第 1 章 緒  論

1.1 選題背景
本文的研究重點在于利用大數(shù)據(jù)技術(shù)將輸電線路系統(tǒng)運行中收集的信息進行整理劃分，分析各信息之間的聯(lián)系，然后運用數(shù)據(jù)挖掘技術(shù)，創(chuàng)建統(tǒng)一化輸電線路信息管理系統(tǒng)平臺，以實現(xiàn)將大數(shù)據(jù)分析技術(shù)運用于輸電線路故障診斷的目標。將經(jīng)過改進的支持向量機技術(shù)運用到輸電線路故障診斷方面，實現(xiàn)智能化故障診斷，是現(xiàn)代跨學科技術(shù)相結(jié)合的體現(xiàn)，也是對解決輸電線路故障診斷的一種新的探索方法。 綜上所述，將大數(shù)據(jù)技術(shù)與輸電線路管理系統(tǒng)及故障診斷有機結(jié)合在一起，即基于大數(shù)據(jù)分析的輸電線路管理系統(tǒng)及故障診斷研究具有重要意義。 
....

1.2國內(nèi)外研究現(xiàn)狀
“輸電線路故障診斷”這一研究課題始于二十世紀中葉。二十世紀六十年代，美國在輸電線路故障監(jiān)測和診斷技術(shù)上率先取得進展，隨后建立起了陣容龐大的研究機構(gòu)[7]。二十世紀七十年代，日本的輸電線路故障診斷技術(shù)上開始起步，隨后逐漸由基礎(chǔ)理論研究過度到開發(fā)應用研究階段，并在社會上得到推廣。二十世紀八十年代，日本東京電力公司設計開發(fā)了變壓器局部放電自動檢測儀[8][9]，該儀器具備接觸燃燒式氣敏傳感器的油中溶解氣體檢測系統(tǒng)[10]。二十世紀七十年代，前蘇聯(lián)在輸電線路故障診斷技術(shù)上得到高速發(fā)展，特別在“電容性設備絕緣診斷”以及“局部放電的在線診斷”這兩個方面[11]。 現(xiàn)如今，歐美等發(fā)達國家針對一次設備的智能診斷裝置已經(jīng)比較成熟，例如IDD（智能診斷裝置）等技術(shù)在一些場合已經(jīng)得到了應用，并取得了可觀的成果。進入二十一世紀，傳感器技術(shù)的發(fā)展引起了世界各研究領(lǐng)域的廣泛關(guān)注，各發(fā)達國家在輸電線路故障監(jiān)測方面的研究明顯加快。國外一些著名公司例如歐洲的SIEMENS、ABB、Alston、AGE 等公司在高壓斷路器和地理信息系統(tǒng)（Geography Information System, GIS）中都采用故障在線監(jiān)測系統(tǒng)。ABB 公司在其研制的設備中同時采用了智能化傳感器技術(shù)和微處理技術(shù)，通過數(shù)字通信實現(xiàn)對設備的在線監(jiān)測、診斷以及本地計算機監(jiān)控。 我國的輸電線路故障診斷研究從二十世紀八十年代起步并迅速發(fā)展。目前，我國在一次運行設備狀態(tài)的故障診斷方面已經(jīng)取得了較為顯著的成果，部分診斷技術(shù)甚至達到了國際先進水平，并且這些技術(shù)都在社會上得到了廣泛應用。據(jù)統(tǒng)計，我國國家電網(wǎng)公司安裝變壓器本體故障監(jiān)測裝置的變電站有 435 個，其中江蘇、浙江、福建、山東、遼寧、安徽、河北、陜西共 8 省的安裝變電站數(shù)大于20 個[12]。然而與此同時，由于國內(nèi)的輸電線路故障診斷客觀存在“重檢測、輕診斷”的問題，導致我國在研制新型故障監(jiān)測裝置的技術(shù)上與歐美等發(fā)達國家相比存在著較大的差距。 
.....

