一種基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法
【專利摘要】本發(fā)明公開(kāi)了一種基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，包括如下步驟：S1，獲得已退役設(shè)備退役前的運(yùn)行數(shù)據(jù)；S2，將獲得的所述運(yùn)行數(shù)據(jù)作為訓(xùn)練元祖，將訓(xùn)練元組按屬性進(jìn)行劃分，提取特征屬性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù)；S3，采用決策樹(shù)算法，將電力設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié)點(diǎn)對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容輸出分析結(jié)果。該方法通過(guò)對(duì)電力設(shè)備進(jìn)行風(fēng)險(xiǎn)分析評(píng)估，準(zhǔn)確地了解電力設(shè)備狀態(tài)，對(duì)電力設(shè)備進(jìn)行合理安排，對(duì)即將停用、檢修的設(shè)備提出及時(shí)合理的退役建議。
【專利說(shuō)明】
一種基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，尤其涉及一種基于決策樹(shù)算法 的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，屬于電力系統(tǒng)調(diào)度自動(dòng)化技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著電力系統(tǒng)規(guī)模的加大和電網(wǎng)的快速發(fā)展，用電負(fù)荷逐步攀升，電網(wǎng)穩(wěn)定安全 運(yùn)行經(jīng)受著嚴(yán)峻的考驗(yàn)，電網(wǎng)設(shè)備能否可靠運(yùn)行已經(jīng)變?yōu)槿藗冴P(guān)心的焦點(diǎn)。電網(wǎng)公司作為 資產(chǎn)密集型企業(yè)，其核心競(jìng)爭(zhēng)力是資產(chǎn)效率最大化和成本最低化。多年來(lái)電網(wǎng)公司也在不 斷嘗試設(shè)備資產(chǎn)管理的新理念，從早期的事后故障修理，到強(qiáng)調(diào)事先保養(yǎng)的預(yù)防性維護(hù)，電 網(wǎng)設(shè)備資產(chǎn)精細(xì)化管理的意識(shí)正在逐步建立。如何有效管理資產(chǎn)，并將其與企業(yè)的生產(chǎn)成 本和盈利能力綜合平衡，是對(duì)企業(yè)生產(chǎn)經(jīng)營(yíng)能力的一種考驗(yàn)。
[0003] 在整個(gè)社會(huì)對(duì)電力供應(yīng)的依賴性日益強(qiáng)烈的今天，因電力設(shè)備故障而引起的損失 是無(wú)法估量的，除了人為的操作不當(dāng)及自然條件的突變所引起的設(shè)備損壞而無(wú)法預(yù)知外， 正常情況下，通過(guò)對(duì)電力設(shè)備運(yùn)行風(fēng)險(xiǎn)進(jìn)行分析評(píng)估，適時(shí)的進(jìn)行檢修及維護(hù)，可以提高設(shè) 備的可靠性，降低故障幾率，實(shí)現(xiàn)設(shè)備利用率最大化。但是，現(xiàn)有的設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估 方法并不能很好的及時(shí)發(fā)現(xiàn)電網(wǎng)運(yùn)行過(guò)程中出現(xiàn)的故障，難以適應(yīng)現(xiàn)代化電網(wǎng)生產(chǎn)建設(shè)和 發(fā)展的需要。
[0004] 為了解決上述問(wèn)題，在公開(kāi)號(hào)為CN 105184473 A的中國(guó)發(fā)明專利申請(qǐng)中公開(kāi)了一 種基于穩(wěn)定規(guī)程的電網(wǎng)運(yùn)行風(fēng)險(xiǎn)監(jiān)視方法，包括如下步驟:S1，建立穩(wěn)定規(guī)程存儲(chǔ)模型；S2， 將穩(wěn)定規(guī)程以及其包含的邏輯結(jié)構(gòu)一起錄入到建立的穩(wěn)定規(guī)程存儲(chǔ)模型中；S3,獲取電力 系統(tǒng)運(yùn)行過(guò)程中的實(shí)時(shí)數(shù)據(jù)，將實(shí)時(shí)數(shù)據(jù)帶入到穩(wěn)定規(guī)程存儲(chǔ)模型中提取出的前綴表達(dá)式 進(jìn)行分析判斷，根據(jù)判斷結(jié)果判斷設(shè)備當(dāng)前狀態(tài)，如滿足穩(wěn)定規(guī)程的告警條件，則進(jìn)行告警 通知，同時(shí)展示穩(wěn)定規(guī)程對(duì)應(yīng)的調(diào)整建議。上述方法不僅將電網(wǎng)調(diào)度運(yùn)行人員從繁重的限 值修改中解脫出來(lái)，并且在電網(wǎng)運(yùn)行方式和重要設(shè)備狀態(tài)變化時(shí)，可以及時(shí)發(fā)現(xiàn)故障并快 速處理。
