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、暴雨、覆冰，山火等氣象災害的影響而導致故障。在南方沿海一帶地區(qū)，臺風、雷電等極端自然災害頻繁發(fā)生，在短時間內(nèi)會造成電網(wǎng)內(nèi)設備出現(xiàn)故障，甚至造成大面積停電。文獻[2]提出了基于氣候模型的輸電線路負載能力預測系統(tǒng)，利用氣候數(shù)據(jù)較好地實現(xiàn)了負載預測，也說明氣象變化因素對電力系統(tǒng)運行產(chǎn)生較大影響。

傳統(tǒng)的日常巡檢依賴于巡檢員的經(jīng)驗，能夠起到一定的預防作用，但人工成本高，缺陷類型確定不準，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)進行處理，達到對設備進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)進行統(tǒng)一挖掘處理的方法包括K均值聚類法，支持向量機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)果進行機理方面的分析，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)進行關(guān)聯(lián)挖掘，主要貢獻：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；②改進現(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)果給出了機理分析。

1 災害性氣象因素對電網(wǎng)的影響

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

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

目前，電力公司已與當?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)氣象信息應用決策支持系統(tǒng)按網(wǎng)省“1+7”模式建設部署。該系統(tǒng)整合了全網(wǎng)及中央氣象臺資源，提供氣象要素、氣象災害監(jiān)測及預報分析等功能。

該系統(tǒng)運行以來，已為應對臺風“彩虹”等氣象災害提供了技術(shù)支撐。氣象因素對設備的影響可通過數(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[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)的運行特點是建立關(guān)聯(lián)規(guī)則的基礎，近年來基于該分析思想的方法開始應用于電力系統(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)故障與災害性氣象因素之間的關(guān)系。

圖1 運行時間對比圖

3 電網(wǎng)缺陷數(shù)據(jù)挖掘應用（略）

對于電網(wǎng)缺陷與災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)生災害性天氣的天數(shù)。

對這2656組項集以缺陷類型進行數(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，高溫也是電力設備缺陷的主要氣象影響因素。

5 模型推廣

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

圖4 模型應用流程圖

結(jié)論

本文介紹了Apriori算法并將其應用于電網(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)進行驗證，為了解決挖掘時出現(xiàn)災害性天氣較少而導致的支持度低的規(guī)則被過濾的問題，本文嘗試先通過分類缺陷類型再進行單個缺陷與多種災害性氣象因素的關(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)算法設計出一個實際應用的電網(wǎng)維護模型，該模型在利用未來氣象狀況預測電網(wǎng)缺陷和提高電網(wǎng)運行可靠性方面具有實際使用價值。