[发明专利]基于Apriori算法的异常SER/SOE事件识别方法

说明书

本发明为一种基于Apriori算法的异常SER事件识别方法，本方法为：从运行系统获取基于时序排序的SER/SOE事件，利用Apriori算法挖掘目标SER/SOE事件的频繁伴随出现事件，得出目标SER/SOE事件的出现规律，并基于该规律识别目标SER/SOE未来再次出现的时机是否正确，若目标SER/SOE事件违反规律而出现，则识别为异常SER事件，运维人员应及时予以分析处理。本发明点利用Apriori算法，分析出目标SER/SOE事件的关联规则，然后利用该规则自动找出不符合关联规则的异常SER/SOE，取代了人工监盘关注SER的传统模式，减少异常SER事件被漏看、错看的可能性。

技术领域

本发明涉及一种识别方法，尤其涉及一种基于Apriori算法的异常SER/SOE事件的识别方法。

背景技术

在直流输电系统及其它大多数工控系统中，事件顺序记录功能即SER(SequenceEvent Recorder)或SOE(Sequence Of Event)功能负责在系统运行期间实现事件记录的目的，SER/SOE系统按事件发生的时序捕获和记录事件信息，主要包括Date(日期)、Time(时间)、Number(事件编号，每个事件有唯一编号)、Message Text(事件描述)、Class(事件等级，如紧急事件、告警事件、状态事件)等信息，记录的信息供运维人员事后翻查与分析，用于事件追溯、分析事故原因等。

通常，SER/SOE功能用于运维人员监视、查询和分析，如换流站控制系统等重要运行系统还需运维人员对SER/SOE进行实时监视，以迅速响应异常SER/SOE事件，一旦出现这类事件，运维人员需要立刻去现场检查、分析产生该异常事件的原因和处理方法。但是人工监视SER/SOE事件难以做到时刻保持精力集中，存在异常SER/SOE事件漏看、错看情况，导致异常事件不能及时处置，造成严重后果。

Apriori算法是一种常用于挖掘数据关联规则的算法，用于从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含其中事先不知道的、但又潜在有用的信息，如果能将Apriori算法用于SER/SOE记录的事件，挖掘出每条SER/SOE事件与伴随出现的其他SER/SOE事件的关联规则，可实现自动识别异常SER事件，辅助运维人员对SER事件性质进行判断，将会极大地解放劳动力，提高事件判断准确性，提高工作效率。

发明内容

本发明所要解决的技术问题是，克服以上所术缺陷，提供一种基于Apriori算法的异常SER/SOE事件识别方法，取代人工监视SER/SOE的传统模式，减少异常SER/SOE事件被漏看、错看的可能性，提高判断准确性，提高工作效率，确保电网安全稳定运行。

为了解决以上所述技术问题，本发明所述基于Apriori算法的异常SER/SOE事件识别方法，包括以下步骤：

(1)从运行系统按时序捕获SER/SOE事件序列,从捕获的事件序列中选择一条SER/SOE事件作为目标事件；

(2)运行系统中步骤(1)所述目标事件出现时，提取该目标事件前后5-10秒内伴随发生的全部其他SER/SOE事件作为所述目标事件的1个训练样本，此为一次提取所得结果，如此提取不少于十次，得到不少于10个训练样本，作为所述目标事件的训练样本库；

(3)根据步骤(2)所得训练样本库挖掘所述目标事件的频繁伴随出现事件——最大频繁项集，找出经常同所述目标事件一起出现的其它事件：

a、统计所述步骤(2)所得训练样本库内每条伴随所述目标事件出现的SER/SOE事件的出现次数，根据Apriori算法的支持度计算公式计算每条SER/SOE事件的支持度；所述支持度计算公式定义如下：