[发明专利]一种电网生产数据及影响因子相关关系的挖掘方法

说明书

技术领域

本发明涉及一种数据挖掘方法，特别是一种电网生产数据及影响因子相关关系的挖掘方法。

背景技术

随着电网信息化建设的推进，电网生产运行过程产生了海量数据，这些数据蕴藏着许多与安全生产和设备管理等领域密切相关的规律和特征，利用技术手段对这些数据进行分析挖掘，从中获得有用的数据，能够辅助企业把握电网生产运行的内在特征，掌握管理规律，提炼业务模式，辅助管理决策，开拓管理创新，从而提升企业的管理精益化水平，推进企业管理方式由粗放型向集约型、精细化转变。

数据挖掘(Data mining)是致力于数据分析和理解、揭示数据内部蕴藏规律的技术，是从大量的含有噪声的数据中挖掘出隐含其中的有着特殊关系性(Association rule learning)的信息的过程，是当前数据分析的先进手段之一。数据挖掘在电网行业的应用还处于探索阶段，目前主要集中于以下几方面：电力系统安全稳定性分析、负荷预测模型的构建、电力系统故障诊断、电力系统仿真模型的性能。

在电网资产生命周期管理中，设备运维是其中时间最长的一个环节。在这一过程中，产生了负荷数据、缺陷记录、试验数据、在线监测数据、事故事件记录等大量生产数据，这些数据不但对安全生产管理本身具有重要意义，还对前期规划、设计、建设等各阶段工作的辅助决策与后评估具有重要参考价值。因此，研究生产数据变动的影响因子，不仅能够把握电网运行的内在特征，而且能够辅助资产全生命周期各个环节决策，有利于进一步提高各业务环节决策精益化水平，推进部门横向协同，促进资产全生命周期闭环管理。

发明内容

本发明所要解决的技术问题，就是提供一种电网生产数据及影响因子相关关系的挖掘方法，考虑了影响电网生产数据变化的不同影响因子的权重，通过不基于候选项集的权重效用树挖掘，获得所有高权值组合，从而挖掘电网生产数据及其影响因子的相关关系，既兼顾了不同影响因子对研究对象的影响程度(即权重)，又考虑了算法的时间和空间性能的优化，从而挖掘电网生产运行的内在特征，掌握管理规律，提炼业务模式，辅助管理决策。

解决上述技术问题，本发明采用如下技术方案：

一种电网生产数据及影响因子相关关系的挖掘方法，其特征是包括以下步骤：

S101获取需要进行挖掘的研究对象及与该研究对象相关的多个影响因子的数据；

S102对连续型数据采用等宽分箱法进行离散化处理，默认设置箱的个数为10；

S103整合数据，形成多组包含研究对象及影响因子的组合，将相同时间节点上电网生产数据及影响因子进行整合，形成一个组合，不同时间节点上的组合形成多组包含研究对象及影响因子的组合集；

步骤S104：输入各影响因子及研究对象的权重值(权值的设置主要根据专家经验)，为了计算研究对象与其他影响因子的权值，必须给定研究对象的权重，研究对象的权重默认为1；

步骤S105：构建权重效用树(w-Uti Tree)，包括以下子步骤：

S105-1设定最小权值阈值min_weight；

S105-2创建初始表：对建立的组合集进行扫描，统计组合集中各项所在的所有组合的权值之和(t_weight)，即对于组合集中某一特定的项i,其t_weight的值等于包含项i的所有组合的权值之和。该组合集中每一项对应一个t_weight值。剔除t_weight值小于最小权值阈值的项，并对其余项按t_weight值降序排序，建立初始表，每一行对应组合集中的一个项，将项名称item_name和组合权值t_weight作为每一行属性，记录到初始表中；

S105-3建立w-Uti Tree：扫描初始表，剔除组合中不在初始表中的项，然后将各组合中的项按初始表的顺序排序，所有组合添加到一棵树上，将各组合的最后一项作为该树上的关键节点，在关键节点上记录以下信息：关键节点到树根路径上每个节点的权值node_weight，该路径上所有节点的权值之和total_weight，除该路径外的余项权值remaining_weight，建立w-Uti Tree；

步骤S106：采用模式增长方式，挖掘所有高权值组合：通过递归建立初始表及子树挖掘所有高权值组合，即从初始表(Initial_Table)的最后一项开始，对初始表中的各项依次进行处理，具体包括以下子步骤：