基于配用電數據關聯的中壓配電網斷線故障診斷方法

基于配用電數據關聯的中壓配電網斷線故障診斷方法
【專利摘要】本發明提供的一種本發明基于配用電數據關聯的中壓配電網斷線故障診斷方法，包括如下步驟：步驟1，將配用電信息系統的數據信息輸入數據庫，構建斷線故障電氣量層次化數據體系；步驟2，對數據庫中的輸出數據信息進行處理，獲得中壓配電網斷線故障時的時空分布特性；步驟3，通過故障電氣量層次化數據體系及強關聯規則，建立中壓配電網斷線故障診斷模型及參數尋優，確定故障發生時中壓配電網的特征量之間的關聯情況，得到關聯規則集；步驟4，對中壓配用電信息系統導入的實時信息和關。本發明能夠根據無接地故障特征的斷線故障歷史數據，運用改進型關聯規則算法自動生成診斷關聯規則集和輔助規則集，為在線故障診斷決策提供有用的信息。
【專利說明】
基于配用電數據關聯的中壓配電網斷線故障診斷方法
技術領域
[0001] 本發明設及電網故障診斷領域中一種對分支線斷線不接地故障的診斷方法。
【背景技術】
[0002] 電力系統花費了大量的人力、物力對電力系統橫向故障一-各類短路故障進行大 量的研究，利用完備的繼電保護裝置來快速切除、隔離故障，而電力系統縱向故障一-斷線 故障因不產生故障大電流，對輸變電設備危害小，在電網運行與維護中受重視的程度遠不 如短路故障，但斷線故障也是電網運行常見發生的故障類型之一，直接造成用戶停電，同 時，長時間缺相運行產生的負序電流會對旋轉電機和變壓器造成損害，因此對其產生原因 及診斷方法的研究也同樣重要。目前對于斷線接地故障和饋線斷線故障有較好的故障檢測 手段，調度部口能很快收到接地信號和斷線故障信號并且現代新型故障選線裝置可W很快 做出故障選線準確率可達95% W上，但是針對分支線斷線不接地故障由于故障發生后電流 變化幅度較小一直沒有較好的診斷方法，運檢部口有一個電能質量在線監測系統可W記錄 分支線上兩相及=相高壓烙絲管烙斷故障，運個系統是非實時系統，它并不能在故障發生 的時刻做出反應，往往要用戶停電報修后電力公司才能發覺。
[0003] 另外，目前針對運類故障基于故障搶修管理系統的高級應用，診斷的準確率很低， 還不能有效的大范圍推廣，具有很大的局限性。

【發明內容】

[0004] 針對現有技術中的缺陷，本發明的目的是提供一種擁有較高的熱力學效率，減少 換熱過程中的畑損失的基于配用電數據關聯的中壓配電網斷線故障診斷方法。
[0005] 為解決上述技術問題，本發明基于配用電數據關聯的中壓配電網斷線故障診斷方 法，包括如下步驟：
[0006] 步驟1，將配用電信息系統的數據信息輸入數據庫，構建斷線故障電氣量層次化數 據體系；
[0007] 步驟2,對數據庫中的輸出數據信息進行處理，獲得中壓配電網斷線故障時的時空 分布特性；
[0008] 步驟3,通過故障電氣量層次化數據體系及強關聯規則，建立中壓配電網斷線故障 診斷模型及參數尋優，確定故障發生時中壓配電網的特征量之間的關聯情況，得到關聯規 則集；
[0009] 步驟4,對中壓配用電信息系統導入的實時信息和關聯規則集進行匹配，判斷中壓 配電網的狀態。
[0010] 優選地，步驟1中，數據信息包括中壓配電網斷線故障信息和正常運行信息。
[00川優選地，步驟1包括：
[0012]步驟1.1，通過人工輸入或經接口實時互聯來獲取中壓配電網斷線故障信息和正 常運行信息；
[0013] 步驟I. 2,根據中壓配電網斷線故障信息的類型和含義，對中壓配電網斷線故障信 息進行分層，并根據每種中壓配電網斷線故障信息的層級和類型構建斷線故障電氣量層次 化數據體系。
[0014] 優選地，步驟2包括：
[0015] 步驟2.1，將中壓配電網斷線故障信息分為故障級別、區域類型、故障時間和故障 原因；
[0016] 步驟2.2，確定最小置信度閥值，獲得強關聯規則，并生成關聯規則集；
[0017] 步驟2.3,對關聯規則集的物理涵義進行分析，合并涵義重復的規則。
[0018] 優選地，步驟2.2,運用Apriori算法對中壓配電網斷線故障信息進行關聯規則挖 掘，確定最小置信度閥值。
