基于数据挖掘技术的智能电网诊断专家系统应用研究

论文摘要

现阶段,随着信息技术的革新,互联网与数据库的应用遍布各行各业,大量的信息融入人们的工作和生活中,而且信息的数量呈几何倍数增长,各种工业和商业上的数据处理量也逐年飞涨,人们处在一个信息爆炸的年代。那么,在这个时代里,如何有效的处理大量的并且不断增长的信息,从中找出有价值的知识,就成为了人们一直关注的焦点。尤其在电力、商业及自动化控制等方面,信息的获得与提取起着越来越重要的作用,数据挖掘技术的出现使人们能够在纷繁复杂的信息中较快的获得有价值的知识与规律。在本文中,我们把数据挖掘技术的决策树算法应用到了智能电网的故障诊断系统中,构建了基于不确定因子的智能电网诊断专家系统模型。此模型利用决策树把知识的获取与表示结合到一起,克服了传统的知识获取与表示的不足,使二者的处理能够同步进行。在此模型中,知识表示利用if-then的方式,推理明晰,容易理解,解释方便；知识的获取与之相结合,由改进的决策树算法完成,在模型中改进了数据挖掘技术中的决策树分类算法。首先利用优化的样本筛选技术挑选合适的训练样本数据集,然后改进了测试属性的选择标准,最后改进了离散化连续属性的折半查找方法。改进后的决策树算法能够较快的生成高效、清晰、简洁的if-then规则,利用测试样本集检验生成的规则,具有较高的准确率,能够起到良好的分类效果。把此改进算法融入到基于不确定管理的智能电网诊断专家系统,改善了智能电网专家系统的高效性和稳定性。本文系统由推理机模块、解释器模块、决策树算法模块以及人机交互界面模块等组成。推理机模块主要推理决策树算法产生的规则,解释器模块主要翻译推理机返回的规则与决策树生成或知识工程师录入的规则,决策树算法主要负责构建一个较优的决策树并生成具有准确分类能力的规则供推理机使用,人机界面则起到用户与开发人员与系统的交互。本实验系统主要利用.NET平台构建,安全性能较好,容易扩展,使用合适的数据样本集或使用其他的数据挖掘技术算法亦可以处理其它方面的问题。实验结果表明此模型不但实现了知识的自动表示与抽取,而且计算复杂度较低,过程简单,适用性好,能够在较短的时间内生成决策树,决策树生成后获取的知识,也就是规则具有较好的推理效率,能够有效地解决智能电网决策的许多问题,具有良好的使用价值和现实意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 智能电网诊断系统的现状及其发展
• 1.1.1 智能电网简介
• 1.1.2 智能电网诊断系统的研究现状
• 1.2 智能电网技术及其研究意义
• 1.2.1 智能电网技术
• 1.2.2 智能电网诊断的重要作用以及研究意义
• 1.3 本文目的及主要研究内容
• 第2章 数据挖掘技术及决策树算法的应用
• 2.1 数据挖掘
• 2.1.1 数据挖掘技术
• 2.1.2 数据挖掘技术应用于电网故障诊断
• 2.2 常见的数据挖掘分类算法
• 2.2.1 决策树算法
• 2.2.2 支持向量机
• 2.2.3 贝叶斯算法
• 2.2.4 其他算法
• 2.3 决策树算法的应用优势
• 2.4 本章小结
• 第3章 决策树优化算法设计及实现
• 3.1 决策树算法构建数据挖掘模型的过程与经典决策树算法
• 3.1.1 决策树构建过程及主要研究内容
• 3.1.2 几种经典的决策树算法
• 3.2 决策树算法模型优化研究
• 3.2.1 优化样本数量
• 3.2.2 优化测试属性选取依据
• 3.2.3 离散化研究
• 3.3 决策树算法模型优化验证
• 3.3.1 优化算法的整体过程
• 3.3.2 优化算法的验证
• 3.4 本章小结
• 第4章 基于数据挖掘技术的智能电网诊断系统设计
• 4.1 基于数据挖掘的智能电网诊断系统的总体设计及流程分析
• 4.1.1 系统总体设计文档
• 4.1.2 设计结构框图
• 4.2 基于数据挖掘技术的智能电网诊断系统的功能类
• 4.2.1 系统的功能类设计及类图
• 4.2.2 系统的数据库设计及数据库表
• 4.3 基于数据挖掘技术的智能电网诊断系统的具体实现
• 4.3.1 系统的开发编译环境及执行界面
• 4.3.2 系统的功能扩展
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 本文总结
• 5.2 未来展望
• 参考文献
• 作者简介及在学期间所取得的科研成果
• 致谢