隨著社會發(fā)展要求的不斷提高，現(xiàn)代電力電網(wǎng)系統(tǒng)規(guī)模和結(jié)構(gòu)愈發(fā)龐大復(fù)雜。電網(wǎng)架空線路長期暴露于大氣環(huán)境之中，易受雷電、臺風(fēng)、暴雨、覆冰，山火等氣象災(zāi)害的影響而導(dǎo)致故障。在南方沿海一帶地區(qū)，臺風(fēng)、雷電等極端自然災(zāi)害頻繁發(fā)生，在短時間內(nèi)會造成電網(wǎng)內(nèi)設(shè)備出現(xiàn)故障，甚至造成大面積停電。文獻(xiàn)[2]提出了基于氣候模型的輸電線路負(fù)載能力預(yù)測系統(tǒng)，利用氣候數(shù)據(jù)較好地實現(xiàn)了負(fù)載預(yù)測，也說明氣象變化因素對電力系統(tǒng)運(yùn)行產(chǎn)生較大影響。

傳統(tǒng)的日常巡檢依賴于巡檢員的經(jīng)驗，能夠起到一定的預(yù)防作用，但人工成本高，缺陷類型確定不準(zhǔn)，已經(jīng)不能滿足要求。目前電力系統(tǒng)能量管理系統(tǒng)中SCADA（supervisory control and data acquisition）完成了電網(wǎng)數(shù)據(jù)實時采集，為電網(wǎng)缺陷分析提供了數(shù)據(jù)源。

SCADA提供的數(shù)據(jù)是非結(jié)構(gòu)性的且數(shù)據(jù)海量，需要大數(shù)據(jù)理論方法對SCADA數(shù)據(jù)進(jìn)行處理，達(dá)到對設(shè)備進(jìn)行主動智能觀測與監(jiān)視統(tǒng)計。利用歷史故障缺陷數(shù)據(jù)進(jìn)行統(tǒng)一挖掘處理的方法包括K均值聚類法，支持向量機(jī)SVM法和統(tǒng)計回歸法等，Apriori關(guān)聯(lián)算法基于概率原理，因而允許人們對結(jié)果進(jìn)行機(jī)理方面的分析，使結(jié)果得到合理的解釋。

因此我們采用Apriori算法對SCADA數(shù)據(jù)進(jìn)行關(guān)聯(lián)挖掘，主要貢獻(xiàn)：①樣本處理，主要包括去除無物理上無因果關(guān)系的樣本和樣本數(shù)據(jù)不全的插補(bǔ)；②改進(jìn)現(xiàn)有Apriori算法，現(xiàn)有算法是基于一維向量的，本文將一維映射到二維空間，減少了操作；③改進(jìn)了現(xiàn)有算法沒有考慮故障滯后于氣象數(shù)據(jù)的缺點；④對結(jié)果給出了機(jī)理分析。

1 災(zāi)害性氣象因素對電網(wǎng)的影響

自然現(xiàn)象對輸電網(wǎng)絡(luò)的影響是巨大的，例如臺風(fēng)經(jīng)過區(qū)域，大風(fēng)和暴雨常常會摧毀輸電塔和輸電線，刮起異物造成短路。在強(qiáng)風(fēng)作用下，桿塔和電線的間隙減少，也可能發(fā)生風(fēng)偏放電；暴雨會影響設(shè)備的絕緣性能，導(dǎo)致雨閃。

在夏季，連續(xù)高溫天氣導(dǎo)致熱積累效應(yīng)（熱島效應(yīng)）。同時高溫使得空調(diào)負(fù)荷急劇增長帶來電力緊缺。以上的氣象災(zāi)害可以歸結(jié)于：溫度、相對濕度、風(fēng)力和降水量4種參數(shù)來描述。

目前，電力公司已與當(dāng)?shù)貧庀蟛块T展開合作，實現(xiàn)氣象信息共享。以南方電網(wǎng)為例，南方電網(wǎng)氣象信息應(yīng)用決策支持系統(tǒng)按網(wǎng)省“1+7”模式建設(shè)部署。該系統(tǒng)整合了全網(wǎng)及中央氣象臺資源，提供氣象要素、氣象災(zāi)害監(jiān)測及預(yù)報分析等功能。

該系統(tǒng)運(yùn)行以來，已為應(yīng)對臺風(fēng)“彩虹”等氣象災(zāi)害提供了技術(shù)支撐。氣象因素對設(shè)備的影響可通過數(shù)據(jù)挖掘得到某些潛在關(guān)聯(lián)信息，這些關(guān)聯(lián)信息存在于大量的歷史缺陷數(shù)據(jù)中，以概率的形式表現(xiàn)。

