论文题目：某区域大电网高压继电保护文本缺陷数据分析及应用研究
摘要：近年来,电网规模日趋庞大,继电保护装置数量也发生了跨越式的增长。继电保护装置缺陷管理工作完成的好坏直接影响到继电保护系统能否维持电力系统的安全稳定运行。如何在现有人员配置的情况下,解决“设备多,人少”的矛盾,满足运维工作的及时高效,从而保障电网安全,成为困扰各大电力企业的难题。得益于智能化继电保护信息平台的建设,继电保护装置在日常运行中产生的数据可以被快速存储。其中,继电保护文本缺陷数据可以直接反应继电保护装置状态及可靠性水平,因此针对此类数据进行挖掘和分析,将对提升继电保护运维和管控水平有着重要意义。然而,传统的数学统计分析方法很难满足文本缺陷数据特征提取及有效信息挖掘的要求,亟待找到新的数据挖掘方法。随着人工智能、自然语言等新兴技术与电力系统的物理规律、专业知识的融合,“电力人工智能”应运而生,这为开展缺陷文本数据的深入挖掘及应用创造了有利条件。本文针对某区域高压继电保护缺陷文本数据进行了分析及应用研究,论文的主要内容包括如下四点:（1）分析了继电保护规范型缺陷数据统计学特征。结合某区域电网整体规范型缺陷数据,从缺陷分布、缺陷原因、缺陷部位三个角度进行统计分析,得到了继保装置缺陷集中分布情况、缺陷发生的主要因素及缺陷频发的部位。进一步,开展了不同厂商规范型缺陷数据的分析,比较分析了厂商缺陷率的差异。（2）基于Apriori算法挖掘得到继电保护规范型数据间的关联规则。结合某区域电网整体缺陷数据,分析了继电保护装置的共性缺陷特征;结合主要厂商缺陷数据,分析了继电保护装置的家族性缺陷特征。进一步,应用FP-Growth算法提升了规则挖掘效率。最后依据缺陷特征,提出了适用于继电保护装置可靠性评估的指标。（3）基于某区域电网继电保护非规范型数据（缺陷日志）,构建了短文本预处理模型,生成了词典。具体地,采用正则表达式建立了停用词表,运用结巴分词对缺陷日志进行了词语划分,得到了继电保护装置领域词典;同时分析了继保词汇的语言特性与通用文本语料库语言特征的异同。（4）分别构建了基于KNN算法和朴素贝叶斯算法的继电保护缺陷定级模型。结合文本向量化表达的思想,对继保装置领域词典词汇进行了词袋模型的构建,通过实际算例,比较分析了上述两种算法在继电保护缺陷定级的适用性。
关键词：自然语言;机器学习;文本缺陷数据;数据挖掘;关联规则;缺陷定级
学科专业：工程硕士（专业学位）
摘要
Abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 文本数据挖掘与自然语言处理研究及现状
1.2.2 电网中数据挖掘研究现状
1.2.3 二次设备继电保护数据挖掘研究现状
1.3 论文主要工作
第二章 规范型继电保护缺陷数据的统计分析
2.1 引言
2.2 继电保护文本缺陷数据结构组成
2.3 继电保护整体缺陷数据的统计学分析
2.3.1 缺陷分布分析
2.3.2 缺陷原因分析
2.3.3 缺陷部位分析
2.4 继电保护不同厂商缺陷数据统计分析
2.5 本章小结
第三章 继电保护规范型缺陷数据的关联性分析
3.1 引言
3.2 关联规则与Apriori算法
3.3 基于Apriori算法的缺陷数据关联性分析模型的建立
3.4 算例分析
3.4.1 整体数据的关联挖掘
3.4.2 主要厂商的关联挖掘
3.5 FP-Growth算法对关联规则挖掘效率的提升
3.6 关联规则应用于继电保护评价指标体系的指导
3.7 本章小结
第四章 继电保护非规范型文本缺陷数据处理和分析
4.1 引言
4.2 某区域继电保护设备缺陷记录日志的文本格式及常见问题
4.3 继电保护文本缺陷数据的词典建立
4.3.1 数据预处理
4.3.2 文本分词
4.4 继电保护文本缺陷数据的自然语言特性分析
4.4.1 基于Zipf法则的专业字词的分布特征分析
4.4.2 专业词语信息熵特性分析
4.4.3 专业词语在句子中的共现矩阵分析
4.5 本章小结
第五章 基于文本缺陷数据的缺陷定级模型研究
5.1 引言
5.2 缺陷定级模型的建立
5.3 词袋模型的构建及文本向量化表达
5.4 分类器的构建
5.4.1 KNN算法应用于缺陷定级
5.4.2 朴素贝叶斯算法应用于缺陷定级
5.4.3 两种分类器结果对比
5.5 文章小结
第六章 结论
6.1 研究工作总结
6.2 不足和展望
参考文献
致谢