电力变压器故障类型与关键状态量关联规则分析

传统电力变压器设备运维大多采用状态检修技术,但积累的状态监测和检测数据没有得到充分挖掘利用,造成信息资源的浪费。以故障特征量为前项,以故障类型为后项,设置最小支持度和最小置信度,运用Apriori数据挖掘经典算法挖掘出变压器故障和关键状态量之间的关联规则。基于关联规则挖掘原理,利用SPSS Modeler软件平台建立电力变压器故障关联规则挖掘模型进行分析,得出了故障诊断的具体流程,旨在采取关联规则挖掘的方法发现状态特征量和故障类别之间的内在联系,对故障进行判定。     

基于关联规则挖掘的气象观测设备一致性检测算法

为了保证气象观测设备采集数据的稳定性,从而需要对观测设备进行一致性检测。提出了一种基于兴趣度的关联规则的算法。并将该兴趣度关联规则挖掘算法应用于气象观测设备一致性检测上,可以形成关联规则气象观测设备一致性的模型。通过真实数据验证表明,该算法不仅能够挖掘出所有相关性很强的规则,同时与同类非Apriori类的算法相比,在时间性能上更加优越。通过该关联规则算法挖掘出所有关联项对形成范例库,利用规则匹配的方法对设备之间进行一致性检测,对算法实验优化,得到最优参数解,从而判定设备一致性。     

基于关联分类技术的短期负荷数据缺损处理

为了找到负荷值与各种影响负荷预测精度因素之间的关系来进行缺损数据处理,提出一个基于关联分类技术的短期负荷数据缺损处理模型。该模型首先对负荷信息系统应用数据规约方法得到规约集,然后利用关联分类算法挖掘出隐含在其中的有趣的满足用户指定的最小支持度和最小信任度的强关联规则,最后通过规则匹配对含有缺损数据的记录进行修补,对有问题的数据判断异常。经仿真分析,应用这种新的数据缺损处理策略可以得到更加精确的预测结果。     

基于配电数据的关联规则挖掘方法

针对配电数据的时序特性和现有关联规则算法的缺陷,提出了一种考虑配电数据时序变化并通过支持度与置信度进行关联规则挖掘的方法.首先,在数据预处理基础上,构建配电指标网络,依据网络的演化情况挖掘配电数据对应的关联规则,并建立规则–挖掘矩阵存储挖掘的信息;然后,引入Kulc度和不平衡度对关联规则进行过滤,不断更新规则–挖掘矩阵,完成配电数据之间高价值规则的挖掘;最后,通过算例分析验证了所提挖掘方法的有效性和实用性.结果表明,该方法为配电数据间隐含关联规则的挖掘提供了新方法和思路.     

基于关联规则挖掘的电力生产安全事故事件关键诱因筛选

随着智能电网、通信网络及电力生产安全事故事件分析水平的提高和发展,电力生产安全事故事件数据量快速增长、复杂性不断增大,逐步构成了电力生产安全事故事件大数据。为在先验事故事件大数据的基础上高效、可靠地对事故诱因进行分类和识别,基于关联规则挖掘进行电力生产安全事故事件关键诱因筛选。根据事故事件的特点,建立电力生产安全事故诱因分析体系,对不同类型的事故进行布尔离散化,并基于关联规则挖掘提出事故诱因的诱发度计算方法,运用Apriori算法进行深度关联规则挖掘,并根据强关联规则对关键诱因进行筛选和分析。以某区域近5年的事故实例分析验证了该方法的有效性。     

电力客户缴费行为的动态信用评价实证分析

针对目前电力客户欠费回收问题,文中研究信用评估指标,并结合目前电力客户缴费数据,提出一种变现动态信用分值度量算法,揭示复杂的缴费行为的实质,有效区分不同缴费类型,进而有效区分不同客户的信用状况。同时通过对湖南省某地市电力客户缴费数据进行挖掘分析,给出动态信用评价方法实证分析,有效验证该信用评估方法的科学性、合理性。     