2 關(guān)聯(lián)規(guī)則及Apriori算法（略）

Apriori算法是個關(guān)聯(lián)規(guī)則算法，該算法采用遞歸的方法來挖掘頻繁項集，文獻(xiàn)[8]隨后發(fā)展了基于Apriori深度優(yōu)先搜索算法，這一算法包括創(chuàng)建FP-tree結(jié)構(gòu)和記錄節(jié)點的物理存儲消耗，因而在實際應(yīng)用中具有一定的難度。

關(guān)聯(lián)挖掘的效果取決于關(guān)聯(lián)規(guī)則的建立，深入理解數(shù)據(jù)的物理特性和電力系統(tǒng)的運(yùn)行特點是建立關(guān)聯(lián)規(guī)則的基礎(chǔ)，近年來基于該分析思想的方法開始應(yīng)用于電力系統(tǒng)的數(shù)據(jù)處理中，本文綜合考慮了以上兩個因素來探討電力系統(tǒng)故障與災(zāi)害性氣象因素之間的關(guān)系。

圖1 運(yùn)行時間對比圖

3 電網(wǎng)缺陷數(shù)據(jù)挖掘應(yīng)用（略）

對于電網(wǎng)缺陷與災(zāi)害性氣象因素之間的關(guān)系，傳統(tǒng)的做法是憑借多年經(jīng)驗進(jìn)行判斷。本文采用數(shù)據(jù)挖掘的技術(shù)，分析氣象與電網(wǎng)輸電線路缺陷的關(guān)系。本案例的總體流程如圖2所示。

圖2 氣象與電網(wǎng)缺陷關(guān)聯(lián)分析流程圖

我們選取廣東某市電網(wǎng)2013年1月至2016年6月電網(wǎng)設(shè)施缺陷數(shù)據(jù)，一共2656組數(shù)據(jù)，同時選取該時段的氣象數(shù)據(jù)。統(tǒng)計某市6個探測點在2013年至2016年間每個月發(fā)生災(zāi)害性天氣的天數(shù)。

對這2656組項集以缺陷類型進(jìn)行數(shù)量統(tǒng)計，具體如圖3所示。

圖3 缺陷類型扇形圖

由圖3得知銹蝕、損傷出現(xiàn)的數(shù)量占所有缺陷的39%，異物短路占29%。容易得到初步分析，暴雨、高溫和高濕度可以直接造成設(shè)備的銹蝕、損壞。

4 模型建立與關(guān)聯(lián)分析（略）

由分組關(guān)聯(lián)分析明顯發(fā)現(xiàn)每組都出現(xiàn)過高濕度條件，而且在三組中，高濕度關(guān)聯(lián)是首條關(guān)聯(lián)規(guī)則，即支持度比同組的其他關(guān)聯(lián)規(guī)則要高，可得出高濕度條件仍然是電力設(shè)備缺陷的主要氣象影響因素。其次是高溫條件，五組都出現(xiàn)高溫關(guān)聯(lián)，且在兩組里，高溫關(guān)聯(lián)是首條關(guān)聯(lián)，所以，高溫也是電力設(shè)備缺陷的主要氣象影響因素。

5 模型推廣

為了更好地進(jìn)行電網(wǎng)設(shè)備運(yùn)行維護(hù)，提供日常維護(hù)指導(dǎo)意見，利用上面歸納出歷史數(shù)據(jù)所關(guān)聯(lián)的設(shè)備故障的潛在狀態(tài)信息，加上天氣預(yù)報信息，可以得到一個可靠的維護(hù)模型。具體模型應(yīng)用流程圖如圖4所示。

圖4 模型應(yīng)用流程圖

結(jié)論

本文介紹了Apriori算法并將其應(yīng)用于電網(wǎng)缺陷數(shù)據(jù)信息與氣象數(shù)據(jù)信息之間關(guān)聯(lián)研究，并利用實際具體的數(shù)據(jù)進(jìn)行驗證，為了解決挖掘時出現(xiàn)災(zāi)害性天氣較少而導(dǎo)致的支持度低的規(guī)則被過濾的問題，本文嘗試先通過分類缺陷類型再進(jìn)行單個缺陷與多種災(zāi)害性氣象因素的關(guān)聯(lián)挖掘，并得出的結(jié)果分析，證明了該方法行之有效。

最后在文末利用上述關(guān)聯(lián)算法設(shè)計出一個實際應(yīng)用的電網(wǎng)維護(hù)模型，該模型在利用未來氣象狀況預(yù)測電網(wǎng)缺陷和提高電網(wǎng)運(yùn)行可靠性方面具有實際使用價值。