[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

说明书

本发明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‑means聚类，并得到最合适的类别数量，为变电站工作人员提供技术指导。本发明利用变电站二次系统海量信息及其结构特性，建立变电站二次系统逻辑回路模型及分析方法，提高了二次系统故障诊断的速度和准确性。

技术领域

本发明涉及电力系统变电站二次系统评估技术领域，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。

背景技术

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。

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。

发明内容

有鉴于此，本发明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。

为解决上述技术问题，本发明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：

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。

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。

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。

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。

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：

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；