[发明专利]一种基于数据挖掘的电网故障诊断方法

权利要求书

1.一种基于数据挖掘的电网故障诊断方法，其特征在于：采用以下步骤实现：

（1）、由于各种数据的量纲不同，数量级差别也很大，所以首先对检测来的电网数据采取如下归一化处理

其中，表示归一化处理后的结果，表示第i次测量结果，X表示该参数的测量集合；

（2）、运用邻域粗糙集理论，依据多次实验和参考以往经验选择合适的邻域值，计算各个参数的依赖度；

（3）、基于步骤（2）获得依赖度函数，采用前向贪心搜索法，实现属性参数的约简处理，从而达到缩减数据量，但同时保留关键、重要的属性信息，为后续的故障诊断检测、分类和定位打下基础；

（4）、对已获得的约简属性集采用竞争凝聚聚类算法，将数值型属性离散化成若干个优化区间，实现对所有属性的分类；

（5）、对已获取的离散化的属性数据，采用模糊关联规则算法，得到各个属性参数和各个故障之间的隐含关系，从而达到电网故障诊断的检测、分类和定位目的；

（6）、运用IDEA集成开发工具和MySQL数据库，开发出一套B/S模式下的电网故障诊断系统，实时显示故障诊断的检测结果、分类情况和定位信息，以供相关工作人员做出及时有效的决策实施。

2.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用前向贪心搜索法实现参数约简处理的具体过程为：以空集为起点，选择依赖度最高的属性作为第一个参数；计算剩余的全部属性的依赖度，从剩下的属性中选择依赖度值最大的属性加入到约简集合中，直到所有剩余属性的重要度达到预先设置好阈值，约简集的依赖性函数值都不发生变化为止。

3.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用竞争凝聚聚类算法实现属性分类的具体过程为：初始化相关参数，如类个数、迭代次数、初始划分矩阵、聚类基数等；计算目标数据与类中心的距离；修改划分矩阵；由划分矩阵中的元素计算聚类基数，并依据事先设置好的淘汰准则进行类的淘汰处理；依据划分矩阵修改聚类个数，直到中心参数不变为止。

4.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：采用模糊关联规则算法实现故障检测、分类和定位的具体过程为：使用竞争凝聚聚类算法对原始数据库中的数值型属性进行离散化，同时将数值型属性上的取值按照不同的模糊等级进行划分；根据原数据库生成新的数据库，以数值型属性的模糊等级作为新数据库的模糊属性；计算新数据库中的全部1-模糊属性集的模糊支持度，找出全部1-模糊频繁属性集；将除含有同一个ik 标记的 1-模糊频繁属性集以外的属性集进行组合，得出2-模糊候选属性集；计算出全部2-模糊候选属性集的模糊支持度，将所有小于最小支持度的2-模糊候选属性集都删掉，剩余的即为所有的2-模糊频繁属性集；将第一个模糊属性相同的2-模糊频繁属性集进行组合，得出3-模糊候选属性集；检验3-模糊候选属性集的子集2-模糊频繁属性集，取出含有不是2-模糊频繁属性集的3-模糊候选属性集，计算剩余3-模糊候选属性集的模糊支持度，将小于最小支持度的3-模糊候选属性集去掉，获得全部的 3-模糊频繁属性集；重复以上步骤，直到找出全部k-模糊频繁属性集为止；以全部的模糊频繁属性集为基础，按照不小于用户给定的最小信任度的要求来生成模糊关联规则。

5.根据权利要求1所述的一种基于数据挖掘的电网故障诊断方法，其特征在于：所述的电网故障诊断包括系统管理、数据字典、数据管理、专家系统、报表管理、论坛交流共六个功能模块，其中：

所述系统管理包括基本信息维护、用户管理和权限管理功能模块；

所述数据字典包括系统信息维护功能模块；

所述述数据管理包括数据录入、数据查询和电网管理功能模块；

所述专家系统包括规则设置、故障诊断和报警设置功能模块；

所述报表管理包括状态报表和查询下载功能模块；

所述论坛交流包括论坛和论坛维护功能模块。