多维关联规则挖掘在径流长期预报中的应用

关联规则是一种重要的数据挖掘技术。结合水文长期预报的特殊性,将多维关联规则挖掘方法应用于径流长期预报中。首先根据预报目标初选预报因子,构成长期预报事务数据集。然后对连续属性值进行属性分割,对处理后的数据集进行多维关联规则分析,挖掘出满足最小支持度和最小置信度的强关联规则,解释规则并建立模型。以嫩江江桥站汛期径流量长期预报为例,挖掘出满足要求的强关联规则,这些规则中蕴含着太阳黑子活动、北太平洋海温以及副高强度变化与江桥汛期径流量的关系,说明了多维关联规则挖掘方法应用于径流长期预报研究的可行性。     

从不完备数据中获取诊断规则的粗糙集方法

在故障诊断中，从不完备数据中获取规则要比从完备数据中获取规则困难。利用给出的分辨矩阵基元的定义，提出了一种直接从不完备数据中获取最优广义诊断决策规则的粗糙集方法。该方法以极大相容块为单位构造了不完备故障决策表的分辨矩阵中的列元素，实现了不完备故障诊断决策表中面向对象的约简计算和最优广义故障诊断规则的获取。该方法不需要改变原始不完备故障诊断决策表的规模，且具有更高的约简计算效率。结合电力系统操作点的安全状态诊断实例给出了所提出的方法在工程实践中的应用步骤，并证明了该方法的有效性。     

基于决策树的数据挖掘方法在故障诊断中的应用

决策树是一个类似于流程图的树结构,主要用途是提取分类规则,进行分类预测。将决策树应用于故障诊断领域,对大量的机组状态数据进行挖掘,发现故障数据中存在的规律,并以规则的形式体现出来。结果表明,采用决策树方法所得出的规则是正确的,并能正确用于故障的分类工作。     

灰色关联分析法在大坝安全监测数据处理中的应用

结合工程实例阐明了利用灰色关联分析确定影响大坝运行期安全主要因子的方法，并对不同样本进行关联度计算，证明灰色关联分析中，真正唯一反映因子之间关联度大小的是关联度的排列顺序，即关联序，该方法可在大坝观测数据处理中应用。     

考虑时间序列关联的大坝监测异常数据清洗

针对传统大坝安全监测中异常数据清洗方法主要分析单一监测效应量,较难区分粗差和环境突变引起的异常值,提出一种利用关联规则约束和引导大坝安全监测异常数据清洗方法。首先,通过关联规则辨识强关联性序列,结合基于密度的聚类算法识别序列中异常数据;然后,根据关联序列异常数据清洗规则,辨识大坝安全监测中粗差数据,并利用基于粒子群优化最小二乘支持向量机模型重构异常数据。最后,对大坝典型位移量数据进行异常数据清洗。结果表明:该方法能够甄别监测效应量中环境突变引起的异常值,提高了大坝安全监测数据中数据清洗的准确性。     

基于事件序列数据挖掘原理的高压输电线系统故障诊断:(二）仿真和容错性能分析

在基于事件序列（SOE）数据挖掘原理的故障诊断模型与方法的基础上，提出了将基于事件序列的数据挖掘原理故障诊断模型用于高压输电线系统（HVTLS）故障诊断领域。分析了故障诊断模型中变异故障模式的种类及其对故障诊断策略的影响,阐述了基于SOE的数据挖掘HVTLS诊断模型和功能模块的构造。依据输电系统故障事件序列在时空特性的关联性，用动态规划算法的优化相似性原理挖掘事件序列之间的关联性和蕴涵的知识，将诊断问题的求解转化为寻找与实时故障事件序列模式最相似的、运算操作代价最小的标准故障事件序列模式。以实现对变异事件序列模式中畸变事件的“复原”和纠错，从而确保故障诊断系统的高容错性。     

基于主元分析的关联规则挖掘及在电厂中的应用

针对目前火电厂厂级监控信息系统（SIS）的海量数据没有得到充分开发和利用的现状,提出了基于主元分析（PCA）的相似关联规则数据挖掘方法,并讨论了其在电厂中参数相关性分析和异常数据检验等方面的应用。通过.NET平台,读取火电厂SIS中实时数据库PI的历史数据,然后将数据在MATLAB环境下进行主元分析,寻找相似关联测点。通过对某600 MW机组数据进行挖掘,表明了该挖掘方法能针对某具体机组运行状况,准确快速地寻找具有较高相似关联规则的参数,从而利用这些关联参数进行多方面的实际应用,并取得很好的效果。     

水泵水轮机组状态监测与故障诊断系统

水泵水轮机组状态监测与故障诊断系统是针对大型抽水蓄能电站水泵水轮机组的运行特点而设计的，它用于机组稳定性状态监测及跟踪分析，该系统包括状态监测，信号分析，故障诊断３个主要功能块以及其他辅助模块。状态监测模块实现实时监测并报警；信号分析模块提供多种分析方法，可对监测获取的数据进行分析，故障诊断模块能自动对机组进行评价和对有可能发生的故障进行诊断，运用该系统，能完整地掌握机组运行的当前状态和历史数据。     

基于数据增强技术的LSTM模型变压器故障诊断研究

为了解决变压器故障诊断中存在着依靠人工经验等方面的问题,提高变压器故障诊断的能力,笔者提出了基于数据增强的长短期记忆网络（long short-term memory,LSTM）模型的变压器故障诊断方法。首先通过数据增强技术增加数据样本量,然后利用LSTM构建变压器故障诊断模型,最后进行变压器故障诊断实验。结果表明：该方法预测的准确率、查准率、查全率及F1值均达到0.998;与支持向量机模型比较,各项评价指标至少提高8%。该方法能够提高变压器故障诊断能力,有助于变压器故障的诊断与维修。     

基于关联规则挖掘的径流长期预报模型研究

关联规则是一种重要的数据挖掘技术。现结合水文长期预报的特殊性,将关联规则挖掘分析方法应用于径流长期预报中。根据预报目标初选出预报因子,构成长期预报事务数据集。然后将其进行离散化处理,对离散化后的数据集进行关联规则分析,挖掘出满足事先设定的最小支持度和最小置信度的强关联规则,解释规则并建立模型。以嫩江江桥站汛期径流长期预报为例,挖掘出满足要求的强关联规则,这些强关联规则中蕴含着北太平洋海温变化和江桥汛期径流的关系,说明了关联规则挖掘分析方法在径流长期预报中的可行性。     

In the Central Committee of the Communist Party of the Soviet Union and the Council of Ministers of the USSR

Power Technology and Engineering -     

分流对弯道水流紊动强度影响的试验研究

采用先进的三维超声波多普勒流速仪（ADV）对不同分流比情况下弯道水流紊动特性进行了系统的试验研究。根据试验数据,探讨了不同分流比工况下弯道水流的紊动机理,分析了其紊动特性,同时对紊动强度分布特点进行了比较。     

前置掺气坎坡度对阶梯溢洪道掺气水流影响的数值模拟

为研究复杂边界条件下气液两相界面的流动及混掺现象对工程建设的影响,结合某大型水电站的溢洪道,利用RNG k-ε模型对其进行三维流场模拟,采用有限体积法离散控制方程,并用GMRES算法进行压力求解,对前置掺气坎式阶梯溢洪道和传统阶梯溢洪道泄流壁面上的高速掺气水流进行数值模拟。结果表明:随着掺气坎坡度的增加,其掺气空腔及掺气浓度均有所增大,随着水流下泄掺气浓度沿程降低,达到一定距离后趋于稳定,掺气浓度值达到了减免空蚀破坏的要求;与传统阶梯溢洪道的模拟结果进行对比可知,增设前置掺气坎后,既可以增加前几级阶梯的掺气浓度使水流提前达到水气平衡,也没有降低阶梯式溢洪道的消能率,为解决传统阶梯溢洪道中出现的工程难题提供了一种新思路。