【技术实现步骤摘要】
本专利技术涉及电力系统智能运维领域的多维特征体系下的电压异常识别与定位方法。
技术介绍
1、随着科技的发展和社会的进步，电力系统已经从传统的集中式大型发电厂向分布式、智能化、可再生能源并网的新型电力系统转变。这种新型电力系统包括了太阳能、风能等可再生能源的发电设备，电动汽车充电设备，能量存储设备，以及分布式能源管理系统等。这些新的元素和设备为电力系统带来了更高的效率和灵活性，但同时也带来了更复杂的管理和运行挑战。
2、在新型电力系统中，电压异常的识别和处理显得尤为重要。一方面，由于新型电力系统中电力设备的多样性和分布式特性，可能会产生更复杂、更难以识别的电压异常。另一方面，电力设备的安全和寿命，用户的电力质量体验，以及整个电力系统的稳定性，都严重依赖于电压的稳定性和正常性。
3、新型电力系统中电压异常具有多样性和复杂性：新型电力系统因引入分布式能源、电力电子设备、智能控制等技术，导致电压异常多样且复杂。能源多样性、电力电子设备的谐波、控制策略、电网拓扑变化、负荷波动等因素使异常形式多变，如波动、剧烈变化等。时空分布和持续时间复杂不规律，异常产生因素多样。
4、现有电压异常识别技术在新型电力系统中存在局限性：现有的电压异常识别方法大多基于传统电力系统的情况，在处理新型电力系统中的电压异常存在不足。如：基于统计的方法通常假设电压数据服从特定的分布，对于新型电力系统中的多样性数据分布适应性不足，导致在异常检测时漏报或误报。基于物理模型的方法难以覆盖复杂的非线性电力系统行为，对于不稳定的系统和多变的电
技术实现思路
1、本专利技术的目的是为了克服现有技术的不足，提供一种多维特征体系下的电压异常识别与定位方法，可以更准确、更可靠地识别出新型电力系统中的电压异常。
2、实现上述目的的一种技术方案是：一种多维特征体系下的电压异常识别与定位方法，包括如下步骤：s1：数据采集，通过计量采集系统，对用户电表电压数据进行详尽的采集；s2：数据预处理，对收集到的原始电压数据进行预处理，以便于后续的特征提取和异常识别；s3:异常特征构建，从时间维度和数值维度构建异常分辨的特征；s4:一致性特征构建，对于光伏、三相表等存在多条关联曲线的用户，引入了关口一致性和三相一致性特征；s5:离群样本检测；s6:异常类型定位，根据上述步骤识别出的异常样本，结合特征体系，判断不同类型的电压异常可能具有不同类型；s7:输出及处理，根据异常识别和定位结果，采取处理措施。
3、进一步的，s1中，对用户电表电压数据包括光伏用户用电表、上网表96点电压。
4、进一步的，s2中，预处理过程主要包括处理缺失值，数据标准化步骤。
5、进一步的，s2中，预处理采用插值法对缺失值进行填补，对数据通过标准化处理：
6、x_normalized＝(x-μ)/σ
7、其中，x代表原始电压值，μ代表电压值的平均值，σ代表电压值的标准差。
8、进一步的，s3中，从时间维度提取的关键特征，包括电压的偏离次数、偏离持续时间以及电压变化速度，为时间域特征。
9、进一步的，s3中，从数值角度提取关键特征，包括电压的总体标准差、偏离峰值和谷值，为数值域特征。
10、进一步的，s4中，一致性的具体计算可以通过比较各关口或者各相之间的电压曲线的皮尔森相关系数，如下式：
11、
12、其中，xi和yi分别代表两个关口或者两个相的电压值，μx和μy分别代表他们的平均值，皮尔森相关系数的值在-1和1之间，值越接近1说明一致性越强。
13、进一步的，s5中，通过孤立森林算法进行离群样本的检测，孤立森林的异常分数计算公式如下：
14、
15、其中，x代表一个样本，n代表样本总数，h(x)代表孤立树中x的路径长度，e(h(x))代表h(x)的期望值，c(n)为平均路径长度。
16、进一步的，s6中，在确认了异常特征后，通过一种决策树算法或者逻辑规则引擎来实现异常类型定位，电压异常的具体类型包括短时大幅度偏离、长期小幅度偏离、高频率变动。
17、进一步的，s7中，处理措施具体包括调整电力系统参数，进行异常预警，或者进行设备维护。
18、本专利技术的一种多维特征体系下的电压异常识别与定位方法，通过计量采集系统收集用户电表电压数据，经过预处理后从时间和数值维度提取异常特征，虑关口一致性和三相一致性特征，利用离群点检测算法识别异常电压样本，并结合特征体系定位异常类型，最终根据识别结果采取措施进行处理。该方案全面提高了电压异常识别精度，有助于保障电力系统稳定性，具有重要意义。
本文档来自技高网...【技术保护点】