第 2 章 輸電線路常見故障及故障診斷技術(shù)

2.1 輸電線路常見故障
電力系統(tǒng)中，由于雷電而引起的過電壓稱為雷電過電壓。輸電線路中常見的雷電過電壓分為以下兩種：第一種稱為感應雷過電壓。當雷擊現(xiàn)象發(fā)生在輸電線路的附近時，電磁感應原理會使輸電線路上產(chǎn)生過電壓的情況；第二種稱為直擊雷過電壓。當雷電直接擊中輸電線路的導線、避雷線或者桿塔時，大量雷電電流通過被擊物體，直擊雷過電壓的危害遠遠大于感應雷過電壓[22]。 雷擊跳閘通常會造成絕緣子閃絡放電，當閃絡發(fā)生后，由于空氣具有絕緣性，雷電現(xiàn)象時被擊穿的空氣的絕緣強度會在短時間內(nèi)迅速恢復，因此當輸電線路發(fā)生重合閘動作時，大部分情況下都會重合成功。但是，雷擊現(xiàn)象也有可能會導致輸電線路發(fā)生永久性故障，例如雷擊導致輸電線路導線或避雷線斷線、絕緣子脫落等。 鳥類對輸電線路的正常運行造成很大困擾，總體來說鳥害可以分為以下三類：鳥類飛行、鳥類筑巢和鳥糞閃絡。 鳥類本身的飛行行為并不會對輸電線路造成很大的影響，但是鳥類飛行時常常會叼有鐵絲、草木、小動物等雜物，這樣當鳥類飛行經(jīng)過輸電線路時，雜物與線路的接觸或者雜物的散落都有可能會造成輸電線路故障。筑巢是鳥類的天性，而輸電線路的桿塔往往是它們的理想巢穴選擇地。當天氣干燥晴朗時，這些巢穴并不會造成影響，但是當遇到寒冷或者雨雪天氣時，輸電線路桿塔上的鳥巢可能會被風吹散，發(fā)生與導線或者懸瓶的接觸，造成輸電線路故障。 
........

2.2 故障診斷方法

2.2.1  傳統(tǒng)故障診斷
（1）解析模型診斷方法 
解析模型診斷方法要求事先建立模型，當輸電線路系統(tǒng)中發(fā)生故障時，之前模型中的輸入和輸出關(guān)系將會變化，操作者通過對比模型參數(shù)的改變，由此判定系統(tǒng)是否發(fā)生了故障。這種方法模型構(gòu)造簡單，往往是根據(jù)歷史經(jīng)驗而建立模型的。但隨著輸電線路系統(tǒng)的不斷改進，發(fā)生的故障也更加復雜，事先建立精確的模型愈發(fā)困難，所以這種診斷方法受到了很大的條件約束[23]。 

（2）信號處理診斷方法 
輸電線路系統(tǒng)運行過程中產(chǎn)生的信號都是有其特定意義的。隨著信號處理技術(shù)的迅速發(fā)展，信號處理技術(shù)展現(xiàn)了其在輸電線路故障診斷中的作用。它利用時間序列分析等方法，提取出不同信號的特征值，再根據(jù)特征值判斷輸電線路系統(tǒng)的運行狀態(tài)，以此完成對輸電線路系統(tǒng)的故障診斷。這種方法對數(shù)據(jù)源要求簡單，診斷結(jié)果客觀，但不足之處是診斷過程中可能會伴隨著時間延遲現(xiàn)象[24] [25]。
......

第 3 章 大數(shù)據(jù)分析關(guān)鍵技術(shù)及基本原理...........12
3.1 數(shù)據(jù)挖掘概述......12
3.2 輸變電系統(tǒng)大數(shù)據(jù)分析概述.........14
3.3 本章小結(jié).....21
第 4 章 輸電線路信息管理系統(tǒng)的設計與實現(xiàn)............22
4.1 系統(tǒng)需求分析與相關(guān)技術(shù).....22
4.2 系統(tǒng)總體設計......27
4.2.1 系統(tǒng)模式設計....27
4.2.2 系統(tǒng)流程設計....28
4.2.3 數(shù)據(jù)庫設計........30
4.3 系統(tǒng)測試及實現(xiàn)...........34
4.4 本章小結(jié).....41
第 5 章  基于 SVM 的輸電線路故障診斷研究....42
5.1  支持向量機..........42
5.2SVM 參數(shù)尋優(yōu).....46
5.2.1 傳統(tǒng) SVM 參數(shù)尋優(yōu)原理............46
5.2.2UD-SVR 尋優(yōu)原理......47
5.3 基于 SVM 的輸電線路故障診斷實驗及分析.........47
5.4 本章小結(jié).....53

