一種面向電網調度的智能告警分析方法
【專利摘要】本發明公開了一種面向電網調度的智能告警分析方法，包括如下步驟：提取電網的告警信息，對其進行預處理；對經過預處理的告警信息進行去噪，并得到去噪分類規則；對去噪后的告警信息進行歸納、去重，生成告警組合，對于每一個告警組合判斷其所屬的告警類型；對告警組合與其對應的告警類型進行關聯規則的挖掘，得到電網告警推理規則。利用本發明，提高了告警信息中噪聲數據的濾除率以及告警類型的全面性。
【專利說明】-種面向電網調度的智能告警分析方法
【技術領域】
[0001] 本發明涉及一種告警分析方法，尤其涉及一種面向電網調度的智能告警分析方 法，屬于電力系統調度【技術領域】。
【背景技術】
[0002] 隨著電網規模的不斷擴大，產生的告警信息也日益增長，每天有幾千甚至上萬條 告警信息涌入控制中心。由于測量設備在運行中發生異常以及必要的設備檢修將產生噪聲 數據，導致告警信息的準確率不夠。同時，當前告警信息以極快的速度直接呈現給調度人 員，并未形成具有關聯關系的電網推理規則，導致調度人員無法快速地判斷出告警類型。
[0003] 為了保證告警信息準確，并能快速判斷出告警類型，需要結合電網自身的特點和 數據挖掘技術在電網中的發展情況，使用數據挖掘算法對海量告警信息進行挖掘，提高告 警信息的噪聲濾除率，挖掘出電網告警推理規則。
[0004]目前，國內外在告警信息去除噪聲和提煉推理規則方面采用多種方法進行研究， 取得了一定的成果。具體如下：
[0005] 1)提出基于規則式的智能告警處理器。
[0006] 2)將人工神經網絡的方法應用于智能告警系統中，用來分析復合告警。
[0007] 3)將序列模式挖掘用于告警信息處理中，挖掘出告警信息在時間上先后報發的關 聯關系。
[0008] 4)將決策樹用于告警信息去噪中。
[0009] 5)利用粗糙集獲得告警信息之間的關聯關系，得到電網告警規則。
[0010] 在潘莉發表的碩士論文《數據挖掘技術在SCADA告警信息分析中的應用研究》（華 北電力大學，2006年）中，提出了利用決策樹算法對SCADA中的告警信息進行去噪，可以有 效地去除告警信息中的噪聲數據。在晁進、劉文穎、劉勇智和趙連斌共同發表的論文《基于 粗糙集理論的電網告警規則自動提取與應用》（刊載于《電力系統保護與控制》，2011年08 期）中，提出利用粗糙集理論對告警信息進行分析，自動提取電網告警規則。
[0011] 但是，現有技術中采用決策樹算法進行去噪，采用粗糙集方法進行電網規則推理， 仍然存在以下不足：
[0012] 1)去噪時僅利用歷史事項表，沒有結合其他相關信息，導致去噪時間長。
[0013] 2)去噪時沒有對決策樹算法進行改進，導致分類準確率下降。
[0014] 3)利用粗糙集算法進行規則推理時，告警類型僅設定為常見告警類型，導致電網 告警推理規則不夠全面。
[0015] 在對海量告警信息進行挖掘時，不能有效提高告警信息的噪聲濾除率，挖掘出全 面的電網告警推理規則，不能有效的滿足電力系統的需求。
【發明內容】
[0016] 本發明所要解決的技術問題在于提供一種面向電網調度的智能告警分析方法。
[0017] 為實現上述的發明目的，本發明采用下述的技術方案：
[0018] 一種面向電網調度的智能告警分析方法，包括如下步驟：
[0019] 提取電網的告警信息，對其進行預處理；
[0020] 對經過預處理的告警信息進行去噪，并得到去噪分類規則；
[0021] 對去噪后的告警信息進行歸納、去重，生成告警組合，對于每一個告警組合判斷其 所屬的告警類型；
[0022] 對告警組合與其對應的告警類型進行關聯規則的挖掘，得到電網告警推理規則。
[0023] 其中較優地，在對告警信息進行預處理時，先對告警信息進行抽取、轉換、裝載處 理，去除不相關的告警信息，然后將告警信息與調度管理系統中的檢修記錄相關聯，根據設 定的門檻值去掉明顯的噪聲數據，將告警信息與SCADA中的遙測值進行關聯，根據遙測值 的變化信息，判斷電網告警信息是否錯誤，去掉錯誤的告警信息。
