基于PCA-自组织神经网络的中低压配电网运行状态评估方法技术

基于PCA‑自组织神经网络的中低压配电网运行状态评估方法，包括以下步骤：基于改进的主成分分析法PCA特征提取算法，提取出最能反映配电网状态的指标变量，并构建层次分析评估指标体系；针对计算指标变量时所需数据，进行基于自组织神经网络的数据清理；对清理过的配电网数据进行统计分析，计算指标层单项指标值和单项指标得分。然后利用熵组合权重算法，计算出各个指标层指标的综合权重，最后根据指标层单项指标得分和综合权重，逐层向上计算中间层和目标层的指标得分；将评估得分划分评估健康等级，再根据评估健康等级从上层指标到下层指标找出配电网运行薄弱环节。该方法能够为中低压配电网运行状态控制和管理提供有效的技术支持和参考意见。

Operation state evaluation method of medium and low voltage distribution network based on PCA self-organizing neural network

【技术实现步骤摘要】
基于PCA-自组织神经网络的中低压配电网运行状态评估方法
本专利技术涉及中低压配电网运行状态评估
，具体涉及一种基于PCA-自组织神经网络的中低压配电网运行状态评估方法。
技术介绍
近年来，作为智能电网的重要组成部分，配电网智能化也成为智能电网发展的新趋势，且由于中低压配电网是电力系统与用户直接相连的关键环节，其运行状态直接影响到国民生活和经济。因此，构建一套科学有效、快速精确的中低压配电网运行状态评估体系是当务之急。我国配电网有分布范围广，线路多且排布混乱，设备种类和数量繁多，自动化水平较低等问题，导致配电网运行数据采集困难，而且目前对配电网评估的研究大部分停留在高、中压配电网层面，对中低压配电网特性的评估较少。然而，随着用户对供电可靠性要求的不断提高以及智能电网的不断发展，配电网的健康状况及其对配电网系统的影响逐渐得到了重视。而对配电网实施合理的评估，将有助于判定配电网的运行状态，有针对性的对配电网进行改造，使配电网的供电可靠性、电能质量、电网资产利用率等方面得到改善。配电网是一种直接面向用户的终端网络，对维持供电可靠性和地区经济平稳发展有着极其重要的作用。目前我国的配电网在电能质量、供电可靠性上相较于西方发达国家仍有不小的差距。近年来，电网运行状态评估系统成为智能电网的重要组成部分，其对提高调度效率，避免故障发生与扩大，提高供电可靠性具有重要意义。而配电网作为连接输电网和用户的重要环节，其运行状态的好坏直接影响着用户用电的可靠性和电能质量，与人民生活水平和国民经济发展息息相关。为了满足用户日益增长的用电需求，需要提供一种安全可靠、优质经济的中低压配电网运行状态评估方法。现有技术中涉及中低压配电网运行状态评估存在的弊端有：1)、在中低压配电网运行状态评估中，配电网状态影响因素多导致评估指标数目众多，且暂时没有统一合理的方法来筛选评估指标，亟需一种客观合理的方法来筛选评估指标。2)、中低压配电网结构复杂，设备繁多，自动化水平较低，现有的SCADA等系统的运行数据存在采集困难、精度较差、数据不完整等特点。因此，在对中低压配电网运行状态进行评估时，传统评估流程有较大误差，亟需对异常数据进行辨识和清理。
技术实现思路
本专利技术的目的在于提供一种基于PCA-自组织神经网络的中低压配电网运行状态评估方法，从安全性、可靠性、优质性、经济性多方面对中低压配电网进行各方面的综合评估，该方法能够为中低压配电网运行状态控制和管理提供有效的技术支持和参考意见。本专利技术采取的技术方案为：基于PCA-自组织神经网络的中低压配电网运行状态评估方法，包括以下步骤：步骤1：根据配电网运行状态基础数据和设备参数，采用基于改进的主成分分析法PCA特征提取算法，提取出最能反映配电网状态的指标变量，并构建层次分析评估指标体系；步骤2：针对计算指标变量所需数据，进行基于自组织神经网络的数据清理；步骤3：对清理过的配电网数据进行统计分析，计算指标层单项指标值和单项指标得分。