测算电压暂降事件发生时间的方法技术

一种测算电压暂降事件发生时间的方法，包括：收集目标站点的电压暂降监测数据，从因电压暂降中断到生产过程恢复时长为聚合目标，对收集到的电压暂降监测数据进行同源聚合；差分处理同源聚合后的电压暂降监测数据，得到目标站点电压暂降间隔时间的样本数据；建立间隔时间样本数据的论域，采用模糊C均值算法划分论域间隔；针对划分后的论域间隔，制定电压暂降间隔时间的隶属度函数，并将间隔时间序列转换为模糊时间序列；基于模糊化后的样本数据，建立模糊时间序列内元素之间的模糊关系矩阵；以“最大

【技术实现步骤摘要】
测算电压暂降事件发生时间的方法


[0001]本专利技术涉及电压监测领域，具体涉及一种测算电压暂降事件发生时间的方法。

技术介绍

[0002]由电网扰动引起的电压暂降事件，对工业过程包含交流接触器、可编辑逻辑控制器、个人计算机等敏感设备的电力用户造成了巨大的经济损失。提前预知电压暂降事件的发生，可以帮助电力用户和电网公司合理规避电压暂降带来的风险。随着国内电能质量监测系统的建设和完善，在各地区电力系统中收集到了大量的电压暂降监测数据，其中蕴含的信息和知识，为电压暂降的预测提供了可能。现有针对监测数据预测的方法主要包含灰色预测模型、随机过程模型、深度学习算法等，这些算法针对监测数据具有一定普适性的同时，又忽略了电压暂降监测数据的特性，对预测精度带来了一定的影响。