[0024] 其中較優地，在對告警信息進行去噪時，對經過預處理的告警信息進行分析、處 理，形成符合采用帶貝葉斯節點的決策樹算法進行分類的數據處理表，從中隨機提取一部 分數據進行分類形成去噪決策樹，判斷告警信息是否為噪聲數據，并將去噪決策樹轉化成 去噪分類規則。
[0025] 其中較優地，當去噪決策樹生成以后，使用剩余的數據作為測試數據進行推測，判 斷其屬于正常數據還是噪聲數據，并將其與原來所屬的類別進行比較，評估其檢測的準確 率。
[0026] 其中較優地，在對告警組合與其對應的告警分類進行關聯規則的挖掘時，先將告 警組合與告警信息對應的屬性相結合，生成新的告警組合，再將新的告警組合與對應告警 類型結合，構成告警事務，對多個告警事務構成的告警信息事務表進行頻繁項集的挖掘，對 滿足最小支持度閥值的頻繁項集進行關聯規則挖掘，得到電網告警推理規則。
[0027] 其中較優地，使用改進FP增長算法對多個告警事務構成的告警信息事務表進行 頻繁項集的挖掘，包括如下步驟：
[0028] 步驟21，掃描數據庫中的告警信息事務表，找出候選項集的集合，并得到它們的支 持度計數；按照支持度計數遞減排列候選項集的各項，得到集合F，將集合F中支持度小于 最小支持度閥值的項刪除，得到頻繁項集的集合L;
[0029] 步驟22,再次掃描數據庫中的告警信息事務表，將支持度小于最小支持度閥值的 項從各事務中刪除，按照各項的支持度計數遞減將各事務中的項進行重新排列，得到處理 后的告警信息事務表；
[0030] 步驟23,根據集合L中各項的支持度計數，由小到大依次構造各項的數據庫子集， 并利用FP增長算法對其進行約束頻繁項挖掘；
[0031] 步驟24,當集合L中所有的項的約束頻繁項集依次挖掘出來后，合并這些約束頻 繁項集，得到告警信息事務表的所有頻繁項集。
[0032] 其中較優地，由小到大依次構造各項的數據庫子集的步驟如下：
[0033] 步驟231，掃描數據庫中處理后的告警信息事務表，從中提取所有含項Ii的事務， 刪除這些事務中支持度小于該項的支持度的項，得到項Ii的數據庫子集；
[0034] 步驟232,對數據庫子集，利用FP增長算法進行包含項Ii的約束頻繁項集挖掘。
[0035] 其中較優地，利用FP增長算法進行包含項的約束頻繁項集挖掘包括如下步驟：
[0036] 步驟2321，利用數據庫子集，構造FP樹，并創建項頭表，項頭表中的最后一項所標 示的是項Ii的支持度計數及其節點鏈信息；
[0037] 步驟2322,用項頭表中的最后一項所標示的信息，構造該項的條件模式基，構造其 條件FP樹，在該條件FP樹上挖掘出包含該項的約束頻繁項集，完成在數據庫子集上的約束 頻繁項集挖掘。
[0038] 其中較優地，對滿足最小支持度閥值的頻繁項集進行關聯規則挖掘，得到電網告 警推理規則包括如下步驟：
[0039] 根據置信度的計算公式： / .mn/DiΛsuPcnt{Al}B)
[0040] con/idence(A=> 5) =P(B\A)=-=- sup_cn/(^)
[0041] 得到關聯規則：
[0042](I)對于每個頻繁項集I，產生I的所有非空子集； SUOCflt(I) ^ . r
[0043] (2)對于1的每個非空子集s，如果sup'加⑴則輸出規則 - J s^{l-s) ^
[0044] 將頻繁項集中的告警組合設置為A，告警類別設置為B，min_conf設 置為100%，由上述關聯規則導出電網告警推理規則為：丨告警組合二告 警類別，置信度為100%}。
[0045] 本發明所提供的智能告警分析方法，通過將告警信息與OMS中的檢修記錄，以及 SCADA中的遙測值相結合，歸納出新的決策屬性，縮減了去噪時間，并提高了去噪準確率，使 用帶貝葉斯節點的決策樹算法對告警信息進行去噪，既能解決樸素貝葉斯算法無法提取出 規則的缺陷，又能改進決策樹算法，提高了告警信息進行分類的準確率。此外，本發明通過 使用改進FP增長算法產生頻繁項集，再利用關聯規則產生電網告警推理規則，提高了電網 告警推理規則產生的效率和告警類型的全面性。
【專利附圖】
【附圖說明】
[0046] 圖1為本發明的一個實施例中，對告警信息進行智能告警分析的流程圖；
[0047] 圖2為本發明的一個實施例中，對告警信息進行ETL處理過程示意圖；
[0048] 圖3為本發明的一個實施例中，告警信息記錄的星型模型示意圖；
