CN106655225A - 一种三相不平衡治理装置及实现方法 - Google Patents
一种三相不平衡治理装置及实现方法 Download PDFInfo
- Publication number
- CN106655225A CN106655225A CN201610993635.5A CN201610993635A CN106655225A CN 106655225 A CN106655225 A CN 106655225A CN 201610993635 A CN201610993635 A CN 201610993635A CN 106655225 A CN106655225 A CN 106655225A
- Authority
- CN
- China
- Prior art keywords
- data
- voltage
- voltage dip
- electrical network
- rule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种三相不平衡治理装置，通过数据获取单元获取电网当前的特征数据；电压暂降知识库形成单元从历史数据中提取与特征数据具有相同特征类型的数据，并根据预设的类别属性，对提取的数据进行分类形成样本集合，且进一步在样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；识别单元根据电网当前特征数据，在电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；治理单元根据当前电压暂降原因，确定电网电能质量治理补偿方案，并根据电网电能质量治理补偿方案对用户侧电压进行补偿。实施本发明，避免对波形的依赖，基于历史数据的分析，挖掘历史电压暂降中的强关联规则，达到对未来电压暂降可能性的预测及治理。
Description
技术领域
本发明涉及电能质量三相不平衡治理技术领域，尤其涉及一种三相不平衡治理装置及实现方法。
背景技术
随着科学技术及工业的发展，许多自动化程度很高的工业用户对电能质量的要求越来越高。在生产或信息技术企业中，由于大部分装置和基于单片机的数字控制器或电力电子器件对各种电磁干扰都非常敏感，因此电网非常轻微的扰动都会导致上述产品不能正常工作或某些功能下降，使得企业蒙受巨大的损失。
当前理想的电能信号拥有固定频率和幅值的三相正弦波形，然而在现实生活中，由于电路故障、线路和设备的不对称性、大型负载的启动等，使得电能信号产生偏离的现象统称为电能质量问题。
在电能质量的研究中，最重要的就是电能质量事件的原因分析，如果能快速获知事件发生的原因，对于预防和故障切除都有重要的意义。传统技术中，对电能质量原因分析的研究主要基于电网三相不平衡的实验和仿真，但是基于实验和仿真的传统技术存在不足之处，其不足之处在于：一、电网远远比仿真系统复杂，简化的模型无法完全模拟真实系统，从而产生误差；二、电网中的检测设备只能检测到电压暂降的暂降幅度和持续时间，无法记录超大数据量的波形，从而导致电能质量事件的原因分析出现偏差。
发明内容
本发明实施例所要解决的技术问题在于，提供一种三相不平衡治理装置及实现方法，避免对波形的依赖，基于历史数据的分析，挖掘历史电压暂降中的强关联规则，达到对未来电压暂降可能性的预测及治理。
为了解决上述技术问题，本发明实施例提供了一种三相不平衡治理装置，所述三相不平衡治理装置包括：
数据获取单元，用于获取电网当前的特征数据，所述特征数据的特征类型包括电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间；
电压暂降知识库形成单元，用于从历史数据中提取与所述特征数据具有相同特征类型的数据，并根据预设的类别属性，对所述提取的数据进行分类形成样本集合，且进一步在所述样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；
识别单元，用于根据所述获取到的电网当前特征数据，在所述形成的电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；
治理单元，用于根据所述确定的当前电压暂降原因，确定电网电能质量治理补偿方案，并根据所述确定的电网电能质量治理补偿方案对用户侧电压进行补偿。
其中，所述电压暂降知识库形成单元包括：
数据预处理模块，用于从历史数据中提取与所述特征数据具有相同特征类型的数据，并将所述提取到的数据进行离散化处理；
样本集合形成模块，用于根据预设的类别属性，对所述离散化处理的数据进行分类，形成样本集合；
电压暂降知识库形成模块，用于对所述形成的样本集合进行Apriori计算，筛选出支持度值大于第一预设值的数据形成样本关联集合，并对所述形成的样本关联集合再次进行Apriori计算，筛选出置信度值大于第二预设值的数据形成电压暂降强关联规则知识库。
其中，所述识别单元包括：
决策树设置模块，用于根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树；
电压暂降原因识别模块，用于根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因。