关联规则挖掘算法在汽轮机监测中的应用

介绍了数据挖掘技术中的关联规则挖掘算法的基本概念,以及运用该算法建立汽轮机运行模型的方法,以某汽轮机轴系振动的数据挖掘为算例,详细说明了通过关联规则挖掘算法,从大量汽轮机振动监测数据中确定轴系振动范围的过程。最后指出,支持度、置信度阈值的设置对挖掘结果有很大的影响。     

基于数据挖掘的抽水蓄能机组故障关联关系分析

随着抽水蓄能电站规模的不断扩大,当机组发生故障时,大量丰富的故障信息送入控制中心,这些海量信息蕴含了丰富的故障原因与故障特征。为了从故障数据中发现隐含的故障征兆,获取能提高电站机组安全稳定运行水平的故障信息,本文借助数据挖掘技术中的关联规则提取方法,对机组不同运行工况下的历史数据与信息进行快速有效的分析、加工与提炼,依据电站运行记录与巡检记录,构建不同故障状态下的事务集,利用频繁模式增长算法分析故障样本事务集,挖掘满足预先指定的最小支持度与置信度的关联关系,获得不同故障下的机组典型关联关系。通过在某电站历史数据上的实际应用,关联分析结果验证了该方法的有效性,提取了机组有效故障信息,为电站运维人员提供了检修指导意见。     

高压电网故障信息数据挖掘系统的研究

电力公司因多年运行积累了海量的历史故障数据而导致数据过剩。另一方面,电网运行人员以及电力公司的决策者却又感觉到信息匮乏。近年来数据挖掘技术因能发现隐藏在大型数据集中的有价值的数据模式而倍受关注。提出了一种高压电网故障信息数据挖掘系统。论文从故障数据的分析提取、数据仓库的构建以及挖掘过程的设计等方面详细论述了该数据挖掘系统。最后以关联规则挖掘为例,从电网故障信息数据库中挖掘出保护不正确动作模式,该模式能为电网运行管理提供有益的决策支持。     

电力信息网络入侵检测研究

分析了电力信息网络安全结构及存在的入侵问题,提出将数据挖掘算法应用于电力信息网络的入侵检测。在入侵检测中使用关联规则分析算法,挖掘网络数据流中特征之间的关联关系。提出了一种针对网络入侵检测规则生成方法的AR_Tree算法,该算法解决了传统关联规则算法存在的多次扫描和无效规则问题。实验证明,此算法在规则生成和对网络入侵检测方面应用效果比传统算法优越,可以有效检测电力信息网络中的入侵行为。     

雷电引起的电压暂降严重程度自学习评估方法

雷击故障是造成电网电压暂降的主要原因之一,准确评估雷电造成的电压暂降的严重程度,可以为制定最优治理方案和敏感用户选址提供依据。本文提出一种数据驱动的电压暂降严重程度自学习评估方法。首先,基于雷电造成的电压暂降机理,结合雷电定位系统和电能质量监测系统中的监测信息选取参与挖掘的参数;其次,减少离散化结果对规则准确性的影响,使用离散化评价系数确定不同参数的离散区间数目;然后,针对电网数据库动态变化时挖掘算法效率过低的问题,使用基于增量式学习的关联规则挖掘算法持续更新挖掘的规则,从而赋予其自学习的能力;最后,提出基于综合赋权法的加权欧氏距离评估实际场景的电压暂降严重程度。通过某地区电网的监测数据和IEEE30节点的仿真数据进行实证分析,结果证明,本文方法能在实际使用过程中准确挖掘出有价值规则,实现关注节点的电压暂降严重程度评估。     

基于配用电数据关联的中压配电网断线故障诊断方法

基于配用电信息系统数据和关联规则算法,提出一种诊断中压配电网分支线断线不接地故障的方法。通过分析相互关联的配用电信息系统数据,提出基于数据特征选择的关联规则挖掘方法,并通过卡方分裂算法将连续型特征量转换为布尔型特征量,同时采用MSApriori算法解决故障信息中的稀有项问题,然后在此基础上应用kulc准则消除冗余规则以形成约简的代表规则家族。以华东某地区配用电信息系统中的历史数据为依据进行实际算例分析,结果说明所提出的方法能够大量减少无效挖掘,显著提高效率和准确度,适用于中压配电网断线故障的在线诊断。     

