本发明专利技术公开了一种基于决策树算法的电力设备运行风险分析评估方法,包括如下步骤:S1,获得已退役设备退役前的运行数据;S2,将获得的所述运行数据作为训练元祖,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树;S3,采用决策树算法,将电力设备的实时数据带入决策树的根节点,并按照每级节点对应的电力设备属性值选择输出分支,直至到达叶子节点,根据叶子节点存储的内容输出分析结果。该方法通过对电力设备进行风险分析评估,准确地了解电力设备状态,对电力设备进行合理安排,对即将停用、检修的设备提出及时合理的退役建议。
【技术实现步骤摘要】
本专利技术涉及一种电力设备运行风险分析评估方法,尤其涉及一种基于决策树算法的电力设备运行风险分析评估方法,属于电力系统调度自动化
技术介绍
随着电力系统规模的加大和电网的快速发展,用电负荷逐步攀升,电网稳定安全运行经受着严峻的考验,电网设备能否可靠运行已经变为人们关心的焦点。电网公司作为资产密集型企业,其核心竞争力是资产效率最大化和成本最低化。多年来电网公司也在不断尝试设备资产管理的新理念,从早期的事后故障修理,到强调事先保养的预防性维护,电网设备资产精细化管理的意识正在逐步建立。如何有效管理资产,并将其与企业的生产成本和盈利能力综合平衡,是对企业生产经营能力的一种考验。在整个社会对电力供应的依赖性日益强烈的今天,因电力设备故障而引起的损失是无法估量的,除了人为的操作不当及自然条件的突变所引起的设备损坏而无法预知外,正常情况下,通过对电力设备运行风险进行分析评估,适时的进行检修及维护,可以提高设备的可靠性,降低故障几率,实现设备利用率最大化。但是,现有的设备运行风险分析评估方法并不能很好的及时发现电网运行过程中出现的故障,难以适应现代化电网生产建设和发展的需要。为了解决上述问题,在公开号为CN 105184473 A的中国专利技术专利申请中公开了一种基于稳定规程的电网运行风险监视方法,包括如下步骤:S1,建立稳定规程存储模型;S2,将稳定规程以及其包含的逻辑结构一起录入到建立的稳定规程存储模型中;S3,获取电力系统运行过程中的实时数据,将实时数据带入到稳定规程存储模型中提取出的前缀表达式进行分析判断,根据判断结果判断设备当前状态,如满足稳定规程的告警条件,则进行告警通知,同时展示稳定规程对应的调整建议。上述方法不仅将电网调度运行人员从繁重的限值修改中解脱出来,并且在电网运行方式和重要设备状态变化时,可以及时发现故障并快速处理。但是,对于电网运行过程中,电力设备存在的安全隐患并不能很好地发现并剔除,一旦存在安全隐患的设备发生故障,将给电网运行带来极大的损失,不能满足电网安全稳定运行需求。
技术实现思路
针对现有技术的不足,本专利技术所要解决的技术问题在于提供一种基于决策树算法的电力设备运行风险分析评估方法。为实现上述专利技术目的,本专利技术采用下述的技术方案:一种基于决策树算法的电力设备运行风险分析评估方法,包括如下步骤:S1,获得已退役设备退役前的运行数据;S2,将获得的所述运行数据作为训练元祖,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树;S3,采用决策树算法,将电力监控设备的实时数据带入决策树的根节点,并按照每级节点对应的电力设备属性值选择输出分支,直至到达叶子节点,根据叶子节点存储的内容输出分析结果。其中较优地,在步骤S2中,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树,包括如下步骤:S21,将训练元组按属性进行划分,计算每个属性的信息增益,选择信息增益值最大的属性作为特征属性,并设置优先级为1,作为决策树的一级中间节点,所述特征属性的类别作为一级分支;S22,按照特征属性的类别种类将训练元组进行划分,训练群组将已经判定为特征属性的属性去除,并判断所述特征属性是否存在使运行类别为退役的类别,如果存在,则所述类别对应的下一节点为叶子节点,所述叶子节点中存储所述退役的运行类别,转向步骤S23;否则,直接转向步骤S23;S23,在每个新划分的训练群组中计算每个属性的信息增益,选择信息增益值最大的属性作为特征属性,并设置优先级为t,作为决策树的t级中间节点,其中t=2,3,4……N,N为正整数;S24,重复步骤S22~S23,直至新划分的训练群组中只存在一个属性,将所述属性作为特征属性,所述特征属性的类别对应的运行类别均存储在下一分支的叶子节点中,决策树构建完成。其中较优地,在步骤S21中,将训练元组按属性进行划分,计算每个属性的信息增益,选择信息增益值最大的属性作为特征属性,包括如下步骤:S211,获取训练元组的属性,计算训练元组对于属性的m个类别种类的熵,采用如下公式:info(D)=Σi=1m-pilog2(pi);]]>其中,D为训练元组,pi表示属性A的类别i在整个训练元组D中出现的概率;S212,将训练元组按照属性A进行划分,计算属性A对训练元祖划分的期望信息,采用如下公式:infoA(D)=Σj∈Values(A)|Dj||D|info(Dj);]]>其中,Values(A)表示属性A的属性值集合,j表示一个属性值,Dj是训练元组D中属性值为j的子集;S213,采用如下公式计算属性A的信息增益:gain(D,A)=info(D)-infoA(D);S214,依次从训练元组中取出属性,重复步骤S211~S213,直至得到训练元组中所有属性的信息增益,对所有属性的信息增益进行排序,息增益值最大的属性即为特征属性。