通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法
【專利摘要】本發(fā)明公開了一種通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，包括以下步驟：通過歷史故障記錄以及缺陷數(shù)據(jù)分析，得到造成電網(wǎng)設(shè)備的主要因素；對安全事故因素進(jìn)行關(guān)聯(lián)性分析；通過對歷史經(jīng)驗(yàn)、基礎(chǔ)數(shù)據(jù)以及因素之間關(guān)聯(lián)關(guān)系構(gòu)建風(fēng)險評估模型；進(jìn)行電網(wǎng)安全事故的應(yīng)用場景選型，并根據(jù)場景進(jìn)行數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)篩選、數(shù)據(jù)挖掘；通過決策平臺對分析后的數(shù)據(jù)進(jìn)行圖形化展示，并對數(shù)據(jù)進(jìn)行驗(yàn)證。該方法通過對歷史故障記錄以及缺陷記錄進(jìn)行大數(shù)據(jù)分析，預(yù)判電網(wǎng)設(shè)備發(fā)生故障的趨勢，并發(fā)出安全預(yù)警，從而降低電網(wǎng)發(fā)生電網(wǎng)安全事故的概率，確保電網(wǎng)運(yùn)行可靠性。
【專利說明】通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)譬的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力領(lǐng)域，設(shè)及一種電網(wǎng)設(shè)備故障預(yù)警的方法，具體地說是一種通過 大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法

【背景技術(shù)】
[0002] 隨著數(shù)字信息化時代的迅猛發(fā)展，信息量也呈爆炸性增長態(tài)勢。電力行業(yè)中數(shù)據(jù) 量的增長也呈現(xiàn)出相似的態(tài)勢，電力行業(yè)近年大規(guī)模的企業(yè)信息化建設(shè)，伴隨著下一代智 能化電網(wǎng)的全面建設(shè)，發(fā)電、輸電、變電、調(diào)度、配電、用電等各個環(huán)節(jié)的數(shù)據(jù)飛速增長并形 成了一定的規(guī)模，但是電力行業(yè)的精益化發(fā)展不能僅僅依靠的數(shù)據(jù)量的增長，如何從海量 的數(shù)據(jù)中識別可用的數(shù)據(jù)，評估潛在的電網(wǎng)安全事故隱患，成為電力行業(yè)信息化的關(guān)鍵一 步。因此，整合當(dāng)前分散在各個系統(tǒng)中的電網(wǎng)生產(chǎn)運(yùn)行等關(guān)鍵數(shù)據(jù)，采用數(shù)據(jù)挖掘分析等相 關(guān)技術(shù)，挖掘數(shù)據(jù)背后隱藏的規(guī)律和關(guān)聯(lián)關(guān)系，為電網(wǎng)發(fā)展提供預(yù)測和決策支持。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供一種通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，該 方法通過對目前PMS (安全生產(chǎn)管理系統(tǒng)）中的故障歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，從而分析出電 網(wǎng)設(shè)備發(fā)生故障的趨勢，并結(jié)合智能決策平臺將分析結(jié)果進(jìn)行可視化展現(xiàn)，實(shí)現(xiàn)了電網(wǎng)安 全事故的預(yù)警，提高了電網(wǎng)供電安全可靠性。
[0004] 本發(fā)明的目的通過W下技術(shù)方案實(shí)現(xiàn)：
