一种线路故障预警方法、装置、电子设备和存储介质与流程

1.本发明实施例涉及电网安全技术，尤其涉及一种线路故障预警方法、装置、电子设备和存储介质。


背景技术：

2.随着国家经济发展，用电负荷不断攀升，电力系统的供电可靠性直接关乎人民群众的生活体验。配电网线路跳闸的问题对电力系统的供电可靠性产生了负面的影响。对配电网线路跳闸事件进行预警，可以降低配电网线路跳闸率。
3.现有的对配电网线路预警的方案，一般只考虑了天气条件等外部因素。考虑的因素比较片面，预警结果不够准确。


技术实现要素：

4.本发明实施例提供一种线路故障预警方法、装置、电子设备和存储介质，本发明实施例可以对输电线路可能发生的故障事件进行预警。
5.第一方面，本发明实施例提供一种线路故障预警方法，包括：
6.获取目标地区输电线路的当前因素信息，所述当前因素信息包括当前自身因素信息和当前非自身因素信息；
7.基于所述当前自身因素信息和所述当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息，所述预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，所述历史故障记录为导致所述目标地区输电线路出现故障事件的记录信息，所述历史故障记录包括导致出现所述故障事件的历史自身因素信息、历史非自身因素信息和所述故障事件的故障属性信息；
8.基于所述候选故障属性信息确定所述目标地区输电线路对应的预警事件。
9.第二方面，本发明实施例提供一种线路故障预警装置，所述装置包括：
10.信息获取模块，用于获取目标地区输电线路的当前因素信息，所述当前因素信息包括当前自身因素信息和当前非自身因素信息；
11.信息匹配模块，用于基于所述当前自身因素信息和所述当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息，所述预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，所述历史故障记录为导致所述目标地区输电线路出现故障事件的记录信息，所述历史故障记录包括导致出现所述故障事件的历史自身因素信息、历史非自身因素信息和所述故障事件的故障属性信息；
12.事件确定模块，用于基于所述候选故障属性信息确定所述目标地区输电线路对应的预警事件。
13.第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的线路故障预警方法。
14.第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的线路故障预警方法。
15.本发明实施例中，获取目标地区输电线路的当前因素信息，当前因素信息包括当前自身因素信息和当前非自身因素信息；基于当前自身因素信息和当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息，预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，历史故障记录为导致目标地区输电线路出现故障事件的记录信息，历史故障记录包括导致出现故障事件的历史自身因素信息、历史非自身因素信息和故障事件的故障属性信息；基于候选故障属性信息确定目标地区输电线路对应的预警事件。即本发明实施例中，可以根据输电线路的当前因素信息，利用预警判断数据库对输电线路进行故障事件预警，能够关注到当前自身因素和当前非自身因素对故障事件发生的影响，更加全面的考虑到了造成故障事件发生的因素。进一步使得线路故障预警的预警结果更加准确，更加全面，避免了输电线路在毫无准备的情况下发生故障事件，节约了人力、物力资源。
附图说明
16.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
17.图1为本发明实施例提供的线路故障预警方法的一个流程示意图；
18.图2为本发明实施例提供的预警判断数据库生成方法的一个流程图；
19.图3为本发明实施例提供的线路故障预警装置的一个结构图；
20.图4为本发明实施例提供的电子设备的一个结构示意图。
具体实施方式
21.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
