CN117312622B - 一种基于Apriori算法的容性设备绝缘监测方法及系统 - Google Patents
一种基于Apriori算法的容性设备绝缘监测方法及系统 Download PDFInfo
- Publication number
- CN117312622B CN117312622B CN202311602458.XA CN202311602458A CN117312622B CN 117312622 B CN117312622 B CN 117312622B CN 202311602458 A CN202311602458 A CN 202311602458A CN 117312622 B CN117312622 B CN 117312622B
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- equipment
- insulation
- apriori algorithm
- 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
- 238000009413 insulation Methods 0.000 title claims abstract description 72
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000005065 mining Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 46
- 239000003990 capacitor Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 10
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013433 optimization analysis Methods 0.000 claims description 6
- 238000013138 pruning Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
-
- 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)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种基于Apriori算法的容性设备绝缘监测方法及系统,涉及容性设备绝缘监测技术领域,包括,收集容性设备的运行数据,并对收集的数据进行预处理;利用Apriori算法对预处理后的数据进行PL关联规则挖掘;根据挖掘出的关联规则判断设备的绝缘状态,并预测潜在的绝缘问题。本发明结合了数据挖掘技术和电力系统绝缘监测技术,能够更准确、更快速地监测容性设备的绝缘状态,并预测潜在的绝缘问题。这不仅提高了电力系统的稳定性和安全性,还有助于减少维护成本和延长设备寿命。
Description
技术领域
本发明涉及容性设备绝缘监测技术领域,尤其涉及一种基于Apriori算法的容性设备绝缘监测方法及系统。
背景技术
随着电力系统的复杂性增加,容性设备如电容器、电抗器等在电力系统中的应用也越来越广泛。这些设备的绝缘状态对电力系统的稳定运行至关重要。传统的绝缘监测方法往往基于物理模型和经验规则,但难以应对复杂和变化的运行环境。此外,传统方法可能无法及时发现潜在的绝缘问题,从而增加了电力系统的风险。
发明内容
鉴于上述现有存在的问题,提出了本发明。
因此,本发明提供了一种基于Apriori算法的容性设备绝缘监测方法,通过收集容性设备的运行数据,利用Apriori算法挖掘数据中的关联规则,从而实时监测设备的绝缘状态,并预测潜在的绝缘问题。
为解决上述技术问题,本发明提供如下技术方案,一种基于Apriori算法的容性设备绝缘监测方法,包括:
收集容性设备的运行数据,并对收集的数据进行预处理;利用Apriori算法对预处理后的数据进行PL关联规则挖掘;根据挖掘出的关联规则判断设备的绝缘状态,并预测潜在的绝缘问题。
作为本发明所述的基于Apriori算法的容性设备绝缘监测方法的一种优选方案,其中:所述运行数据包括,电压、电流、温度和湿度数据。
作为本发明所述的基于Apriori算法的容性设备绝缘监测方法的一种优选方案,其中:所述预处理包括,对于容性设备的运行数据进行归一化处理,使数据在同一尺度范围上,具体步骤如下:
;
