一种面向电网调度的智能告警分析方法
【专利摘要】本发明公开了一种面向电网调度的智能告警分析方法，包括如下步骤：提取电网的告警信息，对其进行预处理；对经过预处理的告警信息进行去噪，并得到去噪分类规则；对去噪后的告警信息进行归纳、去重，生成告警组合，对于每一个告警组合判断其所属的告警类型；对告警组合与其对应的告警类型进行关联规则的挖掘，得到电网告警推理规则。利用本发明，提高了告警信息中噪声数据的滤除率以及告警类型的全面性。
【专利说明】-种面向电网调度的智能告警分析方法
【技术领域】
[0001] 本发明涉及一种告警分析方法，尤其涉及一种面向电网调度的智能告警分析方 法，属于电力系统调度【技术领域】。
【背景技术】
[0002] 随着电网规模的不断扩大，产生的告警信息也日益增长，每天有几千甚至上万条 告警信息涌入控制中心。由于测量设备在运行中发生异常以及必要的设备检修将产生噪声 数据，导致告警信息的准确率不够。同时，当前告警信息以极快的速度直接呈现给调度人 员，并未形成具有关联关系的电网推理规则，导致调度人员无法快速地判断出告警类型。
[0003] 为了保证告警信息准确，并能快速判断出告警类型，需要结合电网自身的特点和 数据挖掘技术在电网中的发展情况，使用数据挖掘算法对海量告警信息进行挖掘，提高告 警信息的噪声滤除率，挖掘出电网告警推理规则。
[0004]目前，国内外在告警信息去除噪声和提炼推理规则方面采用多种方法进行研究， 取得了一定的成果。具体如下：
[0005] 1)提出基于规则式的智能告警处理器。
[0006] 2)将人工神经网络的方法应用于智能告警系统中，用来分析复合告警。
[0007] 3)将序列模式挖掘用于告警信息处理中，挖掘出告警信息在时间上先后报发的关 联关系。
[0008] 4)将决策树用于告警信息去噪中。
[0009] 5)利用粗糙集获得告警信息之间的关联关系，得到电网告警规则。
[0010] 在潘莉发表的硕士论文《数据挖掘技术在SCADA告警信息分析中的应用研究》（华 北电力大学，2006年）中，提出了利用决策树算法对SCADA中的告警信息进行去噪，可以有 效地去除告警信息中的噪声数据。在晁进、刘文颖、刘勇智和赵连斌共同发表的论文《基于 粗糙集理论的电网告警规则自动提取与应用》（刊载于《电力系统保护与控制》，2011年08 期）中，提出利用粗糙集理论对告警信息进行分析，自动提取电网告警规则。
[0011] 但是，现有技术中采用决策树算法进行去噪，采用粗糙集方法进行电网规则推理， 仍然存在以下不足：
[0012] 1)去噪时仅利用历史事项表，没有结合其他相关信息，导致去噪时间长。
[0013] 2)去噪时没有对决策树算法进行改进，导致分类准确率下降。
[0014] 3)利用粗糙集算法进行规则推理时，告警类型仅设定为常见告警类型，导致电网 告警推理规则不够全面。
[0015] 在对海量告警信息进行挖掘时，不能有效提高告警信息的噪声滤除率，挖掘出全 面的电网告警推理规则，不能有效的满足电力系统的需求。
【发明内容】
[0016] 本发明所要解决的技术问题在于提供一种面向电网调度的智能告警分析方法。
[0017] 为实现上述的发明目的，本发明采用下述的技术方案：
[0018] 一种面向电网调度的智能告警分析方法，包括如下步骤：
[0019] 提取电网的告警信息，对其进行预处理；
[0020] 对经过预处理的告警信息进行去噪，并得到去噪分类规则；
[0021] 对去噪后的告警信息进行归纳、去重，生成告警组合，对于每一个告警组合判断其 所属的告警类型；
[0022] 对告警组合与其对应的告警类型进行关联规则的挖掘，得到电网告警推理规则。
[0023] 其中较优地，在对告警信息进行预处理时，先对告警信息进行抽取、转换、装载处 理，去除不相关的告警信息，然后将告警信息与调度管理系统中的检修记录相关联，根据设 定的门槛值去掉明显的噪声数据，将告警信息与SCADA中的遥测值进行关联，根据遥测值 的变化信息，判断电网告警信息是否错误，去掉错误的告警信息。
