CN111044845A - 基于Apriori算法的配电网事故识别方法及系统 - Google Patents
基于Apriori算法的配电网事故识别方法及系统 Download PDFInfo
- Publication number
- CN111044845A CN111044845A CN201911355419.8A CN201911355419A CN111044845A CN 111044845 A CN111044845 A CN 111044845A CN 201911355419 A CN201911355419 A CN 201911355419A CN 111044845 A CN111044845 A CN 111044845A
- Authority
- CN
- China
- Prior art keywords
- alarm information
- rules
- association
- gain
- power distribution
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于Apriori算法的配电网事故识别方法及系统,属于电网技术领域,其特征在是,包括:一、使用Apriori算法,对原始告警信息库进行关联规则提取,筛选出大于预定义阀值的候选关联规则集,根据候选关联规则的置信度进行由高到低排序;二、定义三个针对告警信号的增益参数,并计算出候选规则集中每一条规则的的增益参数;三、基于计算出的增益参数对候选关联规则集进行重新排序,并筛选出高于预定阀值的关联规则,得到最优关联规则集;四、对最优关联规则集中的规则进行封装,将其“打包”成为“事件包”,使用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行识别和处理。
Description
技术领域
本发明属于电网技术领域,尤其涉及一种基于Apriori算法的配电网事故识别方法及系统。
背景技术
现代电力的高速发展,配电网规模的也不断增大,配电网作为电力系统中的末端基础网络,其结构复杂多变,存在测控对象多、电网拓扑结构复杂、终端使用环境恶劣等问题。一旦发生故障,对配电网本身、人民日常生产生活都会产生较大影响。然而,配电网发生故障不可避免,因此,能够高效地对配电网故障进行诊断和处理,使整个配电网能安全运行对提高供电可靠性有着重要的意义。
随着电网规模、智能变电站技术的不断发展,电网设备数量日益增多,变电站设备监控信息,配电网的数据采集与监视控制系统(supervisory control and dataacquisition,SCADA)在收集的故障数据成指数性增长,其中夹杂着故障信息缺失、断路器及保护动作的拒动和误动等复杂故障信息,严重降低配电网故障诊断的效率,影响电网运行可靠性和连续性。面对这一现状,需要有更加高效准确的方法处理配电网运行中出现的各种故障信息。现阶段,大数据技术如火如荼,其对于海量数据以及复杂数据的处理能力为配电网故障诊断工作的提供了新的解决方案。通过数据预处理提取出有效信息,对出现故障的线路或设备进行快速诊断和识别,方便调度人员及时切除故障,对电网设备的运行状况进行分析、判断、处置,确保电网的安全稳定运行。
原始告警信息数据库中每一类告警信息对故障识别的属性价值不尽相同,而标准Apriori算法中,只考虑告警信息集合中告警信息存在与否,忽略了与告警信息相关的属性价值,从而导致得到的规则的置信度高但缺乏价值,可能会导致价值规则的丢失。
发明内容
针对现有技术的缺陷,本发明提供一种基于Apriori算法的配电网事故识别方法。该基于Apriori算法的配电网事故识别方法通过引入改进Apriori算法,对故障发生后的告警信息进行关联规则的提取,使得调控人员能够在故障频发时快速识别故障类型,防止故障的漏监。
本发明所采用的具体技术方案为:
本专利的第一发明目的是提供一种基于Apriori算法的配电网事故识别方法,包括:
S1、使用Apriori算法,对原始告警信息库进行关联规则提取,筛选出大于预定义阀值的候选关联规则集,根据候选关联规则的置信度进行由高到低排序;
S2、定义三个针对告警信号的增益参数,并计算出候选规则集中每一条规则的的增益参数;具体为:
定义a:权重增益w:w被定义为原始告警信息数据库D中每个告警信息的权重增益,指告警信息i在原始告警信息数据库D中出现的概率;权重增益w是非负数,如下式所示:
其中,l是告警信息i在原始告警信息数据库D中出现的次数,T是原始告警信息数据库D中的告警信息集合T的个数。
定义b:价值增益v:v被定义为原始告警信息数据库D中每个告警信息的价值增益,指告警信息i的属性价值在所有告警信息总价值中所占的比重,价值增益v也是非负数,如下式所示:
其中,v(i)是每一个告警信息对故障识别的属性价值,由层次分析法生成;m是I中告警信息的个数;
定义c:综合参数wv:wv定义为关联规则中每个告警信息的w和v乘积之和与规则中存在的告警信息数之比,如下式所示:
其中,|R|表示关联规则中的告警信息个数;
所述权重增益w和价值增益v需要对关联规则Rk中的每个告警信息进行计算;
S3、基于计算出的增益参数对候选关联规则集进行重新排序,并筛选出高于预定阀值的关联规则,得到最优关联规则集;
S4、对最优关联规则集中的规则进行封装,将其“打包”成为一个个“事件包”,使用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行识别和处理。
进一步:所述预定义阀值包括最小支持度和最小置信度。
进一步:所述S1所得到的关联规则的排序列表Q={R1′,R2′,…,Rk′},Q∈R,其中,conf(R1′)≥conf(R2′)≥conf(R3′)≥…≥conf(Rk′)。
更进一步:所述S3具体为:
对排序列表S中存在的关联规则的其余部分依次进行w、v和wv的计算;上述其余部分表述为从R1′到Rk′;此时,排序列表S中的k个关联规则都有了与其关联的综合参数wv;基于加权价值得分w对排序列表S中的关联规则进行重新排序,以获得S′={R1″,R2″,…,Rk″},S∈R,其中wv(R1″)≥wv(R21″)≥wv(R31″)≥…≥wv(Rk1″);
从排序后的列表S′S'中,选择出一组wv得分高于预定义阈值的最优关联规则集Rwv={Rwv1,Rwv2,…,Rwvl},其中,l<k并且Rwv∈S′。
本专利的第二发明目的是提供一种基于Apriori算法的配电网事故识别系统,包括:
模块A、使用Apriori算法,对原始告警信息库进行关联规则提取,筛选出大于预定义阀值的候选关联规则集,根据候选关联规则的置信度进行由高到低排序;
模块B、定义三个针对告警信号的增益参数,并计算出候选规则集中每一条规则的的增益参数;具体为:
定义a:权重增益w:w被定义为原始告警信息数据库D中每个告警信息的权重增益,指告警信息i在原始告警信息数据库D中出现的概率;权重增益w是非负数,如下式所示:
其中,l是告警信息i在原始告警信息数据库D中出现的次数,T是原始告警信息数据库D中的告警信息集合T的个数;
定义b:价值增益v:v被定义为原始告警信息数据库D中每个告警信息的价值增益,指告警信息i的属性价值在所有告警信息总价值中所占的比重,价值增益v也是非负数,如下式所示:
其中,v(i)是每一个告警信息对故障识别的属性价值,由层次分析法生成;m是I中告警信息的个数;
定义c:综合参数wv:wv定义为关联规则中每个告警信息的w和v乘积之和与规则中存在的告警信息数之比,如下式所示:
其中,|R|表示关联规则中的告警信息个数;
所述权重增益w和价值增益v需要对关联规则Rk中的每个告警信息进行计算;
模块C、基于计算出的增益参数对候选关联规则集进行重新排序,并筛选出高于预定阀值的关联规则,得到最优关联规则集;
模块D、对最优关联规则集中的规则进行封装,将其“打包”成为一个个“事件包”,使用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行识别和处理。
本专利的第三发明目的是提供一种实现上述基于Apriori算法的配电网事故识别方法的计算机程序。
本专利的第四发明目的是提供一种实现上述基于Apriori算法的配电网事故识别方法的信息数据处理终端。
本专利的第五发明目的是提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述的基于Apriori算法的配电网事故识别方法。
本发明的优点及积极效果为:
通过采用上述技术方案,本发明引入三个增益参数对标准Apriori算法进行改进,使用层次分析法对每一个告警信号进行属性价值赋值,之后充分考虑每一个告警信息的属性参数,分别计算出候选关联规则集合中每一条规则的增益参数进行重新排序筛选,得到最优关联规则集合,并对每一条进行“封装”处理,使用生成的“事件包”实时扫描、监测上传的告警信息,辅助调控人员在故障频发时快速识别故障类型,防止故障漏监。
附图说明
图1为本发明优选实施例的流程图;
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
请参阅图1:一种基于Apriori算法的配电网事故识别方法,
本发明以某电力公司某年的一整年收集到的故障告警信息为基础,基于改进Apriori算法对收集到的告警信息进行关联规则挖掘,并针对所得到的关联规则进行进一步分析,得到对实际电力安全生产具有指导意义的结果。
一、标准Apriori算法
先验算法(Apriori Algorithm)是挖掘的经典算法之一,它是由Rakesh Agrawal和Ramakrishnan Skrikant提出的。Apriori算法通过一种称作逐层搜索的迭代方法识别出所有频繁项集的关联规则,再利用这些频繁项集创建关联关系规则。
在配电网应用的场景下,设I={i1,i2,…,im}是所有告警信息的集合,设D为原始告警信息数据库,其中包含n个告警信息集合T,可以将D表示为:
