CN110245168B - 一种提取电网历史告警中异常事件特征信号的方法及系统 - Google Patents
一种提取电网历史告警中异常事件特征信号的方法及系统 Download PDFInfo
- Publication number
- CN110245168B CN110245168B CN201910535073.3A CN201910535073A CN110245168B CN 110245168 B CN110245168 B CN 110245168B CN 201910535073 A CN201910535073 A CN 201910535073A CN 110245168 B CN110245168 B CN 110245168B
- Authority
- CN
- China
- Prior art keywords
- signals
- window
- signal
- event
- unit
- 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
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012216 screening Methods 0.000 claims abstract description 32
- 238000005065 mining Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 6
- 230000003252 repetitive effect Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 1
- 230000006698 induction Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 9
- 230000033228 biological regulation Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种提取电网历史告警中异常事件特征信号的方法及系统，所述方法包括以下步骤：提取历史告警数据；预处理历史告警数据；基于预处理后的历史告警数据划分事件窗口；事件窗口分类；挖掘核心信号；筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。本发明通过提取电网运行的历史告警数据，分析不同线路分闸、线路闪断、线路重合闸失败三个应用场景下的信号关联关系；基于关联规则挖掘算法从候选事件窗中提取核心信号集，并通过关联度、提升度计算寻找与核心信号密切相关的其他信号，构成电网异常事件发生时的特征信号集。为电网运行自动化监控，告警信号事件化归纳提供了技术支持。
Description
技术领域
本发明属于电网调度自动化技术领域，涉及电网告警信号事件化归纳，尤其涉及一种提取电网历史告警中异常事件特征信号的方法及系统。
背景技术
随着交直流混联电网快速发展和新调控运行业务增加，调控运行业务工作量、业务复杂度均大幅增加。调度中心作为集合大量规则、专家经验的密集型“大脑”，目前其调度控制系统仍以“经验型、人工分析型”的调度模式为主，调控中心的海量多样数据、方案间缺乏逻辑模型，需要运行人员进行大量的经验知识关联，重复性“人脑劳动”较多，自动化和智能化程度相对较低，系统功能整合性不强。
随着大数据、人工智能等先进IT技术的发展和应用，亟需分析相关技术在调度实时监控中的应用场景，开展电网运行状态分析、电网异常事件信号分析等关键技术的研究，辅助调控人员开展复杂业务，替代调控人员开展日常业务，提升电网实时安全运行控制能力，提升调控运行业务处置效率及智能化水平。
发明内容
为解决现有技术中的不足，本发明提供一种提取电网历史告警中异常事件特征信号的方法及系统，从现有积累的历史告警数据中寻求有益信息，扩充电网异常事件知识归纳，为电网运行自动化监控提供技术支持。
为了实现上述目标，本发明采用如下技术方案：
本发明的一方面，一种提取电网历史告警中异常事件特征信号的方法，包括以下步骤：
S1：提取历史告警数据；
S2：预处理历史告警数据；
S3：基于预处理后的历史告警数据划分事件窗口；
S4：事件窗口分类；
S5：挖掘核心信号；
S6：筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
本发明进一步包括以下优选方案：
步骤S2所述预处理历史告警数据包括合并高频重复信号，抽象信号类别和关联同间隔信号。
步骤S3所述基于预处理后的历史告警数据划分事件窗口，具体为：从时间和拓扑两个维度划分事件窗口，以线路开关分闸为原点将其前后发生的信号归纳为一个事件窗口中。
步骤S3所述基于预处理后的历史告警数据划分事件窗口，包括以下步骤：
S301：以交流线段开关分闸为时间维度的原点，将原点前t1时间至原点后t2时间范围的与交流线段开关间隔相同的信号划分为基础窗口；
S302：扩大窗口范围，直至窗口边界外的信号发生时刻与窗口边界内的信号发生时刻之差都大于t3时间；
