基于机器学习的输电线路故障统计与分析

陈霍兴 张俊 海龙

摘 要：本文对输电线路故障的影响因素进行分析，用相关性系数描述输电故障和气象数据之间关系。通过分析得出了气象数据中的温度、湿度、风速、气压和故障之间的相关性强度。通过对数据特征展开研究，以及对机器学习相关算法模型、关键算法组件的应用及验证，为输电线路故障分析提供有力的技术支撑。

关键词：机器学习 线路故障 分析应用

中图分类号：R196 文献标识码：A 文章编号：1672-3791（2018）12（a）-00-02

Abstract：In this paper， the influencing factors of transmission line faults are analyzed， and the correlation coefficient is used to describe the relationship between transmission faults and meteorological data. The correlation strength between temperature， humidity， wind speed， air pressure and fault is obtained through analysis. Through the research of data characteristics， and the application and verification of the machine learning algorithm model and key algorithm components， it provides a powerful technical support for the transmission line fault analysis.

Key words：machine learning； line fault； Analysis and Application

随着电网规模的扩大，输电线路运行安全对电网安全可靠运行的影响更为突出。本文分析了大量的输电故障数据，通过对故障数据的统计发现由外部气象环境造成的故障占了总故障约45%，包括大风、高温、雷电、污秽等故障原因。这几类故障会影响导地线、杆塔、金具、绝缘子等几大类设备，同时，会引起如安全距离不足、劣化自爆、缺损、伞群裂纹或电蚀、松脱位移、锈蚀损伤等类型的缺陷。

通过对输电线路的运行状态进行监测、故障诊断、状态评价，对提高输变电设备的运行可靠性与利用率，实现设备的优化管理具有重要科学意义和应用价值。输电线路状态参数对进行故障分析有较大的影响，如何合理地选择参数，保证线路故障评价的准确性，需要重点研究。

1 故障分析步骤

通过研究应用机器学习技术，挖掘电力数据中潜在的规律和价值，深入探索输电线路故障分析的应用价值，促进电网向数字化、智能化、精益化方向发展。

1.1 业务理解（business understanding）