具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实 施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的 实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施 例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施 例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

请参阅图1-6，基于关联规则贝叶斯网络的高压输电线路状态评估方法， 包括以下步骤：

S1、构建线路基础状态评估参数体系；

S2、建立输电线路关键状态参量评估模型，构建线路评估关键参数体系；

S3、建立基于贝叶斯网络的线路状态评估图模型和数学模型；

S4、输电线路贝叶斯网络算法模型学习；

S5、对输电线路状态进行评估。

所述S1中，通过大数据筛选出切实反映线路本身运行状态的84 个基础状态参量，分别反应出“基础”“杆塔”“金具”“绝缘子”“导 地线”“接地装置”“附属设施”“通道环境”8个部件状态，用X_i表 示基础状态量，详见附图5。

提取流程如图2所示，所述S2中，首先：

建立输电线路部件恶化的事务数据库：I＝{输电线路中出现故障}；

部件状态参量发生恶化的项集:X_i,j＝{第i个部件中第j个状态参量发生恶化}；

部件发生恶化的项集:Y_i＝{第i个部件发生故障}；

其次，计算基础状态量X_i,j→Y_i的支持度，支持度公式如下式所示：

最后，计算基础状态量X_i,j→Y_i的置信度，置信度公式如下式(2)所示：

其中：式(1)和(2)中的Y_i代表部件，X_i,j代表状态参量，f(X_i,j∪Y_i)为 部件Y_i与状态参量X_i,j同时发生劣化的次数，f(X_i,j)为在总的事务数据库I中发 生劣化的次数，i＝(1,L,8)，j为X_i,j所对应部件的基础状态参数变量总数。其中 当状态量的支持度sup(X_i,j→Y_i)>0.7时，则被定义为频繁项集，反之为非频繁项 集，如果确定某状态量已经是频繁项集，则继续计算其置信度，如果 con(X_i,j→Y_i)<0.5，则说明此状态量不能作为评价故障部件的关键参量，反之， 则输出频繁项集；若某状态量的支持度sup(X_i,j→Y_i)<0.7，则不进行置信度计算， 直接输出结果为0。

根据关联规则频繁项集的判断条件，将关联规则值大于0.7，置信度值大 于0.5的频繁项集挑选出来，作为关键参数体系。因此可以从84个基础状态 中挑选出37个状态量作为评估输电线路的关键指标，构成关键指标体系，其 中8个部件一一对应的关键状态量均呈现在附表2中。

所述S3中，首先建立输电线路评估图模型，设一级节点为 Z＝{输电线路变量}；二级节点为部件变量集Y共8个，Y＝{Y₁,Y₂,Y₃,Y₄,Y₅,Y₆,Y₇,Y₈}分 别为：Y₁＝{基础}，Y₂＝{杆塔}，Y₃＝{金具}，Y₄＝{绝缘子}，Y₅＝{导地线}，Y₅＝{接地装置}，Y₇＝{附属设施}，Y₈＝{通道环境}；三级节点为状态参数变量X_ij，共37个变量，分 别为8个部件相对应的负节点；

然后根据图模型建立数学评估模型，数学评估模型如下：

(1)建立输电线路状态参量评估模型：用x_k＝{1,2,3,4}表示状态参量的四 种运行状态“正常”，“注意”，“严重”，“异常”；

(2)建立输电线路部件变量状态评估模型：用y_k＝{1,2,3,4}表示部件的四 种运行状态“正常”，“注意”，“严重”，“异常”，计算模型如下：

其中：i＝(1,2,L,8)，j为X_ij所对应部件的状态参数变量总数，j＝(1,2,L,j)

(3)建立输电线路状态评估模型：根据线路8个部件的运行状态 (y_k＝{1,2,3,4})进行推理计算，推导出线路的运行状态，用z_k＝{1,2,3,4}来表示 输电线路的四个运行状态，计算模型如下：

其中：i＝(1,2,L,8)，j为X_ij所对应部件的状态参数变量总数，j＝(1,2,L,j)。

所述S4中，为了防止数据缺失情况，导致评估结果不准确的情况，结合 MLE和EM两种算法，对贝叶斯参数进行学习，使计算出的条件概率更准确，更 贴合实际，即根据训练样本计算先验概率P(Y_i＝y_k)、P(Z＝z_k)和条件概率 P(X_ij＝x_k|Y_i＝y_k)、P(Y_i＝y_k|Z＝z_k)的值，学习模型如下：

