基于多维关联规则的智能变电站二次设备的故障定位研究

郝丽萍，朱 平，蔡会会，袁 林，闫小向

（1.六盘水供电局，六盘水 553000；2.南京德软信息科技发展有限公司，南京 210031）

智能变电站是现代智能电网的重要组成结构单元，是未来变电站智能化、自动化的发展方向。但是，基于信息共享网络技术下的智能化变电站在带来诸多优点，不断创造经济效益的同时，也产生了诸多新问题。

针对正在工作的变电站，电力系统运维和管理部门缺少相应的监控检测手段，这就在很大程度上对变电站的正常稳定运行造成影响，带来安全隐患。由于智能变电站二次设备具有不可监控、不可测试等特点，虽然我们可以采用虚拟局域网（VLAN）、静态分析等技术，这些方法可以再一定程度上处理二次设备的监控问题[1]，但是运维工作人员最需要的可视化管理技术，至今还没有有效的解决办法。于是，实现二次设备的监测可视化及故障定位检测就显得很有必要。

因此，本文通过引入多维关联规则方法，对智能变电站二次设备的故障检测及定位方法进行研究，并提出相应的可行性方案。

1 基本原理及相应研究内容

1.1 关联规则的基本概念

就当前数据挖掘而言我们所采用的方法通常都是运用关联规则，其功能与其他类似方法不同，往往更倾向于已知数据中在不同区域内部的关联性，并找出满足已知支持度和可信度阈值相互之间的依赖关系。

把满足最小支持度阈值和最小置信度阈值的规则成为强规则。项的集合称为项集，包含K个项集称为K—项集，如果项集满足最小支持度，则称它为频繁项集。

1.2 获取智能变电站的故障信息

一旦智能变电站出现故障时，运维中心就会接收到智能变电站二次设备产生的大量故障信息，然后通过变电站的拓扑结构信息及收到的故障信息，在结合相应的故障检测方法，实现对智能变电站二次设备的全面故障检测及故障定位[2]。变电站综合智能化系统主要获取二次设备中产生的IED故障信息和相应通信网络的警告信息，而通信过程中数据报文的异常情况则由NA（网络分析仪）自动获取，相应的关系图如下图1所示：

图1 二次系统故障信息关系图

1.3 故障可疑元器件的确定

1）根据上述的理论依据，本文设计了如下图2所示的故障检测流程：

图2 故障检测流程图

2）二次设备系统

根据电力部门运维中心获取的大量故障信息，在结合变电站二次设备系统的网络拓扑结构图，对变电站的二次设备系统进行无故障流量区域划分，包括划分区域里的所有二次设备元器件如网络通信，IED装置等。

3）可疑元器件的概率计算及确定

运用贝叶斯算法的比值方法来进行故障元器件的初步定位，与此同时，为了解决因故障信息的不充分性而可能出现误诊断现象，通过采用信息融合的办法来进一步进行故障的准确的定位：

A.首先通过贝叶斯算法进行故障可疑元器件的概率故障计算；

B.通过信息融合的方式来确定故障的元器件集合。

2 二次设备故障定位及其实现方法

贝叶斯算法在处理可用信息不充分及具体问题不确定的情况下对故障的诊断具有很强的定位能力，虽然当智能变电站出现问题时会产生大量的告警信息，但产生的信息具有不确定性且并不一定充分，同时也存在告警信息与故障文件不对应的情况，因此在这些情况下贝叶斯模型在处理故障检测和诊断方面非常实用。

在告警信息充分的情况下，贝叶斯模型比值算法计算故障概率的方法步骤：

（1）首先假定最有可能发生故障的元件集是空集合H；

（2）计算每一个可能发生故障元器件的故障概率，并把它们存入集合H中；

（3）在将集合H的元素按值的大小进行降序排列；

（4）然后再集合H中选取概率为1的元素，这些元素代表元件发生了故障，而小于1则说明判决条件不充分需进一步计算判断。

虽然在故障告警信息充分的情况下采用比值方法的贝叶斯模型能够精确的定位出发生故障的元器件，但在面对故障信息不是很充分的状况下，通常是依据通过计算元器件发生故障的概率来逐一进行故障元件排除，为了能在告警信息不充分的情况下获得对故障元件更加准确的定位检测，本文在贝叶斯比值方法计算概率的基础上，通过运用信息融合技术，来处理在故障信息不充分的状况下故障元器件的故障检测与定位。

通过信息融合技术计算故障概率的方法步骤：

（1）首先假定最有可能发生故障的元件集是空集合D；

（2）通过引入故障概率可靠性参数和故障信息充分性参数进行融合，计算每一个可能发生故障元器件的故障概率，并把它们存入集合D中；

（3）在将集合D的元素按值的大小进行降序排列；

（4）然后在故障集合中，选取前面较大的集合元素构成新的故障集合D。

经过上述信息融合技术计算故障概率的方法步骤，我们可以准确的获取故障集合D，很好的避免了因信息不完善而造成的误检测现象。

3 结束语

本文通过对多维关联规则的基本概念及可疑元器件的概率计算及故障定位的实现方法这两个方面进行了详细的研究说明，并提出了在故障信息完备的情况下，基于贝叶斯模型下采用比值方法对故障元件进行准确的故障定位，而在信息不充分的状况下通过信息融合技术在进行进一步的判断决策。本文所提方法将有助于使电力系统运维中心人员的可视化管理及直接感受得到提高，降低变电站维护人员的专业要求，提高故障诊断效率。

伴随着现代智能电网的飞速发展，智能变电站也在快速得到应用，基于多维关联规则的智能变电站二次设备的故障定位依据其具有的诊断性能准确性好以及定位精度高等特点，会很快成为未来电力系统智能电网故障诊断的发展趋势。