[0005] 一種通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，其特征在于該方法包括 W下步驟：
[0006] 1)通過歷史故障記錄W及缺陷數(shù)據(jù)分析，得到造成電網(wǎng)設(shè)備的主要因素；
[0007] 2)對安全事故因素進(jìn)行關(guān)聯(lián)性分析；
[000引 3)通過對歷史經(jīng)驗(yàn)、基礎(chǔ)數(shù)據(jù)W及因素之間關(guān)聯(lián)關(guān)系構(gòu)建風(fēng)險評估模型；
[0009] 4)進(jìn)行電網(wǎng)安全事故的應(yīng)用場景選型，并根據(jù)場景進(jìn)行數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)篩選、數(shù)據(jù) 挖掘；
[0010] 5)通過決策平臺對分析后的數(shù)據(jù)進(jìn)行圖形化展示，并對數(shù)據(jù)進(jìn)行驗(yàn)證。
[0011] 本發(fā)明中，歷史故障記錄包括安全生產(chǎn)管理系統(tǒng)中變電故障記錄、配電故障搶修 記錄，變電故障記錄包括跳閩時間、保護(hù)動作、重合閩情況、處理經(jīng)過與分析、責(zé)任原因、技 術(shù)原因分析；配電故障搶修記錄包括地區(qū)特征、故障時間、保護(hù)動作情況、故障分類、故障過 程、故障分析；缺陷數(shù)據(jù)包括變電缺陷記錄、輸電缺陷記錄和配電缺陷記錄，變電缺陷記錄 包括設(shè)備類型、電壓等級、缺陷內(nèi)容、缺陷性質(zhì)、技術(shù)原因、責(zé)任原因、發(fā)現(xiàn)時間；輸電缺陷記 錄包括發(fā)現(xiàn)時間、缺陷分類、缺陷內(nèi)容、缺陷內(nèi)容備注；配電缺陷記錄包括發(fā)現(xiàn)日期、設(shè)備類 另IJ、缺陷等級、缺陷內(nèi)容、缺陷內(nèi)容備注、缺陷原因；其中由自然環(huán)境引起的占33.65% ;由 設(shè)備老化引起的占22. 48% ;由外力破壞引起的占21. 68% ;由用戶原因引起的占17. 88% ; 由運(yùn)行維護(hù)不良引起的占2. 15% ;由設(shè)備質(zhì)量引起的占1.98% ;由其他原因引起的約占 0. 18%。
[0012] 1、構(gòu)建風(fēng)險評估模型W及數(shù)據(jù)挖掘時采用貝葉斯算法；貝葉斯分類是一類分類算 法的總稱，該類算法均W貝葉斯定理為基礎(chǔ)，故統(tǒng)稱為貝葉斯分類；樸素貝葉斯分類的在本 系統(tǒng)中進(jìn)行電網(wǎng)設(shè)備故障挖掘的應(yīng)用場景如下：
[001引31)設(shè)類別集合C= {y0=0，yi= 1}，其中C表示類別集合，0表示不發(fā)生故障，1 表示發(fā)生故障；
[0014] 32)設(shè)I = {x。X2,--X。}，1《i《m，其中I叫待分類項(xiàng)集合，其中每個元素Xi 表示一個待分類項(xiàng)；
[001引城設(shè)X =咕，32…a。}，1《j《n為一個待分類項(xiàng)，a為X的一個特征屬性。X 在故障挖掘模型中可W理解為包含如下字段的一條記錄（ID，SB_ID，DYDJ，DW_I化抓S_XL_ ID, SJLX，SYHJ，JLZT，TYRQ，TZSJ，YEAR, DUR_DAY)其中，ID 是設(shè)備的邏輯 ID, SB_ID 是設(shè)備的 物理ID，DYDJ是設(shè)備的電壓等級，DW_ID是設(shè)備的單位ID，BDS_XL_ID表示設(shè)備的上級（變 電所或者線路）ID，SJLX是設(shè)備的類型，SY町是設(shè)備的使用環(huán)境，JLZT是設(shè)備的狀態(tài)，TYRQ 是設(shè)備的投運(yùn)日期，TZSJ是設(shè)備跳閩時的統(tǒng)計(jì)月份，YEAR是設(shè)備的年份，DUR_DAY是設(shè)備跳 閩時間和投運(yùn)時間的間隔月份。