[0049] 圖4為本發明的一個實施例中，對告警信息進行去噪的流程圖；
[0050] 圖5為使用貝葉斯原理構造決策樹的流程圖；
[0051] 圖6為本發明的一個實施例中，生成的去噪決策樹模型示意圖；
[0052] 圖7為本發明的一個實施例中，告警推理規則獲取的流程圖。
【具體實施方式】
[0053] 下面結合附圖和具體實施例對本發明的技術內容作進一步的詳細說明。
[0054] 如圖1所示，本發明提供的面向電網調度的智能告警分析方法，包括如下步驟：提 取電網的告警信息，對電網的告警信息進行預處理，統計告警信息每天及每月的報發次數 跟噪聲數據的關系，根據電網的運行情況以及告警精確度的需求設定合適的門檻值，當告 警信息每天及每月的報發次數超過設定的門檻值時，該告警信息明顯為噪聲數據，去掉明 顯的噪聲數據；將告警信息與遙測值進行關聯，去掉錯誤的告警信息；然后采用帶貝葉斯 節點的決策樹算法對告警信息進行分類，判斷告警信息是否為噪聲數據，并得到去噪分類 規則；對去噪后的告警信息，采用改進FP增長算法進行關聯規則的挖掘，得到告警信息與 告警類型之間的關聯關系，得到全面的電網告警推理規則。下面對這一過程做詳細具體的 說明。
[0055] 如圖1所示，對電網告警信息進行預處理時，先對告警信息進行ETL處理 (Extract-Transform-Load，即對告警信息進行數據抽取、轉換、裝載的過程）。電網綜合信 息數據多，且包含噪聲數據、不完整數據，甚至有不一致的數據，對這些數據進行轉換可以 提高數據挖掘對象的質量，提高電網告警推理規則的準確性。
[0056] 在本發明的一個實施例中，將事項歷史表中的告警信息與OMS(調度管理系統）中 的檢修記錄以及SCADA(數據采集與監視控制系統）中的遙測值相關聯，對噪聲數據、不完 整數據以及不一致的數據進行初步剔除，如圖2所示，從歷史事項表、SCADA以及OMS中抽 取所需的數據，對噪聲數據、不完整數據以及不一致的數據進行初步剔除后形成告警信息 記錄表，作為數據源存放在歷史數據庫中。告警信息進行ETL處理時，從歷史數據庫中提取 相關數據即可。在本發明的一個實施例中，將進行處理后的歷史數據以星型模型存放在歷 史數據庫中，建立告警信息的星型模型，如圖3所示，根據告警信息的星型結構可以快速的 找到進行分析處理需要相關的信息。
[0057] 在對告警信息進行ETL處理以后，去除明顯的噪聲數據，主要是刪去告警信息記 錄表中調度員不關注的屬性所對應的告警信息（即不相關的告警信息）。在本發明的一個 實施例中，根據智能電網調度技術支持系統的需求設定調度員應該關注的屬性形成所需屬 性。除此之外，根據統計得到的DAY_CNT(告警信息每天的報發次數）和M0NTH_CNT(告警 信息每月的報發次數）與噪聲數據的關系，根據電網的運行情況以及告警精確度的需求設 定合適的門檻值，當告警信息每天及每月的報發次數超過設定的門檻值時，該告警信息明 顯為噪聲數據，去掉明顯的噪聲數據。
[0058] 當電網事故發生的時候，一個直觀的現象就是在調度畫面上看到與跳閘斷路器相 關的電氣設備上的電壓、電流、功率等遙測值歸零。因此，在告警信息的預處理階段，把遙測 值的變化信息，用作對電網告警信息是否錯誤的輔助判別手段，以此來實現對電網告警信 息的輔助判別，去掉錯誤的告警信息。
[0059] 如圖4所示，當歷史數據庫中的告警信息記錄表進行信息預處理，去除明顯的噪 聲數據以后，抽取所需屬性形成數據預處理表。數據預處理表中的屬性包括：ID、MSG_TYPE、 ALMMSG、FAULT_INF0、S0UID、--ΜΕ和檢修記錄。如表 1 所示。
【權利要求】
1. 一種面向電網調度的智能告警分析方法，其特征在于包括如下步驟： 提取電網中的告警信息，對所述告警信息進行預處理； 對經過預處理的告警信息進行去噪，并得到去噪分類規則； 對去噪后的告警信息進行歸納、去重，生成告警組合，對于每一個告警組合判斷其所屬 的告警類型； 對告警組合與其對應的告警類型進行關聯規則的挖掘，得到電網告警推理規則。
