CN105225165A - 一种基于Apriori算法的变电站电压暂降特性分析方法 - Google Patents

Abstract

本发明的目的在于提供一种基于Apriori算法的变电站电压暂降特性关联分析方法，根据区域电网的部分变电站电压暂降历史数据和各类影响因素从而提取关联规则，以获取的规则对区域内的所有变电站的电压暂降特性进行分析，对电压暂降历史数据进行梳理，形成数据表，有助于挖掘产生电压暂降的主要因素并进行相对应的防治并对电压暂降可能带来的风险进行评价，本发明以变电站为对象，充分利用部分变电站所监测到的电压暂降历史数据来分析区域电网内全部变电站的电压暂降特性，实现对现有的电能质量监测系统的扩展应用，该方法是直接基于历史数据的分析方式，只要对拥有电能质量监测系统的区域电网均能实施，具有良好的实用性和可推广性。

Description

一种基于 Apriori 算法的变电站电压暂降特性分析方法

技术领域：

本发明涉及一种基于Apriori算法的变电站电压暂降特性分析方法，主要适用于从区域电网的部分变电站电压暂降历史数据和各类影响因素中提取关联规则，以获取的规则对区域内的所有变电站的电压暂降特性进行分析，属于电能质量分析方法技术领域。

背景技术

随着现代科技技术的发展，敏感电力电子设备广泛应用以及新型电力负荷的出现，大量的工业生产如半导体制造、纺织业、造纸业、计算机集成制造等对供电电能质量提出了更高的要求。特别是大量敏感负荷的出现使得电压暂降问题近年来受到了广泛的关注，已经逐渐成为对用户影响最大的电能质量问题之一。

尽管电压暂降现象造成的影响巨大，但其持续的过程却十分短暂，要获取电压暂降现象在一个区域电网内的整体传播情况和对全局的影响较难以实现，目前只能通过在变电站层面的部分节点设置电能质量监测系统来对电压暂降现象进行监测和记录。针对电压暂降特性的分析目前尚没有明确的手段，而通过建模仿真等方法去精确分析电压暂降的暂态过程存在以下局限性：1）监测点只能针对部分变电站，尚不能在所有变电站上装设电能质量监测系统，导致数据不全面；2）由于主变参数、线路参数等不尽相同，大量建模工作量大且不切实际；3）分析结果对掌握电压暂降在全局的传播渗透情况却没有明显的帮助，对实际应用意义不大，不利于推广使用。

目前的电网虽然已经初步建立了一定规模的电能质量在线监测系统，能够获取大量的电能质量监测数据，可以实现对部分节点电能质量的监测，并对各类暂态事件进行记录。但在电网不断完善电能质量在线监测系统的同时仍存在以下几点问题：1）监测点不可能覆盖全部变电站，并无法准确获取所有变电站的电能质量数据；2）由于长期运行的数据积累，监测数据在不断增长，当前的电能质量数据、暂态事件历史数据量都极其庞大；3）目前对电能质量数据的分析还停留在比较简单的层面，不够深入，海量数据所包含的信息及价值却还未被充分挖掘。

关联规则思想正是利用大量历史数据提取潜在规律，实现对规则的再利用。关联规则分析是数据挖掘的重要分支，其通过描述数据库中不同数据属性之间所存在的潜在关系规则，找出满足给定支持度和置信度之间的依赖关系。关联规则通过特定的搜索方法可挖掘出数据集中项集之间有价值的关联关系，从而给出数据集的关联特征描述，可以帮助决策者分析历史数据和当前数据的特征和规律，从而进一步对某些确定条件下的情况做出满足一定置信程度的判断。

而电压暂降事件的影响因素是多方面的，对于区域电网而言基于其历史数据来说，电压暂降事件的产生、传播、对各节点的影响必然存在一定规律。在电网的长期运行当中，电能质量智能信息系统已经累积了大量的电能质量电压暂降事件记录，在此基础上充分融合其他信息系统的海量数据，采用Apriori算法寻找关联规则中的频繁项集，挖掘出隐藏其中的模式并建立起数据间的关系得到强关联规则，形成关联规则历史知识库，对区域电网内的各变电站的电压暂降特性进行关联分析，为电网的电能质量管理与决策提供参考依据。

发明内容

针对现有方法的局限性，本发明提供一种基于Apriori算法的变电站电压暂降特性分析方法，主要适用于从区域电网的部分变电站电压暂降历史数据和各类影响因素中提取关联规则，以获取的规则对区域内的所有变电站的电压暂降特性进行分析。