其中,是归一化后的数据,x是原始数据,min(x)和max(x)分别是数据的最小值和最大值。
作为本发明所述的基于Apriori算法的容性设备绝缘监测方法的一种优选方案,其中:所述预处理还包括,将经过归一化后的数据转化为Apriori算法处理的事务数据集格式,将连续的数值数据转化为离散的类别数据,同时分为第一、第二以及第三类别,同时第一、第二、第三类别中分别对应高、中、低数据类型。
作为本发明所述的基于Apriori算法的容性设备绝缘监测方法的一种优选方案,其中:所述Apriori算法包括,从容性设备中收集运行数据,将数据被转化为事务数据集,其中每个事务代表一个时间点的设备状态,通过连接k-项集生成(k+1)-项集,并使用支持度和置信度来剪枝,并设定一个最小支持度和最小置信度,利用Apriori算法,从1-项集开始,逐步生成2-项集、3-项集,直到不能生成更多的项集为止,同时,低于最小支持度的项集会被剪枝,对于每个生成的频繁项集,尝试生成所有可能的关联规则,并计算规则的置信度,只保留置信度高于最小置信度的规则。
作为本发明所述的基于Apriori算法的容性设备绝缘监测方法的一种优选方案,其中:所述Apriori算法还包括,利用挖掘出的关联规则,对新的设备运行数据进行实时监测,
若电压、电流的支持度、置信度均在阈值的正常范围内时,需进一步检测电压、电流频率,若频率出现异常但异常频率是短暂的,则对异常频段进行标记打点,但不做故障示警;
若频率出现异常且异常持续存在,则通过系统检测单元判断是否为电容器绝缘老化,并由系统定位故障点,发出故障示警,实时更新实时存储故障点位数据,当经系统逻辑单元、检测单元综合判定频率异常为电容器绝缘老化时,系统下达中止操作指令,由操作员进一步检查电容器状态并采取相应措施;当经系统逻辑单元、检测单元综合判定频率异常非电容器绝缘老化时,系统下达停止操作指令,异常点位全流程停止工作,由系统逻辑单元检查电容器状态并检测,获取异常数据并通过主控台应急策略匹配采取相应措施;
通过PL计算对Apriori算法进行优化分析,所述PL计算具体过程如下:
;
其中,为计算结果输出,当/>≤1时,判定设备的绝缘状态为良好,当/>>1时,判定设备的绝缘状态为不良;/>为电流及电压的支持度,/>为电流及电压的置信度,为温度及湿度的支持度,/>为温度及湿度的置信度,/>为电压、电流影响因子系数,为温度、湿度影响因子系数,/>为电流、电压与温度、湿度的校准比重;
通过PL计算分析可知,当支持度为0.05时,设备的电压和电流均为高数据类型,在当前时间点中,若置信度为0.9,则设备的绝缘状态为不良;当设备的电压和温度均为高时,系统判定设备的绝缘状态为不良。
当电压超过中数据类别的阈值范围且温度也超过中数据类别的阈值范围时,系统判断设备的绝缘状态出现问题,那么当新的数据满足这个规则时,系统会发出警告。
作为本发明所述的基于Apriori算法的容性设备绝缘监测方法的一种优选方案,其中:所述关联规则包括,
若温度、湿度的支持度、置信度均在阈值的正常范围内时,需进一步检测温度、湿度波动,若波动出现异常但异常波动是短暂的,则对异常波段进行标记打点,但不做故障示警;
若频率出现异常且异常持续存在,则通过系统检测单元判断是否为电容器绝缘老化,并由系统定位故障点,发出故障示警,实时更新实时存储故障点位数据,当经系统逻辑单元、检测单元综合判定波动异常为电容器绝缘老化时,系统下达中止操作指令,由操作员进一步检查电容器状态并采取相应措施;当经系统逻辑单元、检测单元综合判定波动异常非电容器绝缘老化时,系统下达停止操作指令,异常点位全流程停止工作,由系统逻辑单元检查电容器状态并检测,获取异常数据并通过主控台应急策略匹配采取相应措施;
通过PL计算对Apriori算法进行优化分析,所述PL计算具体过程如下:
;
其中,为计算结果输出,当/>≤1时,判定设备的绝缘状态为良好,当/>>1时,判定设备的绝缘状态为不良;/>为电流及电压的支持度,/>为电流及电压的置信度,为温度及湿度的支持度,/>为温度及湿度的置信度,/>为电压、电流影响因子系数,为温度、湿度影响因子系数,/>为电流、电压与温度、湿度的校准比重;
通过PL计算分析可知,当支持度为0.03时,设备的温度为中且湿度为高,在当前时间点中,若置信度为0.8,则设备的绝缘状态为良好,在此条件下,设备的绝缘状态判定为良好。
本发明的另外一个目的是提供基于Apriori算法的容性设备绝缘监测系统,其能通过实现基于Apriori算法的容性设备绝缘监测方法,解决现有技术中无法及时发现潜在的绝缘问题的问题。
