基于线性判别分析的多属性决策树电网稳定裕度评估方法技术

本发明专利技术公开了一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，基于电网的离线仿真数据及实时监测数据建立了关键变量的发现模型，对历史样本数据进行有效筛选降低数据维度，建立了关键变量间的组合关系模型，发现变量间的关联关系，并提取出能反映各变量重要程度对比的组合特征，建立了电网运行状态和暂态稳定裕度间的关联关系，确定系统稳定性水平变化的主要原因，形成简明、准确的知识规则库以及调整决策参考，进而根据系统运行状态快速评估当前稳定水平，对运行人员辅助决策提供量化信息支持，提升电网稳定性评估的标准化、快速性和自适应能力，具有广泛应用前景。

Evaluation method of network stability margin based on linear discriminant analysis for multiple attribute decision trees

The invention discloses a linear discriminant analysis based on multi attribute decision tree grid stability margin evaluation method, off-line simulation and real-time monitoring of data grid data is established based on the model of the key variables, effective screening to reduce the dimension of the historical sample data, a combination model of the relationship between key variables, find the Association among the variables, and extract the combination of features can reflect the importance of each variable contrast, establish the grid operation state and transient stability margin of the relationship, the main reason to determine changes in the level of stability of the system, the formation of concise and accurate knowledge of rules and adjust to reference, and then according to the running state of the system of rapid assessment of the current a stable level, provide quantitative information for operators to support decision-making, improve power system stability assessment standard, It has high speed and self adaptability, and has wide application prospect.