[0019] 優選地，步驟3包括：
[0020] 步驟3.1，對中壓配電網斷線故障診斷模型內的特征量進行預處理；
[0021] 步驟3.2,提取穩態特征量；
[0022] 步驟3.3,提取關鍵特征量；
[0023] 步驟3.4，確定故障情況并建立原始事務集；
[0024] 步驟3.5，確定多最小項支持度闊值、最小置信度闊值和原始規則集；
[0025] 步驟3.6，對原始規則集進行處理得到關聯規則集。
[0026] 優選地，步驟3.1，對中壓配電網斷線故障診斷模型內的特征量進行預處理包括對 數值型特征量進行歸一化處理W及采用K-Means聚類方法對連續型特征量進行離散化處 理。
[0027] 優選地，步驟3.5,通過修改闊值進行交互式挖掘，得到多最小項支持度闊值、最小 置信度闊值和原始規則集。
[00%]優選地，步驟3.6,利用置信度處理準則和不平衡因子結合的方法刪除冗余規則對 原始規則集進行處理得到關聯規則集;其中
[0029] 置信度處理準則處理方法:對規則A-〉B的置信度和規則B-〉A的置信度做一個平 均處理：
[0030] kulc(A,B)=(confidence(A->B)+confidence(B->A))/2
[0031] 其中，A為規則前項，即條件屬性;B為規則后項，即決策屬性；"A-〉B"為規則前項A 至規則后項B的因果關系；"B-〉A"為規則前項B至規則后項A的因果關系，即算符"一〉"具有 方向性；
[0032] 如果某兩條規則的kulc系數相等，就需要進一步運用不平衡因子的方法來處理；
[0033] 不平衡因子處理方法：
[0034] 不平衡因子IR(A，B)= Isup(A)-Sup(B) |/(sup(A)+sup(B)-sup(AnB))
[0035] 其中，IR(A，B)為規則A-〉B的不平衡因子;SUP(A)為規則前項A的支持度；SUP(B) 為規則后項B的支持度;sup(A n B)為規則前項A和規則后項B交集的置信度；
[0036] I SUP(A)-SUP(B) I為規則前項A、規則后項B支持度之差的絕對值。
[0037] 優選地，步驟4包括：
[0038] 步驟4.1，讀入實時信息，其中，實時信息包括實時故障數據；
[0039] 步驟4.2,提取實時故障數據的穩態特征量與關聯規則集進行匹配；如果匹配成 功，則得到斷線故障診斷結果;如果匹配未成功則進行下一步；
[0040] 步驟4.3，判斷實時故障數據的穩態特征量是否包含錯誤信息；
[0041] 如果包含錯誤信息且錯誤信息不屬于關聯規則集中設及的數據，則進行診斷，如 果包含錯誤信息且錯誤信息屬于關聯規則集中設及的數據，則放棄該實時故障數據；
[0042] 如果不包含錯誤信息，則認定為稀有故障，并將實時故障數據的穩態特征量輸入 數據庫，W對數據庫進行更新。
[0043] 與現有技術相比，本發明所述的基于配用電數據關聯的中壓配電網斷線故障診斷 方法，其優點在于:本發明能夠根據無接地故障特征的斷線故障歷史數據，運用改進型關聯 規則算法自動生成診斷關聯規則集和輔助規則集，為在線故障診斷決策提供有用的信息： 具體分析城市中壓配電網中間或分支線斷線W及無接地故障特征斷線故障表現機理和診 斷運類故障方面存在的實際問題及其主要原因，針對運些問題在研究中壓配電網斷線故障 時空規律生成輔助規則集的基礎上，利用配用電信息系統記錄的中壓配電網分支線斷線故 障電氣量數據，結合已有研究提取穩態特征量，在關鍵特征識別的基礎上結合電網實際運 行情況，考慮只能采集大用戶實時運行參數因此采用多最小支持度規則的挖掘算法進行關 聯規則挖掘，發現故障發生時中壓配電網運行參數變化之間的關聯情況，刪除冗余規則闡 釋物理涵義得到最終關聯規則集，最后根據關聯規則集利用在線實際運行數據診斷運類斷 線故障是否發生。本發明挖掘的規則集受冗余信息的影響較小，說明數據挖掘能夠把握重 要關聯規則，濾除干擾，在實際數據部分有錯誤或缺失時對基于規則推理的故障診斷影響 很小，同時既可W在線挖掘實際運行數據，也可W在離線狀態挖掘歷史故障和仿真的預想 故障數據來檢測實時故障，為斷線故障診斷處理提供更為簡潔、實用和有效的處理手段。