[0005] 但是，對(duì)于電網(wǎng)運(yùn)行過(guò)程中，電力設(shè)備存在的安全隱患并不能很好地發(fā)現(xiàn)并剔除， 一旦存在安全隱患的設(shè)備發(fā)生故障，將給電網(wǎng)運(yùn)行帶來(lái)極大的損失，不能滿足電網(wǎng)安全穩(wěn) 定運(yùn)行需求。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于決策樹(shù)算法 的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法。
[0007] 為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用下述的技術(shù)方案：
[0008] -種基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，包括如下步驟：
[0009] S1，獲得已退役設(shè)備退役前的運(yùn)行數(shù)據(jù)；
[0010] S2,將獲得的所述運(yùn)行數(shù)據(jù)作為訓(xùn)練元祖，將訓(xùn)練元組按屬性進(jìn)行劃分，提取特征 屬性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù)；
[0011] S3,采用決策樹(shù)算法，將電力監(jiān)控設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每 級(jí)節(jié)點(diǎn)對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi) 容輸出分析結(jié)果。
[0012] 其中較優(yōu)地，在步驟S2中，將訓(xùn)練元組按屬性進(jìn)行劃分，提取特征屬性，依據(jù)特征 屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù)，包括如下步驟：
[0013] S21，將訓(xùn)練元組按屬性進(jìn)行劃分，計(jì)算每個(gè)屬性的信息增益，選擇信息增益值最 大的屬性作為特征屬性，并設(shè)置優(yōu)先級(jí)為1，作為決策樹(shù)的一級(jí)中間節(jié)點(diǎn)，所述特征屬性的 類別作為一級(jí)分支；
[0014] S22,按照特征屬性的類別種類將訓(xùn)練元組進(jìn)行劃分，訓(xùn)練群組將已經(jīng)判定為特征 屬性的屬性去除，并判斷所述特征屬性是否存在使運(yùn)行類別為退役的類別，如果存在，則所 述類別對(duì)應(yīng)的下一節(jié)點(diǎn)為葉子節(jié)點(diǎn)，所述葉子節(jié)點(diǎn)中存儲(chǔ)所述退役的運(yùn)行類別，轉(zhuǎn)向步驟 S23;否則，直接轉(zhuǎn)向步驟S23;
[0015] S23,在每個(gè)新劃分的訓(xùn)練群組中計(jì)算每個(gè)屬性的信息增益，選擇信息增益值最大 的屬性作為特征屬性，并設(shè)置優(yōu)先級(jí)為t，作為決策樹(shù)的t級(jí)中間節(jié)點(diǎn)，其中t = 2,3,4……N， N為正整數(shù)；
[0016] S24,重復(fù)步驟S22~S23,直至新劃分的訓(xùn)練群組中只存在一個(gè)屬性，將所述屬性 作為特征屬性，所述特征屬性的類別對(duì)應(yīng)的運(yùn)行類別均存儲(chǔ)在下一分支的葉子節(jié)點(diǎn)中，決 策樹(shù)構(gòu)建完成。
[0017] 其中較優(yōu)地，在步驟S21中，將訓(xùn)練元組按屬性進(jìn)行劃分，計(jì)算每個(gè)屬性的信息增 益，選擇信息增益值最大的屬性作為特征屬性，包括如下步驟：
[0018] S211，獲取訓(xùn)練元組的屬性，計(jì)算訓(xùn)練元組對(duì)于屬性的m個(gè)類別種類的熵，采用如 下公式：
[0020] 其中，D為訓(xùn)練元組，pi表示屬性A的類別i在整個(gè)訓(xùn)練元組D中出現(xiàn)的概率；
[0021] S212,將訓(xùn)練元組按照屬性A進(jìn)行劃分，計(jì)算屬性A對(duì)訓(xùn)練元祖劃分的期望信息，采 用如下公式：
[0023] 其中，Values(A)表示屬性A的屬性值集合，j表示一個(gè)屬性值，D」是訓(xùn)練元組D中屬 性值為j的子集；
[0024] S213,采用如下公式計(jì)算屬性A的信息增益：
[0025] gain(D,A) = info(D)-infoa(D)；
[0026] S214，依次從訓(xùn)練元組中取出屬性，重復(fù)步驟S211~S213，直至得到訓(xùn)練元組中所 有屬性的信息增益，對(duì)所有屬性的信息增益進(jìn)行排序，息增益值最大的屬性即為特征屬性。
