[发明专利]一种无功优化在线控制中的设备动作次数挖掘方法

权利要求书

1.一种无功优化在线控制中的设备动作次数挖掘方法，其特征在于，依照执行的先后顺序，包括：挖掘前数据准备阶段、挖掘计算和规则生成阶段，和根据规则获得参数设置结果的阶段；

其中：

A所述挖掘前数据准备阶段的步骤包括：

步骤A-1，获取挖掘所需要的母线负荷预测结果；

步骤A-2，对母线负荷预测数据自动进行划分并获得挖掘所需的时段区间；

步骤A-3，选取挖掘所需关联字段，并对历史库中各时段数据执行整理；

步骤A-4，如果不采用在线挖掘，转入步骤B-1，否则转入步骤C-1：

B所述挖掘计算和规则生成阶段的步骤包括：

步骤B-1，选取第i个时段内的历史库结果，并转换字段属性；

步骤B-2，计算i时段内负荷预测曲线和历史库集合之间，不同字段属性的相似度；

步骤B-3，采用模糊隶属度函数量化各属性对应值；

步骤B-4，采用模糊关联规则挖掘方法进行挖掘；

步骤B-5，通过i＜l_i,max判断所有时段是否全部挖掘完成，如果都挖掘完成则转入D-1，否则转入A-4，其中l_i,max表示当前时段的最大值，i表示所划分出的时段的编号，1≤i≤max，max为编号的最大值；

C在线挖掘计算阶段步骤：

步骤C-1，如果N_NewItem＜N_max则入步骤C-2，否则转入B-1，其中，N_NewItem表示新增数据条数，N_max表示给定新增数据最大条数的阀值；

步骤C-2，获取时段i内数据库新增数据，新增数据集合为ZD；

步骤C-3，导入新增数据前的离线挖掘结果，既所有频繁-K项集的结果；

步骤C-4，采用增量挖掘方法对新增数据集进行挖掘，之后转入B-5；D所述根据规则获得参数设置结果的阶段的步骤包括：

步骤D-1，对时段内挖掘获得的频繁集计算置信度和兴趣度；

步骤D-2，获得满足置信度和兴趣度的强关联规则；

步骤D-3采用强关联规则筛选策略，进行规则筛选；

步骤D-4，对关联规则进行反模糊化处理，得到设备时段划分和动作次数设置结果；

步骤D-5，本次挖掘计算结束。