[0024] 其中较优地，在对告警信息进行去噪时，对经过预处理的告警信息进行分析、处 理，形成符合采用带贝叶斯节点的决策树算法进行分类的数据处理表，从中随机提取一部 分数据进行分类形成去噪决策树，判断告警信息是否为噪声数据，并将去噪决策树转化成 去噪分类规则。
[0025] 其中较优地，当去噪决策树生成以后，使用剩余的数据作为测试数据进行推测，判 断其属于正常数据还是噪声数据，并将其与原来所属的类别进行比较，评估其检测的准确 率。
[0026] 其中较优地，在对告警组合与其对应的告警分类进行关联规则的挖掘时，先将告 警组合与告警信息对应的属性相结合，生成新的告警组合，再将新的告警组合与对应告警 类型结合，构成告警事务，对多个告警事务构成的告警信息事务表进行频繁项集的挖掘，对 满足最小支持度阀值的频繁项集进行关联规则挖掘，得到电网告警推理规则。
[0027] 其中较优地，使用改进FP增长算法对多个告警事务构成的告警信息事务表进行 频繁项集的挖掘，包括如下步骤：
[0028] 步骤21，扫描数据库中的告警信息事务表，找出候选项集的集合，并得到它们的支 持度计数；按照支持度计数递减排列候选项集的各项，得到集合F，将集合F中支持度小于 最小支持度阀值的项删除，得到频繁项集的集合L;
[0029] 步骤22,再次扫描数据库中的告警信息事务表，将支持度小于最小支持度阀值的 项从各事务中删除，按照各项的支持度计数递减将各事务中的项进行重新排列，得到处理 后的告警信息事务表；
[0030] 步骤23,根据集合L中各项的支持度计数，由小到大依次构造各项的数据库子集， 并利用FP增长算法对其进行约束频繁项挖掘；
[0031] 步骤24,当集合L中所有的项的约束频繁项集依次挖掘出来后，合并这些约束频 繁项集，得到告警信息事务表的所有频繁项集。
[0032] 其中较优地，由小到大依次构造各项的数据库子集的步骤如下：
[0033] 步骤231，扫描数据库中处理后的告警信息事务表，从中提取所有含项Ii的事务， 删除这些事务中支持度小于该项的支持度的项，得到项Ii的数据库子集；
[0034] 步骤232,对数据库子集，利用FP增长算法进行包含项Ii的约束频繁项集挖掘。
[0035] 其中较优地，利用FP增长算法进行包含项的约束频繁项集挖掘包括如下步骤：
[0036] 步骤2321，利用数据库子集，构造FP树，并创建项头表，项头表中的最后一项所标 示的是项Ii的支持度计数及其节点链信息；
[0037] 步骤2322,用项头表中的最后一项所标示的信息，构造该项的条件模式基，构造其 条件FP树，在该条件FP树上挖掘出包含该项的约束频繁项集，完成在数据库子集上的约束 频繁项集挖掘。
[0038] 其中较优地，对满足最小支持度阀值的频繁项集进行关联规则挖掘，得到电网告 警推理规则包括如下步骤：
[0039] 根据置信度的计算公式： / .mn/DiΛsuPcnt{Al}B)
[0040] con/idence(A=> 5) =P(B\A)=-=- sup_cn/(^)
[0041] 得到关联规则：
[0042](I)对于每个频繁项集I，产生I的所有非空子集； SUOCflt(I) ^ . r
[0043] (2)对于1的每个非空子集s，如果sup'加⑴则输出规则 - J s^{l-s) ^
[0044] 将频繁项集中的告警组合设置为A，告警类别设置为B，min_conf设 置为100%，由上述关联规则导出电网告警推理规则为：丨告警组合二告 警类别，置信度为100%}。
[0045] 本发明所提供的智能告警分析方法，通过将告警信息与OMS中的检修记录，以及 SCADA中的遥测值相结合，归纳出新的决策属性，缩减了去噪时间，并提高了去噪准确率，使 用带贝叶斯节点的决策树算法对告警信息进行去噪，既能解决朴素贝叶斯算法无法提取出 规则的缺陷，又能改进决策树算法，提高了告警信息进行分类的准确率。此外，本发明通过 使用改进FP增长算法产生频繁项集，再利用关联规则产生电网告警推理规则，提高了电网 告警推理规则产生的效率和告警类型的全面性。
【专利附图】
【附图说明】
[0046] 图1为本发明的一个实施例中，对告警信息进行智能告警分析的流程图；
[0047] 图2为本发明的一个实施例中，对告警信息进行ETL处理过程示意图；
[0048] 图3为本发明的一个实施例中，告警信息记录的星型模型示意图；
