CN110555048B - 一种基于计量异常关联度模型的故障原因疑似度分析方法 - Google Patents

Abstract

一种基于计量异常关联度模型的故障原因疑似度分析方法，涉及一种故障原因疑似度分析方法；日常运行中的计量异常种类繁多、情况复杂，难以进行有效地分析处理及应用。本发明通过对历史数据的分类及筛检，计算出两两异常事件发生的关联程度，直观的看出两个异常事件的发生是否有因果观关系，并对结果进行筛选，为后续计算故障疑似度提供依据；并对大量的历史数据进行分析挖掘，计算某一异常由某一原因导致的后验概率；关联度与后验概率共同作用得到并发异常事件是由某一原因导致的故障疑似度。本技术方案的故障疑似度计算大大方便了检修，电网系统出现故障报警时，可以直接线上操作，运用本技术较为精确快速的得到导致异常发生的原因。

Description

一种基于计量异常关联度模型的故障原因疑似度分析方法

技术领域

本发明涉及一种故障原因疑似度分析方法，尤其涉及一种基于计量 异常关联度模型的故障原因疑似度分析方法。

背景技术

现有的计量异常分析技术，主要是针对单个计量异常事件进行分析。 目前用电信息采集系统能够给出26中计量异常告警信息，可分为电量异 常、电压电流异常、负荷异常、示值异常、接线异常六大异常类型。对 单个计量异常事件，通过异常原因分类、处理流程、异常现象及处理步 骤的研究总结，已经有较规范统一的处理流程和方法。然而，日常运行中的计量异常种类繁多、情况复杂，难以进行有效地分析处理及应用。

现有的工程技术中，常用的关联分析方法为灰色关联度计算方法。 灰色关联分析方法的基本思想是根据序列曲线几何形状间的相似程度来 判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反 之就越小。该关联度受两级最小绝对值差和两级最大绝对误差影响较大。 一旦数据列中出现某个极大值点或极小值点,那么各特征点的关联系数 都将受到较大影响,从而使关联度值具有较大的波动性,数据值极不稳定。 另一方面灰色关联度模型计算关联度所需要的样本数据是具体的数字， 而本发明中计量异常事件的发生只有是或否，即输入只有0和1，所以灰 色关联度计算模型不适用于计算计量异常事件的关联度。

目前对计量异常事件的关联度计算的现有技术很少，研究一种基于 计量异常事件组合的故障原因疑似度分析方法，来实现故障原因疑似度 的准确分析，系统性地分析多种异常事件下的用户用电行为，具有重要 的实际意义。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行 完善与改进，提供一种基于计量异常关联度模型的故障原因疑似度分析 方法，以达到关联度准确分析的目的。为此，本发明采取以下技术方案。

一种基于计量异常关联度模型的故障原因疑似度分析方法，其特征 在于包括以下步骤：

包括以下步骤：

1)数据预处理

获得数据库数据，数据库中的数据包含每一用户发生的各种异常事 件、每一个异常的发生时间和恢复时间、造成异常发生原因；

检索出异常事件发生日期一栏空白的地方，并将该空白处所在整行 数据删除；

统计出异常事件下每个原因发生的次数，分别除以该原因的总次数 得到某一原因发生的情况下某异常发生的概率，即条件概率；

2)计算两个异常事件的关联度

a)根据两个计量异常事件发生的先后顺序，计算获得异常事件A_i先 于异常事件A_j发生的，异常事件A_i与异常事件A_j之间的关联系数；计算 获得异常事件A_j先于异常事件A_i发生的，异常事件A_i与异常A_j之间的关 联系数；

r＝1-d/n，

式中d为同一用户两个异常事件A_i、A_j发生日期间隔天数，n为设定 的天数，n为大于或等于7的自然数，其中d的取值范围为[0,n]；

b)在关联度计算时，将得到的多个异常事件A_i先发生的关联系数取 平均值，得到该并发异常事件A_i先发生的关联度，同时将得到的多个异 常事件A_j先发生的关联度取平均值，得到该并发异常事件A_j先发生的关 联度；

3)计算某一异常由某一原因导致的后验概率

对于A_i异常由B_j原因导致的后验概率用概率论与数理统计的计算方 法，用公式

计算出后验概率；其 中P(B_j)为各类原因发生的可能性，根据式

求得，式中a为所 有异常原因发生的总次数，b_j为第j类异常原因发生的次数；P(A_i|B_j) 为在原因B_j发生的条件下，A_i异常发生的概率，即条件概率，根据公式