【附圖說明】
[0044]
[0045] 通過閱讀參照W下附圖對非限制性實施例所作的詳細描述，本發明的其它特征目 的和優點將會變得更明顯。
[0046] 圖1為本發明基于配用電數據關聯的中壓配電網斷線故障診斷方法中壓配電網斷 線故障時空規律的流程圖；
[0047] 圖2為本發明基于配用電數據關聯的中壓配電網斷線故障診斷方法建立基于配用 電信息系統數據關聯的中壓配電網斷線故障診斷模型過程圖；
[0048] 圖3為本發明基于配用電數據關聯的中壓配電網斷線故障診斷方法在線斷線故障 診斷流程圖。
【具體實施方式】
[0049] 下面采用具體實施例對本發明進行詳細說明。W下實施例將有助于本領域的技術 人員進一步理解本發明，但不W任何形式限制本發明。應當指出的是，對本領域的普通技術 人員來說，在不脫離本發明構思的前提下，還可W做出若干變化和改進。
[0050] 發明基于配用電數據關聯的中壓配電網斷線故障診斷方法，針對城市中壓配電網 中間或分支線斷線W及無接地故障特征斷線故障表現機理和診斷存在問題，在研究中壓配 電網斷線故障時空規律生成輔助規則集的基礎上，利用配用電信息系統記錄的中壓配電網 分支線斷線故障電氣量數據，結合已有研究提取穩態特征量，在關鍵特征識別的基礎上結 合電網實際運行情況，考慮只能采集大用戶實時運行參數的實際，采用MSapriori算法。其 中，關于MSapriori算法，本領域技術人員可W參照現有技術實現，例如可W參照公開文獻 《多最小支持度規則的挖掘算法》(作者:楊炳儒，陳激捷.計算機工程，2003,29(6) :40-41), MSapriori算法在該期刊文獻中被稱為"多最小支持度規則的挖掘算法"。
[0051] 挖掘故障發生時中壓配電網運行參數變化之間的關聯情況，刪除冗余規則闡釋物 理涵義得到最終關聯規則集，該故障診斷方法速度快，符合電網實際運行情況要求，實用性 較高。
[0052] 本發明所述評估方法中，設步驟a,即將現有配用電信息系統的輸出數據導入數據 庫，W配用電信息系統中所記錄的中壓配電網斷線故障信息和正常運行信息為數據源，構 建斷線故障電氣量層次化數據體系。
[0053] 所述外部數據的導入，需要通過預留的接口，實現與配電自動化系統、SCADA系統 等配用電信息系統的數據互聯，并接收其給出的電氣量及運行狀態量。之后分析不同數據 源中所包含故障信息的具體信息類型及含義，確定多源故障信息的信息層級，并根據每種 故障信息的信息層級和信息類型等構建斷線故障電氣量層次化數據體系。
[0054] 設步驟b，即W配用電信息系統中所記錄的中壓配電網故障信息為數據源，在對中 壓配電網故障大量時空數據進行處理進行統計分析的基礎上，研究中壓配電網斷線故障的 時空分布特性，當電網系統中發生無接地特征的分支線斷線故障時，就能W時空分布特性 作為輔助判據進行故障診斷。
[0055] 中壓配電網運行過程中產生的大量故障處理數據是配電監測系統數據的粗略表 達，同樣包含故障發生時間、故障地點、故障級別、故障原因等信息。因此，分析運些時空數 據，并發掘其內在關聯關系，對中壓配電網的安全運行及管理具有重要的實際意義。
[0056] 參見圖2所示，時空分布特性輔助判據生成流程如下：
[0057] 步驟bl、中壓配電網故障時空信息處理步驟如下，將故障信息按照W下四個方面 來統計：
[0058] 故障級別:對于比較嚴重的電網故障事件，按照故障具體的嚴重程度，將故障分為 五級電網事件、六級電網事件、屯級電網事件、八級電網事件和八級設備事件。
[0059] 區域類型:按照《中壓配電網規劃設計技術導則》中規定的區域劃分方法對區域類 型進行劃分。該方法按行政級別、供電可靠性、需求和負荷重要程度，輔W負荷密度，將供電 區域劃分為4+、4、8、(：、0、6六類；
[0060] 故障時間：按照故障發生時間所在月份劃分，分為12個月份；
