[發明專利]一種TFRI權重計算模型的建立方法

在審

• 申請號: 202110391118.1
• 申請日: 2021-04-12
• 公開（公告）號: CN113112067A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 孫辰昊;曾祥君;李澤文;王文;王媛媛;張永熙
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06F30/20
• 代理公司: 深圳市深軟翰琪知識產權代理有限公司 44380
• 代理人: 吳雅麗

本發明公開了一種TFRI權重計算模型的建立方法，基于ARMret預測模型，建立TFRI權重計算模型,TFRI是指雙重風險指數，采用TFRI權重計算模型，ARMret預測模型能夠有效處理數據容量有限或特征記錄相對模糊的情況。

技術領域

本發明涉及一種基于計及罕見變量的關聯規則挖掘故障分布預測模型(Association Rule Mining with Rare Elements and Time series,ARMret)以及TFRI(雙重風險指數)權重計算模型。

背景技術

在所研究的各個輸電線路系統外部環境特征與輸電線路系統故障發生時段中，往往存在一些出現頻率較低的環境元素以及一些故障發生較少的時段。但當面對環境特征中的不同環境元素以及不同時段時，傳統ARM算法仍然采用相同且固定的重要度診斷標準得分計算方法及閾值設定方法，將導致包括罕見環境元素和罕見故障時段在內的罕見變量未經任何分析而被直接舍棄。考慮到這些罕見變量與真實故障之間同樣存在關聯性，因此對這些罕見變量進行挖掘和分析可以有效改善故障預測的準確性。

因此，有必要設計一種基于計及罕見變量的故障預測方法以及一種新的權重計算模型。

發明內容

本發明所要解決的技術問題是提供一種TFRI權重計算模型的建立方法，該TFRI權重計算模型具有預測準確性高的特點。

發明的技術解決方案如下：

先介紹ARMret模型:

一種基于計及罕見變量的ARMret模型的故障預測方法包括以下步驟：

步驟1：挖掘罕見元素和常見元素并歸類；

在訓練數據集中存儲有多條關于電力故障的故障記錄，針對某一個環境特征f_j所含有的全部環境元素，采用基于條件重要度診斷標準閾值設定方法的重要度診斷標準計算方法挖掘出其中相應的罕見元素，余下的元素即為常見元素；

不含任何罕見元素的故障記錄被歸類于S^g；

含有任意罕見元素的故障記錄被歸類于

S^g：變量映射空間，包含所有數據庫中的故障記錄；

變量映射空間，僅包含數據庫中帶有某一個特征f_j中任意罕見環境元素的故障記錄；

步驟2：挖掘基于這些罕見元素的HILP元素，以高頻變量集和頻繁關聯規則的形式體現；

HILP是指高風險低概率；

步驟3：對于訓練數據集中的每一個環境特征，依次重復進行步驟1-2；

步驟4：由下式求解各個元素的相對權重；

為環境特征f_j的相對權重；若一個環境特征f_j含有罕見環境元素，且一條故障記錄X→Y中含有f_j，則該環境特征f_j的相對權重寫為

其中，t_i為輸入數據庫中的第i條故障記錄；D＝{t₁，t₂，…，t_m}為含有m條故障記錄的輸入數據庫；D_y∈D＝{D₁,D₂,…,D_z}代表輸入數據庫D中一年的數據，即在一年內發生的故障(各條故障記錄)；D₁,D₂,…,D_z代表輸入數據庫D中第一年、第二年直至最后一年(D_z)的數據；