一种智能配电网大数据融合重构与交互方法技术

本发明专利技术公开了一种智能配电网大数据融合重构与交互方法，其特征在于：1)对智能配电网大数据进行初始聚类划分，根据智能配电网运行状态建立关联规则，实现扩展聚类的划分；2)将当前数据划归到基于历史数据的初始聚类中，基于关联规则预测运行状态，从而确定自愈控制策略，进行全景风险管控和自愈控制。本发明专利技术通过网格密度进行初始聚类划分，通过建立关联规则进行扩展聚类划分，实现智能配电网大数据融合重构与交互，有效提高数据流聚类效率及聚类精度，具有良好的可扩展性，实现智能配电网全景风险管控与自愈控制系统集成，应用智能配电网大数据融合重构与交互方法，能够提高配电网控制智能化水平，增强配电网自愈控制功能。

【技术实现步骤摘要】
一种智能配电网大数据融合重构与交互方法
本专利技术属于面向大数据的智能配电网全景风险管控与自愈技术研究领域，涉及一种智能配电网大数据融合重构与交互方法。
技术介绍
配电网覆盖人口聚集地、现代工业和商业中心，用电负荷密度大，供电路径短，继电保护的配合难度大，配电线路接近运行极限，一旦出现突发事件将会影响整个配电网电力负荷的正常供电。随着大量分布式电源/微网/储能装置的接入，配电网的规模越来越庞大，结构越来越复杂，其运行特性和控制特性也在发生显著变化。因此，提高配电网控制的智能化水平，增强配电网的自愈能力是智能配电网发展的必然趋势。配电、调度、营销关联愈加紧密化的同时产生大量信息，构成大数据的主要来源，使运营管控日益精细化成为可能。针对当前配电网影响因素众多、风险机理复杂、风险管控能力及电网自愈能力相对薄弱等问题，研究配电、调度、营销大数据融合技术，对基于复杂适应系统理论的智能配电网自愈技术进行深入研究，实现配电、调度、营销数据融合与功能协调下的配电网风险有效管控与自愈，提高智能配电网安全可靠水平。因此，本专利技术提出基于大数据理论的配电、调度、营销全景数据融合重构技术，研究基于知识构建与推理的配电网全景风险管控决策支持技术，实现具备故障分析、供电恢复、运行优化功能的智能配电网自愈控制。
技术实现思路
为解决现有技术中的不足，本专利技术提供一种智能配电网大数据融合重构与交互方法，提出包含分布式电源、用电信息采集和调度实时数据在内的营配调一体化大数据分析和融合重构方法，构建基于关联规则的信息交互方法，解决了配电网控制智能化水平相对不高和配电网自愈控制能力薄弱的问题。为了实现上述目标，本专利技术采用如下技术方案：。一种智能配电网大数据融合重构与交互方法，其特征在于，包括步骤：1)对智能配电网大数据进行初始聚类划分，根据智能配电网运行状态建立关联规则，实现扩展聚类的划分；2)将当前数据划归到基于历史数据的初始聚类中，基于关联规则预测运行状态，从而确定自愈控制策略，进行全景风险管控和自愈控制。前述的一种智能配电网大数据融合重构与交互方法，其特征在于，所述步骤1)具体步骤为：1.1)将n维数据空间S中的每一维(Sj，j∈[1,n])等分成m份区间，得到数量为n×m粒度的多维网格构成的数据空间S；1.2)扫描数据空间S并构建基于网格索引的数据流存储结构；数量为n×m粒度的多维网格中的每一个网格单元定义为四元组网格存储结构Gridj,k,t＝(grid,number,density,time)，其中，grid为网格位置索引、number为网格内的数据点数、density为网格密度、time为最新接收数据时间；1.3)统计分析数据流存储结构的底层网格密度density(Gridj,k,t)，以单元网格密度最大的网格GridH1为中心，扫描其邻近的网格Grid，根据密度差别阈值ε决定是否将Grid与GridH1划分一类网格，并将与GridH1聚为一类的网格组合记为Class1；1.4)在剩余网格中，以单元网格密度最大的网格GridH2为中心，扫描其邻近的网格Grid，根据密度差别阈值ε决定是否将Grid与GridH2划分一类网格，并将与GridH2聚为一类的网格组合记为Class2；1.5)重复步骤1.4)，得到初始聚类划分数量为r的聚类(Class1,Class2,…,Classr)；1.6)将智能配电网运行状态分为5类情况：优化运行状态State1、正常运行状态State2、脆弱运行状态State3、故障运行状态State4和崩溃状态State5；利用关联规则建立数据空间初始聚类Classx与智能配电网5种运行状态之间的相互联系，实现扩展聚类划分，得到数据空间扩展聚类。前述的一种智能配电网大数据融合重构与交互方法，其特征是：所述步骤2)具体步骤包括：2.1)基于历史数据的关联规则与初始聚类，对智能配电网历史数据进行分析，确定智能配电网5种运行状态的基本特征与边界条件；2.2)根据历史数据的初始聚类Classx和关联规则以及智能配电网5种运行状态，将满足基本特征与边界条件的当前数据划归到基于历史数据的初始聚类Classx中并预测运行状态；2.3)根据步骤2.2)中预测得到的运行状态，确定智能配电网自愈控制策略；2.4)统计并判断扩展聚类准确率是否满足要求，若不满足，则重复步骤1)-2)，基于历史数据对初始聚类进一步精细划分，增加数据空间中的每一维等分区间数量，减少密度差别阈值，并对关联规则进行调整；当扩展聚类准确率满足要求时，继续执行步骤2)。前述的一种智能配电网大数据融合重构与交互方法，其特征是：步骤1.1)中，所述数据为智能配电网中配电网大数据，数据组成一系列数据流记录：X1,X2,…，数据到达的时间记为:t1,t2,…；数据流中的每一个数据点Xi是n维的，Xi＝(xi1,xi2,…xin)，i＝1,2,…；n维数据空间S＝S1×S2×…×Sn，其中，Sj为第j维数据空间，其中Sj＝xij，j∈[1,n]；每一维Sj数据空间被平分为m份，Sj＝Sj1∪Sj2∪…∪Sjm；数据空间S由n×m粒度的多维网格子空间Sjk构成，其中j∈[1,n]，k∈[1,m]。前述的一种智能配电网大数据融合重构与交互方法，其特征是：步骤1.3)中，所述根据密度差别阈值ε决定是否将Grid与GridH1划分一类网格，具体步骤为，如果|density(Grid)-density(GridH)|＜ε，则将Grid与GridH1聚类划分为一类。前述的一种智能配电网大数据融合重构与交互方法，其特征是：步骤1.6)中，所述关联规则为建立(Class1,Class2,…,Classr)与(State1,State2,…,State5)之间的形如X→Y的蕴涵表达式；其中，X为关联规则的先导，为若干个初始聚类Class，Y为关联规则的后继，为配电网5种运行状态之一。前述的一种智能配电网大数据融合重构与交互方法，其特征是：所述网格密度为，对于一个网格(i,j)，若其加入数据空间的时间为t1，网格内包含数据序列(P1,P2,…,Pl)，(t1,t2,…,tl)分别对应每个数据点的到达时间，则网格(i,j)的网格密度density(i,j,t)定义为：式中λ为衰减系数，其中λ＞0，w(t-tk)为时刻tk到达的数据点在时刻t的权值，l为数据空间中数据的数量。前述的一种智能配电网大数据融合重构与交互方法，其特征是：所述自愈控制策略包括：优化控制、预防控制、紧急控制和恢复控制。前述的一种智能配电网大数据融合重构与交互方法，其特征是：所述2.4)中扩展聚类准确率为：运用关联规则预测的配电网运行状态正确的次数与对配电网进行控制的总次数的比值。本专利技术所达到的有益效果：本专利技术通过计算智能配电网大数据空间的网格密度进行初始聚类划分，通过建立关联规则进行扩展聚类划分，实现智能配电网大数据融合重构与交互，能有效提高数据流聚类效率及聚类精度，且可以进行任意形状和距离非连续邻近网格的聚类；将初始聚类划分与扩展聚类划分相结合，而这样的分层网格结构大大降低了关联规则映射的空间复杂度和时间复杂度，具有良好的可扩展性；通过将扩展聚类准确率作为聚类划分科学合理性的评价指标，建立智能配电网大数据聚类划本文档来自技高网...

