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.     

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...     

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。     

挖掘多值属性关联规则的一种模糊方法

多值属性关联规则是关联规则挖掘的重要内容之一。论文提出了解决此类问题的一种模糊方法,给出了模糊关联规则的一种形式化定义和挖掘算法,最后,给出了一个实例计算。     

关联规则挖掘在学生成绩分析中的应用

针对课程设置与课程成绩之间的关系,将关联规则挖掘技术应用到高校学生成绩分析中,发现隐藏在课程之间的有意义的信息,从而对得出的有价值的知识进行分析,找出教学中各方面的成效得失以及影响学生成绩的内在因素,从而为学生选课和教师教学以及教学管理工作等提供决策支持。     

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...     

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。     

关联规则技术在电力行业应用的前景分析

关联规则是一种重要的数据挖掘技术，它可以发现被研宄对象和其他影响因素之间的关联关系。文章简单介绍了数据挖掘的原理和方法，结合实际的理论分析，指出了数据挖掘技术在电力行业中的应用前景将是巨大的。     

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.     

基于多最小支持度的增量式关联规则挖掘算法研究

在传统的Apriori关联规则挖掘算法分析基础上,针对目前多最小支持度和增量式关联规则挖掘的局限性,提出基于多最小支持度的增量式关联规则挖掘算法。该算法适用于事务出现频率一致及不一致的情况,利用多最小支持度能挖掘出更有意义的结果;同时,该算法还能实现事务数据不断增加时的数据挖掘,提高了挖掘的效率。应用电力客户信用数据库进行实验的结果表明,改进算法能有效挖掘出稀有项,分析出潜在的信用风险客户,对电力客户信用评价具有辅助决策作用。     

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。     

关联规则数据挖掘及其在电厂DCS数据分析中的应用

电厂的DCS存储了大量的数据。这些数据的背后隐藏了许多对提高电厂的生产效率、经济安全性有积极的指导意义的信息。数据挖掘是从大量数据中自动提取知识的过程。对DCS的数据利用数据挖掘技术中的关联规则挖掘技术进行了探索性数据挖掘。对挖掘结果的分析表明该技术可以用于电厂机组的性能分析、状态监测、故障诊断等方面,可为机组开展状态检修提供技术支持。     

基于关联分析的城市用电负荷研究

结合电力行业数据的特殊性构建数据库,将关联规则数据挖掘分析方法应用于城市负荷分析中.采用FP-Growth算法对国内48个城市的负荷数据进行挖掘,分析各相关因素对电力负荷的影响,得出了电量及电量增长率与GDP增长率、第二产业比重、中心性等级、行政级别等相关因素的强关联规则.所获得的分析结果符合实际而且能够给出各因素的数值参考范围.     

基于关联规则算法的直流输电受端电网断面过载调整方法研究

特高压直流闭锁故障后受端电网易出现断面过载,针对这一问题,提出了一种基于关联规则算法的断面过载调整方法。首先进行多次特高压直流闭锁故障仿真,提取仿真结果中的断面过载调整策略及断面状态变化记录数据,进行数据处理并形成事务数据库,采用FP-growth算法构建FP-tree并挖掘故障事务数据库中的频繁项集。同时,对关联规则进行前后项约束,前项约束为调整策略数据,后项约束为断面状态变化数据,得到满足最小置信度的断面过载调整策略。最后以锦屏-苏州直流双极闭锁故障仿真为例,验证了本文方法的有效性。     

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。     

分布式并行FP-growth算法在二次设备缺陷监测中的应用

智能变电站设备监控数据存储分散,主站获取设备缺陷特征的难度大,有必要通过分布式数据挖掘的方法发现设备缺陷和信号之间的关系.分布式并行频繁模式树(FP-growth)算法采用Hadoop框架和Mapreduce算法,能够快速有效地发现信号间的强关联关系.针对二次设备的缺陷特征,建立异常模型,提出遥信历史数据准备和清洗方法...     

基于FP-growth的数据关联改进算法

随着现如今数据收集能力和存储能力的大大增强,大规模数据挖掘分析的重要性越来越显得重要.然而,对大规模数据的分析挖掘并不是一件容易的事情.因此,为了可以更高效的分析这些数据,很多新的算法和数据结构逐渐被引入到了数据挖掘分析中去.针对关联分析,提出了一种名为高效频繁模式挖掘(advanced frequent pattern mining,AFPM)算法.基于前置频繁模式树(pre-frequent pattern tree,PFP-tree)来提升关联分析的性能,并提供了相应的算法来实现基于这种数据结构的关联分析.通过大量的实验数据验证了这种新型的数据结构在关联分析问题上是优于频繁模式增长(FP-growth)算法.     

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.     

关联规则在输电网安全性评价中的应用

一种新的查找方法:数据挖掘方法,用来查找输电网存在的危险点。建立了一个智能化的数据挖掘工具,从输电网安全性评价数据库的大量历史数据中获取输电网中存在的危险点从而指导管理者进行决策。数据挖掘工具的核心是:采用Apriori算法找关联规则从而判断影响输电网安全性的危险点。通过危险点查找,确认发生事故的可能性及其严重程度,提出相应的整改和控制措施,达到预防、控制隐患和事故。