基于AFWA的二次系统故障关联分析参数优化
2022-08-17王鸣誉
徐 岩, 王鸣誉, 范 文
(新能源电力系统国家重点实验室(华北电力大学),河北 保定 071003)
0 引 言
在智能站中,二次设备的运行状态会影响整个变电站的工作情况。虽然智能站在经济、节能等方面存在优势,但是也存在着二次设备逻辑回路不可视、故障排查难的特点。传统的二次系统故障分析依赖人力,手段简单,在运行人员面对海量数据时,难以做出快速判断,二次设备全部基于标准化的微处理机制造,可以实现信息交互,同时还具备自检能力[1],并通过告警等方式输出异常信号。通常情况下,智能站的二次设备故障记录由调度人员记录在在调度管理系统中,或者由检修人员手动记录在调度管理系统中[2]。
为了提升数据分析的效率,近年来数据挖掘技术在电力系统数据分析方面应用越来越广泛,文献[3]利用Apriori算法结合聚类算法实现用户侧负荷分解;文献[4]利用FP-growth算法实现电力设备故障预判。以上传统FIM(Frequent Itemsets Mining)算法虽然简单有效,但是仍然存在需要多次扫描数据库造成处理速度较慢的特点。
在二次故障方面,文献[5]利用H-mine算法实现对二次故障数据的分析,该算法在数据稀疏时,运行效率要高于传统FIM算法。文献[6]利用改进Apriori实现二次设备缺陷部位、原因的分析,该算法与传统Apriori相比,运行速度有显著提升,同时可以直观有效的分析缺陷数据。文献[7]利用一种只用扫描一次数据库的FIM算法来处理配网薄弱点分析,以上方法虽然与传统FIM算法相比有一定的改善,但是在关键参数的选择上面,只能依靠分析人员的经验,并没有给出很好的解决办法,同时与传统关联分析一样,缺乏有效的规则筛选办法,导致生成的无用规则过多,分析结果可阅读性较差,分析时过于依赖人力。……
