CN111898090A - 一种电力一次设备故障原因概率分布分析方法和系统 - Google Patents
一种电力一次设备故障原因概率分布分析方法和系统 Download PDFInfo
- Publication number
- CN111898090A CN111898090A CN202010566974.1A CN202010566974A CN111898090A CN 111898090 A CN111898090 A CN 111898090A CN 202010566974 A CN202010566974 A CN 202010566974A CN 111898090 A CN111898090 A CN 111898090A
- Authority
- CN
- China
- Prior art keywords
- fault
- primary power
- power equipment
- data set
- primary
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000009826 distribution Methods 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 116
- 238000005315 distribution function Methods 0.000 claims abstract description 16
- 238000005065 mining Methods 0.000 claims abstract description 15
- 150000001875 compounds Chemical class 0.000 claims description 16
- 238000011084 recovery Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电力一次设备故障原因概率分布分析方法和系统,包括:获取电力一次设备故障分析数据集中各元素的频繁项;基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。本发明提供的技术方案,对电力一次设备故障分析数据集中故障数据进行了多维度的故障关联挖掘,并对挖掘结果进行筛选生成故障数据间的强关联关系集,基于强关联关系集分析引起当前设备故障的故障原因,提高了引起设备故障的故障原因预判的准确性,为故障设备的检修提供数据支撑。
Description
技术领域
本发明涉及电力系统调度控制领域,具体涉及一种电力一次设备故障原因概率分布分析方法和系统。
背景技术
电力设备风险是与电网安全稳定运行密切相关的常见风险类型,设备故障是其中最为关键的风险因素。
在电网运行过程中,多类设备之间存在电气耦合、共同作业,一台设备故障会直接影响到其他相关设备能否正常工作,进行影响整个电网的安全稳定运行。
比如遇到台风、雷雨等外部环境影响,就有潜在的电力设备故障风险。
对于当前电力设备故障情况,作业人员往往依据经验判断引起当前设备故障的故障原因,并基于此对故障设备进行维修,但是这种方式有很大的不确定性,其维修所耗费的时间以及精力往往很大。
目前,还没有能利用科学手段准确判断电力一次设备故障原因的相关技术被提出。
发明内容
针对现有技术的不足,本发明的目的是提供一种电力一次设备故障原因概率分布分析方法,该方法按不同时间和空间维度提取设备故障数据中的有效信息,结合气象、地理等外部环境信息开展多维度的故障关联分析,完成设备故障、故障原因、设备类型及设备使用年限等关联规则的挖掘,并基于挖掘结果预判当前电力一次设备故障原因,为当前电力一次设备维修提供数据支撑。
本发明的目的是采用下述技术方案实现的:
本发明提供一种电力一次设备故障原因概率分布分析方法,其改进之处在于,所述方法包括:
获取电力一次设备故障分析数据集中各元素的频繁项;
基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;
根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。
优选的,所述电力一次设备故障分析数据集由电力一次设备历史故障信息序列组成;
所述电力一次设备历史故障信息序列由电力一次设备的类型、ID、投运时间、电压等级、所属厂站、所属调度、故障开始时间、故障原因、故障性质、故障恢复时间、故障时长、故障时天气、故障时季节和故障时寿命组成。
优选的,所述获取电力一次设备故障分析数据集中各元素的频繁项,包括:
利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项。
进一步的,所述基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集,包括:
若电力一次设备故障分析数据集中第k个元素的第w个频繁项的支持度、置信度和提升度分别大于预设最小支持度、预设最小置信度和预设最小提升度,则将该频繁项填入电力一次设备故障分析数据集中各元素间的强关联关系集,否则,不进行操作;
其中,k∈(1~Sy),Sy为电力一次设备故障分析数据集中元素的总数,w∈(1~Sk),Sk为电力一次设备故障分析数据集中第k个元素的频繁项总数。
进一步的,按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的支持度S(δk,w→k):
式中,ε为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的计数,为电力一次设备故障分析数据集中第k个元素的所有频繁项的计数之和,δk,w为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指出端元素项;
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的置信度C(δk,w→k):
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的提升度L(δk,w→k):
