一种用于电网的母线电压态势短期预测方法及系统技术方案

本发明专利技术涉及电力技术领域，具体涉及一种用于电网的母线电压态势短期预测方法及系统。电力大数据环境下的电网监测海量数据，面临海量的实时告警提示信息，电网安全预警的准确和高效在电力大数据环境下要求更加严苛。本发明专利技术面向电网母线电压越限告警信息智能辨识和预测的智能预警策略，提出了基于大数据多维时序数据挖掘的电压态势短期预测方法。首先，本发明专利技术对母线电压短期预测的多维时序数据集进行了数据建模，提出了基于多维时序数据挖掘方法的母线电压态势短期预测方法。该方法采用动态时序规整DTW聚类算法对多维电压相关时序数据进行降维预处理；然后，通过集成学习策略构造电压态势预测强分类器，实现了母线电压未来短期态势的精准预测。

【技术实现步骤摘要】
一种用于电网的母线电压态势短期预测方法及系统
本专利技术涉及电力
，具体涉及一种用于电网的母线电压态势短期预测方法及系统。
技术介绍
当前电网的安全稳定所面临的问题越来越复杂，电网安全告警作为电网安全调度工作的重要支持，对电网安全告警管理提出了更高的要求。在电力大数据和人工智能的时代，电网安全告警结合大数据智能分析和机器学习技术，使得相关告警的准确性、有效性和及时性得到显著改善和提升。电力大数据具有大数据的共性，包括目标领域向其他相关领域的扩展，时间维度向多尺度的流数据扩展，所形成的大量异构异质数据和动态数据等；同时，电力大数据也继承了能源行业的数据特征，包括大量因果关系数据，高维时空数据、广域监测控制数据等。电网安全预警结合电力大数据的分析与应用，不仅需要从数据特征和统计特性进行分析，更需要结合电网本身的特性，从因果性的维度进行剖析和深化。电网集中监控已经达到大数据业务处理的规模，目前公司集中监控变电站124个，市地两级监控信息点高达到62万个，其中市调23万个，地调39万个，每月仅市调遥信数据16万条以上，遥测数据每月多达3000万条数据。海量的电网监测数据也导致电网调度人员面临海量的实时告警提示信息，电网安全预警的准确和高效在电力大数据环境下要求更加严苛。本专利技术从电网母线电压越限智能预警问题入手，提出了基于电网特性的电压告警因果决策判断和母线电压态势预测算法相结合的母线电压智能预警方法。
技术实现思路
母线电压越限告警有效性判断主要依靠来自D5000告警系统的告警数据、D5000实时遥测数据、以及AVC系统的动作数据和状态记录。但是D5000系统设置的电压越限告警阀值和AVC系统的动作触发阀值存在不一致现象，需监控员花费大量的时间来人工判断告警信息的有效性，过滤无效告警信息，即过滤掉监控员无需关注的告警信息，此刻监控员也无需人为介入调控。在实际业务场景中，告警系统往往会在短时出现大量报警，监控员几乎无法从中快速识别有效告警信息，即监控员需要特别关注的告警信息，必要时监控员还需要人为介入调控，从而影响告警系统的功能性。针对现有技术中的缺陷，本专利技术提供了一种用于电网的母线电压态势短期预测方法，该母线电压态势短期预测方法包括母线电压越限智能预警策略，母线电压越限智能预警策略具体为从大数据多维相关时序特征分析出发，对母线电压态势进行短期预测，再结合D5000告警数据和AVC系统当前状态，对D5000告警数据进行智能识别，过滤无效告警；具体步骤如下：第一步，对D5000系统告警信息，结合AVC无功设备状态信息，进行初步筛选；筛选的原则是母线电压向上越上上限阈值或者越下限阈值，且AVC无功调节能力已用尽，则判定该告警初步有效；第二步，对初步有效的告警点的母线电压态势进行短期预测，判断未来电压的短期态势是趋势上扬，或者趋势平稳，或者趋势下行；最后，结合初筛的告警信息和对母线未来电压态势的判断，辨识告警是否有效，并将该有效预警信息推送出去，明确该电压越限的情况是否需要调控干预，以及干预的时机。