基于FP-growth算法的電網(wǎng)運行風(fēng)險分析

鄧智廣

（廣東電網(wǎng)有限責(zé)任公司佛山供電局，廣東 佛山 528000）

0 引 言

伴隨電網(wǎng)智能化程度的不斷加深，電網(wǎng)結(jié)構(gòu)必然日益龐大且復(fù)雜化，因此在電網(wǎng)運行過程中必然會存在很多潛在的不確定風(fēng)險，這也對確保電網(wǎng)安全方法提出了更高的要求[1]。為有效避免由于電網(wǎng)運行風(fēng)險導(dǎo)致的電網(wǎng)故障，進一步確保電網(wǎng)的安全穩(wěn)定運行，分析電網(wǎng)運行風(fēng)險是解決此問題的有效途徑。本文通過將FP-growth算法引進到電網(wǎng)運行風(fēng)險分析方法中，致力于在保障電網(wǎng)能夠正常運行的同時，使電力能夠得到可靠供應(yīng)。FP-growth算法在本質(zhì)上是一種關(guān)聯(lián)分析算法，可以通過構(gòu)建FP-tree前綴樹，加快整個挖掘過程，同時FP-growth算法以其頻繁模式對關(guān)聯(lián)信息具有出色的保留能力，能夠廣泛應(yīng)用于數(shù)據(jù)挖掘中，并可以取得良好的應(yīng)用效果[2]。為此，本文提出基于FP-growth算法的電網(wǎng)運行風(fēng)險分析方法，通過運用FP-growth算法中的FP-tree，搜索最短傳輸路徑，獲取危險線路，從而提高電網(wǎng)運行風(fēng)險分析的精準(zhǔn)度，為電網(wǎng)運行工作提供理論依據(jù)。

1 基于FP-growth算法的電網(wǎng)運行風(fēng)險分析

1.1 構(gòu)造電網(wǎng)運行風(fēng)險分析FP-tree

首先，運用FP-growth算法中的FP-tree特殊數(shù)據(jù)結(jié)構(gòu)，通過兩次掃描電網(wǎng)運行風(fēng)險數(shù)據(jù)，將原始數(shù)據(jù)壓縮到一個FP-tree中。在同一個FP-tree中，只要擁有相同的路徑就能夠達到壓縮數(shù)據(jù)的目的。設(shè)在電網(wǎng)運行風(fēng)險數(shù)據(jù)集為c，那么c={c1,c2,c3,…cn}，ci指的是電網(wǎng)運行風(fēng)險數(shù)據(jù)集c中的任一事物。本文以c為例，通過二次遍歷構(gòu)造電網(wǎng)運行風(fēng)險分析FP-tree。

第一次遍歷c，設(shè)電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項為l；出現(xiàn)頻率為f，將每一個電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項以出現(xiàn)頻率的降序作為排列順序，并進行排列[3]。預(yù)先將支持度設(shè)為fmin，只選取大于fmin的元素項，根據(jù)標(biāo)識信息中的相同電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項節(jié)點進而建立連接關(guān)系。第二次遍歷c，將經(jīng)過排序和篩選處理的電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項重新以出現(xiàn)頻率的降序作為排列順序進行排列，得到新的電網(wǎng)運行風(fēng)險數(shù)據(jù)集，設(shè)數(shù)據(jù)集為cn，對該數(shù)據(jù)集進行充新掃描。cn數(shù)據(jù)集本身作為一個空集存在，需要將ci按照具有相同前綴分支的標(biāo)準(zhǔn)依次添加到cn數(shù)據(jù)集中，若包含前電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項數(shù)值記為加1，若不包含則建立新的分支，直至完成電網(wǎng)運行風(fēng)險分析FP-tree構(gòu)造。

假定在cn數(shù)據(jù)集中包含4條事物，分別為c1={l1,l2,l3,l4}，c1={l2,l4,l5,l6}，c3={l2,l3,l4}，c4={l1,l2,l3,l4,l5,l6}，則基于cn數(shù)據(jù)集構(gòu)造的電網(wǎng)運行風(fēng)險分析FP-tree具體結(jié)構(gòu)，如圖1所示。

圖1 電網(wǎng)運行風(fēng)險分析FP-tree結(jié)構(gòu)示意圖

通過圖1可知，包含前電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項數(shù)值的元素項之間可以用曲線連接，不包含前電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項數(shù)值的元素項之間則通過直線建立新的分支[4]。

1.2 挖掘電網(wǎng)運行風(fēng)險關(guān)鍵線路

在得出電網(wǎng)運行風(fēng)險分析FP-tree的基礎(chǔ)上，運用FP-growth算法挖掘電網(wǎng)運行風(fēng)險關(guān)鍵線路，挖掘電網(wǎng)運行風(fēng)險關(guān)鍵線路的具體流程如圖2所示。

圖2 電網(wǎng)運行風(fēng)險關(guān)鍵線路挖掘流程

通過圖2可知，在電網(wǎng)運行過程中將發(fā)生過N次的故障導(dǎo)入電網(wǎng)運行風(fēng)險模擬器，將模擬結(jié)果輸出并結(jié)合線路故障發(fā)生的原因形成風(fēng)險鏈，再對風(fēng)險鏈進行格式化，得到格式化風(fēng)險鏈，最后導(dǎo)入電網(wǎng)運行風(fēng)險數(shù)據(jù)，利用FP-growth算法挖掘頻繁項集，輸出挖掘結(jié)果，確定電網(wǎng)運行風(fēng)險關(guān)鍵線路[5]。利用FP-growth算法挖掘頻繁項集可以通過對FP-tree中的電網(wǎng)運行風(fēng)險數(shù)據(jù)元素項遞歸獲取條件模式基，構(gòu)建條件FP-tree，保存頻繁項，直到FP-tree僅存一條分支終止遞歸，得到最終的頻繁項集列表，則該列表保存含電網(wǎng)運行風(fēng)險的頻繁項。

1.3 分析電網(wǎng)運行風(fēng)險

在挖掘出電網(wǎng)運行風(fēng)險關(guān)鍵線路的基礎(chǔ)上，運用風(fēng)險理論分析電網(wǎng)運行風(fēng)險。由于電網(wǎng)運行狀態(tài)的風(fēng)險伴隨著極高的不確定性，這就要求對電網(wǎng)運行狀態(tài)風(fēng)險數(shù)據(jù)的分析越來越精準(zhǔn)可靠。通過以上研究，基于FP-growth算法的數(shù)據(jù)挖掘能夠分析出電網(wǎng)運行狀態(tài)風(fēng)險的有效信息，可以進一步掌握電網(wǎng)運行狀態(tài)。為了滿足電網(wǎng)運行狀態(tài)風(fēng)險分析的實際情況，就必須加大FP-growth算法在電網(wǎng)運行風(fēng)險分析中的應(yīng)用力度。

2 仿真實驗

2.1 實驗準(zhǔn)備

設(shè)計仿真實驗，運用SIEEEVE-118節(jié)點測試系統(tǒng)分析電網(wǎng)運行狀態(tài)風(fēng)險，選取49條電網(wǎng)運行關(guān)鍵線路作為實驗對象，根據(jù)電網(wǎng)運行狀態(tài)風(fēng)險信息傳輸路徑作為分析依據(jù)，搜索最短傳輸路徑。本次仿真實驗選取的49條電網(wǎng)運行關(guān)鍵線路具體參數(shù)如表1所示。

表1 電網(wǎng)運行關(guān)鍵線路參數(shù)

結(jié)合表1信息，分別使用傳統(tǒng)風(fēng)險分析方法和本文設(shè)計風(fēng)險分析方法進行仿真實驗，設(shè)置傳統(tǒng)的風(fēng)險分析方法為實驗對照組。仿真實驗軟件為SIEEEVE-118節(jié)點測試系統(tǒng)，主要用于對電網(wǎng)運行風(fēng)險分析的仿真模擬。仿真實驗主要內(nèi)容為測試兩種風(fēng)險分析方法的風(fēng)險誤報率，從而評定分析精度更高的風(fēng)險分析方法。在此次的仿真實驗中，共針對49條線路進行3組對比實驗，針對SIEEEVE-118節(jié)點測試系統(tǒng)測得的風(fēng)險誤報率，記錄實驗結(jié)果，進而判斷兩種風(fēng)險分析方法對于電網(wǎng)運行風(fēng)險的分析能力。

2.2 實驗結(jié)果分析與結(jié)論

根據(jù)上述設(shè)計的仿真實驗步驟，采集3組對比實驗數(shù)據(jù)，將兩種風(fēng)險分析方法下的風(fēng)險誤報率進行對比。為更加直觀地表現(xiàn)出兩種風(fēng)險分析方法在風(fēng)險誤報率方面的差異，將兩種風(fēng)險分析方法下得出的風(fēng)險誤報率繪制為曲線圖，如圖3所示。

圖3 風(fēng)險誤報率對比圖

通過圖3可得出如下的結(jié)論，本文設(shè)計的風(fēng)險分析方法風(fēng)險誤報率最高為0.249%，實驗對照組為0.496%，設(shè)計的風(fēng)險分析方法風(fēng)險誤報率更低，可以實現(xiàn)對電網(wǎng)運行風(fēng)險精準(zhǔn)分析。通過仿真驗證結(jié)果，證明所設(shè)計的風(fēng)險分析方法其各項功能均可以滿足設(shè)計總體要求，可以廣泛應(yīng)用于電網(wǎng)運行風(fēng)險分析方面。

3 結(jié) 論

通過仿真實驗證明，本文設(shè)計風(fēng)險分析方法在電網(wǎng)運行狀態(tài)風(fēng)險分析中的具體優(yōu)勢已經(jīng)顯現(xiàn)出來。風(fēng)險誤報率的高低是保證電網(wǎng)運行狀態(tài)風(fēng)險分析精度的主要衡量標(biāo)準(zhǔn)，而針對電網(wǎng)運行狀態(tài)風(fēng)險分析方法進行基于FP-growth算法的優(yōu)化可以大幅度提高風(fēng)險分析精度。引進FP-growth算法的風(fēng)險分析方法不但能夠完成傳統(tǒng)的風(fēng)險分析方法所不能完成的任務(wù)，還能以FP-growth算法為核心算法，為電網(wǎng)運行狀態(tài)風(fēng)險分析領(lǐng)域的研究提供學(xué)術(shù)意義。