[0016] 每個特征屬性都做了分類，比如電壓等級該個屬性，DYDJ< = 20000標(biāo)志為1， 即 aj= 1，DYDJ〉20000 標(biāo)志為 2,即 a j= 2。
[0017] 34)根據(jù)上面的信息，計(jì)算某一條記錄已發(fā)生的前提下，設(shè)備發(fā)生故障的概率。根 據(jù)貝葉斯分類，設(shè)備發(fā)生故障的概率的計(jì)算公式為P (yi I X) = P (X I yi) P (yi) /P (X)
[001引計(jì)算34)中的各個條件概率，具體如下；
[0019] 341)P(x) = 1/樣本數(shù)量，即 1/m ;p(y〇) = p(yi) = 1/2。
[0020] 342)統(tǒng)計(jì)得到在各類別下各個特征屬性的條件概率估計(jì)；即
[0021] 訓(xùn)練樣本中，不發(fā)生故障的樣本中，屬性分別為ai，32…a。的概率：
[0022] P(aJy〇),P(a2|y〇), --?,P(aJy〇)
[0023] 其中，P(aJy〇) = p(ai= 1 |y 〇)*p(ai= 2 |y 0)…*p(ai = m|y 0)，
[0024] W特征屬性電壓等級為例：
[0025] p(ai= l|y。）=不發(fā)生故障的訓(xùn)練樣本中電壓等級《20000的樣本數(shù)量/不發(fā)生 故障的訓(xùn)練樣本數(shù)量；
[0026] P (ai= 2 I y。）=不發(fā)生故障的訓(xùn)練樣本中電壓等級>20000的樣本數(shù)量/不發(fā)生 故障的訓(xùn)練樣本數(shù)量
[0027] 訓(xùn)練樣本中，發(fā)生故障的樣本中，屬性分別為ai，32…a。的概率；
[002引 P (ai I yi)，P (321 yi)，…，P (a。I yi)
[0029] 其中，P(ajyi) = p(ai= 1 |y i)*p(ai= 2|y 1)…*p(ai = m|y 1)，
[0030] W特征屬性電壓等級為例：
[0031] p(ai= 1|yi)=發(fā)生故障的訓(xùn)練樣本中電壓等級《 20000的樣本數(shù)量/發(fā)生故障 的訓(xùn)練樣本數(shù)量；
[003引 p(ai= 2 |y 1)=發(fā)生故障的訓(xùn)練樣本中電壓等級>20000的樣本數(shù)量/發(fā)生故障 的訓(xùn)練樣本數(shù)量
[0033] 343)由于各個特征屬性是條件獨(dú)立的，則根據(jù)貝葉斯定理有如下推導(dǎo)：
[0034] 巧化.r)=畫圓圓:圓圓mill^圓mill：圓nil:ii:年^iiii:iiiii在本系統(tǒng)故障挖掘模型中，即可得到兩個結(jié)果：某條 P\j'}， 記錄存在的前提下（相當(dāng)于X)，其發(fā)生故障的概率，和不發(fā)生故障的概率。
[0035] 該方法通過對歷史故障記錄W及缺陷記錄進(jìn)行大數(shù)據(jù)分析，從而分析出電網(wǎng)設(shè)備 發(fā)生故障的趨勢，并結(jié)合智能決策平臺將分析結(jié)果進(jìn)行可視化展現(xiàn)，實(shí)現(xiàn)了電網(wǎng)安全事故 的預(yù)警，從而降低電網(wǎng)發(fā)生電網(wǎng)安全事故的概率，確保電網(wǎng)運(yùn)行可靠性。

【專利附圖】

【附圖說明】
[0036] 圖1是樸素貝葉斯分類的流程圖。

【具體實(shí)施方式】
[0037] 一種通過大數(shù)據(jù)挖掘的數(shù)技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，具體如下：
[003引 1)通過江蘇電力的歷史故障數(shù)據(jù)分析出造成電網(wǎng)安全事故的主要因素W及他們 之間的關(guān)聯(lián)關(guān)系。
[0039] 2)通過對歷史經(jīng)驗(yàn)、基礎(chǔ)數(shù)據(jù)W及因素之間關(guān)聯(lián)關(guān)系構(gòu)建風(fēng)險評估模型；
