文摘
不断扩大的规模、容量和覆盖的现代传输网络,电力系统在国民经济的作用日益突出,断开的电力系统将有一个对社会和人们的生活产生巨大影响。由于输电线路长传输距离和宽范围,自然条件和人为因素造成巨大困难操作和维护。如何有效地提高输电线路的运行和维护,以确保电网的稳定性和安全性已成为电力行业的一个常见问题和科学研究人员讨论。近年来,信息社会已进入大数据的时代,和大数据发展迅速,成为一个热门领域受到了学术界和产业界的优待,并被广泛使用。通过大数据分析,潜在操作规则可以发现大量的网格信息,为维修人员提供相应的维修决策支持。使用大数据技术的输电线路故障分析可以有效地减少事故处理时间和避免事故扩大。因此,本文结合了地下输电线路故障模糊资讯算法的电网模型应用地下输电线路状态智能监测系统,进行实时数据采集和故障诊断的研究分析地下输电线路故障的电网,并进行输电线路故障分析实验,这充分证实了算法的可行性和有效性模型提出了纸和得出结论,本文提出的数据分析模型。提出数据分析模型具有良好的创新和实践可行性。
1。介绍
随着中国经济的不断发展,人们的物质生活水平和文化水平增加,和要求的安全和稳定电力系统正变得越来越高。电力系统是一个复杂而巨大的人工系统与地理分布广泛的线路和设备,大型能源传输电能传输快,可靠的通信和调度、实时操作、高要求和即时增加主要故障(1]。这些特征使它生成大量数据,快速增长,和丰富的数据操作时,它完全满足大数据的特点。因此,在电力系统中数据的快速增长,传统的电力数据处理技术已经不能满足分析和处理大量的信息在电力行业2,电力数据分析技术的应用必将成为信息化的必然要求和智能电力行业的发展。
输电线路是电网的一个重要组成部分,密切结合发电设施,电力转换,电源,与用户分布在各个方面3]。这个设备的工作状态有很大的影响对电网的稳定运行和供电的可靠性有很大影响,供电质量和使用经验。规模,电力系统的容量和覆盖范围继续扩大,电力系统已成为国民经济和人民生活的重要组成部分,并在电网停电将会产生一个巨大的影响对社会和人们的经济(4- - - - - -7]。因此,为了确保输电线路运行的可靠运行起相同的作用在提高电网的稳定性和安全性,这是电网中的一个关键环节,不容忽视。然而,由于输电线路的长传输距离和宽覆盖、自然条件和人为因素造成很大的困难,操作和维护(8]。如何有效地提高输电线路的运行和维护,以确保电网的稳定性和安全性已成为电力行业的一个常见问题和科学研究人员讨论。
近年来,信息社会已进入大数据的时代,和大数据发展迅速,已经成为一个热门领域的学术界和产业界和广泛应用。通过数据分析,可以发现潜在的操作规则从大量的电力传输系统,从而为电力系统维护人员提供相应的维修决策支持(9]。使用大数据技术的输电线路故障分析可以有效地减少事故处理时间和避免事故扩大。本文主要介绍数据挖掘技术、机器学习技术、数据挖掘技术和统计技术。(1)在机器学习和数据挖掘算法,学习模式分为监督学习(决策树、贝叶斯简单、最小二乘回归,逻辑回归,等等),无监督学习(奇异值分解、主成分分析、独立成分分析等),无监督学习(图论推理算法),并强化学习(时差学习)(2)统计分析, - - - - - -测试中,聚类分析、主成分分析、相关分析、回归分析、方差分析、和其他统计分析使用统计指标的分布数据,图表等。
本文侧重于分类和分类收集到的电子数量的地下输电线路数据分析的方法,并把它们应用在不对称故障的分析地下输电线路,以分析和处理电网故障。因此,数据分析方法应用于故障的智能诊断在地下电力系统输电线路。
2。介绍相关理论
2.1。数据分析方法
在大数据的计算过程中,数据分析是一个重要的主题,需要大量的分析大量数据来获取更聪明,深入和有价值的数据。大数据的快速发展决定了优先级的数据分析算法在大数据领域和是否最终的数据是有价值的。数据分析包括视觉分析、数据挖掘算法,预测分析,语义引擎、数据质量、数据管理(10]。(1)视觉分析。大数据运营商的本质,包括分析师和一般用户,是视觉分析的数据。这是由于大数据的特点可以通过可视化显示方法,从而使它更容易被用户接受。大数据可视化和分析系统能够使用三维表征技术对于更复杂的数据,从而实现大量数据的三维显示。数据可视化技术包括几何、像素图标,分层图像,和基于分布的技术(2)该算法的数据抓取。数据挖掘是数据分析的核心,显示数据隐藏在数据的特点,根据数据类型和格式。不同的聚类分析等数据挖掘算法,分割处理,和孤立点分析可以发现大数据的潜在价值更快(3)进行前瞻性研究。首先,挖掘大数据的主要特征,建立科学数据分析模型;然后引入新的数据预测和预测。数据分析是一个重要的应用领域的数据分析,并通过可视化的数据和数据挖掘,它使分析师对数据进行预测(4)语义分析。由于非结构化数据的多样性,很难分析数据,和一系列的数据分析工具需要提取和解析信息从“文档”(5)数据质量和数据管理。由于大体积和各种各样的数据,高质量的数据和有效操作是非常重要的,以及在数据管理的最佳实践。大数据的标准化处理过程和工具也充分保证数据分析的可靠性和价值
2.2。应用数据分析算法
随着大数据时代,数据分析的方法越来越多地应用于各种行业。目前,最熟悉的业务领域的数据分析。公司收集用户的搜索词,标签关键字,其他语义输入,和其他信息建立一个预测模型,使判断用户的需求,从而提供更好的服务给消费者(11- - - - - -13]。例如,目标,一个著名的美国零售商,利用数据分析来获取有价值的信息从客户档案,以便它可以预测当顾客想要他们的孩子出生了。此外,数据分析方法的使用可以预测客户的流失。沃尔玛使用大数据计算更准确地预测和分析未来的产品,在汽车保险行业客户需求和驾驶技能提取和分析。
在金融领域,大数据计算的应用主要是基于金融决策,如高频交易(高频交易)。目前,大多数股票交易使用数据分析来深入分析新闻社交媒体和互联网进行交易在接下来的几分钟。例如,博士蛙的“Fingerwise”是一个“黄金100”财务管理软件基于国歌。这种方法使用大量的在线电子商务交易数据预测未来某一行业的盈利能力和繁荣基于用户行为,行业增长,价格,和其他特点和使用这个为基础来选择100只股票(14]。这使得指数,以更好地反映所发生的变化和市场的动态,从而使它更好地跟踪市场。
大数据算法技术的应用到医学领域将有助于提高医学的整体水平,加强医学发展的能力。这种数据处理技术有计算能力解码DNA在几分钟内(15]。IBM Watson目前正在一个感知操作系统,以确定华生医生可以“理解”的自然语言。与此同时,大量的快速、准确分析医学研究数据提供了答案。
数据分析算法的应用领域的交通是收集、存储、分析、分类、各种交通阻塞点实时数据和查询,提供更准确和更快的分析来理解当前交通状况,并提供洞察潜在影响因素复杂的交通(16]。在货运车辆的远程监控和调度,使用数据分析可以提供及时、高效的服务位置,状态,和交付货运车辆,从而提高货物运输的效率。与此同时,它还可以帮助政府监管当局及时检测异常危险货物运输车辆,并提供快速救援和安全监督。
由于数据分析方法的快速应用在商业、金融、医疗、和运输领域,智能电网的诊断和分析方法已成为一个重要的技术在大数据应用程序的类型。然而,在电力行业、数据分析和数据挖掘技术是目前最常用的方法在电力系统中,主要关注的是诊断、分析和评估电网的故障(17]。
2.3。地下输电线路
