供电可靠性，具有重要的经济和社会效益。随着工业和科学技术的迅速发展，SCADA、生产管理系统以及设备在线监测系统等的广泛应用,与设备状态相关的各种数据呈爆炸性增长态势,数据之间的相互关系更加趋于复杂化，传统的分析统计手段已难以满足要求,需要运用新方法来挖掘更深层次的规律,确定设备是否存在异常或故障、故障的部位以及故障恶化的趋势，以便给出更快、更有效的维修决策支持。数据挖掘的出现引起了电力工作者的广泛关注[1]。

数据挖掘是从大量的、已有数据(数据库或数据仓库)中发现未知的、具有潜在应用价值的信息或模式,被广泛地应用于金融、市场营销、过程优化控制、电力系统等各个领域[2]。……