基于大数据价值挖掘的配电网运维检修管理

分析了数据挖掘方法的优缺点及在电力系统中的技术流程与操作方法后,结合生产实际,具体介绍了数据挖掘在本文配电网故障分析中的实际应用。在采取了建立数据互联逻辑、打通信息系统壁垒,开展配网故障全数据多维度分析、明确故障类型和原因,总结提炼分析方法、形成常态化机制等一系列措施后,并针对分析结果采取措施后,取得了有效的成果。

面向配电网故障数据的BIC评估后向选择方法

10 kV配电网所处环境复杂,引发故障的原因很多,在使用数据挖掘方法对配电网故障进行分析时,太多的特征会对挖掘模型造成负面影响.为了防止挖掘模型考虑过多无用信息,需首先对数据进行特征选择来实现降维,因此提出了基于贝叶斯信息准则(BIC)的模型评估后向选择算法,对故障因素进行降维.BIC评估准则能够尽可能地简化模型,降低维度,而后向选择算法可以快速得到最优的简化模型,两者的结合提升了降维的速度,并能够得到更加简化的模型.实验结果表明,采用基于BIC评估的后向选择算法有助于后续模型准确性的提升,可提高训练效率.