S303：将窗口覆盖的时间范围内，存在的同厂站其他间隔且该间隔中不包含交流线段开关信号的信号以复制方式归并入当前窗口。
步骤S4所述事件窗口分类基于事件窗口中交流线段开关信号的动作次数和类型进行，具体为:
1)窗口中交流线段开关信号只发生一次分闸动作的事件窗口为线路分闸事件窗口；
2)窗口中交流线段开关信号只发生两次且顺序为分闸、合闸的事件窗口为线路闪断事件窗口；
3)窗口中交流线段开关信号只发生三次且顺序为分闸、合闸、分闸的事件窗口为线路重合闸失败窗口；
4)不满足以上条件的窗口为其他窗口。
步骤S5所述挖掘核心信号具体为：分别以线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口作为数据源，使用预设的关联规则挖掘线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口三类事件中的所有最大频繁项集，作为该类事件的核心信号。
步骤S6所述筛选核心信号的关联信号，包括以下步骤：
S601：由条件概率计算核心信号与其他信号之间关联度及提升度；
S602：筛选与核心信号关联度大于关联度阈值且提升度大于提升度阈值的信号，作为核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
所述历史告警数据包括断路器分合闸告警信号，事故分闸告警信号，保护信号告警信号和量测越限告警信号。
本发明的另一方面，一种提取电网历史告警中异常事件特征信号的系统，包括提取单元、预处理单元、划分单元、分类单元、挖掘单元和筛选单元；
所述提取单元，用于提取历史告警数据；
所述预处理单元，用于预处理历史告警数据；
所述划分单元，用于基于预处理后的历史告警数据划分事件窗口；
所述分类单元，用于事件窗口分类；
所述挖掘单元，用于挖掘核心信号；
所述筛选单元，用于筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
优选的，所述预处理单元包括合并单元、抽象单元和关联单元；
所述合并单元用于合并高频重复信号；
所述抽象单元用于抽象信号类别；
所述关联单元用于关联同间隔信号。
优选的，所述划分单元包括基础窗口划分单元、扩大单元和归并单元；
所述基础窗口划分单元，用于以交流线段开关分闸为时间维度的原点，将原点前t1时间至原点后t2时间范围的与交流线段开关间隔相同的信号划分为基础窗口；
所述扩大单元，用于扩大窗口范围，直至窗口边界外的信号发生时刻与窗口边界内的信号发生时刻之差都大于t3时间；
所述归并单元，用于将窗口覆盖的时间范围内，存在的同厂站其他间隔且该间隔中不包含交流线段开关信号的信号以复制方式归并入当前窗口。
优选的，所述分类单元中：
1)窗口中交流线段开关信号只发生一次分闸动作的事件窗口为线路分闸事件窗口；
2)窗口中交流线段开关信号只发生两次且顺序为分闸、合闸的事件窗口为线路闪断事件窗口；
3)窗口中交流线段开关信号只发生三次且顺序为分闸、合闸、分闸的事件窗口为线路重合闸失败窗口；
4)不满足以上条件的窗口为其他窗口。
优选的，所述挖掘单元包括数据源和最大频繁项集挖掘单元；
所述数据源包括线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口；
所述最大频繁项集挖掘单元，用于使用预设的关联规则挖掘线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口三类事件中的所有最大频繁项集，作为该类事件的核心信号。
优选的，所述筛选单元包括计算单元和信号筛选单元；
所述计算单元，用于由条件概率计算核心信号与其他信号之间关联度及提升度；
所述信号筛选单元，用于筛选与核心信号关联度大于关联度阈值且提升度大于提升度阈值的信号，作为核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
优选的，所述历史告警数据包括断路器分合闸告警信号，事故分闸告警信号，保护信号告警信号和量测越限告警信号。
本发明所达到的有益效果：
本发明能够利用电网运行中的历史告警数据，从时间、拓扑维度划分为多个待分析样本，并根据线路开关动作将样本分类，然后利用无监督学习的关联规则挖掘算法从样本中提取电网异常事件的核心信号，并根据关联度和提升度两个指标寻找与核心信号相关的其他信号，共同构成电网异常事件的特征信号。本发明技术从现有积累的历史告警数据中寻求有益信息，扩充电网异常事件知识归纳，为电网信号分析提供了有力的技术支撑。
附图说明
图1是本发明的一种提取电网历史告警中异常事件特征信号的方法实施例流程图；
图2是本发明的一种提取电网历史告警中异常事件特征信号的方法中划分事件窗口实施例示意图；
图3是本发明的一种提取电网历史告警中异常事件特征信号的系统结构框图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明的一种提取电网历史告警中异常事件特征信号的方法，包括以下步骤：
S1：提取历史告警数据；
实施例中，所述历史告警数据包括断路器分合闸告警信号，事故分闸告警信号，保护信号告警信号和量测越限告警信号。
S2：预处理历史告警数据；
所述预处理历史告警数据包括合并高频重复信号，抽象信号类别和关联同间隔信号。