地下输电线路是一种电力线路铺设在地面上进行发电。在城市居民区或者地区架空输电线路需要建立在河流、海峡,等等,地下传输技术使用后等各方面综合考虑技术、经济和环境保护。
实际的地下输电线路组成的电力线路传输电线由六氟化硫气体绝缘和环氧树脂隔离波兰人。从1970年代,低温的传输技术,低阻电缆。随着超导技术的不断发展,人们也开始研究超导传输(18]。地下输电线路主要铺设的形式直接埋葬,隧道,隐蔽的战壕。路线的选择、道路设施、道路条件、现有的埋藏条件、地质条件、水位条件下,和其他因素应该考虑减少线的总长度。
电缆的传输容量主要取决于允许电流。允许电流依次由电缆绝缘的容许温度决定的。许用温度阻力损失的综合效应,介电损耗,温度和基础引导线穿过导线时,这丝温度不能高于电缆绝缘的耐热极限。在工程设计中,应根据三个设计工作条件,即长时间精力充沛,短时间精力充沛19),短路。为了增加允许的电流、油、水、和空气通常用于电力电缆的强制冷却。
与架空线路相比,电缆的最大优势是,它并不会占用线路走廊;同时,它的运作更安全,因为电缆埋在地下,而不是被大气等自然因素。然而,这种方法的成本较高,这将是影响地面电磁场在使用的过程中,很容易产生化学腐蚀和难以确定断层的网站,所以必须采取相应的技术措施20.]。
在电力系统中,由于大电容电流在电力系统中,电力系统的传输容量和传输距离有一定的局限性,需要和无功功率补偿,从而增加电力系统的投资。电缆的使用直流输电具有更高的经济效益。
3所示。应用方法设计
3.1。实时信息收集
地下输电线路状态智能监测系统的电网使用不同类型的终端组成的数据采集终端。每种类型的终端组成,每个终端的传感器收集的数据定期并通过通信模块传输到监控主机安装在采集终端(21),分析和处理数据,最后将其存储在数据库中。为了确保该系统的安全运行,必须建立一个高度可靠的通信网络为了获得高精度和实时监控信息。通信网络必须具有以下特点:实时、可靠性、连续性、低体积信息,充分利用输电线路或依赖公共信息网络。
因为地下电力系统通常是建立地下,地下环境条件不稳定,监控终端设备通常是远离电力系统的监控中心。在通信技术方面,GPRS是一个更好的方法沟通,用作通信方法。监控终端系统中通过数据帧传送收集到的数据和图像信息或图像到主监控软件根据用户的需求,由预处理器,最后分析了存储在数据库中。GPRS网络结构如图1。
3.2。地下输电线路状态智能监测平台体系结构
地下输电线路状态智能监控平台主要由数据采集层、数据存储和管理层和数据访问层。它的逻辑结构如图2。
地下输电线路条件的数据采集智能监控系统的网络的一个重要组成部分的智能监控电力系统的运行状况。通过ETL(抽取、转换、清洗、装载),传统的关系数据库的历史数据和电力设备状态监测的数据加载到数据仓库中。
ETL将分布在不同的业务系统,如生产管理、项目管理、状态监测提取,干净、转换和加载数据,形成高质量、高价值的数据。(1)数据提取(数据)
历史数据和不断更新的监测数据中提取的多个状态监测系统并按主题进行分类。这个数据是最重要的部分为智能变电站、决策分析和省级公司不断更新每个网络监测数据对源系统的影响降到最低,根据数据收集的频率。(2)数据转换,主要是解决矛盾的状态监测信息的设备,必须集成
数据聚合,类型或形式的数据转换为确保一致性在数据的类型和格式。(3)数据清理
所谓的“数据清理”是消除一些不洁的数据然后消除一些不合适的数据,以减少内存的浪费和减少扫描开销。(4)数据加载
数据加载的主要目的是删除数据收集的数据装载到数据仓库需要根据表类型的自定义数据模型与数据恢复等强大的功能,错误报告和数据备份。
3.3。FKNN-Based输电线路故障分析模型