优选的，该方法还包括对电压态势短期预测数据分析与建模的步骤；母线电压态势短时预测方法是一个多维时序数据挖掘问题，本方法对各相关遥测工况数据按一定时间长度进行统一的窗口切分，并将电压态势设定为三支决策问题，包括电压趋势上扬、电压趋势下行、电压趋势稳定；某指定母线相关L条遥测工况数据的集合设为D＝{D1,D2,…,DL}，且Di∈D的语义为D中第i条遥测的相关线路工况指标构成时间序列信息系统，记为Di＝(Ai,Vi,N,F,g)；其中Ai＝{ai1,ai2,…,aim}代表第i条指标内m个具有时间先后顺序的工况数据流时序段构成的集合，每个时序段的长度为h个时间单元，即对第i个指标的第j个时间窗口的数据表达为：且aij∈Ai、|aij|＝h、与之间满足前驱后续关系；Vi＝{TSi1，TSi2，TSi3,...TSim}代表第i个指标遥测数据流样本中，m个前驱后继的工况时序数据构成的集合，F是一个映射:F:aij→TSij，其语义为Vi中的任意第j段时间序列数据TSij与Ai中的第j段时序数据段aij的一一映射关系。可记为：代表Vi＝{TSi1，TSi2，TSi3,...TSim}中每段历史工况时序数据之后的连续K分钟的母线电压态势取值的集合，其中特征值为P即电压趋势上扬，B即电压趋势稳定,N即电压趋势下行；其取值由映射决定，其中j∈{1,2,…m}；数据样本Di对应的时间序列Vi集合，可以被记为如式1所示的工况时序数据矩阵模型；其中每一行表示为对应TSij数据集合的h个数据的水平转置；本方法考虑到各相关线路对母线电压的影响，因此不直接使用母线的历史数据流来预测，而是对母线及其相关线路的多维历史数据流进行建模；将D集合中L条遥测工况时序数据构成矩阵(即：V1,V2,V3,…Vl),其中每个Vi＝(TSi1,TSi2,TSi3,…TSim)按照每段时间序列的起始时间的先后顺序组合转换成一列数据；最后将需要预测的母线的各个时间窗口未来K分钟电压态势值N＝{N1,N2,...Nm}加入到相应时间段，得到如式2所示的电压态势数据矩阵模型DB，作为相对于母线态势预测的决策训练数据集；其中j∈{1,2,…,m}，i∈{1,2,…,L}；在DB矩阵中，除了决策列N外，其它列分别代表了不同线路的时序工况类型；DB矩阵中每一行数据除了决策列外分别代表同一区域L个时序数据在同一时间窗口的类型指标；第J行代表各个线路第J个时间窗口的时序数据以及其未来K分钟内的电压态势离散化类型值。优选的，该方法还包括基于多维时序数据挖掘方法的母线电压态势短期预测方法详细步骤：第一步，使用母线电压相关历史数据进行多维时间序列建模，将被研究的遥测数据转换为多维时间序列矩阵模型；第二步，用时间序列聚类方法对其进行时序聚类，将多维时间序列矩阵模型降维转变为经典二维信息表；第三步：将二维信息表进行属性约简后导入多机器学习群进行学习，学习完后的多个算法模型，包括RNN算法模型、C4.5算法模型、SVM算法模型，通过测试数据进行竞争，根据集成学习算法产生最优分类器；将实践数据导入最优分类器并输出预测结果；第四步：对预测结果进行集成测试，如果实测结果不佳，则更新训练数据集，重新训练直至获得最优预测分类器。优选的，该基于多维时序数据挖掘方法的母线电压态势短期预测方法的核心步骤为多维时间序列数据的降维算法，及多机器集成学习策略；本方法将上述核心步骤定义为基于多维度时序数据挖掘的母线越限短时预测核心步骤，母线越限短时预测-BOLF具体步骤为：输入：某指定母线相关L条遥测工况历史数据的集合D，输出：最优分类器；步骤1：遥测工况历史数据的集合D被预处理为相对于母线态势预测的决策数据集DB；步骤2：对于DB矩阵中每一列时间序列数据除了决策列外分别实施基于DTW聚类方法的时间序列聚类；步骤3：使用步骤2获得的聚类结果，将DB矩阵中每个时间序列数据TSxy，其中0＜x≤L，0＜y≤m，转化为相应的时间序列聚类类型；然后，多维时间序列数据构成的DB矩阵，每个就被转化为二维决策信息表；步骤4：基于步骤3获得的电压态势预测二维决策信息表引入经典机器学习分类算法，包括SVM，RNN,及C4.5决本文档来自技高网...