本发明是通过以下技术方案实现的：

首先，对设有监测点的变电站的电压暂降历史数据进行梳理，统计并整理每次暂降事件的相关属性包括时间属性、节点属性、故障属性、影响因素属性等方面，最终形成数据表，以每一次记录的暂降事件作为数据表中的行，每项属性作为列。其中各属性按照一定的规则量化分层，并且以离散的整数代表不同的互斥层次。

随后对数据表进行关联规则分析，其中包含频繁项集的产生和规则的产生两个环节。频繁项集的产生是为了发现满足最小支持度阈值的所有项集，而随后从所发现的频繁项集中提取高置信度的规则作为强关联规则。

最后将挖掘后得到的强关联规则形成知识库，对区域电网内的变电站在指定了一定的条件之后，通过与知识库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况的预估，并可开展对应的暂降原因排查和防治工作。

上述的变电站电压暂降特性分析方法，包括以下步骤：

1）对电压暂降历史数据进行梳理，形成数据表，其中每一次记录的暂降事件作为数据表中的行，每项属性作为列，各属性按照一定的规则量化分层，并且以离散的整数代表不同的互斥层次；

2）设置最小支持度阈值minsup，根据数据表产生满足要求的频繁项集；

3）设置最小置信度阈值minconf，从上一步发现的频繁项集中提取满足置信度要求的规则，并形成知识库；

4）对规则进行使用，即对区域电网内的变电站在指定了一定的条件之后，通过与知识库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况的预估。

本发明所达到的有益效果：

1）本发明对区域电网电压暂降历史数据的关联规则进行挖掘，将挖掘后得到的强关联规则形成知识库，对区域电网内的变电站在指定了一定的条件之后，通过与知识库进行匹配，就可以得到该站点可能出现的电压暂降情况的预估。有助于挖掘产生电压暂降的主要因素并进行相对应的防治并对电压暂降可能带来的风险进行评价。

2）本发明所述的分析方法以变电站为对象，充分利用部分变电站所监测到的电压暂降历史数据来分析区域电网内全部变电站的电压暂降特性，实现对现有的电能质量监测系统的扩展应用，具有十分重要的现实意义。

3）本发明所述的分析方法是直接基于历史数据的分析方式，只要对拥有电能质量监测系统的区域电网均能实施，具有良好的实用性和可推广性。

附图说明

图1为本发明一种基于Apriori算法的变电站电压暂降特性关联分析方法的流程图；

图2为本发明所采用的Apriori算法产生频繁项集的算法流程图；

图3为本发明所采用的Apriori算法产生规则的算法流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进一步说明：

首先介绍关联规则分析中的一些基本术语以便对后续详细流程的说明：

1）在关联规则分析中，若一个项集包含k个项，则称之为k-项集。关联规则是形如X→Y的蕴涵表达式，其中X和Y是不相交的项集，即X∩Y=Ø。

2）关联规则的强度可以用支持度和置信度两个指标来度量。

对于关联规则X→Y，支持度指包含X∪Y的集合个数与总的集合个数的比例，用于确定规则可以用于给定数据集的频繁程度，记作s(X→Y)：

(1)

置信度指包含X∪Y的集合个数与包含X的集合个数的比例，用于确定Y在包含X的集合中出现的频繁程度，记作c(X→Y)：

(2)

3）关联规则的发现是指找出支持度大于等于minsup并且置信度也大于等于minconf的所有规则，其中minsup和minconf是对应的支持度和置信度的阈值。

附图1是本发明一种基于Apriori算法的变电站电压暂降特性关联分析方法的流程图，首先对电压暂降历史数据进行梳理，形成数据表，其中每一次记录的暂降事件作为数据表中的行，每项属性作为列。由于电压暂降事件数据量大，相关因素复杂，按基本属性关系可分为时间属性、节点属性、故障属性、影响因素属性等方面，各属性按照一定的规则量化分层，并且以离散的整数代表不同的互斥层次；

其中时间属性包括暂降事件发生的年、季度、月、日、当日时间等，节点属性包括变电站所在片区、母线编号、相别、暂降幅度、持续时间等，故障属性包括短路发生区域、线路电压等级、线路类型、短路类型、短路原因等，影响因素属性则包括天气情况、落雷密度、污区等级、用户类型、负荷量、区域电缆占比等。

其次设置最小支持度阈值，根据数据表产生满足要求的频繁项集，随后设置最小置信度阈值，从上一步发现的频繁项集中提取满足置信度要求的规则，并形成知识库；最终实现对规则进行使用，即对区域电网内的变电站在指定了一定的条件之后，通过与知识库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况的预估，对某些确定条件下的情况做出满足一定置信程度的判断。

