[发明专利]一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法

权利要求书

1.一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法，其特征在于，包括如下步骤：

步骤1：通过获取光伏高占比配网数据，对数据进行预处理，包括数据标准化处理、异常数据辨识、异常数据重构等，为保证数据处理的准确性对数据重复一次上述处理过程，从而获取标准化样本数据；

步骤2：使用基于K-means的大数据挖掘技与特征提取技术，针对聚类目标和要求计算样本点与各簇中心间距离，并通过设定迭代次数，在达到迭代次数后即可获得样本特征；

步骤3：根据样本的时间特性和空间特性可以分别计算获得时间维度和空间维度的特征数据，这些数据将为后续评估奠定基础；

步骤4：根据配网电压时空多维评估指标在全局无功电压中发挥的作用，采用熵值法和有序二元比较量化法的主客观相结合的指标赋权法对指标进行权重赋值；

步骤5：运用改进模糊灰关联度评估法，准确评估配网电压状态。

2.根据权利要求1所述的一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法，其特征在于，步骤1中，对数据进行预处理：

(1)数据标准化

将源于配网直接采集获取的数据进行统一归一化处理；

(2)异常数据辨识

对于配网中采集的异常数据，从下面三个维度进行辨识分析：

1)从数学维度，使用工程化的技术对缺失值、越限值等异常数据进行辨识；

2)从时间维度，采用时间序列分析的方法辨析配网在单位时间尺度内波动较大的异常数据；

3)从空间维度，基于配网的“点-区-网”结构，从空间维度使用多源数据相关性来辨析异常数据；

(3)异常数据重构

在辨识异常数据之后需要对数据进行重构，主要包含以下三种情形：

1)出现单点数据异常时，对数据采用样条插值方法进行填充；

2)出现多点数据异常时，使用时间序列拟合或回归拟合的方法进行填充；

3)出现大片连续数据出现异常时，利用多源数据相关性的方法进行填充。

3.根据权利要求1所述的一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法，其特征在于，步骤2中，采用基于K-means的大数据挖掘技与特征提取技术获得样本特征，步骤为：

设定样本数据集D＝{a₁,a₂,...,a_m}，想要把这些数据分成k个簇，因为这些数据没有任何标签信息，所以必须挑选一个作为标准。我们选择最简单的距离的平方作为标准P·P²；使用K-means算法对聚类得出的簇划分C＝{C₁,C₂,...,C_k}最小化平方误差

式中的为簇C_i的均值向量。E值体现了各簇中的样本数据到选择的质心的距离，与样本相似度负相关，即E值越大时，各簇中的样本数据相似度越低；

对于这里的最小化平方误差，需要通过遍历D中所有可能的划分情况，来获取其最优解；在K-means算法中采用迭代优化的方法来求取近似值，当选择数据的质心不再大幅度变化或达到预设迭代次数时停止。

4.根据权利要求1所述的一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法，其特征在于，步骤3中，时间维度和空间维度电压评估指标体系的建立；

(1)时间维度上，通过“日-月-年”三个层级对配网电压在全年内进行特定时间节点进行评估，寻找出配网电压薄弱时间段；

(2)空间维度上，节点评估注重于关键节点的电压控制能力，分区评估注重于分区的调控能力以及互联分区间的互动支撑能力，全网评估注重于电网整体的电压状态；

结合时空维度，配网电压评估从无功裕度、功率因数和电压偏移三个角度来构建光伏高占比配网电压时空多维评估指标体系。