求得，式中c_j为异常A_i发生的条件下，第j类异常原因发生 的次数；P(A_i)为单异常事件的全概率，由全概率公式

求得；

4)综合计算某一并发异常事件由某一原因引起的故障疑似度

计量异常事件组合的故障疑似度影响因子包括两两异常事件的关联 度、A_i异常由B_j原因导致的后验概率，根据关联度及后验概率得到并发 异常事件由原因B_j引起的故障疑似度；疑似度越大，就表示异常事件由 该原因引起可能性越大。

作为对上述技术方案的进一步完善和补充，本发明还包括以下附加 技术特征。

作为优选技术手段：在步骤4)中，当异常事件A₁和A₂并发时，故 障疑似度的公式为：E＝D*R＝[e₁e₂]，其中D＝[P(B_j|A₁)P(B_j| A₂)]，其中P(B_j|A₁)和P(B_j|A₂)为步骤3)计算获得的后验概率；

其中，e₁＝P(B_j|A₁)+P(B_j|A₂)r₁₂表示异常A₁先发生，异常A₂后发生由原因B_j引起的疑似度；e₂＝P(B_j|A₂)+P(B_j|A₁)r₂₁表示 异常A₂先发生，异常A₁后发生由原因B_j引起的疑似度。

作为优选技术手段：在步骤2)中，当关联率大于阈值时，计算并发 异常事件的异常原因集合；若关联率大于阈值时，按单个异常事件处理。

作为优选技术手段：对于需要考核的异常事件，在一周内进行处理， 此时将阈值设置为0.6；对于不进行考核的异常事件组合，则根据相关系 数与关联性强弱的对应关系将阈值设置为0.4。

作为优选技术手段：在步骤2)中，关联度R_ij的计算公式为：

式中m_i≤n_i，当间隔天数在6以内的次数小于总次数n_i的50％时，m_i＝n_i， 此时r_ip’即为r_ip；反之，当间隔天数在6以内的占比大于等于50％时，m_i<n_i， 此时r_ip’为r_ip中不为0的部分；同理可得关联度R_ji的计算公式为：

作为优选技术手段：在步骤c)中，当关联系数大于0.68的占比大于 50％时，去掉关联系数为0的数据求关联系数均值，获得关联度；当关联 系数大于0.68的占比小于50％时，保留所有数据求均值，获得关联度。

作为优选技术手段：在步骤1)中，数据库的数据来源包括:变电站 的电能质量监测数据及检修人员进行对异常进行排查、确定原因和检修 后填写的档案数据。

在步骤2)中，

关联系数的计算公式为：

r＝1-d/15，

式中d为同一用户两个异常事件A_i、A_j发生日期间隔天数，其中d 的取值范围为[0,15]。

有益效果：本发明通过对历史数据的分类及筛检，计算出两两异常 事件发生的关联程度，直观的看出两个异常事件的发生是否有因果观关 系，并对结果进行筛选，提高精确度，为后续计算故障疑似度提供依据； 并对大量的历史数据进行分析挖掘，结合概率论与数理统计的知识计算 出某一异常由某一原因导致的后验概率；关联度与后验概率共同作用得 到并发异常事件是由某一原因导致的故障疑似度。本技术方案的故障疑 似度计算大大方便了检修，电网系统出现故障报警时，可以直接线上操 作，运用本技术较为精确快速的得到导致异常发生的原因。

附图说明

图1是本发明流程图。

具体实施方式

以下结合说明书附图对本发明的技术方案做进一步的详细说明。

如图1所示，本发明包括以下步骤：

1)数据预处理

获得数据库数据，数据库中的数据包含每一用户发生的各种异常事 件、每一个异常的发生时间和恢复时间、造成异常发生原因；

检索出异常事件发生日期一栏空白的地方，并将该空白处所在整行 数据删除；

统计出异常事件下每个原因发生的次数，分别除以该原因的总次数 得到某一原因发生的情况下某异常发生的概率，即条件概率；

2)计算两个异常事件的关联度

a)根据两个计量异常事件发生的先后顺序，计算获得异常事件A_i先 于异常事件A_j发生的，异常事件A_i与异常事件A_j之间的关联系数；计算 获得异常事件A_j先于异常事件A_i发生的，异常事件A_i与异常A_j之间的关 联系数；