[0027] 其中較優(yōu)地，在步驟S23中，如果特征屬性不同類別的分組中，通過(guò)信息增益選擇 出的下一優(yōu)先級(jí)的特征屬性相同，則將選擇出相同優(yōu)先級(jí)的特征屬性的所述不同分組進(jìn)行 合并。
[0028]其中較優(yōu)地，在步驟S3中，采用決策樹(shù)算法，將電力設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的 根節(jié)點(diǎn)，并按照每級(jí)節(jié)點(diǎn)對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉 子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容輸出分析結(jié)果，包括如下步驟：
[0029]獲取電力設(shè)備運(yùn)行的實(shí)時(shí)數(shù)據(jù)；
[0030]將實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)；
[0031] 根據(jù)每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征屬性，獲取電力設(shè)備對(duì)應(yīng)屬性的實(shí)時(shí)數(shù)據(jù)；
[0032] 按照所述對(duì)應(yīng)屬性的屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，將葉子節(jié)點(diǎn)存放 的運(yùn)行類別作為分析結(jié)果輸出。
[0033] 其中較優(yōu)地，所述的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，還包括 如下步驟：
[0034] S4,當(dāng)所述葉子節(jié)點(diǎn)輸出分析結(jié)果為退役時(shí)，給出"設(shè)備退役"建議，否則進(jìn)行下一 電力設(shè)備的判斷。
[0035] 本發(fā)明所提供的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，通過(guò)對(duì)已退 役設(shè)備退役前一段時(shí)間的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)的分析總結(jié)構(gòu)建決策樹(shù);采用決策樹(shù) 算法將電力設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征屬性對(duì)應(yīng)的 電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容輸出分析結(jié) 果。該方法通過(guò)對(duì)電力設(shè)備進(jìn)行風(fēng)險(xiǎn)分析評(píng)估，準(zhǔn)確地了解設(shè)備狀態(tài)，對(duì)設(shè)備進(jìn)行合理安 排，對(duì)即將停用、檢修的設(shè)備提出及時(shí)合理的退役建議。
【附圖說(shuō)明】
[0036] 圖1為本發(fā)明所提供的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法的流程 圖；
[0037] 圖2為本發(fā)明所提供的一個(gè)實(shí)施例中，選取一級(jí)中間節(jié)點(diǎn)后構(gòu)建的部分決策樹(shù)的 結(jié)構(gòu)示意圖；
[0038]圖3為本發(fā)明所提供的一個(gè)實(shí)施例中，選取二級(jí)中間節(jié)點(diǎn)后構(gòu)建的部分決策樹(shù)的 結(jié)構(gòu)示意圖；
[0039]圖4為本發(fā)明所提供的一個(gè)實(shí)施例中，選取二級(jí)中間節(jié)點(diǎn)進(jìn)行分支合并后構(gòu)建的 部分決策樹(shù)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0040] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明的技術(shù)內(nèi)容進(jìn)行詳細(xì)具體的說(shuō)明。
[0041] 如圖1所示，本發(fā)明所提供的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法， 包括如下步驟:首先，獲得已退役設(shè)備退役前一段時(shí)間的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù);然 后，將獲得的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)作為訓(xùn)練元祖，將訓(xùn)練元組按屬性進(jìn)行劃分，提取 特征屬性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù);最后，采用決策樹(shù)算法，將電力設(shè)備實(shí)時(shí)數(shù) 據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征屬性對(duì)應(yīng)的電力設(shè)備的屬性值選擇輸 出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容輸出分析結(jié)果。下面對(duì)這一過(guò)程做詳 細(xì)具體的說(shuō)明。
