基于指數(shù)平滑的電站設(shè)備故障時間序列預(yù)測研究

王爽++趙會洋

摘要：發(fā)電站正常高效運行是社會發(fā)展和人民生活中一個非常重要的基礎(chǔ)保障工作。利用數(shù)據(jù)預(yù)測技術(shù)對電站設(shè)備故障的趨勢進行預(yù)測分析，發(fā)現(xiàn)隱藏在數(shù)據(jù)中的有用信息，有助于管理者制定更加有效的電站管理策略以及進行工作的改革和創(chuàng)新。根據(jù)某發(fā)電集團設(shè)備故障的統(tǒng)計報告，利用指數(shù)平滑的時間序列預(yù)測方法對電站設(shè)備故障的趨勢進行預(yù)測。實驗結(jié)果合理，對設(shè)備故障的其他研究具有一定的借鑒意義。

關(guān)鍵詞：電站；設(shè)備故障；時間序列；指數(shù)平滑

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2016）26-0243-03

Research on the Time Series Prediction of Power Plants Equipment Faults with Exponential Smoothing Method

WANG Shuang， ZHAO Hui-yang

（School of Information Engineering， Xuchang University， Xuchang 461000， China）

Abstract： It is an important basic security work for social development and peoples life that power plants can run normally and efficiently. If we use data prediction techniques to analyze the trend of power plants equipment faults， the useful information hidden in the data will be found. It is helpful for managers to establish a more effective management strategy of power plant and carry out the reform and innovation. According to the equipment fault statistics report of a certain power group， the paper uses a method of time series prediction named exponential smoothing to predict the trend of power plants equipment faults. The result of experiments is reasonable and can be a reference for other studies on equipment faults.

Key words： Power Plants； Equipment Faults； Time Series； Linear Regression

1 引言

根據(jù)麥肯錫（McKinsey）2011年5月發(fā)布的《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個新領(lǐng)域》報告，數(shù)據(jù)已經(jīng)滲透到每一個行業(yè)和業(yè)務(wù)職能領(lǐng)域，逐漸成為重要的生產(chǎn)因素。數(shù)據(jù)挖掘能夠從大量的數(shù)據(jù)中通過算法發(fā)現(xiàn)隱藏于其中的信息，并已經(jīng)成功應(yīng)用于電子商務(wù)、銀行、醫(yī)藥、氣象等眾多領(lǐng)域。近年來，數(shù)據(jù)挖掘在電力領(lǐng)域的研究也受到了較多的關(guān)注。文獻[1-3]研究了分類和聚類算法在電力客戶分類及電力負荷分類方面的應(yīng)用。文獻[4-9]研究了數(shù)據(jù)預(yù)測算法在電力負荷預(yù)測、風(fēng)電功率預(yù)測、電價預(yù)測、風(fēng)力預(yù)測、風(fēng)速預(yù)測等方面中的應(yīng)用。文獻[10-13]研究了關(guān)聯(lián)規(guī)則算法在電力負荷、電網(wǎng)脆弱性、電站凝汽器等方面的應(yīng)用。本文基于大量的設(shè)備故障歷史統(tǒng)計數(shù)據(jù)，運用指數(shù)平滑的時間序列預(yù)測方法對設(shè)備故障的發(fā)展趨勢進行預(yù)測，從而為電站的運行維護、設(shè)備檢修管理提供決策支持。2013年電力行業(yè)信息化年會的與會專家一致認為：電力大數(shù)據(jù)的信息挖掘和利用將給電力企業(yè)帶來新一輪商業(yè)模式轉(zhuǎn)變和價值創(chuàng)新。

2 數(shù)據(jù)描述

研究所基于的數(shù)據(jù)來自中國某大型發(fā)電集團從2008年到2014年的設(shè)備運行故障月度報告。報告有word和pdf兩種格式，每份報告的主要內(nèi)容有設(shè)備運行故障的統(tǒng)計概況、具體案例描述。經(jīng)過數(shù)據(jù)整理后形成了設(shè)備運行異常情況表，具體內(nèi)容如表1所示。

由于數(shù)據(jù)條目較多，在此僅列出每張表的少數(shù)幾條數(shù)據(jù)。對于文字內(nèi)容描述較多的字段，僅列出了一條較為完整的數(shù)據(jù)來說明問題，其他條目的內(nèi)容用“略”來代替。表1中的的類別1到類別4是從粗到細分別描述了設(shè)備故障的類別，每條樣本數(shù)據(jù)展現(xiàn)了不同類別的故障在特定時間所發(fā)生的項數(shù)和具體的原因描述。

