Вопросы аварийности в электроэнергетической системе (ЭЭС) неразрывно связаны с понятием надежности электроснабжения потребителей. При высокой аварийности в ЭЭС надежность электроснабжения можно повысить за счет введения дополнительных генерирующих мощностей (резерва), но этот способ приводит к экономически нецелесообразным затратам на возведение и содержание введенных резервов. Отечественная и мировая практика показывают, что создание и эксплуатация больших технических систем, наряду с положительным их воздействием на развитие цивилизации, имеют отрицательное влияние на окружающую среду. Это выражается в риске возникновения крупных аварий, которые могут стать причиной причинения тяжелого вреда здоровью человека, нанесения непоправимого вреда экологии и ущерба промышленно-экономической деятельности. Исходя из вышеуказанного, проблеме снижения аварийности в ЭС уделяется пристальное внимание.
Для оценки уровня аварийности систем электроснабжения (СЭС) ис пользуются методы статистики, прогнозирования, корреляционного, топологического анализа, характеристики которых приведены в табл. 1. Их основа — данные аварийной статистики, испытаний и диагностики в определенном интервале времени.
Современные информационные технологии и компьютеризация производства позволяют прогнозировать отказ электроустановки по данным анализа аварийности конкретных видов электрооборудования (ЭО) и предотвратить нежелательные последствия, вызванные его повреждением либо отказом. Одним из способов, в которых используются новейшие технологии, стал метод интеллектуального анализа Data Mining [1]. Это — технология выявления скрытых взаимосвязей внутри больших баз данных.
В общем случае она позволяет решать задачи:
♦ выявления взаимозависимостей, причинно-следственных связей, ассоциаций и аналогий, определение факторов времени и локализации событий или явлений по месту;
♦ классификации событий и ситуаций по конкретным характеристикам;
♦ прогнозирования хода технологических и организационных процессов и событий.