其中Tj是j个故障发生时收集到的告警信息所组成的一个非空有限集合,即Tj={i1,i2,…,ik}(j=1,2,…,n),且Tj中的元素i表示每一次发生故障所记录的一项告警信息。经典的Apriori算法一般在二进制映射数据库BT上进行关联规则挖掘。因此,将输入数据库D转换为二进制映射的数据库BT,它由二进制值0或者1组成,表示一次故障收集到的告警信息中是否存在某一个告警信息。如下式所示:
一个标准的关联规则的蕴含式是:A→B,其中A(前因)和B(后果)是I子集,即 且A∩B=φ。规则A→B可以解释为“如果A存在,那么B很可能同时存在”。原始告警信息数据库D中,如果包含告警信息A∪B(A和B两者)的百分比为S%,那么我们说规则A→B在D中的支持度为S,即P(A∪B);如果包含告警信息A的同时也包含告警信息B的百分比为C%,那么我们说规则A→B在D中的置信度为C,即P(A|B),由此:
Support(A→B)=P(A∪B)
一般来说,利用Apriori进行关联规则挖掘的过程由两个步骤组成,即:
·频繁项集生成:生成支持度大于预定义阈值(称为最小支持度)的所有可能告警信息集。
·关联规则生成:从生成的置信度大于预定义阈值(称为最小置信度)的频繁项集生成关联规则集R。
二、基于改进Apriori算法的配电网故障识别模型设计
通常在原始告警信息数据库D中,n个告警信息集合T所涉及到的每一类告警信息i的属性价值不尽相同。但是标准Apriori算法,该数据库只描述告警信息集合T中告警信息i的存在与否。因此,标准Apriori算法可能会忽略与告警信息相关的属性价值,从而导致得到的规则的置信度高但缺乏价值。在某些情况下,通过挖掘得到的规则可能置信度达到了100%,但在数据库中这条规则所涉及的告警信息对配电网的故障识别并没有直接价值。因此,在不考虑告警信息属性价值的情况下挖掘规则,可能会导致价值规则的丢失。因此,本研究将考虑每次故障所得到每一个告警信息的权重增益(w)和价值增益(v),从所挖掘的频繁关联规则集合中筛选出高价值的规则子集。
定义1:权重增益(w):w被定义为原始告警信息数据库D中每个告警信息的权重增益,指告警信息i在原始告警信息数据库D中出现的概率。权重增益w是非负数,如下式所示:
其中,l是告警信息i在原始告警信息数据库D中出现的次数,T是原始告警信息数据库D中的告警信息集合T的个数。
定义2:价值增益(v):v被定义为原始告警信息数据库D中每个告警信息的价值增益,指告警信息i的属性价值在所有告警信息总价值中所占的比重,价值增益v也是非负数,如下式所示:
其中,v(i)是每一个告警信息对故障识别的属性价值,由层次分析法生成;m是I中告警信息的个数。
定义3:综合参数(wv):wv定义为关联规则中每个告警信息的w和v乘积之和与规则中存在的告警信息数之比,如下式所示:
其中,|R|表示关联规则中的告警信息个数。
Apriori算法生成包含k个关联规则的关联规则集R={R1,R2,…,Rk},之后被输入到下一阶段进行研究和计算中,其中权重增益(w)和价值增益(v)需要对关联规则Rk中的每个告警信息进行计算。例如,假设形式为[A,B]→C的Ri中的一条关联规则,其中A,B和C是规则Ri中出现的告警信息,则需要分别为每一个告警信息A,B和C计算w、v和wv。
基于改进Apriori算法的配电网故障识别基本过程如下所述:
首先,对由标准Apriori算法生成的k个关联规则是根据其可信度按降序排序。所得到的关联规则的排序列表Q={R1′,R2′,…,Rk′},Q∈R,其中,conf(R1′)≥conf(R2′)≥conf(R3′)≥…≥conf(Rk′)
其次,对排序列表S中存在的关联规则的其余部分(从R1′到Rk′)依次进行w、v和wv的计算。此时,排序列表S中的k个关联规则都有了与其关联的综合参数wv。基于加权价值得分w对排序列表S中的关联规则进行重新排序,以获得S′={R1″,R2″,…,Rk″},S∈R,其中wv(R1″)≥wv(R21″)≥wv(R31″)≥…≥wv(Rk1″)。
之后,从排序后的列表S′S'中,选择出一组wv得分高于预定义阈值的最优关联规则集Rwv={Rwv1,Rwv2,…,Rwvl},其中,l<k并且Rwv∈S′。
最后,对最优关联规则集中的规则进行封装,将其“打包”成为一个个“事件包”,运用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行快速识别和处理。
三、配电网故障规则分析
通过对某电力公司某年的一整年收集到的故障告警信息进行梳理,构建原始告警信息数据库,其中包含1380条样本。样本中包含在故障发生时监控系统记录到的断路器跳闸、保护动作、重合闸动作、弹簧储能情况等信息。原始告警信息数据库中部分样本如表1所示。
应用Apriori算法对原始告警信息数据库进行关联规则挖掘,为减少冗余规则出现,设定最小支持度为40%,最小置信度为80%,最大规则数为2000。得到候选关联规则,如表2所示。