由于數(shù)據(jù)條目較多，在此僅列出每張表的少數(shù)幾條數(shù)據(jù)。對于文字內(nèi)容描述較多的字段，僅列出了一條較為完整的數(shù)據(jù)來說明問題，其他條目的內(nèi)容用“略”來代替。表1中的的類別1到類別4是從粗到細分別描述了設(shè)備故障的類別，每條樣本數(shù)據(jù)展現(xiàn)了不同類別的故障在特定時間所發(fā)生的項數(shù)和具體的原因描述。其中類別3隨時間的變化關(guān)系如圖1所示。從圖中可以看出，電站故障的主要類別是鍋爐故障，其次是汽機故障，然后是電氣故障。特別是鍋爐故障，每個月發(fā)生的次數(shù)均高于其他故障類別。因此，本文主要針對鍋爐故障的時間序列進行趨勢預(yù)測。

4 結(jié)束語

本文從新的數(shù)據(jù)視角，基于電站的設(shè)備故障分析報告，研究了基于三次指數(shù)平滑的時間序列預(yù)測在電站設(shè)備故障分析中的應(yīng)用。研究結(jié)論對電力企業(yè)的管理決策制定和設(shè)備故障的技術(shù)創(chuàng)新都有一定的幫助，但研究結(jié)果還有待進一步提高，研究手段還有待進一步豐富。下一步，將綜合多種數(shù)據(jù)挖掘技術(shù)應(yīng)用于電力數(shù)據(jù)分析中，充分挖掘電力大數(shù)據(jù)的價值，為社會生產(chǎn)提供更多服務(wù)。

參考文獻：

[1] 冀明，孔凡偉.聚類分析在電力客戶分類中的應(yīng)用[J].硅谷，2012（7）：112-184.

[2] 竇全勝，史忠植，姜平，等.調(diào)和聚類-分類方法在電力負荷預(yù)測中的應(yīng)用[J].計算機學(xué)報，2012（12）：2645-2651.

[3] 劉莉，王剛，翟登輝.k-means聚類算法在負荷曲線分類中的應(yīng)用[J].電力系統(tǒng)保護與控制，2011（23）：65-68.

[4] 楊茂，熊昊，嚴干貴，等.基于數(shù)據(jù)挖掘和模糊聚類的風(fēng)電功率實時預(yù)測研究[J].電力系統(tǒng)保護與控制，2013（1）：1-6.

[5] 劉學(xué)琴，吳耀華，崔寶華.基于擴展粗糙集的短期電力負荷預(yù)測模型[J].電力系統(tǒng)保護與控制，2010（5）：25-28.

[6] 崔旻，顧潔.電力系統(tǒng)中長期負荷預(yù)測的改進決策樹算法[J].上海交通大學(xué)學(xué)報，2004（8）：1246-1249.

[7] 劉慶彪，張步涵，王凱，等. 電價預(yù)測的自適應(yīng)支持向量機方法研究[J].電力系統(tǒng)保護與控制，2008（22）：34-39.

[8] ?zkan M B， Kü?ük D， Terciyanl? E， et al. A Data Mining-Based Wind Power Forecasting Method： Results for Wind Power Plants in Turkey[M]. Springer Berlin Heidelberg， 2013.

[9] Colak I， Sagiroglu S， Demirtas M， et al. A data mining approach： Analyzing wind speed and insolation period data in Turkey for installations of wind and solar power plants[J].Energy Conversion & Management，2013，65（1）：185-197.

[10] 馬瑞，周謝，彭舟，等.考慮氣溫因素的負荷特性統(tǒng)計指標關(guān)聯(lián)特征數(shù)據(jù)挖掘[J].中國電機工程學(xué)報，2015（1）：43-51.

[11] 顏宏文，謝啟龍.基于多維關(guān)聯(lián)規(guī)則的電網(wǎng)脆弱性識別研究[J].計算機應(yīng)用與軟件，2015（11）：36-40.

[12] 谷俊杰，王為力，李家川，等. 關(guān)聯(lián)規(guī)則挖掘在電站運行優(yōu)化中的運用[J].電站系統(tǒng)工程，2009（1）：8-10.

[13] 胡鵬睿.定量關(guān)聯(lián)規(guī)則挖掘電站凝汽器運行數(shù)據(jù)研究[J].華東電力，2007（10）：24-26.