基于多維關聯(lián)規(guī)則的電網(wǎng)脆弱性識別研究.pdf

1、隨著電網(wǎng)線路故障多樣性、多重性、不確定性等因素的不斷積累，區(qū)域性大面積停電事故時有發(fā)生，能否挖掘出潛在的線路隱患并制定相關應對措施，對政府部門和電力企業(yè)的決策分析起著關鍵性的指導作用。鑒于傳統(tǒng)的關聯(lián)規(guī)則挖掘方法普遍表示形式單一、多維度展現(xiàn)不足、效率不高等缺點存在，如何用科學的、有效的方法來解決當下電網(wǎng)方面存在的一系列問題及隱患，以及為電力人員提供更好地去發(fā)現(xiàn)問題、解決問題的有力工具，這些正成為了當今社會的迫切需求。
　　本文以前人

2、學者研究為理論依據(jù)，針對傳統(tǒng)電網(wǎng)在自然災害風險預警系統(tǒng)中存在的缺陷：故障原因考慮不周全、系統(tǒng)生成的規(guī)則缺乏多樣性、參數(shù)與閾值的設置不完善、算法效能以及準確度不高等，在深入研究故障多維屬性模型的構建及追求一種更簡便、高效、直觀、精確的電網(wǎng)故障識別方法基礎上，對數(shù)據(jù)挖掘技術中的多維度關聯(lián)規(guī)則技術以及電力系統(tǒng)脆弱性展開了研究，具體工作如下：
　　1.介紹了關聯(lián)規(guī)則的基本要素，并結合具體的算法實現(xiàn)對Apriori算法和FP-Growth算

3、法進行了分析，指出了算法的優(yōu)勢與不足以及可以進行優(yōu)化改進的地方。
　　2.基于經(jīng)典關聯(lián)規(guī)則分類決策算法，給出了一種基于最優(yōu)頻繁項集的FP-Growth多維關聯(lián)分析方法，該方法通過對單維度屬性、維與維間屬性、多維度間屬性的關聯(lián)分析來獲取最大、最優(yōu)的頻繁項集并最終生成有效的關聯(lián)規(guī)則。
　　3.將基于OFI（The Optimal Frequent Items）的FP-Growth挖掘方法成功運用到電網(wǎng)線路脆弱性識別研究中，通過挖