其中,电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指向端元素项为电力一次设备故障分析数据集中第k个元素。
优选的,根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数,包括:
按下式确定电力一次设备当前故障的故障原因概率分布函数中第q种故障原因的概率值f(q):
式中,为电力一次设备故障分析数据集中各元素间的强关联关系集中指出端元素项包含元素λq且指向端元素项为元素Qj的频繁项的计数之和,λq为电力一次设备故障分析数据集中第q种故障原因,Qj为电力一次设备当前故障信息序列中第j个元素,q∈(1~Sτ),Sτ为电力一次设备故障分析数据集中故障原因的总数,j∈(1~M),M为电力一次设备当前故障信息序列的元素总数。
本发明提供一种电力一次设备故障原因概率分布分析系统,其改进之处在于,所述系统包括:
获取模块,用于获取电力一次设备故障分析数据集中各元素的频繁项;
第一确定模块,用于基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;
第二确定模块,用于根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。
优选的,所述电力一次设备故障分析数据集由电力一次设备历史故障信息序列组成;
所述电力一次设备历史故障信息序列由电力一次设备的类型、ID、投运时间、电压等级、所属厂站、所属调度、故障开始时间、故障原因、故障性质、故障恢复时间、故障时长、故障时天气、故障时季节和故障时寿命组成。
优选的,所述获取模块,用于:
利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项。
进一步的,所述第一确定模块,用于:
若电力一次设备故障分析数据集中第k个元素的第w个频繁项的支持度、置信度和提升度分别大于预设最小支持度、预设最小置信度和预设最小提升度,则将该频繁项填入电力一次设备故障分析数据集中各元素间的强关联关系集,否则,不进行操作;
其中,k∈(1~Sy),Sy为电力一次设备故障分析数据集中元素的总数,w∈(1~Sk),Sk为电力一次设备故障分析数据集中第k个元素的频繁项总数。
进一步的,按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的支持度S(δk,w→k):
式中,ε为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的计数,为电力一次设备故障分析数据集中第k个元素的所有频繁项的计数之和,δk,w为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指出端元素项;
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的置信度C(δk,w→k):
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的提升度L(δk,w→k):
其中,电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指向端元素项为电力一次设备故障分析数据集中第k个元素。
优选的,所述第二确定模块,用于:
按下式确定电力一次设备当前故障的故障原因概率分布函数中第q种故障原因的概率值f(q):
式中,为电力一次设备故障分析数据集中各元素间的强关联关系集中指出端元素项包含元素λq且指向端元素项为元素Qj的频繁项的计数之和,λq为电力一次设备故障分析数据集中第q种故障原因,Qj为电力一次设备当前故障信息序列中第j个元素,q∈(1~Sτ),Sτ为电力一次设备故障分析数据集中故障原因的总数,j∈(1~M),M为电力一次设备当前故障信息序列的元素总数。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的技术方案,获取电力一次设备故障分析数据集中各元素的频繁项;基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数;该方案对电力一次设备故障分析数据集中故障数据进行了故障关联挖掘,并对挖掘结果进行筛选生成故障数据之间的强关联关系集,基于所述强关联关系集分析引起当前设备故障的故障原因,提高了引起设备故障的故障原因预判的准确性,为故障设备的检修提供数据支撑。
本发明提供的技术方案,基于FP-Growth算法,按不同时间和空间维度提取故障数据中的有效信息,结合气象、地理等外部环境信息开展多维度的故障关联分析,完成设备故障、故障原因、设备类型及设备使用年限等关联规则的挖掘。
附图说明
图1是一种电力一次设备故障原因概率分布分析方法流程图;
图2是一种电力一次设备故障原因概率分布分析系统结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
本发明提供一种电力一次设备故障原因概率分布分析方法,如图1所示,所述方法包括:
步骤101,用于获取电力一次设备故障分析数据集中各元素的频繁项;
步骤102,用于基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;
步骤103,用于根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。
在本发明的最佳实施例中,电力一次设备故障分析数据集中元素为电力一次设备历史故障信息序列中的元素。
电力一次设备包括:发电机、交流线路、母线和变压器。
具体的,所述电力一次设备故障分析数据集由电力一次设备历史故障信息序列组成;
所述电力一次设备历史故障信息序列由电力一次设备的类型、ID、投运时间、电压等级、所属厂站、所属调度、故障开始时间、故障原因、故障性质、故障恢复时间、故障时长、故障时天气、故障时季节和故障时寿命组成。
