CN104809665B - 一种基于改进Apriori算法的配电网预警方法 - Google Patents

Abstract

本发明一种基于改进Apriori算法的配电网预警方法，属于电力***配电网预警领域，本发明具有思路清晰，算法简便，工作量较少，执行效率高的特点；本发明针对现有技术的缺陷，利用数据挖掘技术对历史数据进行挖掘，并在线监测实时数据，来判断当一个指标越线时，预测未来一段时间内会有那些指标可能会越线，并发出预警；克服了以往只能计算出当前一种指标越线的情形。

Description

一种基于改进Apriori算法的配电网预警方法

技术领域

本发明属于电力***配电网预警领域，具体涉及一种基于改进Apriori算法的配电网预警方法。

背景技术

近年来，随着经济的发展，国内外电力供应形势比较紧张，电力***先后发生了多次重大的停电事故，不仅造成了巨大的经济损失，也影响了人民的生活秩序，给社会带来了重大的影响；配电网是电力***中的重要组成部分，配电网的安全稳定运行是整个电网安全运行的重要环节，是目前提高供电***运行水平的关键环节。但目前配电网还是一个比较脆弱的***，一旦发生大面积故障或是停电事故，后果相当严重，甚至是灾难性的；同时配电网运行也会受到电网自身状况以及气象条件因素的影响，因此为了提高电力***的安全稳定性和可靠性，有必要对配电网运行中面临的风险进行安全预警，找出配电网潜在的故障风险。

现阶段，对配电网的预警都是，在线获取配电网实时数据，并进行各项指标的计算，从而判断某一指标是否越越限，发出预警；但并不能预测未来的一段时间内其他的指标是否也会越越限，发出预警。

发明内容

针对现有技术的不足，本发明提出一种基于改进Apriori算法的配电网预警方法，以达到对未来一段时间内可能发的指标越越限进行准确预测的目的。

一种基于改进Apriori算法的配电网预警方法，包括以下步骤：

步骤1、采集配电网的多组历史故障数据和历史气象数据，并建立原始数据库；

步骤2、实时采集配电网中不同区域的配电网数据和气象数据，所述的配电网数据包括母线电压、支路潮流、电缆分接头温度、负荷容量和元件是否发生故障；所述的气象数据包括异常温度值、强降雨量、强降雪量、雷电等级和冰灾等级；

步骤3、根据实时采集的配电网数据，获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标；

步骤4、根据所获配电网各项预警指标和气象数据，判断实时采集的数据是否存在越限配电网数据或异常气象数据，若是，则执行步骤5，否则，返回执行步骤3；

步骤5、采用改进的Apriori数据挖掘算法，在原始数据库获取与越限配电网数据或异常气象数据相关联的其他指标；

步骤6、将获得的与越限配电网数据和异常气象数据相关联的其他指标进行显示，提示调度人员采取措施。

步骤3所述的获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标，具体公式如下：

1)母线电压临界指标λ：

其中，λ_ij表示第i个地区中的第j条母线的电压临界指标，i＝1，2，……m，m表示配电网中区域的个数，j＝1，2，……n，n表示配电网中每个区域中所采集数据的母线条数；

λ_ij的计算公式如下：

其中，u_ij为母线j电压值，u′_ij为母线j的额定电压值；

2)支路潮流越限指标

其中，表示第i个地区中的第j₁条支路潮流越线指标；j₁＝1，2，3，…，k，k表示配电网中每个区域中所采集数据的支路条数；

的计算公式如下：

其中，表示第i个地区的第j₁条支路的潮流，表示支路j₁所能允许的最大潮流；

3)电缆分接头温度临界指标δ：

其中，表示第i个地区中的第j₂电缆分接头温度临界指标，j₂＝1，2，3，…，p，p表示配电网中所采集数据的含有电缆分接头的馈线段数；

的计算公式如下：

其中，表示馈线段j₂的电缆分接头当前温度，表示馈线段j₂的电缆分接头的最大可承受温度值；

4)负荷临界指标S：

其中，表示第i个地区中的第j₃条负荷临界指标；j₃＝1，2，3，…，w，w表示配电网中所采集数据负荷数，

的计算公式如下：

其中，表示第i个地区第j₃条负荷容量，表示第j₃负荷的额定容量。

步骤4所述的判断实时采集的数据是否存在越限配电网数据或异常气象数据，具体为：

判断配电网中每个地区中的每条母线的电压临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每条支路潮流越线指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每个电缆分接头温度临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断元件是否有故障，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每条负荷临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断异常温度值是否超过设定值，若是，则为异常气象数据，否则，正常；