其中，所述电压暂降原因识别模块包括：
电压暂降匹配子模块，用于利用CBR推理方法将所述获取到的电网当前特征数据与所述得到的每一类别属性对应的信息熵最小的决策树进行匹配；
检测子模块，用于当存在匹配条件时，检测所述存在的匹配条件是否为唯一规则；
第一识别子模块，用于当检测到所述存在的匹配条件为唯一规则时，则确定所述唯一规则为所述电网当前电压暂降的原因；
第二识别子模块，用于当检测到所述存在的匹配条件对应多条规则时，将所述得到的支持度值与置信度值进行排序，确定支持度值与置信度值为最大时所对应的规则作为所述电网当前电压暂降的原因。
其中，所述预设的类别属性包括电压暂降相别、电压暂降幅度、电压暂降持续时间、电压暂降发生时间和传递特性；其中，所述电压暂降相别包括一相暂降两相暂升、两相暂降一相暂升、三相暂降以及两相暂降一相不变；所述电压暂降幅度为电压暂降的当前电压值与标准电压值之间的比值；所述电压暂降发生时间包括预设的大型负载的工作时间范围和雷雨导致电路故障的运行时间范围，且所述大型负载的工作时间范围与所述雷雨导致电路故障的运行时间范围之和为一天；所述传递特性包括取值为0的主动事件和取值为1的被动事件。
本发明实施例还提供了一种三相不平衡治理装置的实现方法，其在前述的装置上实现，所述方法包括：
S1、获取电网当前的特征数据，所述特征数据的特征类型包括电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间；
S2、从历史数据中提取与所述特征数据具有相同特征类型的数据，并根据预设的类别属性，对所述提取的数据进行分类形成样本集合，且进一步在所述样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；
S3、根据所述获取到的电网当前特征数据，在所述形成的电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；以及
S4、根据所述确定的当前电压暂降原因，确定电网电能质量治理补偿方案，并根据所述确定的电网电能质量治理补偿方案对用户侧电压进行补偿。
其中，所述步骤S2具体包括：
从历史数据中提取与所述特征数据具有相同特征类型的数据，并将所述提取到的数据进行离散化处理；
根据预设的类别属性，对所述离散化处理的数据进行分类，形成样本集合；
对所述形成的样本集合进行Apriori计算，筛选出支持度值大于第一预设值的数据形成样本关联集合，并对所述形成的样本关联集合再次进行Apriori计算，筛选出置信度值大于第二预设值的数据形成电压暂降强关联规则知识库。
其中，所述步骤S3具体包括：
根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树；
根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因。
其中，所述根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树的具体步骤包括：
a、将所述形成的电压暂降强关联规则知识库内的数据作为训练数据；
b、根据所述预设的类别属性计算所述训练数据中包含的每一预设类别属性的信息增益，选出信息增益最大值作为根节点的分裂属性，并计算决策规则以及传给第一层的前缀信息；
c、判断是否产生了新的决策规则；如果是，则执行下一步骤d；如果否，则，跳转到步骤e；
d、将所述产生的新的决策规则保存到规则集中，同时删除所述训练数据中包含所述产生的新的决策规则的样本，产生新的数据集，并将所述产生的新的数据集作为所述训练数据后，返回步骤b；
e、继续判断是否产生新的前缀信息；如果是，则执行下一步骤f；如果否，则，跳转到步骤i；
f、决策树层数加一；
g、判断所述决策树的层数是否小于所述训练数据中包含的所有属性的总数；如果是，则执行下一步骤h；如果否，则，跳转到步骤i；
h、计算在所述新的前缀信息下，所述训练数据中包含的每一预设类别属性的信息增益，选出信息增益最大值作为所述当前决策树的层数对应节点的分裂属性，并计算决策规则以及传给下一层的前缀信息，返回步骤c；
i、训练结束，根据所述计算得到的决策规则构建决策树。
其中，所述根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因的具体步骤包括：
用于利用CBR推理方法将所述获取到的电网当前特征数据与所述得到的每一类别属性对应的信息熵最小的决策树进行匹配；
当存在匹配条件时，检测所述存在的匹配条件是否为唯一规则；
当检测到所述存在的匹配条件为唯一规则时，则确定所述唯一规则为所述电网当前电压暂降的原因；
当检测到所述存在的匹配条件对应多条规则时，将所述得到的支持度值与置信度值进行排序，确定支持度值与置信度值为最大时所对应的规则作为所述电网当前电压暂降的原因。
实施本发明实施例，具有如下有益效果：
