基于大數據的配電網運行狀態評估和預警方法技術

本發明專利技術公開了一種基于大數據的配電網運行狀態評估和預警方法主要是對當前配電網運行狀態進行監測，保障配電網安全運行的評估和預警機制，它主要由數據處理模塊、運行狀態評估模塊、風險預警模塊以及操作控制模塊等部分組成。主要是先通過主成分分析法綜合給定的指標參數，然后利用基因表達式編程的算法思想來挖掘出綜合得分與各指標數據之間的函數關系式，最后將當前配電網運行狀態數據作為該函數關系式的輸入，根據其計算結果評定當前配電網運行狀態風險等級，并給予可行的參考性意見，幫助用戶和決策人員更好地規劃和管理整個配電網，使得配電網能夠更高效更安全地運行。

【技術實現步驟摘要】

本專利技術涉及一種配電網運行狀態評估和預警方法，主要用于解決配電網運行狀態評估和預警的問題，屬于電力信息安全領域。
技術介紹
配電網是電力系統的重要組成部分，隨著社會經濟的發展和人們生活水平的提升，人們對配電網的建設和管理提出了更高的要求。但是在傳統的配電網運行狀態評估中，受限于較窄的數據采集渠道或較低的數據集成和處理能力，使得研究人員難以從其中挖掘出更有價值的信息。而今由于配電自動化、用電信息采集等應用系統的推廣應用，對于有千條饋線的大規模配電網來說，配電網中會產生指數級增長的海量異構、多態的數據，因此如何運用日趨成熟的大數據技術來分析處理這些數據，并有效挖掘出橫向數據之間的關系和預測數據走向，為配電網的安全運行和優質服務提供支撐成為我們亟待解決的問題。對于電力公司來說，如何利用配電網累積的數據基礎，對配電網的運行狀態進行評估和預警更是一項重要的工作。對配電網運行狀態進行評估和預警主要是利用數據分析和數據挖掘技術，結合歷史和現狀數據，通過計算風險指標，判斷出所面臨風險類型，預測從現在起未來一段時間內配電網所面臨的風險情況，然后根據風險類型辨識結果，生成相應的預防控制方案。目前，在配電網評估方面應用的綜合評價方法有很多，如：層次分析法、模糊綜合評價法、熵值法及主成分分析法等。這些方法都是經典理論的應用，具有較高的實用性。但是，其人為因素的影響頗為嚴重，且不同的評價理論突出的重點信息不同，這些都可能使評價結論出現漂移，使評價結果出現誤差。因此研究有效的配電網運行狀態評估和預警方法能夠更好地提高配電網運行管理水平，具有重要的意義。配電網運行狀態評估和預警主要需考慮兩個方面的問題：(1)如何設定評估配電網運行狀態的指標參數；(2)如何選擇一種方法來有效地評估當前配電網運行狀態并給出預警。對于按照實際需求設定合適的評估指標參數，有諸多因素需要考慮，如：所設定的評估指標是否能夠全面地反映整個配電網的運行狀態，是否能夠兼顧主觀和客觀因素又各有側重點，又是否能在滿足提及要求的前提下盡可能減少指標參數個數等。而如何根據設定的指標參數選擇一種有效的方法來評估配電網的運行狀態也是整個評估體系的關鍵技術。
技術實現思路
本專利技術的目的在于提供一種一種基于大數據的配電網運行狀態評估和預警方法，對配電網運行狀態下可能出現的風險進行評估和預警。本機制是一種策略性方法，通過使用本方法可以有效地對配電網運行狀態進行評估和預警，為保障配電網能夠安全運行提供了一種技術手段。本專利技術的技術解決方案是：一種基于大數據的配電網運行狀態評估和預警方法，其特征是：由數據處理模塊進行數據處理，由運行狀態評估模塊對經數據處理模塊處理的數據進行運行狀態評估，運行狀態評估得到的綜合得分提交風險預警模塊處理，風險預警模塊評定當前配電網運行狀態的風險等級，同時向操作控制模塊給出可行的行為指令；包括下列步驟：步驟一：分析問題的實際需求，構建合理的配電網運行狀態評估指標體系；步驟二：采集評估體系下二級指標所對應的相關歷史數據，對其進行處理：不良數據的檢測、不良數據的辨識和修補、以及缺失值的填充，組成需進一步處理的訓練樣本數據集X；步驟三：對該訓練樣本數據集X進行標準化處理，組成待挖掘的訓練樣本數據集，假設仍用X表示；步驟四：