CN108510201B - 建立配网自动化遥控指标的数据挖掘框架算法 - Google Patents

建立配网自动化遥控指标的数据挖掘框架算法 Download PDF

Info

Publication number
CN108510201B
CN108510201B CN201810307563.3A CN201810307563A CN108510201B CN 108510201 B CN108510201 B CN 108510201B CN 201810307563 A CN201810307563 A CN 201810307563A CN 108510201 B CN108510201 B CN 108510201B
Authority
CN
China
Prior art keywords
remote control
distribution network
rules
historical
strong
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810307563.3A
Other languages
English (en)
Other versions
CN108510201A (zh
Inventor
丁泠允
凌万水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Wiscom Sunest Electric Power Technology Co ltd
Original Assignee
Shanghai Wiscom Sunest Electric Power Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Wiscom Sunest Electric Power Technology Co ltd filed Critical Shanghai Wiscom Sunest Electric Power Technology Co ltd
Priority to CN201810307563.3A priority Critical patent/CN108510201B/zh
Publication of CN108510201A publication Critical patent/CN108510201A/zh
Application granted granted Critical
Publication of CN108510201B publication Critical patent/CN108510201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种建立配网自动化遥控指标的数据挖掘框架算法，依序执行如下步骤：S1：读取配电网历史断面数据库；S2：使用Apriori算法建立配电网历史断面数据库数据间逻辑一致的强关联、强相关规则；S3：输入配网运行指标核心关键字，用与之相对应的强相关、强关联规则校核配电网历史断面数据库，智能判定符合规则的配电网历史记录并进行统计；S4：根据符合规则的配电网历史记录、遥控成功率公式以及遥控使用率公式计算出有统计意义的配电网系统运行自动化遥控指标。该种方法能够从配网自动化运行系统海量历史数据中提炼出可靠的数据信息，挖掘不同数据类别数据间深层次的相互关系，并确定不同数据类别间强关联、相关规则。

Description

建立配网自动化遥控指标的数据挖掘框架算法
技术领域
本发明属于配网自动化运行系统的评估领域，尤其涉及一种建立配网自动化遥控指标的数据挖掘框架算法。
背景技术
受到通信或其它设备及配电二次回路故障、缺陷及运行单位人为修改数据等情况的影响，配网自动化运行系统历史数据的正确性、一致性一直无法得到保障。现有的配网自动化指标以及评价方法仅基于原始历史数据进行简单、粗放的计算，并不能给电网监管部门提供一套科学、客观、有效的指标评估体系。因此如何智能地从配网自动化运行系统低质量的海量数据中提炼出可靠的数据信息、挖掘数据间深层次的相互关系，建立科学的评估指标体系无疑成为配电网自动化系统亟待解决的棘手问题。
发明内容
本发明要解决的技术问题是提供一种建立配网自动化遥控指标的数据挖掘框架算法，该种方法能够从配网自动化运行系统海量历史数据中提炼出可靠的数据信息，挖掘不同数据类别数据间深层次的相互关系，并确定不同数据类别间强关联、相关规则，构建了一套行之有效的针对配网自动化运行逻辑的数据挖掘体系；并在此基础上重新计算配网自动化遥控指标；为构建客观、合理的配网自动化运行指标体系提供了科学的范本。
为解决上述问题，本发明的技术方案为：
一种建立配网自动化遥控指标的数据挖掘框架算法，其特征在于，依序执行如下步骤：
S1：读取配电网历史断面数据库；
S2：使用Apriori算法建立所述配电网历史断面数据库数据间逻辑一致的强关联、强相关规则；
S3：输入配网运行指标核心关键字，用与之相对应的强相关、强关联规则校核所述配电网历史断面数据库，智能判定符合规则的配电网历史记录并进行统计；其中，所述配网自动化遥控指标包括遥控成功率以及遥控使用率；
S4：根据所述符合规则的配电网历史记录、遥控成功率公式以及遥控使用率公式计算出有统计意义的配电网系统运行自动化遥控指标；
并且其中，
所述遥控成功率公式为：
Figure BDA0001621427020000021
所述遥控使用率公式为：
Figure BDA0001621427020000022
其中，实际遥控次数为遥控成功次数加上遥控失败次数；可操作遥控次数为实际遥控次数加上三遥开关非遥控产生变位的次数，并减去三遥开关调试和检修产生的变位次数。
根据本发明一实施例，所述步骤S2包括：
S21：设定最小支持度阈值supmin，根据所述最小支持度阈值supmin使用所述Apriori算法挖掘出所述配电网历史断面数据库中的频繁项集；
S22：设定最小置信度阈值confmin，根据最小置信度阈值confmin从所述频繁项集中挖掘出所述配电网历史断面数据库数据的强关联规则；
S23：设定最小提升度阈值liftmin；使用提升度判断所述配电网历史断面数据库数据的强关联规则是否具有强相关性；并且，剔除没有强相关性的强关联规则；保留具有强相关性的强关联规则，梳理出强相关以及强关联规则。
根据本发明一实施例，所述步骤S2还包括：
S24：判断所述步骤S23中梳理出的强相关以及强关联规则是否合理，即判断是否符合配网自动化运行的逻辑；
若所述步骤S23中梳理出的强相关以及强关联规则不合理，则依序返回步骤S21、S22、S23，并依次调整所述设定最小支持度阈值supmin、最小置信度阈值confmin、最小提升度阈值liftmin以排除不合理的强关联规则。
根据本发明一实施例，所述配网运行指标核心关键字包括“遥控成功”以及“遥控失败”。
根据本发明一实施例，所述配电网历史断面数据库包括的自动化系统运行情况有遥控分合断路器成功并且自动控制回路无故障，遥控断路器成功却因通讯系统故障产生“三遥”不一致，遥控断路器失败，遥控断路器失败且历史失败记录被人为故意删除以及断路器误动和偷跳。
本发明由于采用以上技术方案，使其与现有技术相比具有以下的优点和积极效果：
本发明提供的一种建立配网自动化遥控指标的数据挖掘框架算法能够从配网自动化运行系统海量历史数据中提炼出可靠的数据信息，挖掘不同数据类别数据间深层次的相互关系，并确定不同数据类别间强关联、相关规则，构建了一套行之有效的针对配网自动化运行逻辑的数据挖掘体系；并在此基础上重新计算配网自动化遥控指标；为构建客观、合理的配网自动化运行指标体系提供了科学的范本。
附图说明
图1为本发明的建立配网自动化遥控指标的数据挖掘框架算法的流程图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种建立配网自动化遥控指标的数据挖掘框架算法作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。
参看图1，一种建立配网自动化遥控指标的数据挖掘框架算法，依序执行如下步骤：
S1：读取配电网历史断面数据库；
具体地，以天津电网所辖下属配电网3年运行数据共计56031条记录为例进行算例分析。配电网历史断面数据库包含以下几种运行情况：⑴遥控分合断路器成功并且自动控制回路无故障；⑵遥控断路器成功但是通讯系统故障，产生“三遥”不一致；⑶遥控断路器失败；⑷遥控断路器失败且历史失败记录被人为故意删除；⑸断路器误动、偷跳。
表1仅随机抽取其中20条记录做为样例。
表1天津电网所辖下属配电网调度控制系统故障记录表示例
Figure BDA0001621427020000041
S2：使用Apriori算法建立配电网历史断面数据库数据间逻辑一致的强关联、强相关规则；
具体地，S2包括：
S21：设定最小支持度阈值supmin，根据最小支持度阈值supmin使用Apriori算法挖掘出配电网历史断面数据库中的频繁项集；限于篇幅，表2仅列出其中部分频繁项集做为示例。
表2频繁项集示例
Figure BDA0001621427020000051
S22：设定最小置信度阈值confmin，根据最小置信度阈值confmin从频繁项集中挖掘出配电网历史断面数据库数据的强关联规则；
对于每个频繁项集I的每个非空子集s,若有
Figure BDA0001621427020000052
则可得出强关联规则
Figure BDA0001621427020000053
S23：设定最小提升度阈值liftmin；使用提升度判断配电网历史断面数据库数据的强关联规则是否具有强相关性；并且，剔除没有强相关性的强关联规则；保留具有强相关性的强关联规则，梳理出强相关、强关联规则。
其中，
提升度(lift)是关联规则
Figure BDA0001621427020000054
的一种可靠的相关性度量，它被用来评估一个项集的出现“提升”另一个项集出现的程度，其具体定义为：
Figure BDA0001621427020000061
其性质为：
①lift(A,B)＝1A,B独立
②lift(A,B)>1A,B正相关
③lift(A,B)<1A,B负相关。
S24：判断步骤S23中梳理出的强相关以及强关联规则是否合理，即判断是否符合配网自动化运行的逻辑；
若步骤S23中梳理出的强相关以及强关联规则不合理，则依序返回步骤S21、S22、S23，并依次调整设定最小支持度阈值supmin、最小置信度阈值confmin、最小提升度阈值liftmin以排除不合理的强关联规则，从而建立符合配电网自动化动作逻辑的、具备整体一致性的配网自动化运行关联规则；据此从海量数据库中挖掘实际“遥控成功”的次数与“遥控失败”的次数以计算实际的“遥控成功率”。
以配网运行指标之一的“遥控成功率”为例，表3列出了由频繁项集挖掘出的关于断路器“遥控成功”的8条强关联规则。其中
Figure BDA0001621427020000062
Figure BDA0001621427020000063
即仅根据“操作记录为遥控”推出“遥控成功”。然而rule1并不符合配网自动化运行的逻辑，所以通过提高设定的提升度阈值将rule1排除。
表3遥控成功强关联规则
Figure BDA0001621427020000064
Figure BDA0001621427020000071
S3：输入配网运行指标核心关键字，用与之相对应的强相关、强关联规则校核配电网历史断面数据库，智能判定符合规则的配电网历史记录并进行统计；其中，配网运行指标包括遥控成功率以及遥控使用率；配网运行指标核心关键字包括“遥控成功”以及“遥控失败”。
S4：根据符合规则的配电网历史记录、遥控成功率公式以及遥控使用率公式计算出有统计意义的配电网系统运行自动化遥控指标；
并且其中，
遥控成功率公式为：
Figure BDA0001621427020000072
遥控使用率公式为：
Figure BDA0001621427020000073
其中，实际遥控次数为遥控成功次数加上遥控失败次数；可操作遥控次数为实际遥控次数加上三遥开关非遥控产生变位的次数，并减去三遥开关调试和检修产生的变位次数。
在本算例中步骤S3和步骤S4具体为：确定了合理的强关联、强相关规则rule2-rule7后，归纳这些规则间的数学关系，可推导出本算例断路器“遥控成功”的强关联、强相关规则最终判据为
Figure BDA0001621427020000074
Figure BDA0001621427020000075
即当运行记录同时满足“操作记录为遥控”且“遥测波形为动作波形”两个条件时可以判定为“遥控成功”记录。
扫描56031条历史数据库，以判据Rule来检验，判断并统计出共计20171条记录为“遥控成功”的记录。
同理可以获得遥控失败的总强关联、强相关规则，并据此扫描56031条历史数据库，判断并统计出共计2247条“遥控失败”记录。那么执行遥控命令的记录共计22418条记录。
根据公式(3)计算出真实的“遥控成功率”为：89.98％；根据公式(4)计算出真实的“遥控使用率”为：87.77％。
而根据未经数据挖掘框架处理的原始数据库由公式(3)、(4)得“遥控成功率”和“遥控使用率”分别为94.72％和92.03％。
挖掘前后数据对比如表4所示：
表4挖掘前后遥控执行成功情况对比
Figure BDA0001621427020000081
通过以天津电网某下辖配电网络3年运行数据共计56031条记录为例进行算例分析可以发现本发明：“一种建立配网自动化遥控指标的数据挖掘框架算法”具有以下优点：
(1)本算例中经挖掘后“遥控失败”数量翻了一倍，说明在本案中存在“遥控失败”记录经人为删除或由于其它原因丢失的情况。此类问题数据非常隐蔽，原有的配网自动化运行系统难以辨识。本文设计的挖掘算法则解决了这一难点。
(2)考察关联规则以及配网历史数据记录，显然经本挖掘算法判断得出的关联规则能够智能辨识出“三遥不一致”的情况，做出正确的判断，不受噪声数据的影响。
(3)对比表4中挖掘前后的统计数据，可以注意到本算例在挖掘后“遥控失败”次数有所增加，“遥控执行”的次数也相应增加，说明本发明提供的建立配网自动化遥控指标的数据挖掘框架算法不仅可以挖掘出原始历史数据库中隐蔽的“遥控执行失败”故障信息，还增加了挖掘更多隐蔽的“遥控执行”动作信息的功能。
(4)仅就“遥控执行”是否成功一项而言，本算例配电网56031条历史记录中已然存在相当数量的隐蔽问题，若由人力排查历史记录库，逐一分析判断，不仅非常费时耗力，也无实际可操作性。那么对于地区级别庞大的配电系统数据库而言，其配网历史记录必然存在更多模糊且隐蔽的信息。故而本发明提出的建立配网自动化遥控指标的数据挖掘框架算法之于智能挖掘海量数据中大量隐蔽信息必将发挥很大的作用。
(5)就本算例56031条记录而言，挖掘前后统计数据的差距非常显著，“遥控成功率”指标亦差异明显。由此推知，若对地区级别庞大且运行历史更久的配网自动化运行系统的海量数据由本专利设计的算法进行挖掘，与“遥控成功率”指标相应的统计数据挖掘前后的差距以及该指标挖掘前后的差距将不可低估。由此可知原有的配网自动化运行系统的“遥控成功率”指标的建立过于粗糙、原始、简单，既不能反映实际情况，又十分欠缺统计上的科学意义，而本发明的一种建立配网自动化遥控指标的数据挖掘框架算法既能不受三遥不一致等噪声数据的干扰、智能地判断遥控成功率所需统计的相应遥控记录，又可以智能挖掘出历史数据库中隐蔽的信息，能够科学地、精细地统计出配网自动化遥控指标，凸显配网自动化指标的实际统计意义。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式。即使对本发明作出各种变化，倘若这些变化属于本发明权利要求及其等同技术的范围之内，则仍落入在本发明的保护范围之中。

Claims (5)

1.一种建立配网自动化遥控指标的数据挖掘框架算法，其特征在于，依序执行如下步骤：
S1：读取配电网历史断面数据库；
S2：使用Apriori算法建立所述配电网历史断面数据库数据间逻辑一致的强关联、强相关规则；
S3：输入配网运行指标核心关键字，用与之相对应的强相关、强关联规则校核所述配电网历史断面数据库，智能判定符合规则的配电网历史记录并进行统计；其中，所述配网自动化遥控指标包括遥控成功率以及遥控使用率；
S4：根据所述符合规则的配电网历史记录、遥控成功率公式以及遥控使用率公式计算出有统计意义的配电网系统运行自动化遥控指标；
并且其中，
所述遥控成功率公式为：
Figure FDA0001621427010000011
所述遥控使用率公式为：
Figure FDA0001621427010000012
其中，实际遥控次数为遥控成功次数加上遥控失败次数；可操作遥控次数为实际遥控次数加上三遥开关非遥控产生变位的次数，并减去三遥开关调试和检修产生的变位次数。
2.如权利要求1所述建立配网自动化遥控指标的数据挖掘框架算法，其特征在于，所述步骤S2包括：
S21：设定最小支持度阈值supmin，根据所述最小支持度阈值supmin使用所述Apriori算法挖掘出所述配电网历史断面数据库中的频繁项集；
S22：设定最小置信度阈值confmin，根据最小置信度阈值confmin从所述频繁项集中挖掘出所述配电网历史断面数据库数据的强关联规则；
S23：设定最小提升度阈值liftmin；使用提升度判断所述配电网历史断面数据库数据的强关联规则是否具有强相关性；并且，剔除没有强相关性的强关联规则；保留具有强相关性的强关联规则，梳理出强相关以及强关联规则。
3.如权利要求2所述建立配网自动化遥控指标的数据挖掘框架算法，其特征在于，所述步骤S2还包括：
S24：判断所述步骤S23中梳理出的强相关以及强关联规则是否合理，即判断是否符合配网自动化运行的逻辑；
若所述步骤S23中梳理出的强相关以及强关联规则不合理，则依序返回步骤S21、S22、S23，并依次调整所述设定最小支持度阈值supmin、最小置信度阈值confmin、最小提升度阈值liftmin以排除不合理的强关联规则。
4.如权利要求1所述建立配网自动化遥控指标的数据挖掘框架算法，其特征在于，所述配网运行指标核心关键字包括“遥控成功”以及“遥控失败”。
5.如权利要求1所述建立配网自动化遥控指标的数据挖掘框架算法，其特征在于，所述配电网历史断面数据库包括的自动化系统运行情况有遥控分合断路器成功并且自动控制回路无故障，遥控断路器成功却因通讯系统故障产生“三遥”不一致，遥控断路器失败，遥控断路器失败且历史失败记录被人为故意删除以及断路器误动和偷跳。
CN201810307563.3A 2018-04-08 2018-04-08 建立配网自动化遥控指标的数据挖掘框架算法 Active CN108510201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810307563.3A CN108510201B (zh) 2018-04-08 2018-04-08 建立配网自动化遥控指标的数据挖掘框架算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810307563.3A CN108510201B (zh) 2018-04-08 2018-04-08 建立配网自动化遥控指标的数据挖掘框架算法

Publications (2)

Publication Number Publication Date
CN108510201A CN108510201A (zh) 2018-09-07
CN108510201B true CN108510201B (zh) 2021-06-08

Family

ID=63381147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810307563.3A Active CN108510201B (zh) 2018-04-08 2018-04-08 建立配网自动化遥控指标的数据挖掘框架算法

Country Status (1)

Country Link
CN (1) CN108510201B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783485A (zh) * 2018-12-30 2019-05-21 国网天津市电力公司电力科学研究院 基于数据挖掘和支持向量机的配网历史量测数据校正方法
CN109857775A (zh) * 2018-12-30 2019-06-07 国网天津市电力公司电力科学研究院 一种配电网调度控制系统的海量历史数据挖掘方法
CN110874413B (zh) * 2019-11-14 2023-04-07 哈尔滨工业大学 一种基于关联规则挖掘的防空多武器系统效能评估指标体系建立方法
CN111461527A (zh) * 2020-03-30 2020-07-28 广东电网有限责任公司 一种基于配网远方遥控操作的设备质量评估方法
CN111478439A (zh) * 2020-04-16 2020-07-31 广东电网有限责任公司 一种区域配网自动化开关遥控成功率分析方法
CN112821567B (zh) * 2021-03-18 2023-01-13 广东电网有限责任公司佛山供电局 一种配网开关遥控失败的处理方法及装置
CN113629878B (zh) * 2021-09-13 2023-08-04 广东电网有限责任公司 一种配电网三遥开关遥控控制校验方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT101716A (pt) * 1995-05-31 1997-01-31 Raimundo & Filho Lda Sistema de controlo e seguranca de acessos, ou de recolha e controlo de dados
CN107704610A (zh) * 2017-10-18 2018-02-16 国网上海市电力公司 一种配电网运行数据事件关联分析系统及分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT101716A (pt) * 1995-05-31 1997-01-31 Raimundo & Filho Lda Sistema de controlo e seguranca de acessos, ou de recolha e controlo de dados
CN107704610A (zh) * 2017-10-18 2018-02-16 国网上海市电力公司 一种配电网运行数据事件关联分析系统及分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Grid implementation of the Apriori algorithm;Cristian Aflori etal.;《Advances in Engineering Software》;20060808;第295-300页 *
基于多源异构数据挖掘的配电网故障信息统计分析;宋杰 等;《电力系统保护与控制》;20160201;第141-147页 *

Also Published As

Publication number Publication date
CN108510201A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN108510201B (zh) 建立配网自动化遥控指标的数据挖掘框架算法
CN107358366B (zh) 一种配电变压器故障风险监测方法及系统
CN109343995A (zh) 基于多源异构数据融合、机器学习及客服机器人的智能运维分析系统
CN111368890A (zh) 故障检测方法及装置、信息物理融合系统
CN111768077A (zh) 一种基于知识图谱的电网跳闸事件智能识别方法
CN111552843B (zh) 一种基于加权因果依赖图的故障预测方法
CN112598172A (zh) 一种风电机组轴承温度预警方法
CN111782460A (zh) 大规模日志数据的异常检测方法、装置和存储介质
CN116388402B (zh) 一种应用于变电设备的异常报警分析方法
CN115358155A (zh) 一种电力大数据异常预警方法、装置、设备及可读存储介质
CN113505458A (zh) 连锁故障关键触发支路预测方法、系统、设备及存储介质
CN112348699A (zh) 一种供电系统电力设备生命周期管理方法及系统
CN112801533B (zh) 一种考虑决策依赖不确定的电力系统运行可靠性评估方法
CN117034149A (zh) 故障处理策略确定方法、装置、电子设备和存储介质
CN116911594A (zh) 一种燃气管道泄漏抢修风险评价方法及装置
CN110502257B (zh) 一种变电站监控信息管控及核对方法
CN110582091B (zh) 定位无线质量问题的方法和装置
CN116070176A (zh) 设备状态分析方法、装置、电子设备及可读存储介质
CN117471308A (zh) 基于大数据多特征技术挖掘的风机故障诊断方法
CN112100919B (zh) 一种基于re-cf-ekf算法的滚动轴承剩余寿命预测方法
CN114461796A (zh) 电网故障处置方案生成方法、装置、控制器和存储介质
CN113985207A (zh) 一种电网运行设备故障监测方法、系统、装置及存储介质
CN114399177A (zh) 一种基于Apriori的调度处置规则挖掘与生成方法及系统
CN114548769A (zh) 一种智能电网it资产大数据监测系统及方法
CN114266364A (zh) 电网故障的处理方法及其装置、计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant