[发明专利]一种基于粗糙集的无功优化设备动作次数分析方法

说明书

本发明实施例公开了一种基于粗糙集的无功优化设备动作次数分析方法，涉及电力系统无功优化控制领域，本发明实施例提供的基于粗糙集的无功优化设备动作次数分析方法，针对无功优化中设备动作次数设置繁琐且设置结果不易把握的问题，采用基于粗糙集理论的挖掘的方法，实现无功优化中设备动作次数智能划分和精准设置，并在此基础上对新增数据集进行增量挖掘，有效的解决了数据的重复和冗余挖掘问题，提高了挖掘的整体效率适用于在线挖掘计算；缓解了在大型区域电网场景下，由于运行人员很难把握负荷的时段划分造成的时段内动作次数设置不精确的问题。

技术领域

本发明涉及电力系统无功优化控制领域，尤其涉及一种基于粗糙集的无功优化设备动作次数分析方法。

背景技术

当前，在电力系统中控制设备上，无功优化在线控制经过多年的研究已经日趋成熟并且取得了广泛的应用。然而，诸如控制设备的动作次数等参数，经常与由于设置不合理常导致实际控制效果受到较大影响。

而传统无功优化中控制设备的参数设置大多依靠运行人员的个人经验。尤其是基于人为经验进行时段划分，常因运行人员的主观判断或负荷季节性变化而维护不及时等原因，使得人为时段划分的结果很难在线匹配实际负荷的峰谷特性，使得控制设备的实际控制效果较差。尤其是在大型区域电网中，设置的频繁调整会给运行人员带来巨大的工作量，且运行人员也很难把握负荷的时段划分以及具体时段内动作次数的精确的设置。

发明内容

本发明的实施例提供一种基于粗糙集的无功优化设备动作次数分析方法，缓解了时段内动作次数设置不精确的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

包括：数据准备和预处理阶段、基于粗糙集理论的设备动作次数增量挖掘阶段，和无功优化设备动作次数获取阶段；

其中：

A数据准备和预处理阶段，包括：

步骤A-1，获取本次挖掘所需要的母线负荷预测结果；

步骤A-2，根据峰谷阀值，对所述母线负荷预测结果进行划分；

步骤A-3，根据历史数据转换所述母线负荷预测结果中的字段属性；

B基于粗糙集理论的设备动作次数增量挖掘阶段步骤，包括：

步骤B-1，对第i个时段内的数据集合构建决策表，其中，i为正整数；

步骤B-2，计算i时段内负荷预测曲线和所述历史数据间不同字段属性的相似度；

步骤B-3，采用EQCR-DB聚类评价指标，对连续属性进行离散化处理；

步骤B-4，加载基于隶属度的决策规则增量挖掘程序；

步骤B-5，通过il_i,max判断所有时段是否全部挖掘完成，如果都挖掘完成则转入C-1，否则转入B-1，其中，l_i,max表示当前时段的最大值；

C无功优化设备动作次数获取阶段，包括：

步骤C-1，采用给定的置信度对不确定性规则进行处理，并得到强关联规则；

步骤C-2，本次挖掘计算结束。

本发明实施例提供的基于粗糙集的无功优化设备动作次数分析方法，针对无功优化中设备动作次数设置繁琐且设置结果不易把握的问题，采用基于粗糙集理论的挖掘的方法，实现无功优化中设备动作次数智能划分和精准设置，并在此基础上对新增数据集进行增量挖掘，有效的解决了数据的重复和冗余挖掘问题，提高了挖掘的整体效率；缓解了在大型区域电网场景下，由于运行人员很难把握负荷的时段划分造成的时段内动作次数设置不精确的问题。

附图说明