由表2可以看出,规则一:全站事故总动作->开关分闸与规则二:全站事故总动作->全站事故总复归的置信度与支持度均为100%和57.14%,说明这两条规则完全可以信任。但是,在电力系统实际运行中,全站事故总动作信号是由是全站各间隔事故信号硬接点合并产生,所以并不能完全依靠全站事故总动作信号就判断配电网出现事故,也就是说全站事故总信号在判别配电网事故是否发生时的价值并不高。
由此,我们引入每一个告警信号在判别配电网故障时的属性价值,本文使用层次分析法(AHP),针对各告警信号在判别配电网故障方面的重要程度,得到每一个告警信号的属性价值v,之后计算综合得分(wv),对前文得到的规则集进行重新排序,设最小综合参数为0.2,筛选出高于预定义阈值的最优关联规则集,如表3所示.
由表2可以看出:
规则一:“开关分闸&零序动作->接地故障”,表示当“开关分闸”、“零序动作”这两个信号同时出现时,配电线路有92.24%的概率已经发生故障,并且故障类型为接地故障。
规则二:“开关分闸&重合闸动作&开关合闸->暂时性故障”,表示当“开关分闸”、“重合闸动作”、“开关合闸”这三个信号同时出现时,配电线路有87.50%的概率已经发生故障,并且故障类型为暂时性故障。
规则三:“开关分闸&过流动作->过流故障”,表示当“开关分闸”、“过流动作”这两个信号同时出现时,配电线路有87.50%的概率已经发生故障,并且故障类型为过流故障。
规则四至规则九,通过其他告警信号来判断开关分合、闸状态。规则七至规则九当表明,“开关分闸”信号没有上传,但告警信号中出现“弹簧未储能”、“开关合闸”、“重合闸动作”信号时,此时分别有92.49%、92.31%、88.24%的概率判断开关已经分闸,只是信号由于其他原因没有上传到告警窗口;规则四至规则六这三条规则是规则七至规则九的“加强版”,“弹簧未储能”、“开关合闸”、“重合闸动作”这三个告警信号成对出现时,有100%的概率判断判断开关已经分闸。
对得到的九条规则进行“封装”处理,形成九个“事件包”,将其应用于对上传的告警信息实时扫描监测,在雷雨、大风等事故频发的情况下,辅助调控人员对故障进行快速识别和处理,防止故障漏监发生。
一种基于Apriori算法的配电网事故识别系统,包括:
模块A、使用Apriori算法,对原始告警信息库进行关联规则提取,筛选出大于预定义阀值的候选关联规则集,根据候选关联规则的置信度进行由高到低排序;
模块B、定义三个针对告警信号的增益参数,并计算出候选规则集中每一条规则的的增益参数;具体为:
定义a:权重增益w:w被定义为原始告警信息数据库D中每个告警信息的权重增益,指告警信息i在原始告警信息数据库D中出现的概率;权重增益w是非负数,如下式所示:
其中,l是告警信息i在原始告警信息数据库D中出现的次数,T是原始告警信息数据库D中的告警信息集合T的个数;
定义b:价值增益v:v被定义为原始告警信息数据库D中每个告警信息的价值增益,指告警信息i的属性价值在所有告警信息总价值中所占的比重,价值增益v也是非负数,如下式所示:
其中,v(i)是每一个告警信息对故障识别的属性价值,由层次分析法生成;m是I中告警信息的个数;
定义c:综合参数wv:wv定义为关联规则中每个告警信息的w和v乘积之和与规则中存在的告警信息数之比,如下式所示:
其中,|R|表示关联规则中的告警信息个数;
所述权重增益w和价值增益v需要对关联规则Rk中的每个告警信息进行计算;
模块C、基于计算出的增益参数对候选关联规则集进行重新排序,并筛选出高于预定阀值的关联规则,得到最优关联规则集;
模块D、对最优关联规则集中的规则进行封装,将其“打包”成为一个个“事件包”,使用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行识别和处理。
一种实现上述基于Apriori算法的配电网事故识别方法的计算机程序。
一种实现上述基于Apriori算法的配电网事故识别方法的信息数据处理终端。
一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述的基于Apriori算法的配电网事故识别方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (8)
1.一种基于Apriori算法的配电网事故识别方法,其特征在于,包括:
S1、使用Apriori算法,对原始告警信息库进行关联规则提取,筛选出大于预定义阀值的候选关联规则集,根据候选关联规则的置信度进行由高到低排序;
S2、定义三个针对告警信号的增益参数,并计算出候选规则集中每一条规则的的增益参数;具体为:
定义a:权重增益w:w被定义为原始告警信息数据库D中每个告警信息的权重增益,指告警信息i在原始告警信息数据库D中出现的概率;权重增益w是非负数,如下式所示:
其中,l是告警信息i在原始告警信息数据库D中出现的次数,T是原始告警信息数据库D中的告警信息集合T的个数;