判断强降雨量是否超过设定值，若是，则为异常气象数据，否则，正常；

判断强降雪量是否超过设定值，若是，则为异常气象数据，否则，正常；

判断雷电等级是否超过设定等级，若是，则为异常气象数据，否则，正常；

判断冰灾等级是否超过设定等级，若是，则为异常气象数据，否则，正常。

步骤5所述的采用改进的Apriori数据挖掘算法，在原始数据库获取与越限配电网数据或异常气象数据相关联的其他指标，具体步骤如下：

步骤5-1、将母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标、元件故障情况、负荷临界指标和各类气象数据构成项目集合；

步骤5-2、在原始数据库中获取历史故障数据和历史气象数据，将每组历史数据构成一个事务，所有组历史数据构成全体事务；

所述的事务为项目集合的一个非空子集；

步骤5-3、根据实际需求，设置最小支持事务数；

步骤5-4、对全体事务进行压缩，即在全体事务中，删除与越限配电网数据和异常气象数据无关的事务，获得候选1-项集，所述的候选1-项集中包含每个项目对应的事务，在候选1-项集中删除事务数小于最小支持事务数的项目，获得频繁1-项集；

步骤5-5、将频繁1-项集中的两两项取交集，获得候选2-项集，所述的候选2-项集中包含同时支持两个项的事务，在候选2-项集中删除同时支持两个项的事务数小于最小支持事务数的项集，获得频繁2-项集；

步骤5-6、将频繁2-项集中每项与频繁1-项集中每项取交集，获得候选3-项集，所述的候选3-项集中包含同时支持三个项的事务，在候选3-项集中删除同时支持三个项的事务数小于最小支持事务数的项集，获得频繁3-项集；

步骤5-7、根据步骤5～6的过程，以此类推，将频繁k-1-项集中每项与频繁1-项集中每项取交集，获得候选k-项集，在候选k-项集中删除同时支持k个项的事务数小于最小支持事务数的项集，获得频繁k-项集，直到不再有频繁项集产生；

步骤5-8、根据获得的最终频繁k-项集，从频繁k-项集中找出置信度大于最小置信度的强关联规则，确定与越限配电网数据和异常气象数据相关联的其他指标，并对原始数据库进行更新。

本发明优点：

本发明一种基于改进Apriori算法的配电网预警方法，具有思路清晰，算法简便，工作量较少，执行效率高的特点；本发明针对现有技术的缺陷，利用数据挖掘技术对历史数据进行挖掘，并在线监测实时数据，来判断当一个指标越线时，预测未来一段时间内会有那些指标可能会越线，并发出预警；克服了以往只能计算出当前一种指标越线的情形。

附图说明

图1为本发明一种实施例的某城市一个地区的高压配电***接线图；

图2为本发明一种实施例的基于改进Apriori算法的配电网预警方法流程图；

图3为本发明一种实施例的在原始数据库获取与越限配电网数据或异常气象数据相关联的其他指标方法流程图。

具体实施方式

下面结合附图对本发明一种实施例做进一步说明。

电力***预警评价体系建立的一般过程：采用理论分析法对收集到的在线信息、文献资料、历史记录进行处理，去除其中无意义的、冗余的部分，选取那些重要性和出现频率比较高的指标；以指标能否反映电力***的稳定运行状态为主要考虑内容，以电力***运行数据为主要初始数据源，采用关联规则挖掘法对原始数据进行挖掘，确定关联度比较高的指标；配电网利用通信、测量、传感等技术实时获取各类信息，以各种智能化设备为硬件基础，主要包括传感器模块、数据采集通道、数据采集卡和控制计算机；以集成高级应用功能的可视化软件为核心，以实现配电网的监测、计算、预警和诊断，从而为用户提供高质量的电能；

本发明中以某一城市为例，将此城市划分为5个区域，分别标记为D1、D2、D3、D4、D5；为简化计算，假设这五个地区的配电网接线图相同，每个地区的高压配电***接线图如图1所示，电压等级为110KV，包含110KV变电站1座，发电厂1个，10台110KV变电站，8条110KV线路和10条10KV母线。