[0042] S1，獲得已退役設(shè)備退役前一段時(shí)間的運(yùn)行數(shù)據(jù)，包括告警數(shù)據(jù)以及設(shè)備缺陷數(shù) 據(jù)。
[0043]獲得已退役設(shè)備退役前一段時(shí)間的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)，通過(guò)對(duì)這些數(shù)據(jù) 進(jìn)行分析歸納，得到設(shè)備整個(gè)運(yùn)行周期的運(yùn)行特點(diǎn)，通過(guò)對(duì)這些運(yùn)行特點(diǎn)進(jìn)行分析，對(duì)現(xiàn)有 未退役的電力設(shè)備進(jìn)行判斷，當(dāng)電力設(shè)備運(yùn)行產(chǎn)生需要退役的數(shù)據(jù)時(shí)，及時(shí)讓電力設(shè)備退 役，可以有效地消除安全隱患。對(duì)已退役設(shè)備退役前一段時(shí)間的告警數(shù)據(jù)以及設(shè)備缺陷數(shù) 據(jù)的分析歸納以及對(duì)現(xiàn)有未退役的電力設(shè)備進(jìn)行判斷在后續(xù)進(jìn)行詳細(xì)的描述，在此便不再 贅述了。其中，一段時(shí)間可以是2年每個(gè)月的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)，也可以是1年每10 天的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)，根據(jù)需要以及實(shí)際情況進(jìn)行提取。
[0044] S2,將獲得的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)作為訓(xùn)練元祖，將訓(xùn)練元組按屬性進(jìn)行 劃分，提取特征屬性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù)。
[0045] 決策樹(shù)是一個(gè)樹(shù)結(jié)構(gòu)（可以是二叉樹(shù)或非二叉樹(shù)）。在本發(fā)明所提供的實(shí)施例中， 構(gòu)建的決策樹(shù)的每個(gè)非葉節(jié)點(diǎn)表示一個(gè)特征屬性上的測(cè)試，每個(gè)分支代表這個(gè)特征屬性在 某個(gè)值域上的輸出，而每個(gè)葉子節(jié)點(diǎn)存放一個(gè)運(yùn)行類別。使用決策樹(shù)進(jìn)行分析的過(guò)程就是 從根節(jié)點(diǎn)開(kāi)始，測(cè)試待分類項(xiàng)(待分類設(shè)備）中相應(yīng)的屬性，并按照其屬性值選擇輸出分支， 直到到達(dá)葉子節(jié)點(diǎn)，將葉子節(jié)點(diǎn)存放的運(yùn)行類別作為分析結(jié)果。
[0046] 決策樹(shù)的構(gòu)造過(guò)程不依賴領(lǐng)域知識(shí)，它使用屬性選擇度量來(lái)將元組最好地劃分成 不同的特征屬性。所謂決策樹(shù)的構(gòu)造就是通過(guò)屬性選擇度量確定各個(gè)特征屬性以及各個(gè)特 征屬性之間的拓?fù)浣Y(jié)構(gòu)。
[0047] 將訓(xùn)練元組按屬性進(jìn)行劃分，提取特征屬性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù)， 具體包括如下步驟：
[0048] S21，將訓(xùn)練元組按屬性進(jìn)行劃分，計(jì)算每個(gè)屬性的信息增益，選擇信息增益值最 大的屬性作為特征屬性，并設(shè)置優(yōu)先級(jí)為1，作為決策樹(shù)的一級(jí)中間節(jié)點(diǎn)，信息增益值最大 的屬性(特征屬性)的類別作為一級(jí)分支。
[0049] 在構(gòu)建決策樹(shù)之前，先獲取已退役設(shè)備退役前一段時(shí)間的告警數(shù)據(jù)以及設(shè)備缺陷 數(shù)據(jù)，并將其作為訓(xùn)練元組，在本發(fā)明所提供的第一實(shí)施例中，獲取訓(xùn)練元組中的一部分?jǐn)?shù) 據(jù)進(jìn)行說(shuō)明。如表1所示，為已退役設(shè)備部分記錄信息表。
[0052] 表1已退役設(shè)備部分記錄信息表