在本发明的最佳实施例中,利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项之前应当还包括:
依据电力一次设备的量测数据对电力一次设备故障分析数据集中各元素进行校验、清洗与纠错,其具体步骤为:
步骤A:依据设备ID和设备故障时间删除电力一次设备故障分析数据集中重复的电力一次设备历史故障信息序列;
步骤B:删除电力一次设备故障分析数据集中设备故障时间缺失和设备故障时间早于设备投运时间的电力一次设备历史故障信息序列;
步骤C:删除电力一次设备故障分析数据集中设备故障恢复时间缺失电力一次设备历史故障信息序列;
步骤D:纠正电力一次设备故障分析数据集中设备故障恢复时间记录错误(设备故障恢复时间早于设备故障开始时间)的电力一次设备历史故障信息序列;
其中,按下式纠正电力一次设备故障分析数据集中设备故障恢复时间记录错误的电力一次设备历史故障信息序列:
式中,resumetime表示设备恢复时间;faulttime表示设备故障开始时间;meatime表示量测时间;Itime表示量测时间的量测电流值;ε表示精度,一般取ε=0.001;null表示空。
resumetime≠null表示恢复时间不为空;字符&&表示“并且”;resumetime>faulttime表示故障恢复时间大于故障开始时间;meatime-1表示量测时间的前一刻;表示从故障开始时间开始求累加,一直到量测时间前一刻;表示量测电流在量测时间第一次发生越变。
具体的,所述步骤101,用于:
利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项。
具体的,所述步骤102,用于
若电力一次设备故障分析数据集中第k个元素的第w个频繁项的支持度、置信度和提升度分别大于预设最小支持度、预设最小置信度和预设最小提升度,则将该频繁项填入电力一次设备故障分析数据集中各元素间的强关联关系集,否则,不进行操作;
其中,k∈(1~Sy),Sy为电力一次设备故障分析数据集中元素的总数,w∈(1~Sk),Sk为电力一次设备故障分析数据集中第k个元素的频繁项总数。
进一步的,按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的支持度S(δk,w→k):
式中,ε为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的计数,为电力一次设备故障分析数据集中第k个元素的所有频繁项的计数之和,δk,w为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指出端元素项;
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的置信度C(δk,w→k):
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的提升度L(δk,w→k):
其中,电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指向端元素项为电力一次设备故障分析数据集中第k个元素。
具体的,所述步骤103,用于
按下式确定电力一次设备当前故障的故障原因概率分布函数中第q种故障原因的概率值f(q):
式中,为电力一次设备故障分析数据集中各元素间的强关联关系集中指出端元素项包含元素λq且指向端元素项为元素Qj的频繁项的计数之和,λq为电力一次设备故障分析数据集中第q种故障原因,Qj为电力一次设备当前故障信息序列中第j个元素,q∈(1~Sτ),Sτ为电力一次设备故障分析数据集中故障原因的总数,j∈(1~M),M为电力一次设备当前故障信息序列的元素总数。
本发明提供一种电力一次设备故障原因概率分布分析系统,如图2所示,所述系统包括:
挖掘模块,用于获取电力一次设备故障分析数据集中各元素的频繁项;
第一确定模块,用于基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;
第二确定模块,用于根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。
具体的,所述电力一次设备故障分析数据集由电力一次设备历史故障信息序列组成;
所述电力一次设备历史故障信息序列由电力一次设备的类型、ID、投运时间、电压等级、所属厂站、所属调度、故障开始时间、故障原因、故障性质、故障恢复时间、故障时长、故障时天气、故障时季节和故障时寿命组成。
具体的,所述获取模块,用于:
利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项。
具体的,所述第一确定模块,用于:
若电力一次设备故障分析数据集中第k个元素的第w个频繁项的支持度、置信度和提升度分别大于预设最小支持度、预设最小置信度和预设最小提升度,则将该频繁项填入电力一次设备故障分析数据集中各元素间的强关联关系集,否则,不进行操作;
其中,k∈(1~Sy),Sy为电力一次设备故障分析数据集中元素的总数,w∈(1~Sk),Sk为电力一次设备故障分析数据集中第k个元素的频繁项总数。
进一步的,按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的支持度S(δk,w→k):
式中,ε为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的计数,为电力一次设备故障分析数据集中第k个元素的所有频繁项的计数之和,δk,w为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指出端元素项;
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的置信度C(δk,w→k):
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的提升度L(δk,w→k):
其中,电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指向端元素项为电力一次设备故障分析数据集中第k个元素。
