基于关联规则贝叶斯网络的高压输电线路状态评估方法技术

本申请公开了基于关联规则贝叶斯网络的高压输电线路状态评估方法，S1、构建线路基础状态评估参数体系；S2、建立输电线路关键状态参量评估模型，构建线路评估关键参数体系；S3、建立基于贝叶斯网络的线路状态评估图模型和数学模型；S4、输电线路贝叶斯网络算法模型学习；S5、对输电线路状态进行评估。本发明专利技术对输电线路在运行过程中主要的故障类型及影响情况进行分析，并结合线路的评估导则和实际运行经验，选取出能够反映输电线路运行状态的8个部件和84个指标状态参量，组成基础状态评估参量体系；利用关联规则方法的支持度和置信度对基础参量进行量化，挑选出最能准确反映线路状态的指标参量，构成关键参量体系。构成关键参量体系。构成关键参量体系。

【技术实现步骤摘要】
基于关联规则贝叶斯网络的高压输电线路状态评估方法


[0001]本申请涉及电力系统运行，状态设备评估故障诊断
，尤其涉及基 于关联规则贝叶斯网络的高压输电线路状态评估方法。

技术介绍

[0002]输电线路是电力系统的关键部分，是传输电能的“命脉”，其运行状态的 好坏影响着整个电网的安全稳定运行，并且输电线路易受环境和地形的影响。 为及时掌握线路的运行情况，必须对线路进行状态检修。而状态检修的前提是 先要对线路的运行状态进行评价，掌握线路的运行状态，然后制订合理有效的 检修方案。然而，输电线路状态评估参数的数量多而复杂，并且随着智能电网 的发展，线路的状态数据也呈爆炸式增长，若对海量的状态数据进行评估，则 会影响评估结果的准确性和评估效率。
[0003]并且输电线路在运行过程中常常面临着巨大的挑战，它需要经过高寒山 坡、公路以及多种复杂的地理环境，且长期处于露天旷野之中，其运行环境错 综复杂，加之输电线路的许多元件不仅会受到机械外力和电力负荷的破坏，还 会遭受冰雪雷电等自然因素的影响，因此输电线路的运行状态易受影响。

