基于改进粗糙集方法的电力系统数据挖掘

摘要

电力系统数据的海量与复杂性,决定了其数据具有多层次性,随机性,同时还存在故障信息小完整等特点.针对此问题,以往多采用粗糙集进行约简,并提取相关规则,而当关键信息丢失时,以往的方法并小能导出正确结论.且耗时长.本文提出一种将粗糙集理论与朴素贝叶斯相结合的数据挖掘方法,通过粗糙集求取最小属性约简集,并在此基础上利用朴素贝叶斯诊断出故障概率最大的区,最后针对具体的故障设定值对该方法进行了验证.算例结果表明,该方法能在故障信息不完整甚至丢失核属性的情况下得到较好的诊断结果,提高了系统的容错性.