具体的,所述第二确定模块,用于:
按下式确定电力一次设备当前故障的故障原因概率分布函数中第q种故障原因的概率值f(q):
式中,为电力一次设备故障分析数据集中各元素间的强关联关系集中指出端元素项包含元素λq且指向端元素项为元素Qj的频繁项的计数之和,λq为电力一次设备故障分析数据集中第q种故障原因,Qj为电力一次设备当前故障信息序列中第j个元素,q∈(1~Sτ),Sτ为电力一次设备故障分析数据集中故障原因的总数,j∈(1~M),M为电力一次设备当前故障信息序列的元素总数。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种电力一次设备故障原因概率分布分析方法,其特征在于,所述方法包括:
获取电力一次设备故障分析数据集中各元素的频繁项;
基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;
根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。
2.如权利要求1所述的方法,其特征在于,所述电力一次设备故障分析数据集由电力一次设备历史故障信息序列组成;
所述电力一次设备历史故障信息序列由电力一次设备的类型、ID、投运时间、电压等级、所属厂站、所属调度、故障开始时间、故障原因、故障性质、故障恢复时间、故障时长、故障时天气、故障时季节和故障时寿命组成。
3.如权利要求1所述的方法,其特征在于,所述获取电力一次设备故障分析数据集中各元素的频繁项,包括:
利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项。
4.如权利要求1所述的方法,其特征在于,所述基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集,包括:
若电力一次设备故障分析数据集中第k个元素的第w个频繁项的支持度、置信度和提升度分别大于预设最小支持度、预设最小置信度和预设最小提升度,则将该频繁项填入电力一次设备故障分析数据集中各元素间的强关联关系集,否则,不进行操作;
其中,k∈(1~Sy),Sy为电力一次设备故障分析数据集中元素的总数,w∈(1~Sk),Sk为电力一次设备故障分析数据集中第k个元素的频繁项总数。
5.如权利要求4所述的方法,其特征在于,按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的支持度S(δk,w→k):
式中,ε为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的计数,为电力一次设备故障分析数据集中第k个元素的所有频繁项的计数之和,δk,w为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指出端元素项;
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的置信度C(δk,w→k):
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的提升度L(δk,w→k):
式中,θk为电力一次设备故障分析数据集中所有元素的频繁项中所述第k个元素出现的次数与所有元素出现的次数之和的比值;
其中,电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指向端元素项为电力一次设备故障分析数据集中第k个元素。
7.一种电力一次设备故障原因概率分布分析系统,其特征在于,所述系统包括:
获取模块,用于获取电力一次设备故障分析数据集中各元素的频繁项;
第一确定模块,用于基于各元素的频繁项确定电力一次设备故障分析数据集中各元素间的强关联关系集;
第二确定模块,用于根据所述强关联关系集和电力一次设备当前故障信息序列确定电力一次设备当前故障的故障原因概率分布函数。
8.如权利要求7所述的系统,其特征在于,所述电力一次设备故障分析数据集由电力一次设备历史故障信息序列组成;
所述电力一次设备历史故障信息序列由电力一次设备的类型、ID、投运时间、电压等级、所属厂站、所属调度、故障开始时间、故障原因、故障性质、故障恢复时间、故障时长、故障时天气、故障时季节和故障时寿命组成。
9.如权利要求7所述的系统,其特征在于,所述获取模块,包括:
利用FP-Growth算法挖掘电力一次设备故障分析数据集中各元素的频繁项。
10.如权利要求7所述的系统,其特征在于,所述第一确定模块,用于:
若电力一次设备故障分析数据集中第k个元素的第w个频繁项的支持度、置信度和提升度分别大于预设最小支持度、预设最小置信度和预设最小提升度,则将该频繁项填入电力一次设备故障分析数据集中各元素间的强关联关系集,否则,不进行操作;
其中,k∈(1~Sy),Sy为电力一次设备故障分析数据集中元素的总数,w∈(1~Sk),Sk为电力一次设备故障分析数据集中第k个元素的频繁项总数。
11.如权利要求10所述的系统,其特征在于,按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的支持度S(δk,w→k):
式中,ε为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的计数,为电力一次设备故障分析数据集中第k个元素的所有频繁项的计数之和,δk,w为电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指出端元素项;
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的置信度C(δk,w→k):
按下式确定电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的提升度L(δk,w→k):
式中,θk为电力一次设备故障分析数据集中所有元素的频繁项中所述第k个元素出现的次数与所有元素出现的次数之和的比值;