[0040] 3)進(jìn)行電網(wǎng)安全事故的應(yīng)用場景選型，并根據(jù)場景進(jìn)行數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)篩選、數(shù)據(jù) 挖掘。
[0041] 4)通過決策平臺對分析后的數(shù)據(jù)進(jìn)行圖形化展示，并對數(shù)據(jù)進(jìn)行驗(yàn)證。
[0042] 2、通過樸素貝葉斯分類算法對電網(wǎng)歷史設(shè)備故障數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘W及模型構(gòu) 建，貝葉斯分類是一類分類算法的總稱，該類算法均W貝葉斯定理為基礎(chǔ)，故統(tǒng)稱為貝葉斯 分類；樸素貝葉斯分類的在本系統(tǒng)中進(jìn)行電網(wǎng)設(shè)備故障挖掘的應(yīng)用場景如下：
[0043] 31)設(shè)類別集合C= {yu=0，yi= 1}，其中C表示類別集合，0表示不發(fā)生故障，1 表示發(fā)生故障；
[0044] 3。設(shè)I = {Xi，X2,. . . . x。}，1《i《m，其中I叫待分類項(xiàng)集合，其中每個元素Xi 表示一個待分類項(xiàng)；
[0045] 城設(shè)X =咕，32…a。}，1《j《n為一個待分類項(xiàng)，a為X的一個特征屬性。X 在故障挖掘模型中可W理解為包含如下字段的一條記錄（ID，SB_ID，DYDJ，DW_I化抓S_XL_ ID, S化X，SY町，JLZT，TYRQ，TZSJ，YEAR, DUR_DAY)其中，ID 是設(shè)備的邏輯 ID, SB_ID 是設(shè)備的 物理ID，DYDJ是設(shè)備的電壓等級，DW_ID是設(shè)備的單位ID，BDS_XL_ID表示設(shè)備的上級（變 電所或者線路）ID，SJLX是設(shè)備的類型，SY町是設(shè)備的使用環(huán)境，JLZT是設(shè)備的狀態(tài)，TYRQ 是設(shè)備的投運(yùn)日期，TZSJ是設(shè)備跳閩時的統(tǒng)計(jì)月份，YEAR是設(shè)備的年份，DUR_DAY是設(shè)備跳 閩時間和投運(yùn)時間的間隔月份。
[0046] 每個特征屬性a郁做了分類，比如電壓等級該個屬性，DYDJ< = 20000標(biāo)志為1， 即 aj= 1，DYDJ〉20000 標(biāo)志為 2,即 a j= 2。
[0047] 34)根據(jù)上面的信息，計(jì)算某一條記錄已發(fā)生的前提下，設(shè)備發(fā)生故障的概率。根 據(jù)貝葉斯分類，設(shè)備發(fā)生故障的概率的計(jì)算公式為pbilx) = p(x|yi)p(yi)/p(x)
[0048] 計(jì)算34)中的各個條件概率，具體如下：
[0049] 341)P(x) = 1/樣本數(shù)量，即 1/m ;p(y〇) = p(yi) = 1/2。
[0化0] 342)統(tǒng)計(jì)得到在各類別下各個特征屬性的條件概率估計(jì)；即
[0化1] 訓(xùn)練樣本中，不發(fā)生故障的樣本中，屬性分別為ai，32…a。的概率：
[0052] P(aJy〇),P(a2|y〇), --?,P(aJy〇)
[0053] 其中，P(aJy〇) = p(ai= 1 |y 〇)*p(ai= 2 |y 0)…*p(ai = m|y 0)，
[0054] W特征屬性電壓等級為例：
[0055] p(ai= l|y。）=不發(fā)生故障的訓(xùn)練樣本中電壓等級《20000的樣本數(shù)量/不發(fā)生 故障的訓(xùn)練樣本數(shù)量；
[0化6] P (ai= 2 I y。）=不發(fā)生故障的訓(xùn)練樣本中電壓等級>20000的樣本數(shù)量/不發(fā)生 故障的訓(xùn)練樣本數(shù)量
[0057] 訓(xùn)練樣本中，發(fā)生故障的樣本中，屬性分別為ai，32…a。的概率：
