(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211177619.0 (22)申请日 2022.09.27 (65)同一申请的已公布的文献号 申请公布号 CN 115271263 A (43)申请公布日 2022.11.01 (73)专利权人 佰聆数据股份有限公司 地址 510663 广东省广州市高新 技术产业 开发区科学城科学大道162号创意大 厦B3栋1301单元 (72)发明人 姜磊　杨泽　杨钊　左子凯　 于柏恒　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 林梅繁(51)Int.Cl. G06Q 10/04(2012.01) G06N 20/00(2019.01) G06Q 50/06(2012.01) 审查员 洪利燕 (54)发明名称 基于改进关联规则的电力设备缺陷预警方 法、 系统及 介质 (57)摘要 本发明属于电力设备缺陷监测预警领域， 为 基于改进关联规则的电力设备缺陷预警方法、 系 统及介质， 其方法包括： 获取和探索各 维度数据； 筛选出发生过缺陷的电力设备， 进行多维度的预 测指标构建， 形成指标体系； 将指标体系的各维 度预测指标， 转化成各维度设备预测标签， 形成 关联规则模 型预测的设备标签项集； 改进关联规 则算法， 通过设备标签项集推导出电力设备各维 度事件发生的因果关系， 引入模式挖掘树构建频 繁项集， 引入电力设备各维度事件发生时间的先 后顺序， 对关联规则模型进行重构； 对利用关联 规则模型对待预测电力设备的缺陷进行预测。 本 发明解决了现有预警预测方法容易产生大量的 候选项集、 算法执 行效率低的技 术问题。 权利要求书4页 说明书14页 附图2页 CN 115271263 B 2022.12.27 CN 115271263 B 1.一种基于改进关联规则的电力设备缺陷预警方法， 其特 征在于， 包括以下步骤： 获取和探索用于预测电力设备缺陷发生的各维度数据； 根据所获取和探索的各维度数据情况， 筛选出发生过缺陷的 电力设备， 进行多维度的 预测指标构建， 形成包 含多维度数据的指标体系； 结合数据实际分布情况和电力设备运行的业务规则， 将所述指标体系的各维度 预测指 标， 转化成各维度设备 预测标签， 形成关联规则模型 预测的设备 标签项集； 改进关联规则算法， 通过所述设备标签项集推导出电力设备各维度事件发生的因果关 系， 引入PM ‑Tree模式挖掘树构建频繁项集， 引入电力设备各维度事件发生时间的先后顺 序， 推导出关联规则， 对关联规则模型进行重构； 对待预测电力设备的各维度 数据构建成相应的多维度预测指标， 并转化为各维度设备 预测标签， 利用重构后的关联规则模型， 获得包含待预测电力设备各维度事件发生时间先 后顺序的关联规则序列， 预测电力设备的缺陷； 通过PM‑Tree模式挖掘树对关联规则模型进行重构， 包括以下阶段： 事件排序阶段， 对所有发生过缺陷的 电力设备， 根据设备标签项集内事件发生时间的 先后顺序进行排序， 形成新的设备 标签项集序列； 项集产生阶段， 对所述新的设备标签项集序列扫描2次， 第 一次扫描时统计电力设备各 类事件发生的次数， 第二次扫描时对设备标签项集序列数据， 按事件发生次数的多少， 逐条 累加， 形成树状计数结构， 构建PM ‑Tree模式挖掘树； 再根据所构建的PM ‑Tree模式挖掘树的 结构， 并结合给定的最小支持度阈值过滤、 筛选， 获得某个项的频繁项集， 所述频繁项集包 括频繁1项集， 频繁2项集， …， 频繁k项集； 编码映射阶段， 对已生成的频繁1项集， 进行编码映射转换， 