定义b:价值增益v:v被定义为原始告警信息数据库D中每个告警信息的价值增益,指告警信息i的属性价值在所有告警信息总价值中所占的比重,价值增益v也是非负数,如下式所示:
其中,v(i)是每一个告警信息对故障识别的属性价值,由层次分析法生成;m是I中告警信息的个数;
定义c:综合参数wv:wv定义为关联规则中每个告警信息的w和v乘积之和与规则中存在的告警信息数之比,如下式所示:
其中,|R|表示关联规则中的告警信息个数;
所述权重增益w和价值增益v需要对关联规则Rk中的每个告警信息进行计算;
S3、基于计算出的增益参数对候选关联规则集进行重新排序,并筛选出高于预定阀值的关联规则,得到最优关联规则集;
S4、对最优关联规则集中的规则进行封装,将其“打包”成为一个个“事件包”,使用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行识别和处理。
2.根据权利要求1所述的基于Apriori算法的配电网事故识别方法,其特征在于:所述预定义阀值包括最小支持度和最小置信度。
3.根据权利要求1所述的基于Apriori算法的配电网事故识别方法,其特征在于:所述S1所得到的关联规则的排序列表Q={R1′,R2′,…,Rk′},Q∈R,其中,conf(R1′)≥conf(R2′)≥conf(R3′)≥…≥conf(Rk′)。
4.根据权利要求3所述的基于Apriori算法的配电网事故识别方法,其特征在于:所述S3具体为:
对排序列表S中存在的关联规则的其余部分依次进行w、v和wv的计算;上述其余部分表述为从R1′到Rk′;此时,排序列表S中的k个关联规则都有了与其关联的综合参数wv;基于加权价值得分w对排序列表S中的关联规则进行重新排序,以获得S′={R1″,R2″,…,Rk″},S∈R,其中wv(R1″)≥wv(R21″)≥wv(R31″)≥…≥wv(Rk1″);
从排序后的列表S′S'中,选择出一组wv得分高于预定义阈值的最优关联规则集Rwv={Rwv1,Rwv2,…,Rwvl},其中,l<k并且Rwv∈S′。
5.一种基于Apriori算法的配电网事故识别系统,其特征在于,包括:
模块A、使用Apriori算法,对原始告警信息库进行关联规则提取,筛选出大于预定义阀值的候选关联规则集,根据候选关联规则的置信度进行由高到低排序;
模块B、定义三个针对告警信号的增益参数,并计算出候选规则集中每一条规则的的增益参数;具体为:
定义a:权重增益w:w被定义为原始告警信息数据库D中每个告警信息的权重增益,指告警信息i在原始告警信息数据库D中出现的概率;权重增益w是非负数,如下式所示:
其中,l是告警信息i在原始告警信息数据库D中出现的次数,T是原始告警信息数据库D中的告警信息集合T的个数;
定义b:价值增益v:v被定义为原始告警信息数据库D中每个告警信息的价值增益,指告警信息i的属性价值在所有告警信息总价值中所占的比重,价值增益v也是非负数,如下式所示:
其中,v(i)是每一个告警信息对故障识别的属性价值,由层次分析法生成;m是I中告警信息的个数;
定义c:综合参数wv:wv定义为关联规则中每个告警信息的w和v乘积之和与规则中存在的告警信息数之比,如下式所示:
其中,|R|表示关联规则中的告警信息个数;
所述权重增益w和价值增益v需要对关联规则Rk中的每个告警信息进行计算;
模块C、基于计算出的增益参数对候选关联规则集进行重新排序,并筛选出高于预定阀值的关联规则,得到最优关联规则集;
模块D、对最优关联规则集中的规则进行封装,将其“打包”成为一个个“事件包”,使用“事件包”对实时监控信息进行检索,识别出配电网运行的实时情况,辅助调控人员对故障进行识别和处理。
6.一种实现权利要求1所述基于Apriori算法的配电网事故识别方法的计算机程序。
7.一种实现权利要求1所述基于Apriori算法的配电网事故识别方法的信息数据处理终端。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1所述的基于Apriori算法的配电网事故识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355419.8A CN111044845B (zh) | 2019-12-25 | 2019-12-25 | 基于Apriori算法的配电网事故识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355419.8A CN111044845B (zh) | 2019-12-25 | 2019-12-25 | 基于Apriori算法的配电网事故识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111044845A true CN111044845A (zh) | 2020-04-21 |
