并行FP-Growth算法對二次設備缺陷定位分析

劉 晶

（山東電工配網(wǎng)設計有限公司 濟南分公司，山東 濟南 250100）

0 引 言

智能變電站的服務器中存儲了大量關于二次設備運行狀態(tài)的信息數(shù)據(jù)，例如運維監(jiān)管數(shù)據(jù)、系統(tǒng)運行狀態(tài)數(shù)據(jù)等，使得服務器對于二次設備缺陷定位的速度變緩、準確率降低[1]。在大量特征數(shù)據(jù)下，有效實現(xiàn)二次設備的缺陷定位是目前智能變電站亟待解決的問題。本文提出一種并行FP-Growth算法，剔除海量數(shù)據(jù)中的非特征數(shù)據(jù)，并構(gòu)建標準的數(shù)據(jù)集合，實現(xiàn)二次設備缺陷的快速精準定位[2]。

1 二次設備缺陷定位問題的數(shù)學描述

假設1：輸電線路中二次設備的總數(shù)為∑Ci，任意二次設備中均存儲缺陷信息，第i個二次設備的異常信息為Si、保護信息為ωi、閉鎖信息為αi。二次設備信息的采樣周期為Ti，其計算公式為

式中：f為二次設備發(fā)生故障的頻率；s為二次設備到母線的距離。

假設2：任何二次設備Ci出現(xiàn)異常信息Si后，會隨機存儲于分布服務器Di中。那么，二次設備發(fā)生頻率f的計算公式為

式中：Ki為Ci的權重系數(shù)；Ti為采樣周期；Qi為Ci的功率；Pi為Ci的潮流；si為Ci距離母線的長度；wi為Ci的重要程度[3]。Ci的權重系數(shù)變化值ΔK的計算公式為

式中：K0為采樣初期信息；Kn為采樣結(jié)束的信息。引入Ci與Ci+1之間的關聯(lián)系數(shù)ρ，并將式（1）與式（2）合并，可以得到二次設備的缺陷ΔfTi，其計算公式為

式中：ρ的取值區(qū)間為[0,1]。

2 二次設備缺陷定位公式

二次設備缺陷定位原理是依據(jù)存儲裝置中的異常信息Si進行判斷，并構(gòu)建異常信息的矩陣，依據(jù)矩陣的結(jié)果判斷二次設備的缺陷位置[4]。具體計算公式為

式中：loction(·)為二次設備缺陷的位置函數(shù)；IF(·)為判斷函數(shù)。當Si=1、ωi=1、αi=1時，說明二次設備Ci存在嚴重缺陷，并將Ci的位置信息發(fā)送給中央控制系統(tǒng)[5]。

3 基于并行FP-Growth算法的二次設備缺陷定位步驟

二次設備缺陷定位矩陣的特征值較多，為了獲得唯一特征值，需要要對其進行求導，得到準確的二次設備缺陷位置[6-8]。

3.1 二次設備的運行狀態(tài)

通過偏微分方程求得多線路并行下二次設備Ci的運行狀態(tài)Δf，計算公式為

當Δf＞0時，代表二次設備運行狀態(tài)正常；當Δf≤0時，代表二次設備運行狀態(tài)異常。

3.2 算法的實施步驟

并行FP-Growth算法需要統(tǒng)計二次設備的數(shù)量，并收集二次設備缺陷信息[9]。

步驟一：記錄二次設備Ci的信息，包括異常信息Si、保護信息ωi、閉鎖信息αi。首先，與歷史數(shù)據(jù)進行比較，得到數(shù)據(jù)集合Oi；其次，進行數(shù)據(jù)清洗，得到數(shù)據(jù)集合Xi；最后，對空缺數(shù)據(jù)進行填充，得到數(shù)據(jù)集合Bi[10]。

步驟二：依據(jù)二次設備Ci缺陷所在的線路以及與母線的距離，確定存在缺陷的二次設備位置。

步驟三：將數(shù)據(jù)帶入式（5）、式（6），得到二次設備Ci缺陷的位置[11]。

步驟四：對二次設備缺陷位置進行驗算，當驗算結(jié)果符合實際測試要求時，停止迭代計算，并輸出Δf、loction(ΔfTi)、ΔfTi以及歷史數(shù)據(jù)比較集合Oi、數(shù)據(jù)清洗集合Xi、空缺填充集合Bi等。否則，重復步驟一～步驟三，直至符合要求[12]。

4 基于并行FP-Growth算法的二次設備缺陷定位性能分析

4.1 固定時間下的缺陷定位性能對比

設置固定時間35 s，分別采用遺傳算法、在線監(jiān)測法、并行FP-Growth算法以及二叉樹算法進行二次設備缺陷定位，具體結(jié)果如表1所示[13,14]。

表1 單線路中35 s內(nèi)的二次設備缺陷定位性能

由表1可知，在35 s的計算時間內(nèi)，雖然并行FP-Growth算法的處理數(shù)據(jù)量與在線監(jiān)測法相同，但是其處理次數(shù)、判斷距離、判斷準確性均比其他算法優(yōu)異，相對誤差最小。

為了進一步驗證并行FP-Growth算法的優(yōu)越性，將測試線路增加為雙線路，計算結(jié)果如表2所示。

表2 雙線路中35 s內(nèi)的二次設備缺陷定位性能

由表2可知，雖然并行FP-Growth算法的A線路數(shù)據(jù)處理量與在線監(jiān)測方法相同、B線路數(shù)據(jù)處理量高于在線監(jiān)測算法，但是其處理次數(shù)、處理距離、判斷準確性均優(yōu)于其他方法，相對誤差最小。

多線路的二次設備缺陷定位是智能變電站的常用定位模式，在多線路中進行測試具有十分重要的意義[15]。以3條線路為例，具體測試結(jié)果如表3所示。

表3 多線路中35 s內(nèi)的二次設備缺陷定位性能

由表3可知，并行FP-Growth算法的處理的數(shù)據(jù)量、處理次數(shù)、判斷距離、相對誤差以及判斷準確性均優(yōu)于其他算法。

4.2 多線路條件下的二次設備缺陷定位準確性

計算不同算法在定位位置、定位設備、定位距離、定位線路上的準確性，具體結(jié)果如表4所示。

表4 不同算法對二次設備缺陷定位的準確性（單位：%）

依據(jù)表4的數(shù)據(jù)，并行FP-Growth算法對二次設備缺陷定位的準確性最高，優(yōu)于在線監(jiān)測法、遺傳算法以及二叉樹法。

5 結(jié) 論

針對二次設備缺陷定位的問題，提出一種并行FP-Growth算法，對二次設備缺陷定位進行驗證。在處理的數(shù)據(jù)量、處理次數(shù)、判斷距離相同的條件下，并行FP-Growth算法定位距離、定位設備、定位線路的準確性最高，優(yōu)于在線監(jiān)測、遺傳算法、二叉樹法等算法?；诖?，并行FP-Growth算法適用于智能電站的二次設備缺陷定位分析。