基于改进Apriori算法的配电网预警方法，方法流程图如图2所示，包括以下步骤：

步骤1、采集配电网的多组历史故障数据和历史气象数据，并建立原始数据库；

本发明实施例中，收集5个地区配电网历史的故障数据和历史气象数据作为原始数据库；主要采用长期记录数据库的软件包Access作为数据库平台来保存所用到的各类历史数据，一般为5到10年。

步骤2、实时采集配电网中不同区域的配电网数据和气象数据，所述的配电网数据包括母线电压、支路潮流、电缆分接头温度、负荷容量和元件是否发生故障；所述的气象数据包括异常温度值、强降雨量、强降雪量、雷电等级和冰灾等级；

本发明实施例中，利用通信、测量、传感等技术对配电网在线实时监测，收集配电网实时数据，并从气象局获取当前气象数据和预测的气象数据；本发明实施例中，数据采集主要通过传感器模块、BNC2120型号的数据采集通道、PCI6221型号的数据采集卡和控制计算机实现；通过数据采集，输入到计算机中，经过数据的处理、计算，以集成高级应用功能的可视化软件为核心，得到的结果在可视化窗体界面上显示出来，提供给调度运行人员；为调度运行人员提供决策依据；记录预警的具体情况，将此次的数据存入历史数据库，使数据库得到更新。

采集到5个地区的母线电压如下表所示：

表1不同地区各母线电压数据

采集到5个地区的电缆分接头温度分别为下表所示，每个接头用T1、T2…表示，由于篇幅限制，本发明实施例中每个地区采集5个分接头的温度；

表2不同地区电缆分接头温度

采集到5个地区的不同支路上的潮流如表3所示：

表3不同地区个支路潮流

采集到不同地区的日负荷，此算例中采集5个地区的负荷，每个地区的负荷量如表4所示。

表4不同地区的负荷量

从气象中心获取的气象数据，如表5所示，规定异常温度正常指标为[-28℃～38℃]，强降雨量正常指标为[0～50mm]，强降雪量正常指标(积雪厚度)[0～7cm]，雷电和冰灾警报分为四个等级，分别为蓝色(轻微)、黄色(中等)、橙色(严重)、红色(特别严重)；

表5不同地区获取的气象数据

由表5可以看出，5个地区的降雨量指标跟雷电指标都达到预警指标。

步骤3、根据实时采集的配电网数据，获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标；

所述的获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标，具体公式如下：

1)母线电压临界指标λ：

其中，λ_ij表示第i个地区中的第j条母线的电压临界指标，i＝1，2，……m，m表示配电网中区域的个数，j＝1，2，……n，n表示配电网中每个区域中所采集数据的母线条数；

λ_ij的计算公式如下：

其中，u_ij为母线j电压值，u′_ij为母线j的额定电压值；

本发明实施例中，配电网中节点1～4的额定电压为110KV，节点5～14额定电压为10KV；根据公式(2)计算可得：

根据电压偏差不能超过5％，在计算机程序中搜寻矩阵λ中超过0.05的值，当矩阵中的元素值大于0.05时，即可得出那个地区中那那条母线电压指标越限。

2)支路潮流越限指标

其中，表示第i个地区中的第j₁条支路潮流越线指标；j₁＝1，2，3，…，k，k表示配电网中每个区域中所采集数据的支路条数；

的计算公式如下：

其中，表示第i个地区的第j₁条支路的潮流，表示支路j₁所能允许的最大潮流；

本发明实施例中，图1配电网的每条支路允许最大潮流(功率)如表6所示，对于更复杂的配电网，这些数据要存在数据库中，根据获取的当前数据，如表3所示，利用公式(4)计算可得到支路潮流越限指标。

表6各地区配电网支路允许最大潮流

求出支路潮流越限指标：

由此得出，指标中有大于0的元素，及D3地区中14支路，D2地区中的16支路，D5地区的37支路潮流发生越限。

3)电缆分接头温度临界指标δ：

其中，表示第i个地区中的第j₂电缆分接头温度临界指标，j₂＝1，2，3，…，p，p表示配电网中所采集数据的含有电缆分接头的馈线段数；

的计算公式如下：

其中，表示馈线段j₂的电缆分接头当前温度，表示馈线段j₂的电缆分接头的最大可承受温度值；

电缆分接头的温度不能超过70℃，根据表2和公式(6)可以计算出电缆分接头温度临界指标：

由计算可知，矩阵δ中没有大于1的元素，及没有电缆分接头温度没有发生越限。

4)负荷临界指标S：

其中，表示第i个地区中的第j₃条负荷临界指标；j₃＝1，2，3，…，w，w表示配电网中所采集数据负荷数，

的计算公式如下：

其中，表示第i个地区第j₃条负荷容量，表示第j₃负荷的额定容量；

图1配电网额定负荷容量如表7所示，对于更复杂的配电网，这些数据要存在数据库中，根据获取的当前数据，如表4所示。

表7不同地区额定负荷容量表

利用公式(9)计算可得到负荷临界指标S：

此次数据采集中，由矩阵S可以看出没有大于0的元素，及没有负荷发生越限。

步骤4、根据所获配电网各项预警指标和气象数据，判断实时采集的数据是否存在越限配电网数据或异常气象数据，若是，则执行步骤5，否则，返回执行步骤3；

所述的判断实时采集的数据是否存在越限配电网数据或异常气象数据，具体为：

判断配电网中每个地区中的每条母线的电压临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每条支路潮流越线指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每个电缆分接头温度临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断元件是否有故障，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每条负荷临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断异常温度值是否超过设定值，若是，则为异常气象数据，否则，正常；

判断强降雨量是否超过设定值，若是，则为异常气象数据，否则，正常；

判断强降雪量是否超过设定值，若是，则为异常气象数据，否则，正常；

判断雷电等级是否超过设定等级，若是，则为异常气象数据，否则，正常；

判断冰灾等级是否超过设定等级，若是，则为异常气象数据，否则，正常。

本发明实施例中，降雨量指标、雷电指标和支路潮流指标发生越限。所以应发出预警，并通过数据挖掘挖掘出与这些越限指标相关的其他可能发生越限的指标，提醒调度人员，使调度人员采取措施。

步骤5、采用改进的Apriori数据挖掘算法，在原始数据库获取与越限配电网数据或异常气象数据相关联的其他指标，方法流程图如图3所示，具体步骤如下：

步骤5-1、将母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标、元件故障情况、负荷临界指标和各类气象数据构成项目集合I；

本发明实施例中，将母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标、元件故障情况和负荷临界指标分别记为项a、b、c、d、e。强降雨指标和雷电指标标记为项f、g。项目集合I＝{a、b、c、d、e、f}，项集I上的一个非空子集为事务T，所有的事务构成了全体事务D。如下表8所示：

表8历史数据库D

步骤5-2、在原始数据库中获取历史故障数据和历史气象数据，将每组历史数据构成一个事务，所有组历史数据构成全体事务D；所述的事务T为项目集合I的一个非空子集；

步骤5-3、根据实际需求，设置最小支持事务数；

本发明实施例中，最小支持事务度为2；当强降雨指标f和雷电指标g越线时，根据历史数据挖掘出在未来的一段时间内其他可能越线的指标；

步骤5-4、对历史数据进行挖掘，首先是对事务集D进行扫面并压缩，删除与项集中越限指标无关的事务并生成候选1-项集C₁，将C₁中的项看成水平结构，每一项的下面标上支持此项的事务代码，将这些代码记录下；统计支持每一项的事务数，删除支持事务数小于最小支持事务数的项，从而得出频繁1-项集L₁；

本发明实施例中，对历史数据进行挖掘，首先是对事务集D进行扫面并压缩，删除与项集中指标f和指标g无关的事务并生成候选1-项集C₁，如表9所示：

表9候选1-项集C₁

候选1-项集C₁为删除事务4、事务9和事务10之后的数据库，这样就减少了数据扫描量，节省了数据的存储空间，提高挖掘效率；之后将C₁中的项看成水平结构，每一项的下面标上支持此项的事务代码，将这些代码记录下。如表10所示：

表10将C₁写成水平结构

统计支持每一项的事务数，删除支持事务数小于最小支持事务数的项{c}，从而得出频繁1-项集L₁。如表11所示：

表11频繁1-项集L₁

步骤5-5、对频繁1-项集L₁中的项两两项取交集，得出候选2-项集C₂，将C₂看成水平结构，并同时取支持这两个项的事务数的交集，标记在这两项的下面；计算支持候选2-项集C₂中每两个项的事务数，删除支持事务数小于最小支持事务数的项集，并同时删除与越限指标项目无关的项集，得出频繁2-项集L₂；

本发明实施例中，对频繁1-项集L₁中的项两两项取交集，得出候选2-项集C₂，并同时取支持这两个项的事务数的交集，计算支持候选2-项集C₂中每两个项的事务数。如表12所示：

表12候选2-项集C₂

删除支持事务数小于最小支持事务数的项集，并同时删除与项f和项g无关的项集，得出频繁2-项集L₂。如表13所示：

表13频繁2-项集L₂

步骤5-6、将频繁2-项集L₂跟频繁1-项集L₁中的项取交集，得出候选3-项集C₃，将C₃看成水平结构，并同时取支持这三个项的事务数的交集，标记在这三项的下面；计算支持候选3-项集中每三个项的事务数，删除支持事务数小于最小支持事务数的项集，并同时删除与越限指标项目无关的项集，得出频繁3-项集L₃；

本发明实施例中，将频繁2-项集L₂跟频繁1-项集L₁中的项取交集，得出候选3-项集C₃，并同时取支持这三个项的事务数的交集，计算支持候选3-项集中每三个项的事务数。如表14所示。

表14候选3-项集C₃

删除支持事务数小于最小支持事务数的项集，并同时删除与项f和项g无关的项集，得出频繁3-项集L₃。如表15所示：

表15频繁3-项集L₃

步骤5-7、将频繁3-项集L₃跟频繁1-项集L₁中的项取交集，得出候选4-项集C₄，并同时取支持这四个项的事务数的交集，计算支持候选4-项集中每四个项的事务数；删除支持事务数小于最小支持事务数的项集，并同时删除与项f和项g无关的项集，得出频繁4-项集L₄；

支持候选4-项集中每四个项的事务数如表16所示：

表16候选4-项集C₄

频繁4-项集L₄，如表17所示：

表17频繁4-项集L₄

步骤5-8、将频繁4项集L₄跟频繁1-项集L₁中的项取交集，得出候选5-项集C₅，并同时取支持这五个项的事务数的交集，计算支持候选5-项集中每五个项的事务数；删除支持事务数小于最小支持事务数的项集，并同时删除与项f和项g无关的项集，得出频繁5-项集至此算法终止，即找到了频繁k-项集。

支持候选5-项集中每五个项的事务数，如表18所示：

表18候选5-项集C₅

找出频繁项集后，根据公式算出项目f，g与其它项目的置信度；其中，支持度X是D中的一个项集，B为事务集D中包含X事务的数量，A为事务集D中包含的所有事务的总数；置信度且即关联规则R：

本发明实施例中，规定最小置信度为0.3。

从以上的计算中可以看出，跟强降雨临界指标f和雷电临界指标g关联度比较高的是母线电压临界指标a、支路潮流越限指标b和元件故障评估指标d、负荷临界指标e。

记录预警的具体情况，将此次的数据存入历史数据库，使数据库得到更新。

步骤6、将获得的与越限配电网数据和异常气象数据相关联的其他指标进行显示，提示调度人员采取措施。

当发出预警后，将结果提供给调度人员；当调度人员首先是收到降雨指标跟雷电指标发生预警，此时应增加抢修指挥中心坐席人员，检查防汛应急物资，开展配电网的特殊巡视，对地势低洼、沿海易受潮水影响的变电站、城市地下开闭所全面做好防水淹措施；

当母线电压发生越限时，通过调节发电机机端电压、调节发电机无功出力、改变有载变压器变比、并联补偿无功设备或是串联电容器来调节越限的电压；

当支路潮流发生越限时，通过调节发电机的有功出力、调节发电机的无功出力、调节发电机端电压、调节有载调压变压器分接头变比或是并联无功设备；

电缆接头温度大都是负荷过高造成的，当电缆分接头温度指标或是负荷指标越限时，可以通过切断不重要的负荷来调节这些指标；

当元件故障指标越限时，可以通过切断元件所在的支路来预防配电网故障事件的发生。

Claims (2)

1.一种基于改进Apriori算法的配电网预警方法，其特征在于，包括以下步骤：

步骤1、采集配电网的多组历史故障数据和历史气象数据，并建立原始数据库；

步骤2、实时采集配电网中不同区域的配电网数据和气象数据，所述的配电网数据包括母线电压、支路潮流、电缆分接头温度、负荷容量和元件是否发生故障；所述的气象数据包括异常温度值、强降雨量、强降雪量、雷电等级和冰灾等级；

步骤3、根据实时采集的配电网数据，获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标；

步骤4、根据所获配电网各项预警指标和气象数据，判断实时采集的数据是否存在越限配电网数据或异常气象数据，若是，则执行步骤5，否则，返回执行步骤3；

所述的判断实时采集的数据是否存在越限配电网数据或异常气象数据，具体为：

判断配电网中每个地区中的每条母线的电压临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每条支路潮流越线指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每个电缆分接头温度临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断元件是否有故障，若是，则为越限配电网数据，否则，正常；

判断每个地区中的每条负荷临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；

判断异常温度值是否超过设定值，若是，则为异常气象数据，否则，正常；

判断强降雨量是否超过设定值，若是，则为异常气象数据，否则，正常；

判断强降雪量是否超过设定值，若是，则为异常气象数据，否则，正常；

判断雷电等级是否超过设定等级，若是，则为异常气象数据，否则，正常；

判断冰灾等级是否超过设定等级，若是，则为异常气象数据，否则，正常；

步骤5、采用改进的Apriori数据挖掘算法，在原始数据库获取与越限配电网数据或异常气象数据相关联的其他指标；

步骤5-1、将母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标、元件故障情况、负荷临界指标和各类气象数据构成项目集合；

步骤5-2、在原始数据库中获取历史故障数据和历史气象数据，将每组历史数据构成一个事务，所有组历史数据构成全体事务；

所述的事务为项目集合的一个非空子集；

步骤5-3、根据实际需求，设置最小支持事务数；

步骤5-4、对全体事务进行压缩，即在全体事务中，删除与越限配电网数据和异常气象数据无关的事务，获得候选1-项集，所述的候选1-项集中包含每个项目对应的事务，在候选1-项集中删除事务数小于最小支持事务数的项目，获得频繁1-项集；

步骤5-5、将频繁1-项集中的两两项取交集，获得候选2-项集，所述的候选2-项集中包含同时支持两个项的事务，在候选2-项集中删除同时支持两个项的事务数小于最小支持事务数的项集，获得频繁2-项集；

步骤5-6、将频繁2-项集中每项与频繁1-项集中每项取交集，获得候选3-项集，所述的候选3-项集中包含同时支持三个项的事务，在候选3-项集中删除同时支持三个项的事务数小于最小支持事务数的项集，获得频繁3-项集；

步骤5-7、根据步骤5～6的过程，以此类推，将频繁k-1-项集中每项与频繁1-项集中每项取交集，获得候选k-项集，在候选k-项集中删除同时支持k个项的事务数小于最小支持事务数的项集，获得频繁k-项集，直到不再有频繁项集产生；

步骤5-8、根据获得的最终频繁k-项集，从频繁k-项集中找出置信度大于最小置信度的强关联规则，确定与越限配电网数据和异常气象数据相关联的其他指标，并对原始数据库进行更新；

步骤6、将获得的与越限配电网数据和异常气象数据相关联的其他指标进行显示，提示调度人员采取措施。

2.根据权利要求1所述的基于改进Apriori算法的配电网预警方法，其特征在于，步骤3所述的获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标，具体公式如下：

1)母线电压临界指标λ：

其中，λ_ij表示第i个地区中的第j条母线的电压临界指标，i＝1，2，......m，m表示配电网中区域的个数，j＝1，2，......n，n表示配电网中每个区域中所采集数据的母线条数；

λ_ij的计算公式如下：

其中，u_ij为母线j电压值，u＇_ij为母线j的额定电压值；

2)支路潮流越限指标

其中，表示第i个地区中的第j₁条支路潮流越线指标；j₁＝1，2，3，…，k，k表示配电网中每个区域中所采集数据的支路条数；

的计算公式如下：

其中，表示第i个地区的第j₁条支路的潮流，表示支路j₁所能允许的最大潮流；

3)电缆分接头温度临界指标δ：

其中，表示第i个地区中的第j₂个电缆分接头温度临界指标，j₂＝1，2，3，…，p，p表示配电网中所采集数据的含有电缆分接头的馈线段数；

的计算公式如下：

其中，表示馈线段j₂的电缆分接头当前温度，表示馈线段j₂的电缆分接头的最大可承受温度值；

4)负荷临界指标S：

其中，表示第i个地区中的第j₃条负荷临界指标；j₃＝1，2，3，…，w，w表示配电网中所采集数据负荷数，

的计算公式如下：

其中，表示第i个地区第j₃条负荷容量，表示第j₃负荷的额定容量。