(1)先验概率P(Y_i＝y_k)的计算：部件变量的概率P(Y_i＝y_k)

其中：i＝(1,2,L,8)，j为X_ij所对应部件的状态参数变量总数，j＝(1,2,L,j)。

详细计算如下：训练样本统计了某条线路在n个时刻运行数据，设Y_i在统 计时刻出现正常、注意、异常、严重的数量分别为a_t,b_t,c_t,d_t，总样本个数为 s_t＝a_t+b_t+c_t+d_t，t＝(1,L,n)，所以状态参数变量的状态概率计算模型为：

正常状态的概率：

注意状态的概率：

严重状态的概率：

异常状态的概率：

根据以上计算方法可以计算出部件变量P(Y_i＝y_k)的先验概率：

(2)先验概率P(Z＝z_k)的计算：计算线路处于四种运行状态下的概率 P(Z＝z_k)

(3)P(X_ij＝x_k|Y_i＝y_k)的条件概率：

根据贝叶斯的定理可知，状态参量X_ij的条件概率为P(X_ij＝x_k|Y_i＝y_k)，即在 部件Y_i发生的前提下，相对应状态参量X_ij发生的概率；

(4)P(Y_i＝y_k|Z＝z_k)的条件概率：

根据贝叶斯定理可知，部件的条件概率为P(Y_i|Z)，即求解在输电线路Z发 生的前提下，部件Y_i发生的概率；

所述S5中，可以将输电线路状态具体实施方法简要概括为5步：

(1)判断状态参量的状态：根据待评估的输电线路数据和状态参量评估 评估标准，分别判断出X_1,j＝{X₁₁,X₁₂,X₁₃,X₁₄,X₁₅,X₁₆}6个状态的状态属性；

(2)求解先验概率P(Y_i＝y_k)：分别求P(Y₁＝1),P(Y₁＝2),P(Y₁＝3),P(Y₁＝4),的概率；

(3)求解条件概率P(X_ij＝x_k|Y_i＝y_k)；

(4)求解后验概率：根据公式分别求解新样本 Y₁＝y_k(1,2,3,4)的概率，然后根据公式(3)比较四种状态下的概率大小，哪种运 行状态下概率最大，则部件就处于哪种状态；

(5)同理，以同样的方法推理出剩余7个部件的的运行状态，依据线路 评估数学模型式(4)对线路进行状态评估，计算出线路的状态。

综上所述；本发明首先通过关联规则算法提取输电线路关键状态评估参 数；然后结合贝叶斯网络算法对线路进行评估。贝叶斯网络算法的优点在于它 以图形的模式，直观的表达各随机变量之间的因果关系，该方法将概率论与图 形理论密切结合，适合描述事件之间的复杂关系与复杂系统中情况之间的不确 定关系。它是一种可以用来分析和解决不确定性问题的可视化方法和工具，因 此选用贝叶斯网络算法对输电线路的运行状态进行评估。

本发明解决了现有线路评估技术的不足，提供了一种基于关联规则方法和 贝叶斯网络的输电线路运行状态评估方法，研究解决了输电线路状态评估参数 的数量多而复杂、评估准确性不高以及评估效率低的问题，提高了输电线路评 估的准确性和评估效率，有助于快速的了解到线路的运行状态，能更快的识别 缺陷部位，便于运检人员检修维护，有效缩短检修时间，提高了电网运行的稳 定性。

主要针对输电线路的运行状况进行评估分析，通过对输电线路的“基 础”“杆塔”“金具”“绝缘子”“导地线”“接地装置”“附属设 施”“通道环境”8个重要部件的检测、监测以及其他数据进行评估。首先结 合线路的评估导则和实际运行经验，利用关联规则方法的支持度和置信度对基 础参量进行量化，从庞大数据中挖掘出能反映输电线路运行状态的状态的指标 参量，构成关键参量体系；然后根据输电线路状态评估关键参数体系表，构建 了基于贝叶斯网络的线路状态评估图模型和数学模型，并利用经验数据对模型 进行参数学习，根据贝叶斯分类算法推理出线路的运行状态。

本方法能根据评估结果提前掌握输电线路的运行状况，提前制定高效、经 济的检修计划及维护措施，避免故障状况发生。这样不仅能准确的了解输电线 路的运行状况，还能通过有效的手段延长输电线路的寿命，减少经济损失，保 证输电线路及整个电网的安全稳定运行。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技 术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所 作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。