文献类型：期刊文章

作　　者：陈勇[1] 李胜男[1] 张丽[1] 鲁浩[2] 戴志辉[2]

CHEN Yong;LI Shengnan;ZHANG Li;LU Hao;DAI Zhihui(Electric Power Research Institute of Yunnan Power Grid Co.,Ltd.,Kunming 650500,China;North China Electric Power University (Baoding),Baoding 071003,China)

机构地区：[1]云南电网有限责任公司电力科学研究院,云南昆明650500 [2]华北电力大学(保定),河北保定071003

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51877084);河北省自然科学基金项目资助(E2018502063);中央高校基本科研业务费项目资助(2017MS096)~~

年　　份：2019

卷　　号：47

期　　号：20

起止页码：135-141

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：智能变电站的出现为大数据的收集、管理提供了技术支持,也为二次设备缺陷数据的关联性分析提供了丰富的数据样本。首先,在此基础上建立了智能变电站二次设备缺陷数据模型。其次,根据智能变电站缺陷数据模型特点对Apriori算法进行了改进,降低了算法的时间复杂度和内存占用量。最后,以某市一年的智能变电站二次设备缺陷数据为例,通过改进的Apriori算法挖掘缺陷数据各个属性之间的关联性并对关联规则进行了分析。研究表明,该方法能够分析缺陷情况,寻找二次设备薄弱环节,为缺陷巡检方式的制定和检修策略的制定提供支持。与传统Apriori算法相比,改进算法的时间复杂度较低。

关 键 词：APRIORI算法 智能变电站 二次设备 缺陷  关联性分析

分 类 号：TM63]