基于数据挖掘的电网隐患等级自动评估方法

李翔++莫琦++付龙明++王立娜++卢颖浩

摘 要：电网运行隐患的有效控制在电网建设和运行中起着至关重要的作用。随着电力需求的不断提升，电网运行的可靠性要求也越来越高，电网运行隐患问题对电网可靠性影响非常大。该文通过分析某电力系统对控制安全隐患的要求，提出了电网安全隐患评估定级方法，为确保电力系统可靠运行提供重要保障。

关键词：数据挖掘 安全生产隐患 评估定级 决策树 分类算法

中图分类号：TP311 文献标识码：A 文章编号：1674-098X（2017）06（b）-0099-02

在电网的运行过程中，安全生产隐患的存在给电网稳定运行带来了重大的影响。如不加以注意，很有可能导致电网运行故障。电网运行安全隐患给电网造成直接和间接的经济损失是十分巨大的，因此必须要加以重视。尤其是电力系统直接面向广大用户，电网安全生产隐患如不予以即时解决，很可能酿成难以挽回的损失。对电网安全隐患展开评估定级，对于防止重大事故发生、提高应急能力、提高电网运行有序性等都有着重大意义。而目前的电网隐患等级评估还没有应用大数据技术，评估准確性有待提高，这在一定意义上给电网埋下了隐患。所以该文针对这种情况提出了一种决策树算法的隐患等级评估办法，能及时准确地评定隐患等级，从而给电网稳定运行提供了有力的保障。

1 数据挖掘技术简介

数据挖掘（Data Mining）是一种知识发现的过程，它主要基于统计学、人工智能、机器学习等技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在的模式，并对未来情况进行分析、预测，以辅助管理者、决策者评估风险、做出正确的决策。利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web 页挖掘等，它们分别从不同的角度对数据进行挖掘。

决策树（Decision tree）由一个决策图和可能的结果（包括资源成本和风险）组成，用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平行概率模型作为最佳的选择模型或在线选择模型算法。决策树的另一个使用是作为计算条件概率的描述性手段。该文就是利用决策树算法进行分类分析为电网系统隐患进行定级评估。

2 电网安全生产隐患

2.1 电网安全生产隐患概述及隐患管理现状

根据对国内某电网公司的调查走访，电网公司在对于系统运行中违反安全生产法律、法规、规章、标准、规程和安全生产管理制度的规定，或者其他可能导致系统正常运行受到影响的不安全因素，主要包括电网运行过程中异常事件原因不清楚、设备及设施的不安全状态、非常态的电网运行工况、人的不安全行为和管理上的缺陷等情况。其管理现状完全没有做到标准化，同时也没有对应明确的隐患评估定级以及处理措施。这种情况下给电网安全稳定的运行埋下了很大的安全隐患，一旦隐患事故发生将会造成不可逆转的损失。

2.2 电网安全生产隐患评估定级的重要性

随着电网规模的不断扩大，电网企业的安全生产十分重要，而安全隐患几乎存在于系统运行的各个环节，为了减少人员伤亡、伤害以及财产的损失，这就需要加大安全隐患排除力度，切实有效地为事故发生做好预防。目前隐患排查工作已作为一项例行工作开展，但对于隐患排查工作开展的规范化，排查结果的规律化评估尚缺乏基础性研究的支撑，也没有类似的专家评估系统。传统隐患评估不同评估对象往往根据单一业务情况通过评估方式的人为选取进行安全隐患的评估工作，评估方式的选择过程智能化、自动化程度不高。对此根据决策树算法进行隐患自动评估定级，评估结果将为隐患措施的制定提供可靠、准确和及时的信息参考，为系统运行安全生产提供科学高效的评估支持。

3 数据挖掘技术在隐患评估定级中的应用

3.1 隐患评估定级的技术方案

（1）从电网系统运行的实际工作出发，依据系统运行隐患管理制度，对系统运行各项中的安全隐患进行分类、定级，梳理形成量化分级的电网运行安全隐患标准库；（2）隐患等级决策树构建。选定隐患标准库作为训练样本，提取隐患等级标示属性，挖掘归纳出隐患分类、分级规则，构建隐患等级评估决策树；（3）通过隐患等级评估决策树，把数据库中的元组映射到给定类别中的某一个，发现某一条隐患是属于某一特定数据子集的规则；（4）由隐患测试数据检验生成的隐患等级决策树，消除由于统计噪声或数据波动对决策树的影响来达到净化树的目的，得到一棵正确的隐患等级决策树（见图1）。

3.2 隐患评估定级的具体实施方式

3.2.1 构建隐患标准库

从电网系统运行的实际工作出发，依据系统运行隐患管理制度，对系统运行各项中的安全隐患进行分类、定级，梳理形成量化分级的电网运行安全隐患标准库，具体包括系统运行隐患的定义、隐患分类、隐患等级、隐患范例、隐患危害、关联制度、防范措施等。

3.2.2 隐患等级决策树构建

采用大数据挖掘中的决策树算法实现隐患等级的自动评估，具体步骤分为两个阶段：第一阶段，隐患等级决策树构建。通过递归地算法将训练集生成一棵隐患等级决策树。第二阶段，由隐患测试数据检验生成的隐患等级决策树，消除由于统计噪声或数据波动对决策树的影响来达到净化树的目的，得到一棵正确的隐患等级决策树。选定包含隐患标示属性的隐患标准库作为训练样本，挖掘归纳出分类分级规则，通过将隐患标准库按专业类型、隐患等级等属性规则进行划分，构建隐患等级评估模型，通过隐患等级评估模型，把数据库中的元组映射到给定类别中的某一个，发现某一条隐患是属于某一特定数据子集的规则。隐患等级决策树构建步骤：（1）选定包含隐患标示属性的隐患标准库作为训练样本E，通过将隐患标准库按专业类型、隐患等级等属性规则进行划分，若E的记录都属于同一类（纯的），类别属性值为Xi，则选择Xi作为叶节点（也是根节点），结束；否则把E作为当前数据集；（2）对于当前数据集，选择最佳分割标准，把数据集划分为不同子数据集；（3）逐个处理子数据集，若子数据集是纯的。类别属性值为Xi，则选择Xi作为叶节点，转（4）；否则，把该子数据集作为当前数据集，转（2）；（4）若子数据集处理完，结束；否则转（3）（见图2）。

3.3 隐患评估定级的显著优势

通过以上隐患自动评估的详细步骤可以看到，对隐患标准库中的数据进行挖掘分析，可以充分利用已有的资源对当前的安全隐患进行定级。其中构建安全隐患等级决策树，实现自安全隐患等级自动评估，可以实现评估结果更加标准化、自动化、规范化的评估结果。评估结果准确性的提高，将为隐患措施的制定提供可靠、准确和及时的信息参考，为系统运行安全生产提供科学高效的评估支持。

4 结语

电网隐患等级制动评估主要是实现隐患等级评定的规范化、标准化、自动化，减少人为主观因素的影响，是电力系统稳定运行的重要保障。通过对隐患的自动评估，就能够防止故障和异常状况对电力系统造成不良影响。在对电网安全生产隐患进行分析后，使用决策树分析方法计算电网安全生产隐患发生的几率并且对隐患进行分析，对其提出了相应的解决对策，有利于电力系统安全、稳定地运行。

参考文献

[1] 李平荣.大数据时代的数据挖掘技术与应用[J].重庆三峡学院学报，2014，10（103）：145-147.

[2] 楼巍.面向大数据的高维数据挖掘技术研究[D].上海大学，2013.