其中较优地,在步骤S23中,如果特征属性不同类别的分组中,通过信息增益选择出的下一优先级的特征属性相同,则将选择出相同优先级的特征属性的所述不同分组进行合并。其中较优地,在步骤S3中,采用决策树算法,将电力设备的实时数据带入决策树的根节点,并按照每级节点对应的电力设备属性值选择输出分支,直至到达叶子节点,根据叶子节点存储的内容输出分析结果,包括如下步骤:获取电力设备运行的实时数据;将实时数据带入决策树的根节点;根据每级节点存储的特征属性,获取电力设备对应属性的实时数据;按照所述对应属性的属性值选择输出分支,直至到达叶子节点,将叶子节点存放的运行类别作为分析结果输出。其中较优地,所述的基于决策树算法的电力设备运行风险分析评估方法,还包括如下步骤:S4,当所述叶子节点输出分析结果为退役时,给出“设备退役”建议,否则进行下一电力设备的判断。本专利技术所提供的基于决策树算法的电力设备运行风险分析评估方法,通过对已退役设备退役前一段时间的告警数据以及设备缺陷数据的分析总结构建决策树;采用决策树算法将电力设备的实时数据带入决策树的根节点,并按照每级节点存储的特征属性对应的电力设备属性值选择输出分支,直至到达叶子节点,根据叶子节点存储的内容输出分析结果。该方法通过对电力设备进行风险分析评估,准确地了解设备状态,对设备进行合理安排,对即将停用、检修的设备提出及时合理的退役建议。附图说明图1为本专利技术所提供的基于决策树算法的电力设备运行风险分析评估方法的流程图;图2为本专利技术所提供的一个实施例中,选取一级中间节点后构建的部分决策树的结构示意图;图3为本专利技术所提供的一个实施例中,选取二级中间节点后构建的部分决策树的结构示意图;图4为本专利技术所提供的一个实施例中,选取二级中间节点进行分支合并后构建的部分决策树的结构示意图。具体实施方式下面结合附图和具体实施例对本专利技术的
技术实现思路
进行详细具体的说明。如图1所示,本专利技术所提供的基于决策树算法的电力设备运行风险分析评估方法,包括如下步骤:首先,获得已退役设备退役前一段时间的告警数据以及设备缺陷数据;然后,将获得的告警数据以及设备缺陷数据作为训练元祖,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树;最后,采用决策树算法,将电力设备实时数据带入决策树的根节点,并按本文档来自技高网...
【技术保护点】
一种基于决策树算法的电力设备运行风险分析评估方法,其特征在于包括如下步骤:S1,获得已退役设备退役前的运行数据;S2,将获得的所述运行数据作为训练元祖,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树;S3,采用决策树算法,将电力监控设备的实时数据带入决策树的根节点,并按照每级节点对应的电力设备属性值选择输出分支,直至到达叶子节点,根据叶子节点存储的内容输出分析结果。
【技术特征摘要】
1.一种基于决策树算法的电力设备运行风险分析评估方法,其特征在于包括如下步骤:S1,获得已退役设备退役前的运行数据;S2,将获得的所述运行数据作为训练元祖,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树;S3,采用决策树算法,将电力监控设备的实时数据带入决策树的根节点,并按照每级节点对应的电力设备属性值选择输出分支,直至到达叶子节点,根据叶子节点存储的内容输出分析结果。2.如权利要求1所述的基于决策树算法的电力设备运行风险分析评估方法,其特征在于在步骤S2中,将训练元组按属性进行划分,提取特征属性,依据特征属性的优先级构建决策树,包括如下步骤:S21,将训练元组按属性进行划分,计算每个属性的信息增益,选择信息增益值最大的属性作为特征属性,并设置优先级为1,作为决策树的一级中间节点,所述特征属性的类别作为一级分支;S22,按照特征属性的类别种类将训练元组进行划分,训练群组将已经判定为特征属性的属性去除,并判断所述特征属性是否存在使运行类别为退役的类别,如果存在,则所述类别对应的下一节点为叶子节点,所述叶子节点中存储所述退役的运行类别,转向步骤S23;否则,直接转向步骤S23;S23,在每个新划分的训练群组中计算每个属性的信息增益,选择信息增益值最大的属性作为特征属性,并设置优先级为t,作为决策树的t级中间节点,其中t=2,3,4……N,N为正整数;S24,重复步骤S22~S23,直至新划分的训练群组中只存在一个属性,将所述属性作为特征属性,所述特征属性的类别对应的运行类别均存储在下一分支的叶子节点中,决策树构建完成。3.如权利要求2所述的基于决策树算法的电力设备运行风险分析评估方法,其特征在于在步骤S21中,将训练元组按属性进行划分,计算每个属性的信息增益,选择信息增益值最大的属性作为特征属性,包括如下步骤:S211,获取训练元组的属性,计算训练元组对于属性的m个类别...
【专利技术属性】
技术研发人员:路明,王子轩,秦领,武江,王洪哲,邱金辉,张凤麟,白梓玮,张广成,曹锦锋,
申请(专利权)人:国家电网公司,国网辽宁省电力有限公司,北京科东电力控制系统有限责任公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。