[0061] 故障原因：線路故障原因主要有雷擊、外力破壞、污閃、桿塔質量、自然災害等;設 備故障原因有產品質量不良、設計缺陷、設備老化、外力破壞、過負荷運行等。
[0062] 步驟b2、確定最小支持度閥值，運用Apriori算法對中壓配電網故障數據進行關聯 規則挖掘，確定最小置信度閥值，獲得所有的強關聯規則，生成關聯規則集。
[0063] 步驟b3、對生成關聯規則集進行進一步處理，對其進行物理涵義進行解釋，合并涵 義重復的規則，了解中壓配電網斷線故障的時空分布特性。
[0064] 設步驟C，即根據斷線故障層次化電氣量數據體系及斷線故障強關聯因素，結合已 有研究提取穩態特征量，在關鍵特征識別的基礎上建立基于配用電信息系統數據關聯的中 壓配電網斷線故障診斷模型及參數尋優，結合電網實際運行情況考慮只能采集大用戶實時 運行參數的實際，采用MSapriori算法挖掘故障發生時中壓配電網運行參數變化之間的關 聯情況，刪除冗余規則闡釋物理涵義得到最終關聯規則集。
[0065] 參見圖3所示，步驟C中，具體實施步驟如下：
[0066] 步驟cl、對故障診斷模型的輸入數據預處理步驟如下：
[0067] 現將所有數值型特征量進行歸一化處理，系統量測量如=相電壓、電流、有功、無 功等連續型特征量，需要離散化處理，采取K-Means聚類技術實現對歷史數據的離散化處 理，每一類數據分為=組，再進行歸一化處理W便進行知識歸納；
[0068] 步驟c2、根據斷線故障層次化電氣量數據體系，綜合已有研究，常用穩態量特征包 括：
[0069；
[0070] 其中，U為電壓、I為電流、P為有功、Q為無功;為電壓隨時間的變化率、為電 Ch 戚 流隨時間的變化率、^為有功隨時間的變化率為無功隨時間的變化率。 dt Cll
[0071] 綜合運些數據的層次：IOkV饋線層級，IOkV開關站，IOkV配變、箱變、桿變層級和低 壓大用戶或中高壓用戶層級，形成總共32個電氣特征量。
[0072] 步驟c3、關鍵特征選擇：由上可見，已有文獻所采用的特征判據無論在數量還是種 類上都差別很大，理論分析與實踐表明，如果訓練樣本中包含不相關或弱相關的特征，會造 成特征沖突W及關鍵特征被低估等問題，因此需要有一種系統化方法定量評價各特征的重 要度，選出關鍵特征，消除不相關或弱相關的特征，如果某個特征為關鍵特征，那么在同類 樣本中，該特征的值應相同；而在異類樣本中，該特征的值應不同，本專利采用RELIEF算法 進行特征選擇。
[0073] 步驟c4、W穩態電氣關鍵特征量作為條件屬性，斷線故障作為決策屬性，考察各種 故障情況并建立原始事務集；
[0074] 步驟c5、由于并不是每條故障線路上都會帶有低壓大用戶或中高壓用戶負荷，鑒 于運兩層層級特征項集是非頻繁出現的項集，采用MSApriori算法得到原始規則集，通過修 改闊值進行交互式挖掘，得到最終的多最小項支持度闊值、最小置信度闊值和原始關聯規 則集。
[0075] 步驟c6、有時置信度和支持度并不能度量規則的實際意義和業務關注的興趣點， 所W還需要對原始關聯規則集進行進一步處理，利用置信度處理準則和不平衡因子結合的 方法刪除冗余規則對原始規則集進行處理得到關聯規則集;其中
[0076] 置信度處理準則處理方法:對規則A-〉B的置信度和規則B-〉A的置信度做一個平 均處理：
[0077] kulc(A，B)二（confidence(A->B)+confidence(B一>A))/2
[007 引 其中，confidence (A-〉B)為規則 A-〉B 的置信度；confidence (B-〉A)為規則 B-> A的置信度;kulc(A，B)是規則A-〉B的kulc系數；
[0079]如果某兩條規則的kulc系數相等，就需要進一步運用不平衡因子的方法來處理；
[0080] 不平衡因子處理方法：
[0081] 不平衡因子IR(A，B)= I SUP(A)-SUP(B) I/(sup(A)+sup(B)-sup(A PlB))
