断路器故障诊断系统中关联规则的提取

关联规则应用于电力设备故障时,能很好的找出设备故障现象和故障类别之间的关联关系.本文利用FP增长算法求得频繁项集,以断路器故障为例,很好的说明了算法的执行情况,所得结果验证了方法的有效性.     

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FP-network关联规则挖掘算法的配电网薄弱点分析研究

针对配电网运行时经常发生故障的情况,如何快速高效地寻找出配电网中的薄弱点成为了当下配电网安全运行的一大难题。文中采用频繁模式网络(FP-network)模型,建立事务-项目的关联矩阵,并且将所需要进行关联规则挖掘的数据储存在关联矩阵中,从而进行关联规则的数据挖掘。通过算例分析证实了FP-network关联规则挖掘算法可用于配电网薄弱点分析中,并通过配电网实际运行情况验证了该算法的可行性。该算法对配电网数据库中的故障数据仅仅需要进行一次扫描,从而提高了配电网故障数据关联规则挖掘的效率,更有利于配电网实时更新数据库,为分析检测配电网运行中的薄弱点提供了技术支持。     

基于关联规则分析的电力变压器故障马尔科夫预测模型

为了有效预测电力变压器故障发展的情况,提出了一种基于关联规则分析的电力变压器故障马尔科夫预测模型。运用云理论提取状态参量的云概念,使用Apriori算法挖掘状态参量与状态之间的关联规则以及各状态之间的关联规则;根据状态参量与状态之间的关联规则,建立基于云–Petri网的变压器状态分析模型,从而得到变压器在初始时各状态发生的可能性;利用各状态之间关联规则构建变压器状态转移矩阵,并建立修正因子体系对状态转移矩阵进行修正;将变压器初始时各状态的可能性结合修正后的状态转移矩阵对故障进行预测。实例计算表明,相比于IEC、BPNN与SVM,基于云–Petri网的分析模型具有更快的响应时间或更高的准确率,而对状态转移矩阵的修正可提高马尔科夫模型预测的准确率,能对变压器故障发展趋势进行更有效、合理的预测。     

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。     

变压器故障特征量可信度的关联规则分析

变压器在线监测得到的多个特征量对于不同故障类别的潜在信息量不一样,量化各特征量与特定故障类型之间的关联度将对变压器的潜在故障诊断和预测都有着很重要的作用。为此,利用布尔型离散化方法和基于ChiMerge算法的多值离散化方法分别对变压器在线监测的连续数据进行离散化,再利用改进的Apriori关联规则数据挖掘算法计算多个变压器在线监测特征量与各个故障类型之间的可信度。最后在实例中进行了多个特征量与多个故障类型的可信度的计算,结果表明特定特征量与故障类型之间确实存在不同的关联程度,量化关联程度能有效提高故障诊断算法的效率;另外还在实例中进行了多值的关联规则挖掘,结果表明关联规则可以应用在对故障类型划分较细的变压器故障诊断。     

基于频繁项集的调控大数据平台设备故障关联分析研究

随着特高压交直流混合电网的大规模建设及"大运行"体系建设的全面推进,电网结构日益复杂,使得设备间相互影响而造成电网设备异常运行的潜在因素也随之增加。文章利用频繁项集关联算法对设备故障间的关联关系进行深度挖掘,指导电网调度对设备故障的发生进行预判,提高电网运行的稳定性。首先对设备故障的关联特征进行选取,同时利用互信息方法筛选出主要特征,然后通过建模对故障设备间的潜在关联关系进行评估、分析,最后将分析结果与实际情况进行对比,并将该算法与其他算法在训练时间和准确度方面进行比较。验证结果表明文章采用的频繁项集的关联算法训练时间较少、准确度较高,对电网设备故障关联分析具有一定的预判指导作用。     