然后利用熵组合权重算法，计算出各个指标层指标的综合权重，最后根据指标层单项指标得分和综合权重，逐层向上计算中间层和目标层的指标得分；步骤4：将评估得分划分评估健康等级，再根据评估健康等级从上层指标到下层指标找出配电网运行薄弱环节。本专利技术一种基于PCA-自组织神经网络的中低压配电网运行状态评估方法，技术效果如下：1：本专利技术方法考虑了异常数据对配电网运行状态评估的影响，通过自组织神经网络的数据清理算法对配电网运行异常数据进行辨识及清除，根据算例分析表明自组织神经网络建模简单，收敛速度快且精度较高，能有效降低因异常数据带来的评估误差。2：本专利技术方法采用一种改进的主成分分析法(PCA)来构建状态评估指标体系，采用熵组合权重法，来计算各评估指标的主客观综合权重，从安全性、可靠性、优质性和经济性方面对配电网进行各方面的综合评估，形成了一套科学、有效的中低压配电网运行状态评估体系。3：本专利技术方法能够为中低压配电网运行状态控制和管理提供有效的技术支持和参考意见。附图说明图1为本专利技术评估方法的流程图。具体实施方式如图1所示，基于PCA-自组织神经网络的中低压配电网运行状态评估方法，包括以下步骤：步骤1：根据配电网运行状态基础数据和设备参数，采用基于改进的主成分分析法PCA特征提取算法，提取出最能反映配电网状态的指标变量，并构建层次分析评估指标体系。基础数据包括10kV线路电流、台区关口电压、10kV母线电压等。设备参数包括主变额定容量、配变额定容量、开关故障信息等。步骤2：针对计算指标变量所需数据，进行基于自组织神经网络的数据清理；步骤3：对清理过的配电网数据进行统计分析，计算指标层单项指标值和单项指标得分。然后利用熵组合权重算法，计算出各个指标层指标的综合权重，最后根据指标层单项指标得分和综合权重，逐层向上计算中间层和目标层的指标得分；步骤4：将评估得分划分评估健康等级，再根据评估健康等级从上层指标到下层指标找出配电网运行薄弱环节。所述步骤1中，基于改进的主成分分析法PCA的特征提取算法，将配电网诸多评估指标进行分类，在每一个大类中利用主成分分析筛选出最能反映配电网状态的指标变量，然后利用层次分析法构建评评估指标体系，包括以下步骤：步骤1.1、分别选取配电网状态评估指标参量，对各个评估指标参量进行量化，构建评估指标量化矩阵，即：X＝[X1,X2,X3]；其中：X1表示历年来发生的事故统计中对应评估指标参量的百分比；X2表示历年来产生严重缺陷统计中对应评估指标参量的百分比；X3表示历年来产生一般缺陷统计中对应评估指标参量的百分比；并在进行主成分分析之前先消除量纲的影响，采用原始数据标准化：其中：zij为标准化后的变量值，xij为实际变量值，sj为标准差，依据协方差原理，对指标变量进行标准化变换后，变量协方差矩阵即为其相关系数矩阵，标准化变换后的相关的协方差系数是等价的。步骤1.2、解相关系数矩阵，并求出相关系数矩阵的特征值及特征向量，按照特征值大小排序λ1≥λ2≥λ3≥…λp，其中，对应于每个特征值λi的特征向量为αi，||αi||＝1；然后计算累计方差贡献率：当因子越重要时，累计方差贡献率也就越大。步骤1.3、求取主成分载荷：其中：λ1,λ2,λ3,...λm为矩阵的特征值；α1,α2,α3,...αm为特征向量；然后计算各评估指标变量的重要度：分析选取的m个主成分，计算主成分中状态指标参量的重要度然后，将求出的状态评估指标参量的重要度归一化，重要度越大代表相关性越强，即该状态评估指标在众多评估指标中越有代表性，最后得出配电网状态评估的关键指标参量。所述步骤2中，在基于改进的主成分分析法PCA特征提取算法，得出评估所需的指标变量后，针对计算指标变量所需数据进行自组织神经网络特征映射，将离群的神经元中包含的组清除，本文档来自技高网...

