基于大数据的配电网设备异常事件关联分析方法技术

本发明专利技术公开了基于大数据的配电网设备异常事件关联分析方法，包括基于伴生事件设备比例的关联性预判；基于事件间隔天数的单台配变事件关联系数计算；考虑配变关联系数集中度的两类事件关联度计算；两类异常事件关联度强弱判断。本发明专利技术的有益效果是：量化分析配网设备异常事件间的关联关系及关联程度，辅助识别配网设备异常事件的伴生规律，以提前评估预判电网运行潜在风险，支撑配网的主动运维和主动检修工作，实现精准施策，高效提高供电可靠性，促进电网提质增效。进电网提质增效。进电网提质增效。

【技术实现步骤摘要】
基于大数据的配电网设备异常事件关联分析方法


[0001]本专利技术属于配电网运行分析
，尤其涉及一种基于大数据的配电网设备异常事件关联分析方法。

技术介绍

[0002]随着社会和国民经济发展以及人民生活水平的迅速提高，对供电可靠性和电能质量等有了更高的要求。电力系统尤其配网系统点多面广，在运行过程中会受到外界各类因素的影响，配网设备运行时常常发生超重载、低电压、三相不平衡等异常事件，而这些异常事件与设备停运存在关联关系，并且异常事件间也存在伴生现象，是影响供电可靠性和供电优质服务的重要因素。电力系统中发生异常有可能进一步扩大，进而导致设备停电。目前，还没有对系统异常事件分析的研究。现状配网的运维、检修、抢修都是基于单一事件开展，缺乏对事件间伴生关系的量化评估与分析方法，不能对设备存在潜在关联关系的事件开展多目标联合运维、检修和抢修，造成异常事件接连发生、同一配网设备频繁停电的问题，影响电网安全及供电可靠性。