運用主成分分析法對采集的各類指標參數值進行綜合，將指標個數從p減少至m，得到新指標zi(i＝1,2,…,m)的計算表達式，從而生成新的訓練樣本數據集Z；步驟五：根據得到的樣本數據集Z運用基因表達式編程算法初始化種群；步驟六：構建合適的適應度評價函數，設定停止產生新代時新代所需達到的計算精度范圍；步驟七：針對產生的個體進行選擇操作，變異操作，變換操作以及重組操作，產生新個體；步驟八：將產生的新個體按照適應值大小排序，保留優秀個體；步驟九：選擇多樣性算子pb、pr，以一定的比例pb保留適應度較差的個體，以一定的概率pr隨機產生一部分新個體，繼而產生新代；步驟十：判斷產生的新代適應值是否達到設定的計算精度，若達到則退出，轉至步驟十一，否則轉至步驟七重復執行；步驟十一：返回綜合得分與各指標數據之間的函數關系式，即F＝f(z1,z2,…,zm)；步驟十二：將采集并處理后所得到的配電網當前運行狀態相關的指標參數樣本數據作為該函數關系式的自變量，計算當前配電網運行狀態的綜合得分F；步驟十三：查詢風險等級知識規則庫，評定綜合等分F所對應的風險等級，并給出相應可行的行為指令；步驟十四：若配電網處于自動模式，立即執行相應指令；否則，交由用戶自行處理；步驟十五：配電網運行狀態評估和預警過程結束。體系結構圖1給出了一種基于大數據的配電網運行狀態評估和預警結構圖，它主要包括四個模塊：數據處理模塊、運行狀態評估模塊、風險預警模塊以及操作控制模塊。圖中的操作控制模塊包括了在對配電網運行狀態給定相應風險預警等級的情況下，對配電網運行狀態調度實施相應決策的所有具體操作；同時還包括可能的一些人為的主動型操作。本專利技術增加了其它的部分并不影響對配電網運行狀態進行評估和預警的動作，只是保障配電網能夠處在更安全的環境下運行。下面給出具體介紹：數據處理模塊：在以配電網資源為對象獲取大量大數據時，所采集的數據中不乏有一部分不良數據的存在，直接拿來進行計算勢必會對配電網運行狀態評估結果產生不利影響。因此，需要對不良數據進行處理，同時對某些缺失的數據值作相應的補全，從而提高在狀態評估時所輸入數據的質量，提高最后影響運行狀態的各指標綜合性得分的準確性。在本專利中對數據處理模塊的具體實現不做任何限制。運行狀態評估模塊：為提高配電網運行的安全性，構建一個合理可行的配電網運行狀態評估模型非常重要。在配電網運行過程中，需要選擇或設計一種或多種評估算法作為技術手段，結合所采集并處理后的歷史數據來構建評估模型；然后將配電網當前所監測的數據作為評估模型的輸入，得到相應的評估結果，為后期配電網運行狀態的調度和管理提供了理論依據。本專利技術專利中主要是結合主成分分析法和基于基因表達式編程算法來構建配電網運行狀態評估模型。風險預警模塊：在對配電網當前所運行的狀態進行評估后，還需要根據評估結果設定相應的預警等級并給予反饋；同時，為了更好地為電力專業人員實施決策和規劃建設提供判斷依據，風險預警模塊能夠根據用戶的需求有選擇性將某些監測數據或評估狀態以不同的可視化技術進行展示。另外，當評估結果顯示配電網運行狀態出現異常時，風險預警模塊還需要嘗試為用戶提供解決方案，并具有自動響應高預警等級下相應指令的權限。操作控制模塊：操作控制模塊主要是運行操作指令，是配電網運行狀態調度和管理的操作控制中心。它包括兩種模式：自動模式和人工模式。若該操作控制模塊處在自動模式下，它需要按照已配置好的指令或程序管理和控制整個配電網，如在風險預警模塊出現設定好的高預警等級時，操作控制模塊需要立即執行所給出的指令。若該操作控制模塊處在人工模式下，它主要是按照用戶的需求執行用戶輸入的指令或程序。一般情況下，操作控制模塊處于自動模式，但人工模式的權限高于自動模式。方法流程1、數據處理模塊將所采集的歷史數據進行處理是有必要的，它提升了構建配電網運行狀態評估模型時數據集的準確性。在本方法中，對數據進行處理主要分為3個步驟：1)不良數據的檢測。利用比較成熟的不本文檔來自技高網...