第 5 章  基于 SVM 的輸電線路故障診斷研究 

大數(shù)據(jù)技術(shù)的覆蓋面很廣泛，算法類型也很多。由于篇幅和時間有限，本文不能全部介紹。結(jié)合導師與作者現(xiàn)階段的研究內(nèi)容，本文選取大數(shù)據(jù)的經(jīng)典算法之一的 SVM 算法進行輸電線路故障診斷的實驗研究。支持向量機（Support Vector Machine,  SVM）是在統(tǒng)計學習理論基礎(chǔ)上建立起來的一種數(shù)學挖掘方法，，在處理回歸問題和模式識別等問題上具有獨到的優(yōu)勢，也可以推廣到綜合評價和預測等領(lǐng)域?qū)W科。本文在原有的支持向量機基礎(chǔ)上加以改進，使其更適應于輸電線路故障診斷研究。 

5.1  支持向量機 

5.1.1  支持向量機的提出與發(fā)展 

支持向量機(SVM)是由 Vapnik 等學者提出的，是近些來來機器學習、模式識別以及神經(jīng)網(wǎng)絡等學術(shù)界公認為最有影響力的成就之一。支持向量機是統(tǒng)計學習理論中較新的理論。它采用結(jié)構(gòu)風險最小化(SRM)原理，兼顧訓練誤差和泛化能力，在解決小樣本、非線性、高維數(shù)局部極小值等問題中表現(xiàn)出特有的優(yōu)勢[45]。 支持向量機自提出以來，經(jīng)過近二十年的發(fā)展，已經(jīng)在許多領(lǐng)域取得了豐碩的成果�，F(xiàn)有 SVM 的發(fā)展方向主要分為以下四個方面： （1）改進 SVM 的運算速度，使其適應大規(guī)模數(shù)據(jù)集的研究，例如序列最小化算法[46]等； （2）對原有的支持向量機的形式優(yōu)化，簡化其中的計算過程，例如線性SVM[47]等； （3）根據(jù)結(jié)構(gòu)風險最小化原則以及 SVM 的一些原理而提出的新算法，例如廣義 SVM[48]等； （4）根據(jù)結(jié)構(gòu)風險最小原則以及核函數(shù)思想，在傳統(tǒng)的線性算法上構(gòu)造出相應的核形式，例如核主成分分析[49]。 

........

結(jié)論

本文將電力系統(tǒng)與大數(shù)據(jù)分析技術(shù)相結(jié)合，將大數(shù)據(jù)分析技術(shù)應用于輸變電系統(tǒng)及輸電線路故障診斷研究，旨在簡化現(xiàn)有輸電線路管理系統(tǒng)的工作流程和提高輸電線路故障診斷能力，以達到提高電力系統(tǒng)的運行穩(wěn)定性的目的。本文完成了以下幾個方面的工作。
第一，通過查閱大量文獻以及實地調(diào)研工作，本文首先介紹了輸電線路的常見故障以及現(xiàn)有的故障診斷方法，闡述了智能診斷方法的優(yōu)越性，為后文將數(shù)據(jù)挖掘、數(shù)據(jù)融合等技術(shù)引入輸電線路管理系統(tǒng)及故障診斷研究做鋪墊。同時，本文也概述了如何利用大數(shù)據(jù)技術(shù)挖掘輸變電系統(tǒng)中的數(shù)據(jù)，以及如何進行跨平臺的數(shù)據(jù)整合、解決多源異構(gòu)數(shù)據(jù)問題的思想。
第二，本文設計了輸電線路信息管理系統(tǒng)。本系統(tǒng)在導師和師兄弟的共同幫助下構(gòu)建，現(xiàn)已實現(xiàn)了輸電線路日常工作管理的基本功能，并有很大的改進空間。搭建輸電線路信息管理系統(tǒng)的目的在于簡化現(xiàn)有的輸電線路管理系統(tǒng)，提高工作效率，這也是今后利用大數(shù)據(jù)分析技術(shù)進行輸電線路故障診斷的平臺，具有很大的研究意義。
第三，結(jié)合現(xiàn)階段作者的研究方向，本文選用了大數(shù)據(jù)分析中的 SVM 算法模型進行了輸電線路故障診斷研究，介紹了 SVM 算法的基本概念，并對傳統(tǒng)的SVM 算法模型進行了優(yōu)化。最后，本文分別運用傳統(tǒng)的 SVM 模型和改進的 SVM模型進行實驗，訓練樣本經(jīng)過訓練生成了故障診斷模型，并用測試樣本進行了測試，實驗結(jié)果達到了實驗預期目標，論證了大數(shù)據(jù)分析技術(shù)應用于輸電線路故障診斷的可行性。
.........
參考文獻(略)

本文編號：37508