基于改进关联规则的直流换流站典型运维事件集诊断方法

随着中国特高压交直流电网的大规模运行,直流换流站一、二次设备复杂程度不断增高,使得直流系统发生状态转换或故障时,换流站顺序事件记录(SER)系统短时间产生大量SER事件,SER事件集中的特征事件丢失难以被运维人员及时察觉。针对此问题,文中提出了一种基于改进关联规则的直流换流站典型运维事件集诊断方法。首先,分析了换流站原始SER特征类型并筛选SER事件的主要特征类型,实现数据降维与换流站SER事件模型构建;然后,通过改进关联规则算法挖掘换流站相似故障与状态转换的SER强关联事件组与SER关联事件;最后,基于数据挖掘结果诊断SER事件集中是否存在特征事件缺失的情况。结合昆柳龙直流工程换流站试运行数据进行算例分析,结果表明所提方法可以从海量异构、多态SER事件集中挖掘关联规则,为辅助运维人员诊断换流站状态转换与故障发生下SER事件集的缺失情况提供参考。     

多维时间序列关联分析方法在电力设备故障预测中的应用

提出基于多维时间序列关联分析的电力设备故障预测方法:将电力设备拓扑网络设备节点的历史时间序列数据进行规范化,运用时间序列分解算法将时间序列进行分解;用一种时间序列模式表示方法,提取关键设备发生故障之前网络拓扑中设备节点的特征事件;并采用关联分析的方法挖掘设备指标运行趋势与设备工况之间存在的隐含关系,达到对故障或冲击进行有效预测的目的。实验证明,该方法能充分利用时间序列数据,发挥数据挖掘对于不确定性关系的分析和表达的优势,能够准确、有效地进行复杂电力设备故障预测。     

基于设备脆弱性的电网气象灾害故障预测

电网运维数据表明,电网设备故障主要由雷电、雨雪、大风、冰冻等自然气象因素引起,是电网防灾减灾的重点。基于气象与电网故障之间的关联特点,提出一种基于设备脆弱性的电网设备气象灾害故障预测方法。将设备脆弱性指数作为变量改进关联规则算法,实现设备不同历史状态下的归一化处理。算例分析表明,基于设备脆弱性改进的关联方法,能够准确、全面地建立气象信息与电网故障之间的映射关系,预测给定气象条件下的故障概率。     

基于关联规则的火电厂传感器故障检测

为了克服建模误差对诊断结果的影响，充分利用火电厂的运行数据，提出一种基于关联规则的传感器故障检测的新方法。针对火电厂多传感器系统的特点和火电厂不同的运行工况，充分利用火电厂运行过程中存在的大量的冗余信息，对数据挖掘中的关联规则算法进行了改进。通过对生成的关联规则的评估和仿真，表明此关联规则能够很好地用于传感器故障检测，而且提高了计算速度。     

面向智能电网大数据关联规则挖掘的频繁模式网络模型

针对目前关联规则挖掘频繁树(FP-Tree)算法实现较困难以及难以处理数据库更新的缺点,提出了频繁模式网络(FP-network)模型,将关联规则挖掘所需要的信息压缩到一个无向网络图上,并建立事务项目关联矩阵,从而进行数据存储和数据挖掘。FP-network模型适用于智能电网大数据的关联规则挖掘。以关联规则挖掘在输电线路故障分析领域的应用为例进行算例分析,结果表明所提出的FP-network关联规则挖掘算法不仅继承了FP-Tree算法的优点,而且只需扫描一次数据库,也便于数据库的维护和更新,从而提高了智能电网大数据关联规则挖掘的效率。     

定量关联规则挖掘电站凝汽器运行数据研究

对凝汽器传热端差的各个主要影响因素及它们之间的关系进行了分析.将关联规则挖掘技术应用于凝汽器运行数据的分析,获得了有益的分析结果.对挖掘结果的分析表明,该技术可用于凝汽器的性能分析、状态监测、故障诊断和状态检修等方面,很有意义.     

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。     

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。     

基于等距K-means和apriori算法的配电网故障规律挖掘方法

为了提升配电网巡检及运维效率,分析配电网线路故障的特征规律,挖掘其潜在关联因素,提出了一种基于等距K-means和apriori算法的配电网故障规律挖掘方法。该方法基于支持度、置信度和提升度框架,完成强关联规则筛选,适用于构建各类故障场景的故障规律挖掘模型。相比于传统apriori算法,该方法可处理配电网线路故障数据样本中的连续值类型属性,属性分类计算过程收敛性更强,分类结果更趋于客观性。最后以某电力公司故障数据为例,验证了该算法可获得具有较好解释性与实用性的故障巡检规则,有效缩减了配电网线路巡检范围。     

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。