基于文本挖掘的輸變電設(shè)備疑似家族性缺陷預(yù)警分析

楊維　張弦　程飛飛

摘要：目前，針對輸變電設(shè)備家族性缺陷的認(rèn)定主要通過專業(yè)人員通過對設(shè)備進(jìn)行試驗(yàn)、解體分析，周期較長。本文通過收集設(shè)備缺陷情況，采用大數(shù)據(jù)分析技術(shù)，提取設(shè)備缺陷信息特征，并通過計(jì)算設(shè)備缺陷信息相似性，利用Kohonen神經(jīng)網(wǎng)絡(luò)聚類算法實(shí)現(xiàn)對設(shè)備缺陷信息類別打標(biāo)簽，基于同類廠家設(shè)備缺陷信息進(jìn)行分組統(tǒng)計(jì)分析、預(yù)警，實(shí)現(xiàn)輸變電設(shè)備疑似家族性缺陷的自動辨識、預(yù)警。

關(guān)鍵詞：輸變電設(shè)備;文本分析;家族性缺陷

0引言

輸變電設(shè)備家族性缺陷來源主要包括：國家電網(wǎng)公司（以下稱“公司”）下達(dá)的有關(guān)設(shè)備的家族事故通報、公司下達(dá)的設(shè)備家族性缺陷、各省市公司提供的家族性缺陷等。針對家族性缺陷的認(rèn)定往往基于復(fù)雜的機(jī)理，目前電力變壓器家族性缺陷識別主要有專家識別、聚類識別等方法，周期較長，嚴(yán)重依賴人工投入，效率低下且缺陷識別遺漏，不利于家族性缺陷的認(rèn)定及處理。^[2-3]

本文闡述的輸變電設(shè)備疑似家族性缺陷分析模型，通過收集設(shè)備缺陷信息，采用大數(shù)據(jù)分析算法技術(shù)，對海量缺陷描述分詞處理，提取設(shè)備重要缺陷特征，同時，基于凝聚Kohonen神經(jīng)網(wǎng)絡(luò)聚類算法，實(shí)現(xiàn)輸變電設(shè)備同類型缺陷標(biāo)識，進(jìn)一步利用多維分析為設(shè)備家族缺陷辨識、認(rèn)定提供輔助依據(jù)。

1輸變電設(shè)備疑似家族性缺陷定義

不同電壓等級的變壓器由于對設(shè)備材料、工藝等要求不同， 通常電壓等級高的設(shè)備， 技術(shù)要求越高，故障率較低。實(shí)際工程中，一般通過設(shè)備生產(chǎn)廠家、設(shè)備型號、生產(chǎn)批次等因素與故障的關(guān)聯(lián)性，反映其家族性缺陷。運(yùn)行經(jīng)驗(yàn)表明，設(shè)備生產(chǎn)廠家、型號、批次等因素與家族性缺陷相關(guān)主要有以下特點(diǎn)： ① 同廠家、同型號或同批次產(chǎn)品故障率高于正常設(shè)備; ② 同廠家、同型號或同批次產(chǎn)品故障分布較為平均，不集中于少數(shù)幾臺設(shè)備^[1]。

2模型輸入

梳理輸變電設(shè)備疑似家族性缺陷分析模型所需數(shù)據(jù)，包括設(shè)備臺賬設(shè)備缺陷、生產(chǎn)廠家、設(shè)備分類等信息，數(shù)據(jù)來源系統(tǒng)為PMS2.0系統(tǒng)，數(shù)據(jù)需求表如表1所示。同時，對主變壓器臺賬表、設(shè)備缺陷表、生產(chǎn)廠家表、設(shè)備分類表等涉及的設(shè)備名稱、類型、缺陷部位等字段進(jìn)行梳理，梳理各屬性間的關(guān)聯(lián)關(guān)系。

3模型設(shè)計(jì)