CN111044845B CN111044845B (zh) | 2021-07-23 |
Family
ID=70239522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911355419.8A Active CN111044845B (zh) | 2019-12-25 | 2019-12-25 | 基于Apriori算法的配电网事故识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111044845B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986036A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医疗风控规则生成方法、装置、设备及存储介质 |
CN113468245A (zh) * | 2021-07-19 | 2021-10-01 | 金陵科技学院 | 面向轨道交通应用的动态最小支持度计算方法 |
CN117057760A (zh) * | 2023-10-13 | 2023-11-14 | 深圳新语网络科技有限公司 | 一种基于小程序的企业餐饮管理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1360599A1 (en) * | 2001-01-16 | 2003-11-12 | Captus Networks Corporation | Method and device for monitoring data traffic and preventing unauthorized access to a network |
US20040257994A1 (en) * | 2003-06-17 | 2004-12-23 | Cymphonix Corporation | System and method for network communications management |
CN103592587A (zh) * | 2013-12-02 | 2014-02-19 | 国家电网公司 | 基于数据挖掘的局部放电诊断方法 |
CN104155580A (zh) * | 2014-08-19 | 2014-11-19 | 国家电网公司 | 一种关联分析与电力计算相结合的电压暂降源定位方法 |
CN106019084A (zh) * | 2016-06-16 | 2016-10-12 | 上海交通大学 | 基于配用电数据关联的中压配电网断线故障诊断方法 |
CN106126577A (zh) * | 2016-06-17 | 2016-11-16 | 北京理工大学 | 一种基于数据源划分矩阵的加权关联规则挖掘方法 |
-
2019
- 2019-12-25 CN CN201911355419.8A patent/CN111044845B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1360599A1 (en) * | 2001-01-16 | 2003-11-12 | Captus Networks Corporation | Method and device for monitoring data traffic and preventing unauthorized access to a network |
US20040257994A1 (en) * | 2003-06-17 | 2004-12-23 | Cymphonix Corporation | System and method for network communications management |
CN103592587A (zh) * | 2013-12-02 | 2014-02-19 | 国家电网公司 | 基于数据挖掘的局部放电诊断方法 |
CN104155580A (zh) * | 2014-08-19 | 2014-11-19 | 国家电网公司 | 一种关联分析与电力计算相结合的电压暂降源定位方法 |
CN106019084A (zh) * | 2016-06-16 | 2016-10-12 | 上海交通大学 | 基于配用电数据关联的中压配电网断线故障诊断方法 |
CN106126577A (zh) * | 2016-06-17 | 2016-11-16 | 北京理工大学 | 一种基于数据源划分矩阵的加权关联规则挖掘方法 |
Non-Patent Citations (1)
Title |
---|
张威 等: "对数据挖掘中关联规则算法的优化处理", 《仪器仪表用户》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986036A (zh) * | 2020-08-31 | 2020-11-24 | 平安医疗健康管理股份有限公司 | 医疗风控规则生成方法、装置、设备及存储介质 |
