随着国家电网调控运行“十三五”规划的制定颁布,要求以设备运行为基础开展大数据分析,研究基于大数据技术的设备监控运行状态预测技术,建立设备台帐履历信息库,实现设备缺陷、设备告警、台帐履历信息等的关联分析,构建监控设备状态评估、趋势预测模型。电力系统的故障模型建立对设备能否进行准确故障预测具有重要意义。建立系统的故障分析机制,构建故障演变机理模型,优化设备检修的决策流程和管理模式,适应电网的高速发展势在必行。本文通过对电力系统的实际告警信号分析,提出了迭代优化的序列模式挖掘算法,生成频繁序列模式,并将挖掘出的序列模式分级存放在序列模版库中;把生物学中基因比对思想引入到电网故障序列模型中,对序列模型进行优化调整,对故障序列的同源性进行分析,找出序列模型中的关键节点,同时设计组合比对算法,实现样本数据与模版库的比对,对样本数据进行正确的分类评价;最后通过贝叶斯网络对生成的序列模型进行重构,通过概率图模型描述对故障模型进行描述。本文详细介绍了序列挖掘过程中对样本数据中文本信号的符号化、窗函数参数的选取、加权序列模版库的各迭代次数下序列的特性分布;在序列比对过程中基于电网告警实现对替换矩阵的设计、根据比对结果判断输入样本序列的类别及信号状态评价;介绍了通过序列模版和专家知识进行初始贝叶斯的构建以及根据后续数据实现节点概率调整等关键步骤;在实际应用中,建立基于电力大数据平台的告警信号挖掘系统,实现序列挖掘、比对、预警模块,对电网系统故障演变机理分析有一定参考意义。