技术实现思路

[0003]本专利技术的目的是提供一种测算电压暂降事件发生时间的方法，以提高电压暂降事件发生时间的预测精度。
[0004]本专利技术的技术方案是：
[0005]一种测算电压暂降事件发生时间的方法，包括以下步骤：
[0006]监测数据同源聚合步骤，收集目标站点的电压暂降监测数据，从因电压暂降中断到生产过程恢复时长为聚合目标，对收集到的电压暂降监测数据进行同源聚合；
[0007]暂降间隔时间样本数据的模糊化步骤，差分处理同源聚合后的电压暂降监测数据，得到目标站点电压暂降间隔时间的样本数据；建立间隔时间样本数据的论域，采用模糊C均值算法划分论域间隔；针对划分后的论域间隔，制定电压暂降间隔时间的隶属度函数，并将间隔时间序列转换为模糊时间序列；
[0008]模糊关系建立步骤，基于模糊化后的样本数据，建立模糊时间序列内元素之间的模糊关系矩阵；
[0009]未来时间预测步骤，以“最大
‑
最小原则”进行预测，并采用加权平均的方法去模糊化，实现对未来电压暂降事件的测算。
[0010]优选的，所述电压暂降监测数据包括事件序号、发生时间、站点名称、暂降幅值和持续时间。
[0011]优选的，所述监测数据同源聚合步骤包括：设S＝(T,O)为收集到的电压暂降监测数据集；T＝(t1,t2,
…
,t
n
)为发生时间集，并按照时间升序排列；O＝(o1,o2,
…
,o
n
)为暂降特征值；按照式(1)规则对发生时间集进行分类；
[0012][0013]式中，T
i
为发生时间子集；t
p
、t
q
为T中第p次和第q次发生时间数据，且为发生时间子集的边界元素；按照“幅值最小、持续事件最大”原则选取T
i
中的对应监测数据，作为子集聚合后的事件特征值；
[0014]同源聚合后，得到新的电压暂降发生时间集合为NT＝(nt1,nt2,
…
,nt
m
)。
[0015]优选的，所述暂降间隔时间样本数据的模糊化步骤包括：
[0016]差分处理NT得到电压暂降事件的间隔时间集DT＝(dt1,dt2,
…
,dt
m
‑1)；
[0017]定义间隔时间论域U＝[min{DT}
‑
D1,max{DT}+D2]，min{DT}和max{DT}是间隔时间集中的最小值和最小值，D1和D2是适当的正值，以完善论域边界；
[0018]1)电压暂降间隔时间论域划分
[0019]采用模糊C均值聚类的方法划分电压暂降间隔时间的论域，首先确定期望划分的区间数目C，并随机确定初始区间中心向量以每个样本数据到最近的区间中心几何距离最小为目标建立优化函数J
m
，如式(2)所示；
[0020][0021]d
ij
＝||dt
i
‑
c
j
||
ꢀꢀꢀ
(3)
[0022]式中，(m
‑
1)为样本数，u
ij
为第i个样本对第j个区间中心的隶属度，d
ij
为第i个样本到第j个区间中心的几何距离，dt
i
为第i个样本值，c
j
为第j个区间中心值；
[0023]通过式(4)和(5)不断迭代计算，按式(6)的约束条件，计算最优区间中心向量c＝(c1,
…
,c
C
)；
[0024][0025][0026][0027]式中，h为迭代次数，ε为误差阈值；
[0028]由此，得到C个区间ξ1＝[min{DT}
‑
D1,b1],ξ2＝[b1,b2],
…
,ξ
C
＝[b
C
‑1,max{DT}+D2]，其中，ξ1的左边界为论域的左边界，ξ
C
的右边界为论域的右边界，其他的区间边界计算方法如式(7)所示；
[0029]b
i
＝(c
i+1
‑
c
i
)/2,i＝1,2,...,(C
‑
1)
ꢀꢀꢀ
(7)
[0030]2)电压暂降间隔时间样本模糊化
[0031]定义电压暂降间隔时间论域U中的模糊集{A|A
i
＝(μ1(dt
i
),μ2(dt
i
),
…
,μ
C
(dt
i
)),i＝1,2,
…
,(m
‑
1)}，其中，A
i
为间隔时间样本dt
i
对应的模糊子集，μ1(dt
i
),μ2(dt
i
),
…
,μ
C
(dt
i
)分别为dt
i
在区间ξ1,ξ2,
…
,ξ
C
上的隶属度，隶属度的计算方法如式(8)所示；
[0032][0033]优选的，所述模糊关系建立步骤包括：将第t个序号的间隔时间模糊子集A
t
作为标准矩阵，如式(9)所示；
[0034]B(t)＝[μ1(dt
t
) μ2(dt
t
)
ꢀ…ꢀ
μ
C
(dt
t
)]ꢀꢀꢀ
(9)
[0035]将A
t
的前5个模糊子集构建模糊关系矩阵，如式(10)所示；
[0036][0037]构建模糊关系矩阵，如式(11)所示；
[0038][0039]式中，R
ij
＝μ
j
(dt
(t
‑
i)
)
×
μ
j
(dt
t
)，1≤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种测算电压暂降事件发生时间的方法，其特征在于，包括以下步骤：监测数据同源聚合步骤，收集目标站点的电压暂降监测数据，从因电压暂降中断到生产过程恢复时长为聚合目标，对收集到的电压暂降监测数据进行同源聚合；暂降间隔时间样本数据的模糊化步骤，差分处理同源聚合后的电压暂降监测数据，得到目标站点电压暂降间隔时间的样本数据；建立间隔时间样本数据的论域，采用模糊C均值算法划分论域间隔；针对划分后的论域间隔，制定电压暂降间隔时间的隶属度函数，并将间隔时间序列转换为模糊时间序列；模糊关系建立步骤，基于模糊化后的样本数据，建立模糊时间序列内元素之间的模糊关系矩阵；未来时间预测步骤，以“最大
‑
最小原则”进行预测，并采用加权平均的方法去模糊化，实现对未来电压暂降事件的测算。2.如权利要求1所述的测算电压暂降事件发生时间的方法，其特征在于，所述电压暂降监测数据包括事件序号、发生时间、站点名称、暂降幅值和持续时间。3.如权利要求1所述的测算电压暂降事件发生时间的方法，其特征在于，所述监测数据同源聚合步骤包括：设S＝(T,O)为收集到的电压暂降监测数据集；T＝(t1,t2,
…
,t
n
)为发生时间集，并按照时间升序排列；O＝(o1,o2,
…
,o
n
)为暂降特征值；按照式(1)规则对发生时间集进行分类；T＝(T1,...,T
i
,...,T
m
)式中，T
i
为发生时间子集；t
p
、t
q
为T中第p次和第q次发生时间数据，且为发生时间子集的边界元素；按照“幅值最小、持续事件最大”原则选取T
i
中的对应监测数据，作为子集聚合后的事件特征值；同源聚合后，得到新的电压暂降发生时间集合为NT＝(nt1,nt2,
…
,nt
m
)。4.如权利要求3所述的测算电压暂降事件发生时间的方法，其特征在于，所述暂降间隔时间样本数据的模糊化步骤包括：差分处理NT得到电压暂降事件的间隔时间集DT＝(dt1,dt2,
…
,dt
m
‑1)；定义间隔时间论域U＝[min{DT}
‑
D1,max{DT}+D2]，min{DT}和max{DT}是间隔时间集中的最小值和最小值，D1和D2是适当的正值，以完善论域边界；1)电压暂降间隔时间论域划分采用模糊C均值聚类的方法划分电压暂降间隔时间的论域，首先确定期望划分的区间数目C，并随机确定初始区间中心向量以每个样本数据到最近的区间中心几何距离最小为目标建立优化函数J
m
，如式(2)所示；d
ij
＝||dt
i
‑
c
j
||
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
式中，(m
‑
1)为样本数，u
ij
为第i个样本对第j个区间中心的隶属度，d
ij
为第i个样本到第j个区间中心的几何距离，dt
i
为第i个样本值，c
j
为第j个区间中心值；通过式(4)和(5)不断迭代计算，按式(6)的约束条件，计算最优区间中心向量c＝(c1,
…
,c
C
)；)；)；式中，h为迭代次数，ε为误差阈值；由此，得到C个区间ξ1＝[min{DT}
‑
D1,b1],ξ2＝[b1,b2],
…
,ξ...

【专利技术属性】
技术研发人员：李琼林，唐钰政，刘书铭，张博，郑晨，代双寅，王毅，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：