n/ 的所有规则，其中皿'awp和w'ncon/是对应的支持度和置信度的阔值。
[0019] 附图1是本发明一种基于Apriori算法的变电站电压暂降特性关联分析方法的流 程图，首先对电压暂降历史数据进行梳理，形成数据表，其中每一次记录的暂降事件作为数 据表中的行，每项属性作为列。由于电压暂降事件数据量大，相关因素复杂，按基本属性关 系可分为时间属性、节点属性、故障属性、影响因素属性等方面，各属性按照一定的规则量 化分层，并且W离散的整数代表不同的互斥层次； 其中时间属性包括暂降事件发生的年、季度、月、日、当日时间等，节点属性包括变电站 所在片区、母线编号、相别、暂降幅度、持续时间等，故障属性包括短路发生区域、线路电压 等级、线路类型、短路类型、短路原因等，影响因素属性则包括天气情况、落雷密度、污区等 级、用户类型、负荷量、区域电缆占比等。
[0020] 其次设置最小支持度阔值，根据数据表产生满足要求的频繁项集，随后设置最小 置信度阔值，从上一步发现的频繁项集中提取满足置信度要求的规则，并形成知识库；最终 实现对规则进行使用，即对区域电网内的变电站在指定了一定的条件之后，通过与知识库 中的规则进行匹配，就可W得到该站点可能出现的电压暂降情况的预估，对某些确定条件 下的情况做出满足一定置信程度的判断。
[0021] 例如当研究某一区域电网内的变电站电压暂降特性，在设定最小支持度阔值 心a?w=10%，最小置信度阔值心ncon/=60%的条件下，通过Apriori算法进行关联规则分 析之后得出一系列满足最小支持度、置信度阔值的规则。其中提取W电压暂降持续时间作 为规则后件的规则来分析区域电网内电压暂降持续时间与其他因素的关联，例如可w获得 规则（220kV) -（持续时间0~0. 2s)的置信度为89. 80%，规则（220kV，0时~8时）一（持续 时间0~0. 2s)的置信度为94. 31%，（220kV，8时~18时）一（持续时间0~0. 2s)的置信度为 87. 68%，将上述规则存入知识库，当要评估出现220kV变电站出现电压暂降时可能的持续 时间，输入220kV送一条件则从知识库中匹配出上述H条规则，由规则（220kV) -（持续时 间0~0.2s)可W确定在89. 80%的置信度下可W预估电压暂降的持续时间为0~0.2s。而如果 再加入当日发生时间送一条件，即输入220kV、0时^8时两个条件，则可匹配出规则（220kV， 0时~8时)一（持续时间0~0. 2s)，即可预估当在0时~8时送一时段内220kV变电站出现电 压暂降的情况下，其持续时间在(To. 2内的置信度可W达到94. 31%。
[0022] 附图2是本发明所采用的Apriori算法产生频繁项集的算法流程图，初始设置最 小支持度阔值皿'awp，并扫描数据集得到所有的频繁1-项集的集合7^1，随后开始循环，循 环的判断条件为频繁左-项集是否为空集。当频繁左-项集非空时，就使用上一次迭代 发现的频繁a-1)-项集1来产生新的候选项集G，本发明所采用的产生候选项集的方法 为合并一对前左-2项相同的频繁a-1)-项集7^4 1，使用字典序存储项W避免产生重复的候 选。在计算候选项集的支持度计数后，删去支持度计数小的所有候选项集，提取 当前的频繁左-项集直到没有新的频繁项集产生，即/^4=0时，输出产生的频繁项集结果， 算法结束。
[0023] 附图3是本发明所采用的Apriori算法产生规则的算法流程图，本算法采用逐层 的方式来产生关联规则，其中每层对应规则后件中的项数，其中规则后件即形如X- 7的蕴 涵表达式中的/。初始设置最小置信度阔值曲incon/，对每一个频繁左-项集其中^ > 2) 均先提取规则后件只含一个项的所有高置信度规则巧，当左〉/^+1时(其中为规则后件的大 小)，WA产生候选项集化+1，并对每个候选项集计算置信度从中提取满足最小置信度阔值 的规则，循环结束后输出规则，算法结束。
【主权项】
1. 一种基于Apriori算法的变电站电压暂降特性关联分析方法，其特征在于：方法包 含以下操作： 首先，对设有监测点的变电站的电压暂降历史数据进行梳理，统计并整理每次暂降事 件的相关属性包括时间属性、节点属性、故障属性、影响因素属性等方面，最终形成数据表， 以每一次记录的暂降事件作为数据表中的行，每项属性作为列； 其中各属性按照一定的规则量化分层，并且以离散的整数代表不同的互斥层次； 随后对数据表进行关联规则分析，其中包含频繁项集的产生和规则的产生两个环节； 频繁项集的产生是为了发现满足最小支持度阈值的所有项集，而随后从所发现的频繁 项集中提取高置信度的规则作为强关联规则； 最后将挖掘后得到的强关联规则形成知识库，对区域电网内的变电站在指定了一定的 条件之后，通过与知识库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况 的预估，并可开展对应的暂降原因排查和防治工作。2. 根据权利要求1所述的一种基于Apriori算法的变电站电压暂降特性关联分析方 法，其特征在于：包括以下步骤： 1) 对电压暂降历史数据进行梳理，形成数据表，其中每一次记录的暂降事件作为数据 表中的行，每项属性作为列，各属性按照一定的规则量化分层，并且以离散的整数代表不同 的互斥层次； 2) 设置最小支持度阈值根据数据表产生满足要求的频繁项集； 3) 设置最小置信度阈值八从上一步发现的频繁项集中提取满足置信度要求的 规则，并形成知识库； 4) 对规则进行使用，即对区域电网内的变电站在指定了一定的条件之后，通过与知识 库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况的预估，对某些确定条 件下的情况做出满足一定置信程度的判断。3. 根据权利要求1所述的一种基于Apriori算法的变电站电压暂降特性关联分析方 法，其特征在于：本发明方案以变电站为对象，充分利用部分变电站所监测到的电压暂降历 史数据来分析区域电网内全部变电站的电压暂降特性，是直接基于历史数据的分析方式， 可在拥有电能质量监测系统的区域电网推广应用。
【专利摘要】本发明的目的在于提供一种基于Apriori算法的变电站电压暂降特性关联分析方法，根据区域电网的部分变电站电压暂降历史数据和各类影响因素从而提取关联规则，以获取的规则对区域内的所有变电站的电压暂降特性进行分析，对电压暂降历史数据进行梳理，形成数据表，有助于挖掘产生电压暂降的主要因素并进行相对应的防治并对电压暂降可能带来的风险进行评价，本发明以变电站为对象，充分利用部分变电站所监测到的电压暂降历史数据来分析区域电网内全部变电站的电压暂降特性，实现对现有的电能质量监测系统的扩展应用，该方法是直接基于历史数据的分析方式，只要对拥有电能质量监测系统的区域电网均能实施，具有良好的实用性和可推广性。
【IPC分类】G06F17/30, G06Q50/06
【公开号】CN105225165
【申请号】CN201410311476
【发明人】胡子珩, 姚森敬, 黄志伟, 张华赢, 史帅彬, 杨家豪, 欧阳森, 曾江, 李正佳
【申请人】深圳供电局有限公司, 华南理工大学, 苏州华天国科电力科技有限公司
【公开日】2016年1月6日
【申请日】2014年7月2日