[发明专利]基于数据挖掘技术的带电检测数据处理方法

说明书

技术领域

本发明属于信息技术中的数据挖掘技术领域，特别是涉及变电站的变压器、断路器、避雷器等带电设备实时数据分析处理的技术与方法。

背景技术

电力是国民工业的基础产业，关系到国民经济的可持续发展。随着现代社会和经济的发展，对能源的巨大需求促进了电力工业的飞速发展，使得电力系统向大容量、超高压和跨区域方向发展，然而，随着系统容量的增大和电力网规模的扩大，电力设备故障给人们的生产和现代生活所带来的影响越来越大，对系统的稳定经济运行也提出了越来越高的要求，而保证系统的经济性和稳定性的一个强有力措施就是在提高电力设备使用率的同时保障其正常运行。电力设备是电力网络的骨架，一台设备出现问题，往往造成局部和全局系统设备停止运行，造成供电中断事故的发生。

近年来，电力设备的状态监测技术在电力系统中越来越受到有关管理、科研、运营和工程技术人员的重视。主要有以下几方面的原因：①随着电力系统体制改革的深化，电力设备的维护人员的增长远远跟不上电力设备的快速增长，需要实现电力设备状态检修；②国家电网公司推行电力设备状态检修几年来，现在还仍处于起步阶段，其瓶颈问题为电力设备状态数据处理和状态评价的诊断专家系统未得到彻底解决。③通过对电力设备的状态监测（包括在线监测和离线带电检测），可以实时获得关于电力设备运行状况、评价、寿命等相关信息，但对设备运行状态的评估仍然采用手工打分的方式进行。④电力设备状态监测技术能对设备的异常运行进行状态分析、对异常的部位、严重程度和发展趋势做出判断，识别故障的早期征兆，根据分析诊断结果在设备性能下降到一定程度或故障将要发生之前进行维修，从而降低运行管理成本，提高电网运行可靠性。这些因素促使电力系统采用状态监测技术，可以肯定地说，广泛采用设备状态监测技术是电力系统发展的必然趋势。 

我国1999-2003年的统计结果表明:电力设备自身故障造成的电网事故有逐年增多的趋势。每年都约占所有电网事故的一半左右。如2003年我国发生对电网运行影响较大的55起事故中，电力设备故障造成的有27起，占事故总数的49%。目前对国内外电网大停电事故的原因和电网主要存在问题的分析却更多地强调电网运行问题，而对电力设备自身故障引发大面积停电事故重视不够，在科研及技术攻关的投入上相当脆弱。因此，电力企业应当重视和加强对电力设备的检修维护工作，使之在整个生命周期内始终保持良好的状态。与此同时，还必须对设备的检修体制和检修方法进行合理的选择，避免和减少故障或事故的发生，以提高设备的可利用率，降低维护费用，保证电力企业的经济利益。目前，电力企业传统检修体制存在诸多缺陷，主要表现在如下几个方面：

维修不足。电力设备由于各种原因在计划检修期未到时产生局部故障，但是受到检修计划的制约无法即时地通过预防性试验发现故障。故障的继续恶化会造成的维修费用的增加以及不必要的事故损失。

维修过剩。计划检修贯彻“到期必修，修必修好”的原则。当设备到达预定的检修周期时，不论设备是否存在缺陷和问题，都要进行检修。

盲目维修。对于那些状态较好的设备进行检修，特别是解体大修，轻则影响其性能，重则降低其寿命。从而造成了不必要的停电损失以及人力、物力、财力的浪费，甚至引发维修故障。

造成这种缺陷的主要原因在于对电力设备状态运行评估不足，电力设备的状态评估是一个多属性决策问题，需要对其状态进行合理划分，并综合考虑监测资料、工作环境、运行检修记录，建立综合的评估指标体系。电力设备检修计划的制定包含许多不确定因素，是一个多目标、多约束的优化问题，优化存在多维、混合整数，非线性等困难。

如何从技术手段上、软件功能上加强数据集成、数据展示、数据统计分析，实现电力变压器状态评价、异常预警、例试周期调整、检修建议等决策功能，成为电力人迫在眉睫的任务。

发明内容

针对上述问题，本发明提出一种能及时、高效、快捷地对已有的电力设备的属性数据进行分析判断，通过粗糙集和决策树相结合的数据处理模型，给出电力设备的相应工作状态并给出决策支持的技术与方法。

本发明提供的一种基于粗糙集和决策树相结合的数据挖掘技术与方法，设计并实现了电力设备状态分析系统，包括以下内容：

（1）选用决策树作为分类方法。由于决策树具有易被用户理解、效率高、适合大训练集、生成算法不需要处理训练集之外的额外信息以精确度较高等优点，选择其作为数据模型的分类方法；