作为本发明所述的基于Apriori算法的容性设备绝缘监测系统的一种优选方案,其中:所述系统包括,指令采集单元,用于采集系统发出的指令;系统逻辑单元,用于搭载系统标定规则和系统控制逻辑;数据处理单元,用于对指令中或系统程序中的数据进行处理;数据存储单元,用于对采集、计算以及驱动阶段的指令及操作进行存储;数据主控台,对于程序控制的全过程进行跟踪处理。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现基于Apriori算法的容性设备绝缘监测方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现基于Apriori算法的容性设备绝缘监测方法的步骤。
本发明的有益效果:本发明方法基于Apriori算法,本发明结合了数据挖掘技术和电力系统绝缘监测技术,能够更准确、更快速地监测容性设备的绝缘状态,并预测潜在的绝缘问题。这不仅提高了电力系统的稳定性和安全性,还有助于减少维护成本和延长设备寿命。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明一个实施例提供的一种基于Apriori算法的容性设备绝缘监测方法流程示意图。
图2为本发明一个实施例提供的一种基于Apriori算法的容性设备绝缘监测系统流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
实施例1
参照图1,为本发明的第一个实施例,该实施例提供了一种基于Apriori算法的容性设备绝缘监测方法,包括:
S1:收集容性设备的运行数据,并对收集的数据进行预处理。
所述运行数据包括,电压、电流、温度和湿度数据。
所述预处理包括,对于容性设备的运行数据进行归一化处理,使数据在同一尺度范围上,具体步骤如下:
;
其中,是归一化后的数据,x是原始数据,min(x)和max(x)分别是数据的最小值和最大值。
所述预处理还包括,将经过归一化后的数据转化为Apriori算法处理的事务数据集格式,将连续的数值数据转化为离散的类别数据,同时分为第一、第二以及第三类别,同时第一、第二、第三类别中分别对应高、中、低数据类型。
S2:利用Apriori算法对预处理后的数据进行PL关联规则挖掘。
所述Apriori算法包括,从容性设备中收集运行数据,将数据被转化为事务数据集,其中每个事务代表一个时间点的设备状态,通过连接k-项集生成(k+1)-项集,并使用支持度和置信度来剪枝,并设定一个最小支持度和最小置信度,利用Apriori算法,从1-项集开始,逐步生成2-项集、3-项集,直到不能生成更多的项集为止,同时,低于最小支持度的项集会被剪枝,对于每个生成的频繁项集,尝试生成所有可能的关联规则,并计算规则的置信度,只保留置信度高于最小置信度的规则。
所述Apriori算法还包括,利用挖掘出的关联规则,对新的设备运行数据进行实时监测,若电压、电流的支持度、置信度均在阈值的正常范围内时,需进一步检测电压、电流频率,若频率出现异常但异常频率是短暂的,则对异常频段进行标记打点,但不做故障示警。
若频率出现异常且异常持续存在,则通过系统检测单元判断是否为电容器绝缘老化,并由系统定位故障点,发出故障示警,实时更新实时存储故障点位数据,当经系统逻辑单元、检测单元综合判定频率异常为电容器绝缘老化时,系统下达中止操作指令,由操作员进一步检查电容器状态并采取相应措施;当经系统逻辑单元、检测单元综合判定频率异常非电容器绝缘老化时,系统下达停止操作指令,异常点位全流程停止工作,由系统逻辑单元检查电容器状态并检测,获取异常数据并通过主控台应急策略匹配采取相应措施。
通过PL计算对Apriori算法进行优化分析,所述PL计算具体过程如下:
;
其中,为计算结果输出,当/>≤1时,判定设备的绝缘状态为良好,当/>>1时,判定设备的绝缘状态为不良;/>为电流及电压的支持度,/>为电流及电压的置信度,为温度及湿度的支持度,/>为温度及湿度的置信度,/>为电压、电流影响因子系数,为温度、湿度影响因子系数,/>为电流、电压与温度、湿度的校准比重。
通过PL计算分析可知,当支持度为0.05时,设备的电压和电流均为高数据类型,在当前时间点中,若置信度为0.9,则设备的绝缘状态为不良;当设备的电压和温度均为高时,系统判定设备的绝缘状态为不良。
当电压超过中数据类别的阈值范围且温度也超过中数据类别的阈值范围时,系统判断设备的绝缘状态出现问题,那么当新的数据满足这个规则时,系统会发出警告。
S3:根据挖掘出的关联规则判断设备的绝缘状态,并预测潜在的绝缘问题。