利用模糊数学的基本原理,建立了输电线路故障分析数学模型。在训练阶段,使用ISODATA聚类算法训练样本数据与现有的故障类型标记。在数据测试,使用模糊理论fuzzify训练数据和测试数据与样本数据进行比较22]。然而,算法执行集群操作相邻的测试数据并计算其隶属度,以确定故障类型的测试数据和分析其故障定位。本文中使用的输电线路故障分析模型如图3。
如图3以上,FKNN-based传输故障分析模型本文分为四个主要部分:数据采集、数据训练,数据分析,和分析。其中,电力系统的数据采集模块主要包括电力系统的历史和实时数据和仿真模拟三相电压和三相电流的智能监控系统。获得的数据向量从三相电压和三相电流信号映射到集群包含故障类型。由于在实际运行中的故障情况下的数量很小,一些必需的断层和nonfault仿真软件得到的数据,结合大量的电力系统在线故障分析数据库中的数据使用一个模糊资讯分类器。
3.4。ISODATA算法数据训练
在数据训练阶段,ISODATA聚类算法对训练数据获得执行监督学习典型的集群中心。ISODATA聚类分析是一种常见的方法,也称为动态集群或迭代自组织数据分析。算法是一种无监督分类器,将标记添加到训练数据控制的融合和分裂簇为集群获得更准确的核心特性。流程图的ISODATA聚类算法在数据训练阶段如图4。
如图4首先,ISODATA算法选择初始聚类中心 , 把模式标本 , 为每个初始组集群根据最近邻原则, 。根据最小样本数量阈值在集群域中,删除集群样本数量不足 ,和正确的每一个聚类中心 。分屏操作决定将集群基于预先确定的值集群中心的数量和分类标记 。集群需要操作分裂,分裂和集群中心更新。合并操作合并属于同一个类的两个集群基于最小距离阈值所有集群中心和分类之间的令牌并更新集群中心 。在每一次迭代,迭代的数量对于每一个参数决定,如果在前面的迭代中,算法完成最后集群中心和半径每个集群的输出;否则,返回步骤1,继续下一个迭代,直到结果收敛。
3.5。基于模糊资讯的数据分析算法
基于输电线路的数据特征的分析,使用模糊数学数据进行模糊处理,并联系程度应用代表断层线的水平。最后,然而,算法用于集群的实验数据社区。最后,分类归属程度的测试数据推导基于测试数据的所属关系 。在此基础上,检测到故障类型分类,分析了线路的故障站点根据训练数据的故障距离参数。
所示的模糊资讯算法的伪代码的算法1。
|
||||||||||||||||||||||
3.6。模糊资讯算法的原理
模糊集理论的数学基础上开发之后,模糊理论已广泛应用,极大地提高了实际系统的故障诊断和诊断效率。针对输电线路故障分析中遇到的问题通过上述资讯的方法,模糊集的转换理论是用来预测和分析故障类型的输电线路用隶属函数的计算方法相结合,从而有效地克服不清楚的问题分类的类(23]。
模糊资讯算法的基本原理用于本章是样品最接近分类点选择基于检测样本之间的欧氏距离和集群中心在训练过程中获得;第二,大量的权值被添加到最近的邻居模型的样本;最后,从属函数模型的样本用于分类 。它的结论是,模型样本属于隶属函数的分类 。具体表现以下表达式所示。
方程的关系函数集群中心是它的半径 。集群的分类标志中心是所有样本的类标记在集群 。的联系功能集群中心以下表达式所示。
分母的一部分方程(1)的归属函数相同的测试模式示例求和 在测试模式样本,即最近邻聚类半径和产品之间的距离的倒数的集群和测试样本的中心。最大的信仰模式的示例,然后,测试模式样本的类别标签呢 。测试样品的归属函数见以下表达式。
模糊资讯算法的流程图如图5。