[0082] 其中，A為規則前項，即條件屬性;B為規則后項，即決策屬性;IR(A，B)為規則A-〉B 的不平衡因子;SUP(A)為規則前項A的支持度;SUP(B)為規則后項B的支持度;SUP(AHB)為 規則前項A和規則后項B交集的置信度；I SUP(A)-SUP(B) I為規則前項A、規則后項B支持度之 差的絕對值。
[0083] 篩選kulc系數高于0.5的規則，如果某兩條規則的kulc系數相同，選擇不平衡因子 IR高的規則，W得到最終關聯規則集。
[0084] 設步驟d，即根據配用電信息進系統通過接口導入實時采集的電氣量信息、時間信 息、空間信息，提取特征量W后與關聯規則進行匹配，對于未找到匹配特征和匹配規則的故 障，視為稀有故障，如果不包含錯誤信息，就新增規則來適應稀有故障。
[0085] 參見圖3所示，在線診斷的步驟d具體包含：
[0086] 步驟dl、讀入實時故障數據，系統量測量如=相電壓、電流、有功、無功等連續型特 征量，需要進行歸一化處理；
[0087] 步驟d2、基于步驟dl數據提取穩態特征量，與關聯規則集的特征量進行匹配，如果 規則匹配成功與關聯規則進行匹配，如果規則匹配成功，則得到帶有某置信度的斷線故障 診斷結果，如果其中某一步未成功則進行下一步；
[0088] 步驟d3、對于未找到匹配特征和匹配規則的故障，視為稀有故障，如果不包含錯誤 信息，就利用在線實時數據重復步驟C進行關聯規則挖掘得到新的規則，更新關聯規則集和 規則的可信度。
[0089] 綜上所述，本發明通過數據挖掘的方法建立一個"動態"的在線斷線故障診斷方 法，本發明能夠根據無接地故障特征的斷線故障歷史數據，運用改進型關聯規則算法自動 生成診斷關聯規則集和輔助規則集，為在線故障診斷決策提供有用的信息。研究中壓配電 網斷線故障時空規律生成輔助規則集，利用配用電信息系統記錄的中壓配電網分支線斷線 故障電氣量數據，結合已有研究提取穩態特征量，在關鍵特征識別的基礎上結合電網實際 運行情況，考慮只能采集大用戶實時運行參數因此采用多最小支持度MSapriori算法進行 關聯規則挖掘，發現故障發生時中壓配電網運行參數變化之間的關聯情況，對關聯規則集 進一步處理得到最終關聯規則集，最后根據關聯規則集利用在線實際運行數據診斷斷線故 障是否發生。
[0090] W上對本發明的具體實施例進行了描述。需要理解的是，本發明并不局限于上述 特定實施方式，本領域技術人員可W在權利要求的范圍內做出各種變化或修改，運并不影 響本發明的實質內容。在不沖突的情況下，本申請的實施例和實施例中的特征可W任意相 互組合。
【主權項】
1. 一種基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特征在于，包括如下 步驟： 步驟1，將配用電信息系統的數據信息輸入數據庫，構建斷線故障電氣量層次化數據體 系； 步驟2,對數據庫中的輸出數據信息進行處理，獲得中壓配電網斷線故障時的時空分布 特性； 步驟3,通過故障電氣量層次化數據體系及強關聯規則，建立中壓配電網斷線故障診斷 模型及參數尋優，確定故障發生時中壓配電網的特征量之間的關聯情況，得到關聯規則集； 步驟4,對中壓配用電信息系統導入的實時信息和關聯規則集進行匹配，判斷中壓配電 網的狀態。2. 根據權利要求1所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟1中，數據信息包括中壓配電網斷線故障信息和正常運行信息。3. 根據權利要求2所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟1包括： 步驟1.1，通過人工輸入或經接口實時互聯來獲取中壓配電網斷線故障信息和正常運 行信息； 步驟1.2,根據中壓配電網斷線故障信息的類型和含義，對中壓配電網斷線故障信息進 行分層，并根據每種中壓配電網斷線故障信息的層級和類型構建斷線故障電氣量層次化數 據體系。4. 