基于自动聚类模型的输电线路外力破坏预警预测

doi:10.11959/j.issn.1000-0801.2019053

电信科学 ›› 2019, Vol. 35 ›› Issue (3): 135-139.doi: 10.11959/j.issn.1000-0801.2019053

基于自动聚类模型的输电线路外力破坏预警预测

马大燕

国网电子商务有限公司，北京 100053

修回日期:2019-02-28 出版日期:2019-03-01 发布日期:2019-03-23
作者简介:马大燕（1984- ），女，博士，国网电子商务有限公司工程师，主要从事分布式电源与微电网、能源互联网技术方面的研究工作。
基金资助:
国家电网公司科技项目（国网分布式光伏云网深化研究与应用）

Early warning prediction of external force destruction in transmission lines based on automatic clustering model

Dayan MA

State Grid Electronic Commerce Co.,Ltd.,Beijing 100053,China

Revised:2019-02-28 Online:2019-03-01 Published:2019-03-23
Supported by:
Science and Technology Project of State Grid Corporation of China (Deepening Research and Application of PVCloud)

摘要/Abstract

摘要：

外力破坏事件已成为严重威胁架空输电线路安全稳定运行的主要因素，给防御、预警工作带来一定的困难。针对传统的聚类方法聚类中心难以准确确定、易受异常点影响的问题，提出了一种基于自动聚类模型的输电线路外破数据分析方法，对外力破坏数据从时间和空间纬度进行分析。该算法首先通过Canopy算法初始聚类中心，采用削弱不符合正态分布的异常数据权值的思想，利用优化的 K-means 算法进行聚类处理，最终通过实验分析证明了该算法的有效性及高效性。本文算法能够应用于电力信息系统的GIS模块，实现分析结果的时空可视化，为找到输电线路外力破坏发生原因、进行预警预测提供有力的决策支持。

关键词: 外力破坏, 自动聚类, Canopy, K-means, 数据分析

Abstract:

The external force destruction has become a major threat to the safe and stable operation of overhead transmission lines,bringing difficulties to the defense and early warning work.In order to solve the problem that the traditional clustering center is difficult to accurately determined and susceptible to abnormal points,an automatic clustering method for data analysis work of transmission lines was presented,and external damage data was analyzed from time and space latitude.Firstly,the cluster center was initialized in this method by using Canopy algorithm.Then,the optimized K-means algorithm was used to perform clustering.Finally,the effectiveness of this method was proved by experimental analysis.This method will be applied to the GIS module in the power information system,which can realize the spatio-temporal visualization of the analysis results and provide powerful decision support for finding cause of the external force damage of the transmission line.

Key words: external force destruction, automatic clustering, Canopy, K-means, data analysis

中图分类号:

TM715

马大燕. 基于自动聚类模型的输电线路外力破坏预警预测[J]. 电信科学, 2019, 35(3): 135-139.

Dayan MA. Early warning prediction of external force destruction in transmission lines based on automatic clustering model[J]. Telecommunications Science, 2019, 35(3): 135-139.

