[发明专利]基于ID3算法的电力系统故障分类方法及系统

说明书

本发明公开了基于ID3算法的电力系统故障分类方法及系统，属于数据分析技术领域。本发明的方法为先获取数据集，再利用ID3算法对数据集进行处理得到决策树，之后根据决策树对数据集的数据进行分类得到分类结果。本发明的系统包括建树模块和分类模块，建树模块与分类模块连接，其中，建树模块用于根据数据集并利用ID3算法构建决策树。本发明克服了现有技术中，电力系统故障诊断的准确性较低且诊断效率不高的不足，提供了基于ID3算法的电力系统故障分类方法及系统，可以通过决策树对故障数据进行快速诊断分类，从而可以提高对电力系统故障的诊断效率，进一步可以提高对电力系统故障诊断的准确性。

技术领域

本发明属于数据分析技术领域，更具体地说，涉及基于ID3算法的电力系统故障分类方法及系统。

背景技术

电力系统由发电机、变压器、母线、输配电线路及用电设备组成。各电气元件及系统通常处于正常运行状态，但也可能出现故障或异常运行状态。随着电力系统的规模越来越大，结构越来越复杂，故障产生不可避免。而在整个电力生产过程中，最常发生、危险最严重的故障是短路故障。短路故障发生的原因有电气设备绝缘材料老化或机械损伤，雷击引起过电压,自然灾害引起杆塔倒地或断线，鸟兽跨接导线引起短路、运行人员误操作等，给电力系统的安全运行带来了一些新的问题。

针对电力系统故障的诊断，现有技术一般采用数据模型进行分析，例如发明创造名称为：一种基于参数估计与业务识别的电力光网络故障诊断模型(申请日：2018年12月24日；申请号：201811585880.8)，该方案公开了一种基于参数估计与业务识别的电力光网络故障诊断模型包括以下步骤：步骤1：进行电力光网络链路节点的监测，将故障引发因子转化为光信噪比值；步骤2：电力业务端口识别，在电力光网络中进行端口识别以实现电力业务的感知并进行配电业务的区分；步骤3：电力光网络链路参数估计，通过链式加权计算，将链路节点的信噪比值乘以对应权值参数后累加并传至计算节点，以进行链路权值参数最小二乘估计；步骤4：链路与业务参数的判定，根据步骤3中电力光网络链路参数估计与电力业务参数动态融合，对电力光网络中的不同业务对应的链路参数进行加权，根据融合参数对电力光网络运行状态进行判别识别网络故障。但是该方案的不足之处在于：基于数学模型的诊断方法不能保证诊断的准确性和快速性。

综上所述，如何快速准确对电力系统故障进行诊断分类，是现有技术亟需解决的问题。

发明内容

1.要解决的问题

本发明克服了现有技术中，电力系统故障诊断的准确性较低且诊断效率不高的不足，提供了基于ID3算法的电力系统故障分类方法及系统，可以通过决策树对故障数据进行快速诊断分类，从而可以提高对电力系统故障的诊断效率，进一步可以提高对电力系统故障诊断的准确性。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下：

本发明的基于ID3算法的电力系统故障分类方法，其特征在于，先获取数据集，再利用ID3算法对数据集进行处理得到决策树，之后根据决策树对数据集的数据进行分类得到分类结果。

更进一步地，利用ID3算法对数据集进行处理得到决策树的具体过程为：步骤S100：从数据集中提取子集，并将子集作为训练数据集；步骤S200：利用ID3算法对训练数据集进行计算得到信息增益；步骤S300：根据信息增益得到节点，再根据节点生成决策树。

更进一步地，在得到决策树后，利用数据集中的数据对决策树进行测试。

更进一步地，步骤S200中计算得到信息增益的具体过程为：S210、若训练数据集S中的样本不属于同一类，则从训练数据集S中抽取指标集A，其中，指标集A包括n个指标；S220、从指标集A中任意选取一个指标，并根据该指标计算得到训练数据集S的信息熵；S230、从指标集A中依次选取指标作为根节点，根据训练数据集S的信息熵计算根节点的信息增益。