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。     

关联规则挖掘在电厂设备故障监测中应用

关联规则挖掘是数据挖掘的重要分支,其通过描述数据库中不同数据属性之间所存在的潜在关系规则,找出满足给定支持度阀值和置信度阀值多个域之间的依赖关系。随着电厂设备运行期间各种故障的发生,各状态监测点参数也会发生相应变化,利用关联规则挖掘算法,找出故障发生时故障现象与故障类别之间的关联关系,更好地对设备进行故障监测与诊断。阐述了关联规则挖掘的主要概念,对挖掘时最常用的Apriori算法进行探讨,并以汽轮机凝汽器的一种典型故障为例说明了算法的执行情况,对挖掘结果进行了解释。结果验证了所用方法的可行性与正确性。     

关联规则挖掘算法的研究与应用

关联规则进行挖掘被发现具有独特的应用价值，尤其是在海量数据的存储和应用中，可以建立某些联系，更加合理更加高效的进行数据管理。所以关注的目光已经停留在它的身上。本文从关联规则和挖掘算法进行简要介绍，同时就原理和应用与发展进行了阐述。     

基于关联规则挖掘算法的审计综合管理系统研究

信息技术的不断发展推动了电力行业的不断进步,建立一个完善的审计综合管理系统是目前国网在审计工作方面研究的重点。随着存储项目成果信息的增多,目前国网的审计管理系统存在着问题分类不统一、未形成标准库、审计报告等不能与审计问题库相关联等问题。在标准审计问题库建立完成的基础上,将关联规则挖掘算法应用到审计底稿、审计报告、审计意见及建议同审计问题库的数据关联挖掘中,进而实现审计发现问题的实时追踪;引入基于位置的文件对比算法,以提高审计发现问题整改的效率。关联规则挖掘算法和文件对比算法在审计管理系统中的应用,可提高审计人员的工作效率,同时为审计结果分析提供数据支撑。     

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OLAP的多维数据挖掘在汽轮机监测中的应用

应用基于OLAP技术的多维关联规则挖掘技术，以充分发挥存储在汽轮机历史数据库中数据对电力生产的指导作用。研讨了多维关联规则挖掘算法，并成功地将基于OLAP技术多维关联规则挖掘技术应用于汽轮机运行模型的建立。实验证明，利用这种挖掘技术有利于开展汽轮机的状态检修。     

一种改进的FP-Growth关联规则挖掘算法

挖掘频繁项目集是关联规则挖掘中的重点之一.Jiawei Han等人提出了FP-Growth算法,该算法不产生候选项目集.但当数据库较大时,生成PT-Tree需遍历的树的节点数目很多.本文通过对FP-Growth算法分析,提出的改进算法能有效地减少需遍历的树的节点数,从而降低了时间开销.实验结果表明,改进算法能够比较明显地提高挖掘效率.     

基于粗糙集的关联规则挖掘方法的研究与应用

基于粗糙集理论知识,对关联规则挖掘算法作出一定的改进。该算法的主要思想是把集合的近似质量作为迭代准则,初始约简集是所有的条件属性集合,在保证近似质量不变的前提下通过逐步缩减的方式来求取约简集,保证了所求的约简不会减弱对问题的分类决策能力。约简后得到新的决策表,在此基础上应用基于贪心思想的Apriori算法挖掘关联规则。算法的主要优势是在不影响对问题分类决策能力的前提下,以较小的属性和候选项集数目以及有限的扫描次数生成决策规则。通过应用实例和实验分析验证了算法的有效性。     

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。     

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。     

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。     

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。     

Association Rule Mining for Continuous Attributes using Genetic Network Programming

Most of the existing association rule mining algorithms are able to extract knowledge from databases with attributes of binary values. However, in real‐world applications, databases are usually composed of continuous values such as height, length or weight. If the attributes are continuous, the algorithms are commonly integrated with a discretization method that transforms them into discrete attributes. Discretization is a process of transforming a continuous attribute value into a finite number of intervals and assigning each interval into a discrete numerical value. However, the user most often must specify the number of intervals, or provide some heuristic rules to be used while discretization, and then it is difficult to get the highest attribute interdependency and at the same time get the lowest number of intervals. In this paper we present an association rule mining algorithm that is suited for continuous valued attributes commonly found in scientific and statistical databases. We propose a method using a new graph‐based evolutionary algorithm named ‘genetic network programming (GNP)’ that can deal with continuous values directly, that is, without using any discretization method as a preprocessing step. GNP represents its individuals using graph structures and evolves them in order to find a solution; this feature contributes to creating very compact programs and implicitly memorizing past action sequences. In the proposed method using GNP, the significance of the extracted association rules is measured by the use of χ² test, and only important association rules are stored in a pool all together through generations. Results of experiments conducted on a real‐life database suggest that the proposed method provides an effective technique for handling continuous attributes. Copyright © 2008 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Network Intrusion Detection Using Class Association Rule Mining Based on Genetic Network Programming

Because of the expansion of the Internet in recent years, computer systems are exposed to an increasing number and type of security threats. How to detect network intrusions effectively becomes an important technique. This paper proposes a class association rule mining approach based on genetic network programming (GNP) for detecting network intrusions. This approach can deal with both discrete and continuous attributes in network‐related data. And it can be flexibly applied to both misuse detection and anomaly detection. Experimental results with KDD99Cup and DARPA98 database from MIT Lincoln Laboratory shows that the proposed method provides a competitive high detection rate (DR) compared to other machine learning techniques. © 2010 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

大型汽轮机轴系监测系统传感器的应用

轴系监测系统传感器的正确合理使用,直接关系到机组正常安全运行,结合600MW机组轴系传感器安装调试经验,提出了大型轴系监测系统传感器的选型应涉及因素、及各传感器安装调试掌握和记录的要点,介绍了一些典型测量方法及部分应用实例。     

多域分布式数据库的电能质量扰动事件记录关联规则挖掘

随着电能质量监测装置的广泛分布,将有大量电力扰动数据汇集至分布式数据库。为高效地处理电力扰动数据并全面深入挖掘扰动事件和扰动过程的内在联系,提出基于分布式数据库的关联规则挖掘方法。首先采用移动时间窗技术实现扰动数据预处理;然后在考虑数据库更新的情况下,提出一种分布式协同算法,该算法通过交换各数据库间的局部频繁项目集,实现扰动数据关联模式分布式挖掘。最后,利用实际电能质量监测数据,验证了文中     

核电机组汽轮机监测仪表的特性及应用

秦山核电厂汽轮机监测仪表系统 (TSI)可测量汽轮机轴的振动、偏心度、键相、汽轮机转速、缸胀、高压缸和低压缸的胀差、转子位移等参数。监测汽轮机和发电机轴振动、转子偏心、键相、转速的探测器 ,分别安装在轴承上或前轴承座内 ;缸胀探测器位于高压缸调速端。TSI系统采用测量传感器和处理模件 ,由测量仪表得到的测量参数在DCC中进行相关判断和精确的处理 ,得到准确、可靠的测量结果。TSI系统可完成汽轮机的监视保护任务 ,保证了汽轮机的安全运行 。