基于大数据分析的输电线路管理系统及故障诊断研究

发布时间：2016-04-11 16:11

第 1 章 绪  论

1.1 选题背景
本文的研究重点在于利用大数据技术将输电线路系统运行中收集的信息进行整理划分，分析各信息之间的联系，然后运用数据挖掘技术，创建统一化输电线路信息管理系统平台，以实现将大数据分析技术运用于输电线路故障诊断的目标。将经过改进的支持向量机技术运用到输电线路故障诊断方面，实现智能化故障诊断，是现代跨学科技术相结合的体现，也是对解决输电线路故障诊断的一种新的探索方法。 综上所述，将大数据技术与输电线路管理系统及故障诊断有机结合在一起，即基于大数据分析的输电线路管理系统及故障诊断研究具有重要意义。 
....

1.2国内外研究现状
“输电线路故障诊断”这一研究课题始于二十世纪中叶。二十世纪六十年代，美国在输电线路故障监测和诊断技术上率先取得进展，随后建立起了阵容庞大的研究机构[7]。二十世纪七十年代，日本的输电线路故障诊断技术上开始起步，随后逐渐由基础理论研究过度到开发应用研究阶段，并在社会上得到推广。二十世纪八十年代，日本东京电力公司设计开发了变压器局部放电自动检测仪[8][9]，该仪器具备接触燃烧式气敏传感器的油中溶解气体检测系统[10]。二十世纪七十年代，前苏联在输电线路故障诊断技术上得到高速发展，特别在“电容性设备绝缘诊断”以及“局部放电的在线诊断”这两个方面[11]。 现如今，欧美等发达国家针对一次设备的智能诊断装置已经比较成熟，例如IDD（智能诊断装置）等技术在一些场合已经得到了应用，并取得了可观的成果。进入二十一世纪，传感器技术的发展引起了世界各研究领域的广泛关注，各发达国家在输电线路故障监测方面的研究明显加快。国外一些著名公司例如欧洲的SIEMENS、ABB、Alston、AGE 等公司在高压断路器和地理信息系统（Geography Information System, GIS）中都采用故障在线监测系统。ABB 公司在其研制的设备中同时采用了智能化传感器技术和微处理技术，通过数字通信实现对设备的在线监测、诊断以及本地计算机监控。 我国的输电线路故障诊断研究从二十世纪八十年代起步并迅速发展。目前，我国在一次运行设备状态的故障诊断方面已经取得了较为显著的成果，部分诊断技术甚至达到了国际先进水平，并且这些技术都在社会上得到了广泛应用。据统计，我国国家电网公司安装变压器本体故障监测装置的变电站有 435 个，其中江苏、浙江、福建、山东、辽宁、安徽、河北、陕西共 8 省的安装变电站数大于20 个[12]。然而与此同时，由于国内的输电线路故障诊断客观存在“重检测、轻诊断”的问题，导致我国在研制新型故障监测装置的技术上与欧美等发达国家相比存在着较大的差距。 
.....

第 2 章 输电线路常见故障及故障诊断技术

2.1 输电线路常见故障
电力系统中，由于雷电而引起的过电压称为雷电过电压。输电线路中常见的雷电过电压分为以下两种：第一种称为感应雷过电压。当雷击现象发生在输电线路的附近时，电磁感应原理会使输电线路上产生过电压的情况；第二种称为直击雷过电压。当雷电直接击中输电线路的导线、避雷线或者杆塔时，大量雷电电流通过被击物体，直击雷过电压的危害远远大于感应雷过电压[22]。 雷击跳闸通常会造成绝缘子闪络放电，当闪络发生后，由于空气具有绝缘性，雷电现象时被击穿的空气的绝缘强度会在短时间内迅速恢复，因此当输电线路发生重合闸动作时，大部分情况下都会重合成功。但是，雷击现象也有可能会导致输电线路发生永久性故障，例如雷击导致输电线路导线或避雷线断线、绝缘子脱落等。 鸟类对输电线路的正常运行造成很大困扰，总体来说鸟害可以分为以下三类：鸟类飞行、鸟类筑巢和鸟粪闪络。 鸟类本身的飞行行为并不会对输电线路造成很大的影响，但是鸟类飞行时常常会叼有铁丝、草木、小动物等杂物，这样当鸟类飞行经过输电线路时，杂物与线路的接触或者杂物的散落都有可能会造成输电线路故障。筑巢是鸟类的天性，而输电线路的杆塔往往是它们的理想巢穴选择地。当天气干燥晴朗时，这些巢穴并不会造成影响，但是当遇到寒冷或者雨雪天气时，输电线路杆塔上的鸟巢可能会被风吹散，发生与导线或者悬瓶的接触，造成输电线路故障。 
........

