一種對電能質量擾動事件分類的方法技術

本發明專利技術提出一種對電能質量擾動事件分類的方法，本發明專利技術將基于隨機梯度下降算法的SVM分類器應用到電能質量擾動事件的分類識別中，可以有效解決電力大數據有線樣本、非線性及高維模式的分類問題。本發明專利技術采用線性SVM逼近χ2核SVM，使得分類器同時具有線性核的高計算效率，又兼備非線性核函數的高分類準確率。本發明專利技術只需利用投影后數據的符號即可進行分類，因此數據保存時，只需存儲預處理后數據的符號，大大緩解了現如今日益增長的電網數據量給存儲帶來挑戰。本發明專利技術為準確、實時的分析電力大數據提供了可能。

【技術實現步驟摘要】

本專利技術涉及一種分類方法，具體講涉及一種對電能質量擾動事件分類的方法。
技術介紹
在電力行業中，數字化技術近年來得到廣泛的應用，各系統每天采集和實時記錄的電網信息量呈爆炸式增長，許多大型電網系統單日數據量已達到幾十GB，甚至幾百GB左右，因此如何充分利用數據，快速有效的分析、加工、提煉，以發掘有用知識，已成為電力行業所面臨的關鍵問題之一。電力系統運行的基本要求是：(1)保證安全可靠的供電；(2)要有合格的電能質量；(3)要有良好的經濟性。其中，良好的電能質量是對人們的生產生活有著重要影響，健全的電網應保證電壓、頻率和波形等變化不得超出允許范圍。一般分析電能質量的方法是：從電能質量檢測系統中提取出用戶電壓波形，可以利用數據挖掘技術的分類功能自動識別電能擾動事件并進行分類，然后以此為依據開展電能質量的治理工作。最早應用于電能質量分類的方法是人工神經網絡(ANN)，然而傳統的ANN存在收斂性較差、訓練時間較長、可靠性有限的問題，無法滿足現如今對電力大數據的實時在線分類問題的要求。基于核的SVM分類器可以有效解決有限樣本、非線性及高維模式的分類問題，現已成為機器學習和數據挖掘領域的標準工具。其有效性的關鍵之一在于所選取的核函數的擬合性能，傳統的做法一般是選取計算量較小的線性核函數，但對于電網擾動數據而言，絕大部分情況下各種擾動類型并不是線性可分的，因此線性核函數并不能達到很好的分類效果。而如果采用非線性核函數來進行分類，雖然能夠取得較高的分類準確率，但隨著電力數據量日益增長，非線性核龐大的計算量使得數據實時處理成為另外一個難以攻克的問題。因此需要提供一種技術方案來解決現有技術存在的問題。
技術實現思路
針對現有技術的不足，本專利技術提出一種對電能質量擾動事件分類的方法，在保證分類準確率的前提下，將原始的非線性SVM問題轉化為一個逼近的線性SVM問題，從而可以有效處理電力大數據中的分類問題。設u,ν∈TD是來自電網的兩個高維向量，χ2核函數定義為：本專利技術中，我們將其表示為線性組合的形式：ρx2(u，v)＝(1-γ)cos2(πP2，1)+γcos(πP2，1)。其中P2，1＝Pe(sign(x)≠sign(y))，x＝G·u1/2，y＝G·v1/2，G是高斯隨機矩陣。即χ2核函數可以用原始數據投影后的符號不一致的概率來表示，這里的符號就是指數學上的正負號。很顯然，本專利技術有兩個突出優點：一是用線性表示代替非線性表示，計算量大大降低；二是只需保存數據預處理后的符號，比如負數用0表示，正數用1表示，大大降低了數據的存儲量。本專利技術主要有以下幾個步驟：(1)生成稀疏隨機投影矩陣T∈RD×k。(2)對電網擾動數據矩陣A∈RD×k(每行是一個概率分布向量)，計算投影向量X＝A1/2T(A1/2表示A的每個元素取平方根后的矩陣)，保留其符號矩陣S＝sign(X)。(3)以S作為數據特征，訓練線性SVMs。(4)在待分類電網擾動事件集合上使用相同的投影方法提取符號特征進行SVMs分類。可以看出算法的計算量主要來自步驟(2)的投影運算量O(nD+nks)和步驟(3)的線性SVMs訓練運算量O(nk)，相比于直接利用非線性核函數(運算量O(n2k))，計算速度會大大加快。本專利技術的目的采用下述技術方案實現的：一種對電能質量擾動事件分類的方法，其改進之處在于，所述方法包括(1)針對電能質量擾動事件分類識別的目標，收集數據并構建相應的數據庫；(2)確定目標數據，根據從原始數據庫中選取的相關數據和樣本，獲取電力數據特征矩陣A；(3)隨機生成高斯稀疏隨機投影矩陣T，通過該矩陣將所獲取的電網數據投影到新的特征空間X＝A1/2T，保留該特征空間中數據矩陣X的符號矩陣S＝sign(X)；(4)以符號矩陣S代替電力數據的特征矩陣A，訓練線性SVMs分類器；對一個正在進行的未知電網擾動事件，以與步驟(1)中同樣的采樣頻率將其離散化，得到特征向量記為u，通過步驟(3)中得到的高斯稀疏隨機投影矩陣T將其映射到新的特征空間ν＝u1/2T，利用SVMs分類器已訓練好的模型進行分類。優選的，所述步驟(1)包括根據相關背景知識做標注，即將八種電能質量擾動分別用數字1～8做標記，得到標簽向量記為Y＝{yi本文檔來自技高網...

【技術保護點】
一種對電能質量擾動事件分類的方法，其特征在于，所述方法包括(1)針對電能質量擾動事件分類識別的目標，收集數據并構建相應的數據庫；(2)確定目標數據，根據從原始數據庫中選取的相關數據和樣本，獲取電力數據特征矩陣A；(3)隨機生成高斯稀疏隨機投影矩陣T，通過該矩陣將所獲取的電網數據投影到新的特征空間X＝A1/2T，保留該特征空間中數據矩陣X的符號矩陣S＝sign(X)；(4)以符號矩陣S代替電力數據的特征矩陣A，訓練線性SVMs分類器；對一個正在進行的未知電網擾動事件，以與步驟(1)中同樣的采樣頻率將其離散化，得到特征向量記為u，通過步驟(3)中得到的高斯稀疏隨機投影矩陣T將其映射到新的特征空間ν＝u1/2T，利用SVMs分類器已訓練好的模型進行分類。

【技術特征摘要】
1.一種對電能質量擾動事件分類的方法，其特征在于，所述方法包括
(1)針對電能質量擾動事件分類識別的目標，收集數據并構建相應的數據庫；
(2)確定目標數據，根據從原始數據庫中選取的相關數據和樣本，獲取電力數據
特征矩陣A；
(3)隨機生成高斯稀疏隨機投影矩陣T，通過該矩陣將所獲取的電網數據投影到
新的特征空間X＝A1/2T，保留該特征空間中數據矩陣X的符號矩陣S＝sign(X)；
(4)以符號矩陣S代替電力數據的特征矩陣A，訓練...

【專利技術屬性】
技術研發人員：丁杰，刁柏青，孟祥君，張偉昌，楊佩，潘森，
申請(專利權)人：國家電網公司，中國電力科學研究院，國網山東省電力公司，
類型：發明
國別省市：北京;11