22.图1为本发明实施例提供的线路故障预警方法的一个流程示意图，本发明实施例的方法可适用于对输电线路可能发生的故障事件进行预警，该方法可以由本发明实施例提供的线路故障预警装置来执行，该装置可采用软件和/或硬件的方式实现。在一个具体的实施例中，该装置可以集成在电子设备中，电子设备比如可以是计算机、服务器。以下实施例将以该装置集成在电子设备中为例进行说明，参考图1，该方法具体可以包括如下步骤：
23.步骤101、获取目标地区输电线路的当前因素信息，当前因素信息包括当前自身因素信息和当前非自身因素信息。
24.其中，输电线路用于接收在变压器将发电机发出的电能升压后，经断路器等控制设备对电能进行处理后输出的电能。输电线路可分为高压输电线路、中压输电线路和低压输电线路。需要被检测是否有可能存在故障事件发生的输电线路所在的地区是目标地区。当前因素信息包括当前自身因素信息和当前非自身因素信息。其中，当前自身因素信息包
括与输电线路的设备自身和输电线路自身相关的信息，例如当前输电线路的设备类型、当前输电线路的电压、当前输电线路的负荷水平、当前输电线路存在的缺陷信息和隐患信息、当前输电线路的设备存在的缺陷信息和隐患信息、当前输电线路的设备附近有无如施工等的外力破坏隐患、当前输电线路的设备负荷水平、当前输电线路的设备运行年限、当前输电线路的设备安装机构、生产厂家等信息。当前非自身因素信息包括与输电线路的设备自身和输电线路自身无关的一些环境信息，例如当前输电线路所在的目标地区的地理位置、气象信息以及当前时间信息。其中，气象信息包括空气温度、空气湿度、有无雷电气象等特殊气象、风力值。当前时间信息包括当前输电线路所在季节、当前日期属于工作日还是休息日等信息。进一步地，获取目标地区输电线路的当前因素信息。
25.步骤102、基于当前自身因素信息和当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息。
26.其中，预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，历史故障记录为导致目标地区输电线路出现故障事件的记录信息，历史故障记录包括导致出现故障事件的历史自身因素信息、历史非自身因素信息和故障事件的故障属性信息。在获取到目标地区输电线路的当前因素信息后，将当前因素信息输入进预警判断数据库中，与预警判断数据库中的数据进行匹配，得到候选故障属性信息。示例的，当前因素信息中的当前自身因素信息包括中压输电线路、当前输电线路的设备运行年限为10年；当前因素信息中的当前非自身因素信息包括当前空气温度为25摄氏度、天气为雷雨天气。进一步地，将当前因素信息输入进预警判断数据库中进行匹配。假设在预警判断数据库中，存在历史自身因素包括中压输电线路、中压输电线路的设备运行年限为15年。历史非自身因素包括空气温度为25摄氏度、天气为雷雨天气。则将当前因素信息输入进预警判断数据库中可以匹配出故障属性信息为：中压输电线路、空气温度为25摄氏度、天气为雷雨天气。进一步得到候选故障属性信息为：中压输电线路、中压输电线路的设备运行年限为15年、空气温度为25摄氏度以及天气为雷雨天气。
27.步骤103、基于候选故障属性信息确定目标地区输电线路对应的预警事件。
28.其中，预警事件是根据候选故障属性信息推断出的，可能导致目标地区输电线路无法正常供电的故障事件。
29.本方案实施例中，可选的，基于候选故障属性信息确定目标地区输电线路对应的预警事件包括如下步骤a1-步骤a2：
30.步骤a1：从候选故障信息筛选出目标故障信息，目标故障信息包括与当前自身因素信息和当前非自身因素信息均匹配的候选故障属性信息。
31.具体地，将当前自身因素信息逐一与历史自身因素进行匹配得到的信息和将当前非自身因素逐一与历史非自身因素信息进行匹配得到的信息作为候选故障信息。进一步地，对候选故障信息进行筛选，选出与当前自身因素信息和当前非自身因素信息均匹配的候选故障属性信息作为目标故障信息。示例的，当前因素信息包括中压输电线路、当前输电线路的设备运行年限为10年、当前空气温度为25摄氏度和天气为雷雨天气。候选故障属性信息为中压输电线路、当前输电线路的设备运行年限为15年、当前空气温度为25摄氏度和天气为雷雨天气。则从候选故障信息筛选出目标故障信息为：中压输电线路、空气温度为25摄氏度以及天气为雷雨天气。
32.步骤a2：基于目标故障信息确定目标地区输电线路对应的预警事件。
33.其中，预警事件是根据目标故障信息推断出的输电线路可能会发生的故障事件。示例的，目标故障信息为中压输电线路、空气温度为25摄氏度以及天气为雷雨天气。在预警判断数据库中，目标故障信息对应的预警事件为线路可能被雷电影响而发生跳故障。则基于目标故障信息可以输出预警事件为线路可能发生故障。