CN113468245A (zh) * | 2021-07-19 | 2021-10-01 | 金陵科技学院 | 面向轨道交通应用的动态最小支持度计算方法 |
CN113468245B (zh) * | 2021-07-19 | 2023-05-05 | 金陵科技学院 | 面向轨道交通应用的动态最小支持度计算方法 |
CN117057760A (zh) * | 2023-10-13 | 2023-11-14 | 深圳新语网络科技有限公司 | 一种基于小程序的企业餐饮管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111044845B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11868906B2 (en) | System and method for fault detection of components using information fusion technique | |
CN111044845B (zh) | 基于Apriori算法的配电网事故识别方法及系统 | |
CN114723285B (zh) | 一种电网设备安全性评估预测方法 | |
CN108964023B (zh) | 一种用于电网的母线电压态势短期预测方法及系统 | |
CN104616092A (zh) | 一种基于分布式日志分析的行为模式处理方法 | |
CN109409444B (zh) | 一种基于先验概率的多元电网故障类型的判别方法 | |
CN111667108A (zh) | 一种配网抢修时长预测方法 | |
CN113283602A (zh) | 基于离线知识学习和在线动态修正电网系统故障诊断方法 | |
CN116468426A (zh) | 基于Apriori算法的电网故障确定方法及存储介质 | |
Sun et al. | A multi-model-integration-based prediction methodology for the spatiotemporal distribution of vulnerabilities in integrated energy systems under the multi-type, imbalanced, and dependent input data scenarios | |
CN108446202B (zh) | 一种机房设备的安全状况的判断方法 | |
CN117949887A (zh) | 一种能源控制器的电能计量系统故障检测与预防方法 | |
Cai et al. | Feeder fault warning of distribution network based on XGBoost | |
CN111861141A (zh) | 一种基于模糊故障率预测的配电网可靠性评估方法 | |
CN117034149A (zh) | 故障处理策略确定方法、装置、电子设备和存储介质 | |
CN112712348A (zh) | 换流站的日志关联分析方法及诊断装置 | |
Meléndez et al. | Analysis of sequences of events for the characterisation of faults in power systems | |
CN113988507A (zh) | 一种输变电运行设备预警方法及装置 | |
CN113052250A (zh) | 基于气象灾害决策支持方法、系统、装置及介质 | |
CN106600034A (zh) | 带有现场温度告警功能的三相不平衡治理装置及其实现方法 | |
CN106655225A (zh) | 一种三相不平衡治理装置及实现方法 | |
CN112434955A (zh) | 一种基于多数据融合的配网线路运行风险感知方法 | |
Sun et al. | Transmission Line Fault Diagnosis Method Based on Improved Multiple SVM Model | |
Yang et al. | Prediction of Line Fault Based on Optimized Decision Tree | |
Lee et al. | Intrusion Detection for Power System Security by Ensemble Learning with Auxiliary Classifier and Feature Selection |
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 |