分布式并行FP-growth算法在二次设备缺陷监测中的应用

智能变电站设备监控数据存储分散,主站获取设备缺陷特征的难度大,有必要通过分布式数据挖掘的方法发现设备缺陷和信号之间的关系。分布式并行频繁模式树(FP-growth)算法采用Hadoop框架和Mapreduce算法,能够快速有效地发现信号间的强关联关系。针对二次设备的缺陷特征,建立异常模型,提出遥信历史数据准备和清洗方法,滤除复归、抖动等噪声信号,并将字符串数据转换为以关键字为标识的事务数据项集。在此基础上采用分布式并行FP-growth算法挖掘各变电站历史数据库异常信号的频繁项集和强关联关系。应用结果表明,该方法能够有效地发现二次设备的频发异常,找到诱发异常的缺陷,为家族性缺陷的认定提供数据基础。

基于调控一体化模式下监控后台误发信息的处置

随着云南电网有限责任公司昆明供电局调控一体化的实施,各变电站的监控任务逐渐集中化,需要监控的站点与监控台每天接收到的监控信号都大大增加。在几十万数量级的监控信号中,存在大量频发的异常信号,这些频发的异常信号会严重影响监控人员对其他有效监控信号的提取,降低监控效率,增加监控压力与漏监控的风险。本文旨在分析监控现状,指出频发异常监控信号餉危害,并针对频发异常信号的问题提出相应的处置方案,希望通过相应处置方案的实施,减少或杜绝频发监控信号的发生,在减轻监控人员监控压力的同时,提升监控效率并降低漏监控的风险。