3.1數(shù)據(jù)準(zhǔn)備

針對模型輸入環(huán)節(jié)梳理的涉及到的各表之前的關(guān)聯(lián)關(guān)系，按照pms2.0系統(tǒng)數(shù)據(jù)庫業(yè)務(wù)表邏輯模型進(jìn)行關(guān)聯(lián)合并，形成缺陷分析模型數(shù)據(jù)分析寬表，作為輸變電設(shè)備疑似家族性缺陷分析模型的輸入。

3.2數(shù)據(jù)清洗

數(shù)據(jù)清洗是針對梳理形成的缺陷分析寬表中涉及到的含有噪聲的數(shù)據(jù)，通過采用標(biāo)準(zhǔn)化、規(guī)范化、降維等數(shù)據(jù)清理的方式，提升數(shù)據(jù)分析質(zhì)量。

數(shù)值化：由于設(shè)備原始數(shù)據(jù)形式各自不同，需對其進(jìn)行標(biāo)準(zhǔn)化操作，經(jīng)典的處理方式：對字符串取值，按照ANSI碼值求和得到字符串的值，并映射到一個區(qū)間。

標(biāo)準(zhǔn)化：在數(shù)據(jù)分析的時候，計(jì)算相關(guān)性或者方差等相關(guān)的指標(biāo)時，有必要對整體數(shù)據(jù)進(jìn)行歸一化處理，映射到一個指定的數(shù)值區(qū)間。較常用一個做法是：min-max標(biāo)準(zhǔn)化。

完整性：對缺失的數(shù)據(jù)主要有添補(bǔ)或刪除等方法，如果數(shù)據(jù)量較大，而數(shù)據(jù)缺失量較少，對于缺失數(shù)據(jù)，刪除其所在行即可;但如果缺失值所占樣本數(shù)比例較高，則采用數(shù)據(jù)填充的方式來添補(bǔ)缺失數(shù)據(jù)。

3.3模型構(gòu)建

3.3.1 分析方法介紹

3.3.1.1 文本挖掘算法

文本挖掘是指對文本的表示及其特征項(xiàng)的選取，它把從文本中抽取出的特征詞進(jìn)行量化來表示文本信息。文本挖掘算法涉及分析和停用詞定義、詞頻因子TF、逆文檔頻率因子（IDF）、TF*IDF框架、特征詞提取以及文本相似度計(jì)算等技術(shù)。

• 分析和停用詞

每篇文檔的主體內(nèi)容可以由最能代表它內(nèi)容的特征詞表示，但是對于中文文檔來說，首先需要把句子分成一個個單詞。

• 詞頻因子TF

TF計(jì)算因子代表了詞頻，即一個單詞在文檔中出現(xiàn)的次數(shù)，一般來說， Tf值越大，越能代表文檔所反映的內(nèi)容，那么應(yīng)該給于這個單詞更大的權(quán)值。

• 逆文檔頻率因子（IDF）

IDF的計(jì)算公式為：IDFk=log（N/nk），其中N代表文檔集合（包含不相關(guān)和相關(guān)文檔的總和）中總共有多少個文檔，而nk代表特征單詞k在其中多少個文檔中出現(xiàn)過，即文檔頻率。由公式可知，文檔頻率nk越高，其IDF值越小，即越多的文檔包含某個單詞，那么其IDF權(quán)值越小。IDF反映了一個特征詞在整個文檔集合中的分布情況，特征詞出現(xiàn)在其中的文檔數(shù)目越多，IDF值越低。

• TF*IDF框架

TF*IDF框架是結(jié)合了詞頻因子和逆文檔頻率因子的計(jì)算框架，一般是將兩者相乘作為特征權(quán)值，特征權(quán)值越大，則越可能是好的關(guān)鍵詞，即：Weight（word） = TF * IDF?？梢赃x取權(quán)重值最大的幾個單詞（比如10個或20個）作為特征詞，用由這幾個特征詞的權(quán)重組成的向量來表示這篇文檔。