[0053] 將訓(xùn)練元組按屬性進(jìn)行劃分，在表1所示的訓(xùn)練樣例中，訓(xùn)練元組分為4個(gè)屬性:檢 修頻率、故障、缺陷和告警;計(jì)算每個(gè)屬性的信息增益，選擇信息增益值最大的屬性作為特 征屬性，并設(shè)置優(yōu)先級(jí)為1，作為決策樹(shù)的一級(jí)中間節(jié)點(diǎn)，信息增益值最大的屬性的類別作 為一級(jí)分支。
[0054] 從信息論知識(shí)中得知，期望信息越小，信息增益越大，從而純度越高。所以構(gòu)建決 策樹(shù)的核心思想就是選擇分裂后信息增益最大的屬性作為特征屬性，再進(jìn)行下一步分裂。 其中，核心部分就是計(jì)算每個(gè)屬性的信息增益，根據(jù)信息增益獲得特征屬性，具體包括如下 步驟：
[0055] S211，獲取訓(xùn)練元組的屬性，計(jì)算訓(xùn)練元組對(duì)于屬性的m個(gè)類別種類的熵info(D)， 采用如下公式：
[0057] 其中，D為訓(xùn)練元組，pi表示屬性A的類別i在整個(gè)訓(xùn)練元組D中出現(xiàn)的概率，可以用 屬于此類別的元素的數(shù)量除以訓(xùn)練元組中元素總數(shù)量作為估計(jì)。熵的實(shí)際意義表示是訓(xùn)練 元組D中元組的類別標(biāo)號(hào)所需要的平均信息量。
[0058] 在表1所示的訓(xùn)練樣例中，例如屬性A取檢修頻率，則屬性A的類別種類為3種：高、 中、低，即m = 3。P高表示屬性A的類別:高在整個(gè)訓(xùn)練元組D中出現(xiàn)的概率，P高=4/14。
[0059] S212,將訓(xùn)練元組按照屬性A進(jìn)行劃分，計(jì)算屬性A對(duì)訓(xùn)練元祖劃分的期望信息，采 用如下公式：
[0061] 其中，Values(A)表示屬性A的屬性值集合，j表示一個(gè)屬性值，Dj是訓(xùn)練元組D中屬 性A的值為j的子集。
[0062] S213,采用如下公式計(jì)算屬性A的信息增益，信息增益即為兩者的差值：
[0063] gain(D,A) = info(D)-infoa(D)；
[0064] S214，依次從訓(xùn)練元組中取出屬性，重復(fù)步驟S211~S213，直至得到訓(xùn)練元組中所 有屬性的信息增益，對(duì)所有屬性的信息增益進(jìn)行排序，息增益值最大的屬性即為特征屬性。
[0065] 在表1所示的訓(xùn)練樣例中，訓(xùn)練元組中四個(gè)屬性的信息增益分別為：
[0066] gain(D，檢修頻率）=0.246;
[0067] gain(D，缺陷）=0.151;
[0068] gain(D，告警）=0.048;
[0069] gain(D，故障）=0.029;
[0070] 對(duì)所有屬性的信息增益進(jìn)行排序，信息增益值最大的屬性:檢修頻率即為特征屬 性。即根據(jù)信息增益標(biāo)準(zhǔn)，屬性檢修頻率在訓(xùn)練樣例上提供了對(duì)電力設(shè)備是否退役的最佳 預(yù)測(cè)，檢修頻率優(yōu)先級(jí)為1，作為決策樹(shù)的一級(jí)中間節(jié)點(diǎn)，檢修頻率的類別（高、中、低)作為 一級(jí)分支。
[0071] S22,按照特征屬性的類別種類將訓(xùn)練元組進(jìn)行劃分，訓(xùn)練群組中將已經(jīng)判定為特 征屬性的屬性去除;并判斷該特征屬性是否存在使運(yùn)行類別為退役的類別，如果存在，則該 種類類別對(duì)應(yīng)的下一節(jié)點(diǎn)為葉子節(jié)點(diǎn)，該葉子節(jié)點(diǎn)中存儲(chǔ)該退役的運(yùn)行類別，轉(zhuǎn)向步驟 S23;否則，直接轉(zhuǎn)向步驟S23。
[0072]按照特征屬性的類別種類將訓(xùn)練元組進(jìn)行劃分，訓(xùn)練群組中將已經(jīng)判定為特征屬 性的屬性去除，在表1所示的訓(xùn)練樣例中，特征屬性:檢修頻率的類別種類為三種:高、中、 低。按照類別種類將訓(xùn)練元組劃分為三組，將訓(xùn)練元組中已經(jīng)判定為特征屬性的檢修頻率 去除，表示為：
[0073] D中={:廣寧寺變#1主變，金家變#1主變，連豐變#2主變，勝利變#1主變，大潭變#1主 變}
[0074] D(S= {宮家變#1主變，宮家變#2主變，宮家變#3主變，勝利變#2主變，周水子變#2主 變}
[0075] D?={金馬變#1主變，連豐變#1主變，大潭變#2主變，周水子變#1主變}
[0076] 并判斷該特征屬性是否存在使運(yùn)行類別為退役的類別種類，當(dāng)檢修頻率的類別種 類為高時(shí)，設(shè)備的運(yùn)行類別為退役。所以將該種類類別為高的分支，所對(duì)應(yīng)的下一節(jié)點(diǎn)設(shè)置 為葉子節(jié)點(diǎn)，如圖2所示，該葉子節(jié)點(diǎn)中存儲(chǔ)該退役的運(yùn)行類別；在本訓(xùn)練樣例中直接展示 為退役。然后轉(zhuǎn)向步驟S23A23,在每個(gè)新劃分的訓(xùn)練群組中計(jì)算每個(gè)屬性的信息增益，選 擇信息增益值最大的屬性作為特征屬性，并設(shè)置優(yōu)先級(jí)為t，作為決策樹(shù)的t級(jí)中間節(jié)點(diǎn)，其 中t = 2,3,4……N，N為正整數(shù)。
