[发明专利]基于关联规则与聚类的二次系统信息故障分析方法

权利要求书

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)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；

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；

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；

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。

6.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：S2中，对提取出的关联规则进行k-means聚类：

k-means算法的距离函数选择如下：

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；

对聚类效果的评分函数选取兰德系数，如下：

其中，TP为真阳率，FP为假阳率，FN为假阴率。

7.如权利要求5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：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。

8.如权利要求5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：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。