[0049] 图4为本发明的一个实施例中，对告警信息进行去噪的流程图；
[0050] 图5为使用贝叶斯原理构造决策树的流程图；
[0051] 图6为本发明的一个实施例中，生成的去噪决策树模型示意图；
[0052] 图7为本发明的一个实施例中，告警推理规则获取的流程图。
【具体实施方式】
[0053] 下面结合附图和具体实施例对本发明的技术内容作进一步的详细说明。
[0054] 如图1所示，本发明提供的面向电网调度的智能告警分析方法，包括如下步骤：提 取电网的告警信息，对电网的告警信息进行预处理，统计告警信息每天及每月的报发次数 跟噪声数据的关系，根据电网的运行情况以及告警精确度的需求设定合适的门槛值，当告 警信息每天及每月的报发次数超过设定的门槛值时，该告警信息明显为噪声数据，去掉明 显的噪声数据；将告警信息与遥测值进行关联，去掉错误的告警信息；然后采用带贝叶斯 节点的决策树算法对告警信息进行分类，判断告警信息是否为噪声数据，并得到去噪分类 规则；对去噪后的告警信息，采用改进FP增长算法进行关联规则的挖掘，得到告警信息与 告警类型之间的关联关系，得到全面的电网告警推理规则。下面对这一过程做详细具体的 说明。
[0055] 如图1所示，对电网告警信息进行预处理时，先对告警信息进行ETL处理 (Extract-Transform-Load，即对告警信息进行数据抽取、转换、装载的过程）。电网综合信 息数据多，且包含噪声数据、不完整数据，甚至有不一致的数据，对这些数据进行转换可以 提高数据挖掘对象的质量，提高电网告警推理规则的准确性。
[0056] 在本发明的一个实施例中，将事项历史表中的告警信息与OMS(调度管理系统）中 的检修记录以及SCADA(数据采集与监视控制系统）中的遥测值相关联，对噪声数据、不完 整数据以及不一致的数据进行初步剔除，如图2所示，从历史事项表、SCADA以及OMS中抽 取所需的数据，对噪声数据、不完整数据以及不一致的数据进行初步剔除后形成告警信息 记录表，作为数据源存放在历史数据库中。告警信息进行ETL处理时，从历史数据库中提取 相关数据即可。在本发明的一个实施例中，将进行处理后的历史数据以星型模型存放在历 史数据库中，建立告警信息的星型模型，如图3所示，根据告警信息的星型结构可以快速的 找到进行分析处理需要相关的信息。
[0057] 在对告警信息进行ETL处理以后，去除明显的噪声数据，主要是删去告警信息记 录表中调度员不关注的属性所对应的告警信息（即不相关的告警信息）。在本发明的一个 实施例中，根据智能电网调度技术支持系统的需求设定调度员应该关注的属性形成所需属 性。除此之外，根据统计得到的DAY_CNT(告警信息每天的报发次数）和M0NTH_CNT(告警 信息每月的报发次数）与噪声数据的关系，根据电网的运行情况以及告警精确度的需求设 定合适的门槛值，当告警信息每天及每月的报发次数超过设定的门槛值时，该告警信息明 显为噪声数据，去掉明显的噪声数据。
[0058] 当电网事故发生的时候，一个直观的现象就是在调度画面上看到与跳闸断路器相 关的电气设备上的电压、电流、功率等遥测值归零。因此，在告警信息的预处理阶段，把遥测 值的变化信息，用作对电网告警信息是否错误的辅助判别手段，以此来实现对电网告警信 息的辅助判别，去掉错误的告警信息。
[0059] 如图4所示，当历史数据库中的告警信息记录表进行信息预处理，去除明显的噪 声数据以后，抽取所需属性形成数据预处理表。数据预处理表中的属性包括：ID、MSG_TYPE、 ALMMSG、FAULT_INF0、S0UID、--ΜΕ和检修记录。如表 1 所示。
【权利要求】
1. 一种面向电网调度的智能告警分析方法，其特征在于包括如下步骤： 提取电网中的告警信息，对所述告警信息进行预处理； 对经过预处理的告警信息进行去噪，并得到去噪分类规则； 对去噪后的告警信息进行归纳、去重，生成告警组合，对于每一个告警组合判断其所属 的告警类型； 对告警组合与其对应的告警类型进行关联规则的挖掘，得到电网告警推理规则。