根據權利要求1所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟2包括： 步驟2.1，將中壓配電網斷線故障信息分為故障級別、區域類型、故障時間和故障原因； 步驟2.2，確定最小置信度閥值，獲得強關聯規則，并生成關聯規則集； 步驟2.3,對關聯規則集的物理涵義進行分析，合并涵義重復的規則。5. 根據權利要求4所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟2.2,運用Apriori算法對中壓配電網斷線故障信息進行關聯規則挖掘，確定最 小置信度閥值。6. 根據權利要求1所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟3包括： 步驟3.1，對中壓配電網斷線故障診斷模型內的特征量進行預處理； 步驟3.2，提取穩態特征量； 步驟3.3，提取關鍵特征量； 步驟3.4，確定故障情況并建立原始事務集； 步驟3.5，確定多最小項支持度閾值、最小置信度閾值和原始規則集； 步驟3.6，對原始規則集進行處理得到關聯規則集。7. 根據權利要求6所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟3.1，對中壓配電網斷線故障診斷模型內的特征量進行預處理包括對數值型特 征量進行歸一化處理以及采用K-Means聚類方法對連續型特征量進行離散化處理。8. 根據權利要求6所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟3.5,通過修改閾值進行交互式挖掘，得到多最小項支持度閾值、最小置信度閾 值和原始規則集。9. 根據權利要求6所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟3.6，利用置信度處理準則和不平衡因子結合的方法刪除冗余規則對原始規則 集進行處理得到關聯規則集;其中 置信度處理準則處理方法:對規則A-〉B的置信度和規則B-〉A的置信度做一個平均處 理： kulc(A,B)=(confidence(A一>B)+confidence(B一>A))/2 其中，A為規則前項，即條件屬性;B為規則后項，即決策屬性；"A-〉B"為規則前項A至規 則后項B的因果關系；"B-〉A"為規則前項B至規則后項A的因果關系，即算符"一〉"具有方向 性； 如果某兩條規則的kulc系數相等，就需要進一步運用不平衡因子的方法來處理； 不平衡因子處理方法： 不平衡因子IR(A，B) = | sup(A)_sup(B) | / (sup(A)+sup(B)-sup(AH B)) 其中，IR(A，B)為規則A-〉B的不平衡因子；sup(A)為規則前項A的支持度；sup(B)為規 則后項B的支持度;sup(A η B)為規則前項A和規則后項B交集的置信度； sup(A)-sup(B) |為規則前項A、規則后項B支持度之差的絕對值。10. 根據權利要求1所述的基于配用電數據關聯的中壓配電網斷線故障診斷方法，其特 征在于，步驟4包括： 步驟4.1，讀入實時信息，其中，實時信息包括實時故障數據； 步驟4.2,提取實時故障數據的穩態特征量與關聯規則集進行匹配;如果匹配成功，則 得到斷線故障診斷結果;如果匹配未成功則進行下一步； 步驟4.3，判斷實時故障數據的穩態特征量是否包含錯誤信息； 如果包含錯誤信息且錯誤信息不屬于關聯規則集中涉及的數據，則進行診斷，如果包 含錯誤信息且錯誤信息屬于關聯規則集中涉及的數據，則放棄該實時故障數據； 如果不包含錯誤信息，則認定為稀有故障，并將實時故障數據的穩態特征量輸入數據 庫，以對數據庫進行更新。
【文檔編號】G01R31/08GK106019084SQ201610430341
【公開日】2016年10月12日
【申請日】2016年6月16日
【發明人】吳素我, 張焰, 楊增輝, 蘇運
【申請人】上海交通大學, 國網上海市電力公司