一种基于多维信息的电网运行状态监测方法及系统技术方案

本发明专利技术公开了一种基于多维信息的电网运行状态监测方法，包括以下步骤：(1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；(2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；(3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征曲线；(4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测。本发明专利技术解决了电网运行中数据质量参差不齐、运行状态感知能力弱、异常故障识别滞后的运行监测难题。运行监测难题。运行监测难题。

【技术实现步骤摘要】
一种基于多维信息的电网运行状态监测方法及系统


[0001]本专利技术涉及一种电力系统电网运行监测方法和系统，尤其涉及一种基于多维信息的电网运行状态监测方法及系统。

技术介绍

[0002]近年来，随着电网规模不断扩大，新能源大规模集中接入，电网结构日益复杂，调控安全运行面临严峻挑战。调度自动化主站系统作为电网运行控制和调度生产管理的核心支撑系统，其稳定性和可靠性对调控安全运行至关重要。而自动化主站系统涉及的环节多、设备关联性强、实时性要求高，任意环节的可靠性问题都会影响到系统的安全和功能的使用。同时，系统内业务数据的数量和种类也在逐步增多，数据质量参差不齐，缺乏有效的基础数据质量评估和检测手段，影响监控及调度的决策。因此，有必要基于电网调控控制系统建设与应用现状，通过对系统所有实时数据、历史数据、计算数据及模型异常数据进行深度挖掘、多角度分析与诊断处理，进一步夯实数据基础，提升状态感知精度，保障数据的准确、及时、有效和可信，为电网安全运行提供有力保障。

