基于等距K-means和apriori算法的配电网故障规律挖掘方法

摘要

为了提升配电网巡检及运维效率,分析配电网线路故障的特征规律,挖掘其潜在关联因素,提出了一种基于等距K-means和apriori算法的配电网故障规律挖掘方法.该方法基于支持度、置信度和提升度框架,完成强关联规则筛选,适用于构建各类故障场景的故障规律挖掘模型.相比于传统apriori算法,该方法可处理配电网线路故障数据样本中的连续值类型属性,属性分类计算过程收敛性更强,分类结果更趋于客观性.最后以某电力公司故障数据为例,验证了该算法可获得具有较好解释性与实用性的故障巡检规则,有效缩减了配电网线路巡检范围.