基于Apriori算法的异常SER/SOE事件识别方法技术

本发明专利技术为一种基于Apriori算法的异常SER事件识别方法，本方法为：从运行系统获取基于时序排序的SER/SOE事件，利用Apriori算法挖掘目标SER/SOE事件的频繁伴随出现事件，得出目标SER/SOE事件的出现规律，并基于该规律识别目标SER/SOE未来再次出现的时机是否正确，若目标SER/SOE事件违反规律而出现，则识别为异常SER事件，运维人员应及时予以分析处理。本发明专利技术点利用Apriori算法，分析出目标SER/SOE事件的关联规则，然后利用该规则自动找出不符合关联规则的异常SER/SOE，取代了人工监盘关注SER的传统模式，减少异常SER事件被漏看、错看的可能性。

Abnormal SER/SOE event recognition method based on Apriori algorithm

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SER事件性质进行判断，将会极大地解放劳动力，提高事件判断准确性，提高工作效率。
技术实现思路
本专利技术所要解决的技术问题是，克服以上所术缺陷，提供一种基于Apriori算法的异常SER/SOE事件识别方法，取代人工监视SER/SOE的传统模式，减少异常SER/SOE事件被漏看、错看的可能性，提高判断准确性，提高工作效率，确保电网安全稳定运行。为了解决以上所述技术问题，本专利技术所述基于Apriori算法的异常SER/SOE事件识别方法，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的元素个数；其关联规则为：若满足：则X和Y可以关联，生成的候选项为{X1，X2......Xk-1，Xk，Yk}，所有候选项组成候选项集；f、迭代执行所述步骤d～步骤e，直到无法生成集合度更高的候选项、或者从候选项集里无法找到支持度大于或等于Smin的候选项再组成新的频繁项集时，迭代终止，此时最后一个频繁项集即为最大频繁项集；最大频繁项集里的事件就是与所述目标事件频繁伴随出现的事件，即某时刻运行系统一旦产生所述目标事件，就有很大概率同时会伴随产生这些SER/SOE事件；(4)根据步骤(3)挖掘出的所述目标事件的最大频繁项集，在运行系统针对所述目标事件进行异常识别，所述识别分为目标事件已出现时的识别和目标事件未出现时的识别，具体识别方法为：a、所述目标事件已出现时的识别若运行系统已出现所述目标事件，提取所述目标事件前后5-10秒内伴随发生的其他SER/SOE事件作为分析样本，将此分析样本与所述目标事件的最大频繁项集进行对比，如果所述目标事件的最大频繁项集内的所有事件全部能在此分析样本中找到，说明当前时机出现所述目标事件符合历史出现规律，应识别为正常SER/SOE事件，反之识别为异常SER/SOE事件，提醒运维人员所述目标事件在错误时机出现，及时予以分析处理；b、所述目标事件未出现时的识别若运行系统出现某一条非所述目标事件的SER/SOE事件，提取该SER/SOE事件前后5-10秒内伴随发生的所有SER/SOE事件作为分析样本，将此分析样本与所述目标事件的最大频繁项集进行对比，如果所述目标事件的最大频繁项集内的所有事件全部能在此分析样本中找到，说明当前时机未出现所述目标事件不符合历史出现规律，应识别成异常SER/SOE事件，并提醒运维人员所述目标事件应出现而未出现，需及时予以分析处理；反之则识别为正常情况。本专利技术的有益效果：本专利技术利用Apriori算法，分析出各SER/SOE事件的关联规则，然后利用该规则自动找出不符合关联规则的异常SER/SOE，取代了人工监盘关注SER的传统模式，减少异常SER被漏看、错看的可能性，方法简单、提高工作效率，保证电网安全稳定运行。附图说明图1为实施例所述±800kV楚雄换流站的事件顺序记录系统的显示界面截图(部分)；图2为本专利技术所述迭代流程图。具体实施方式下面结合附图和实施例对本专利技术作进一步详细说明。本专利技术所述基于Apriori算法的异常SER/SOE事件识别方法，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计本文档来自技高网...

【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