技术实现思路

[0003]专利技术目的：针对以上问题，本专利技术提出一种基于多维信息的电网运行状态监测方法及系统，能够提高电网对数据有效性的辨识水平、异常故障识别效率和准确性，解决电网运行中数据质量参差不齐、运行状态感知能力弱、异常故障识别滞后的运行监测难题。
[0004]技术方案：本专利技术所采用的技术方案是一种基于多维信息的电网运行状态监测方法，包括以下步骤：
[0005](1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；所述的基础信息存储，存储方式采用永久性存储或覆盖式存储。
[0006](2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；其中所述的甄别正常数据与异常数据包括：
[0007]直采数据异常识别：对于站端上送导致的异常数据，将对应的量测及质量码标志为异常并提交数据库进行分类存储；
[0008]结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用遥测遥信数据与所述电网拓扑结构、对应设备、潮流之间的约束条件，对不满足约束条件的遥测遥信数据标志为异常数据；
[0009]基于数据集合的异常状态识别：将重点关注的设备量测或者计算结果数据按照一定关联关系定义成一个集合，当集合中任何一个量测值不与集合中的其他数据同步更新时，则进行异常标注。
[0010](3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征
曲线；所述的根据获取的典型特征数据进行聚合分析，是采用Kmeans聚类分析方法，所述Kmeans聚类分析方法中的成本函数公式如下：
[0011][0012]式中，J表示成本函数，μ
i
为第i个聚类的均值，x为样本值，j为样本数，c
k
为样本类别。
[0013]所述Kmeans聚类分析方法包括以下步骤：
[0014](31)数据预处理，对数据进行归一化处理；
[0015](32)对归一化处理后的数据进行拉普拉斯特征映射降维；
[0016](33)在数据集中随机选取K个聚类中心{y1，y2，
…
y
k
}，并设定迭代终止阈值ε和最大迭代次数M；按照式
[0017]c
i
＝arg min[d(x
i
，y
j
)]1≤i≤N，1≤j≤K
[0018]确定每个样本数据所属的类别，其中c
i
表示第i个样本所属的类别，d(x
i
,y
j
)表示第i个样本到第j个聚类中心的欧式距离，x
i
表示样本负荷，y
i
表示聚类中心；N、K分别代表样本个数和聚类中心个数。
[0019](34)通过Davies
‑
Bouldin指数、Calinski
‑
Harabasz指标分析，计算最优聚类的类别数k；
[0020](35)根据聚类结果，获取历史时段的典型特征曲线。
[0021](4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测。
[0022]对应于上述的监测方法，本专利技术提供基于多维信息的电网运行状态监测系统和计算机程序产品。
[0023]有益效果：相比于现有技术，本专利技术具有以下优点：通过大数据挖掘方法，将直采数据环节、约束条件和数据集合三个维度相结合，实现正常数据与异常数据的有效甄别及提取，能够提高对不良数据的辨识效果，提高数据有效性，改善数据质量参差不齐的状况。同时，进一步结合Kmeans聚类分析方法，有效估算海量数据集中最合适的聚类数量，构造聚类集合，根据数据特征对不良数据进行辨识与修正，为后续的数据分析告警建立扎实基础。另外，本专利技术中数据的存储方式可选择永久或滚动模式，对于重要数据可选择永久性存储，其它为覆盖式保存，可最大限度节约硬件资源，提高设备使用效率。
附图说明
[0024]图1是本专利技术所述的基于多维信息的电网运行状态监测方法的流程图。
具体实施方式
[0025]下面结合附图和实施例对本专利技术的技术方案作进一步的说明。
[0026]本专利技术所述的基于多维信息的电网运行状态监测方法，流程图如图1所示。从历史数据、实时数据、计算数据以及质量评估等多个维度进行说明：
[0027]首先，需要构建一套基于时间序列的数据模型，用于历史数据、实时数据、计算数据等基础信息的数据采集和存储。存储方式可选择永久或滚动模式，对于重要数据可选择
永久性存储，其它为覆盖式保存。这样做的好处是可最大限度节约硬件资源，提高设备使用效率。
[0028]其次，基于海量实时和历史数据，运用大数据挖掘方法，实现正常数据与异常数据的有效甄别及提取。直采数据异常识别：对于是由于站端上送导致的异常数据，将对应的量测及质量码打上异常标志并提交数据库进行分类存储，为进一步进行数据关联分析提供基础数据；结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用拓扑结构、遥信与潮流的约束关系，实现遥测、遥信异常数据的辨识；基于数据集合的异常状态识别：通过将一些重点关注的设备量测或者计算结果按照一定关联关系定义成一个集合进行监视，比如系统频率、全网总加、联络线潮流等，监视集合中任何一个量测值不刷新时，则进行异常标注。
[0029]在此基础上，通过对不良数据的辨识，并应用Kmeans聚类分析方法，有效估算海量数据集中最合适的聚类数量，构造聚类集合，根据数据特征对不良数据进行辨识与修正。Kmeans算法是一个重复移动类中心点的过程，把类的中心点，也称重心(centroids)，移本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维信息的电网运行状态监测方法，其特征在于，包括以下步骤：(1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；(2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；(3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征曲线；(4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测。2.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于，步骤(2)中所述的甄别正常数据与异常数据包括：直采数据异常识别：对于站端上送导致的异常数据，将对应的量测及质量码标志为异常并提交数据库进行分类存储；结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用遥测遥信数据与所述电网拓扑结构、对应设备、潮流之间的约束条件，对不满足约束条件的遥测遥信数据标志为异常数据；基于数据集合的异常状态识别：将重点关注的设备量测或者计算结果数据按照一定关联关系定义成一个集合，当集合中任何一个量测值不与集合中的其他数据同步更新时，则进行异常标注。3.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于：步骤(3)中所述的根据获取的典型特征数据进行聚合分析，是采用Kmeans聚类分析方法，所述Kmeans聚类分析方法中的成本函数公式如下：式中，J表示成本函数，μ
i
为第i个聚类的均值，x为样本值，j为样本数，c
k
为样本类别。4.根据权利要求3所述的基于多维信息的电网运行状态监测方法，其特征在于，所述Kmeans聚类分析方法包括以下...

【专利技术属性】
技术研发人员：岑红星，马洁，孙世明，马明明，刘家国，钱涵佳，史宁波，张昊，
申请(专利权)人：国电南瑞南京控制系统有限公司，
类型：发明
国别省市：