【技术实现步骤摘要】
本专利技术涉及配电网安全，尤其是指基于数据关联性的线路故障缺陷分析方法。
技术介绍
1、目前配电网线路故障缺陷造成的后果包括设备损坏与老化、配电故障、能源浪费、安全问题以及供电质量的影响。这些后果不仅影响电力系统的正常运行，还可能对人们的生命财产安全构成威胁。因此，及时发现并处理配电网线路故障缺陷至关重要。配电线路故障频发，基层运行管理人员和生产技能人员抢修工作量大，尤其在恶劣天气故障量更是居高不下，给人民生产生活造成一定影响。现有的线路故障缺陷分析方法往往只依赖于一线工作人员的巡视和感官判断，线路故障缺陷只能根据本身的参数或者状态进行分析，缺乏整体性的分析判断，对于线路故障缺陷分析不够到位，无法发现出潜在的线路故障缺陷的风险。
技术实现思路
1、本专利技术的目的是克服现有技术中的线路故障缺陷只能根据本身的参数或者状态进行分析，缺乏整体性的分析判断，对于线路故障缺陷分析不够到位，无法发现出潜在的线路故障缺陷的风险缺点，提供一种基于数据关联性的线路故障缺陷分析方法。
2、本专利技术的目的是通过下述技术方案予以实现：
3、基于数据关联性的线路故障缺陷分析方法，包括以下步骤：
4、步骤1，收集配网线路发生线路故障缺陷相关联的多元异构数据；
5、步骤2，对多元异构数据进行融合并进行数据清洗，转换成标准化数据集；
6、步骤3，对标准化数据集进行关联规则挖掘，得出线路故障和各种因素之间的关联关系；
7、步骤4，基于关联关系
8、作为优选，所述的多元异构数据包括设置在线路上的传感器数据，历史维修记录数据和操作日志。
9、作为优选，所述的步骤2中，数据清洗包括去除噪声、异常值和缺失数据。
10、作为优选，所述的步骤3具体为：
11、设置最小支持度和最小置信度；在标准化数据集上运行关联规则挖掘算法，关联规则挖掘算法扫描标准化数据集，计算项集的支持度，根据支持度发现频繁项集，基于频繁项集生成关联规则，然后根据最小支持度和最小置信度对关联规则进行筛选，筛选出强关联规则。
12、作为优选，所述的根据最小支持度和最小置信度对关联规则进行筛选，具体为：首先通过最小支持度进行筛选，确保关联规则的支持度不低于设定的最小支持度，即支持度低于最小支持度的关联规则被视为不够频繁并被筛选去除；
13、然后通过最小置信度进行筛选，确保关联规则的置信度不低于设定的最小置信度，即置信度低于最小置信度的关联规则被视为不够可靠并被筛选去除。
14、作为优选，所述的步骤4中基于关联关系构建故障缺陷识别模型具体为：
15、根据关联关系确定与线路故障缺陷相关的特征，并将特征作为故障缺陷识别模型的输入，故障状态作为输出对故障缺陷识别模型进行训练；
16、对训练完成后的故障缺陷识别模型通过交叉验证、准确率或召回率的指标进行评估，若故障缺陷识别模型满足性能要求，则将故障缺陷识别模型应用于实际线路中进行潜在故障缺陷识别；若故障缺陷识别模型不满足性能要求，则对故障缺陷识别模型进行优化直到其满足性能要求。
17、作为优选，所述的故障缺陷识别模型为决策树算法分类模型，决策树算法分类模型中，每个节点表示一个特征判断调节，每个分支表示一个可能的特征值，每个叶子节点表示一个分类结果，分类结果包括故障缺陷或正常。
18、作为优选，所述的故障缺陷识别模型还包括随机森林算法模型，每棵树都在随机抽样的训练集上进行训练，每个节点分列式只考虑实际选择的特征子集。
19、作为优选，通过两种故障缺陷识别模型共同对线路中的潜在故障缺陷，并根据识别结果的准确率动态调整每个线路中的潜在故障缺陷所占的权重。
20、本专利技术的有益效果是：本专利技术通过对多元异构数据的收集和分析，可以更全面地了解线路运行状况，从而更准确地识别潜在的故障缺陷；通过关联关系构建的故障缺陷识别模型，系统能够自动识别线路中的潜在故障缺陷，这有助于在故障发生前进行预警和预防，降低故障发生的可能性，提高配网线路的稳定性和可靠性。
本文档来自技高网...【技术保护点】
1.基于数据关联性的线路故障缺陷分析方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的多元异构数据包括设置在线路上的传感器数据，历史维修记录数据和操作日志。
3.根据权利要求1所述的基于多元异构数据关联性的线路故障缺陷分析方法，其特征是，所述的步骤2中，数据清洗包括去除噪声、异常值和缺失数据。
4.根据权利要求1所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的步骤3具体为：
5.根据权利要求4所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的根据最小支持度和最小置信度对关联规则进行筛选，具体为：
6.根据权利要求1所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的步骤4中基于关联关系构建故障缺陷识别模型具体为：
7.根据权利要求6所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的故障缺陷识别模型为决策树算法分类模型，决策树算法分类模型中，每个节点表示一个特征判断调节，每个分支表示一个可能的特征值，每个叶子节点
8.根据权利要求7所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的故障缺陷识别模型还包括随机森林算法模型，每棵树都在随机抽样的训练集上进行训练，每个节点分列式只考虑实际选择的特征子集。
9.根据权利要求8所述的基于数据关联性的线路故障缺陷分析方法，其特征是，通过两种故障缺陷识别模型共同对线路中的潜在故障缺陷，并根据识别结果的准确率动态调整每个线路中的潜在故障缺陷所占的权重。
...【技术特征摘要】
1.基于数据关联性的线路故障缺陷分析方法，其特征是，包括以下步骤：
2.根据权利要求1所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的多元异构数据包括设置在线路上的传感器数据，历史维修记录数据和操作日志。
3.根据权利要求1所述的基于多元异构数据关联性的线路故障缺陷分析方法，其特征是，所述的步骤2中，数据清洗包括去除噪声、异常值和缺失数据。
4.根据权利要求1所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的步骤3具体为：
5.根据权利要求4所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的根据最小支持度和最小置信度对关联规则进行筛选，具体为：
6.根据权利要求1所述的基于数据关联性的线路故障缺陷分析方法，其特征是，所述的步骤4...
【专利技术属性】
技术研发人员：方晨，杨震，侯虎成，胡李栋，王培波，范彬彬，汪之昊，童櫑，王晔辰，刘晓谦，高勇，李熙来，周毅，龚昊，
申请(专利权)人：国网浙江省电力有限公司兰溪市供电公司，
类型：发明
国别省市：
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。