空间数据挖掘是从空间数据库中提取隐含的预测信息,找出最有价值的知识来指导科学决策,这已经成为人们研究和应用的热点;在空间关联规则挖掘中,基于空间事务的挖掘方法虽是目前应用较为广泛的技术,然而频繁项目集的构建和修剪技术是其用于海量空间数据挖掘的难点之一。随着数字化电力系统的快速发展,空间数据挖掘在电力系统中的应用已成研究的重点;在电网可视化管理系统中,拓扑分析搜索的节点和线元素数目是影响电网分析效率的主要因素;由于现有的挖掘算法存在不足,其不能有效地提高拓扑分析的速度,故需研究有效的空间关联规则挖掘算法,用在电网可视化管理系统中提高电网分析的效率。针对空间关联横向挖掘中存在的不足,即现有的空间横向挖掘算法,虽改进了候选频繁项的构建和修剪技术,但其不能有效地提取包含空间对象个数较多的单层横向空间关联规则;论文首先提出一种基于交替搜索的空间事务挖掘算法ASTMAS (An algorithm of spatial transaction mining based on alternate search),其适合挖掘同一空间模式下不同空间对象之间的关联;该算法主要是通过改变传统构建频繁项的方式和现有二进制挖掘算法的搜索策略,在海量空间数据挖掘中提取包含任何数目空间对象的单层横向空间关联规则;算法运用了数字的递增和递减两种方式双向产生候选频繁项,实现交替搜索提取空间关联规则;并且在计算支持数时,其用数字特征减少被扫描空间事务的个数;模拟实验表明其效率比现有算法高。将其应用到电网可视化管理系统中,删除与供电源不相关的设备,减少拓扑分析搜索的节点或线元素数目,提高“供电范围分析”功能的执行效率,通过系统性能评估体现了算法的实用性。其次,针对现有基于空间事务的挖掘算法不能够有效地提取跨层横向空间关联规则,论文再提出一种基于数字递增的跨层(多层)空间事务挖掘算法AMSTMDA (An algorithm of multilayer spatial transaction mining based on digital ascending),其适合挖掘不同空间模式下的不同空间对象之间的关联;该算法主要是通过改进构建频繁项的技术和空间数据的存储方式,在海量空间数据中提取跨层横向空间关联规则;算法用二进制数表示空间拓扑关系改进了数据存储方式,并用数字递增方式产生候选频繁项,实现空间拓扑关联挖掘,模拟实验表明了算法的高效性;将其应用到电网可视化管理系统中,删除与停电操作不相关的设备,减少拓扑分析搜索的节点或线元素数目,提高“最优化停电方案分析”功能的执行效率,通过系统性能评估体现了算法的实用性。