一种对电能质量扰动事件分类的方法技术

本发明专利技术提出一种对电能质量扰动事件分类的方法，本发明专利技术将基于随机梯度下降算法的SVM分类器应用到电能质量扰动事件的分类识别中，可以有效解决电力大数据有线样本、非线性及高维模式的分类问题。本发明专利技术采用线性SVM逼近χ2核SVM，使得分类器同时具有线性核的高计算效率，又兼备非线性核函数的高分类准确率。本发明专利技术只需利用投影后数据的符号即可进行分类，因此数据保存时，只需存储预处理后数据的符号，大大缓解了现如今日益增长的电网数据量给存储带来挑战。本发明专利技术为准确、实时的分析电力大数据提供了可能。

【技术实现步骤摘要】

本专利技术涉及一种分类方法，具体讲涉及一种对电能质量扰动事件分类的方法。
技术介绍
在电力行业中，数字化技术近年来得到广泛的应用，各系统每天采集和实时记录的电网信息量呈爆炸式增长，许多大型电网系统单日数据量已达到几十GB，甚至几百GB左右，因此如何充分利用数据，快速有效的分析、加工、提炼，以发掘有用知识，已成为电力行业所面临的关键问题之一。电力系统运行的基本要求是：(1)保证安全可靠的供电；(2)要有合格的电能质量；(3)要有良好的经济性。其中，良好的电能质量是对人们的生产生活有着重要影响，健全的电网应保证电压、频率和波形等变化不得超出允许范围。一般分析电能质量的方法是：从电能质量检测系统中提取出用户电压波形，可以利用数据挖掘技术的分类功能自动识别电能扰动事件并进行分类，然后以此为依据开展电能质量的治理工作。最早应用于电能质量分类的方法是人工神经网络(ANN)，然而传统的ANN存在收敛性较差、训练时间较长、可靠性有限的问题，无法满足现如今对电力大数据的实时在线分类问题的要求。基于核的SVM分类器可以有效解决有限样本、非线性及高维模式的分类问题，现已成为机器学习和数据挖掘领域的标准工具。其有效性的关键之一在于所选取的核函数的拟合性能，传统的做法一般是选取计算量较小的线性核函数，但对于电网扰动数据而言，绝大部分情况下各种扰动类型并不是线性可分的，因此线性核函数并不能达到很好的分类效果。而如果采用非线性核函数来进行分类，虽然能够取得较高的分类准确率，但随着电力数据量日益增长，非线性核庞大的计算量使得数据实时处理成为另外一个难以攻克的问题。因此需要提供一种技术方案来解决现有技术存在的问题。
技术实现思路
针对现有技术的不足，本专利技术提出一种对电能质量扰动事件分类的方法，在保证分类准确率的前提下，将原始的非线性SVM问题转化为一个逼近的线性SVM问题，从而可以有效处理电力大数据中的分类问题。设u,ν∈TD是来自电网的两个高维向量，χ2核函数定义为：本专利技术中，我们将其表示为线性组合的形式：ρx2(u，v)＝(1-γ)cos2(πP2，1)+γcos(πP2，1)。其中P2，1＝Pe(sign(x)≠sign(y))，x＝G·u1/2，y＝G·v1/2，G是高斯随机矩阵。即χ2核函数可以用原始数据投影后的符号不一致的概率来表示，这里的符号就是指数学上的正负号。很显然，本专利技术有两个突出优点：一是用线性表示代替非线性表示，计算量大大降低；二是只需保存数据预处理后的符号，比如负数用0表示，正数用1表示，大大降低了数据的存储量。本专利技术主要有以下几个步骤：(1)生成稀疏随机投影矩阵T∈RD×k。(2)对电网扰动数据矩阵A∈RD×k(每行是一个概率分布向量)，计算投影向量X＝A1/2T(A1/2表示A的每个元素取平方根后的矩阵)，保留其符号矩阵S＝sign(X)。(3)以S作为数据特征，训练线性SVMs。(4)在待分类电网扰动事件集合上使用相同的投影方法提取符号特征进行SVMs分类。可以看出算法的计算量主要来自步骤(2)的投影运算量O(nD+nks)和步骤(3)的线性SVMs训练运算量O(nk)，相比于直接利用非线性核函数(运算量O(n2k))，计算速度会大大加快。本专利技术的目的采用下述技术方案实现的：一种对电能质量扰动事件分类的方法，其改进之处在于，所述方法包括(1)针对电能质量扰动事件分类识别的目标，收集数据并构建相应的数据库；(2)确定目标数据，根据从原始数据库中选取的相关数据和样本，获取电力数据特征矩阵A；(3)随机生成高斯稀疏随机投影矩阵T，通过该矩阵将所获取的电网数据投影到新的特征空间X＝A1/2T，保留该特征空间中数据矩阵X的符号矩阵S＝sign(X)；(4)以符号矩阵S代替电力数据的特征矩阵A，训练线性SVMs分类器；对一个正在进行的未知电网扰动事件，以与步骤(1)中同样的采样频率将其离散化，得到特征向量记为u，通过步骤(3)中得到的高斯稀疏随机投影矩阵T将其映射到新的特征空间ν＝u1/2T，利用SVMs分类器已训练好的模型进行分类。优选的，所述步骤(1)包括根据相关背景知识做标注，即将八种电能质量扰动分别用数字1～8做标记，得到标签向量记为Y＝{yi本文档来自技高网...

【技术保护点】
一种对电能质量扰动事件分类的方法，其特征在于，所述方法包括(1)针对电能质量扰动事件分类识别的目标，收集数据并构建相应的数据库；(2)确定目标数据，根据从原始数据库中选取的相关数据和样本，获取电力数据特征矩阵A；(3)随机生成高斯稀疏随机投影矩阵T，通过该矩阵将所获取的电网数据投影到新的特征空间X＝A1/2T，保留该特征空间中数据矩阵X的符号矩阵S＝sign(X)；(4)以符号矩阵S代替电力数据的特征矩阵A，训练线性SVMs分类器；对一个正在进行的未知电网扰动事件，以与步骤(1)中同样的采样频率将其离散化，得到特征向量记为u，通过步骤(3)中得到的高斯稀疏随机投影矩阵T将其映射到新的特征空间ν＝u1/2T，利用SVMs分类器已训练好的模型进行分类。

【技术特征摘要】
1.一种对电能质量扰动事件分类的方法，其特征在于，所述方法包括
(1)针对电能质量扰动事件分类识别的目标，收集数据并构建相应的数据库；
(2)确定目标数据，根据从原始数据库中选取的相关数据和样本，获取电力数据
特征矩阵A；
(3)随机生成高斯稀疏随机投影矩阵T，通过该矩阵将所获取的电网数据投影到
新的特征空间X＝A1/2T，保留该特征空间中数据矩阵X的符号矩阵S＝sign(X)；
(4)以符号矩阵S代替电力数据的特征矩阵A，训练...

【专利技术属性】
技术研发人员：丁杰，刁柏青，孟祥君，张伟昌，杨佩，潘森，
申请(专利权)人：国家电网公司，中国电力科学研究院，国网山东省电力公司，
类型：发明
国别省市：北京;11