基于联合规则挖掘的大电网故障诊断

论文摘要

鉴于传统的人工智能技术在大电网故障诊断应用中存在的局限性,本文采用分布式的思想来解决该问题,并提出一种基于粗糙集理论的联合规则挖掘算法,该算法能够有效地从分布式信息系统中提取联合规则。为了更好地解决电网故障诊断问题,构造了基于该联合规则挖掘算法的分布式电网故障诊断模型。该模型不仅能够有效地诊断各局部电网内部的故障,而且也能有效地诊断各局部电网之间联络线的故障,弥补了分布式电网故障诊断中联络线故障诊断规则不足的缺陷。对大电网进行分割,不仅能够有效识别各类复杂故障,而且也使得每个局部电网决策表的规模大为减小,同时联合规则挖掘算法也显著地降低了规则提取的复杂度,解决了粗糙集理论在大电网故障诊断中遇到的瓶颈问题。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 课题的背景和意义
• 1.2 国内外研究动态
• 1.2.1 基于专家系统的故障诊断
• 1.2.2 基于人工神经网络的故障诊断方法
• 1.2.3 基于数据挖掘技术的故障诊断方法
• 1.2.4 基于优化的方法
• 1.2.5 基于Petri 网的故障诊断方法
• 1.2.6 基于多代理系统的诊断方法
• 1.3 本课题的主要研究工作
• 第二章 粗糙集理论基础
• 2.1 引言
• 2.2 粗糙集的基本概念
• 2.2.1 基本定义
• 2.2.2 粗糙集的定义
• 2.3 属性约简
• 2.3.1 属性约简的概念
• 2.3.2 属性约简的粗糙集方法
• 2.3.3 基于可辨识矩阵的完备约简算法
• 2.3.3.1 可辨识矩阵
• 2.3.3.2 属性约简算法
• 2.4 属性值约简
• 2.5 粗糙集方法的规则获取
• 2.5.1 规则描述及可信度的确定
• 2.5.2 实例分析
• 2.6 本章小结
• 第三章 基于粗糙集理论的联合规则挖掘算法
• 3.1 引言
• 3.2 分布式信息系统描述
• 3.3 分布式信息系统联合规则（UR）生成
• 3.4 分布式信息系统全局规则获取模型
• 3.4.1 IE 和 URG 的定义
• 3.4.2 分布式信息系统全局规则获取建模
• 3.4.2.1 分布式信息系统全局规则获取结构
• 3.4.2.2 分布式信息系统全局规则获取算法
• 3.5 实例分析
• 3.6 本章小结
• 第四章 基于粗糙集联合规则挖掘的分布式电网故障诊断
• 4.1 引言
• 4.2 用于分布式电网故障诊断的网络分割方法
• 4.2.1 加权深度优先搜索树
• 4.2.2 网络分割算法
• 4.3 基于联合规则挖掘算法的分布式电网故障诊断模型
• 4.4 电网故障诊断实例
• 4.4.1 网络划分
• 4.4.2 初始化关联矩阵与互关联矩阵
• 4.4.3 电网故障诊断决策表的建立
• 4.4.4 电网故障诊断决策表的约简
• 4.4.5 电网故障诊断全局规则抽取
• 4.4.6 电网故障诊断测试
• 4.5 计算复杂度分析
• 4.6 IEEE 118 节点系统仿真测试
• 4.7 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 附录
• 在学期间发表的学术论文和参加科研情况