[发明专利]配电网运行参数与综合预警指数变化边界条件的确定方法

权利要求书

1.配电网运行参数与综合预警指数变化边界条件的确定方法，其特征在于，包括：

采集数据分析所需的相关数据集；

对所述相关数据集进行运行参数融合特征处理；

利用不同的神经网络算法对处理后的数据进行分析，输出分析结果，得到非正常运行边界条件。

2.如权利要求1所述的配电网运行参数与综合预警指数变化边界条件的确定方法，其特征在于，所述不同的神经网络算法包括FCM聚类算法、DBSCAN算法、综合统计分布算法。

3.如权利要求1所述的配电网运行参数与综合预警指数变化边界条件的确定方法，其特征在于，基于主成分分析法对所述相关数据集进行运行参数融合特征处理包括：

定义X＝(x_ij)_n×p＝(x₁，x₂，...，x_n)^T为所要处理的数据阵，将其降维到R^q(q＜p)子空间进行主成分分析，步骤如下：

将矩阵X进行中心标准化，即：

其中，x_i为原始向量，x’_i为中心标准化后的向量，μ_i为第i个向量的平均值，σ_i为第i个向量的方差；

求出X^TX的p个特征值，由大到小依次用λ₁λ₂，…，λ_p表示，并求出所述特征值对应的特征向量μ₁，μ₂，...μ_p即求出：

X^TX＝UΛU^T

其中：

Λ＝diag(λ₁，λ₂，...，λ_p)

U＝{u₁，u₂，...，u_p}

计算选取出的主成分的累计贡献率，即求：

并使得α_q≥β，其中β为贡献率的要求；

计算主成分：

y_(i)＝Xμ_i。

4.如权利要求1或2所述的配电网运行参数与综合预警指数变化边界条件的确定方法，其特征在于，所述FCM聚类算法的计算步骤包括：

定义样本数量x_i(i＝1，2，3，...，n)，将其分为k类；

确定隶属矩阵和聚类中心；

计算目标函数值，并重新计算隶属矩阵；

若所述目标函数值小于预设的阈值，则算法停止，否则重复迭代上述步骤，直到满足终止条件；

根据得到的运行数据点对每一类的隶属度，分析所述隶属度并结合可靠系数u_ref获得边界阈值。

5.如权利要求4所述的配电网运行参数与综合预警指数变化边界条件的确定方法，其特征在于，还包括：

所述隶属矩阵为(0，1)中的随机数：

U＝(u_ij)_n×k，u_ij

对所述隶属矩阵初始化：

计算聚类中心：

其中，c_i为第i类聚类中心，m为加权指数；

计算目标函数值：

其中：

其中，d_ij＝||c_i-x_j||为第i类聚类中心与数据样本之间的欧式距离；

重新计算隶属矩阵U：