[0077] 在每個(gè)新劃分的訓(xùn)練群組中計(jì)算每個(gè)屬性的信息增益，在表1所示的訓(xùn)練樣例中， 新劃分為2個(gè)訓(xùn)練群組，在每個(gè)群組中計(jì)算每個(gè)屬性的信息增益，計(jì)算結(jié)果如下：
[0078] gain(D 中，缺陷）=0.970-(3/5)0.0-(2/5)0.0 = 0.970;
[0079] gain(D 中，故障）=0.970-(2/5)1.0-(2/5)1.0-( 1/5)0.0 = 0.570;
[0080] gain(D 中，告警）=0.970-(2/5)1.0-(3/5).918 = 0.019;
[0081] 對(duì)所有屬性的信息增益進(jìn)行排序，信息增益值最大的屬性:缺陷即為特征屬性。并 設(shè)置優(yōu)先級(jí)為2,作為決策樹(shù)的2級(jí)中間節(jié)點(diǎn)，如圖3所示。
[0082] 按照特征屬性的類別種類將訓(xùn)練元組進(jìn)行劃分，訓(xùn)練群組中將已經(jīng)判定為特征屬 性的屬性去除，在表1所示的訓(xùn)練樣例中，特征屬性:缺陷的類別種類為兩種:一般和嚴(yán)重。 按照類別種類將訓(xùn)練元組劃分為兩組，將訓(xùn)練元組中已經(jīng)判定為特征屬性的檢修頻率去 除，表示為：
[0083] D中,{:廣寧寺變#1主變，金家變#1主變，連豐變#2主變}
[0084] D中,權(quán)={勝利變#1主變，大潭變#1主變}
[0085] 并判斷該特征屬性是否存在使運(yùn)行類別為退役的類別種類，當(dāng)缺陷的類別種類為 嚴(yán)重時(shí)，設(shè)備的運(yùn)行類別為退役。所以將該種類類別為嚴(yán)重的分支，所對(duì)應(yīng)的下一節(jié)點(diǎn)設(shè)置 為葉子節(jié)點(diǎn)，該葉子節(jié)點(diǎn)中存儲(chǔ)該退役的運(yùn)行類別;在本訓(xùn)練樣例中直接展示為退役。然后 轉(zhuǎn)向步驟S23。對(duì)于表1所示的訓(xùn)練樣例中，特征屬性:檢修頻率的類別種類為低時(shí)的處理方 法，其和類別種類為高時(shí)的處理方法，在此便不再贅述了。另外，當(dāng)檢修頻率的類別種類為 低時(shí)，在群組中計(jì)算每個(gè)屬性的信息增益，如果屬性的信息增益的排序和檢修頻率的類別 種類為高時(shí)屬性的信息增益的排序相同，則將檢修頻率的類別種類為低時(shí)與檢修頻率的類 別種類為高時(shí)的分支合并成一個(gè)，對(duì)應(yīng)同一個(gè)下一級(jí)中間節(jié)點(diǎn)，如圖4所示。即，如果在特征 屬性不同類別的分組中，通過(guò)信息增益選擇出的下一優(yōu)先級(jí)的特征屬性相同，則將選擇出 相同優(yōu)先級(jí)的特征屬性的分組合并。
[0086] S24,重復(fù)步驟S22~S23,直至新劃分的訓(xùn)練群組中只存在一個(gè)屬性，將該屬性作 為特征屬性，該特征屬性的類別對(duì)應(yīng)運(yùn)行類別均存儲(chǔ)在下一級(jí)的葉子節(jié)點(diǎn)中，決策樹(shù)構(gòu)建 完成。運(yùn)行類別即為對(duì)該電力設(shè)備的分析結(jié)果。
[0087] 重復(fù)步驟S22~S23,直至新劃分的訓(xùn)練群組中只存在一個(gè)屬性，例如:故障，將該 屬性作為特征屬性，該特征屬性的類別對(duì)應(yīng)的運(yùn)行類別均存儲(chǔ)在下一級(jí)的葉子節(jié)點(diǎn)中，在 表1所示的訓(xùn)練樣例中，運(yùn)行類別直接表示為退役不退役兩種，決策樹(shù)構(gòu)建完成。
[0088] 決策樹(shù)的關(guān)鍵步驟是分裂屬性。所謂分裂屬性就是在某個(gè)節(jié)點(diǎn)處按照某一特征屬 性的不同劃分構(gòu)造不同的分支，其目標(biāo)是讓各個(gè)分裂子集盡可能地"純"。盡可能"純"就是 盡量讓一個(gè)分裂子集中待分類項(xiàng)屬于同一類別，使用屬性劃分的一個(gè)子集進(jìn)行測(cè)試，按照 "屬于此子集"和"不屬于此子集"分成兩個(gè)分支。
[0089] S3,采用決策樹(shù)算法，將電力設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié) 點(diǎn)存儲(chǔ)的特征屬性對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié) 點(diǎn)存儲(chǔ)的內(nèi)容輸出分析結(jié)果。
[0090] 在使用決策樹(shù)算法之前，先判斷電力設(shè)備的設(shè)備類型，根據(jù)該電力設(shè)備的設(shè)備類 型選取同類型的已退役設(shè)備退役前的運(yùn)行數(shù)據(jù)構(gòu)建的決策樹(shù)。然后，采用決策樹(shù)算法，將實(shí) 時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征屬性對(duì)應(yīng)的電力設(shè)備屬性值選擇 輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容輸出分析結(jié)果，具體包括如下步 驟：