关联系数的计算公式为：

r＝1-d/n，

式中d为同一用户两个异常事件A_i、A_j发生日期间隔天数，n为设定 的天数，n为大于或等于7的自然数，其中d的取值范围为[0,n]；

b)在关联度计算时，将得到的多个异常事件A_i先发生的关联系数取 平均值，得到该并发异常事件A_i先发生的关联度，同时将得到的多个异 常事件A_j先发生的关联度取平均值，得到该并发异常事件A_j先发生的关 联度；

3)判断关联度是否大于阈值，当关联率大于阈值时，计算并发异常 事件的异常原因集合；若关联率大于阈值时，按单个异常事件处理；

4)获取并发导常事件的异常原因集合{B_j}

5)计算某一异常由某一原因导致的后验概率

对于A_i异常由B_j原因导致的后验概率用概率论与数理统计的计算方 法，用公式

计算出后验概率；其 中P(B_j)为各类原因发生的可能性，根据式

求得，式中a为所 有异常原因发生的总次数，b_j为第j类异常原因发生的次数；P(A_i|B_j) 为在原因B_j发生的条件下，A_i异常发生的概率，即条件概率，根据公式

求得，式中c_j为异常A_i发生的条件下，第j类异常原因发生 的次数；P(A_i)为单异常事件的全概率，由全概率公式

求得；

6)综合计算某一并发异常事件由某一原因引起的故障疑似度

计量异常事件组合的故障疑似度影响因子包括两两异常事件的关联 度、A_i异常由B_j原因导致的后验概率，根据关联度及后验概率得到并发 异常事件由原因B_j引起的故障疑似度；疑似度越大，就表示异常事件由 该原因引起可能性越大。

以下通过具体实施例对本技术方案的部分步骤做进行进一步的说明。

以下就实施例作具体说明。

实施例一：

1数据来源

本实施例进行关联度分析所用的数据来源为某市2015年至2016年 两年的专变用户和低压用户同月同一用户出现多种异常的历史告警数据。 数据主要包括用户编号、异常类型名称、异常发生时间、异常恢复时间、 异常归档时间等信息。其中异常恢复时间受多种因素影响，针对要纳入 考核的计量异常事件，一般在一周内会进行人工恢复；而对于不进行考 核的异常事件，则对恢复时间没有要求，会视现场运行情况和工人工作 安排来进行恢复；历史告警数据中给出的恢复时间可能是归档时间，而 不是实际恢复时间，实际恢复时间无法确定。鉴于目前已有的历史数据 中异常事件的发生时间是确定的，所以在求两两异常事件之间关联度时 以异常事件发生的时间为参考，通过两个异常发生时间的间隔天数来计 算关联度。

进行故障疑似度分析所用的数据来源为2015年7月至2016年8月 某市389个变电站的电能质量监测数据及检修人员对异常进行排查、确 定原因和检修后填写的档案数据。数据库中的数据包含每一用户发生的 各种异常事件、每一个异常的发生时间和恢复时间、异常发生原因等信 息。

2关联分析方法

2.1关联系数函数构造

对于同一用户，理论上两个计量异常事件如果前后紧接着发生，且 第二个异常事件发生在第一个异常事件恢复前，可以认为两异常事件具 有一定的关联；两个异常发生日期的间隔天数越大，二者的关联系数越 小。由于异常考核时间为一周，以2倍考核时间为界限，当两个计量异 常发生日期间隔超过15天时，认为无关联，不进行关联系数计算；发生日期间隔天数在15天以内，一个异常恢复后另一个异常才发生，关联系 数为0；发生日期间隔天数在15天以内且在一个异常恢复前另一个异常 发生时，间隔天数越小，关联系数越大，关联系数根据式(1)计算。

r＝1-d/15 (1)

式中d为同一用户两个异常事件发生日期间隔天数。

2.2关联分析流程

首先对历史数据进行分析处理，得到两年来所有出现过的计量异常 事件种类，记为A_k(k＝1,2,…,n)；然后对所有的异常事件进行两两组合， 分别进行关联分析。根据两个计量异常事件发生的先后顺序，分别基于 关联系数计算两个异常事件之间的关联度R_ij和R_ji。R_ij表示异常A_i先发生 时，异常A_i与异常A_j之间的关联度；R_ji表示异常A_j先发生时，异常A_i与异常A_j之间的关联度。