【技術保護點】
一種基于大數據的配電網運行狀態評估和預警方法，其特征是：由數據處理模塊進行數據處理，由運行狀態評估模塊對經數據處理模塊處理的數據進行運行狀態評估，運行狀態評估得到的綜合得分提交風險預警模塊處理，風險預警模塊評定當前配電網運行狀態的風險等級，同時向操作控制模塊給出可行的行為指令；包括下列步驟：步驟一：分析問題的實際需求，構建合理的配電網運行狀態評估指標體系；步驟二：采集評估體系下二級指標所對應的相關歷史數據，對其進行處理：不良數據的檢測、不良數據的辨識和修補、以及缺失值的填充，組成需進一步處理的訓練樣本數據集X；步驟三：對該訓練樣本數據集X進行標準化處理，組成待挖掘的訓練樣本數據集，假設仍用X表示；步驟四：運用主成分分析法對采集的各類指標參數值進行綜合，將指標個數從p減少至m，得到新指標zi(i＝1,2,…,m)的計算表達式，從而生成新的訓練樣本數據集Z；步驟五：根據得到的樣本數據集Z運用基因表達式編程算法初始化種群；步驟六：構建合適的適應度評價函數，設定停止產生新代時新代所需達到的計算精度范圍；步驟七：針對產生的個體進行選擇操作，變異操作，變換操作以及重組操作，產生新個體；步驟八：將產生的新個體按照適應值大小排序，保留優秀個體；步驟九：選擇多樣性算子pb、pr，以一定的比例pb保留適應度較差的個體，以一定的概率pr隨機產生一部分新個體，繼而產生新代；步驟十：判斷產生的新代適應值是否達到設定的計算精度，若達到則退出，轉至步驟十一，否則轉至步驟七重復執行；步驟十一：返回綜合得分與各指標數據之間的函數關系式，即F＝f(z1,z2,…,zm)；步驟十二：將采集并處理后所得到的配電網當前運行狀態相關的指標參數樣本數據作為該函數關系式的自變量，計算當前配電網運行狀態的綜合得分F；步驟十三：查詢風險等級知識規則庫，評定綜合等分F所對應的風險等級，并給出相應可行的行為指令；步驟十四：若配電網處于自動模式，立即執行相應指令；否則，交由用戶自行處理；步驟十五：配電網運行狀態評估和預警過程結束。...

