【技术实现步骤摘要】
一种采用大数据聚类的基于粒子群原理的配电网数据预处理方法
本专利技术属于配电网的可靠性预测领域,尤其涉及一种采用大数据聚类的基于粒子群原理的配电网数据预处理方法。
技术介绍
近年来,国家电网公司加大配电网自动化改造力度,深化配电自动化系统推广和应用,能够实现对配电网主干线、部分分支线开关的遥信、遥测、遥控,并根据线路事故信号和自动化开关的保护信号,自动判断故障区间,向调控人员发出提示信号或自动完成故障隔离和恢复供电,提高了供电可靠性及输送质量。电力系统作为生产、输送、分配、消费电能的统一整体,任何电力系统故障都会对用户造成影响。据统计,用户故障停电中80%以上都为配电网故障导致的。减少配电网故障、提高配电网可靠性,对于电力公司保障用户的用电质量及用电体验、保障社会和经济健康发展有着重要的作用。配电网故障导致调控人员无法及时发现并处置非自动化线路的故障情况,无法甄别错误的遥信、遥测信息并做出正确处置。但是,随着分布式发电大量接入和用户对供电可靠性要求的不断提高,现有的技术支持手段对配电网尤其是分支线的掌控能力,越来越难以满足调控运行的需要。首先,目前在电力调度系统中,仅有少量电力运行数据能靠人工手动导出并处理,数据利用效率低,亟待通过大数据技术、云计算技术强化应用归集、传输、分析处理,并有效地为配网调控决策服务于现有调控业务。如能对调度自动化系统进行改进,扩展其应用功能,深入挖掘海量数据中蕴藏的有效信息,实现对配电网的故障监测和数据准确性校核,以较低的成本和简便的手段提高 ...
【技术保护点】
1.一种采用大数据聚类的基于粒子群原理的配电网数据预处理方法,其特征是包括以下步骤:/n1)对历年配电网发生的故障大小、频度进行分析,找出数据挖掘的类别,根据配电线路在线监测系统和智能公用配变监测系统等的数据源,进行数据采集;/n2)对数据源采取特征构造,并进行归一化处理,将数据由多个源合并成一致的数据库存储;/n3)对经上一步骤后的当前粒子群体进行弯矩法和凹凸系数法聚类数分析,获得样本最佳的聚类数;/n4)将数据样本按聚类数划分为若干个类别,采用粒子群算法计算数据样本与聚类中心的距离,优化聚类中心;/n5)在对样本进行聚类分析后,采用上下临界图的异常值识别标准划定诊断阈值,若样本距离聚类中心的距离大于诊断阈值,则判别该样本为离群样本,并剔除;进而得到“除噪”的样本数据,/n6)采用经过上述“除噪”处理后的样本数据,对配电网故障潜在规则进行预测。/n
【技术特征摘要】
1.一种采用大数据聚类的基于粒子群原理的配电网数据预处理方法,其特征是包括以下步骤:
1)对历年配电网发生的故障大小、频度进行分析,找出数据挖掘的类别,根据配电线路在线监测系统和智能公用配变监测系统等的数据源,进行数据采集;
2)对数据源采取特征构造,并进行归一化处理,将数据由多个源合并成一致的数据库存储;
3)对经上一步骤后的当前粒子群体进行弯矩法和凹凸系数法聚类数分析,获得样本最佳的聚类数;
4)将数据样本按聚类数划分为若干个类别,采用粒子群算法计算数据样本与聚类中心的距离,优化聚类中心;
5)在对样本进行聚类分析后,采用上下临界图的异常值识别标准划定诊断阈值,若样本距离聚类中心的距离大于诊断阈值,则判别该样本为离群样本,并剔除;进而得到“除噪”的样本数据,
6)采用经过上述“除噪”处理后的样本数据,对配电网故障潜在规则进行预测。
2.按照权利要求1所述的采用大数据聚类的基于粒子群原理的配电网数据预处理方法,其特征是所述的配电网数据预处理方法,对经归一化处理后的配电网数据,进行弯矩法和凹凸系数法聚类数分析,采用以弯矩法为主、凹凸系数法为辅的聚类数选取机制,来获得样本最佳的聚类数。
3.按照权利要求1所述的采用大数据聚类的基于粒子群原理的配电网数据预处理方法,其特征是所述的弯矩法包括:
让聚类数N从1开始取值直到取到配电网合适的聚类上限;
对每一个N值进行聚类并且记下对应的所有样本的聚类误差,即聚类效果优劣;
然后画出N和所有样本的聚类误差的关系图;
最后选取弯曲棱角对应的N值作为最佳聚类数;
其弯矩系数算法为:
其中,N为聚类数,Ob为i簇中的样本对象,Ci为当前i簇的簇中心。
4.按照权利要求1所述的采用大数据聚类的基于粒子群原理的配电网数据预处理方法,其特征是所述的凹凸系数法包括:
按簇内样本的距离远近,求出所有样本的凹凸系数后再求平均值,得到其平均凹凸系数;
平均凹凸系数的取值范围为[-1,1],且簇间样本距离越远,平均凹凸系数越大,取平均凹凸系数最大的M为最佳聚类数;
某个样本点...
【专利技术属性】
技术研发人员:吴峥嵘,石江华,周蓝波,宋祎波,李俊颖,忻葆宏,张萌亮,宗卫国,顾珏,曹轶毅,
申请(专利权)人:国网上海市电力公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。