流程图6显示模糊资讯与资讯的主要区别在于,该方法可以fuzzify集群中心功能训练后。以下部分描述的集群中心所属关系2,即,equation (2),集群中心的程度的关系到一个类是发现。接下来,这个集群中心的联系程度之间的距离和测试样本点存储为一个优先队列的大小 。遍历后培训集群中心并获得邻近的集群中心的测试数据 ,亲和度的测试数据属于分类标记计算基于归属函数的测试数据,也就是说,方程(1),测试数据分类标记类型的集群最亲和程度的标志。资讯的分类效果可以提高训练数据的聚类中心的选择。与此同时,模糊资讯的方法可以减弱不均匀样本对分类效果的影响,提高分类精度。
4所示。应用实验分析
4.1。实验数据
在实践中,在地下电力系统故障很少发生。本文中使用的大量的实验数据主要从公安局模型库的MATLAB / Simulink仿真,和强大的二次开发能力和足够的工具包使用仿真软件来模拟地下输电线路的故障。
公安局(电力系统拦截器)是一群MATLAB软件中的电力系统模块,主要由Hydrow联合开发加拿大魁北克和TECSIM国际(24]。软件提供了一个类似电路建模方法实现成一个系统的电路模型的状态方程描述和模拟仿真软件。地下输电线路故障的模拟实验中使用的图所示6。
本文在10个不同的诊断和分析的输电线路不对称故障类型。有四个主要类型:单相短路,两相短路,两阶段接地和三相短路。
这10种故障如表所示1。
4.2。模糊资讯算法分析模型实验
模型实验中使用的数据样本模糊资讯算法的距离参数从10%到90%每增加10%;不同过渡电阻的值 , , ,和 ;瞬态突变参数的三相电压和三相电流总共有252 10种故障发生时突然的条目。本试验中使用的是普通cross-confirmation。在整个输电线路,80%的故障样本是随机挑选的,共有200名。剩下的52故障样本作为测试数据。ISODATA培训结果的分布的输电线路故障数据如图7。
测试数据被随机选择的样本数据,52个无名数据选择模糊资讯的失效分析算法。然后,不同的价值观设置,执行和测试试验;最后,价值较高的正确性是用作比较。故障分类诊断的结果使用模糊资讯的方法 给出了图8。
模拟进行10行,包括不同地区不同的线,和 , , , , 数据。在实验中使用的测试元组是1800份未标记样本总抽样的随机选择故障诊断和分析。摘要资讯和模糊资讯算法用于故障分析和结果对该方法的时间效率如图9和准确性在图所示10。
从上面的实验结果的比较,如图9和10,模糊资讯算法更高的准确性和更节省时间的优势在输电线路不对称故障诊断和分析相比,然而算法。此外,故障距离参数表明故障的位置。
5。结论
在网络时代,大规模在中国智能电网建设,大量使用各种状态监测设备和传感器使状态监测数据以几何的速度增加,从最初的结核病PB级别水平。这不仅包括主系统设备,还辅助系统设备。监控数据的增加不仅是数量的增加还各种监测数据,从以前的数据记录和在线监测到今天的状态信息等非结构化数据,图像和视频,逐渐形成了电力设备状态监测大数据,使数据的存储和分析带来了极大的挑战。
在这篇文章中,一个基于数据的方法是用来结合故障数据收集和在电力系统故障诊断和分析,并进行了仿真实验使用在线数据采集技术和资讯算法。我们的目标是改善电力系统的智能监控功能以提高电力系统的实时故障诊断和分析,使其运行稳定。本文采用大量的聚类方法,分析的深度和算法的详细描述。此外,本文使用density-based逻辑回归算法来改善之前的准确性提出了模糊资讯传输线路故障分析算法的精度问题发生在混合输电线路故障的分析数据。实验分析与故障分析的智能监控系统由模拟输电线路故障数据通过电力系统的专业软件,并达到实验的预期目标。提出的算法模型的有效性和准确性,在地下输电线路故障分析中的应用,也充分证明了。
数据可用性
本文中使用的数据集可从相应的作者。
的利益冲突
作者宣称,关于这项工作他们没有利益冲突。