2. 如權利要求1所述的智能告警分析方法，其特征在于： 在對告警信息進行預處理時，先對告警信息進行抽取、轉換、裝載處理，去除不相關的 告警信息，然后將告警信息與檢修記錄相關聯，根據設定的門檻值去掉噪聲數據，將告警信 息與SCADA中的遙測值進行關聯，根據遙測值的變化信息，判斷電網告警信息是否錯誤，去 掉錯誤的告警信息。
3. 如權利要求1所述的智能告警分析方法，其特征在于： 在對告警信息進行去噪時，對經過預處理的告警信息進行分析、處理，形成符合采用帶 貝葉斯節點的決策樹算法進行分類的數據處理表，從中隨機提取一部分數據進行分類形成 去噪決策樹，判斷告警信息是否為噪聲數據，并將去噪決策樹轉化成去噪分類規則。
4. 如權利要求3所述的智能告警分析方法，其特征在于： 在去噪決策樹生成后，使用剩余的數據作為測試數據進行推測，判斷其屬于正常數據 還是噪聲數據，并將其與原來所屬的類別進行比較，評估檢測的準確率。
5. 如權利要求1所述的智能告警分析方法，其特征在于： 在對告警組合與其對應的告警分類進行關聯規則的挖掘時，先將告警組合與告警信息 對應的屬性相結合，生成新的告警組合；再將新的告警組合與對應告警類型結合，構成告警 事務；對多個告警事務構成的告警信息事務表進行頻繁項集的挖掘，對滿足最小支持度閥 值的頻繁項集進行關聯規則挖掘，得到電網告警推理規則。
6. 如權利要求5所述的智能告警分析方法，其特征在于對多個告警事務構成的告警信 息事務表進行頻繁項集的挖掘時，包括如下步驟： 步驟21，掃描數據庫中的告警信息事務表，找出候選項集的集合，并得到它們的支持度 計數；按照支持度計數遞減排列候選項集的各項，得到集合F，將集合F中支持度小于最小 支持度閥值的項刪除，得到頻繁項集的集合L; 步驟22,再次掃描數據庫中的告警信息事務表，將支持度小于最小支持度閥值的項從 各事務中刪除，按照各項的支持度計數遞減將各事務中的項進行重新排列，得到處理后的 告警信息事務表； 步驟23,根據集合L中各項的支持度計數，由小到大依次構造各項的數據庫子集，并利 用FP增長算法對其進行約束頻繁項挖掘； 步驟24,當集合L中所有的項的約束頻繁項集依次挖掘出來后，合并所有約束頻繁項 集，得到告警信息事務表的所有頻繁項集。
7. 如權利要求6所述的智能告警分析方法，其特征在于由小到大依次構造各項的數據 庫子集的步驟進一步包括： 步驟231，掃描數據庫中處理后的告警信息事務表，從中提取所有含項Ii的事務，刪除 支持度小于該項的支持度的項，得到項Ii的數據庫子集； 步驟232,對數據庫子集，利用FP增長算法進行包含項Ii的約束頻繁項集挖掘。
8. 如權利要求7所述的智能告警分析方法，其特征在于利用FP增長算法進行包含項Ii 的約束頻繁項集挖掘包括如下步驟： 步驟2321，利用數據庫子集，構造FP樹，并創建項頭表，其中所述項頭表的最后一項所 標示的是項Ii的支持度計數及其節點鏈信息； 步驟2322,用所述項頭表的最后一項所標示的信息，構造該項的條件模式基，構造其條 件FP樹，在該條件FP樹上挖掘出包含該項的約束頻繁項集，完成在數據庫子集上的約束頻 繁項集挖掘。
9. 如權利要求5所述的智能告警分析方法，其特征在于對滿足最小支持度閥值的頻繁 項集進行關聯規則挖掘，得到電網告警推理規則包括如下步驟： 根據置信度的計算公式： confidenceU^ B) = P{B \ A)=-(心) sup_Cnt(A) 得到關聯規則： (1) 對于每個頻繁項集1，產生1的所有非空子集； supcnt(l) ^ (2) 對于1的每個非空子集S，如果sup=a#(y：^_」W7/則輸出規則si(/_4 一 f 5 將頻繁項集中的告警組合設置為A，告警類別設置為B，min_conf設置為100 %，由所述 關聯規則導出電網告警推理規則為：{告警組合4告警類別，置信度為100%}。
【文檔編號】H02J3/00GK104239437SQ201410433102
【公開日】2014年12月24日 申請日期:2014年8月28日 優先權日:2014年8月28日
【發明者】尚學偉, 李冶天, 陳昕, 王贊, 田石剛, 翟勇, 李世綸, 張亮, 李兵, 崔旭, 馬忠佳, 付黎蘇 申請人:國家電網公司, 北京科東電力控制系統有限責任公司, 國網黑龍江省電力有限公司