电力信息技术（第八课）.pptVIP

第八章 数据仓库与数据挖掘 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 8.5.2电力企业数据挖掘主题维度建模 图8中的事实表并未标明具体名称，这个模型其实同时适合于电能质量相关的几个信号：三相电流、三相电压、中线电流和中线对地电压，所以图中未明确标明。 8.5.2电力企业数据挖掘主题维度建模 对电能质量数据集市可以做的分析如下： 时间维度。分析系统各个时间段中电流、电压总谐波畸变率在各个范围内的时间百分比，纪录总谐波畸变率超限的起始时间和结束时间以及超限的最严重值。 电能质量类别键。分析不同电能质量类别的电流电压总谐波畸变率、各次谐波电流、电压畸变率情况。 地理维度键。分析各地理位置小区、台区、线路监测点电能质量出现率及出现类别等。 8.5.3 电力企业数据挖掘的应用 以电力系统故障诊断主题为例：采用数据挖掘中的粗糙集属性归约算法过滤大量故障数据中的冗余属性，得到精简的故障数据集，然后利用改进的ID3算法构造决策树，产生分类所需的规则，构成故障规则库，实现故障诊断主题。用关系数据库，设计适合OLAP和数据挖掘的星型模型来存储数据。针对于电力故障诊断主题，设计电力设备故障、气象和负荷的数据仓库。在该星型模型中，主要构建时间维、设备参数维和机组参数维等维表。负荷事实表与维表的星型数据模型。通过这一模型，调度人员可以进行各种组合查询。同时数据仓库根据故障诊断的主题建立故障数据集市。 在已经建立的电力故障数据仓库基础上，电力企业的相关人员就可以直接对该数据仓库进行一些简单的查询。但是随着电网规模的不断扩大，信息的快速增加，传统的简单查询功能已经远不能满足电力调度的需要了。OLAP专门用于支持复杂的决策分析，可以帮助调度人员实现所需要的复杂功能。在数据仓库环节中已经设计出了适合OLAP的星型模型来存储数据，该数据仓库模型是基于多维数据的，该模型将数据转化成数据立方体(data cube)形式。 8.5.3 电力企业数据挖掘的应用 * * * * * * * * * * * * * * * * * * * * * * * * * * * * 8.4.3 数据挖掘算法 数据挖掘算法 进化算法 进化计算是一种使用进化过程的计算模型作为设计和执行的关键步骤的问题解决体系，它包括遗传算法、进化规划、进化策略、遗传编程等。尽管进化计算有很多变化，它们都是基于达尔文等生物学家在生物进化领域研究的成果建立起的计算模型。与传统的基于微积分的方法和穷举法等优化算法相比，进化计算是一种成熟的具有高鲁棒性和广泛适用性的全局优化方法。具有自组织、自适应、自学习的特性。 8.4.3 数据挖掘算法 较为典型的是遗传算法。遗传算法是一种基于生物自然选择与遗传机理的随机有哪些信誉好的足球投注网站算法，是一种仿生全局优化方法。遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。 8.4.3 数据挖掘算法 学者Sunil已成功地开发了一个基于遗传算法的数据挖掘工具，利用该工具对两个飞机失事的真实数据库进行了数据挖掘实验，结果表明遗传算法是进行数据挖掘的有效方法之一。遗传算法的应用还体现在与神经网络、粗集等技术的结合上。如利用遗传算法优化神经网络结构，在不增加错误率的前提下，删除多余的连接和隐层单元；用遗传算法和BP（Back Propagation, 神经网络一种典型算法）算法结合训练神经网络，然后从网络提取规则等。但遗传算法的算法较复杂，收敛于局部极小的较早收敛问题尚未解决。 8.4.3 数据挖掘算法 关联算法，关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。 8.4.3 数据挖掘算法 学者Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。 最近也有独立于Agrawal频集方法的工作，以避免频集方法的一些缺陷，探索挖掘关联规则的新方法。也有一些工作注重于对挖掘到的模式的价值进行评估，他们提出的模型建议了一些值得考虑的研究方向。