【技术保护点】
1.一种用于电网的母线电压态势短期预测方法，其特征在于：该母线电压态势短期预测方法包括母线电压越限智能预警策略，母线电压越限智能预警策略具体为从大数据多维相关时序特征分析出发，对母线电压态势进行短期预测，再结合D5000告警数据和AVC系统当前状态，对D5000告警数据进行智能识别，过滤无效告警；具体步骤如下：第一步，对D5000系统告警信息，结合AVC无功设备状态信息，进行初步筛选；筛选的原则是母线电压向上越上上限阈值或者越下限阈值，且AVC无功调节能力已用尽，则判定该告警初步有效；第二步，对初步有效的告警点的母线电压态势进行短期预测，判断未来电压的短期态势是趋势上扬，或者趋势平稳，或者趋势下行；最后，结合初筛的告警信息和对母线未来电压态势的判断，辨识告警是否有效，并将该有效预警信息推送出去，明确该电压越限的情况是否需要调控干预，以及干预的时机。

【技术特征摘要】
1.一种用于电网的母线电压态势短期预测方法，其特征在于：该母线电压态势短期预测方法包括母线电压越限智能预警策略，母线电压越限智能预警策略具体为从大数据多维相关时序特征分析出发，对母线电压态势进行短期预测，再结合D5000告警数据和AVC系统当前状态，对D5000告警数据进行智能识别，过滤无效告警；具体步骤如下：第一步，对D5000系统告警信息，结合AVC无功设备状态信息，进行初步筛选；筛选的原则是母线电压向上越上上限阈值或者越下限阈值，且AVC无功调节能力已用尽，则判定该告警初步有效；第二步，对初步有效的告警点的母线电压态势进行短期预测，判断未来电压的短期态势是趋势上扬，或者趋势平稳，或者趋势下行；最后，结合初筛的告警信息和对母线未来电压态势的判断，辨识告警是否有效，并将该有效预警信息推送出去，明确该电压越限的情况是否需要调控干预，以及干预的时机。2.根据权利要求1所述的一种用于电网的母线电压态势短期预测方法，其特征在于，该方法还包括对电压态势短期预测数据分析与建模的步骤；母线电压态势短时预测方法是一个多维时序数据挖掘问题，本方法对各相关遥测工况数据按一定时间长度进行统一的窗口切分，并将电压态势设定为三支决策问题，包括电压趋势上扬、电压趋势下行、电压趋势稳定；某指定母线相关L条遥测工况数据的集合设为D＝{D1,D2,…,DL}，且Di∈D的语义为D中第i条遥测的相关线路工况指标构成时间序列信息系统，记为Di＝(Ai,Vi,N,F,g)；其中Ai＝{ai1,ai2,…,aim}代表第i条指标内m个具有时间先后顺序的工况数据流时序段构成的集合，每个时序段的长度为h个时间单元，即对第i个指标的第j个时间窗口的数据表达为：且aij∈Ai、|aij|＝h、与之间满足前驱后续关系；Vi＝{TSi1，TSi2，TSi3,...TSim}代表第i个指标遥测数据流样本中，m个前驱后继的工况时序数据构成的集合，F是一个映射:F:aij→TSij，其语义为Vi中的任意第j段时间序列数据TSij与Ai中的第j段时序数据段aij的一一映射关系。可记为：代表Vi＝{TSi1，TSi2，TSi3,...TSim}中每段历史工况时序数据之后的连续K分钟的母线电压态势取值的集合，其中特征值为P即电压趋势上扬，B即电压趋势稳定,N即电压趋势下行；其取值由映射g:决定，其中j∈{1,2,…m}；数据样本Di对应的时间序列Vi集合，可以被记为如式1所示的工况时序数据矩阵模型；其中每一行表示为对应TSij数据集合的h个数据的水平转置；本方法考虑到各相关线路对母线电压的影响，因此不直接使用母线的历史数据流来预测，而是对母线及其相关线路的多维历史数据流进行建模；将D集合中L条遥测工况时序数据构成矩阵(即：V1,V2,V3,…Vl),其中每个Vi＝(TSi1,TSi2,TSi3,…TSim)按照每段时间序列的起始时间的先后顺序组合转换成一列数据；最后将需要预测的母线的各个时间窗口未来K分钟电压态势值N＝{N1,N2,...Nm}加入到相应时间段，得到如式2所示的电压态势数据矩阵模型DB，作为相对于母线态势预测的决策训练数据集；其中j∈{1,2,…,m}，i∈{1,2,…,L}；在DB矩阵中，除了决策列N外，其它列分别代表了不同线路的时序工况类型；DB矩阵中每一行数据除了决策列外分别代表同一区域L个时序数据在同一时间窗口的类型指标；第J行代表各个线路第J个时间窗口的时序数据以及其未来K分钟内的电压态势离散化类型值。3.根据权利要求1所述的一种用于电网的母线电压态势短期预测方法，其特征在于，该方法还包括基于多维时序数据挖掘方法的母线电压态势短期预测方法详细步骤：第一步，使用母线电压相关历史数据进行多维时间序列建模，将被研究的遥测数据转换为多维时间序列矩阵模型；第二步，用时间序列聚类方法对其进行时序聚类，将多维时间序列矩阵模型降维转变为经典二维信息表；第三步：将二维信息表进行属性约简后导入多机器学习群进行学习，学习完后的多个算法模...

【专利技术属性】
技术研发人员：叶康，马苏龙，杨建平，王治华，胡友琳，肖飞，张远来，樊启俊，胡孔飞，李雄立，朱励程，徐健锋，赵志宾，
申请(专利权)人：国网上海市电力公司，泰豪软件股份有限公司，
类型：发明
国别省市：上海,31