技术实现思路

[0004]本专利技术的目的在于提供基于关联规则贝叶斯网络的高压输电线路状态评 估方法，以解决上述
技术介绍
中提出现有技术中的问题。
[0005]基于关联规则贝叶斯网络的高压输电线路状态评估方法，包括以下步骤：
[0006]S1、构建线路基础状态评估参数体系；
[0007]S2、建立输电线路关键状态参量评估模型，构建线路评估关键参数体系；r/>[0008]S3、建立基于贝叶斯网络的线路状态评估图模型和数学模型；
[0009]S4、输电线路贝叶斯网络算法模型学习；
[0010]S5、对输电线路状态进行评估。
[0011]优选的，所述S1中，通过大数据筛选出切实反映线路本身运行状态的84 个基础状态参量，分别反应出“基础”“杆塔”“金具”“绝缘子”“导地线”“接 地装置”“附属设施”“通道环境”8个部件状态。
[0012]优选的，所述S2中，首先：
[0013]建立输电线路部件恶化的事务数据库：I＝{输电线路中出现故障}；
[0014]部件状态参量发生恶化的项集:X
i,j
＝{第i个部件中第j个状态参量发生恶化}；
[0015]部件发生恶化的项集:Y
i
＝{第i个部件发生故障}；
[0016]其次，计算基础状态量X
i,j
→
Y
i
的支持度，支持度公式如下式所示：
[0017][0018]最后，计算基础状态量X
i,j
→
Y
i
的置信度，置信度公式如下式(2)所示：
[0019][0020]其中：式(1)和(2)中的Y
i
代表部件，X
i,j
代表状态参量，f(X
i,j
∪Y
i
)为 部件Y
i
与状态参量X
i,j
同时发生劣化的次数，f(X
i,j
)为在总的事务数据库I中发 生劣化的次数，i＝(1,L,8)，j为X
i,j
所对应部件的基础状态参数变量总数。
[0021]优选的，所述S3中，首先建立输电线路评估图模型，设一级节点为 Z＝{输电线路变量}；二级节点为部件变量集Y共8个，Y＝{Y1,Y2,Y3,Y4,Y5,Y6,Y7,Y8}分 别为：Y1＝{基础}，Y2＝{杆塔}，Y3＝{金具}，Y4＝{绝缘子}，Y5＝{导地线}，Y5＝{接地装置}， Y7＝{附属设施}，Y8＝{通道环境}；三级节点为状态参数变量X
ij
，共37个变量，分 别为8个部件相对应的负节点；
[0022]然后根据图模型建立数学评估模型。
[0023]优选的，所述数学评估模型如下：
[0024](1)建立输电线路状态参量评估模型：用x
k
＝{1,2,3,4}表示状态参量的四 种运行状态“正常”，“注意”，“严重”，“异常”；
[0025](2)建立输电线路部件变量状态评估模型：用y
k
＝{1,2,3,4}表示部件的四 种运行状态“正常”，“注意”，“严重”，“异常”，计算模型如下：
[0026][0027]其中：i＝(1,2,L,8)，j为X
ij
所对应部件的状态参数变量总数，j＝(1,2,L,j)
[0028](3)建立输电线路状态评估模型：根据线路8个部件的运行状态 (y
k
＝{1,2,3,4})进行推理计算，推导出线路的运行状态，用z
k
＝{1,2,3,4}来表示 输电线路的四个运行状态，计算模型如下：
[0029][0030]其中：i＝(1,2,L,8)，j为X
ij
所对应部件的状态参数变量总数，j＝(1,2,L,j)。
[0031]优选的，所述S4中，为了防止数据缺失情况，导致评估结果不准确的情 况，结合MLE和EM两种算法，对贝叶斯参数进行学习，使计算出的条件概率 更准确，更贴合实际，即根据训练样本计算先验概率P(Y
i
＝y
k
)、P(Z＝z
k
)和条 件概率P(X
ij
＝x
k
|Y
i
＝y
k
)、P(Y
i
＝y
k
|Z＝z
k
)的值，学习模型如下：
[0032](1)先验概率P(Y
i
＝y
k
)的计算：部件变量的概率P(Y
i
＝y
k
)
[0033][0034]其中：i＝(1,2,L,8)，j为X
ij
所对应部件的状态参数变量总数，j＝(1,2,L,j)。
[0035]优选的，详细计算如下：训练样本统计了某条线路在n个时刻运行数据， 设Y
i
在统计时刻出现正常、注意、异常、严重的数量分别为a
t
,b
t
,c
t
,d
t
，总样本 个数为s
t
＝a
t
+b
t
+c
t
+d
t
，t＝(1,L,n)，所以状态参数变量的状态概率计算模型为：
[0036]正常状态的概率：
[0037]注意状态的概率：
[0038]严重状态的概率：
[0039]异常状态的概率：
[0040]根据以上计算方法可以计算出部件变量P(Y
i
＝y
k
)的先验概率：
[0041](2)先验概率P(Z＝z
k
)的计算：计算线路处于四种运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于关联规则贝叶斯网络的高压输电线路状态评估方法，其特征在于，包括以下步骤：S1、构建线路基础状态评估参数体系；S2、建立输电线路关键状态参量评估模型，构建线路评估关键参数体系；S3、建立基于贝叶斯网络的线路状态评估图模型和数学模型；S4、输电线路贝叶斯网络算法模型学习；S5、对输电线路状态进行评估。2.根据权利要求1所述的基于关联规则贝叶斯网络的高压输电线路状态评估方法，其特征在于：所述S1中，通过大数据筛选出切实反映线路本身运行状态的84个基础状态参量，分别反应出“基础”“杆塔”“金具”“绝缘子”“导地线”“接地装置”“附属设施”“通道环境”8个部件状态。3.根据权利要求1所述的基于关联规则贝叶斯网络的高压输电线路状态评估方法，其特征在于：所述S2中，首先：建立输电线路部件恶化的事务数据库：I＝{输电线路中出现故障}；部件状态参量发生恶化的项集:X
i,j
＝{第i个部件中第j个状态参量发生恶化}；部件发生恶化的项集:Y
i
＝{第i个部件发生故障}。其次，计算基础状态量X
ij
→
Y
i
的支持度。支持度公式如下式所示：最后，计算基础状态量X
i,j
→
Y
i
的置信度。置信度公式如下式(2)所示：其中：式(1)和(2)中的Y
i
代表部件，X
i,j
代表状态参量，f(X
i,j
∪Y
i
)为部件Y
i
与状态参量X
i,j
同时发生劣化的次数。f(X
i,j
)为在总的事务数据库I中发生劣化的次数。i＝(1,L,8)，j为X
i,j
所对应部件的基础状态参数变量总数。4.根据权利要求1所述的基于关联规则贝叶斯网络的高压输电线路状态评估方法，其特征在于：所述S3中，首先建立输电线路评估图模型，设一级节点为Z＝{输电线路变量}；二级节点为部件变量集Y共8个，Y＝{Y1,Y2,Y3,Y4,Y5,Y6,Y7,Y8}分别为：Y1＝{基础}，Y2＝{杆塔}，Y3＝{金具}，Y4＝{绝缘子}，Y5＝{导地线}，Y5＝{接地装置}，Y7＝{附属设施}，Y8＝{通道环境}；三级节点为状态参数变量X
ij
，共37个变量，分别为8个部件相对应的父节点，然后根据图模型建立数学评估模型。5.根据权利要求4所述的基于关联规则贝叶斯网络的高压输电线路状态评估方法，其特征在于：所述数学评估模型如下：(1)建立输电线路状态参量评估模型：用x
k
＝{1,2,3,4}表示状态参量的四种运行状态“正常”，“注意”，“严重”，“异常”；
(2)建立输电线路部件变量状态评估模型：用y
k
＝{1,2,3,4}表示部件的四种运行状态“正常”，“注意”，“严重”，“异常”，计算模型如下：其中：i＝(1,2,L,8)，j为X
ij
所对应部件的状态参数变量总数，j＝(1,2,L,j)(3)建立输电线路状态评估模型：根据线路8个部件的运行状态(y
k
＝{1,2,3,4})进行推理计算，推导出线路的运行状态，用z
k
＝{1,2,3,4}来表示输电线路的四个运行状态，计算模型如下：其中：i＝(1,2,L,8)，j为X
ij
所对应部件的状态参数变量总数，j＝(1,2,L,j)。6.根据权利要求1所述的基于关联规则贝叶斯网络的高压输电线路状态评估方法，其特征在于：所述S4中，为了防止数据缺失情况，导致评估结果不准确的情况，结合MLE和EM两种算法，对贝叶斯参数进行学习，使计算出的条件概率更准确，更贴合实际，即根据训练样本计算先验概率P(Y
i
＝y
k
)、P(Z＝z
k
)和条件概率P(X
ij
＝x
k
|Y
i

【专利技术属性】
技术研发人员：张函，鞠翔，郭康，魏金林，严俊，颜帅，王家磊，徐家将，黄大彬，宋洪运，黄剑湘，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司昆明局，
类型：发明
国别省市：