[0091] 獲取電力設(shè)備運(yùn)行的實(shí)時(shí)數(shù)據(jù)，其中，電力設(shè)備包括電力運(yùn)行設(shè)備和電力監(jiān)控設(shè) 備；
[0092] 將實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)；
[0093] 根據(jù)每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征屬性，獲取電力設(shè)備對(duì)應(yīng)屬性的實(shí)時(shí)數(shù)據(jù)；
[0094]按照屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，將葉子節(jié)點(diǎn)存放的運(yùn)行類別作為 分析結(jié)果輸出。
[0095] S4,使用此決策樹(shù)算法對(duì)當(dāng)前電力設(shè)備進(jìn)行風(fēng)險(xiǎn)評(píng)估，如果葉子節(jié)點(diǎn)分析結(jié)果為 退役，則給出"設(shè)備退役"建議，否則進(jìn)行下一電力設(shè)備的判斷。
[0096] 綜上所述，本發(fā)明所提供的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法， 通過(guò)對(duì)已退役設(shè)備退役前一段時(shí)間的告警數(shù)據(jù)以及設(shè)備缺陷數(shù)據(jù)的分析總結(jié)構(gòu)建決策樹(shù)； 采用決策樹(shù)算法將電力設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征 屬性對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容 輸出分析結(jié)果。該方法通過(guò)對(duì)電力設(shè)備進(jìn)行風(fēng)險(xiǎn)分析評(píng)估，準(zhǔn)確地了解電力設(shè)備狀態(tài)，對(duì)電 力設(shè)備進(jìn)行合理安排，對(duì)即將停用、檢修的設(shè)備提出及時(shí)合理的退役建議。除此之外，該方 法可以協(xié)助監(jiān)控人員及時(shí)掌握電網(wǎng)運(yùn)行中存在隱患的電力設(shè)備，保證電網(wǎng)安全穩(wěn)定運(yùn)行。
[0097] 上面對(duì)本發(fā)明所提供的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法進(jìn)行 了詳細(xì)的說(shuō)明。對(duì)本領(lǐng)域的一般技術(shù)人員而言，在不背離本發(fā)明實(shí)質(zhì)精神的前提下對(duì)它所 做的任何顯而易見(jiàn)的改動(dòng)，都將構(gòu)成對(duì)本發(fā)明專利權(quán)的侵犯，將承擔(dān)相應(yīng)的法律責(zé)任。
【主權(quán)項(xiàng)】
1. 一種基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，其特征在于包括如下步 驟： Sl，獲得已退役設(shè)備退役前的運(yùn)行數(shù)據(jù)； 52, 將獲得的所述運(yùn)行數(shù)據(jù)作為訓(xùn)練元祖，將訓(xùn)練元組按屬性進(jìn)行劃分，提取特征屬 性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決策樹(shù)； 53, 采用決策樹(shù)算法，將電力監(jiān)控設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí)節(jié) 點(diǎn)對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容輸 出分析結(jié)果。2. 如權(quán)利要求1所述的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，其特征在 于在步驟S2中，將訓(xùn)練元組按屬性進(jìn)行劃分，提取特征屬性，依據(jù)特征屬性的優(yōu)先級(jí)構(gòu)建決 策樹(shù)，包括如下步驟： S21，將訓(xùn)練元組按屬性進(jìn)行劃分，計(jì)算每個(gè)屬性的信息增益，選擇信息增益值最大的 屬性作為特征屬性，并設(shè)置優(yōu)先級(jí)為1，作為決策樹(shù)的一級(jí)中間節(jié)點(diǎn)，所述特征屬性的類別 作為一級(jí)分支； 522, 按照特征屬性的類別種類將訓(xùn)練元組進(jìn)行劃分，訓(xùn)練群組將已經(jīng)判定為特征屬性 