实施例如下：
合并高频重复信号：由于设备故障等原因的造成短时期内信号反复上送会影响后续分析的结论的准确性，需要合并，将5秒内重复3次及以上的信号折叠为1次计入后续分析；
抽象信号类别：为了实现信号特征抽取，需要将每个具体的信号映射为信号所属的类别，如“东街111线重合闸出口”应当映射为“线路重合闸出口”信号；
关联同间隔信号：断路器、保护信号、设备量测通常定义在不同的电网模型表中，为确定它们之间的拓扑相关性，需要利用模型定义中的间隔ID，将具有相同间隔ID的信号关联在一起。
S3：基于预处理后的历史告警数据划分事件窗口；
具体为：从时间和拓扑两个维度划分事件窗口，以线路开关分闸为原点将其前后发生的信号归纳为一个事件窗口中，从而从历史告警序列中划分出若干事件窗口作为后续分析基础。
如图2所示，包括以下步骤：
S301：以交流线段开关分闸为时间维度的原点，将原点前t1时间至原点后t2时间范围的与交流线段开关间隔相同的信号划分为基础窗口；
S302：扩大窗口范围，直至窗口边界外的信号发生时刻与窗口边界内的信号发生时刻之差都大于t3时间；
S303：将窗口覆盖的时间范围内，存在的同厂站其他间隔且该间隔中不包含交流线段开关信号的信号以复制方式归并入当前窗口。
步骤3实施例可以将历史告警序列拆分为若干事件窗口，每个窗口中都必然包含一个交流线段断路器信号。
S4：事件窗口分类；
实施例中，所述事件窗口分类基于事件窗口中交流线段开关信号的动作次数和类型进行，具体为:
1)窗口中交流线段开关信号只发生一次分闸动作的事件窗口为线路分闸事件窗口；
2)窗口中交流线段开关信号只发生两次且顺序为分闸、合闸的事件窗口为线路闪断事件窗口；
3)窗口中交流线段开关信号只发生三次且顺序为分闸、合闸、分闸的事件窗口为线路重合闸失败窗口；
4)不满足以上条件的窗口为其他窗口。
S5：挖掘核心信号；
实施例如下：
分别以线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口作为数据源，使用预设的关联规则挖掘线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口三类事件中的所有最大频繁项集，作为该类事件的核心信号。
具体为：
S501：记待分析的事件类别的窗口数为N，任一包含两个及以上信号的集合(x1,x2，……)在N个窗口中出现的次数记为m，记该集合的频繁度为p，则p＝m/N。设置频繁度阈值a,所有满足频繁度大于a的信号集合即为该类事件窗中的频繁项集；
S502：因已知若一个集合为频繁项集，其任意子集也必为频繁项集。步骤S501得到所有信号集中，若两个集合互为父子集，保留父频繁项集。至此得到该类事件窗的最大频繁项集。
S6：筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
实施例中，所述筛选核心信号的关联信号，包括以下步骤：
S601：由条件概率计算核心信号与其他信号之间关联度及提升度；
S602：筛选与核心信号关联度大于关联度阈值且提升度大于提升度阈值的信号，作为核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
具体如下：
由步骤S5得到的每一个频繁项集可作为该类事件的一组核心信号，由条件概率可得到核心信号与其他信号之间关联度，将关联度较高的信号与该组核心信号合并为一组事件特征信号。
记频繁项集在窗口中出现的次数为m，信号x在窗口出现的次数为n，频繁项集和信号x同时出现的次数为l，则关联度q为
记提升度r为
关联度越高说明核心信号与信号x同时发生的概率越高，提升度越高说明信号x是由核心信号引起的概率更高(而非信号x本身的发生概率高)。
设置关联度阈值b和提升度阈值c，筛选所有与核心信号集关联度大于b且提升度大于c的信号，与核心信号集合并构成该类事件的特征信号。
如图3所示，本发明的一种提取电网历史告警中异常事件特征信号的系统，包括提取单元、预处理单元、划分单元、分类单元、挖掘单元和筛选单元；
所述提取单元，用于提取历史告警数据；
实施例中，所述历史告警数据包括断路器分合闸告警信号，事故分闸告警信号，保护信号告警信号和量测越限告警信号。
所述预处理单元，用于预处理历史告警数据；
实施例中，所述预处理单元包括合并单元、抽象单元和关联单元；
所述合并单元用于合并高频重复信号；
所述抽象单元用于抽象信号类别；
所述关联单元用于关联同间隔信号。
所述划分单元，用于基于预处理后的历史告警数据划分事件窗口；
实施例中，所述划分单元包括基础窗口划分单元、扩大单元和归并单元；
所述基础窗口划分单元，用于以交流线段开关分闸为时间维度的原点，将原点前t1时间至原点后t2时间范围的与交流线段开关间隔相同的信号划分为基础窗口；
所述扩大单元，用于扩大窗口范围，直至窗口边界外的信号发生时刻与窗口边界内的信号发生时刻之差都大于t3时间；
所述归并单元，用于将窗口覆盖的时间范围内，存在的同厂站其他间隔且该间隔中不包含交流线段开关信号的信号以复制方式归并入当前窗口。
所述分类单元，用于事件窗口分类；
实施例中，所述分类单元中：
1)窗口中交流线段开关信号只发生一次分闸动作的事件窗口为线路分闸事件窗口；
