基于关联规则与聚类的二次系统信息故障分析方法技术方案

本发明专利技术公开了一种基于关联规则与聚类的二次系统信息故障分析方法，属于电力系统变电站二次系统评估技术领域，首先，利用Apriori算法遍历二次系统报文信息和故障装置信息数据集，挖掘其中的关联性，提取出报文信息和二次系统故障装置的关联规则，实现二次系统故障诊断，然后，对提取出的关联规则进行k

【技术实现步骤摘要】
基于关联规则与聚类的二次系统信息故障分析方法


[0001]本专利技术涉及电力系统变电站二次系统评估
，具体是一种基于关联规则与聚类的二次系统信息故障分析方法。

技术介绍

[0002]智能变电站是智能电网建设的重要组成内容。智能变电站二次系统实现着一次系统的监视、控制和保护，由于某个二次设备的故障导致若干功能无法正常运行，此时二次系统处于故障状态中。因此有必要引入新的指标表征二次系统的可靠性，及二次设备失效对二次系统带来的扰动。表达系统的失效概率与失效后果，可让二次系统可靠性评估能够给保护系统的运行维护提供更为全面的认识，使保护系统的设计、运行和维护更加可信和可靠。
[0003]目前，可靠性评估采用的方法主要有Markov模型法、故障树分析法，此外，还有功效分析法、概率法等，而随着计算机技术的进步，蒙特卡罗随机模拟或其他抽样算法的使用范围越来越广。具体到电力系统，有研究人员使用基于超立方抽样的蒙特卡罗算法完成了电力系统系统可靠性的评估，并使用上述建模方法对电网规划、网架结构、电源配置、运行方式、检修计划等方面的可靠性进行了研究，整体上是以元件可靠性为基础，计算某一系统的可靠性为基本目标，分析系统薄弱元件、拟定提高可靠性措施为高级应用的工程应用或学术研究。这些理念都可作为二次系统可靠性评估的参考。就数据驱动的方法而言，目前有以下两方面研究：一方面是针对二次回路的数据分析，另一方面是针对二次设备的异常参数辨识。但对于报文信息这种文字而非数字的信息的数据分析还不多见。