[005引 P (ai I yi)，P (321 yi)，…，P (a。I yi)
[0059] 其中，P(ajyi) = p(ai= 1 |y i)*p(ai= 2|y 1)…*p(ai = m|y 1)，
[0060] W特征屬性電壓等級為例：
[0061] p(ai= 1|yi)=發(fā)生故障的訓(xùn)練樣本中電壓等級《 20000的樣本數(shù)量/發(fā)生故障 的訓(xùn)練樣本數(shù)量；
[006引 p(ai= 2 |y 1)=發(fā)生故障的訓(xùn)練樣本中電壓等級>20000的樣本數(shù)量/發(fā)生故障 的訓(xùn)練樣本數(shù)量
[0063] 343)由于各個特征屬性是條件獨(dú)立的，則根據(jù)貝葉斯定理有如下推導(dǎo)： ' . 巧,小/!')巧的')
[0064] 巧化|i'）= ^耗向,,,,,在本系統(tǒng)故障挖掘模型中，即可得到兩個結(jié)果：某條 記錄存在的前提下（相當(dāng)于X)，其發(fā)生故障的概率，和不發(fā)生故障的概率。
【權(quán)利要求】
1. 一種通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，其特征在于該方法包括以 下步驟： 1) 通過歷史故障記錄以及缺陷數(shù)據(jù)分析，得到造成電網(wǎng)設(shè)備的主要因素； 2) 對安全事故因素進(jìn)行關(guān)聯(lián)性分析； 3) 通過對歷史經(jīng)驗(yàn)、基礎(chǔ)數(shù)據(jù)以及因素之間關(guān)聯(lián)關(guān)系構(gòu)建風(fēng)險評估模型； 4) 進(jìn)行電網(wǎng)安全事故的應(yīng)用場景選型，并根據(jù)場景進(jìn)行數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)篩選、數(shù)據(jù)挖 掘； 5) 通過決策平臺對分析后的數(shù)據(jù)進(jìn)行圖形化展示，并對數(shù)據(jù)進(jìn)行驗(yàn)證。
2. 根據(jù)權(quán)利要求1所述的通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，其特 征在于：步驟1)中，歷史故障記錄包括安全生產(chǎn)管理系統(tǒng)中變電故障記錄、配電故障搶修 記錄，變電故障記錄包括跳閘時間、保護(hù)動作、重合閘情況、處理經(jīng)過與分析、責(zé)任原因、技 術(shù)原因分析；配電故障搶修記錄包括地區(qū)特征、故障時間、保護(hù)動作情況、故障分類、故障過 程、故障分析；缺陷數(shù)據(jù)包括變電缺陷記錄、輸電缺陷記錄和配電缺陷記錄，變電缺陷記錄 包括設(shè)備類型、電壓等級、缺陷內(nèi)容、缺陷性質(zhì)、技術(shù)原因、責(zé)任原因、發(fā)現(xiàn)時間；輸電缺陷記 錄包括發(fā)現(xiàn)時間、缺陷分類、缺陷內(nèi)容、缺陷內(nèi)容備注；配電缺陷記錄包括發(fā)現(xiàn)日期、設(shè)備類 另IJ、缺陷等級、缺陷內(nèi)容、缺陷內(nèi)容備注、缺陷原因；其中由自然環(huán)境引起的占33. 65 %;由設(shè) 備老化引起的占22. 48% ;由外力破壞引起的占21. 68% ;由用戶原因引起的占17. 88% ; 由運(yùn)彳丁維護(hù)不良引起的占2. 15 % ;由設(shè)備質(zhì)量引起的占1. 98 % ;由其他原因引起的約占 0? 18%〇