【技术保护点】
1.基于PCA-自组织神经网络的中低压配电网运行状态评估方法，其特征在于包括以下步骤：/n步骤1：根据配电网运行状态基础数据和设备参数，采用基于改进的主成分分析法PCA特征提取算法，提取出最能反映配电网状态的指标变量，并构建层次分析评估指标体系；/n步骤2：针对计算指标变量所需数据，进行基于自组织神经网络的数据清理；/n步骤3：对清理过的配电网数据进行统计分析，计算指标层单项指标值和单项指标得分；然后利用熵组合权重算法，计算出各个指标层指标的综合权重，最后根据指标层单项指标得分和综合权重，逐层向上计算中间层和目标层的指标得分；/n步骤4：将评估得分划分评估健康等级，再根据评估健康等级，从上层指标到下层指标找出配电网运行薄弱环节。/n

【技术特征摘要】
1.基于PCA-自组织神经网络的中低压配电网运行状态评估方法，其特征在于包括以下步骤：
步骤1：根据配电网运行状态基础数据和设备参数，采用基于改进的主成分分析法PCA特征提取算法，提取出最能反映配电网状态的指标变量，并构建层次分析评估指标体系；
步骤2：针对计算指标变量所需数据，进行基于自组织神经网络的数据清理；
步骤3：对清理过的配电网数据进行统计分析，计算指标层单项指标值和单项指标得分；然后利用熵组合权重算法，计算出各个指标层指标的综合权重，最后根据指标层单项指标得分和综合权重，逐层向上计算中间层和目标层的指标得分；
步骤4：将评估得分划分评估健康等级，再根据评估健康等级，从上层指标到下层指标找出配电网运行薄弱环节。


2.根据权利要求1所述基于PCA-自组织神经网络的中低压配电网运行状态评估方法，其特征在于：所述步骤1中，基于改进的主成分分析法PCA的特征提取算法，将配电网诸多评估指标进行分类，在每一个大类中利用主成分分析筛选出最能反映配电网状态的指标变量，然后利用层次分析法构建评评估指标体系，包括以下步骤：
步骤1.1、分别选取配电网状态评估指标参量，对各个评估指标参量进行量化，构建评估指标量化矩阵，即：X＝[X1,X2,X3]；
其中：X1表示历年来发生的事故统计中对应评估指标参量的百分比；
X2表示历年来产生严重缺陷统计中对应评估指标参量的百分比；
X3表示历年来产生一般缺陷统计中对应评估指标参量的百分比；
并在进行主成分分析之前先消除量纲的影响，采用原始数据标准化：
其中：i＝1,2,3,...,n；j＝1,2,3,...,p；依据协方差原理，对指标变量进行标准化变换后，变量协方差矩阵即为其相关系数矩阵，标准化变换后的相关的协方差系数是等价的；
步骤1.2、解相关系数矩阵，并求出相关系数矩阵的特征值及特征向量，按照特征值大小排序λ1≥λ2≥λ3≥…λp，其中，对应于每个特征值λi的特征向量为αi，||αi||＝1；然后计算累计方差贡献率：当因子越重要时，累计方差贡献率也就越大；
步骤1.3、求取主成分载荷：其中：λ1,λ2,λ3,...λm为矩阵的特征值；α1,α2,α3,...αm为特征向量；然后计算各评估指标变量的重要度：
分析选取的m个主成分，计算主成分中状态指标参量的重要度然后，将求出的状态评估指标参量的重要度归一化，重...

【专利技术属性】
技术研发人员：粟世玮，尤熠然，张思洋，赵一鸣，吉雅鑫，熊炜，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42