The invention discloses a method for mining transmission line running state of the Bayesian model based on association rules and forecasting methods, characterized by comprising the following steps: (1) and the operation state of the transmission line based on the relevant item sets to generate frequent itemsets I 1 L1, 22 L1 1 connected frequent itemsets to generate candidate 2 a set of C2, based on the 2 candidate itemsets to generate frequent itemsets C2 2 L2; (2) 2 frequent itemsets L2 structure based on the Bayesian network; (3) according to the association rules generated Bayesian network R; (4) to calculate the R association rules corresponding to the support and confidence, be strong association rules R; (5) combined with the strong association rule R and the corresponding confidence prediction of transmission line running state. The method can apply the association rules between the parameters related to the operation state of transmission lines to the state prediction of transmission lines, so as to improve the prediction accuracy and accuracy.
【技术实现步骤摘要】
基于贝叶斯模型的输电线路运行状态关联规则挖掘及预测方法
本专利技术涉及一种输电线路运行状态关联规则挖掘及预测方法,尤其涉及一种基于贝叶斯模型的输电线路运行状态关联规则挖掘及预测方法。
技术介绍
随着国民经济的高速发展,社会用电需求日益增大,电力短缺已经成为了一个经济发展的限制因素,在经济发达的长三角、珠三角地区尤为突出。目前,电网的发展明显落后于经济的发展,落后于电源的建设,使得电网输电能力的不足显得更为突出。加之电网建设受到环境、成本等因素的制约,使得建设周期长、发展速度有限,往往不能满足输电的需求。因此,在加快电网规划建设之外,通过技术改造和升级,挖掘电网输送能力潜力、提高输电效率成为了一个研究的方向。输电线路的运行状态受到气象条件、负载情况以及导线规格等多方面条件的影响。通过选取合适的预测模型,并对关键影响因素进行分析和预测,可以对输电线路运行状态进行更加合理的评估,对实际生产运行中提升效率有很大的意义。利用大量历史数据进行分析,挖掘并预测某参量的变化趋势是大数据分析的一个关键内容。现有的输电线运行状态预测方法大多局限于对单一参量的分析,并没有考虑到多参量之间的相关性。此外,由于输电线路运行环境的复杂性和动态性,对连续时间段上的系统参数分析预测并不能准确反应出线路的状态变化。因此,期望得到一种输电线路运行状态关联规则挖掘及预测方法,该方法可以将与输电线路运行状态相关的各参量之间的关联规则应用到输电线路状态预测分析评估中,从而有利于提高预测的精度。此外,该方法可以对多系统参数、环境参数的关联规则挖掘,从而提高对输电线路状态预测的准确性。
技术实现思路
本专 ...
【技术保护点】
一种基于贝叶斯模型的输电线路运行状态关联规则挖掘及预测方法,其特征在于,包括以下步骤:(1)基于与输电线路运行状态相关的项集I生成频繁1‑项集L1,两两连接频繁1‑项集L1以生成候选2‑项集C2,基于该候选2‑项集C2生成频繁2‑项集L2;(2)基于频繁2‑项集L2构造贝叶斯网络;(3)根据所述贝叶斯网络生成关联规则R;(4)计算所述关联规则R对应的支持度和置信度,得到关联规则R的强关联规则;(5)结合所述关联规则R的强关联规则及其对应的置信度预测输电线路运行状态。
【技术特征摘要】
1.一种基于贝叶斯模型的输电线路运行状态关联规则挖掘及预测方法,其特征在于,包括以下步骤:(1)基于与输电线路运行状态相关的项集I生成频繁1-项集L1,两两连接频繁1-项集L1以生成候选2-项集C2,基于该候选2-项集C2生成频繁2-项集L2;(2)基于频繁2-项集L2构造贝叶斯网络;(3)根据所述贝叶斯网络生成关联规则R;(4)计算所述关联规则R对应的支持度和置信度,得到关联规则R的强关联规则;(5)结合所述关联规则R的强关联规则及其对应的置信度预测输电线路运行状态。2.如权利要求1所述的基于贝叶斯模型的输电线路运行状态关联规则挖掘及预测方法,其特征在于,所述步骤(1)和步骤(2)之间还包括步骤:筛选频繁2-项集L2。3.如权利要求1所述的基于贝叶斯模型的输电线路运行状态关联规则挖掘及预测方法,其特征在于,所述步骤(1)中,采用Apriori算法、AprioriTid算法以及AprioriHybrid算法的其中之一通过扫描项集I生成频繁1-项集L1。4.如权利要求1所述的基于贝叶斯模型的输电线路运行状态关联规则挖掘及预...
【专利技术属性】
技术研发人员:杨越文,侯慧娟,盛戈皞,陈玉峰,杨祎,郭志红,林颖,
申请(专利权)人:上海交通大学,国网山东省电力公司电力科学研究院,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。