3. 根據(jù)權(quán)利要求1所述通過大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)電網(wǎng)設(shè)備故障預(yù)警的方法，其特征在 于：步驟3)和步驟4)中，構(gòu)建風(fēng)險評估模型以及數(shù)據(jù)挖掘時采用貝葉斯算法：貝葉斯分類 是一類分類算法的總稱，這類算法均以貝葉斯定理為基礎(chǔ)，故統(tǒng)稱為貝葉斯分類；樸素貝葉 斯分類的在本系統(tǒng)中進(jìn)行電網(wǎng)設(shè)備故障挖掘的應(yīng)用場景如下： 31) 設(shè)類別集合C=Iytl= 0,yi= 1}，其中C表示類別集合，O表示不發(fā)生故障，1表 示發(fā)生故障； 32) 設(shè)I=U1,x2,--xm}，1彡i彡m，其中I叫待分類項(xiàng)集合，其中每個元素Xi表示 一個待分類項(xiàng)； 33) 設(shè)X=Ia1,afan}，1彡j彡n為一個待分類項(xiàng)，a』為X的一個特征屬性。X在故 障挖掘模型中可以理解為包含如下字段的一條記錄（ID，SB_ID，DYDJ，DW_ID，BDS_XL_ID，SJ LX，SYHJ，JLZT，TYRQ，TZSJ，YEAR,DUR_DAY)其中，ID是設(shè)備的邏輯ID，SB_ID是設(shè)備的物理 ID，DYDJ是設(shè)備的電壓等級，DW_ID是設(shè)備的單位ID，BDS_XL_ID表示設(shè)備的上級（變電所 或者線路）ID，SJLX是設(shè)備的類型，SYHJ是設(shè)備的使用環(huán)境，JLZT是設(shè)備的狀態(tài)，TYRQ是設(shè) 備的投運(yùn)日期，TZSJ是設(shè)備跳閘時的統(tǒng)計(jì)月份，YEAR是設(shè)備的年份，DUR_DAY是設(shè)備跳閘時 間和投運(yùn)時間的間隔月份。 每個特征屬性Bi都做了分類，比如電壓等級這個屬性，DYDJ〈 = 20000標(biāo)志為1，即a」 =1，DYDJ>20000 標(biāo)志為 2,即a」=2。 34) 根據(jù)上面的信息，計(jì)算某一條記錄已發(fā)生的前提下，設(shè)備發(fā)生故障的概率。根據(jù)貝 葉斯分類，設(shè)備發(fā)生故障的概率的計(jì)算公式為P(YiIX) =P(Xlyi)PbiVp(X) 計(jì)算34)中的各個條件概率，具體如下： 341)P(x) = 1/ 樣本數(shù)量，SP1/m;p(yQ) =p(yD= 1/2。 342) 統(tǒng)計(jì)得到在各類別下各個特征屬性的條件概率估計(jì)；即 訓(xùn)練樣本中，不發(fā)生故障的樣本中，屬性分別為apa2?an的概率： P (aj I y〇), P (a21 I0), , P (an | y〇) 以特征屬性電壓等級為例： p(a1=I|y。）=不發(fā)生故障的訓(xùn)練樣本中電壓等級< 20000的樣本數(shù)量/不發(fā)生故障 的訓(xùn)練樣本數(shù)量； Pfe1= 21yd=不發(fā)生故障的訓(xùn)練樣本中電壓等級 >20000的樣本數(shù)量/不發(fā)生故障的訓(xùn)練樣本數(shù)量 訓(xùn)練樣本中，發(fā)生故障的樣本中，屬性分別為apa2?an的概率： P(B1Iy1)1P(B2Iy 1), --?, P(BnIy1) 其中，PCa11Y1 =p(a! = 11yD*pCa1 = 2IyD…*pCa1 =mIyD， 以特征屬性電壓等級為例： p(a1= 11yJ=發(fā)生故障的訓(xùn)練樣本中電壓等級彡20000的樣本數(shù)量/ 發(fā)生故障的訓(xùn)練樣本數(shù)量； Pfe1= 2Iy1)=發(fā)生故障的訓(xùn)練樣本中電壓等級 >20000的樣本數(shù)量/發(fā)生故障的訓(xùn)練樣本數(shù)量 343) 由于各個特征屬性是條件獨(dú)立的，則根據(jù)貝葉斯定理有如下推導(dǎo)：
在本系統(tǒng)故障挖掘模型中，即可得到兩個結(jié)果：某條記錄 t 存在的前提下相當(dāng)于X，其發(fā)生故障的概率，和不發(fā)生故障的概率。
【文檔編號】G06Q50/06GK104504525SQ201410829285
【公開日】2015年4月8日 申請日期:2014年12月26日 優(yōu)先權(quán)日:2014年12月26日
【發(fā)明者】方泉, 潘留興, 卜曉 申請人:國家電網(wǎng)公司, 江蘇省電力公司, 江蘇電力信息技術(shù)有限公司