本发明中的三相不平衡治理装置基于历史数据的分析，通过对电压暂降事件进行原因分类，采用Apriori算法挖掘历史电压暂降中的强关联规则形成电压暂降强关联规则知识库，再将电压暂降强关联规则知识库作为训练集合，确定当前电压暂降原因，及对应的电网电能质量治理补偿方案对用户侧电压进行补偿，从而避免对波形的依赖，达到对未来电压暂降可能性的预测的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的三相不平衡治理装置的系统结构示意图；
图2为图1中电压暂降知识库形成单元的系统结构示意图；
图3为图1中识别单元的系统结构示意图；
图4为图3中电压暂降原因识别模块的系统结构示意图；
图5为本发明实施例提供的三相不平衡治理装置实现方法的流程图；
图6为图5中步骤S3的流程图；
图7为图6中步骤S31的流程图；
图8为图6中步骤S32的流程图；
图9为图6中步骤S3的应用场景图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明实施例提供的一种三相不平衡治理装置，所述装置包括：
数据获取单元110，用于获取电网当前的特征数据，所述特征数据的特征类型包括电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间；
电压暂降知识库形成单元120，用于从历史数据中提取与所述特征数据具有相同特征类型的数据，并根据预设的类别属性，对所述提取的数据进行分类形成样本集合，且进一步在所述样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；
识别单元130，用于根据所述获取到的电网当前特征数据，在所述形成的电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；
治理单元140，用于根据所述确定的当前电压暂降原因，确定电网电能质量治理补偿方案，并根据所述确定的电网电能质量治理补偿方案对用户侧电压进行补偿。
如图2所示，所述电压暂降知识库形成单元120包括：
数据预处理模块1201，用于从历史数据中提取与所述特征数据具有相同特征类型的数据，并将所述提取到的数据进行离散化处理；
样本集合形成模块1202，用于根据预设的类别属性，对所述离散化处理的数据进行分类，形成样本集合；
电压暂降知识库形成模块1203，用于对所述形成的样本集合进行Apriori计算，筛选出支持度值大于第一预设值的数据形成样本关联集合，并对所述形成的样本关联集合再次进行Apriori计算，筛选出置信度值大于第二预设值的数据形成电压暂降强关联规则知识库。
如图3所示，所述识别单元130包括：
决策树设置模块1301，用于根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树；
电压暂降原因识别模块1302，用于根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因。
如图4所示，所述电压暂降原因识别模块1302包括：
电压暂降匹配子模块13021，用于利用CBR推理方法将所述获取到的电网当前特征数据与所述得到的每一类别属性对应的信息熵最小的决策树进行匹配；
检测子模块13022，用于当存在匹配条件时，检测所述存在的匹配条件是否为唯一规则；
第一识别子模块13023，用于当检测到所述存在的匹配条件为唯一规则时，则确定所述唯一规则为所述电网当前电压暂降的原因；
第二识别子模块13024，用于当检测到所述存在的匹配条件对应多条规则时，将所述得到的支持度值与置信度值进行排序，确定支持度值与置信度值为最大时所对应的规则作为所述电网当前电压暂降的原因。
在本发明实施例中，预设的类别属性包括电压暂降相别、电压暂降幅度、电压暂降持续时间、电压暂降发生时间和传递特性；其中，电压暂降相别包括一相暂降两相暂升、两相暂降一相暂升、三相暂降以及两相暂降一相不变；电压暂降幅度为电压暂降的当前电压值与标准电压值之间的比值；电压暂降发生时间包括预设的大型负载的工作时间范围和雷雨导致电路故障的运行时间范围，且大型负载的工作时间范围与所述雷雨导致电路故障的运行时间范围之和为一天；传递特性包括取值为0的主动事件和取值为1的被动事件。
如图5所示，为本发明实施例中，提供的一种三相不平衡治理装置的实现方法，其在上述的装置上实现，所述方法包括：
步骤S1、获取电网当前的特征数据，所述特征数据的特征类型包括电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间；
具体过程为，获取电网当前的特征数据，该特征数据由多个特征类型项的数据形成，该特征数据的特征类型包括但不限于电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间。
步骤S2、从历史数据中提取与所述特征数据具有相同特征类型的数据，并根据预设的类别属性，对所述提取的数据进行分类形成样本集合，且进一步在所述样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；
具体过程为，步骤S21、从历史数据中提取与特征数据具有相同特征类型的数据，并将所述提取到的数据进行离散化处理；
具体为，主要对历史数据进行预处理，去除冗余和损坏的数据，从而降低数据的复杂度和处理容量，然后根据步骤S1中的特征类型把需要的一些属性单独抽取出来，并且将历史数据进行离散化处理，成为便于分析和计算的多个数据块。