【技术实现步骤摘要】
基于线性判别分析的多属性决策树电网稳定裕度评估方法
本专利技术涉及电网安全
，具体涉及一种基于线性判别分析的多属性决策树电网稳定裕度评估方法。
技术介绍
传统的电网监测系统(SCADA)难以实时获取系统故障后信息，电网的暂态稳定分析决策通常针对预想的故障集进行离线分析，然后给出辅助决策，进而通过调度员凭自身经验进行最终操作。但随着大规模可再生能源的接入和电网互联规模的扩大，电力系统的安全稳定分析和调度运行控制面临更为严峻的考验。传统的“人工经验判断+在线计算辅助决策”的生产方式已经不能满足当前电网复杂多变的调度运行需求。因此需要强有力的在线监视、决策方法，根据电网监测数据和历史事件快速进行电力系统暂态稳定评估，实时计算当前运行条件下系统的稳定水平，以帮助运行人员更好地监视、管理电网，制定切实提高电网稳定性的优化策略，使系统在预想故障下仍能安全稳定运行，是保证电网的安全稳定运行的重要手段。随着广域量测技术普及，全国各级调度中心积累了大量的调度运行数据，这些大量数据当中蕴藏着丰富的信息，等待着被发掘。基于数据驱动的电力系统分析有助于发现未知规律、获取新的经验，逐渐成为新的关注热点。传统的建模仿真或数理推导所得的发现具有强因果关系，而从数据中抽取信息具有一定统计学意义的弱因果关系的规律，对电力系统海量数据进行数据挖掘分析，从运行状态预估电网稳定水平，对于大电网的安全评估与预防控制具有极大帮助。目前有许多智能算法用于电力系统的数据挖掘当中，如其中较为常见的方法有神经网络法，支持向量机法，决策树法等。但是有些算法过于复杂耗时过长，不利于规则发现与在线应用。决策树算法具有算法简单，规则获取方便，判断迅速，适合在线应用等特点，但传统决策树多为单属性决策树，缺乏对电气量之间关联关系的获取。
技术实现思路
本专利技术为了解决上述问题，提出了一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，本专利技术通过建立关键变量的发现模型，对历史样本数据进行有效筛选降低数据维度，建立关键变量间的组合关系模型，发现变量间的关联关系，建立了电网运行状态和暂态稳定裕度间的关联关系，确定系统稳定性水平变化的主要原因，形成简明、准确的知识规则库以及调整决策参考，进而根据系统运行状态快速评估当前稳定水平，对运行人员辅助决策提供量化信息支持，提升电网稳定性评估的标准化、快速性和自适应能力，具有广泛应用前景。为了实现上述目的，本专利技术采用如下技术方案：一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，包括以下步骤：(1)基于电网的离线仿真数据及实时监测数据,获取发电机有功和无功电网状态量以及在各预想故障下的稳定裕度指标，建立电网安全稳定数据库；(2)对数据库中的电网状态量进行降维处理，通过基于互信息的数据降维模型，对数据库中的电网状态量进行抽取，抽取与相应故障稳定性相关性极大的属性；(3)建立电网关键特征间的组合关系模型，对抽取的属性利用线性判别分析方法进行特征提取，获得反映各关键特征的组合特征；(4)建立关联分析模型，根据得到的组合特征以及相应的稳定裕度，通过决策树算法建立特征与稳定性的关联分析，以获取不同状态的组合值与稳定性的映射关系；(5)建立稳定关联特征规则库，对获得的模型各映射关系进行分析，提取相关可用规则，建立稳定关联特征规则库，根据规则库进行电网运行状态变化的快速判稳。所述步骤(2)中，对电网状态数据与稳定裕度数据进行合理的离散化处理，并计算两者的互信息，依据互信息的大小得到与最终裕度关联程度的强弱关系，设定相对合理的互信息阀值，选取出与最终稳定裕度关联度大于设定阈值的属性作为关键特征属性。所述步骤(2)中，互信息为所求变量熵与该变量的条件熵的差值。进一步的，所述步骤(3)中，根据获取的关键电网特征获取该特征数据，在特征空间中利用线性判别分析对样本进行投影，针对不同样本所对应的稳定类别，使得投影后的特征值能达到不同类别间的样本尽可能靠近，不同类别间的数据尽可能远离。进一步的，所述步骤(3)中，根据线性判别分析对样本进行投影，对所选数据依据其稳定裕度所属类别进行最佳投影，得出最有利于区分不同类别的投影方向，并得到投影到该方向上时各属性的组合系数，该系数即为关键特征间的组合关系。所述步骤(4)中，建立特征与稳定性的关联分析模型时，利用智能决策树算法建立不同扰动事件与系统稳定性关系的分析模型，使用递归方式在每个步骤中最大限度降低Gini不纯度对数据进行训练分类，形成决策树。进一步的，所述步骤(4)中，具体包括：(4-1)从属性集中选取某属性，并从该属性中寻找分类点，若所选属性是一个连续型变量属性，则需要对样本中属性的所有值进行排序，取排序后各相邻点的中点形成分裂点候选集；(4-2)计算以候选集中各分裂点分裂时的Gini不纯度，通过比较获取最小的Gini不纯度值以及相应的分裂点，获取每个属性的最佳分裂点；(4-3)比较获取节点A中的最小分裂Gini不纯度值以及相应的待分裂属性，根据所获取的最佳分裂属性Xl以及相应分裂点将节点分为两个子节点；(4-4)对子节点进行分裂，若该节点的gini不纯度小于设定的阀值，则停止其分裂；若子节点的样本数量小于设定的阀值，则停止其分裂。进一步的，所述步骤(4)中，决策树形成后以节点所含样本数最多的类别作为该节点表征类别。所述步骤(5)中，对于电网运行状态变化的快速判稳和原因分析及关联规则库的生成时：通过对决策树不同路径下样本判别分析，形成系统组合状态情况与稳定裕度的映射，从而得到通过系统状态进行快速判稳准依据。所述步骤(5)中，基于支持度与置信度指标获取有效发掘各特定故障下系统运行状态的组合关系与稳定裕度之间的有效关联规则，对所获取的关联规则库进行凝练，回推引起稳定性变化的原因，并考虑不同故障在不同时刻的发生概率，并基于概率统计信息预测特定事件的未来发生及其对系统稳定性的影响，制定参考控制策略。与现有技术相比，本专利技术的有益效果为：本专利技术通过引入信息理论中的互信息模型对所系统特征进行完全依赖数据的降维，减少了人工干预，降低了数据维度，简化计算，并有利于规则的发现；通过线性判别的方法对所获特征进行投影，简单高效地获取了各特征之间的线性关系，有利于挖掘数据中所隐含得更多信息；通过决策树分类模型的训练分析建立了电网运行状态与稳定裕度之间的关联关系，预测电网运行变化对电网稳定性的影响，并可回推引起稳定性变化的原因，并结合电网事件发生的概率性因素，对电网运行提供切实可行的指导性原则。本专利技术对系统属性进行了有效降维并获取不同属性间的组合关系。对于不同故障，不同属性对系统失稳与否的影响程度是不一样的，且对系统稳定性变化起关键作用的属性与全系统属性相比往往较少，通过剔除对系统稳定性较弱属性的降维方式有助于减少无关变量对规则的影响，简化了模型的复杂程度。建立了系统不同属性的组合关系发现模型，通过发现属性间的组合关系从数据中挖掘出更多有用信息。本专利技术实现了电力系统运行状态与暂态稳定关联关系辨识。处于不同运行状态的电力系统其扰动后的暂态稳定性是不同的，从某种程度上来说，电网运行状态可以反映系统稳定水平。建立电网特定运行状态与电网稳定性间的自动映射，获取电网关键状态集，从不同运行状态及其组合中发现对电网暂态稳定性影响较大的本文档来自技高网...