1.一种多维特征体系下的电压异常识别与定位方法，其特征在于，包括如下步骤：S1：数据采集，通过计量采集系统，对用户电表电压数据进行详尽的采集；S2：数据预处理，对收集到的原始电压数据进行预处理，以便于后续的特征提取和异常识别；S3:异常特征构建，从时间维度和数值维度构建异常分辨的特征；S4:一致性特征构建，对于光伏、三相表等存在多条关联曲线的用户，引入了关口一致性和三相一致性特征；S5:离群样本检测；S6:异常类型定位，根据上述步骤识别出的异常样本，结合特征体系，判断不同类型的电压异常可能具有不同类型；S7:输出及处理，根据异常识别和定位结果，采取处理措施。
2.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S1中，对用户电表电压数据包括光伏用户用电表、上网表96点电压。
3.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S2中，预处理过程主要包括处理缺失值，数据标准化步骤。
4.根据权利要求3所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S2中，预处理采用插值法对缺失
5.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S3中，从时间维度提取的关键特征，包括电压的偏离次数、偏离持续时间以及电压变化速度，为时间域特征。
6.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S3中，从数值角度提取关键特征，包括电压的总体标准差、偏离峰值和谷值，为数值域特征。
7.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S4中，一致性的具体计算可以通过比较各关口或者各相之间的电压曲线的皮尔森相关系数，如下式：
8.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S5中，通过孤立森林算法进行离群样本的检测，孤立森林的异常分数计算公式如下：
9.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S6中，在确认了异常特征后，通过一种决策树算法或者逻辑规则引擎来实现异常类型定位，电压异常的具体类型包括短时大幅度偏离、长期小幅度偏离、高频率变动。
10.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，S7中，处理措施具体包括调整电力系统参数，进行异常预警，或者进行设备维护。
...【技术特征摘要】
1.一种多维特征体系下的电压异常识别与定位方法，其特征在于，包括如下步骤：s1：数据采集，通过计量采集系统，对用户电表电压数据进行详尽的采集；s2：数据预处理，对收集到的原始电压数据进行预处理，以便于后续的特征提取和异常识别；s3:异常特征构建，从时间维度和数值维度构建异常分辨的特征；s4:一致性特征构建，对于光伏、三相表等存在多条关联曲线的用户，引入了关口一致性和三相一致性特征；s5:离群样本检测；s6:异常类型定位，根据上述步骤识别出的异常样本，结合特征体系，判断不同类型的电压异常可能具有不同类型；s7:输出及处理，根据异常识别和定位结果，采取处理措施。
2.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，s1中，对用户电表电压数据包括光伏用户用电表、上网表96点电压。
3.根据权利要求1所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，s2中，预处理过程主要包括处理缺失值，数据标准化步骤。
4.根据权利要求3所述的一种多维特征体系下的电压异常识别与定位方法，其特征在于，s2中，预处理采用插值法对缺失值进行填补，对数据通过标准化处理：
5.根据权利要求1所述的一种多维特征体系...
【专利技术属性】
技术研发人员：吴琦娜，吴滨，陈明，黄珊凤，王钰楠，魏盛，饶旭妮，杨扬，任嘉鑫，蔡秧秧，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：
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。