基于粗糙集的關聯規(guī)則挖掘在變電設備故障診斷中的應用.pdf

1、電力設備故障診斷采用智能化方式對設備狀態(tài)信息進行分析，可及時發(fā)現設備潛在故障，有助于提高整個電力系統(tǒng)的可靠性。隨著傳感器技術的快速發(fā)展，狀態(tài)監(jiān)測精度、頻度不斷提高，設備狀態(tài)信息量呈指數級增長。為了迎合未來的大數據時代，本文對基于粗糙集的關聯規(guī)則挖掘在變電設備故障診斷中的應用進行了研究。目前已有大量針對變電設備故障診斷方法的研究，但是這些方法都存在著一定問題。例如神經網絡方法存在著無法解釋自身輸出的問題，難以確切反映故障與表現特征之間的客

2、觀規(guī)律。人工免疫方法存在參數配置復雜、計算量大等問題。由于上述方法并不是基于故障產生的原理而提出的，因此難以反映故障與表現特征之間的客觀規(guī)律。在電力發(fā)展的大數據背景，對故障數據進行挖掘，將各種故障用直觀易懂的規(guī)則表示，更易于轉化成專家經驗。
　　本文通過對粗糙集理論和關聯規(guī)則挖掘方法的分析研究，提出了一種基于粗糙集和關聯規(guī)則挖掘的變電設備故障診斷模型。運用粗糙集理論對原始數據集進行離散化、補齊和約簡等預處理操作，以提高數據質量供關

3、聯規(guī)則挖掘算法挖掘。針對現有變電設備故障診斷方法在信息不完備情況下的高誤判率問題，提出了一種基于屬性重要度和依賴度的加權相似性數據補齊方法，實現了對缺失數據的高效還原。為了解決屬性約簡算法隨著數據量增大執(zhí)行效率成指數級衰減的問題，引入遺傳算法來求解復雜空間的屬性約簡問題。定義了基于屬性重要度和依賴度的適應度函數，同時考慮屬性的重要度和依賴度，為關聯規(guī)則挖掘提供更精簡和信息含量更高的數據。關聯規(guī)則挖掘算法的主要任務是找出數據庫中所有滿足支

4、持度閾值的頻繁項集，而候選項集的生成是NP難問題。針對以上問題，現有的關聯規(guī)則挖掘算法多采用剪枝的方法逐步完成頻繁項集的查找，這又帶來了需要多次遍歷數據庫的問題。為了解決上述問題，對關聯規(guī)則挖掘算法進行了研究分析，定義了一種樹形結構記錄數據庫的一次掃描結果，將數據庫掃描數減少了一半。設計實現了變電設備故障診斷原型系統(tǒng)，經實驗驗證了基于粗糙集的關聯規(guī)則挖掘方法在數據處理能力和診斷效率方面優(yōu)于BP神經網絡，在變電設備故障診斷領域有著較強的應