【技术保护点】
一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，其特征是：包括以下步骤：(1)基于电网的离线仿真数据及实时监测数据,获取发电机有功和无功电网状态量以及在各预想故障下的稳定裕度指标，建立电网安全稳定数据库；(2)对数据库中的电网状态量进行降维处理，通过基于互信息的数据降维模型，对数据库中的电网状态量进行抽取，抽取与相应故障稳定性相关性极大的属性；(3)建立电网关键特征间的组合关系模型，对抽取的属性利用线性判别分析方法进行特征提取，获得反映各关键特征的组合特征；(4)建立关联分析模型，根据得到的组合特征以及相应的稳定裕度，通过决策树算法建立特征与稳定性的关联分析，以获取不同状态的组合值与稳定性的映射关系；(5)建立稳定关联特征规则库，对获得的模型各映射关系进行分析，提取相关可用规则，建立稳定关联特征规则库，根据规则库进行电网运行状态变化的快速判稳。

【技术特征摘要】
1.一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，其特征是：包括以下步骤：(1)基于电网的离线仿真数据及实时监测数据,获取发电机有功和无功电网状态量以及在各预想故障下的稳定裕度指标，建立电网安全稳定数据库；(2)对数据库中的电网状态量进行降维处理，通过基于互信息的数据降维模型，对数据库中的电网状态量进行抽取，抽取与相应故障稳定性相关性极大的属性；(3)建立电网关键特征间的组合关系模型，对抽取的属性利用线性判别分析方法进行特征提取，获得反映各关键特征的组合特征；(4)建立关联分析模型，根据得到的组合特征以及相应的稳定裕度，通过决策树算法建立特征与稳定性的关联分析，以获取不同状态的组合值与稳定性的映射关系；(5)建立稳定关联特征规则库，对获得的模型各映射关系进行分析，提取相关可用规则，建立稳定关联特征规则库，根据规则库进行电网运行状态变化的快速判稳。2.如权利要求1所述的一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，其特征是：所述步骤(2)中，对电网状态数据与稳定裕度数据进行合理的离散化处理，并计算两者的互信息，依据互信息的大小得到与最终裕度关联程度的强弱关系，设定相对合理的互信息阀值，选取出与最终稳定裕度关联度大于设定阈值的属性作为关键特征属性。3.如权利要求1所述的一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，其特征是：所述步骤(2)中，互信息为所求变量熵与该变量的条件熵的差值。4.如权利要求1所述的一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，其特征是：所述步骤(3)中，根据获取的关键电网特征获取该特征数据，在特征空间中利用线性判别分析对样本进行投影，针对不同样本所对应的稳定类别，使得投影后的特征值能达到不同类别间的样本尽可能靠近，不同类别间的数据尽可能远离。5.如权利要求1所述的一种基于线性判别分析的多属性决策树电网稳定裕度评估方法，其特征是：所述步骤(3)中，根据线性判别分析对样本进行投影，对所选数据依据其稳定裕度所属类别进行最佳投影，得出最有利于区分不同类别的投影方向，并得到投影到该方向上时各属性的组合系数，该系数即为关键特征...

【专利技术属性】
技术研发人员：石访，胡熊伟，于之虹，黄彦浩，鲁广明，
申请(专利权)人：山东大学，中国电力科学研究院，国家电网公司，国网江苏省电力公司电力科学研究院，
类型：发明
国别省市：山东,37