3.3.1.2 Kohonen神經(jīng)網(wǎng)絡(luò)聚類算法

Kohonen神經(jīng)網(wǎng)絡(luò)是自組織競爭型神經(jīng)網(wǎng)絡(luò)的一種，該網(wǎng)絡(luò)通過自組織特征映射調(diào)整網(wǎng)絡(luò)權(quán)值，使神經(jīng)網(wǎng)絡(luò)收斂于一種表示形態(tài)，在這一形態(tài)中一個神經(jīng)元只對某種輸入模式特別匹配或特別敏感。

Kohonen神經(jīng)網(wǎng)絡(luò)算法工作機(jī)理為：網(wǎng)絡(luò)學(xué)習(xí)過程中，當(dāng)樣本輸入網(wǎng)絡(luò)時，競爭層上的神經(jīng)元計(jì)算輸入樣本與競爭層神經(jīng)元權(quán)值之間的歐幾里德距離，距離最小的神經(jīng)元為獲勝神經(jīng)元。調(diào)整獲勝神經(jīng)元和相鄰神經(jīng)元權(quán)值，使獲得神經(jīng)元及周邊權(quán)值靠近該輸入樣本。通過反復(fù)訓(xùn)練，最終各神經(jīng)元的連接權(quán)值具有一定的分布，該分布把數(shù)據(jù)之間的相似性組織到代表各類的神經(jīng)元上，使同類神經(jīng)元具有相近的權(quán)系數(shù)，不同類的神經(jīng)元權(quán)系數(shù)差別明顯。

3.3.2缺陷分析模型

輸變電設(shè)備疑似家族性缺陷分析模型主要包括文本挖掘、Kohonen神經(jīng)網(wǎng)絡(luò)聚類算法和多維統(tǒng)計(jì)分析三部分內(nèi)容，如圖1所示。

由于變壓器涉及的零部件較多，其出現(xiàn)家族性缺陷的概率較高，是重點(diǎn)監(jiān)測的對象本文以輸變電設(shè)備中的主變壓器設(shè)備為例，闡述輸變電設(shè)備疑似家族性缺陷分析模型的構(gòu)建過程。

1）文本挖掘

受各運(yùn)維單位、運(yùn)維班組人員地域、文化教育程度、用語習(xí)慣等限制，不同的班組人員在輸變電設(shè)備缺陷上報的過程中，針對同一缺陷現(xiàn)象，用于描述缺陷內(nèi)容的文字存在較大差異。為了能夠從“缺陷內(nèi)容”中更好提取設(shè)備缺陷特征詞，根據(jù)設(shè)備“缺陷內(nèi)容”信息，進(jìn)行運(yùn)檢專業(yè)詞匯和停用詞定義，形成自定義詞典，同時，對“缺陷內(nèi)容”進(jìn)行同義詞定義、合并，完成對“缺陷內(nèi)容”信息的預(yù)處理。

①自定義詞典

按照自定期詞典形成規(guī)則，形成：“主變壓器”、“ 就地”、“納河南線”、“硅膠”、“把手”等合計(jì)3500余例自定義詞匯，構(gòu)成自定義詞詞典;同時，定義與變壓器設(shè)備本體缺陷無關(guān)的相關(guān)詞匯，在文本分詞的過程中摒棄該部分詞匯，例如：“的”、“與”、“三星變電站”等詞匯，共構(gòu)建4300余個停用詞，構(gòu)成變壓器設(shè)備缺陷分析停用詞詞典。

②同義詞詞庫

針對不同運(yùn)維人員在變壓器設(shè)備缺陷上報過程中的針對同一設(shè)備缺陷的描述用詞不一致等問題，依據(jù)“缺陷內(nèi)容”信息進(jìn)行同義詞定義、合并，解決缺陷信息錄入過程中缺陷內(nèi)容描述不規(guī)范造成的數(shù)據(jù)質(zhì)量問題，例如：將 “不能復(fù)歸”、“復(fù)歸不了”等詞匯統(tǒng)一定義為“不能復(fù)歸”，共形成70余組同義詞庫