例如当研究某一区域电网内的变电站电压暂降特性，在设定最小支持度阈值minsup=10%，最小置信度阈值minconf=60%的条件下，通过Apriori算法进行关联规则分析之后得出一系列满足最小支持度、置信度阈值的规则。其中提取以电压暂降持续时间作为规则后件的规则来分析区域电网内电压暂降持续时间与其他因素的关联，例如可以获得规则（220kV）→（持续时间0~0.2s）的置信度为89.80%，规则（220kV，0时~8时）→（持续时间0~0.2s）的置信度为94.31%，（220kV，8时~18时）→（持续时间0~0.2s）的置信度为87.68%，将上述规则存入知识库，当要评估出现220kV变电站出现电压暂降时可能的持续时间，输入220kV这一条件则从知识库中匹配出上述三条规则，由规则（220kV）→（持续时间0~0.2s）可以确定在89.80%的置信度下可以预估电压暂降的持续时间为0~0.2s。而如果再加入当日发生时间这一条件，即输入220kV、0时~8时两个条件，则可匹配出规则（220kV，0时~8时）→（持续时间0~0.2s），即可预估当在0时~8时这一时段内220kV变电站出现电压暂降的情况下，其持续时间在0~0.2内的置信度可以达到94.31%。

附图2是本发明所采用的Apriori算法产生频繁项集的算法流程图，初始设置最小支持度阈值minsup，并扫描数据集得到所有的频繁1-项集的集合F ₁，随后开始循环，循环的判断条件为频繁k-项集F_k 是否为空集。当频繁k-项集F_k 非空时，就使用上一次迭代发现的频繁（k-1）-项集F_{k -1}来产生新的候选项集C_k ，本发明所采用的产生候选项集的方法为合并一对前k-2项相同的频繁（k-1）-项集F_{k -1}，使用字典序存储项以避免产生重复的候选。在计算候选项集的支持度计数后，删去支持度计数小于minsup的所有候选项集，提取当前的频繁k-项集F_k 。直到没有新的频繁项集产生，即F_k =Ø时，输出产生的频繁项集结果，算法结束。

附图3是本发明所采用的Apriori算法产生规则的算法流程图，本算法采用逐层的方式来产生关联规则，其中每层对应规则后件中的项数，其中规则后件即形如X→Y的蕴涵表达式中的Y。初始设置最小置信度阈值minconf，对每一个频繁k-项集F_k （其中k≥2）均先提取规则后件只含一个项的所有高置信度规则H ₁，当k>m+1时（其中m为规则后件的大小），以H_m 产生候选项集H_{m +1}，并对每个候选项集计算置信度从中提取满足最小置信度阈值minconf的规则，循环结束后输出规则，算法结束。

Claims (3)

1.一种基于Apriori算法的变电站电压暂降特性关联分析方法，其特征在于：方法包含以下操作：

首先，对设有监测点的变电站的电压暂降历史数据进行梳理，统计并整理每次暂降事件的相关属性包括时间属性、节点属性、故障属性、影响因素属性等方面，最终形成数据表，以每一次记录的暂降事件作为数据表中的行，每项属性作为列；

其中各属性按照一定的规则量化分层，并且以离散的整数代表不同的互斥层次；

随后对数据表进行关联规则分析，其中包含频繁项集的产生和规则的产生两个环节；

频繁项集的产生是为了发现满足最小支持度阈值的所有项集，而随后从所发现的频繁项集中提取高置信度的规则作为强关联规则；

最后将挖掘后得到的强关联规则形成知识库，对区域电网内的变电站在指定了一定的条件之后，通过与知识库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况的预估，并可开展对应的暂降原因排查和防治工作。

2.根据权利要求1所述的一种基于Apriori算法的变电站电压暂降特性关联分析方法，其特征在于：包括以下步骤：

1）对电压暂降历史数据进行梳理，形成数据表，其中每一次记录的暂降事件作为数据表中的行，每项属性作为列，各属性按照一定的规则量化分层，并且以离散的整数代表不同的互斥层次；

2）设置最小支持度阈值minsup，根据数据表产生满足要求的频繁项集；

3）设置最小置信度阈值minconf，从上一步发现的频繁项集中提取满足置信度要求的规则，并形成知识库；

4）对规则进行使用，即对区域电网内的变电站在指定了一定的条件之后，通过与知识库中的规则进行匹配，就可以得到该站点可能出现的电压暂降情况的预估，对某些确定条件下的情况做出满足一定置信程度的判断。

3.根据权利要求1所述的一种基于Apriori算法的变电站电压暂降特性关联分析方法，其特征在于：本发明方案以变电站为对象，充分利用部分变电站所监测到的电压暂降历史数据来分析区域电网内全部变电站的电压暂降特性，是直接基于历史数据的分析方式，可在拥有电能质量监测系统的区域电网推广应用。