技术实现思路

[0003]本专利技术针对以上问题，提供了一种对异常事件间伴生关系的量化评估与分析，通过潜在关联联系，提高运维、检修和抢修可靠性，保证电网安全和供电可靠的基于大数据的配电网设备异常事件关联分析方法。
[0004]本专利技术的目的是采用下述技术方案实现的：包括下述步骤：
[0005]步骤(1)、基于伴生事件设备比例的关联性预判；
[0006]步骤(2)、基于事件间隔天数的单台配变事件关联系数计算；
[0007]步骤(3)、考虑配变关联系数集中度的两类事件关联度计算；
[0008]步骤(4)、两类异常事件关联度强弱判断。
[0009]步骤(1)包括下述步骤：
[0010]1.1)确定有待挖掘关联关系的设备事件类型，其中，事件类型包括配变超重载、三相不平衡、电压越限、配变失电；
[0011]1.2)分别统计每种事件类型在统计期内出现的次数n
k
；
[0012]1.3)对所有的事件类型进行两两组合，分别求出第i种事件与第j种事件组合时，间隔天数d≤90，且为同一配变的次数n
ij
；
[0013]1.4)设置阈值η，当n
ij
>η时，初步判断两种事件可能有关联。
[0014]步骤1.4)中，当n
ij
大于单异常事件在统计期内出现的总数的5％时，认为两种事件可能有关联；
[0015]阈值η的计算公式为：
[0016]η＝min(n
i
·
5％,n
j
·
5％)
ꢀꢀꢀ
(1)
[0017]式中，n
i
表示第i种事件在统计期内出现的总次数；n
j
表示第j种事件在统计期内出
现的总次数。
[0018]2.1)对于同时发生过至少两种异常事件的单台配变，计算两类事件发生的时间间隔天数d；
[0019]2.2)设置发生日期间隔天数d的阈值；
[0020]2.3)针对各台配变，计算两种事件基于时间间隔的关联系数r。
[0021]步骤2.3)中，当d>90时，认为无关联，不进行关联系数计算；当d≤90，关联系数计算为:
[0022][0023]3.1)依据步骤(2)中的关联系数r计算出n
ij
次的每次关联系数r
s
，其中，s＝1,2,3,
…
，n
ij
；计算关联系数r
s
在其每个可能取值处的概率p
l
；
[0024]3.2)对求得的p
l
按照从大到小的顺序排列，记为p
l
′
，对应的关联系数取值为x
l
′
；
[0025]3.3)计算分散程度系数k；
[0026]3.4)计算关联度R
ij
。
[0027]步骤3.1)中，令为关联系数r
s
在区间[0，1]上所有可能取值，其中，l＝1,2,3,
…
,90；
[0028]为关联系数在每个取值处的概率，其中，n
l
为r
s
＝x
l
的总数，l＝1,2,3,
…
,90。
[0029]步骤3.3)中，当关联系数r
s
在某取值处的概率大于0.7时，可认为r
s
主要集中分布在该取值处；
[0030]设a为使得的最小取值，当0≤a≤(90
·
0.7)时，k＝1
‑
a/63；当(90
·
0.7)＜a≤90时，k＝0。
[0031]步骤3.4)中，关联度R
ij
计算公式为:
[0032][0033]式中,m为关联系数r
s
所有取值为x
l
′
(l＝0,
…
,a)的总个数；r
s
′
为关联系数r
s
中所有取值为x
l
′
(l＝0,
…
，a)的部分。
[0034]步骤(4)包括以下步骤：
[0035]1)设定关联度阈值ξ对存在关联的并发事件组合进行筛选；当R
ij
≥ξ时，认为两个事件存在关联，阈值ξ设定为0.4；
[0036]2)判断两两事件组合的关联度强弱；
[0037]根据关联度计算结果划分强弱等级，判断关联度强弱；关联系数与关联性强弱的对应关系为可划分为：0.8＜R
ij
≤1为极强关联；0.6＜R
ij
≤0.8为强关联；0.4≤R
ij
≤0.6为中等强度关联。
[0038]本专利技术基于实际工作的需求，提出一种基于大数据的配电网设备异常事件关联分析方法，可以量化分析配网设备异常事件、失电事件之间的关联关系及关联程度，挖掘配网设备异常事件的伴生规律，实现提前评估预判电网运行潜在风险，支撑配网的主动运维和
主动检修工作，实现精准施策，高效提高供电可靠性，促进电网提质增效。
附图说明
[0039]图1为本专利技术的流程图，
[0040]图2是本专利技术实施方式的流程图。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0042]本专利技术如图1所示，包括以下步骤：
[0043]步骤(1)、基于伴生事件设备比例的关联性预判。这样，通过对各种两两事件组合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的配电网设备异常事件关联分析方法，其特征在于：包括下述步骤：步骤(1)、基于伴生事件设备比例的关联性预判；步骤(2)、基于事件间隔天数的单台配变事件关联系数计算；步骤(3)、考虑配变关联系数集中度的两类事件关联度计算；步骤(4)、两类异常事件关联度强弱判断。2.根据权利要求1所述的基于大数据的配电网设备异常事件关联分析方法，其特征在于：步骤(1)包括下述步骤：1.1)确定有待挖掘关联关系的设备事件类型，其中，事件类型包括配变超重载、三相不平衡、电压越限、配变失电；1.2)分别统计每种事件类型在统计期内出现的次数n
k
；1.3)对所有的事件类型进行两两组合，分别求出第i种事件与第j种事件组合时，间隔天数d≤90，且为同一配变的次数n
ij
；1.4)设置阈值η，当n
ij
＞η时，初步判断两种事件可能有关联。3.根据权利要求2所述的基于大数据的配电网设备异常事件关联分析方法，其特征在于：步骤1.4)中，当n
ij
大于单异常事件在统计期内出现的总数的5％时，认为两种事件可能有关联；阈值η的计算公式为：η＝min(n
i
·
5％,n
j
·
5％)
ꢀꢀꢀꢀ
(1)式中，n
i
表示第i种事件在统计期内出现的总次数；n
j
表示第j种事件在统计期内出现的总次数。4.根据权利要求1所述的基于大数据的配电网设备异常事件关联分析方法，其特征在于：步骤(2)包括以下步骤：2.1)对于同时发生过至少两种异常事件的单台配变，计算两类事件发生的时间间隔天数d；2.2)设置发生日期间隔天数d的阈值；2.3)针对各台配变，计算两种事件基于时间间隔的关联系数r。5.根据权利要求4所述的基于大数据的配电网设备异常事件关联分析方法，其特征在于：步骤2.3)中，当d＞90时，认为无关联，不进行关联系数计算；当d≤90，关联系数计算为:6.根据权利要求1所述的基于大数据的配电网设备异常事件关联分析方法，其特征在于：步骤(3)包括以下步骤：3.1)依据步骤(2)中的关联系数r计算出n
ij
次的每次关联系数r
s
，其中，s＝1,2,3,
…
，n
ij
；计算关联系数r
s
...

【专利技术属性】
技术研发人员：徐力，赵越，杨川，秦晓霞，濮实，汪波，孟骁，王标，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：