其中,电力一次设备故障分析数据集中第k个元素的第w个频繁项δk,w→k的指向端元素项为电力一次设备故障分析数据集中第k个元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010566974.1A CN111898090A (zh) | 2020-06-19 | 2020-06-19 | 一种电力一次设备故障原因概率分布分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010566974.1A CN111898090A (zh) | 2020-06-19 | 2020-06-19 | 一种电力一次设备故障原因概率分布分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898090A true CN111898090A (zh) | 2020-11-06 |
Family
ID=73207726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010566974.1A Pending CN111898090A (zh) | 2020-06-19 | 2020-06-19 | 一种电力一次设备故障原因概率分布分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898090A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712443A (zh) * | 2021-01-08 | 2021-04-27 | 中国南方电网有限责任公司超高压输电公司昆明局 | 换流站的事件分析方法及分析装置 |
CN115422263A (zh) * | 2022-11-01 | 2022-12-02 | 广东亿能电力股份有限公司 | 一种电力现场多功能通用型故障分析方法及系统 |
-
2020
- 2020-06-19 CN CN202010566974.1A patent/CN111898090A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712443A (zh) * | 2021-01-08 | 2021-04-27 | 中国南方电网有限责任公司超高压输电公司昆明局 | 换流站的事件分析方法及分析装置 |
CN115422263A (zh) * | 2022-11-01 | 2022-12-02 | 广东亿能电力股份有限公司 | 一种电力现场多功能通用型故障分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
CN106779505B (zh) | 一种基于大数据驱动的输电线路故障预警方法及系统 | |
US20200327205A1 (en) | Systems and methods for enhanced sequential power system model parameter estimation | |
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN111898090A (zh) | 一种电力一次设备故障原因概率分布分析方法和系统 | |
CN111008805A (zh) | 妥投时间确定方法、装置、存储介质与电子设备 | |
CN105119282A (zh) | 一种电网理论线损在线计算系统及方法 | |
US11824354B2 (en) | Online state estimation and topology identification using advanced metering infrastructure (AMI) measurements | |
CN111400505A (zh) | 一种用电信息采集系统匹配故障消缺方案的方法及系统 | |
CN113934804A (zh) | 一种深空探测航天器控制分系统遥测参数自动判读方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN113688987A (zh) | 光伏监测模型的训练方法、光伏设备的监测方法及设备 | |
CN112345972B (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN112699106A (zh) | 一种基于Apriori算法的继电保护装置多维度告警信息时序关联关系分析方法 | |
CN112463899A (zh) | 一种车辆轨迹点纠偏方法、系统、服务器和存储介质 | |
CN116756199A (zh) | 一种测风数据处理推荐方法和系统 | |
CN114386510A (zh) | 一种电力系统量测错误辨识方法及系统 | |
CN114782001A (zh) | 一种基于全寿命周期成本的电网基建项目优选方法及系统 | |
CN109767062B (zh) | 一种电网任务处置方案的动态生成方法 | |
CN112541011A (zh) | 基于rpa和ai的电网终端故障处理方法及装置 | |
Han et al. | An online calculation method of theoretical power losses for high-voltage distribution system based on rapid modeling and data quality analysis | |
Deng et al. | Users-transformer relationship identification based on smart meter data | |
CN111342554A (zh) | 一种台区拓扑自动识别系统和方法 | |
CN107038286B (zh) | 一种电网仿真方法及装置 | |
CN110070272A (zh) | 基于自学习技术的电能量采集数据质量管控多维评价方法 |
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 |