基于历史数据得到异常A_i与异常A_j发生日期间隔在15天以内且为同 一用户，异常A_i先发生(包含同一天发生)的次数n_i，以及异常A_j先发 生(包含同一天发生)的次数n_j；再根据公式(1)分别计算这n_i和n_j次 并发异常事件的关联系数，记为r_ip(p＝1,2,3,…,n_i)和r_jq(q＝1,2,3,…, n_j)。

得关联度R_ij的计算公式为：

同理可得关联度R_ji的计算公式为：

3对并发事件进行甄别

通过式(2)和式(3)计算出的关联度的范围为[0,1]，越接近1，关联 性越强；越接近于0，关联性越弱。通过设定阈值对并发异常事件进行筛 选，当计算得到的关联度高于此阈值时，将其视为一组并发异常事件组 合。表1给出相关系数与关联性强弱的对应关系。

表1相关系数与关联性强弱的对应关系

对于需要考核的异常事件，一般会在一周内进行处理，此时可将阈 值设置为0.618；对于不进行考核的异常事件组合，则根据相关系数与关 联性强弱的对应关系将阈值设置为0.4。通过关联度计算、设置阈值对并 发异常事件进行了甄别，筛选出了需要进行一步进行故障疑似度分析的 异常事件组合。

4故障疑似度计算

4.1求单一异常事件由某类原因引起的故障疑似度

对异常原因数据进行分析处理，求得引起各异常A_i(i＝1,2,…,n)的 原因共有m类，表示为B_j(j＝1,2,…,m)；然后根据式(4)求得各类原 因发生的概率P(B_j)；

式中a为所有异常原因发生的总次数，b_j为第j类异常原因发生的次 数。

每种异常事件都有多个导致其发生的原因，根据式(5)求得某一原 因发生的情况下，某异常发生的概率P(A_i|B_j)——在原因B_j发生的条件下， 异常A_i发生的概率；

式中c_j为异常A_i发生的条件下，第j类异常原因发生的次数。

然后由全概率公式求得每种异常事件发生的概率P(A_i)。

最后再根据式(7)贝叶斯公式求得P(B_j|A_i)——异常事件A_i的发生 由原因B_j引起的概率，该概率即为单一异常事件由某类原因引起的故障 疑似度。

4.2计算并发异常事件由某类原因引起的故障疑似度

通过对单一异常事件的故障原因子集求交集，确定形成异常并发事 件组合的异常原因集合，当有异常告警并发时，触发异常的原因为异常 原因交集中的一种的概率较大。基于历史数据计算出单一异常事件下各 异常原因的故障疑似度，再与并发异常事件组合的关联度相结合，即可 得到并发异常事件下各种异常原因的故障疑似度。

以并发异常事件组合A₁和A₂为例，单一异常A₁和A₂由原因B_j引起 的概率分别为P(B_j|A₁)和P(B_j|A₂)，则单异常事件故障疑似度矩阵为：

D＝[P(B_j|A₁)P(B_j|A₂)] (8)

异常A₁先发生，异常A₂后发生两者的关联度为R₁₂；异常A₂先发生， 异常A₁后发生的关联度为R₂₁。则关联度矩阵为：

那么当异常A₁和异常A₂并发时，异常原因为B_j的疑似度矩阵为：

其中e₁为异常A₁先发生，异常A₂后发生由原因B_j引起的疑似度；e₂为异常A₂先发生，异常A₁后发生由原因B_j引起的疑似度；异常A₁与异常 A₂同日发生时，由原因B_j引起的故障疑似度为(e₁+e₂)/2。

通过式(10)计算得到的故障疑似度范围为[0,1]，越接近1，疑似度 越高；越接近于0，疑似度越低。

5实例分析

为了证明上述关联分析方法的准确性和可靠性，选取其他错接线与潮 流反向两组计量异常事件进行分析。

从故障疑似度计算结果可以看出，当其他错接线与潮流反向异常告警 并发时，不论是其他错接线先发生，还是潮流反向先发生，或者是其他 错接线与潮流反向同日发生，触发异常的原因为档案差错的可能性都最 大，而触发异常的原因为人为窃电的可能性都最小。

根据现场工人排查经验，当其他错接线与潮流反向异常告警并发时， 异常原因为档案差错的情况最多，异常原因为人为窃电的情况极少。与 故障疑似度计算结果基本一致。

实施例二：

与实施例一相同处不再重复，不同之处在于在关联分析流程。

考虑到关联系数中取值为0的情况比较多，会降低大部分发生间隔 天数较短的两个异常事件关联度的准确性，因此在求关联度时需要根据 具体情况考虑是否包含关联系数为0的部分。以关联度R_ij为例，当异常 A_i先发生，且两异常间隔天数在6天以内的次数小于总次数n_i的50％时， 根据统计学经验可以认为两个异常事件之间的关联度较小，求关联度时 保留关联系数为0的项，直接对所有的关联系数求平均值得到关联度R_ij； 否则求均值时剔除关联系数为0的项。由此可得关联度R_ij的计算公式为：