【技術特征摘要】
1.一種基于大數據的配電網運行狀態評估和預警方法，其特征是：由數據處理模塊進行數據處理，由運行狀態評估模塊對經數據處理模塊處理的數據進行運行狀態評估，運行狀態評估得到的綜合得分提交風險預警模塊處理，風險預警模塊評定當前配電網運行狀態的風險等級，同時向操作控制模塊給出可行的行為指令；包括下列步驟：步驟一：分析問題的實際需求，構建合理的配電網運行狀態評估指標體系；步驟二：采集評估體系下二級指標所對應的相關歷史數據，對其進行處理：不良數據的檢測、不良數據的辨識和修補、以及缺失值的填充，組成需進一步處理的訓練樣本數據集X；步驟三：對該訓練樣本數據集X進行標準化處理，組成待挖掘的訓練樣本數據集，假設仍用X表示；步驟四：運用主成分分析法對采集的各類指標參數值進行綜合，將指標個數從p減少至m，得到新指標zi(i＝1,2,…,m)的計算表達式，從而生成新的訓練樣本數據集Z；步驟五：根據得到的樣本數據集Z運用基因表達式編程算法初始化種群；步驟六：構建合適的適應度評價函數，設定停止產生新代時新代所需達到的計算精度范圍；步驟七：針對產生的個體進行選擇操作，變異操作，變換操作以及重組操作，產生新個體；步驟八：將產生的新個體按照適應值大小排序，保留優秀個體；步驟九：選擇多樣性算子pb、pr，以一定的比例pb保留適應度較差的個體，以一定的概率pr隨機產生一部分新個體，繼而產生新代；步驟十：判斷產生的新代適應值是否達到設定的計算精度，若達到則退出，轉至步驟十一，否則轉至步驟七重復執行；步驟十一：返回綜合得分與各指標數據之間的函數關系式，即F＝f(z1,z2,…,zm)；步驟十二：將采集并處理后所得到的配電網當前運行狀態相關的指標參數樣本數據作為該函數關系式的自變量，計算當前配電網運行狀態的綜合得分F；步驟十三：查詢風險等級知識規則庫，評定綜合等分F所對應的風險等級，并給出相應可行的行為指令；步驟十四：若配電網處于自動模式，立即執行相應指令；否則，交由用戶自行處理；步驟十五：配電網運行狀態評估和預警過程結束。2.根據權利要求1所述的基于大數據的配電網運行狀態評估和預警方法，其特征是：所述數據處理模塊對數據處理主要分為三個步驟：1)不良數據的檢測：利用比較成熟的不良數據檢測方法，并結合電力系統的相關理論對所采集的歷史數據進行檢測，判斷該量測采樣中是否存在不良數據；2)不良數據的辨識和修補：當發現所采集的歷史數據存在不良數據后，需要進一步確定哪個或哪些量測數據是不良數據，并按照合適的方法盡可能對不良數據進行調整或重新賦值；3)缺失值的填充：在所采集的歷史數據中，由于操作不當和遺漏，又或者是信息無法獲取等原因會導致數據缺失，而空值的存在又會對整個數據挖掘過程造成影響，所以我們需要通過專門的方法對缺失的數據進行推導、填充，以減少數據挖掘算法與實際應用之間的差距；可針對缺失數據的不同類型或屬性運用不同的空值處理方法。3.根據權利要求1或2所述的基于大數據的配電網運行狀態評估和預警方法，其特征是：運行狀態評估模塊對經數據處理模塊處理的數據進行運行狀態評估，首先利用主成分分析法對多重指標參數進行降維，綜合有效的指標參數，然后基于基因表達式編程算法實現配電網運行狀態的評估和預警。4.根據權利要求3所述的基于大數據的配電網運行狀態評估和預警方法，其特征是：(A)所述利用主成分分析法對多重指標參數進行降維，綜合有效的指標參數，包括：利用主成分分析法將數據處理模塊所得到的歷史數據進行降維，在綜合各指標評價的基礎上簡化指標量的輸入；假設經過數據處理模塊輸出的樣本觀測數據矩陣為：X=x11x12...x1px21x22...x2p............xn1xn2...xnp---(1)]]>其中xij表示所采集的第i個樣本關于指標j所對應的數值，所選定的指標數為p，共采集了n個樣本；(B)所述基于基因表達式編程算法實現配電網運行狀態的評估和預警，包括：通過主成分分析法將影響配電網運行狀態的多重指標進行篩選和綜合后，在本方法中，還需要利用基于基因表達式編程算法來從經過處理后得到的訓練樣本數據集Z中挖掘出F與zj(j＝1,2,…,m)之間的函數關系F＝f(z1,...

【專利技術屬性】
技術研發人員：傅靖，毛艷芳，劉飛，王棟，賁樹俊，周嘉，朱喆華，江陳楨，馮鵬，蔣亮，李珺涵，季潤陽，胡斌，楊佩，
申請(專利權)人：國網江蘇省電力公司南通供電公司，國家電網公司，全球能源互聯網研究院，
類型：發明
國別省市：江蘇;32