刘 晶

（山东电工配网设计有限公司 济南分公司，山东 济南 250100）

0 引 言

智能变电站的服务器中存储了大量关于二次设备运行状态的信息数据，例如运维监管数据、系统运行状态数据等，使得服务器对于二次设备缺陷定位的速度变缓、准确率降低[1]。在大量特征数据下，有效实现二次设备的缺陷定位是目前智能变电站亟待解决的问题。本文提出一种并行FP-Growth算法，剔除海量数据中的非特征数据，并构建标准的数据集合，实现二次设备缺陷的快速精准定位[2]。

1 二次设备缺陷定位问题的数学描述

假设1：输电线路中二次设备的总数为∑Ci，任意二次设备中均存储缺陷信息，第i个二次设备的异常信息为Si、保护信息为ωi、闭锁信息为αi。二次设备信息的采样周期为Ti，其计算公式为

式中：f为二次设备发生故障的频率；s为二次设备到母线的距离。

假设2：任何二次设备Ci出现异常信息Si后，会随机存储于分布服务器Di中。那么，二次设备发生频率f的计算公式为

式中：Ki为Ci的权重系数；Ti为采样周期；Qi为Ci的功率；Pi为Ci的潮流；si为Ci距离母线的长度；wi为Ci的重要程度[3]。Ci的权重系数变化值ΔK的计算公式为

式中：K0为采样初期信息；Kn为采样结束的信息。引入Ci与Ci+1之间的关联系数ρ，并将式（1）与式（2）合并，可以得到二次设备的缺陷ΔfTi，其计算公式为

式中：ρ的取值区间为[0,1]。

2 二次设备缺陷定位公式

二次设备缺陷定位原理是依据存储装置中的异常信息Si进行判断，并构建异常信息的矩阵，依据矩阵的结果判断二次设备的缺陷位置[4]。具体计算公式为

式中：loction(·)为二次设备缺陷的位置函数；IF(·)为判断函数。当Si=1、ωi=1、αi=1时，说明二次设备Ci存在严重缺陷，并将Ci的位置信息发送给中央控制系统[5]。

3 基于并行FP-Growth算法的二次设备缺陷定位步骤

二次设备缺陷定位矩阵的特征值较多，为了获得唯一特征值，需要要对其进行求导，得到准确的二次设备缺陷位置[6-8]。

3.1 二次设备的运行状态

通过偏微分方程求得多线路并行下二次设备Ci的运行状态Δf，计算公式为

当Δf＞0时，代表二次设备运行状态正常；当Δf≤0时，代表二次设备运行状态异常。

3.2 算法的实施步骤

并行FP-Growth算法需要统计二次设备的数量，并收集二次设备缺陷信息[9]。

步骤一：记录二次设备Ci的信息，包括异常信息Si、保护信息ωi、闭锁信息αi。首先，与历史数据进行比较，得到数据集合Oi；其次，进行数据清洗，得到数据集合Xi；最后，对空缺数据进行填充，得到数据集合Bi[10]。

步骤二：依据二次设备Ci缺陷所在的线路以及与母线的距离，确定存在缺陷的二次设备位置。

步骤三：将数据带入式（5）、式（6），得到二次设备Ci缺陷的位置[11]。

步骤四：对二次设备缺陷位置进行验算，当验算结果符合实际测试要求时，停止迭代计算，并输出Δf、loction(ΔfTi)、ΔfTi以及历史数据比较集合Oi、数据清洗集合Xi、空缺填充集合Bi等。否则，重复步骤一～步骤三，直至符合要求[12]。

4 基于并行FP-Growth算法的二次设备缺陷定位性能分析

4.1 固定时间下的缺陷定位性能对比

设置固定时间35 s，分别采用遗传算法、在线监测法、并行FP-Growth算法以及二叉树算法进行二次设备缺陷定位，具体结果如表1所示[13,14]。

表1 单线路中35 s内的二次设备缺陷定位性能

由表1可知，在35 s的计算时间内，虽然并行FP-Growth算法的处理数据量与在线监测法相同，但是其处理次数、判断距离、判断准确性均比其他算法优异，相对误差最小。

为了进一步验证并行FP-Growth算法的优越性，将测试线路增加为双线路，计算结果如表2所示。

表2 双线路中35 s内的二次设备缺陷定位性能

由表2可知，虽然并行FP-Growth算法的A线路数据处理量与在线监测方法相同、B线路数据处理量高于在线监测算法，但是其处理次数、处理距离、判断准确性均优于其他方法，相对误差最小。

多线路的二次设备缺陷定位是智能变电站的常用定位模式，在多线路中进行测试具有十分重要的意义[15]。以3条线路为例，具体测试结果如表3所示。

表3 多线路中35 s内的二次设备缺陷定位性能

由表3可知，并行FP-Growth算法的处理的数据量、处理次数、判断距离、相对误差以及判断准确性均优于其他算法。

4.2 多线路条件下的二次设备缺陷定位准确性

计算不同算法在定位位置、定位设备、定位距离、定位线路上的准确性，具体结果如表4所示。

表4 不同算法对二次设备缺陷定位的准确性（单位：%）

依据表4的数据，并行FP-Growth算法对二次设备缺陷定位的准确性最高，优于在线监测法、遗传算法以及二叉树法。

5 结 论

针对二次设备缺陷定位的问题，提出一种并行FP-Growth算法，对二次设备缺陷定位进行验证。在处理的数据量、处理次数、判断距离相同的条件下，并行FP-Growth算法定位距离、定位设备、定位线路的准确性最高，优于在线监测、遗传算法、二叉树法等算法。基于此，并行FP-Growth算法适用于智能电站的二次设备缺陷定位分析。