[发明专利]一种电力变压器家族质量缺陷的评估方法

说明书

一种电力变压器家族质量缺陷的评估方法，所述方法包括以下步骤：a.搜集变压器事务数据；b.采用Apriori算法生成频繁项目；c.得到候选K项集C_(K)各项的支持度sup；d.得到频繁K项集L_(K)；e.若频繁K项集L_(K)为空，则执行第f步，否则返回到第c步；f.若扫描完所有块，则执行第i步，否则返回到第c步；i.将频繁项集合并；j.产生一条强关联规则；k.汇总所有强关联规则。本发明通过引入适应度函数对关联规则算法进行优化，解决了传统关联规则的置信度很高但是支持度却很低的问题；通过分块放置数组的方式提高关联规则算法的时间效率；同现有方法相比，本发明能够更加准确、高效地挖掘电力变压器家族质量缺陷信息。

技术领域

本发明涉及一种电力变压器家族质量缺陷的评估方法，属于电力变压器技术领域。

背景技术

随着电力大数据时代的到来，数据挖掘技术不断从不完整、有噪声、模糊且随机的大量 数据中发现潜在规律、寻求有用知识的发展中拓展。从大量数据中发掘其潜在的有价值的信 息，成为数据挖掘与电力科学深度融合的目标；从事物背后发掘各个指标之间的关联程度， 并对其进行可靠评估成为两者相结合的重要逻辑。关联规则分析就是其中一种通过求解概率 找到事务数据库中隐藏关联关系的数据挖掘方法。

电力变压器是建立电力系统和联络广大电力用户不可缺少的关键电气设备，应用最广泛 的是油浸式变压器，一般由铁芯、线圈、引线、油箱及外围附件等组成，结构较为复杂，电 力变压器设备的可靠运行对电力系统有着至关重要的影响。但由于设计方式、工艺控制、原 材料选取等方面的因素，致使变压器出厂投运之后，其故障模式(或故障类型)在很大程度 上表现出一定的家族性特征。《国家电网报》曾于2009年首次命名“家族性设备缺陷”这一 概念，并对扬州供电局发现的缺陷做出总结与展望，表明家族性设备缺陷的发现对电力变压 器的健康运行有着重要的影响。家族性质量缺陷是指经确认由设计、材质、制作工艺等共性 因素导致的设备缺陷，如出现此类缺陷，则具有同一设计、材质、制作工艺的其他设备，在 隐患未被消除之前，无论当前能否检测出缺陷，都判定为有家族性质量缺陷。若能及时发现 家族性设备当前所包含的隐患，发现设备缺陷与故障之间的关联关系，那么，对于发现电力 变压器的薄弱环节及其故障原因具有重要意义，并对业务部门及时采取预防和反事故措施有 重要帮助。

研究表明，电力变压器故障数据中隐含着家族质量缺陷信息，已有不少基于数据挖掘方 法的研究取得了一定的成效。例如，有的学者引入改进的层次聚类方法，通过网络通信的MMS 数据反映家族性缺陷对设备健康状态的影响，评估分数越高表明其影响越小；一些学者提出 用同家族变压器状态变化曲线的斜率距离作为判据，同时采用曲线间点数值距离和斜率距离 构成数据矩阵并采用凝聚层次聚类算法更准确地评估家族性缺陷史对变压器的状态影响。

关联规则分析，作为一种重要的数据挖掘方法，也在该问题上有较多的研究和应用，而 且，其效果普遍好于上述基于聚类分析的方法。例如，有的学者采用基于关联规则的马尔科 夫预测模型，挖掘状态参量与状态之间的关联规则构建状态转移矩阵，最终对变压器故障的 发展趋势进行更准确的预测。有的学者通过灰色关联模型对变压器关键性指标做了不同改进 措施下的状态评估和负荷曲线之间的关联程度分析，并验证了指标体系对变压器健康状态评 估的准确性。一般来讲，在电力系统中单独使用关联规则解决实际问题的案例较少，需要综 合多种特征值来辅助进行。例如，有的学者借助Apriori关联算法评估各个特征量与故障关 系的可靠程度，提高了故障诊断的准确程度，表明关联规则可以用于变压器故障诊断类型的 细致划分；有的学者采用矩阵块的形式对电力变压器数据进行关联程度分析，结果证明该算 法可以发掘条件和决策属性之间的关联关系，并在时间效率上有所提高，适用于变压器缺陷 关联分析。