论文部分内容阅读
随着国家经济发展,人民生产和生活用电的规格和安全等级上升,各用电网区域的联系变得紧密。电网线路异常信息的增多,电力系统事故的频繁发生成为制约国家发展的重要因素。恶劣天气下电力系统事故呈现出多样性与繁杂性,各属性间的联系看似毫无关联,通过数据挖掘的手段可发现许多潜在的强关联性规则和决策模式。对真实的电力系统运行案例进行故障信息挖掘,用于故障预测与预警提供科学依据、对于电力系统持续的稳定运行就显得十分有意义。本文通过对某省电网110KV及以上架空输电线路事故情况进行理论与数据源的详细分析研究及其在恶劣天气影响下的电网运行特征进行了历史统计分析。通过构建模型来挖掘不同恶劣天气下的电网灾害的类型和影响程度,采用优化后的多维关联规则算法与决策树算法进行数据挖掘。此算法可从纷繁的电网历史故障信息中提取有价值的信息,用于预防和减少电网事故的发生与快速进行电网故障信息分类,起到预测作用。该方法用来解决电网故障信息挖掘难以及电力系统中事务数据集不断变化的问题,以期能为该省电网今后的电网建设和高效发展提供了宝贵的经验和理论支撑,具体工程如下:1、本文介绍了一种电网故障信息快速预测模型。采用某省电网近五年来实际线路运行过程中致使电网线路出现故障的各因素进行分析、归纳与整理,并按照电力系统中指标体系构造事务数据模型。2、提出了结合关联规则与决策树算法分析电网故障信息的新模式。通过优化后的关联规则算法形成新属性,重组数据集。将数据集进行分区分块优化,处理引入到决策树算法。弥补决策树在构造过程中过度拟合的缺陷,解决同一事务不同时期的电网故障数据源不断变化的问题。3、通过实例分析,将算法运用到实际的电网故障环境进行诊断分析,对预处理的故障数据进行分类、模型应用和分析结果来验证方法的可行性及有效性。