所述关联规则包括,若温度、湿度的支持度、置信度均在阈值的正常范围内时,需进一步检测温度、湿度波动,若波动出现异常但异常波动是短暂的,则对异常波段进行标记打点,但不做故障示警。
若频率出现异常且异常持续存在,则通过系统检测单元判断是否为电容器绝缘老化,并由系统定位故障点,发出故障示警,实时更新实时存储故障点位数据,当经系统逻辑单元、检测单元综合判定波动异常为电容器绝缘老化时,系统下达中止操作指令,由操作员进一步检查电容器状态并采取相应措施;当经系统逻辑单元、检测单元综合判定波动异常非电容器绝缘老化时,系统下达停止操作指令,异常点位全流程停止工作,由系统逻辑单元检查电容器状态并检测,获取异常数据并通过主控台应急策略匹配采取相应措施。
通过PL计算对Apriori算法进行优化分析,所述PL计算具体过程如下:
;
其中,为计算结果输出,当/>≤1时,判定设备的绝缘状态为良好,当/>>1时,判定设备的绝缘状态为不良;/>为电流及电压的支持度,/>为电流及电压的置信度,为温度及湿度的支持度,/>为温度及湿度的置信度,/>为电压、电流影响因子系数,为温度、湿度影响因子系数,/>为电流、电压与温度、湿度的校准比重。
通过PL计算分析可知,当支持度为0.03时,设备的温度为中且湿度为高,在当前时间点中,若置信度为0.8,则设备的绝缘状态为良好,在此条件下,设备的绝缘状态判定为良好。
实施例2
参考图2,为本发明的第二个实施例,该实施例提供了一种基于Apriori算法的容性设备绝缘监测系统,其包括指令采集单元,系统逻辑单元,数据处理单元,数据存储单元和数据主控台;所述指令采集单元,用于采集系统发出的指令;所述系统逻辑单元,用于搭载系统标定规则和系统控制逻辑;所述数据处理单元,用于对指令中或系统程序中的数据进行处理;所述数据存储单元,用于对采集、计算以及驱动阶段的指令及操作进行存储;所述数据主控台,对于程序控制的全过程进行跟踪处理。
应说明的是,以上实施例仅用于说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
实施例3
本发明第三个实施例,其不同于前两个实施例的是:
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (8)
1.一种基于Apriori算法的容性设备绝缘监测方法,其特征在于:包括,
收集容性设备的运行数据,并对收集的数据进行预处理;
利用Apriori算法对预处理后的数据进行PL关联规则挖掘;
根据挖掘出的PL关联规则判断设备的绝缘状态,并预测潜在的绝缘问题;
所述Apriori算法包括,利用挖掘出的关联规则,对新的设备运行数据进行实时监测,
若电压、电流的支持度、置信度均在阈值的正常范围内时,需进一步检测电压、电流频率,若频率出现异常但异常频率是短暂的,则对异常频段进行标记打点,但不做故障示警;
若频率出现异常且异常持续存在,则通过系统检测单元判断是否为电容器绝缘老化,并由系统定位故障点,发出故障示警,实时更新实时存储故障点位数据,当经系统逻辑单元、检测单元综合判定频率异常为电容器绝缘老化时,系统下达中止操作指令,由操作员进一步检查电容器状态并采取相应措施;当经系统逻辑单元、检测单元综合判定频率异常非电容器绝缘老化时,系统下达停止操作指令,异常点位全流程停止工作,由系统逻辑单元检查电容器状态并检测,获取异常数据并通过主控台应急策略匹配采取相应措施;
通过PL计算对Apriori算法进行优化分析,所述PL计算具体过程如下:
ω=|k1-k2|
其中,ε为计算结果输出,当ε≤1时,判定设备的绝缘状态为良好,当ε>1时,判定设备的绝缘状态为不良;α为电流及电压的支持度,β为电流及电压的置信度,α’为温度及湿度的支持度,β’为温度及湿度的置信度,k1为电压、电流影响因子系数,k2为温度、湿度影响因子系数,θ为电流、电压与温度、湿度的校准比重;
通过PL计算分析可知,当支持度为0.05时,设备的电压和电流均为高数据类型,在当前时间点中,若置信度为0.9,则设备的绝缘状态为不良;当设备的电压和温度均为高时,系统判定设备的绝缘状态为不良;
当电压超过中数据类别的阈值范围且温度也超过中数据类别的阈值范围时,系统判断设备的绝缘状态出现问题,那么当新的数据满足这个规则时,系统会发出警告;
所述关联规则包括,若温度、湿度的支持度、置信度均在阈值的正常范围内时,需进一步检测温度、湿度波动,若波动出现异常但异常波动是短暂的,则对异常波段进行标记打点,但不做故障示警;