34.根据上述步骤，可以从候选故障信息中筛选出目标故障信息，使得线路故障预警的预警结果更加准确。
35.本实施例的技术方案，可以获取目标地区输电线路的当前因素信息，当前因素信息包括当前自身因素信息和当前非自身因素信息；基于当前自身因素信息和当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息，预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，历史故障记录为导致目标地区输电线路出现故障事件的记录信息，历史故障记录包括导致出现故障事件的历史自身因素信息、历史非自身因素信息和故障事件的故障属性信息；基于候选故障属性信息确定目标地区输电线路对应的预警事件。本方案能够关注到当前自身因素和当前非自身因素对故障事件发生的影响，更加全面的考虑到了造成故障事件发生的因素。进一步使得线路故障预警的预警结果更加准确，更加全面，避免了输电线路在毫无准备的情况下发生故障事件，节约了人力、物力资源。
36.图2为本发明实施例提供的一种预警判断数据库生成方法的一个流程图，本实施例是在上述实施例的基础上进行细化。具体的方法可如图2所示，该方法可以包括如下步骤：
37.步骤201、获取历史故障记录。
38.其中，历史故障记录中记录着目标地区的输电线路发生过的故障事件，以及导致故障事件发生的历史自身因素信息、历史非自身因素信息和故障事件的故障属性信息。其中，历史自身因素包括每个故障事件中，由输电线路的设备自身和输电线路自身的相关因素导致故障事件发生的信息，例如输电线路的电压、设备类型、负荷水平、输电线路存在的缺陷信息和隐患信息、输电线路的设备存在的缺陷信息和隐患信息、输电线路的设备附近有无如施工等的外力破坏隐患、输电线路的设备负荷水平、输电线路的设备运行年限、输电线路的设备安装机构、生产厂家等信息。历史非自身因素包括每一个故障事件中，由于输电线路的设备自身和输电线路自身无关的因素导致故障事件发生的信息，例如输电线路所在的地理位置、气象信息以及发生故障的时间信息。其中，气象信息包括空气温度、空气湿度、有无雷电气象等特殊气象、风力值。发生故障的时间信息包括所在季节、发生故障的日期属于工作日还是休息日等信息。故障事件的故障属性信息包括故障时间信息、故障设备信息、故障原因信息和故障损失信息。其中，故障时间信息包括每次故障事件发生的具体时间、发生故障事件的时间长度等信息。故障设备信息包括每次故障事件发生时，输电线路的设备的相关信息，例如输电线路的设备的型号、输电线路的设备是否有损坏的零部件、被损坏的设备的零部件的信息和损坏的零部件的生产厂家等信息。故障原因信息包括每次故障事件发生时，导致故障事件发生的自身原因信息和非自身原因信息。自身原因信息例如设备老化、超负荷运行和超过设备运行年限等信息。非自身原因信息如施工对输电线路造成破坏、发生自然灾害对输电线路造成破坏等信息。故障损失信息包括每次故障事件发生时，由故
障事件所带来的损失的相关信息，例如损失金额、人力损失信息等信息。具体地，要得到目标地区输电线路的预警判断数据库，首先需要获取目标地区输电线路的历史故障记录。
39.步骤202、对历史故障记录进行预处理。
40.其中，历史故障记录中记录着大量的历史故障事件的相关信息数据。因此，需要对历史故障记录进行预处理，减少对历史故障记录进行处理的数据量，便于后续对历史故障记录进行数据挖掘。
41.方案实施例中，可选的，对历史故障记录进行预处理包括如下步骤b1-步骤b2：
42.步骤b1：对历史故障记录进行离散化处理。
43.其中，离散化处理用于将连续的数值属性转化为离散的数值属性。对历史故障记录进行离散化处理包括对历史故障记录中的数据设定若干个离散的划分点，将数据取值范围划分为一些离散化的区间，最后用不同的符号或整数值代表落在每个子区间中的数据值。示例的，可以根据故障事件发生时输电线路所处的地理条件对故障事件进行划分，将历史故障记录按照“山地、河流、农田、农村、城镇、工业区、商业区和居民区”等不同地区进行离散化处理。或者可以根据故障事件发生时的气温对故障事件进行划分，将历史故障记录按照
“‑
10摄氏度～0摄氏度、0摄氏度～10摄氏度、10摄氏度～20摄氏度、20摄氏度～30摄氏度、30摄氏度～40摄氏度”等不同温度区间进行离散化处理。
44.步骤b2：将离散化处理之后的历史故障记录进行分类，得到历史自身因素信息、历史非自身因素信息和故障事件的故障属性信息。