2)窗口中交流线段开关信号只发生两次且顺序为分闸、合闸的事件窗口为线路闪断事件窗口；
3)窗口中交流线段开关信号只发生三次且顺序为分闸、合闸、分闸的事件窗口为线路重合闸失败窗口；
4)不满足以上条件的窗口为其他窗口。
所述挖掘单元，用于挖掘核心信号；
实施例中，所述挖掘单元包括数据源和最大频繁项集挖掘单元；
所述数据源包括线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口；
所述最大频繁项集挖掘单元，用于使用预设的关联规则挖掘线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口三类事件中的所有最大频繁项集，作为该类事件的核心信号。
所述筛选单元，用于筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
实施例中，所述筛选单元包括计算单元和信号筛选单元；
所述计算单元，用于由条件概率计算核心信号与其他信号之间关联度及提升度；
所述信号筛选单元，用于筛选与核心信号关联度大于关联度阈值且提升度大于提升度阈值的信号，作为核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
调度监控人员可以运用本发明提取出的特征信号集作为模板，对电网历史和实时信号进行匹配分析，了解电网运行实时情况，归纳电网事件，为后续分析应用提供技术支持。
综上所述，本发明通过提取电网运行的历史告警数据，分析不同线路分闸、线路闪断、线路重合闸失败三个应用场景下的信号关联关系；基于关联规则挖掘算法从候选事件窗中提取核心信号集，并通过关联度、提升度计算寻找与核心信号密切相关的其他信号，构成电网异常事件发生时的特征信号集。为电网运行自动化监控，告警信号事件化归纳提供了技术支持。
Claims (15)
1.一种提取电网历史告警中异常事件特征信号的方法，其特征在于，包括以下步骤：
S1：提取历史告警数据；
S2：预处理历史告警数据；
S3：基于预处理后的历史告警数据划分事件窗口；
S4：事件窗口分类；
S5：基于最大频繁项集原则挖掘核心信号；
S6：基于核心信号与其他信号之间关联度及提升度，筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集；
记频繁项集在窗口中出现的次数为m，信号x在窗口出现的次数为n，频繁项集和信号x同时出现的次数为l，则关联度q为
提升度r为
N为窗口数量；
步骤S5包括以下步骤：
S501：记待分析的事件类别的窗口数为N，任一包含两个及以上信号的集合(x1,x2，……)在N个窗口中出现的次数记为m，记该集合的频繁度为p，则p＝m/N；
设置频繁度阈值a,所有满足频繁度大于a的信号集合即为该类事件窗中的频繁项集；
S502：若一个集合为频繁项集，其任意子集也必为频繁项集，则步骤S501得到所有信号集中，若两个集合互为父子集，保留父频繁项集，得到该类事件窗的最大频繁项集。
2.根据权利要求1所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，步骤S2所述预处理历史告警数据包括合并高频重复信号，抽象信号类别和关联同间隔信号。
3.根据权利要求1所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，步骤S3所述基于预处理后的历史告警数据划分事件窗口，具体为：从时间和拓扑两个维度划分事件窗口，以线路开关分闸为原点将其前后发生的信号归纳为一个事件窗口中。
4.根据权利要求3所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，步骤S3所述基于预处理后的历史告警数据划分事件窗口，包括以下步骤：
S301：以交流线段开关分闸为时间维度的原点，将原点前t1时间至原点后t2时间范围的与交流线段开关间隔相同的信号划分为基础窗口；
S302：扩大窗口范围，直至窗口边界外的信号发生时刻与窗口边界内的信号发生时刻之差都大于t3时间；
S303：将窗口覆盖的时间范围内，存在的同厂站其他间隔且该间隔中不包含交流线段开关信号的信号以复制方式归并入当前窗口。
5.根据权利要求1所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，步骤S4所述事件窗口分类基于事件窗口中交流线段开关信号的动作次数和类型进行，具体为:
1)窗口中交流线段开关信号只发生一次分闸动作的事件窗口为线路分闸事件窗口；
2)窗口中交流线段开关信号只发生两次且顺序为分闸、合闸的事件窗口为线路闪断事件窗口；
3)窗口中交流线段开关信号只发生三次且顺序为分闸、合闸、分闸的事件窗口为线路重合闸失败窗口；
4)不满足以上条件的窗口为其他窗口。
6.根据权利要求5所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，步骤S5所述挖掘核心信号具体为：分别以线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口作为数据源，使用预设的关联规则挖掘线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口三类事件中的所有最大频繁项集，作为该类事件的核心信号。
