杨润佳，刘泽三

1. 国家能源集团，秦皇岛发电有限责任公司，发展策划处，河北 秦皇岛 066000

2. 国网信息通信产业集团信通研究院，北京 100000

引 言

在工业生产过程中，报警系统具有至关重要的作用，其建立的目的是提高生产的安全性。但由于分布式控制系统（Distributed Control System，DCS）、实时监测系统等实时数据采集系统的建立，导致随着实时监测数据量的急剧上升，报警数据量也随之大幅度攀升，进而造成无效报警过多，报警数据泛滥，使得系统操作员工作负担不降反升[1]。文献[2]给出的国际标准是操作员每10 分钟接受的平均报警数不超过1 次，异常工况下10 分钟内的报警数不超过10 次。而对于一个普通的火力发电厂动辄则是两万多的监测点，报警数量非常庞大。若要提高安全性，除了增加操作员数量外，依托大数据技术，建立报警间相关性，减少无效报警，不失为一条有效途径。

Izadi 等[3]提出了报警系统分析、设计、管理的标准与方法，指出合理的报警系统应在漏报率、误报率、报警延迟等指标中做出平衡。Rothenberg[4]指出相关报警应该进行区别分析，为此可将报警分为序列报警与非序列报警较为合理。而对于报警的相关性分析有利于剔除无关报警，使得系统更加简洁、有效地展示报警信息，同时有助于操作员在此基础上分析报警原因，进行异常工况预测。Choi 等[5]则提出了一种针对二元序列的相似度计算方法，并指出可以利用凝聚层次聚类算法对报警数据进行分组。凝聚层次算法中最为关键的是相似度算法，因此有的研究者对现有的相似度函数进行总结归纳，提出了各种针对相似度函数性能的不同的评价标准[6-8]，并指出可以使用互相关函数算法作为计算报警相似度的度量方法[9]。……