45.其中，历史自身因素包括每个故障事件中，由输电线路的设备或输电线路自身的相关因素导致故障事件发生的信息。历史非自身因素包括每一个故障事件中，由于输电线路的设备或输电线路自身的无关的因素导致故障事件发生的信息。故障事件的故障属性信息包括故障时间信息、故障设备信息、故障原因信息和故障损失信息。在得到离散化处理后的历史故障记录后，对历史故障记录的数据按照历史自身因素信息、历史非自身因素信息和故障事件的故障属性信息进行分类。
46.通过上述步骤，可以对历史故障记录进行预处理，减少了对历史故障记录进行处理的数据量，便于后续对历史故障记录进行数据挖掘。
47.步骤203、挖掘历史故障记录中历史自身因素信息与故障事件的关联规则，得到[集合s1]。
[0048]
在得到预处理后的历史路障记录后，可以利用数据挖掘算法挖掘历史故障记录中历史自身因素信息与故障事件的关联规则。数据挖掘算法包括sv机(support vector machine，svm)算法、pagerank算法和apriori算法等。以apriori算法为例，利用apriori算法挖掘历史故障记录中历史自身因素信息与故障事件的关联规则。其中，用n表示总事件集合，总事件集合中包括所有的故障事件。用x
→
y表示x和y之间的关联规则，x和y分别表示事件x和事件y，x
→
y表示可以用x推出y(事件x和事件y同时存在)。用c表示关联规则的置信度，用s表示关联规则的支持度。其中，置信度表示事件x中也包含事件y的事件占总事件集合n的比例。支持度表示事件集合中包含特定项的事件的个数。例如，导致故障事件发生的因素集合为(雷雨天气、超负荷运行、超过设备运行年限)，要得到因为超负荷运行和超过设备运行年限导致故障事件发生的支持度，则将超负荷运行和超过设备运行年限设定为特定项。进一步可以确定出特定项的支持度s为2(雷雨天气、超负荷运行、超过设备运行年限中
有两个特定项)。进一步地，可以将关联规则中的支持度s表示为：
[0049][0050]
将关联规则中的置信度c表示为：
[0051][0052]
其中，count表示count函数。在计算出历史故障记录中历史自身因素信息与故障事件的关联规则后，进一步得到[集合s1]。
[0053]
步骤204、挖掘历史故障记录中历史非自身因素信息与故障事件的关联规则，得到[集合s2]。
[0054]
在得到[集合s1]后，可以利用数据挖掘算法挖掘故事故障记录中非历史自身因素信息与故障事件的关联规则。如上述步骤203所述，以apriori算法为例，挖掘出历史故障记录中非历史自身因素信息与故障事件的关联规则。计算出关联规则的置信度c和支持度s，得到[集合s2]。
[0055]
步骤205、将[集合s1]中信息和[集合s2]中的信息进行组合和筛选得到[集合s3]。
[0056]
在得到[集合s1]和[集合s2]后，利用[集合s1]和[集合s2]计算出[集合s3]。本方案实施例中，可选的，将[集合s1]中信息和[集合s2]中的信息进行组合和筛选得到[集合s3]包括如下步骤c1-步骤c3：
[0057]
步骤c1：将[集合s1]中的信息和[集合s2]中的信息进行组合得到候选集合。
[0058]
其中，候选集合是将[集合s1]中的信息和[集合s2]中的信息进行两两组合得到的集合。示例的，[集合s1]中包括(a1，a2，a3
……
an)，[集合s2]中包括(b1，b2，b3
……
bn)。将[集合s1]和[集合s2]进行两两组合可以得到候选集合为(a1b1，a1b2
……
a1bn
……
anb1
……
anbn)。
[0059]
步骤c2：计算候选集合中每组信息的支持度和/或置信度。
[0060]
具体地，在得到候选集合后，计算候选集合中每组信息的支持度和/或置信度。假设候选集合为(a1b1，a1b2
……
a1bn
……
anb1
……
anbn)，则分别计算a1b1，a1b2
……
a1bn
……
anb1
……
anbn的支持度和/或置信度。以apriori算法为例，如上述步骤203所述，计算a1b1的支持度s为：
[0061][0062]
计算a1b1的置信度c为：
[0063][0064]
以此类推，计算出候选集合中每组信息的置信度和/或支持度。
[0065]
步骤c3：基于每组信息的支持度和/或置信度对候选集合进行筛选，得到[集合s3]。
[0066]
在得到候选集合的每组信息的置信度和支持度后，基于每组信息的支持度和/或置信度对候选集合中的信息进行筛选。具体地，可以基于每组信息的支持度和/或置信度对