的屬性去除，并判斷所述特征屬性是否存在使運(yùn)行類別為退役的類別，如果存在，則所述類 別對(duì)應(yīng)的下一節(jié)點(diǎn)為葉子節(jié)點(diǎn)，所述葉子節(jié)點(diǎn)中存儲(chǔ)所述退役的運(yùn)行類別，轉(zhuǎn)向步驟S23; 否則，直接轉(zhuǎn)向步驟S23; 523, 在每個(gè)新劃分的訓(xùn)練群組中計(jì)算每個(gè)屬性的信息增益，選擇信息增益值最大的屬 性作為特征屬性，并設(shè)置優(yōu)先級(jí)為t，作為決策樹(shù)的t級(jí)中間節(jié)點(diǎn)，其中t = 2,3,4……N，N為 正整數(shù)； 524, 重復(fù)步驟S22~S23,直至新劃分的訓(xùn)練群組中只存在一個(gè)屬性，將所述屬性作為 特征屬性，所述特征屬性的類別對(duì)應(yīng)的運(yùn)行類別均存儲(chǔ)在下一分支的葉子節(jié)點(diǎn)中，決策樹(shù) 構(gòu)建完成。3. 如權(quán)利要求2所述的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，其特征在 于在步驟S21中，將訓(xùn)練元組按屬性進(jìn)行劃分，計(jì)算每個(gè)屬性的信息增益，選擇信息增益值 最大的屬性作為特征屬性，包括如下步驟：S211，獲取訓(xùn)練完如的屋曾丨丨丨丨祐完如對(duì)平屋的類別種類的熵，采用如下公 式： 其中，D為訓(xùn)練元組，？1表示屬性A的類別i在整個(gè)訓(xùn)練元組D中出現(xiàn)的概率；其中，Values(A)表/」、/兩_|土即、」/兩_|土，丨且朱'口，j；tx/」、_ T/兩_|土xa，uj疋卩丨丨練兀組D中屬性值 S212,將訓(xùn)練元組按照屬性A進(jìn)行劃分，計(jì)算屬性A對(duì)訓(xùn)練元祖劃分的期望信息，采用如 下公式： 為j的子集； 5213, 采用如下公式計(jì)算屬性A的信息增益： gain(D,A) = info(D)-infoa(D)； 5214, 依次從訓(xùn)練元組中取出屬性，重復(fù)步驟S211~S213,直至得到訓(xùn)練元組中所有屬 性的信息增益，對(duì)所有屬性的信息增益進(jìn)行排序，息增益值最大的屬性即為特征屬性。4. 如權(quán)利要求2所述的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，其特征在 于： 在步驟S23中，如果特征屬性不同類別的分組中，通過(guò)信息增益選擇出的下一優(yōu)先級(jí)的 特征屬性相同，則將選擇出相同優(yōu)先級(jí)的特征屬性的所述不同分組進(jìn)行合并。5. 如權(quán)利要求1所述的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，其特征在 于在步驟S3中，采用決策樹(shù)算法，將電力設(shè)備的實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)，并按照每級(jí) 節(jié)點(diǎn)對(duì)應(yīng)的電力設(shè)備屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，根據(jù)葉子節(jié)點(diǎn)存儲(chǔ)的內(nèi)容 輸出分析結(jié)果，包括如下步驟： 獲取電力設(shè)備運(yùn)行的實(shí)時(shí)數(shù)據(jù)； 將實(shí)時(shí)數(shù)據(jù)帶入決策樹(shù)的根節(jié)點(diǎn)； 根據(jù)每級(jí)節(jié)點(diǎn)存儲(chǔ)的特征屬性，獲取電力設(shè)備對(duì)應(yīng)屬性的實(shí)時(shí)數(shù)據(jù)； 按照所述對(duì)應(yīng)屬性的屬性值選擇輸出分支，直至到達(dá)葉子節(jié)點(diǎn)，將葉子節(jié)點(diǎn)存放的運(yùn) 行類別作為分析結(jié)果輸出。6. 如權(quán)利要求1所述的基于決策樹(shù)算法的電力設(shè)備運(yùn)行風(fēng)險(xiǎn)分析評(píng)估方法，其特征在 于還包括如下步驟： S4,當(dāng)所述葉子節(jié)點(diǎn)輸出分析結(jié)果為退役時(shí)，給出"設(shè)備退役"建議，否則進(jìn)行下一電力 設(shè)備的判斷。
【文檔編號(hào)】G06Q10/06GK105894177SQ201610171362
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2016年3月25日
【發(fā)明人】路明, 王子軒, 秦領(lǐng), 武江, 王洪哲, 邱金輝, 張鳳麟, 白梓瑋, 張廣成, 曹錦鋒
【申請(qǐng)人】國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)遼寧省電力有限公司, 北京科東電力控制系統(tǒng)有限責(zé)任公司