一种基于大数据决策树的电力设备状态监测方法技术

本发明专利技术公开了一种基于大数据决策树的电力设备状态监测方法，将决策树算法与哈希表和灰色模型相结合，用于电力设备的状态监测；具体讲，将变电站告警信号中的信号类别和发生时间属性数据作为分析对象，通过Spark大数据平台，处理海量变电站告警信号数据，这样避免了由于数据量过大而带来的预测效果不理想的情况，同时解决了传统预测方法预测准确度低、运算效率低等缺点，提升了决策树算法在电力设备状态监测应用的可行性和有效性。

【技术实现步骤摘要】
一种基于大数据决策树的电力设备状态监测方法
本专利技术属于数据挖掘处理
，更为具体地讲，涉及一种基于大数据决策树的电力设备状态监测方法。
技术介绍
智能电网是建立在智能化输配电系统上的现代电力系统，在电力系统的各环节都在推进智能电网的进程。智能变电站是实现电力能量的流入、控制和分配，是实现电压变换和潮流控制功能的关键，也是实现电力系统安全可靠运行和可持续发展的关键。由于工作环境恶劣变电站设备会随着工作时间的增加逐渐老化，最终失效，这不仅会给电力系统造成严重的损失，同时也会威胁到其他行业的正常生产。目前，大部分地区仍采用对电气设备进行定期检修的方式，以避免出现故障。这种相对陈旧的检验制度存在明显的针对性差的缺陷，直接导致过度维修和遗漏维修两种现象并存。例如文献“王德文，周青.一中的电力设备状态监测大数据的分布式联机分析处理方法.中国电机工程学报,2016,36(19):5111-5121.”提出了一种基于Hadoop的电力设备状态监测大数据分析平台。文献“郑一鸣,孙翔.基于多源监测数据挖掘电力设别状态.浙江电力,2016,35(5):1-6.”提出了一种利用多源监测数据分析设备状本文档来自技高网...

【技术保护点】
一种基于大数据决策树的电力设备状态监测方法，其特征在于，包括以下步骤：(1)、清洗原始数据，并从原始数据中提取出信号类型数据和发生时间数据；(2)、读取信号类型数据，并对每一个信号类型数据赋予一个数字编号，再利用信号类型数据和对应的数字编号生成哈希表，其中哈希表的关键字(key)对应信号类型，值(value)对应数字编号；最后将所有的信号类型数据按照哈希表生成对应的信号类型序列；(3)、利用灰色模型中的一次累减运算处理发生时间数据，得到发生时间差序列；设发生时间数据为：

【技术特征摘要】
1.一种基于大数据决策树的电力设备状态监测方法，其特征在于，包括以下步骤：(1)、清洗原始数据，并从原始数据中提取出信号类型数据和发生时间数据；(2)、读取信号类型数据，并对每一个信号类型数据赋予一个数字编号，再利用信号类型数据和对应的数字编号生成哈希表，其中哈希表的关键字(key)对应信号类型，值(value)对应数字编号；最后将所有的信号类型数据按照哈希表生成对应的信号类型序列；(3)、利用灰色模型中的一次累减运算处理发生时间数据，得到发生时间差序列；设发生时间数据为：则生成的发生时间差序列为：其中，k＝2,3,…,n，n表示时刻总数，表示刻的发生时间数据；(4)、将信号类型序列和发生时间差序列按照一定比例分别随机划分，得到信号类型序列训练数据集和信号类型序列测试数据集，以及发生时间差序列训练数据集和发生时间差序列测试数据集；(5)、训练模型将信号类型序列训练数据集输入到大数据决策树中，训练大数据决策树，得到信号类型分类模型；将发生时间差序列测试数据集输入到灰色模型中，计算出下一个告警信号的发生时间差模型；(6)、验证模型将信号类型序列测试数据集输入至信号类型分类模型，得到对应信号的信号类型；将发生时间差序列测试数据集发生时间差模型，得到下一一个告警信号的发生时间；(7)、对电力设备状态进行实时监测将待监测的信号类型数据和发生时间数据按照步骤(2)、(3)处理后，...

【专利技术属性】
技术研发人员：李坚，黄琦，张真源，崔文虎，刘益腾，冯世林，滕予非，尹温硕，张为金，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51