基于粗糙集的關(guān)聯(lián)規(guī)則挖掘在變電設(shè)備故障診斷中的應(yīng)用.pdf

1、電力設(shè)備故障診斷采用智能化方式對(duì)設(shè)備狀態(tài)信息進(jìn)行分析，可及時(shí)發(fā)現(xiàn)設(shè)備潛在故障，有助于提高整個(gè)電力系統(tǒng)的可靠性。隨著傳感器技術(shù)的快速發(fā)展，狀態(tài)監(jiān)測(cè)精度、頻度不斷提高，設(shè)備狀態(tài)信息量呈指數(shù)級(jí)增長(zhǎng)。為了迎合未來(lái)的大數(shù)據(jù)時(shí)代，本文對(duì)基于粗糙集的關(guān)聯(lián)規(guī)則挖掘在變電設(shè)備故障診斷中的應(yīng)用進(jìn)行了研究。目前已有大量針對(duì)變電設(shè)備故障診斷方法的研究，但是這些方法都存在著一定問(wèn)題。例如神經(jīng)網(wǎng)絡(luò)方法存在著無(wú)法解釋自身輸出的問(wèn)題，難以確切反映故障與表現(xiàn)特征之間的客

2、觀規(guī)律。人工免疫方法存在參數(shù)配置復(fù)雜、計(jì)算量大等問(wèn)題。由于上述方法并不是基于故障產(chǎn)生的原理而提出的，因此難以反映故障與表現(xiàn)特征之間的客觀規(guī)律。在電力發(fā)展的大數(shù)據(jù)背景，對(duì)故障數(shù)據(jù)進(jìn)行挖掘，將各種故障用直觀易懂的規(guī)則表示，更易于轉(zhuǎn)化成專(zhuān)家經(jīng)驗(yàn)。
　　本文通過(guò)對(duì)粗糙集理論和關(guān)聯(lián)規(guī)則挖掘方法的分析研究，提出了一種基于粗糙集和關(guān)聯(lián)規(guī)則挖掘的變電設(shè)備故障診斷模型。運(yùn)用粗糙集理論對(duì)原始數(shù)據(jù)集進(jìn)行離散化、補(bǔ)齊和約簡(jiǎn)等預(yù)處理操作，以提高數(shù)據(jù)質(zhì)量供關(guān)

3、聯(lián)規(guī)則挖掘算法挖掘。針對(duì)現(xiàn)有變電設(shè)備故障診斷方法在信息不完備情況下的高誤判率問(wèn)題，提出了一種基于屬性重要度和依賴(lài)度的加權(quán)相似性數(shù)據(jù)補(bǔ)齊方法，實(shí)現(xiàn)了對(duì)缺失數(shù)據(jù)的高效還原。為了解決屬性約簡(jiǎn)算法隨著數(shù)據(jù)量增大執(zhí)行效率成指數(shù)級(jí)衰減的問(wèn)題，引入遺傳算法來(lái)求解復(fù)雜空間的屬性約簡(jiǎn)問(wèn)題。定義了基于屬性重要度和依賴(lài)度的適應(yīng)度函數(shù)，同時(shí)考慮屬性的重要度和依賴(lài)度，為關(guān)聯(lián)規(guī)則挖掘提供更精簡(jiǎn)和信息含量更高的數(shù)據(jù)。關(guān)聯(lián)規(guī)則挖掘算法的主要任務(wù)是找出數(shù)據(jù)庫(kù)中所有滿足支

4、持度閾值的頻繁項(xiàng)集，而候選項(xiàng)集的生成是NP難問(wèn)題。針對(duì)以上問(wèn)題，現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘算法多采用剪枝的方法逐步完成頻繁項(xiàng)集的查找，這又帶來(lái)了需要多次遍歷數(shù)據(jù)庫(kù)的問(wèn)題。為了解決上述問(wèn)題，對(duì)關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行了研究分析，定義了一種樹(shù)形結(jié)構(gòu)記錄數(shù)據(jù)庫(kù)的一次掃描結(jié)果，將數(shù)據(jù)庫(kù)掃描數(shù)減少了一半。設(shè)計(jì)實(shí)現(xiàn)了變電設(shè)備故障診斷原型系統(tǒng)，經(jīng)實(shí)驗(yàn)驗(yàn)證了基于粗糙集的關(guān)聯(lián)規(guī)則挖掘方法在數(shù)據(jù)處理能力和診斷效率方面優(yōu)于BP神經(jīng)網(wǎng)絡(luò)，在變電設(shè)備故障診斷領(lǐng)域有著較強(qiáng)的應(yīng)