技术实现思路

[0004]有鉴于此，本专利技术针对现有技术的不足，提供的一种能够提高二次系统故障诊断的速度和准确性的基于关联规则与聚类的二次系统信息故障分析方法。
[0005]为解决上述技术问题，本专利技术所采取的技术方案是：基于关联规则与聚类的二次系统信息故障分析方法，包括以下步骤：
[0006]S1：利用Apriori算法遍历二次系统报文信息和故障装置信息数据集，挖掘其中的关联性，描述报文信息和二次系统故障装置的关联关系，提取出报文信息和二次系统故障装置的关联规则，实现二次系统故障诊断；
[0007]S2：对提取出的关联规则进行k
‑
means聚类，并得到最合适的类别数量，当再次出现某些关联规则中的报文信息，直接检查该关联规则中的故障装置以及同类别关联规则的的故障装置，实现高效故障检查。
[0008]进一步地，S1中，提取出的关联规则包含高支持度、置信度以及提升度的报文信息及故障装置信息，同时计算出关联规则所对应的支持度、置信度以及提升度的具体数据信息，即每一条关联规则对应一组三维数据。
[0009]进一步地，S2中，具有类似的支持度、置信度以及提升度的关联规则分为一类，把
所有关联规则用上述三维数据进行分类，即能量化关联规则之间的相似性。
[0010]进一步地，S1中，场站人员在得到关联规则之后，作为参考依据，即当有多条报文信息同时出现时，如果包含在某一条关联规则中，且故障还并未出现，此时提前对关联规则所映射的潜在故障装置进行提前排查，从而实现二次系统故障诊断。
[0011]进一步地，S1中，利用Apriori算法提取出报文信息和二次系统故障装置的关联规则的流程为：
[0012]1)Apriori算法扫描所有二次系统的故障装置信息以及同时段的报文信息，获得每个项，并生成C1；然后对每个项进行计数，随后依据最小支持度、最小置信度以及最小提升度从C1中删除不满足的项，至此获得频繁1项集L1；
[0013]2)根据剪枝策略，L1自身生成的集合产生候选2项的集合C2，再扫描所有二次系统的故障装置信息以及同时段的报文信息，对C2进行项数统计，同理，根据最小支持度、最小置信度以及最小提升度从C2中删除不满足要求的项，获得频繁2项集L2；
[0014]3)根据步骤2)的方法获得频繁3项集L3、频繁4项集L4、
…
、频繁k项集Lk；
[0015]4)判断k是否为最大，若是，则生成关联规则Lk，若否，将k值加1后返回至步骤3)循环。
[0016]进一步地，S2中，对提取出的关联规则进行k
‑
means聚类：
[0017]k
‑
means算法的距离函数选择如下：
[0018][0019]其中，x1，x2，x3，y1，y2，y3分别表示两组关联规则之间的三维数据；d(x,y)表示两组关联规则之间的欧氏距离；
[0020]对聚类效果的评分函数选取兰德系数，如下：
[0021][0022]其中，TP为真阳率，FP为假阳率，FN为假阴率。
[0023]进一步地，步骤1)中，Apriori算法扫描同时段的报文信息为实际发生故障前的报文信息。
[0024]进一步地，步骤1)中，设置的最小支持度、最小置信度、最小提升度分别为0.5％、5％、1。
[0025]与现有技术相比，本专利技术的有益效果如下：
[0026]本专利技术利用Apriori算法求出故障报警信息与二次回路中的故障装置的关联规则，实现逻辑回路故障诊断，然后对提取出的关联规则进行k
‑
means聚类，并得到最合适的类别数量，同一种类的关联规则有潜在联系，为变电站工作人员提供技术指导，通过真实运行数据，验证了所提方法的有效性。
[0027]本专利技术仅通过对二次系统历史报文信息进行分析，筛选出相应的关联规则，并对上述关联规则进行聚类，当再次出现某些关联规则中的原因项，可直接检查该关联规则中的故障装置以及同类别关联规则的的故障装置，提高检查效率，缩短检查时间，提高二次系统故障诊断的速度和准确性。
附图说明
[0028]图1是本专利技术实施例中Apriori算法流程图图；
[0029]图2是本专利技术实施例中K
‑
means算法的关联规则分类流程图；
[0030]图3是本专利技术实施例中关联规则最佳分类归一化二维展示图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]基于关联规则与聚类的二次系统信息故障分析方法，其特征在于，包括以下步骤：
[0033]S1：利用Apriori算法遍历二次系统报文信息和故障装置信息数据集，挖掘其中的关联性，描述报文信息和二次系统故障装置的关联关系，提取出报文信息和二次系统故障装置的关联规则，实现二次系统故障诊断；
[0034]对于关联分析这类算法，通常定义所含元素各不相同的集合为项集，其中元素个数称为项集的长度，记作k。该项集称为k
‑
项集。用以关联分析的样本成为样本集，样本集是项集的子集。文中用来衡本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于关联规则与聚类的二次系统信息故障分析方法，其特征在于，包括以下步骤：S1：利用Apriori算法遍历二次系统报文信息和故障装置信息数据集，挖掘其中的关联性，描述报文信息和二次系统故障装置的关联关系，提取出报文信息和二次系统故障装置的关联规则，实现二次系统故障诊断；S2：对提取出的关联规则进行k
‑
means聚类，并得到最合适的类别数量，当再次出现某些关联规则中的报文信息，直接检查该关联规则中的故障装置以及同类别关联规则的的故障装置，实现高效故障检查。2.如权利要求1所述的基于关联规则与聚类的二次系统信息故障分析方法，其特征在于：S1中，提取出的关联规则包含高支持度、置信度以及提升度的报文信息及故障装置信息，同时计算出关联规则所对应的支持度、置信度以及提升度的具体数据信息，即每一条关联规则对应一组三维数据。3.如权利要求2所述的基于关联规则与聚类的二次系统信息故障分析方法，其特征在于：S2中，具有类似的支持度、置信度以及提升度的关联规则分为一类，把所有关联规则用上述三维数据进行分类，即能量化关联规则之间的相似性。4.如权利要求1所述的基于关联规则与聚类的二次系统信息故障分析方法，其特征在于：S1中，场站人员在得到关联规则之后，作为参考依据，即当有多条报文信息同时出现时，如果包含在某一条关联规则中，且故障还并未出现，此时提前对关联规则所映射的潜在故障装置进行提前排查，从而实现二次系统故障诊断。5.如权利要求1所述的基于关联规则与聚类的二次系统信息故障分析方法，其特征在于：S1中，利用Apriori算法提取出报文信息和二次系统故障装置的关联规则的流程为：1...

【专利技术属性】
技术研发人员：张锋，姚凯，王阳，王博，张震，陈宇，韩伟，马伟东，段文岩，宋闯，余娟，王博石，胡鹏，刘洎溟，
申请(专利权)人：国网河南省电力公司重庆大学，
类型：发明
国别省市：