式中m_i≤n_i，当间隔天数在6以内的次数小于总次数n_i的50％时，m_i＝n_i， 此时r_ip’即为r_ip；反之，当间隔天数在6以内的占比大于等于50％时，m_i<n_i， 此时r_ip’为r_ip中不为0的部分。同理可得关联度R_ji的计算公式为：

以上图1所示的一种基于计量异常关联度模型的故障原因疑似度分 析方法是本发明的具体实施例，已经体现出本发明实质性特点和进步， 可根据实际的使用需要，在本发明的启示下，对其进行等同修改，均在 本方案的保护范围之列。

Claims (2)

1.一种基于计量异常关联度模型的故障原因疑似度分析方法，其特征在于包括以下步骤：

1)数据预处理

获得数据库数据，数据库中的数据包含每一用户发生的各种异常事件、每一个异常的发生时间和恢复时间、造成异常发生原因；

检索出异常事件发生日期一栏空白的地方，并将该空白处所在整行数据删除；

统计出异常事件下每个原因发生的次数，分别除以该原因的总次数得到某一原因发生的情况下某异常发生的概率，即条件概率；

2)计算两个异常事件的关联度

a)根据两个计量异常事件发生的先后顺序，计算获得异常事件A_i先于异常事件A_j发生的，异常事件A_i与异常事件A_j之间的关联系数；计算获得异常事件A_j先于异常事件A_i发生的，异常事件A_i与异常A_j之间的关联系数；

关联系数的计算公式为：

r＝1-d/n，

式中d为同一用户两个异常事件A_i、A_j发生日期间隔天数，n为设定的天数，n为大于或等于7的自然数，其中d的取值范围为[0,n]；

b)在关联度计算时，将得到的多个异常事件A_i先发生的关联系数取平均值，得到该并发异常事件A_i先发生的关联度，同时将得到的多个异常事件A_j先发生的关联度取平均值，得到该并发异常事件A_j先发生的关联度；

3)计算某一异常由某一原因导致的后验概率

对于A_i异常由B_j原因导致的后验概率用概率论与数理统计的计算方法，用公式

计算出后验概率；其中P(B_j)为各类原因发生的可能性，根据式

求得，式中a为所有异常原因发生的总次数，b_j为第j类异常原因发生的次数；P(A_i|B_j)为在原因B_j发生的条件下，A_i异常发生的概率，即条件概率，根据公式

求得，式中c_j为异常A_i发生的条件下，第j类异常原因发生的次数；P(A_i)为单异常事件的全概率，由全概率公式

求得；

4)综合计算某一并发异常事件由某一原因引起的故障疑似度

计量异常事件组合的故障疑似度影响因子包括两两异常事件的关联度、A_i异常由B_j原因导致的后验概率，根据关联度及后验概率得到并发异常事件由原因B_j引起的故障疑似度；疑似度越大，就表示异常事件由该原因引起可能性越大；

在步骤4)中，当异常事件A₁和A₂并发时，故障疑似度的公式为：E＝D*R＝[e₁ e₂]，其中D＝[P(B_j|A₁)P(B_j|A₂)]，其中P(B_j|A₁)和P(B_j|A₂)为步骤3)计算获得的后验概率；

其中，e₁＝P(B_j|A₁)+P(B_j|A₂)r₁₂表示异常A₁先发生，异常A₂后发生由原因B_j引起的疑似度；e₂＝P(B_j|A₂)+P(B_j|A₁)r₂₁表示异常A₂先发生，异常A₁后发生由原因B_j引起的疑似度。

2.根据权利要求1所述的一种基于计量异常关联度模型的故障原因疑似度分析方法，其特征在于：在步骤2)中，关联度R_ij的计算公式为：

式中m_i≤n_i，当间隔天数在6以内的次数小于总次数n_i的50％时，m_i＝n_i，此时r_ip’即为r_ip；反之，当间隔天数在6以内的占比大于等于50％时，m_i<n_i，此时r_ip’为r_ip中不为0的部分；同理可得关联度R_ji的计算公式为：

。

Images