若频率出现异常且异常持续存在,则通过系统检测单元判断是否为电容器绝缘老化,并由系统定位故障点,发出故障示警,实时更新实时存储故障点位数据,当经系统逻辑单元、检测单元综合判定波动异常为电容器绝缘老化时,系统下达中止操作指令,由操作员进一步检查电容器状态并采取相应措施;当经系统逻辑单元、检测单元综合判定波动异常非电容器绝缘老化时,系统下达停止操作指令,异常点位全流程停止工作,由系统逻辑单元检查电容器状态并检测,获取异常数据并通过主控台应急策略匹配采取相应措施;
通过PL计算对Apriori算法进行优化分析,所述PL计算具体过程如下:
ω=|k1-k2|
其中,ε为计算结果输出,当ε≤1时,判定设备的绝缘状态为良好,当ε>1时,判定设备的绝缘状态为不良;α为电流及电压的支持度,β为电流及电压的置信度,α’为温度及湿度的支持度,β’为温度及湿度的置信度,k1为电压、电流影响因子系数,k2为温度、湿度影响因子系数,θ为电流、电压与温度、湿度的校准比重;
通过PL计算分析可知,当支持度为0.03时,设备的温度为中且湿度为高,在当前时间点中,若置信度为0.8,则设备的绝缘状态为良好,在此条件下,设备的绝缘状态判定为良好。
2.如权利要求1所述的一种基于Apriori算法的容性设备绝缘监测方法,其特征在于:所述运行数据包括,电压、电流、温度和湿度数据。
3.如权利要求2所述的一种基于Apriori算法的容性设备绝缘监测方法,其特征在于:所述预处理包括,对于容性设备的运行数据进行归一化处理,使数据在同一尺度范围上,具体步骤如下:
其中,x'是归一化后的数据,x是原始数据,min(x)和max(x)分别是数据的最小值和最大值。
4.如权利要求3所述的一种基于Apriori算法的容性设备绝缘监测方法,其特征在于:所述预处理还包括,将经过归一化后的数据转化为Apriori算法处理的事务数据集格式,将连续的数值数据转化为离散的类别数据,同时分为第一、第二以及第三类别,同时第一、第二、第三类别中分别对应高、中、低数据类型。
5.如权利要求4所述的一种基于Apriori算法的容性设备绝缘监测方法,其特征在于:所述Apriori算法包括,从容性设备中收集运行数据,将数据被转化为事务数据集,其中每个事务代表一个时间点的设备状态,通过连接k-项集生成(k+1)-项集,并使用支持度和置信度来剪枝,并设定一个最小支持度和最小置信度,利用Apriori算法,从1-项集开始,逐步生成2-项集、3-项集,直到不能生成更多的项集为止,同时,低于最小支持度的项集会被剪枝,对于每个生成的频繁项集,尝试生成所有可能的关联规则,并计算规则的置信度,只保留置信度高于最小置信度的规则。
6.一种采用如权利要求1~5任一所述的一种基于Apriori算法的容性设备绝缘监测方法的系统,其特征在于:所述系统包括,
指令采集单元,用于采集系统发出的指令;
系统逻辑单元,用于搭载系统标定规则和系统控制逻辑;
数据处理单元,用于对指令中或系统程序中的数据进行处理;
数据存储单元,用于对采集、计算以及驱动阶段的指令及操作进行存储;
数据主控台,对于程序控制的全过程进行跟踪处理。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311602458.XA CN117312622B (zh) | 2023-11-28 | 2023-11-28 | 一种基于Apriori算法的容性设备绝缘监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311602458.XA CN117312622B (zh) | 2023-11-28 | 2023-11-28 | 一种基于Apriori算法的容性设备绝缘监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117312622A CN117312622A (zh) | 2023-12-29 |
CN117312622B true CN117312622B (zh) | 2024-02-02 |
Family
ID=89281451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311602458.XA Active CN117312622B (zh) | 2023-11-28 | 2023-11-28 | 一种基于Apriori算法的容性设备绝缘监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117312622B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150515A (zh) * | 2012-12-29 | 2013-06-12 | 江苏大学 | 一种分布式环境下隐私保护的关联规则挖掘方法 |
