[发明专利]基于支持向量数据描述的配网台区风险预警方法及系统

说明书

本发明公开了一种基于支持向量数据描述的配网台区风险预警方法及系统，属于大数据挖掘及应用技术领域，包括获取配网台区的运行风险因子作为训练样本集合；采用主成分分析法对训练样本集合中的训练样本进行降维处理，得到低维度的训练样本；基于低维度的训练样本的特征差异性，构建加权支持向量数据描述多分类模型，对配电台区的运行状态进行分类识别，从而实现该配网台区的风险预警。本发明通过应用大数据技术构建了配电台区运行风险预警模型，风险评价效率高、预警效果好。

技术领域

本发明涉及大数据挖掘及应用技术领域，特别涉及一种基于支持向量数据描述的配网台区风险预警方法及系统。

背景技术

随着我国智能电网的建设和发展，供电企业积累了海量的配电网运行数据，但传统的可靠性评估方法受数据来源、数据整合、数据处理能力限制，很难从配电系统多源异构数据中挖掘出更多价值的信息。

常规的配电网可靠性评估主要是基于配电系统长期不同运行状态下可靠性的统计值，以切负荷指标为主，评估方法主要为解析法和模拟法，结果主要用于配电网规划设计，虽能够考虑故障发生的概率和后果，但是其统计周期长，时间尺度大，一般为数月或数年，难以直接应用于配网台区短期可靠性评估和实时运行调度控制。

此外，配网台区变压器设备的更换或退役预期主要依据配变型号、运行年限、历史最大负荷等少量因素或全寿命周期成本来确定，缺乏客观评估。配电网变压器设备状态的判定主要依赖于预防实验和定期检修来实现，且较多集中在对电器或机械方面的具体参量进行检查和一些宏观的基于单一或少量参量的状态分析。

发明内容

本发明的目的在于提供一种基于支持向量数据描述的配网台区风险预警方法及系统，以提高配网台区风险预警的准确性。

为实现以上目的，本发明采用一种基于支持向量数据描述的配网台区风险预警方法，包括如下步骤：

获取配网台区的运行风险因子作为训练样本集合，该运行风险因子包括与变压器相关的风险因子、与电网运行环境相关的风险因子以及与外部环境相关的风险因子；

采用主成分分析法对所述训练样本集合中的训练样本进行降维处理，得到低维度的训练样本；

基于低维度的训练样本的特征差异性，构建加权支持向量数据描述多分类模型；

根据加权支持向量数据描述多分类模型，对配网台区的运行风险因子进行特征提取，识别不同状态的配电台区，从而实现该配网台区的风险预警。

优选地，所述与变压器相关的风险因子包括变压器状态量因子R₁、变压器运行年限因子R₂以及变压器安装位置海拔影响因子R₃，其中：

R₂＝e^N-M，

R₃＝e^{(h-1000)/8150}，

式中，W_i表示和变压器相关的设备i最近评分，a_i表示和变压器相关的设备i对变压器的影响权重，n表示和变压器相关的设备总数；N表示变压器的实际投运时间，M为与变压器的额定最大运行时间，e为欧拉数。

优选地，所述与电网运行环境相关的风险因子包括配电台区负载率因子L和配网台区三相不平衡因子T，配电台区负载率因子L包括变压器单位时间内重过载时间L₁、单位时间内重过载极值L₂以及单位时间内重过载严重程度L₃；

配网台区三相不平衡因子T包括变压器的三相不平衡时间T₁、变压器的三相不平衡极值T₂和变压器的三相不平衡严重程度T₃。