候选集合中的信息进行排序，删除掉候选集合中支持度和/或置信度最小的组合信息。也可以删除掉候选集合中支持度低于预设支持度阈值，和/或置信度低于预设置信度的组合信息。其中，预设支持度和预设置信度可以根据具体情况提前进行设定。进一步地，将筛选后的候选集合作为[集合s3]。
[0067]
根据上述步骤，可以更加准确的利用历史自身因素和历史非自身因素生成结合s3，为后续利用[集合s3]生成预警判断库奠定了基础，进一步提高了线路故障预警结果的准确度。
[0068]
步骤206、挖掘[集合s3]与故障事件的故障属性信息之间的关联规则，得到预警判断数据库。
[0069]
其中，故障事件的故障属性信息包括故障设备信息、故障原因信息和故障损失信息。故障设备信息包括每次故障事件发生时，输电线路的设备的相关信息，例如输电线路的设备的型号、输电线路的设备是否有损坏的零部件、被损坏的设备的零部件的信息和被损坏的零部件的生产厂家等信息。故障原因信息包括每次故障事件发生时，导致故障事件发生的自身原因信息和非自身原因信息。自身原因信息例如设备老化、超负荷运行和超过设备运行年限等信息。非自身原因信息如施工对输电线路造成破坏、发生自然灾害对输电线路造成破坏等信息。故障损失信息包括每次故障事件发生时，由故障事件所带来的损失的相关信息，例如损失金额、人力损失信息等信息。
[0070]
具体地，在得到[集合s3]后，利用数据挖掘算法挖掘[集合s3]与故障事件的故障属性信息之间的关联规则。以apriori算法为例，如上述步骤203所述，得到关联规则的置信度和支持度，进一步得到预警判断数据库。
[0071]
本发明实施例中，可以获取历史故障记录；对历史故障记录进行预处理；挖掘历史故障记录中历史自身因素信息与故障事件的关联规则，得到[集合s1]；挖掘历史故障记录中历史非自身因素信息与故障事件的关联规则，得到[集合s2]；将[集合s1]中信息和[集合s2]中的信息进行组合和筛选得到[集合s3]；挖掘[集合s3]与故障事件的故障属性信息之间的关联规则，得到预警判断数据库。本实施例的技术方案，可以更加准确的利用历史故障记录生成预警判断库，全面的考虑到了造成故障事件发生的历史自身因素和历史非自身因素，使得线路故障事件的预警结果更加准确。并且在实际应用中可以直接利用预警判断数据库对线路故障事件进行预警，不需要人工定期检查，节约了人力、物力资源。
[0072]
图3为本发明实施例提供的线路故障预警装置的一个结构图，该装置适用于执行本发明实施例提供的线路故障预警方法。如图3所示，该装置具体可以包括：
[0073]
信息获取模块301，获取目标地区输电线路的当前因素信息，所述当前因素信息包括当前自身因素信息和当前非自身因素信息；
[0074]
信息匹配模块302，用于基于所述当前自身因素信息和所述当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息，所述预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，所述历史故障记录为导致所述目标地区输电线路出现故障事件的记录信息，所述历史故障记录包括导致出现所述故障事件的历史自身因素信息、历史非自身因素信息和所述故障事件的故障属性信息；
[0075]
事件确定模块303，用于基于所述候选故障属性信息确定所述目标地区输电线路对应的预警事件。
[0076]
可选的，信息匹配模块302具体包括：
[0077]
记录获取单元，用于获取所述历史故障记录；
[0078]
数据预处理单元，用于对所述历史故障记录进行预处理；
[0079]
数据挖掘单元，用于基于数据挖掘算法对预处理后的所述历史故障记录进行关联规则挖掘，得到所述预警判断数据库。
[0080]
可选的，数据预处理单元具体用于：
[0081]
对所述历史故障记录进行离散化处理；
[0082]
将离散化处理之后的所述历史故障记录进行分类，得到所述历史自身因素信息、所述历史非自身因素信息和所述故障事件的故障属性信息。
[0083]
可选的，信息匹配模块302还用于：
[0084]
挖掘所述历史故障记录中所述历史自身因素信息与所述故障事件的关联规则，得到[集合s1]；
[0085]
挖掘所述历史故障记录中所述历史非自身因素信息与所述故障事件的关联规则，得到[集合s2]；
[0086]
将所述[集合s1]中信息和所述[集合s2]中的信息进行组合和筛选得到[集合s3]；
[0087]
挖掘所述[集合s3]与所述故障事件的故障属性信息之间的关联规则，得到所述预警判断数据库。
[0088]
可选的，信息匹配模块302还用于：
[0089]
