[发明专利]基于多维多层关联规则的电压暂降预测分析方法

说明书

技术领域

本发明涉及一种基于多维多层关联规则的电压暂降预测分析方法，属于电能质量分析方法技术领域。

背景技术

电能质量问题包括稳态电能质量和暂态电能质量两个方面。随着电力市场化的逐步推进以及工业自动化、国民经济信息化的发展，一方面，配电网中非线性负荷对电网的电能质量构成了严重的威胁；另一方面，配电网中诸如计算机等用电设备对系统干扰的高敏感性，对电能质量提出了高可靠性、高暂态恒定性、高可控性等要求。有监测数据表明，现有电能质量问题中，80%或者更多的是电压暂降所引起的。因此，暂态电能质量问题成为当前国内外研究的热点之一。

加拿大电气协会（CEA）耗时三年对电能质量问题进行了专门调查。在550个供电点上进行实际监测，其中对工业用户测量结果表明：平均每个用户每相每月发生38次电压暂降，即平均每天都有电压暂降发生，给工业生产造成严重损失。美国一项调查研究表明电压暂降对工商业大用户造成的平均经济损失达7694$/次，平均短时间中断损失达11027$/次。在我国，国家电网公司曾在2003年对北京地区的电能质量问题进行调查和统计，调查结果表明在全年的电能质量事件中，短时中断占43%、电压暂降占38%、长时间中断占9%、谐波及其他占10%。首钢日电电子有限公司曾对电压暂降造成的生产工艺流水线中断、设备停机损失进行过估算，认为单次暂降事故的平均经济损失在200～300万元之间。由此可见，如果对电压暂降历史记录进行分析，找出其中隐藏的规律，及时对可能发生的暂降事件做出预测预警，对实际生活生产具有重要的现实经济意义。

在电力系统运行方式变化时，经验丰富的现场运行通过长时间的运行实践，掌握了代表电力系统安全运行水平的关键部位的状态量和其他量的关联性，他们可根据电力系统中控制量和扰动量的变化趋势，预测出这些关键部位在运行方式变化时的状态，这在很大程度上是一种经验的积累。若要将这种经验积累以智能算法的方式实现，并以直观的形式展示出来，方法之一就是要用到关联规则思想。

关联规则挖掘是数据挖掘的重要分支，其通过描述数据库中不同数据属性之间所存在的潜在关系规则，找出满足给定支持度和置信度之间的依赖关系。关联规则通过特定的搜索方法可挖掘出数据集中项集之间有价值的关联关系，从而给出数据集的关联特征描述，可以帮助决策者分析历史数据和当前数据的特征和规律，从而进一步预测未来。

经过多年的实际运行，电能质量智能信息系统已经累积了大量的电能质量电压暂降事件记录，我们采用量化属性的静态离散化方法挖掘多维多层关联规则，寻找混合关联规则中的频繁项集。得到强关联规则后，形成关联规则历史知识库，再利用CBR推理方法，将未来可能存在的一种电网状态作为已知条件，与挖掘到的关联规则库中的规则进行匹配，最终得到暂降预测的可能性结果。

所述CBR（Case base reasoning）推理方法是一种增量型、可持续的学习方法，其基本原理为：以实例为基础进行推理，把以往的经验存成一个个的实例，当面临新的问题时，就可以对实例库进行搜索，找到合适的实例作为参考，实现经验的重用。

发明内容

本发明的目的在于，提出一种改进后的多维多层关联规则方法，挖掘历史电压暂降事件中的强关联规则，达到对未来暂降可能性的预测。

首先，结合电压暂降直接影响因素和监测点运行环境，选取暂降关联规则挖掘维度。电压暂降的发生频次和严重程度与电网结构、运行状况、负荷类型有密切关系，本发明选取的挖掘维度包括：监测点位置、监测点所属电压等级、监测点负荷类型、暂降发生时间、暂降原因，其中暂降原因为必选维度，除暂降原因外的其他维度可以任意一项或多项。

然后，对参与挖掘的暂降维度历史数据进行离散化分层处理。所述离散化分层处理方式包括：对于监测点位置，按监测网络区域划分层次；对于电压等级，可以根据我国常用电压等级划分为11层，也可以合并相邻层以减少总层次数；对于监测点负荷类型，按普通、新能源、重负荷、敏感用户分层；对于暂降发生时间，又可以划分出3个维度：季度、星期、时间段，对于季度分一季度、二季度、三季度、四季度4层，对于星期分工作日和节假日，对于时间段把一天分为3个时间段（0:00～8:00、8:00～18:00、18:00～24:00）；对于暂降原因，划分为短路、变压器投运、重负荷启动、新能源、其他；对各维度层次分别以0，1，2…代表。层次最多的维度所含有的层次数目作为挖掘的总层次数，用LayerNum表示，LayerNum的数值大小选定在10以内。