2. 如权利要求1所述的智能告警分析方法，其特征在于： 在对告警信息进行预处理时，先对告警信息进行抽取、转换、装载处理，去除不相关的 告警信息，然后将告警信息与检修记录相关联，根据设定的门槛值去掉噪声数据，将告警信 息与SCADA中的遥测值进行关联，根据遥测值的变化信息，判断电网告警信息是否错误，去 掉错误的告警信息。
3. 如权利要求1所述的智能告警分析方法，其特征在于： 在对告警信息进行去噪时，对经过预处理的告警信息进行分析、处理，形成符合采用带 贝叶斯节点的决策树算法进行分类的数据处理表，从中随机提取一部分数据进行分类形成 去噪决策树，判断告警信息是否为噪声数据，并将去噪决策树转化成去噪分类规则。
4. 如权利要求3所述的智能告警分析方法，其特征在于： 在去噪决策树生成后，使用剩余的数据作为测试数据进行推测，判断其属于正常数据 还是噪声数据，并将其与原来所属的类别进行比较，评估检测的准确率。
5. 如权利要求1所述的智能告警分析方法，其特征在于： 在对告警组合与其对应的告警分类进行关联规则的挖掘时，先将告警组合与告警信息 对应的属性相结合，生成新的告警组合；再将新的告警组合与对应告警类型结合，构成告警 事务；对多个告警事务构成的告警信息事务表进行频繁项集的挖掘，对满足最小支持度阀 值的频繁项集进行关联规则挖掘，得到电网告警推理规则。
6. 如权利要求5所述的智能告警分析方法，其特征在于对多个告警事务构成的告警信 息事务表进行频繁项集的挖掘时，包括如下步骤： 步骤21，扫描数据库中的告警信息事务表，找出候选项集的集合，并得到它们的支持度 计数；按照支持度计数递减排列候选项集的各项，得到集合F，将集合F中支持度小于最小 支持度阀值的项删除，得到频繁项集的集合L; 步骤22,再次扫描数据库中的告警信息事务表，将支持度小于最小支持度阀值的项从 各事务中删除，按照各项的支持度计数递减将各事务中的项进行重新排列，得到处理后的 告警信息事务表； 步骤23,根据集合L中各项的支持度计数，由小到大依次构造各项的数据库子集，并利 用FP增长算法对其进行约束频繁项挖掘； 步骤24,当集合L中所有的项的约束频繁项集依次挖掘出来后，合并所有约束频繁项 集，得到告警信息事务表的所有频繁项集。
7. 如权利要求6所述的智能告警分析方法，其特征在于由小到大依次构造各项的数据 库子集的步骤进一步包括： 步骤231，扫描数据库中处理后的告警信息事务表，从中提取所有含项Ii的事务，删除 支持度小于该项的支持度的项，得到项Ii的数据库子集； 步骤232,对数据库子集，利用FP增长算法进行包含项Ii的约束频繁项集挖掘。
8. 如权利要求7所述的智能告警分析方法，其特征在于利用FP增长算法进行包含项Ii 的约束频繁项集挖掘包括如下步骤： 步骤2321，利用数据库子集，构造FP树，并创建项头表，其中所述项头表的最后一项所 标示的是项Ii的支持度计数及其节点链信息； 步骤2322,用所述项头表的最后一项所标示的信息，构造该项的条件模式基，构造其条 件FP树，在该条件FP树上挖掘出包含该项的约束频繁项集，完成在数据库子集上的约束频 繁项集挖掘。
9. 如权利要求5所述的智能告警分析方法，其特征在于对满足最小支持度阀值的频繁 项集进行关联规则挖掘，得到电网告警推理规则包括如下步骤： 根据置信度的计算公式： confidenceU^ B) = P{B \ A)=-(心) sup_Cnt(A) 得到关联规则： (1) 对于每个频繁项集1，产生1的所有非空子集； supcnt(l) ^ (2) 对于1的每个非空子集S，如果sup=a#(y：^_」W7/则输出规则si(/_4 一 f 5 将频繁项集中的告警组合设置为A，告警类别设置为B，min_conf设置为100 %，由所述 关联规则导出电网告警推理规则为：{告警组合4告警类别，置信度为100%}。
【文档编号】H02J3/00GK104239437SQ201410433102
【公开日】2014年12月24日 申请日期:2014年8月28日 优先权日:2014年8月28日
【发明者】尚学伟, 李冶天, 陈昕, 王赞, 田石刚, 翟勇, 李世纶, 张亮, 李兵, 崔旭, 马忠佳, 付黎苏 申请人:国家电网公司, 北京科东电力控制系统有限责任公司, 国网黑龙江省电力有限公司