2.2 故障诊断方法

2.2.1  传统故障诊断
（1）解析模型诊断方法 
解析模型诊断方法要求事先建立模型，当输电线路系统中发生故障时，之前模型中的输入和输出关系将会变化，操作者通过对比模型参数的改变，由此判定系统是否发生了故障。这种方法模型构造简单，往往是根据历史经验而建立模型的。但随着输电线路系统的不断改进，发生的故障也更加复杂，事先建立精确的模型愈发困难，所以这种诊断方法受到了很大的条件约束[23]。 

（2）信号处理诊断方法 
输电线路系统运行过程中产生的信号都是有其特定意义的。随着信号处理技术的迅速发展，信号处理技术展现了其在输电线路故障诊断中的作用。它利用时间序列分析等方法，提取出不同信号的特征值，再根据特征值判断输电线路系统的运行状态，以此完成对输电线路系统的故障诊断。这种方法对数据源要求简单，诊断结果客观，但不足之处是诊断过程中可能会伴随着时间延迟现象[24] [25]。
......

第 3 章 大数据分析关键技术及基本原理...........12
3.1 数据挖掘概述......12
3.2 输变电系统大数据分析概述.........14
3.3 本章小结.....21
第 4 章 输电线路信息管理系统的设计与实现............22
4.1 系统需求分析与相关技术.....22
4.2 系统总体设计......27
4.2.1 系统模式设计....27
4.2.2 系统流程设计....28
4.2.3 数据库设计........30
4.3 系统测试及实现...........34
4.4 本章小结.....41
第 5 章  基于 SVM 的输电线路故障诊断研究....42
5.1  支持向量机..........42
5.2SVM 参数寻优.....46
5.2.1 传统 SVM 参数寻优原理............46
5.2.2UD-SVR 寻优原理......47
5.3 基于 SVM 的输电线路故障诊断实验及分析.........47
5.4 本章小结.....53

第 5 章  基于 SVM 的输电线路故障诊断研究 

大数据技术的覆盖面很广泛，算法类型也很多。由于篇幅和时间有限，本文不能全部介绍。结合导师与作者现阶段的研究内容，本文选取大数据的经典算法之一的 SVM 算法进行输电线路故障诊断的实验研究。支持向量机（Support Vector Machine,  SVM）是在统计学习理论基础上建立起来的一种数学挖掘方法，，在处理回归问题和模式识别等问题上具有独到的优势，也可以推广到综合评价和预测等领域学科。本文在原有的支持向量机基础上加以改进，使其更适应于输电线路故障诊断研究。 

5.1  支持向量机 

5.1.1  支持向量机的提出与发展 

支持向量机(SVM)是由 Vapnik 等学者提出的，是近些来来机器学习、模式识别以及神经网络等学术界公认为最有影响力的成就之一。支持向量机是统计学习理论中较新的理论。它采用结构风险最小化(SRM)原理，兼顾训练误差和泛化能力，在解决小样本、非线性、高维数局部极小值等问题中表现出特有的优势[45]。 支持向量机自提出以来，经过近二十年的发展，已经在许多领域取得了丰硕的成果。现有 SVM 的发展方向主要分为以下四个方面： （1）改进 SVM 的运算速度，使其适应大规模数据集的研究，例如序列最小化算法[46]等； （2）对原有的支持向量机的形式优化，简化其中的计算过程，例如线性SVM[47]等； （3）根据结构风险最小化原则以及 SVM 的一些原理而提出的新算法，例如广义 SVM[48]等； （4）根据结构风险最小原则以及核函数思想，在传统的线性算法上构造出相应的核形式，例如核主成分分析[49]。 

........

结论

本文将电力系统与大数据分析技术相结合，将大数据分析技术应用于输变电系统及输电线路故障诊断研究，旨在简化现有输电线路管理系统的工作流程和提高输电线路故障诊断能力，以达到提高电力系统的运行稳定性的目的。本文完成了以下几个方面的工作。
第一，通过查阅大量文献以及实地调研工作，本文首先介绍了输电线路的常见故障以及现有的故障诊断方法，阐述了智能诊断方法的优越性，为后文将数据挖掘、数据融合等技术引入输电线路管理系统及故障诊断研究做铺垫。同时，本文也概述了如何利用大数据技术挖掘输变电系统中的数据，以及如何进行跨平台的数据整合、解决多源异构数据问题的思想。
第二，本文设计了输电线路信息管理系统。本系统在导师和师兄弟的共同帮助下构建，现已实现了输电线路日常工作管理的基本功能，并有很大的改进空间。搭建输电线路信息管理系统的目的在于简化现有的输电线路管理系统，提高工作效率，这也是今后利用大数据分析技术进行输电线路故障诊断的平台，具有很大的研究意义。
第三，结合现阶段作者的研究方向，本文选用了大数据分析中的 SVM 算法模型进行了输电线路故障诊断研究，介绍了 SVM 算法的基本概念，并对传统的SVM 算法模型进行了优化。最后，本文分别运用传统的 SVM 模型和改进的 SVM模型进行实验，训练样本经过训练生成了故障诊断模型，并用测试样本进行了测试，实验结果达到了实验预期目标，论证了大数据分析技术应用于输电线路故障诊断的可行性。
.........
参考文献(略)

本文编号：37508