【技术实现步骤摘要】
一种基于模糊关联规则的电力系统设备故障预警方法
本专利技术涉及故障预警方法，具体涉及一种基于模糊关联规则的电力系统设备故障预警方法。
技术介绍
目前，随着智能电网的不断发展，电网规模的不断扩大，对电力系统运行安全的要求也越来越高。为了保证电力系统设备的安全运行，降低其故障突发率，减少设备的检修成本，对电力系统设备的状态检测和安全维护是至关重要的。国内外对于电力系统故障预警方面的研究有的采用了基于密度的DBSCAN聚类算法计算采样数据和历史故障数据簇的相对邻近度，完成对数据的类别划分；有的采用了三种不同的归一化方法处理数据样本，将其作为模糊C均值算法的输入，通过求隶属度确定样本的故障类型；有的对变压器的不同短路匝数、轴向位移和径向变形进行聚类，聚类结果用于解释频率响应分析来诊断设备的故障；有的采用了模糊c均值的隶属度函数的指数形式来获取距离的判断指标，得到的隶属度矩阵实现对变压器故障数据的划分。目前电力设备的故障预警方法大多是通过简单的聚类算法实现，无法挖掘分析出数据间的隐含的相关关系，且无法尽快地检测到故障趋势，不能...
【技术保护点】
1.一种基于模糊关联规则的电力系统设备故障预警方法，其特征在于，/n包括以下步骤：/n由K均值和信息熵混合迭代确定电力设备数据的最佳分区数，以实现动态自适应边界划分；/n引入模糊集以软化属性边界划分，使用模糊C均值进行模糊区间划分；/n使用Apriori算法，选取一组最佳的最小支持度和信任度作为挖掘算法的主参数，以此参数挖掘出关联规则构建规则库，以分析预测电力设备的故障状态。/n
【技术特征摘要】 【专利技术属性】
1.一种基于模糊关联规则的电力系统设备故障预警方法，其特征在于，
包括以下步骤：
由K均值和信息熵混合迭代确定电力设备数据的最佳分区数，以实现动态自适应边界划分；
引入模糊集以软化属性边界划分，使用模糊C均值进行模糊区间划分；
使用Apriori算法，选取一组最佳的最小支持度和信任度作为挖掘算法的主参数，以此参数挖掘出关联规则构建规则库，以分析预测电力设备的故障状态。
2.根据权利要求1所述的基于模糊关联规则的电力系统设备故障预警
方法，其特征在于，包括以下步骤：
由改进的K均值和信息熵混合迭代求出初始类个数以及初始类中心，由FCM聚类求出最终聚类结果；
技术研发人员：马强，王勇，李磊，管荑，李慧聪，田大伟，耿玉杰，刘勇，林琳，娄建楼，李燕，李建坡，
申请(专利权)人：国网山东省电力公司，东北电力大学，
类型：发明
国别省市：山东;37
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。