CN113836196A (zh) * | 2021-09-08 | 2021-12-24 | 国网江苏省电力有限公司 | 一种电网未定义事件类型识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8812543B2 (en) * | 2011-03-31 | 2014-08-19 | Infosys Limited | Methods and systems for mining association rules |
-
2023
- 2023-11-28 CN CN202311602458.XA patent/CN117312622B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150515A (zh) * | 2012-12-29 | 2013-06-12 | 江苏大学 | 一种分布式环境下隐私保护的关联规则挖掘方法 |
CN113836196A (zh) * | 2021-09-08 | 2021-12-24 | 国网江苏省电力有限公司 | 一种电网未定义事件类型识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117312622A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7478226B2 (ja) | 充電ステーション監視方法および装置 | |
CN116433009A (zh) | 一种用于变电设备的异常监测方法、装置及存储介质 | |
CN113092900B (zh) | 光伏逆变器的状态检测方法、装置及计算机可读存储介质 | |
CN116086537A (zh) | 一种设备状态监测方法、装置、设备及存储介质 | |
CN114692926A (zh) | 车用电池的安全评估方法、系统、设备及可读存储介质 | |
CN117312622B (zh) | 一种基于Apriori算法的容性设备绝缘监测方法及系统 | |
CN115264749A (zh) | 空调故障检测方法、装置、空调及电子设备 | |
CN114610553A (zh) | 一种智能设备检测系统及其检测方法 | |
CN107612755A (zh) | 一种云资源的管理方法及其装置 | |
CN116545867A (zh) | 一种监控通信网络网元性能指标异常的方法及装置 | |
US20200059482A1 (en) | Adaptive anomaly detection for computer systems | |
CN112712443B (zh) | 换流站的事件分析方法及分析装置 | |
CN117033913A (zh) | 基于电力设备画像的异常检测方法及设备、存储介质 | |
CN109813954B (zh) | 一种移动机器人的电流监控的方法及装置 | |
CN112766060A (zh) | 一种电压暂降发生原因的识别方法、识别装置及电子设备 | |
CN111310946A (zh) | 基于智能运维的变压器运行态势感知方法及系统 | |
CN116545115B (zh) | 一种低压配电柜故障监测系统及其方法 | |
CN117686861B (zh) | 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 | |
EP4060357A1 (en) | Enhanced electrical signature analysis for fault detection | |
CN116150666B (zh) | 储能系统故障检测方法、装置及智能终端 | |
CN112949743B (zh) | 一种网络运维操作的可信判断方法、系统和电子设备 | |
CN108520005A (zh) | 基于机器学习的针对网络主动监控系统的误报消除方法 | |
CN117251804B (zh) | 一种变电室运行状态监测数据处理系统及方法 | |
CN116861356A (zh) | 异常数据检测方法及装置、电子设备、存储介质 | |
CN117972646A (zh) | 输电线路避雷器、杆塔和接地系统运行状态评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |