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。     

基于Apriori算法的昆柳龙直流换流站SER事件智能分析方法研究

昆柳龙直流是世界上首个特高压多端混合直流工程,其控制保护逻辑功能尤为复杂,换流站HMI系统监视信号繁多,及时发现换流站异常SER事件尤为重要.为此,通过分析昆柳龙直流换流站事件,基于Apriori算法对事件规则进行挖掘,识别每条SER的产生规律,实现异常SER自动识别,减轻运行人员监盘压力,提高监盘质量,对于保障换流站运维效率和质量具有很好的实际意义.     

电压暂降事件的频繁模式挖掘与知识推理分析

电能质量在线监测系统积累了大量电压暂降事件数据。海量数据中蕴含着项间的关联关系,通过关联规则,可以预测事件发生的规律。文章设计了一种将复杂暂降数据库中暂降事件特征维度数据等价转换为一维数组的方法,通过对暂降数据库进行一次扫描,实现特征维度数据的全面提取,基于该数组进行多维频繁模式挖掘,大大提高了算法的效率。利用生成的关联规则库,融合知识推理技术,计算预测数据与规则数据之间的相似度,实现电压暂降预测。文章提出的方法适合事件型数据的挖掘与预测。     

一种基于FP-growth算法的变电站二次设备缺陷分析方法

为提高监控人员面对设备海量缺陷信息的研判能力,丰富监控人员缺陷处理的技术手段,提出了一种基于FP-growth算法的变电站二次设备缺陷分析方法。利用关联规则挖掘的思想,为智能变电站二次设备建立缺陷模型,并利用FP-growth算法进行了缺陷数据的挖掘和分析,挖掘二次设备、缺陷和缺陷原因的关联规则。通过对国家电网公司真实缺陷数据分析,表明所提方法可以有效发现变电站、二次设备、缺陷性质、缺陷原因等因素之间的关联关系,为二次设备高效管控和运维提供有价值信息。     

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。     

特定攻击场景下源网荷系统恶意攻击关联分析方法

充分利用网络信息与电气侧信息，提高恶意攻击事件识别的自适应能力和自动化程度是电网应对网络安全威胁的关键。提出了特定攻击场景下源网荷系统恶意攻击关联分析方法，首先，构建基于属性的多源事件融合模型，对信息侧与电气侧异常事件进行多源数据融合处理。其次，基于神经网络模型对融合后的事件进行训练，按照攻击场景分类。再次，结合电气侧异常事件，对遗传算法的初始化方案、选择算子、交叉遗传概率进行改进，基于分类结果，自动生成针对不同攻击场景的关联规则。接下来，通过时序、业务逻辑以及IP分类逐步减少待匹配事件数量，基于向量计算提高事件匹配速度，提出基于时序与业务逻辑的关联匹配算法，实现关联规则的高速匹配。最后，在源网荷仿真实验系统上验证了方法的有效性及适用性。该方法综合利用信息侧与电气侧异常事件，进一步提高对网络攻击的辨识精度，自动完成事件的分类和关联规则的生成，具有较大的工程应用价值。     

基于数据驱动的源网荷储协同控制系统网络攻击关联性分析

源网荷储协同场景下，能源系统发展呈现多方数据交互频繁、多源数据融合的特点。随着安全防护大区外的终端接入不断增加，系统外部接口的多样化发展给传统以边界为核心的网络防护构架带来挑战。为保障源网荷储协同控制系统的安全，并对网络攻击进行有效识别，提出基于数据驱动的网络攻击异常事件关联规则分析方法。首先分析系统日志文件，建立异常事件序列；其次利用FP-Growth算法，生成源网荷储协同控制系统异常事件与网络攻击场景的关联规则；最后利用灰色关联分析算法，实现异常事件与攻击场景的在线匹配，建立源网荷储协同控制系统网络攻击关联分析框架，并验证了所提方法的可行性与有效性。     

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。     

基于改进FP-Growth和AHP算法的电压暂降影响度分析

为了准确评估电压暂降对设备和用户造成的影响后果,提出一种基于改进FP-Growth算法和层次分析法（AHP）的数据挖掘分析方法来评估电压暂降影响度。选取电压暂降特征属性并对其进行分类,结合电压暂降影响度指标构建数据挖掘分析框架;采用改进的FP-Growth算法对电压暂降事件进行关联规则挖掘,有效提升了数据挖掘的效率;通过层次分析法构建关联规则匹配模型,评估电压暂降影响度,提高了评估结果的准确性。最后,通过实例分析验证了所提方法的实用性。     

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.     

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。     

电力通信网监控系统告警关联分析

告警关联分析是网络故障诊断中的重要任务,对通信网络的管理和维护具有十分重要的意义。文章介绍了告警关联方法的相关研究,分析了电力通信监控系统告警的特点,指出了适合对其进行关联规则挖掘的算法,并提出了基于关联规则算法的实现告警关联的方法。实验表明,该方法可以准确、快速地从告警数据中挖掘出大量有意义的关联规则。这些规则可协助进行故障定位、诊断和预测,提高了故障处理的效率。     

基于去噪自编码器网络特征降维与改进小批优化K均值算法的海量用户用电行为聚类及分析

海量用户用电特性的挖掘与分析对实现电网与用户间的双向互动具有十分重要的意义。提出一种适用于海量用户用电行为聚类及分析的算法,以降低算法时间复杂度,提升海量用户负荷数据分析效率。提取用户用电行为特征,构建多层去噪自编码网络,实现多维特征的降维;利用小批优化K均值算法进行聚类分析,并对算法进行初始聚类质心优化与超参数优化的改进以提升算法收敛速度与效果,其中超参数优化利用基于高斯过程的贝叶斯优化算法进行;利用类间分离度和类内内聚度的相关指标对聚类效果进行评价;通过互信息筛选有效聚类特征,实现用户画像。算例结果表明,所提方法在特征优化、聚类效果与收敛速度上均有较好的表现。     

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。     

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。     

基于关联规则挖掘的输电线路缺陷状态预测

对输电线路缺陷状态进行关联因素的分析和预测工作,可以为输电线路的巡维工作提供重要的技术支持。在现有输电线路状态分析和影响因素研究的基础上,提出了基于关联规则挖掘的输电线路缺陷状态预测方法。首先根据历史缺陷数据评价得到输电线路缺陷状态。结合各种影响因素,构建线路缺陷状态与相关因素的特征库。然后引入FP-Growth算法挖掘各因素与缺陷状态间的关联规则,并将得到的规则用于预测线路的缺陷状态。最后以某地区架空输电线路为例,通过历史缺陷等数据评价得到缺陷状态样本,提取相关条件特征作为输入特征,并用于预测线路的缺陷状态。结果验证了该方法的有效性,对输电线路的巡维检修有一定的参考价值。     

基于数据关联分析的低压配电网拓扑识别方法

文中介绍了一种基于数据关联分析的低压配电网拓扑识别方法。基于低压配电网停电事件、恢复上电事件及地理位置信息将待识别低压配电网划分为单一配电变压器停电台区、由于10kV配电线路停电引起的多个配变停电台区和未停过电台区,在每类台区内筛选特征电压序列,并利用Tanimoto相似度系数计算各分组内配电变压器、分支箱、表箱、用户智能电表之间相关性和非相关性,从而实现低压配电网拓扑识别;结合同一配电变压器台区内停电与带电状态、停电时长、地理位置、供电半径等台区拓扑校验规则对识别出的拓扑进行校验。通过实际案例证明文章提出的方法能够解决现有基于大数据挖掘方法计算量大、计算结果不准确、无法校验等问题,实现了配电变压器台区拓扑的高效、准确识别,提升了配电网的信息化水平和数据质量。     

基于频繁模式挖掘的风电爬坡事件统计特性建模及预测

风电爬坡事件的统计特性建模和精准预测有利于电网的安全稳定运行。文中首先通过参数分辨率自适应算法对大型历史风电数据库进行爬坡事件检测,得到风电爬坡事件的历史学习集。对该学习集进行数据挖掘,建立了单个爬坡事件的起点、终点、持续时间以及爬坡间隔的多属性联合统计特性模型,并得到爬坡事件的基本模式。通过关联规则算法建立了多个相邻爬坡事件之间的自相关性统计特性模型。在此基础上,提出了爬坡事件序列预测算法的基本概念和模型。算例结果表明,所提算法能够更为直观地描述爬坡事件的统计特性,且基于事件序列的预测算法能够较好地进行日前的爬坡预测。