将所述[集合s1]中的信息和所述[集合s2]中的信息进行组合得到候选集合；
[0090]
计算所述候选集合中每组信息的支持度和/或置信度；
[0091]
基于所述每组信息的支持度和/或置信度对所述候选集合进行筛选，得到所述[集合s3]。
[0092]
可选的，所述故障事件的故障属性信息包括故障设备信息、故障原因信息和故障损失信息。
[0093]
可选的，事件确定模块具体用于：
[0094]
从所述候选故障信息筛选出目标故障信息，所述目标故障信息包括与所述当前自身因素信息和所述当前非自身因素信息均匹配的候选故障属性信息；
[0095]
基于所述目标故障信息确定所述目标地区输电线路对应的预警事件。
[0096]
本发明实施例所提供的线路故障预警装置可执行本发明任意实施例所提供的线路故障预警方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本发明任意方法实施例中的描述。
[0097]
图4为本发明实施例提供的电子设备的一个结构示意图，参考图4，其示出了适于用来实现本发明实施例的电子设备的计算机系统12的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0098]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)
总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0099]
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0100]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
[0101]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0102]
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。另外，本实施例中的电子设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0103]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及线路故障预警，例如实现本发明实施例所提供的一种线路故障预警方法：获取目标地区输电线路的当前因素信息，所述当前因素信息包括当前自身因素信息和当前非自身因素信息；基于所述当前自身因素信息和所述当前非自身因素信息从预警判断数据库匹配出故障属性信息，得到候选故障属性信息，所述预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，所述历史故障记录为导致所述目标地区输电线路出现故障事件的记录信息，所述历史故障记录包括导致出现所述故障事件的历史自身因素信息、历史非自身因素信息和所述故障事件的故障属性信息；基于所述候选故障属性信息确定所述目标地区输电线路对应的预警事件。
[0104]
本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明所有发明实施例提供的一种线路故障预警方法：获取目标地区输电线路的当前因素信息，所述当前因素信息包括当前自身因素信息和当前非自身因素信息；基于所述当前自身因素信息和所述当前非自身因素信息从预警判断数据库匹配出故
障属性信息，得到候选故障属性信息，所述预警判断数据库是基于对历史故障记录进行关联规则挖掘得到的，所述历史故障记录为导致所述目标地区输电线路出现故障事件的记录信息，所述历史故障记录包括导致出现所述故障事件的历史自身因素信息、历史非自身因素信息和所述故障事件的故障属性信息；基于所述候选故障属性信息确定所述目标地区输电线路对应的预警事件。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0105]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0106]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0107]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0108]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。