[发明专利]一种基于社区发现的发电机组故障分析方法

说明书

本发明公开了一种基于社区发现的发电机组故障分析方法，采用文本筛选和关系提取的方法从文本中筛选出重要告警语料中的关键词的关系，然后对该关键词的关系进行数据挖掘，依据频繁性找出因果关系，获得有向图，在使用社区发现的方法，找出不同关键词关系的关联性，划分为各个社区。

技术领域

本发明涉及电力系统的故障数据分析领域，具体涉及基于社区发现的发电机组故障分析方法。

背景技术

当前的电力工控系统具有异构、网络规模大、分布式部署并且网络的结构和状态经常会发生变化等特征。同时同一类型的网络设备有众多的生产厂家。、不同技术体制的系统和设备，这些系统和设备会以光、电方式通过各种物理介质连接起来，相互之间存在着复杂的关联关系。在运行中的通信网络中，一个故障往往会引发不同系统/设备之间，以及同一设备不同层次的多个告警事件，而且告警事件的种类和原因各不相同，在这样的大规模分布式网络环境中实际运行的网络设备会由于各种原因而产生种类繁多的告警，告警与故障呈现出的不确定性关系十分凸显，不同的监控设备产生告警时互不协商，因此对同一种故障原因在相同或相近时间点产生多个冗余故障，给故障的精确分析和消除带来了难度，且同一个告警消息的诱因可能是多个故障共同的结果，也可能是单故障的结果，且很多告警消息包含很多的冗余信息不易与故障进行直接关联，这些众多的告警信息错综叠加，使得发生故障的真正根原因告警被掩盖掉了，运维人员不得不花费大量时间与精力来诊断故障原因，造成运行维护效率低下，现场故障处置缓慢等问题。目前利用数据挖掘分析海量告警，从中挖掘出告警之间的关联关系，仅适用于告警在整个事件序列上均匀分布的情况，在实际情况下可能在有些时间区域内告警密度非常大，而在有些区域则完全没有告警，这造成许多无意义的窗口以及空窗口的产生，且前后告警的关联难以被发现。挖掘频繁发生的告警无法直观可视化的呈现给运行维护人员。

因而难以根据收集到的告警消息确定根故障以及确切的需要消除的故障数目。此外，电力工控系统网络复杂、异质的特性决定了运行维护人员在告警监视的实时性与故障处置的及时性方面始终面临着极大的挑战。

发明内容

本发明要解决的技术问题是，提供一种基于社区发现的发电机组故障分析方法，利用关系提取算法处理文本获得重要信息，再结合GSP算法和社区发现，使对电力告警的关联分析具有较好的准确性及适用性。

为解决上述技术问题，本发明采用的技术方案是：该基于改进GSP的电力通信网络告警关联挖掘方法，具体包括以下步骤：

(1)收集同一工控系统生成的不同对象的历史告警语料，对各对象的历史告警语料分别进行降噪处理，筛选出各对象的故障语料，将各对象的故障语料分词为分词队列并标注词性，则利用命名实体识别模型识别分词队列中特殊特征词的命名实体的边界及类别，从各对象的分词队列中挑出含有词性组合模型的各对象的候选分词队列，将词性对应词性组合模型中源实体/目标实体关键词词性的分词从中提取分别作为实体组成实体元组，其中词性组合模型含有源实体关键词和目标实体关键词的词性和其之间的一个向量关键词词性；

(2)基于已知的具有故障关系的实体关系表，使用关系抽取算法发现实体元组的实体关联规则，根据实体关联规则发现实体元组中的关联实体组；

(3)将实体关系表替换为关联实体组，使用步骤(2)的关系抽取算法发现关联实体组直至不再有新的关联实体组产生，每一种关联实体组赋予唯一的事件代码；

(4)对各对象的候选分词队列标记其对应的事件代码，将与各对象有关的所有事件代码按历史告警语料中对应的时间戳增序排序，同一对象具有相同时间戳的一个或多个事件代码组成一个事务，得到各对象的序列S即事务数据库；