[发明专利]基于FP-growth的跳闸明细数据与气象数据关联分析及预警方法

摘要

本发明公开了一种基于FP‑growth的跳闸明细数据与气象数据关联分析方法，获取电力系统的跳闸明细数据并统一格式，读取跳闸明细数据的故障地理坐标与故障发生时间，获取历史气象数据，并对历史气象数据中的每种天气数据进行聚类化，建立跳闸明细数据与历史气象数据的连接，根据跳闸明细数据与历史气象数据，建立样本数据库，采用FP‑growth算法挖掘样本数据库中各项或项集之间的强关联规则，以强关联规则作为跳闸明细数据与气象数据的关联规则，从而完成跳闸明细数据与气象数据关联分析。本发明能够快速且多维度、多层次地挖掘出气象数据与电力系统跳闸明细数据的关联规则。本发明还公开了利用关联规则进行跳闸故障预警的方法。

主权项

1.一种基于FP‑growth的跳闸明细数据与气象数据关联分析方法，其特征在于：包括以下步骤：步骤1：获取电力系统的跳闸明细数据，跳闸明细数据包含n种类型的跳闸数据，并统一跳闸明细数据的格式，从而使同一类型并具有相同含义的跳闸数据具有统一的格式；步骤2：读取跳闸明细数据的故障线路名称、故障地理坐标以及故障发生时间；步骤3：获取历史气象数据，每条历史气象数据包含有m种不同类型的天气数据，并分别对每种类型的天气数据进行聚类化；步骤4：根据历史气象数据的监测时间与故障发生时间的对应关系，以及历史气象数据的监测点地理坐标与故障地理坐标的对应关系，建立跳闸明细数据与历史气象数据的连接，从而使得每条跳闸明细数据都有对应的历史气象数据；步骤5：以每次跳闸事件作为一个事务，每个事务中包含跳闸明细数据以及该跳闸明细数据对应连接的历史气象数据；以事务中跳闸明细数据中的n种类型的跳闸数据对应作为事务中的n个项目，以事务中历史气象数据中的m项天气数据对应作为事务中的m个项目，从而使得每个事务包含m+n个项目；采集若干事务建立样本数据库；步骤6：采用FP‑growth算法挖掘样本数据库中各项目或项集之间的强关联规则，所述项集为包含项目的集合：设置支持度阈值以及置信度阈值，以样本数据库作为输入，通过频繁模式树FP‑tree挖掘频繁项集，所述频繁项集是指满足支持度阈值的项集；从频繁项集中筛选出同时满足支持度阈值与置信度阈值的频繁项集作为强关联规则；步骤7：以强关联规则作为跳闸明细数据与气象数据的关联规则，从而完成跳闸明细数据与气象数据关联分析。