基于混合数据挖掘方法的配电网故障诊断技术  

Hybrid data mining based fault diagnosis for distribution systems

作　　者：宋凯[1] 刘润华[1] 康忠健[1] 

机构地区：[1]中国石油大学信息与控制工程学院,山东东营257061

出　　处：《电力科学与技术学报》2010年第2期68-72,共5页Journal of Electric Power Science And Technology

基　　金：国家自然科学基金(60971077);山东省自然科学基金(ZR2009FM061)

摘　　要：针对单一数据挖掘方法在配电网故障诊断中存在的一些缺陷,提出一种基于混合数据挖掘方法的新型配电网故障诊断技术。首先利用粗糙集理论对原始故障数据进行约简,形成精简的规则集,然后利用神经网络调用最简规则集进行学习训练,具有学习训练时间短、诊断准确度高等特点.实例验证了该方法的有效性.For improving the deficiencies of single data mining method for distribution systems fault diagnosis,a new fault diagnosis technique with hybrid data mining methods is proposed in this paper.Firstly,the original fault data is reduced by using the rough set theory,and a streamlined rules set is formed.Then,a neural network is trained by calling the simple rules set,the training time is short and the diagnosis accuracy is improved.Finally,an example illustrates the effectiveness of the proposed method.

关 键 词：数据挖掘 粗糙集 人工神经网络 配电网 故障诊断 

分 类 号：TM711[电气工程—电力系统及自动化]