基于數(shù)據(jù)流的電網(wǎng)設備風險識別與預警模型研究.pdf

1、隨著特高壓電網(wǎng)與智能變電站的大力推廣，電網(wǎng)規(guī)模日益擴大，電力系統(tǒng)自動化程度不斷提高，電網(wǎng)中輸變電設備的運行與維護越來越復雜，提高設備的健康水平和使用壽命，對于保證電網(wǎng)安全、改善電能質(zhì)量、提高供電可靠性都具有重要的作用。國家電網(wǎng)公司為提升電網(wǎng)設備管理水平，利用當代科技手段和方法，對設備運行狀況進行實時監(jiān)測、分析，對設備未來的運行狀態(tài)進行預測，由此也產(chǎn)生了海量實時數(shù)據(jù)流。這些數(shù)據(jù)流中隱含著與設備故障有關的重要信息，論文針對數(shù)據(jù)流處理的關鍵技

2、術以及在電網(wǎng)設備風險識別與預警中應用展開研究，選題具有重要實際應用價值。
　　本文針對滑動窗口數(shù)據(jù)的數(shù)據(jù)流概要模型生成方法進行了基本的研究，主要從數(shù)據(jù)流數(shù)據(jù)抽樣、顯著性異常特征分析兩方面著手。通過使用滑動窗口模型實現(xiàn)了對數(shù)據(jù)流數(shù)據(jù)均勻抽取，同時根據(jù)設各監(jiān)測數(shù)據(jù)對區(qū)間異常與波動異常的關注，引入了比率閾值的方法對波動異常特征進行提取，論文提出的概要模型生成算法除保證了數(shù)據(jù)均等性，還在內(nèi)存占用方面具備穩(wěn)定性優(yōu)勢，既提高重要數(shù)據(jù)的關注度，

3、又提升了算法穩(wěn)定性。
　　針對多數(shù)據(jù)流融合問題，本文借助數(shù)據(jù)流挖掘算法實現(xiàn)了對電網(wǎng)設備風險識別，提出了針對電網(wǎng)設備狀態(tài)檢測數(shù)據(jù)雙層處理的理念，通過在線微聚類實現(xiàn)對多設備混合數(shù)據(jù)流的快速聚類，然后提取微聚類質(zhì)心進行離線層分類。在離線分類時，使用傳統(tǒng)算法的優(yōu)勢對數(shù)據(jù)進行多次掃描，取得了更準確的結果。同時本文考慮到多設備數(shù)據(jù)流數(shù)據(jù)的重要性，在在線微聚類時不采用微聚類刪除的方式，保證所有數(shù)據(jù)得到有效的應用，此算法在未來海量設備在線監(jiān)測系統(tǒng)

4、中可以較為有效的快速識別出設備風險，具有較高的應用價值。
　　本文在設備狀態(tài)時時監(jiān)測的基礎上，提出了設備風險狀態(tài)預警的方法，通過分析設備的歷史運行數(shù)據(jù)來預測設備在未來一段時間內(nèi)容運行狀態(tài)的變化趨勢，從而合理的采取相應的預防性方式來改善設備運行狀態(tài)。本文利用代謝遞補的灰度預警模型來對設備運行數(shù)據(jù)進行預測，并根據(jù)預測值分析其未來一段時間內(nèi)可能的風險。算法通過時時引入數(shù)據(jù)流中最新數(shù)據(jù)，提高了數(shù)據(jù)精度，若將其嵌入到在線監(jiān)測平臺中，可實現(xiàn)對