图/表 1

参考文献 13

[1]	林飞飞 . 特高压输电线路继电保护算法的研究[D]. 秦皇岛:燕山大学, 2017.
	LIN F F . Research on relay protection algorithm for UHV transmission lines[D]. Qinhuangdao:Yanshan University, 2017.
[2]	李天, 石鑫, 李永倩 . 基于输电线路监测的无线传感器网络路由优化技术研究[J]. 电测与仪表, 2015,21(10): 6-10.
	LI T , SHI X , LI Y Q . Research on routing optimization technique of wireless sensor networks based on power lines monitoring[J]. Electrical Measurement and Instrumentation, 2015,21(10): 6-10.
[3]	胡毅, 刘凯, 吴田 ,等. 输电线路运行安全影响因素分析及防治措施[J]. 高电压技术, 2014,40(11): 3491-3499.
	HU Y , LIU K , WU T ,et al. Analysis of influential factors on operation safety of transmission line and countermeasures[J]. High Voltage Engineering, 2014,40(11): 3491-3499.
[4]	巢亚锋, 徐志强, 段建家 ,等. 架空输电线路防外力破坏智能管控系统设计[J]. 湖南电力, 2017,37(5): 18-28.
	CHAO Y F , XU Z Q , DUAN J J ,et al. Design of anti-external damage intelligent control system for overhead transmission lines[J]. Hunan Electric Power, 2017,37(5): 18-28.
[5]	冷雪敏, 高阳, 许傲然 . 架空输电线路防外力破坏系统研究[J]. 电子世界, 2017(13): 45-46.
	LENG X M , GAO Y , XU A R . Study on anti external force damage system of overhead transmission lines[J]. Electronics World, 2017(13): 45-46.
[6]	杨振伟, 易伟, 陈键 . 输电线路外力破坏故障的分析与防治[J]. 吉林电力, 2015,43(5): 48-50.
	YANG Z W , YI W , CHEN J . Analysis and countermeasures of damage from outside destroy in transmission line[J]. Jilin Electric Power, 2015,43(5): 48-50.
[7]	谢兵, 许金彤 . 基于 3G 网络的输电线路防外力破坏智能视频监控系统研究[J]. 华东电力, 2010,38(11): 1729-1732.
	XIE B , XU J T . Study of destruction of intel?ligent video surveillance system based on transmission lines against external 3G network[J]. East China Power, 2010,38(11): 1729-1732.
[8]	许金明, 江志蓉 . 嘉兴电网外力破坏事故和预防措施[J]. 电力建设, 2009,30(7): 106-107.
	XU J M , JIANG Z R . Jiaxing Power Grid’s external damage accidents and preventive measures[J]. Electric Power Construction, 2009,30(7): 106-107.
[9]	刘振亚 . 中国特高压交流输电技术创新[J]. 电网技术, 2013,37(3): 566-574.
	LIU Z Y . Innovation of UHVAC transmission technology in China[J]. Power System Technology, 2013,37(3): 566-574.
[10]	王继业 . 智能电网大数据[M]. 北京: 中国电力出版社, 2016.
	WANG J Y . Big data of smart grid[M]. Beijing: China Electric Power PressPress, 2016.
[11]	CHEESEMAN P , STUTZ J . Bayesian classification (AutoClass):theory and results[M]. Cambridge: AAAI/MIT PressPress, 1996: 153-180.
[12]	LI F H , ZHAO Z F , WANG Z Y . Hierarchical clustering based on single-pass for breaking topic detection and tracking[J]. High Technology Letters, 2018(4).
[13]	SUN J Z , LING B L . Density PSO-based software module clustering algorithm[J]. The Journal of China Universities of Posts and Telecommunications, 2018(4).

[1]	孙杰, 孙滔, 孙震强, 刘云新, 杨爱东, 王达, 王鹏, 叶晓舟, 欧阳晔. 5G价值面，BSS/OSS融合的下一站[J]. 电信科学, 2022, 38(5): 136-148.
[2]	陆勰, 徐雷, 张曼君. 基于聚类的安全分级虚拟网络映射方法[J]. 电信科学, 2021, 37(9): 112-117.
[3]	侯艳芳,王锦华. 基于自更新威胁情报库的大数据安全分析方法[J]. 电信科学, 2018, 34(3): 50-58.
[4]	彭巍,贺晓东,陆小铭,汲传鑫. 运营商DNS海量数据分析技术优化和应用[J]. 电信科学, 2018, 34(3): 138-144.
[5]	聂茹. 抽样子空间约束改进大数据谱聚类算法[J]. 电信科学, 2018, 34(11): 41-47.
[6]	李青,严学纯,陈思中. 基于移动信令数据分析的位置服务与基站定位技术的混合应用[J]. 电信科学, 2017, 33(8): 155-162.
[7]	于洪涌,邱晨旭,闻剑峰. IPTV视频个性化推荐方案[J]. 电信科学, 2017, 33(12): 127-135.
[8]	夏景明,唐玲玲,谈玲,郑晗. 基于K-means和MTLS-SVM算法的生理参数监测系统[J]. 电信科学, 2017, 33(10): 43-49.
[9]	苏世旭,肖彦均,郭永安. 基于物联网的多指标实时环境监控系统[J]. 电信科学, 2016, 32(3): 135-138.
[10]	汪保友,吴琛,钱晶,陶晓英. 面向DT服务的数据分析系统架构[J]. 电信科学, 2016, 32(1): 131-137.
[11]	廖建新. 大数据技术的应用现状与展望[J]. 电信科学, 2015, 31(7): 1-12.
[12]	韩鹏. 基于新媒体技术的运营管理模式[J]. 电信科学, 2015, 31(7): 29-33.
[13]	陈森,陈超,张小勇,王磊,孙鹏. 基于大数据分析的移动互联网用户感知评估系统[J]. 电信科学, 2015, 31(4): 147-154.
[14]	徐向辉,张园,杨锋. IP网络智能感知能力的构建与分析[J]. 电信科学, 2015, 31(12): 164-167.
[15]	漆晨曦. 电信企业大数据分析、应用及管理发展策略[J]. 电信科学, 2013, 29(3): 12-16.

基于自动聚类模型的输电线路外力破坏预警预测

Early warning prediction of external force destruction in transmission lines based on automatic clustering model

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 1

参考文献 13

相关文章 15

Metrics

推荐阅读 0