并对各电力设备的设备标 签项集序列进行对应的编码映射 转换， 得到编码映射结果； 序列生成阶段， 根据频繁项集和编码映射结果， 引入最小置信度阈值用于判断关联规 则结果的可信性， 推导出 频繁序列； 最大化序列阶段， 对生成的最后一项是发生某种缺陷事件的频繁n项集进行剪枝处理， 设定最小提升度阈值， 通过最小提升度阈值筛 选符合条件的最大化序列， 其中1≤n≤k； 重构关联规则模型时， 对电力设备信息进行精简， 精简后的部分电力设备标签项集数 据包括： SF6气体、 发生过多次缺陷、 重载运行、 脱落、 过流运行、 进行过2 ‑3次检修、 高温运 行、 投运10年以上； 推导出的关联规则包括1项推出缺陷、 2项推出缺陷、 3项推出缺陷和4项推出缺陷； 所述1项推出缺陷有： 投运10年以上 —>脱落， 高温运行 —>脱落， 重载运行 —>脱落； SF6气体— >脱落， 发生过多次缺陷— >脱落， 过流 运行—>脱落； 进行过2‑3次检修— >脱落； 所述2项推出缺陷有： 重载运行， 过流 运行—>脱落， 重载运行， 高温运行 —>脱落； 重载运行， SF6气体— >脱落， 重载运行， 投运10年以上 —>脱落； 重载运行， 发生过多次缺陷— >脱落， 重载运行， 进行 过2‑3次检修— >脱落； 发生过多次缺陷， 过流 运行—>脱落， 过流 运行， 高温运行 —>脱落；权　利　要　求　书 1/4 页 2 CN 115271263 B 2SF6气体, 过流运行—>脱落， SF6气体,  发生过多次缺陷— >脱落； 所述3项推出缺陷有： 重载运行， 过流 运行， 高温运行 —>脱落； 重载运行， 过流 运行， 发生过多次缺陷— >脱落； 重载运行， 过流 运行， SF6气体— >脱落； 所述4项推出缺陷有： 重载运行， 过流 运行， 发生过多次缺陷， SF6气体— >脱落。 2.根据权利要求1所述的电力设备缺陷预警方法， 其特征在于， 所述项集产生阶段包 括： 第一次扫描设备标签项集序列数据， 获得候选1项集计数， 再通过最小支持度阈值， 筛 选出频繁1项集； 将设备标签项集序列 数据按项集计数数量降序排列， 并过滤掉不满足最小支持度阈值 的项集， 只保留频繁项集； 第二次扫描设备标签项集序列数据， 构建PM ‑Tree 模式挖掘树， 将排序筛选频繁项后 的标签项集序列数据逐 行累积叠加； 扫描所构建的PM ‑Tree 模式挖掘树， 根据支持度计数由小到大， 逐一输出包含某项 的 全部频繁项集， 不再需要原 始的设备 标签项集序列数据。 3.根据权利要求1所述的电力设备缺陷预警方法， 其特 征在于， 支持度的计算公式为： 其中： X表 示项集X， Y表示项集Y， S(X,Y)表 示项集X和项集Y的支持度， 表示同 时包含项集X和项集Y的设备 标签项集数量， N表示全部设备 标签项集数量。 4.根据权利要求1所述的电力设备缺陷预警方法， 其特征在于， 最小置信度阈值用于判 断关联规则结果的可信性， 置信度的计算公式为： 其中： X表示项集X为关联规则 前置项， Y表示项集Y为关联规则后置项， 表示 项集X推导出项集Y的置信度， 表示同时包含项集X和项集Y的设备标签项集数 量， 表示包含项集X的设备 标签项集数量。 5.根据权利要求1所述的电力设备缺陷预警方法， 其特 征在于， 提升度的计算公式为： 其中： X表示项集X  为关联规则前置项， Y表示项集Y  为关联规则后置项， 表 示项集X推导出项 集Y的提升度， 表示项集X推导出项集Y的置信 度， 表 示同时包含项集X和项集Y的设备标签项集数量， 表示包含项集X的设备标签项集数权　利　要　求　书 2/4 页 3 CN 115271263 B 3