Parallel mining and application of fuzzy association rules

Quantitative attributes are partitioned into several fuzzy sets by using fuzzy c-means algorithm. Fuzzy c-means algorithm can embody the actual distribution of the data, and fuzzy sets can soften the partition boundary. Then, we improve the search technology of apriori algorithm and present the algorithm for mining fuzzy association rules. As the database size becomes larger and larger, a better way is to mine fuzzy association rules in parallel. In the parallel mining algorithm, quantitative attributes are partitioned into several fuzzy sets by using parallel fuzzy c-means algorithm. Boolean parallel algorithm is improved to discover frequent fuzzy attribute set, and the fuzzy association rules with at least a minimum confidence are generated on all processors. The experiment results implemented on the distributed linked PC/workstation show that the parallel mining algorithm has fine scaleup, sizeup and speedup. Last, we discuss the application of fuzzy association rules in the classification. The example shows that the accuracy of classification systems of the fuzzy association rules is better than that of the two popular classification methods: C4.5 and CBA. __________ Translated from Journal of Southeast University (Natural Science Edition), 2005, 35(2): 165–170 (in Chinese)     

远程的变电站自动化智能数据挖掘系统

以地区电网的变电站自动化系统为研究对象,提出基于远程的变电站自动化智能数据挖掘体系。应用数据挖掘技术对原始告警数据进行分类、标准化处理,并与设备台账系统关联,得到设备参数、状态信息以及相关历史故障信息的数据仓库;在此基础上,采用改进Apriori算法从数据仓库中提取出满足最小信任度阈值的强关联规则,为变电站设备运行维护管理提供决策依据;通过现场案例验证了所提出的数据挖掘方法的有效性。     

一个不需要候选集的挖掘关联规则算法的研究

挖掘关联规则是数据挖掘中的一个重要课题。针对挖掘关联规则典型算法中的某种不足，介绍了一个不需要产生候选集的挖掘关联规则的算法FP－tree。经过深入研究，对它进行了分析和评价。     

基于Apriori算法的二次设备缺陷数据挖掘与分析方法

为提升电力系统二次设备的运维和管控水平,从二次设备的缺陷数据出发,提出了基于Apriori算法的二次设备缺陷数据挖掘与分析方法。首先,分析了关联规则与Apriori算法的基本思路,然后建立了基于关联规则的二次设备缺陷模型,在模型中考虑了二次设备缺陷的几个重要属性:二次设备的生产厂家、设备类型、设备缺陷的原因、发生缺陷的设备部位以及缺陷等级。进一步,以一组自动化设备缺陷数据为例,阐述了基于Apriori算法的二次设备缺陷数据挖掘和分析方法,分析结果表明所提方法能够用于寻找二次设备的薄弱环节,并能够找到诱发薄弱环节的原因,同时还具有分析设备家族性缺陷等功能。     

关联规则技术在电力市场营销分析中的应用

关联规则是一种重要的数据挖掘技术。结合电力行业的特殊性,将关联规则应用于对电力市场营销分析中。采取K-Means聚类技术实现对历史数据的离散化处理,以便进行知识归纳,运用关联规则的FP-Growth算法搜索所有的强关联规则,这些强关联规则中蕴含着电量销售与电价、气温、降水等影响因素之间的关联关系。以某市的实际电力营销数据为例,说明了关联规则的分析方法对电力市场营销具有一定的辅助决策意义。     

电力系统暂态稳定评估的关联规则挖掘

根据IEEE16 机系统进行暂态稳定仿真, 首先对经典k- means 算法和模糊聚类FCM算法比较分析, 确定聚类个数并选择效果较好的FCM算法进行聚类, 找出候选离散断点, 再结合信息熵理论确定最终离散断点, 然后将连续数据离散化到各个离散区间中, 映射为连续的数字标识, 找出暂态稳定特征属性之间以及特征属性与暂态稳定属性类别之间的关联关系, 最后对挖掘出的规则进行分析研究, 从而对电力系统进行暂态稳定评估。