7.根据权利要求1所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，步骤S6所述筛选核心信号的关联信号，包括以下步骤：
S601：由条件概率计算核心信号与其他信号之间关联度及提升度；
S602：筛选与核心信号关联度大于关联度阈值且提升度大于提升度阈值的信号，作为核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
8.根据权利要求1-7任一所述的一种提取电网历史告警中异常事件特征信号的方法，其特征在于，所述历史告警数据包括断路器分合闸告警信号，事故分闸告警信号，保护信号告警信号和量测越限告警信号。
9.一种提取电网历史告警中异常事件特征信号的系统，其特征在于，包括提取单元、预处理单元、划分单元、分类单元、挖掘单元和筛选单元；
所述提取单元，用于提取历史告警数据；
所述预处理单元，用于预处理历史告警数据；
所述划分单元，用于基于预处理后的历史告警数据划分事件窗口；
所述分类单元，用于事件窗口分类；
所述挖掘单元，用于基于最大频繁项集原则挖掘核心信号；
记待分析的事件类别的窗口数为N，任一包含两个及以上信号的集合(x1,x2，……)在N个窗口中出现的次数记为m，记该集合的频繁度为p，则p＝m/N；
设置频繁度阈值a,所有满足频繁度大于a的信号集合即为该类事件窗中的频繁项集；
若一个集合为频繁项集，其任意子集也必为频繁项集，则步骤S501得到所有信号集中，若两个集合互为父子集，保留父频繁项集，得到该类事件窗的最大频繁项集；
所述筛选单元，用于基于核心信号与其他信号之间关联度及提升度，筛选核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集；
记频繁项集在窗口中出现的次数为m，信号x在窗口出现的次数为n，频繁项集和信号x同时出现的次数为l，则关联度q为
提升度r为
N为窗口数量。
10.根据权利要求9所述的一种提取电网历史告警中异常事件特征信号的系统，其特征在于，所述预处理单元包括合并单元、抽象单元和关联单元；
所述合并单元用于合并高频重复信号；
所述抽象单元用于抽象信号类别；
所述关联单元用于关联同间隔信号。
11.根据权利要求9所述的一种提取电网历史告警中异常事件特征信号的系统，其特征在于，所述划分单元包括基础窗口划分单元、扩大单元和归并单元；
所述基础窗口划分单元，用于以交流线段开关分闸为时间维度的原点，将原点前t1时间至原点后t2时间范围的与交流线段开关间隔相同的信号划分为基础窗口；
所述扩大单元，用于扩大窗口范围，直至窗口边界外的信号发生时刻与窗口边界内的信号发生时刻之差都大于t3时间；
所述归并单元，用于将窗口覆盖的时间范围内，存在的同厂站其他间隔且该间隔中不包含交流线段开关信号的信号以复制方式归并入当前窗口。
12.根据权利要求9所述的一种提取电网历史告警中异常事件特征信号的系统，其特征在于，所述分类单元中：
1)窗口中交流线段开关信号只发生一次分闸动作的事件窗口为线路分闸事件窗口；
2)窗口中交流线段开关信号只发生两次且顺序为分闸、合闸的事件窗口为线路闪断事件窗口；
3)窗口中交流线段开关信号只发生三次且顺序为分闸、合闸、分闸的事件窗口为线路重合闸失败窗口；
4)不满足以上条件的窗口为其他窗口。
13.根据权利要求12所述的一种提取电网历史告警中异常事件特征信号的系统 ，其特征在于，所述挖掘单元包括数据源和最大频繁项集挖掘单元；
所述数据源包括线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口；
所述最大频繁项集挖掘单元，用于使用预设的关联规则挖掘线路分闸事件窗口、线路闪断事件窗口和线路重合闸失败窗口三类事件中的所有最大频繁项集，作为该类事件的核心信号。
14.根据权利要求9所述的一种提取电网历史告警中异常事件特征信号的系统，其特征在于，所述筛选单元包括计算单元和信号筛选单元；
所述计算单元，用于由条件概率计算核心信号与其他信号之间关联度及提升度；
所述信号筛选单元，用于筛选与核心信号关联度大于关联度阈值且提升度大于提升度阈值的信号，作为核心信号的关联信号，与核心信号一起构成电网异常事件特征信号集。
15.根据权利要求9-14任一所述的一种提取电网历史告警中异常事件特征信号的系统，其特征在于，所述历史告警数据包括断路器分合闸告警信号，事故分闸告警信号，保护信号告警信号和量测越限告警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910535073.3A CN110245168B (zh) | 2019-06-20 | 2019-06-20 | 一种提取电网历史告警中异常事件特征信号的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910535073.3A CN110245168B (zh) | 2019-06-20 | 2019-06-20 | 一种提取电网历史告警中异常事件特征信号的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110245168A CN110245168A (zh) | 2019-09-17 |
| CN110245168B true CN110245168B (zh) | 2021-08-31 |
Family
ID=67888339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910535073.3A Active CN110245168B (zh) | 2019-06-20 | 2019-06-20 | 一种提取电网历史告警中异常事件特征信号的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110245168B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112737799B (zh) * | 2019-10-14 | 2023-03-28 | 中国移动通信有限公司研究院 | 一种数据处理方法、装置及存储介质 |
| CN111563524A (zh) * | 2020-03-18 | 2020-08-21 | 宁波送变电建设有限公司永耀科技分公司 | 一种多站融合系统运行态势异常监测和告警合并方法 |
| CN115470831B (zh) * | 2022-11-03 | 2023-04-18 | 四川中电启明星信息技术有限公司 | 一种基于频繁项集推理的水电信号异常判断方法 |
| CN117371450A (zh) * | 2023-11-08 | 2024-01-09 | 重庆市信息通信咨询设计院有限公司 | 一种基于nlp的事件文本特征关联分析方法、系统及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489138A (zh) * | 2013-10-16 | 2014-01-01 | 国家电网公司 | 一种输电网故障信息与线路越限信息的相关度分析法 |
| CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
| CN106603317A (zh) * | 2017-02-20 | 2017-04-26 | 山东浪潮商用系统有限公司 | 一种基于数据挖掘技术的告警监控策略的分析方法 |
| US9652504B2 (en) * | 2014-09-08 | 2017-05-16 | International Business Machines Corporation | Supervised change detection in graph streams |
| CN108737147A (zh) * | 2017-04-25 | 2018-11-02 | 中国移动通信集团广东有限公司 | 一种网络告警事件处理方法及装置 |
| CN109617745A (zh) * | 2019-01-11 | 2019-04-12 | 云智慧（北京）科技有限公司 | 告警预测方法、装置、系统及存储介质 |
| CN109905270A (zh) * | 2018-03-29 | 2019-06-18 | 华为技术有限公司 | 定位根因告警的方法、装置和计算机可读存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100211192A1 (en) * | 2009-02-17 | 2010-08-19 | Honeywell International Inc. | Apparatus and method for automated analysis of alarm data to support alarm rationalization |
| CN103617568B (zh) * | 2013-12-06 | 2017-02-15 | 国家电网公司 | 稳态电能质量预警机制中的异常数据判定阈值设定方法 |
| CN106681849B (zh) * | 2015-11-10 | 2020-11-24 | 创新先进技术有限公司 | 数据处理方法及装置 |
| CN108847968B (zh) * | 2018-06-04 | 2021-06-01 | 国网浙江省电力有限公司 | 监控事故、异常事件辨识及多维分析方法 |
-
2019
- 2019-06-20 CN CN201910535073.3A patent/CN110245168B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489138A (zh) * | 2013-10-16 | 2014-01-01 | 国家电网公司 | 一种输电网故障信息与线路越限信息的相关度分析法 |
| US9652504B2 (en) * | 2014-09-08 | 2017-05-16 | International Business Machines Corporation | Supervised change detection in graph streams |
| CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
| CN106603317A (zh) * | 2017-02-20 | 2017-04-26 | 山东浪潮商用系统有限公司 | 一种基于数据挖掘技术的告警监控策略的分析方法 |
| CN108737147A (zh) * | 2017-04-25 | 2018-11-02 | 中国移动通信集团广东有限公司 | 一种网络告警事件处理方法及装置 |
| CN109905270A (zh) * | 2018-03-29 | 2019-06-18 | 华为技术有限公司 | 定位根因告警的方法、装置和计算机可读存储介质 |
| CN109617745A (zh) * | 2019-01-11 | 2019-04-12 | 云智慧（北京）科技有限公司 | 告警预测方法、装置、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110245168A (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110245168B (zh) | 一种提取电网历史告警中异常事件特征信号的方法及系统 | |
| CN110263172A (zh) | 一种电网监控告警信息事件化自主识别方法 | |
| CN109787979B (zh) | 一种电力网络事件和入侵的检测方法 | |
| CN111385128B (zh) | 突发负荷的预测方法及装置、存储介质、电子装置 | |
| CN104616092A (zh) | 一种基于分布式日志分析的行为模式处理方法 | |
| CN103812577A (zh) | 非正常无线电信号的自动识别系统及其方法 | |
| CN110562812B (zh) | 设备运行过程分段方法 | |
| CN117110798B (zh) | 智能配电网的故障检测方法和系统 | |
| CN111695792B (zh) | 基于多属性聚类的地铁照明系统异常能耗分析方法 | |
| Honghao et al. | Spectrum anomalies autonomous detection in cognitive radio using hidden markov models | |
| CN112232235B (zh) | 基于5g和算法的智慧工厂远程监控方法及系统 | |
| CN108733957A (zh) | 一种用于变压器故障诊断的噪声特征提取与判断方法 | |
| CN113641486A (zh) | 一种基于边缘计算网络架构的道岔智能故障诊断方法 | |
| CN111044845B (zh) | 基于Apriori算法的配电网事故识别方法及系统 | |
| CN115376063A (zh) | 一种基于云边协同与图像识别的智能防误方法 | |
| CN117197713A (zh) | 一种基于数字视频监控系统的提取方法 | |
| CN117595504A (zh) | 一种电网运行状态的智能监测预警方法 | |
| De Santis et al. | Fault recognition in smart grids by a one-class classification approach | |
| CN114942364A (zh) | 一种基于知识图谱技术的变电站故障诊断方法与系统 | |
| CN114399177B (zh) | 一种基于Apriori的调度处置规则挖掘与生成方法及系统 | |
| Mei et al. | Cross-domain open-set fault diagnosis using prototype learning and extreme value theory | |
| Wei et al. | Dress Code Surveillance at Power Grid Construction Site via Object Detection | |
| Qiu et al. | Automatic feature extraction model of power iot terminal | |
| Qian et al. | Research on Optimization of 4G-LTE Wireless Network Cells Anomaly Diagnosis Algorithm based on Multidimensional Time Series Data. | |
| De Santis et al. | Evolutionary optimization of a one-class classification system for faults recognition in smart grids |
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 |