【技术保护点】
一种智能配电网大数据融合重构与交互方法，其特征在于，包括步骤：1)对智能配电网大数据进行初始聚类划分，根据智能配电网运行状态建立关联规则，实现扩展聚类的划分；2)将当前数据划归到基于历史数据的初始聚类中，基于关联规则预测运行状态，从而确定自愈控制策略，进行全景风险管控和自愈控制。

【技术特征摘要】
1.一种智能配电网大数据融合重构与交互方法，其特征在于，包括步骤：1)对智能配电网大数据进行初始聚类划分，根据智能配电网运行状态建立关联规则，实现扩展聚类的划分；具体步骤包括：1.1)将n维数据空间S中的每一维(Sj，j∈[1,n])等分成m份区间，得到数量为n×m粒度的多维网格构成的数据空间S；1.2)扫描数据空间S并构建基于网格索引的数据流存储结构；数量为n×m粒度的多维网格中的每一个网格单元定义为四元组网格存储结构Gridj,k,t＝(grid,number,density,time)，其中，grid为网格位置索引、number为网格内的数据点数、density为网格密度、time为最新接收数据时间；k∈[1,m]，t为时间；1.3)统计分析数据流存储结构的底层网格密度density(Gridj,k,t)，以单元网格密度最大的网格GridH1为中心，扫描其邻近的网格Grid，根据密度差别阈值ε决定是否将Grid与GridH1划分一类网格，并将与GridH1聚为一类的网格组合记为Class1；1.4)在剩余网格中，以单元网格密度最大的网格GridH2为中心，扫描其邻近的网格Grid，根据密度差别阈值ε决定是否将Grid与GridH2划分一类网格，并将与GridH2聚为一类的网格组合记为Class2；1.5)重复步骤1.4)，得到初始聚类划分数量为r的聚类(Class1,Class2,…,Classr)；1.6)将智能配电网运行状态分为5类情况：优化运行状态State1、正常运行状态State2、脆弱运行状态State3、故障运行状态State4和崩溃状态State5；利用关联规则建立数据空间初始聚类Classx与智能配电网5种运行状态之间的相互联系，实现扩展聚类划分，得到数据空间扩展聚类；2)将当前数据划归到基于历史数据的初始聚类中，基于关联规则预测运行状态，从而确定自愈控制策略，进行全景风险管控和自愈控制；具体步骤包括：2.1)基于历史数据的关联规则与初始聚类，对智能配电网历史数据进行分析，确定智能配电网5种运行状态的基本特征与边界条件；2.2)根据历史数据的初始聚类Classx和关联规则以及智能配电网5种运行状态，将满足基本特征与边界条件的当前数据划归到基于历史数据的初始聚类Classx中并预测运行状态；2.3)根据步骤2.2)中预测得到的运行状态，确定智能配电网自愈控制策略；2.4)统计并判断扩展聚类准确率是...

【专利技术属性】
技术研发人员：范新南，马金祥，倪建军，李敏，史朋飞，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32