在线智能报警的研究

论文摘要

随着电网规模的不断扩大,汇集到电网调度中心的各种信息量激增,使得调度员对于快速变化的报警信息无所适从,淹没在海量的报警信息中,使得报警信息不能起到它应有的作用。数据挖掘是从大量历史数据中产生可信的、新颖的、有效的并能被人理解的模式的处理过程。通过数据挖掘可以发现隐藏在大量数据背后的具有规律性、趋势性的问题,从而在实时报警信息中利用所分析和建立的规则提取能反映电网特征量的信息,去除信息噪声污染,为调度员准确掌握电网运行状况服务。本文介绍了数据挖掘的知识,并采用了基于决策树的算法构造了一个适用于SCADA报警信息辨识的分类器。对报警信息进行处理,剔除噪声数据,处理后的信息再经推理机推理得出更为有用的报警信息,以文字等易于接受的方式提交给调度员,同时把得出的报警信息作为启动决策支持系统相应模块的一个条件,提高了决策支持系统的智能性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 选题背景及其意义
• 1.2 国内外研究动态
• 1.3 数据挖掘在电力系统中运用的可行性
• 1.3.1 电力系统的特点
• 1.3.2 数据挖掘的特点
• 1.4 本文所作的工作
• 第二章 数据挖掘原理概述
• 2.1 数据挖掘的含义
• 2.2 数据挖掘的发展状况
• 2.3 数据挖掘的过程
• 2.4 数据挖掘技术的模型与方法
• 2.4.1 数据挖掘的基本任务
• 2.4.2 数据挖掘的模型
• 2.4.3 数据挖掘方法论
• 2.4.4 数据挖掘与传统分析工具的区别和联系
• 2.5 数据挖掘技术在电力系统中的应用
• 2.6 电力系统的数据挖掘策略
• 2.7 本章小结
• 第三章 基于数据挖掘的报警信息分类
• 3.1 数据分类的过程
• 3.2 数据分类的算法
• 3.3 基于决策树的分类器设计思路
• 3.3.1 数据预处理
• 3.3.2 主要归纳关系形成
• 3.3.3 测试属性的提取
• 3.3.4 形成分类决策树
• 3.3.5 树枝修剪
• 3.3.6 分类规则的提取
• 3.4 分类器在噪声数据辨识中的实现
• 3.4.1 数据预处理
• 3.4.2 特性关系的提取
• 3.4.3 决策树决策规则的形成
• 3.4.4 算例分析
• 3.5 本章小结
• 第四章 智能报警系统的实现
• 4.1 智能报警系统的概述
• 4.2 智能报警系统的总体结构
• 4.3 智能报警系统的知识库
• 4.3.1 智能报警系统的报警信息分类
• 4.3.2 告警信息知识库
• 4.4 智能报警系统的推理机制
• 4.4.1 推理的概念
• 4.4.2 推理方式
• 4.4.3 推理原理
• 4.5 智能报警系统的实现
• 4.5.1 智能报警系统的硬件组成
• 4.5.2 智能报警系统的软件组成
• 4.5.3 功能实例分析
• 4.6 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 不足与展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况