[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

说明书

本发明公开了一种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，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。本发明方法计算效率更高，可以准确、高效地确定非正常运行边界条件。

技术领域

本发明涉及电力系统技术的技术领域，尤其涉及一种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。

背景技术

配电网运行参数与综合预警指数的变化边界条件为对数据进行聚类分析并明确各簇类别的划分界限。传统的聚类分析是一种硬划分，它把每一个对象严格地划分到某个类中，具有非此即彼的性质，因此这种分类的类别界限是分明的。而实际上大多数对象并没有严格的属性，它们在形态和类属方面存在着中介性。即对象具有“模糊”的属性，没有绝对的类属表征。

对于配电网非正常预警系统，由于先验知识获取比较昂贵和无法及时有效地获取新出现的非正常信息；另一方面，也无法保证所使用的训练数据集是完全纯净的(即无干扰和错误信息的)，所有的这些都要求聚类分析引擎对训练数据要有一定的容错性。

基于此，目前亟需一种可以高效确定配电网运行参数与综合预警指数变化边界条件的方法。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的技术问题是：传统方法是一种硬划分，它把每一个对象严格地划分到某个类中，具有非此即彼的性质，因此这种分类的类别界限是分明的，而实际上大多数对象并没有严格的属性，它们在形态和类属方面存在着中介性，即对象具有“模糊”的属性，没有绝对的类属表征；对于配电网非正常预警系统，由于先验知识获取比较昂贵和无法及时有效地获取新出现的非正常信息；另一方面，也无法保证所使用的训练数据集是完全纯净的(即无干扰和错误信息的)，所有的这些都要求聚类分析引擎对训练数据要有一定的容错性。

为解决上述技术问题，本发明提供如下技术方案：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。

作为本发明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的一种优选方案，其中：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。

作为本发明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的一种优选方案，其中：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(qp)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