③文本分詞

基于已經(jīng)構(gòu)建的自定義詞典和同義詞詞典，進(jìn)行文本分詞，利用R分析工具加載jieba分詞包，并對分詞詞匯進(jìn)行詞性標(biāo)注（名詞/動詞/副詞），并對自定義詞庫、同義詞詞庫、停用詞詞庫進(jìn)行不斷完善，以提升文本分詞的效果。在完成文本分詞后，對進(jìn)行詞頻統(tǒng)計(jì)，形成變壓器設(shè)備缺陷信息詞云圖。

④文本特征詞提取

根據(jù)分詞結(jié)果形成“缺陷內(nèi)容”詞云圖/詞頻表，并根據(jù)詞頻表計(jì)算具體詞頻（TF[1]）和逆文檔詞頻（IDF[2]），并利用衡量詞的重要性，提取特征詞，計(jì)算除停用詞外所有分詞的權(quán)重，提取權(quán)重最大的若干詞作為特征詞，由特征詞權(quán)重組成的組成的向量為特征詞向量矩陣。

基于變壓器文本特征詞提取公式，提取變壓器設(shè)備缺陷特征詞，并針對特征詞形成特征詞向量矩陣，并將詞頻向量矩陣轉(zhuǎn)化為數(shù)據(jù)框格式。

④文本相似度計(jì)算

基于文本挖掘生成的特征詞生成詞頻向量矩陣，計(jì)算各詞向量的余弦值，利用詞向量的余弦值進(jìn)行Kohonen神經(jīng)網(wǎng)絡(luò)聚類。

如公式（3）所列，A、B分別代表兩個缺陷特征詞的詞頻向量，值越接近1，表明夾角越接近0度，也就是兩個向量越相似。結(jié)合輸變電設(shè)備疑似家族性缺陷分析模型，通過對設(shè)備缺陷的缺陷內(nèi)容提取的設(shè)備缺陷特征詞進(jìn)行相似度計(jì)算，并對其按照相似性的大小進(jìn)行排序。

3）Kohonen神經(jīng)網(wǎng)絡(luò)算法聚類分析

在實(shí)現(xiàn)輸變電設(shè)備缺陷內(nèi)容相似度計(jì)算的基礎(chǔ)上，結(jié)合其向量矩陣，利用Kohonen神經(jīng)網(wǎng)絡(luò)算法進(jìn)行無監(jiān)督的聚類分析，在用R實(shí)現(xiàn)Kohonen神經(jīng)網(wǎng)絡(luò)聚類分析的代碼中，在算法參數(shù)中重點(diǎn)輸入聚類個數(shù)和算法迭代的次數(shù)，對設(shè)備缺陷類別進(jìn)行打標(biāo)簽和分類，從Kohonen神經(jīng)網(wǎng)絡(luò)算法的評價系數(shù)中看輪廓系數(shù)為0.701，DUMN系數(shù)為0.5817，從聚類效果的評價參數(shù)來看，聚類效果良好。同時，結(jié)合專家經(jīng)驗(yàn)法，算法的蕨類效果良好，能夠滿足輸變電設(shè)備疑似家族性缺陷的預(yù)警分析應(yīng)用。

3）統(tǒng)計(jì)分析

基于缺陷分析模型實(shí)現(xiàn)對每一條設(shè)備缺陷進(jìn)行標(biāo)識，最后按照家族性缺陷的定義，通過對缺陷設(shè)備的生產(chǎn)廠家名稱、設(shè)備類型、設(shè)備種類、設(shè)備型號、具體部件、部件類型、缺陷部位等信息進(jìn)行分組統(tǒng)計(jì)（將同生產(chǎn)廠家、同設(shè)備類型、同設(shè)備種類、同設(shè)備型號、同部件類型、同缺陷部位數(shù)量>=5的設(shè)備缺陷，定義為輸變電設(shè)備疑似家族性缺陷），實(shí)現(xiàn)對輸變電設(shè)備疑似家族性缺陷的自動辨識。

