The invention relates to an abnormal SER event recognition method based on Apriori algorithm. The method is as follows: acquiring SER/SOE events based on sequential sequencing from running system, mining frequent accompanying events of target SER/SOE events by Apriori algorithm, obtaining the occurrence rule of target SER/SOE events, and recognizing target SER/SOE events based on this rule. If the target SER / SOE event occurs in violation of the law, it will be recognized as an abnormal SER event. Operations and maintenance personnel should analyze and deal with it in time. The point of the invention utilizes Apriori algorithm to analyze the association rules of the target SER/SOE events, and then automatically finds out the abnormal SER/SOE which does not conform to the association rules by using the rules, replacing the traditional mode of manual monitoring to pay attention to SER, and reducing the possibility of abnormal SER events being missed or mistaken.
【技术实现步骤摘要】
基于Apriori算法的异常SER/SOE事件识别方法
本专利技术涉及一种识别方法,尤其涉及一种基于Apriori算法的异常SER/SOE事件的识别方法。
技术介绍
在直流输电系统及其它大多数工控系统中,事件顺序记录功能即SER(SequenceEventRecorder)或SOE(SequenceOfEvent)功能负责在系统运行期间实现事件记录的目的,SER/SOE系统按事件发生的时序捕获和记录事件信息,主要包括Date(日期)、Time(时间)、Number(事件编号,每个事件有唯一编号)、MessageText(事件描述)、Class(事件等级,如紧急事件、告警事件、状态事件)等信息,记录的信息供运维人员事后翻查与分析,用于事件追溯、分析事故原因等。通常,SER/SOE功能用于运维人员监视、查询和分析,如换流站控制系统等重要运行系统还需运维人员对SER/SOE进行实时监视,以迅速响应异常SER/SOE事件,一旦出现这类事件,运维人员需要立刻去现场检查、分析产生该异常事件的原因和处理方法。但是人工监视SER/SOE事件难以做到时刻保持精力集中,存在异常SER/SOE事件漏看、错看情况,导致异常事件不能及时处置,造成严重后果。Apriori算法是一种常用于挖掘数据关联规则的算法,用于从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含其中事先不知道的、但又潜在有用的信息,如果能将Apriori算法用于SER/SOE记录的事件,挖掘出每条SER/SOE事件与伴随出现的其他SER/SOE事件的关联规则,可实现自动识别异常SER事件,辅助运维人员对S ...
【技术保护点】
1.基于Apriori算法的异常SER/SOE事件识别方法,其特征在于,所述识别方法包括以下步骤:(1)从运行系统按时序捕获SER/SOE事件序列,从捕获的事件序列中选择一条SER/SOE事件作为目标事件;(2)运行系统中步骤(1)所述目标事件出现时,提取该目标事件前后5‑10秒内伴随发生的全部其他SER/SOE事件作为所述目标事件的1个训练样本,此为一次提取所得结果,如此提取不少于十次,得到不少于10个训练样本,作为所述目标事件的训练样本库;(3)根据步骤(2)所得训练样本库挖掘所述目标事件的频繁伴随出现事件——最大频繁项集,找出经常同所述目标事件一起出现的其它事件:a、统计所述步骤(2)所得训练样本库内每条伴随所述目标事件出现的SER/SOE事件的出现次数,根据Apriori算法的支持度计算公式计算每条SER/SOE事件的支持度;所述支持度计算公式定义如下:
【技术特征摘要】
1.基于Apriori算法的异常SER/SOE事件识别方法,其特征在于,所述识别方法包括以下步骤:(1)从运行系统按时序捕获SER/SOE事件序列,从捕获的事件序列中选择一条SER/SOE事件作为目标事件;(2)运行系统中步骤(1)所述目标事件出现时,提取该目标事件前后5-10秒内伴随发生的全部其他SER/SOE事件作为所述目标事件的1个训练样本,此为一次提取所得结果,如此提取不少于十次,得到不少于10个训练样本,作为所述目标事件的训练样本库;(3)根据步骤(2)所得训练样本库挖掘所述目标事件的频繁伴随出现事件——最大频繁项集,找出经常同所述目标事件一起出现的其它事件:a、统计所述步骤(2)所得训练样本库内每条伴随所述目标事件出现的SER/SOE事件的出现次数,根据Apriori算法的支持度计算公式计算每条SER/SOE事件的支持度;所述支持度计算公式定义如下:b、定义最小支持度Smin,所述步骤a计算所得每条SER/SOE事件的支持度若小于Smin,说明该条SER/SOE事件与所述目标事件关联度不高,丢弃该SER/SOE事件;保留支持度大于或等于Smin的SER/SOE事件并组成频繁项集L1;c、对步骤b所得频繁项集L1的各事件按排列组合的方式进行相互组合,生成集合度更高的候选项集,候选项内各元素无序且不重复;根据Apriori算法的支持度计算公式计算所述候选项集内各候选项的支持度;d、支持度小于Smin的候选项丢弃,支持度大于或等于Smin的候选项保留并组成频繁项集L2;e、对步骤d所得频繁项集L2内各频繁项按关联规则进行两两关联,生成集合度更高的候选项集,候选项集内各候选项的元素无序且不重复;对于频繁项集内任意两个频繁项X和Y,记Xi和Yi分别表示X的第i个元素和Y的第i个元素,记k为X、Y的...
【专利技术属性】
技术研发人员:李少森,孙豪,黄剑湘,李德荣,朱盛强,杨光,丁丙侯,刘超,鞠翔,刘艇,程建登,邓先友,杨铖,
申请(专利权)人:中国南方电网有限责任公司超高压输电公司昆明局,
类型:发明
国别省市:云南,53
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。