基于指數平滑的電站設備故障時間序列預測研究

王爽++趙會洋

摘要：發電站正常高效運行是社會發展和人民生活中一個非常重要的基礎保障工作。利用數據預測技術對電站設備故障的趨勢進行預測分析，發現隱藏在數據中的有用信息，有助于管理者制定更加有效的電站管理策略以及進行工作的改革和創新。根據某發電集團設備故障的統計報告，利用指數平滑的時間序列預測方法對電站設備故障的趨勢進行預測。實驗結果合理，對設備故障的其他研究具有一定的借鑒意義。

關鍵詞：電站；設備故障；時間序列；指數平滑

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2016）26-0243-03

Research on the Time Series Prediction of Power Plants Equipment Faults with Exponential Smoothing Method

WANG Shuang， ZHAO Hui-yang

（School of Information Engineering， Xuchang University， Xuchang 461000， China）

Abstract： It is an important basic security work for social development and peoples life that power plants can run normally and efficiently. If we use data prediction techniques to analyze the trend of power plants equipment faults， the useful information hidden in the data will be found. It is helpful for managers to establish a more effective management strategy of power plant and carry out the reform and innovation. According to the equipment fault statistics report of a certain power group， the paper uses a method of time series prediction named exponential smoothing to predict the trend of power plants equipment faults. The result of experiments is reasonable and can be a reference for other studies on equipment faults.

Key words： Power Plants； Equipment Faults； Time Series； Linear Regression

1 引言

根據麥肯錫（McKinsey）2011年5月發布的《大數據：創新、競爭和生產力的下一個新領域》報告，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素。數據挖掘能夠從大量的數據中通過算法發現隱藏于其中的信息，并已經成功應用于電子商務、銀行、醫藥、氣象等眾多領域。近年來，數據挖掘在電力領域的研究也受到了較多的關注。文獻[1-3]研究了分類和聚類算法在電力客戶分類及電力負荷分類方面的應用。文獻[4-9]研究了數據預測算法在電力負荷預測、風電功率預測、電價預測、風力預測、風速預測等方面中的應用。文獻[10-13]研究了關聯規則算法在電力負荷、電網脆弱性、電站凝汽器等方面的應用。本文基于大量的設備故障歷史統計數據，運用指數平滑的時間序列預測方法對設備故障的發展趨勢進行預測，從而為電站的運行維護、設備檢修管理提供決策支持。2013年電力行業信息化年會的與會專家一致認為：電力大數據的信息挖掘和利用將給電力企業帶來新一輪商業模式轉變和價值創新。

2 數據描述

研究所基于的數據來自中國某大型發電集團從2008年到2014年的設備運行故障月度報告。報告有word和pdf兩種格式，每份報告的主要內容有設備運行故障的統計概況、具體案例描述。經過數據整理后形成了設備運行異常情況表，具體內容如表1所示。

由于數據條目較多，在此僅列出每張表的少數幾條數據。對于文字內容描述較多的字段，僅列出了一條較為完整的數據來說明問題，其他條目的內容用“略”來代替。表1中的的類別1到類別4是從粗到細分別描述了設備故障的類別，每條樣本數據展現了不同類別的故障在特定時間所發生的項數和具體的原因描述。

由于數據條目較多，在此僅列出每張表的少數幾條數據。對于文字內容描述較多的字段，僅列出了一條較為完整的數據來說明問題，其他條目的內容用“略”來代替。表1中的的類別1到類別4是從粗到細分別描述了設備故障的類別，每條樣本數據展現了不同類別的故障在特定時間所發生的項數和具體的原因描述。其中類別3隨時間的變化關系如圖1所示。從圖中可以看出，電站故障的主要類別是鍋爐故障，其次是汽機故障，然后是電氣故障。特別是鍋爐故障，每個月發生的次數均高于其他故障類別。因此，本文主要針對鍋爐故障的時間序列進行趨勢預測。

4 結束語

本文從新的數據視角，基于電站的設備故障分析報告，研究了基于三次指數平滑的時間序列預測在電站設備故障分析中的應用。研究結論對電力企業的管理決策制定和設備故障的技術創新都有一定的幫助，但研究結果還有待進一步提高，研究手段還有待進一步豐富。下一步，將綜合多種數據挖掘技術應用于電力數據分析中，充分挖掘電力大數據的價值，為社會生產提供更多服務。

參考文獻：

[1] 冀明，孔凡偉.聚類分析在電力客戶分類中的應用[J].硅谷，2012（7）：112-184.

[2] 竇全勝，史忠植，姜平，等.調和聚類-分類方法在電力負荷預測中的應用[J].計算機學報，2012（12）：2645-2651.

[3] 劉莉，王剛，翟登輝.k-means聚類算法在負荷曲線分類中的應用[J].電力系統保護與控制，2011（23）：65-68.

[4] 楊茂，熊昊，嚴干貴，等.基于數據挖掘和模糊聚類的風電功率實時預測研究[J].電力系統保護與控制，2013（1）：1-6.

[5] 劉學琴，吳耀華，崔寶華.基于擴展粗糙集的短期電力負荷預測模型[J].電力系統保護與控制，2010（5）：25-28.

[6] 崔旻，顧潔.電力系統中長期負荷預測的改進決策樹算法[J].上海交通大學學報，2004（8）：1246-1249.

[7] 劉慶彪，張步涵，王凱，等. 電價預測的自適應支持向量機方法研究[J].電力系統保護與控制，2008（22）：34-39.

[8] ?zkan M B， Kü?ük D， Terciyanl? E， et al. A Data Mining-Based Wind Power Forecasting Method： Results for Wind Power Plants in Turkey[M]. Springer Berlin Heidelberg， 2013.

[9] Colak I， Sagiroglu S， Demirtas M， et al. A data mining approach： Analyzing wind speed and insolation period data in Turkey for installations of wind and solar power plants[J].Energy Conversion & Management，2013，65（1）：185-197.

[10] 馬瑞，周謝，彭舟，等.考慮氣溫因素的負荷特性統計指標關聯特征數據挖掘[J].中國電機工程學報，2015（1）：43-51.

[11] 顏宏文，謝啟龍.基于多維關聯規則的電網脆弱性識別研究[J].計算機應用與軟件，2015（11）：36-40.

[12] 谷俊杰，王為力，李家川，等. 關聯規則挖掘在電站運行優化中的運用[J].電站系統工程，2009（1）：8-10.

[13] 胡鵬睿.定量關聯規則挖掘電站凝汽器運行數據研究[J].華東電力，2007（10）：24-26.