一种通过数据挖掘实现配网公变电压异常决策分析的方法技术

本发明专利技术公开了一种通过数据挖掘实现配网公变电压异常决策分析的方法，该方法借助大数据处理平台根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。

【技术实现步骤摘要】
一种通过数据挖掘实现配网公变电压异常决策分析的方法
本专利技术属于电力领域，涉及一种通过数据挖掘实现配网公变电压异常决策分析的方法。
技术介绍
配电网电压异常是关系千家万户生活质量的民生问题，消除电压异常是履行社会责任和践行服务宗旨的基本要求，是供电企业迈向精益化管理的重要标志。目前，关于电网大数据分析已经非常普遍，但是针对配电网公用变压器电压异常的大数据分析并不多见。为加强配电网用户电压异常、过电压、电压波动的治理工作,提高治理针对性和有效性，为实施运维管控和相关基建、技改、大修等项目立项、审查提供依据，需要提供一种基于大数据的配电网供电异常分析和预警方法。
技术实现思路
本专利技术的目的是提供一种通过数据挖掘实现配网公变电压异常决策分析的方法。该方法根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。本专利技术的目的通过以下技术方案实现：一种通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于该方法步骤如下：1)数据预处理；11)通过大数据处理平台，获取配电网运行基础数据；12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致。13)通过数据变换，将数据转换成适合于挖掘的形式。14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验。15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量。2)通过Apriori算法实现关联因子分析；21)专家分析筛选关联因子；22)使用Apriori算法进行关联因子分析；23)去除关联性较低的因子，留下关联性高的因子，分别为：负载率(最大、最小、平均)、三相不平衡度(最大、最小、平均)、电压(最大、最小、平均)。3)建立专家知识库根据第2步得到的关联因子，将训练样本形成9维向量。收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库。4)构建电压异常向量将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量。5)匹配成因将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模。继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。51)将训练样本形式化为特征空间中的加权特征向量，X＝(x1,x2,x3……x18)，xi表示样本x的第i个特征的值。52)确定K值，一般在之间53)采用余弦相似性作为距离度量算法计算两个样本之间的相似度。54)根据样本相似度计算每一类的权重55)按照类别权重大小对新文本进行归类。56)判断出电压异常的原因，并根据专家知识库制定电压异常治理措施。本专利技术借助大数据处理平台，根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。本专利技术适用于配网运行中公变电压异常原因分析和决策分析，运行人员通过原因分析和决策分析可以快速定位电压异常的公变、原因，并可以立即采取对应的决策措施，提高了工作效率，保障了电网的安全。附图说明图1是配网公变电压异常决策分析方法。具体实施方式一种通过数据挖掘实现配网公变电压异常决策分析的方法，借助江苏公司建立的大数据处理平台，根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。步骤如下：1)数据预处理；11)通过江苏公司建立的大数据处理平台，获取配电网运行基础数据；12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致。13)通过数据变换，将数据转换成适合于挖掘的形式。14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验。15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量。2)通过Apriori算法实现关联因子分析；24)专家分析筛选关联因子；25)使用Apriori算法进行关联因子分析；26)去除关联性较低的因子，留下关联性高的因子，分别为：负载率(最大、最小、平均)、三相不平衡度(最大、最小、平均)、电压(最大、最小、平均)。3)建立专家知识库根据第2步得到的关联因子，将训练样本形成9维向量。收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库。4)构建电压异常向量将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量。5)匹配成因将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模。继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。12)将训练样本形式化为特征空间中的加权特征向量，X＝(x1,x2,x3……x18)，xi表示样本x的第i个特征的值。13)确定K值，一般在之间14)采用余弦相似性作为距离度量算法计算两个样本之间的相似度。15)根据样本相似度计算每一类的权重16)按照类别权重大小对新文本进行归类。17)判断出电压异常的原因，并根据专家知识库制定电压异常治理措施。本专利技术适用于配网运行中公变电压异常原因分析和决策分析，运行人员通过原因分析和决策分析可以快速定位电压异常的公变、原因，并可以立即采取对应的决策措施，提高了工作效率，保障了电网的安全。本文档来自技高网...

【技术保护点】
1.一种通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于该方法步骤如下：1)数据预处理；11)通过大数据处理平台，获取配电网运行基础数据；12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致；13)通过数据变换，将数据转换成适合于挖掘的形式；14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验；15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量；2)通过Apriori算法实现关联因子分析；21)分析筛选关联因子；22)使用Apriori算法进行关联因子分析；23)去除关联性较低的因子，留下关联性高的因子，分别为：负载率，包括最大、最小、平均；三相不平衡度，包括最大、最小、平均；电压，包括最大、最小、平均；3)建立专家知识库；根据步骤2)得到的关联因子，将训练样本形成9维向量；收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库；4)构建电压异常向量；将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量；5)匹配成因；将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模；继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。...

【技术特征摘要】
1.一种通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于该方法步骤如下：1)数据预处理；11)通过大数据处理平台，获取配电网运行基础数据；12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致；13)通过数据变换，将数据转换成适合于挖掘的形式；14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验；15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量；2)通过Apriori算法实现关联因子分析；21)分析筛选关联因子；22)使用Apriori算法进行关联因子分析；23)去除关联性较低的因子，留下关联性高的因子，分别为：负载率，包括最大、最小、平均；三相不平衡度，包括最大、最小、平均；电压，包括最大、最小、平均；3)建立专家知识库；根据步骤2)得到的关联因子，将训练样本形成9维向量；收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库；4)构建电压异常向量；将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵...

【专利技术属性】
技术研发人员：吴鹏，张斌，刘友春，卢逢婷，卜晓，
申请(专利权)人：江苏电力信息技术有限公司，国网江苏省电力公司，
类型：发明
国别省市：江苏,32