[发明专利]一种配电网变压器阈值更新方法及系统

说明书

技术领域

本发明涉及一种配电网变压器阈值更新方法及系统。

背景技术

目前配电变压器的运行数据采集主要包括三相电流、电压、漏电电流、功率、温度等参数，电力规程虽然有明确的规定变压器各项参数的运行上限阈值，但在实际运行中，变压器的负载用户情况、现场运行环境等各类因素都对变压器的运行有很大的影响，因此会出现电力规程规定的阀值与实际运行不相符的情况，软件系统设计的时候虽然有提供阀值的人工调整，但大部分基于经验值，一旦出现经验中没有出现过的情况就可能出现误报，并且随着采集量的增加，人工已不太可能来经常性的调整阀值。因此我们设计了一种能随着运行参数变化，不断的判断阀值向一段时间内趋向最优的自我学习算法。

发明内容

本发明的目的是针对现有技术的不足，提出一种配电网变压器阈值更新方法，使变压器能够随着运行数据的变化，不断地更新运行上限阈值，使阈值最优化。

本发明的另一目的是提供一种配电网变压器阈值更新系统。

本发明通过以下技术方案实现：

一种配电网变压器阈值更新方法，包括以下步骤：

A、获取变压器的历史数据和当前周期的运行数据；

B、计算历史数据的平均线；

C、将当前周期运行数据的峰值和谷值分别与历史数据的平均线比较，当峰值和谷值均在平均线同一侧时，进入步骤D；

D、根据历史数据及当前周期的运行数据，利用决策树算法计算最优的更新阈值，并根据最优的更新阈值进行更新；

步骤B包括如下步骤：

B1、历史数据包括若干个历史周期的运行数据，将每个历史周期的运行数据划分为若干个区间数据，分别计算这些区间数据的区间平均值；

B2、分别对每个历史周期的各区间平均值再平均得到周期平均值，将若干个周期平均值连线即可得到历史数据的平均线；

步骤D包括如下步骤：

D1、数据初始化，包括将历史数据及当前周期的运行数据中的非连续性采样数据剔除后作为样本、根据样本属性对样本进行分类、初始化分裂准确度阈值；

D2、读取新的样本，将各个属性的样本值赋值到决策树的一组同级节点；

D3、计算该同级节点样本的信息熵、信息增益和信息增益率；

D4、判断节点分裂出的子女的值是否大于当前周期的峰值或者小于当前周期的谷值，如果是，那么在该节点使用最大信息增益作为根再生成子树，并选择信息增益率最大的属性进行分裂，将如果否，则读取新的样本进入步骤D2；

D5、计算节点分裂后形成的分类准确度，当分类准确度大于初始化分裂准确度阈值时，则停止分裂，并将该节点上的样本值作为最优的更新阈值，否则进入步骤D4继续分裂；

D6、根据最优的更新阈值对变压器的阈值进行更新。

本发明还通过以下技术方案实现：

一种配电网变压器阈值更新系统，包括：

用于获取变压器的历史数据和当前周期的运行数据的模块；

用于计算历史数据的平均线的模块；

用于将当前周期运行数据的峰值和谷值分别与历史数据的平均线比较的模块；

用于根据历史数据及当前周期的运行数据，利用决策树算法计算最优的更新阈值，并根据最优的更新阈值进行更新的模块；

所述用于根据历史数据及当前周期的运行数据，利用决策树算法计算最优的更新阈值，并根据最优的更新阈值进行更新的模块包括：

用于将数据初始化，包括将历史数据及当前周期的运行数据中的非连续性采样数据剔除后作为样本、根据样本属性对样本进行分类、初始化分裂准确度阈值的模块；

用于读取新的样本，将各个属性的样本值赋值到决策树的一组同级节点的模块；

用于计算该同级节点样本的信息熵、信息增益和信息增益率的模块；

用于判断节点分裂出的子女的值是否大于当前周期的峰值或者小于当前周期的谷值的模块；

用于计算节点分裂后形成的分类准确度，当分类准确度大于初始化分裂准确度阈值时，则停止分裂，将该节点上的样本值作为最优的更新阈值，否则继续分裂的模块；

用于根据最优的更新阈值对变压器的阈值进行更新的模块。

本发明具有如下有益效果：

本发明利用历史数据和当前采集数据判断变压器阈值是否需要更新，当需要更新时，借助决策树算法寻找最优阈值并更新，变压器随着运行数据的变化，不断优化阈值，能够适应各种不同的应用环境，减少误报情况的发生，增强变压器使用的可靠性。

附图说明