4應(yīng)用實(shí)例

結(jié)合某網(wǎng)省公司pms2.0設(shè)備缺陷信息，利用文中提到的基于文本挖掘技術(shù)的輸變電設(shè)備疑似家族性缺陷分析模型，通過對歷史缺陷數(shù)據(jù)的分析挖掘，找出具有家族性缺陷嫌疑的設(shè)備，如常州變壓器廠1987年出廠的多臺SFSZ7-31500/110變壓器均冷卻器系統(tǒng)缺陷，應(yīng)加強(qiáng)對該型號在役設(shè)備的巡視巡檢，并縮短檢修周期或進(jìn)行技術(shù)改造。同時，將輸變電設(shè)備疑似家族性缺陷分析模型可以應(yīng)用于業(yè)務(wù)系統(tǒng)，通過在Gis地圖上展示已發(fā)現(xiàn)疑似輸變電設(shè)備的其他單位的應(yīng)用，并通過對設(shè)備信息進(jìn)行鉆取，以便了解該設(shè)備缺陷信息。

5結(jié)語

本文結(jié)合輸變電設(shè)備家族性缺陷的定義，以pms2.0系統(tǒng)相關(guān)的設(shè)備缺陷等信息為輸入，實(shí)現(xiàn)了輸變電設(shè)備疑似家族性缺陷分析模型的自動辨識，本文中僅以主變壓器設(shè)備為例，詳細(xì)的闡述了輸變電設(shè)備疑似家族性缺陷分析模型的構(gòu)建原理和實(shí)現(xiàn)過程，同理，輸變電設(shè)備疑似家族性缺陷分析模型能夠適用于斷路器、隔離開關(guān)、互感器等輸變電設(shè)備的疑似家族性缺陷分析?；谖谋就诰虻妮斪冸娫O(shè)備疑似家族性的應(yīng)用，能夠?yàn)檩斪冸娫O(shè)備家族性缺陷的認(rèn)定提供了支撐，能夠?yàn)檫\(yùn)維檢修部門開展運(yùn)維檢修工作提供指導(dǎo)，保障了電網(wǎng)的穩(wěn)定運(yùn)行。

參考文獻(xiàn)（References） ：

[1] 朱海冰，張齊韜，郭雅娟，吳奕，郝思鵬.基于數(shù)據(jù)挖掘的電力變壓器家族性缺陷預(yù)警[J].實(shí)驗(yàn)室研究與探索.2016，35（6）：37-41.

[2] 李新葉，李新芳.基于改進(jìn)層次聚類的同家族變壓器狀態(tài)變化規(guī)律分析[J].電力系統(tǒng)保護(hù)與控制，2011，39（ 19） ： 104-109.

[3] 饒威，王鳳云，丁堅(jiān)勇.基于改進(jìn)層次聚類法的電力設(shè)備家族缺陷評估[J].浙江電力，2013（ 3） ： 9-13.

[4] 朱振玉，張海寧，馬甲軍，等.基于粗糙集數(shù)據(jù)挖掘的瓦斯突出預(yù)測模型[J].實(shí)驗(yàn)室研究與探索，2009，28（ 6） ： 41-43.

[5] 黃映恒，童張法，廖森，等.工藝因素對固相反應(yīng)制備 LiMPO4的影響[J].實(shí)驗(yàn)室研究與探索，2010，29（ 9） ： 11-18.

注釋

[1] TF計(jì)算方法參見公式（1）;

[2] IDF計(jì)算方法參見公式（2）。