[发明专利]一种面向设备运维的配网信息数据挖掘方法

说明书

本发明公开了一种面向设备运维的配网信息数据挖掘方法，它包括：步骤(1)、数据采集，包括人均GDP、供电可靠率、人均生活用电量等数据；步骤(2)、计算支持度、可信度、期望可信度和作用度四个参数，来计算数据的关联性；步骤(3)、数据挖掘；通过数据挖掘的方法得到更重要的设备即配电网信息，有助于对配电设备运行状态有更深了解，有利于制定更加完善的设备运维策略，提高配电网运行的可靠性。

技术领域

本发明属于数据挖掘技术，尤其涉及一种面向设备运维的配网信息数据挖掘方法。

背景技术

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。

数据挖掘技术主要应用于数据融合环节，主要对不同类型数据之间的关联关系进行分析。

在配电网设备运维中，需要对庞大的设备试验巡检数据进行处理；传统对配电设备信息通过实验巡检数据直接体现，对配电设备运行状态不能完全体现，不利于制定更加完善的设备运维策略，提高配电网运行的可靠性。

发明内容

本发明要解决的技术问题是：提供一种面向设备运维的配网信息数据挖掘方法，以解决传统对配电设备信息通过实验巡检数据直接体现，对配电设备运行状态不能完全体现，不利于制定更加完善的设备运维策略，提高配电网运行的可靠性。

本发明的技术方案是：

一种面向设备运维的配网信息数据挖掘方法，它包括：

步骤(1)、数据采集，包括人均GDP、供电可靠率、人均生活用电量等数据；

步骤(2)、计算支持度、可信度、期望可信度和作用度四个参数，来计算数据的关联性；

步骤(3)、数据挖掘。

在步骤(1)数据采集中，收集人均GDP、供电可靠率、人均生活用电量、负荷密度和线损率数据，将这些数据集中在一起。

在步骤(2)计算支持度、可信度、期望可信度和作用度四个参数中以以上四个数据作为描述各数据中描述关联性的四个重要指标，其中，关联规则如表1所示：

表1

从关联规则定义可知，任意给出事务的两个属性集，它们间都存在关联规则，只不过各参数值有所不同；如果不考虑关联规则的支持度、可信度与作用度，那么事务中就可能出现大量的关联规则，但实际上人们只对满足一定支持度和可信度，并且作用度大于1的关联规则感兴趣；因此为了实现有意义的关联规则，需要给定两个阈值:最小支持度和最小可信度；前者用来描述关联规则的频繁性，如果规则的支持度大于最小支持度则认为此规则是频繁项集，否则为非频繁项集；同时满足最小支持度与最小可信度两属性的规则称为强关联规则。

在步骤(3)数据挖掘中，将步骤分为：

步骤(3.1)建立历史案例数据库，其中包含负荷特性等相关因素数据和经过模型适用性评价后的模型适用情况；

步骤(3.2)将历史案例数据库中的连续型数据进行数据聚类分析和概化；继而进行相关因素与模型适用情况的关联规则挖掘，依据设定的最小支持度和最小可信度，筛选得到符合条件的关联规则；

步骤(3.3)结合待预测地区的城市特性、负荷特性概化后的条件与关联规则数据库中的结论进行规则匹配，能够得到目标模型的适用结论。

本发明有益效果：

本发明提出的面向设备运维的配网信息数据挖掘方法，突破传统对配电设备信息通过实验巡检数据直接体现，而是通过数据挖掘的方法得到更重要的设备即配电网信息，有助于对配电设备运行状态有更深了解，有利于制定更加完善的设备运维策略，提高配电网运行的可靠性。