一种基于大数据的电压暂降严重度评估方法及设备技术

本发明专利技术涉及一种基于大数据的电压暂降严重程度评估方法及设备，所述严重程度评估方法包括以下步骤：选取若干个电压暂降事件中的特征维度的数据，采用高斯云变换对特征维度的数据中的连续特征量进行离散化，离散化后的数据构成基础数据库用于数据挖掘；采用FP‑Growth算法，在Apriori算法的基础上，根据基础数据库中数据的特征维度的属性构建FP‑Tree，通过FP‑Tree挖掘出若干个反应特征维度的属性与电压暂降严重程度之间关系的关联规则，得到关联规则库；基于灰色关联度分析法构建关联规则与实际故障场景的匹配模型，计算实际故障场景与关联规则的关联度，在关联规则库中得出关联度最高的关联规则；根据关联度最高的关联规则，评估实际故障场景的电压暂降严重程度。

【技术实现步骤摘要】
一种基于大数据的电压暂降严重度评估方法及设备
本专利技术涉及一种基于大数据的电压暂降严重度评估方法及设备，属于电压暂降严重程度评估领域。
技术介绍
随着世界经济不断发展，计算机技术在工业领域大范围加以运用。一方面人们工作效率得以提升，另一方面计算机系统的运用带来大量敏感设备接入电网，因此对电能质量的要求持续提高。电压暂降作为电能质量的主要问题，对其进行深入研究成为现实需要。我国自提出智能电网概念后，电力系统数字化的发展留下大量监测、仿真计算和人工记录等海量历史数据。数据挖掘概念的提出以及发展，为将这些电力系统历年积累的数据实用化提供了可能。电压暂降的主要危害体现在对敏感用户造成的巨大的经济损失，如若可以预先得出故障节点暂降严重程度情况并采取相应补救措施，则可以很大程度上减少损失。在每次电压暂降事故发生后，其电压暂降事故报告中包含中不同维度的信息，如故障原因、电压等级、故障地点等。随着长时间的积累，累积的信息将形成一个庞大的数据库。那么提取出其中用户较为关心的特征量来表征与电压暂降严重程度之间的关系，通过数据挖掘方法挖掘出它们与暂降严重程本文档来自技高网...

【技术保护点】
1.一种基于大数据的电压暂降严重程度评估方法，其特征在于，包括以下步骤：/n数据预处理，选取若干个电压暂降事件中的特征维度的数据，采用高斯云变换对特征维度的数据中的连续特征量进行离散化，离散化后的数据构成基础数据库用于数据挖掘；/n构建关联规则数据库，采用FP-Growth算法，在Apriori算法的基础上，根据基础数据库中数据的特征维度的属性构建FP-Tree，通过FP-Tree挖掘出若干个反应特征维度的属性与电压暂降严重程度之间关系的关联规则，得到关联规则库；/n构建匹配模型，基于灰色关联度分析法构建关联规则与实际故障场景的匹配模型，通过匹配模型计算实际故障场景与关联规则的关联度，在关联规...

【技术特征摘要】
1.一种基于大数据的电压暂降严重程度评估方法，其特征在于，包括以下步骤：
数据预处理，选取若干个电压暂降事件中的特征维度的数据，采用高斯云变换对特征维度的数据中的连续特征量进行离散化，离散化后的数据构成基础数据库用于数据挖掘；
构建关联规则数据库，采用FP-Growth算法，在Apriori算法的基础上，根据基础数据库中数据的特征维度的属性构建FP-Tree，通过FP-Tree挖掘出若干个反应特征维度的属性与电压暂降严重程度之间关系的关联规则，得到关联规则库；
构建匹配模型，基于灰色关联度分析法构建关联规则与实际故障场景的匹配模型，通过匹配模型计算实际故障场景与关联规则的关联度，在关联规则库中得出关联度最高的关联规则；
根据所述关联度最高的关联规则，评估实际故障场景的电压暂降严重程度。


2.根据权利要求1所述的一种基于大数据的电压暂降严重程度评估方法，其特征在于，所述采用高斯云变换对特征维度的数据中的连续特征量进行离散化的具体步骤为：
(1)
(2)f(x)＝FREQUENCY(D)//使用数据集合生成概率分布函数；
(3)h(x)＝f(x)；i＝1；//设置初始值；
(4)WHILE(MAX(h(x))＞ε//依据误差阈值ε，判断是否继续进行迭代；
BEGIN

//寻找h(x)的峰值位置作为云模型的质心；

//ai为幅度系数；

//计算拟合用的h(x)以Ex为期望的云模型的熵和类型；







//计算拟合差；
i＝i+1；
END。


3.根据权利要求1所述的一种基于大数据的电压暂降严重程度评估方法，其特征在于，所述根据基础数据库中数据的特征维度的属性构建FP-Tree，通过FP-Tree挖掘出若干个反应特征维度的属性与电压暂降严重程度之间关系的关联规则的具体步骤为：
扫描整个基础数据库，找出并统计每个电压暂降事件中特征维度的属性项出现的频数；通过预设定的最小支持度删除不满足频数的属性项，最后将得到的属性项根据出现的频数进行降序排列从而得到频繁列表；
再次扫描数据库，并以“Null”来创建FP-Tree的根节点；将再次扫描所得的每条属性项按照频繁项列表的排列顺序插入到FP-Tree的树节点，创建电压暂降事件严重程度的路径，得到树状图；
挖掘关联规则，在树状图中根据电压暂降事件严重程度的路径查找电压暂降事件严重程度的前置条件以及电压暂降事件严重程度发生的频数，并条件模式基，利用条件模式基创建条件FP-tree，生成相应的反应特征维度的属性与电压暂降严重程度之间的关系的关联规则。


4.根据权利要求1所述的一种基于大数据的电压暂降严重程度评估方法，其特征在于，所述基于灰色关联度分析法构建关联规则与实际故障场景的匹配模型，通过匹配模型计算实际故障场景与关联规则的关联度的具体步骤为：
根据实际场景各特征维度的数据构成参考序列，挖掘出的关联规则构成比较序列，令：
X0＝(x0(1),x0(2),...,x0(i),...,x0(n))
X1＝(x1(1),x1(2),...,x1(i),...,x1(n))
X2＝(x2(1),x2(2),...,x2(i),...,x2(n))
Xn＝(xn(1),xn(2),...,xn(i),...,xn(n))
式中X0为参考序列，X1至Xn为比较序列，x0(i)至xn(i)为反应系统特征的第i个因素的观测值；
对参考序列和比较序列中的数值进行均值化处理：



对参考序列和比较序列做差：
Δ0i(k)＝|x'0(k)-x'i(k)|；
得到差序列：
Δ0i＝(Δ0i(1),Δ0i(2),...,Δoi(n)),i＝1,2,...,m；
计算关联系数：



式中，ζ为分辨系数，且ζ∈(0,1)；
得到关联度：





5.一种基...

【专利技术属性】
技术研发人员：林焱，傅智为，黄毅标，郑佩熹，黄道姗，林芳，方晓玲，徐方维，张衍，林智敏，郭凯，
申请(专利权)人：国网福建省电力有限公司，国网福建省电力有限公司电力科学研究院，四川大学，
类型：发明
国别省市：福建;35