步骤S22、根据预设的类别属性，对所述离散化处理的数据进行分类，形成样本集合；
具体为，预先设置五个特征作为类别属性，并根据预设的五个特征对离散化处理的数据进行分类，形成样本集合M；其中，五个特征分别为电压暂降相别、电压暂降幅度、电压暂降持续时间、电压暂降发生时间和传递特性。
由于电压为三相，因此电压暂降相别包括一相暂降两相暂升、两相暂降一相暂升、三相暂降以及两相暂降一相不变等。电压暂降幅度为电压暂降的当前电压值与标准电压值之间的比值；作为一个例子，暂降电压的当前电压值为198V，标准电压为220V，计算出的暂降幅度为0.9。电压暂降持续时间为电压暂降结束的时间减去其开始的时间。由于导致电压暂降的最重要的两个因素为大型负载启动和雷雨引发的电路故障，因此电压暂降发生时间也作为一个重要特征，而负载只在工作时间运转，雷雨可能在全天都有分布，故电压暂降发生时间可设为一天24小时，在一天内根据需要划分出大型负载的工作时间范围和雷雨导致电路故障的运行时间范围；作为一个例子，将AM8:00至PM5:00预设为大型负载的工作时间范围，剩余时间(当天PM5:00后至第二天AM8:00前)预设为雷雨导致电路故障的运行时间范围，因此在AM8:00至PM5:00出现电压暂降的原因可预测为大型负载启动造成的，而在AM8:00至PM5:00之外时间段出现电压暂降的原因可预测为雷雨故障。传递特性包括取值为0的主动事件(源事件)和取值为1的被动事件。主动事件(源事件)都是有外界因素引起的，而被动事件是由已有的电压暂降事件在电网中传播造成的。
步骤S23、对所述形成的样本集合进行Apriori计算，筛选出支持度值大于第一预设值的数据形成样本关联集合，并对所述形成的样本关联集合再次进行Apriori计算，筛选出置信度值大于第二预设值的数据形成电压暂降强关联规则知识库。
具体为，对形成的样本集合M进行Apriori计算，并根据第一预设值的定义，如果支持度小于该第一预设值，则需重新根据Apriori进行计算，因此在对形成的样本集合M进行Apriori计算后，最终得到的支持度值应大于第一预设值，并筛选出支持度值大于第一预设值的数据形成样本关联集合，并对该样本关联集合再次进行Apriori计算；同理，根据第二预设值的定义，如果置信度值小于该第二预设值，则需重新在样本关联集合基础上再次进行Apriori计算，最终得到的置信度值应大于该第二预设值。由于支持度值大于第一预设值，且置信度值大于第二预设值，则表明样本集合M经过Apriori计算后具有关联性，满足预定的关联强度，从而形成电压暂降强关联规则知识库，以便于将该知识库作为训练集合来构建决策树。
步骤S3、根据所述获取到的电网当前特征数据，在所述形成的电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；
具体过程为，如图6所示，步骤S3的具体步骤实现如下：
步骤S31、根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树；
步骤S32、根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因。
在步骤S31中，采用ID3算法来构建决策树。每次选择的分支属性都使信息熵最大降低。如果一个样本集中所有样本属于同一个类，此时信息熵最小；如果都属于不同的类，此时信息熵最大。设S是n个数据样本的集合，将样本集划分为c个不同的类Ci(i＝1，2，…，c)，每个类Ci含有的样本数目为ni，则S划分为c个类的信息熵为
其中，pi为S中样本属于第i类Ci的概率，即
假设属性A的所有不同值的集合为XA，Sv是S中属性A的值为v的样本子集，即Sv＝{s∈S|A(s)＝v}。在选择属性A后的每一个分支节点上，对该节点的样本集Sv分类的熵为E(Sv)。选择A导致的期望熵定义为每个子集Sv的熵的加权和，权值为属于Sv的样本占原始样本S的比例即期望熵为
其中，E(Sv)是将Sv中的样本划分到c个类的信息熵。属性A相对样本集合S的信息增益Gain(S,A)定义为
Gain(S,A)＝E(S)-E(S,A)
每次选择使得信息增益最大的属性，此时，信息熵降低最多。
因此，如图7所示，步骤S31的具体实现步骤如下：
步骤S310、将电压暂降强关联规则知识库内的数据作为训练数据；
步骤S320、根据预设的类别属性计算训练数据中包含的每一预设类别属性的信息增益，选出信息增益最大值作为根节点的分裂属性，并计算决策规则以及传给第一层的前缀信息；
步骤S330、判断是否产生了新的决策规则；如果是，则执行下一步骤S340；如果否，则跳转步骤S350、
步骤S340、将产生的新的决策规则保存到规则集中，同时删除训练数据中包含产生的新的决策规则的样本，产生新的数据集，将该新的数据集作为训练数据后，返回步骤S320；
步骤S350、继续判断是否产生新的前缀信息；如果是，则执行下一步骤S360；如果否，则跳转到步骤S390；
步骤S360、决策树层数加一；
步骤S370、判断该决策树的层数是否小于训练数据中包含的所有属性的总数；如果是，则执行下一步骤S380；如果否，则跳转到步骤S390；
步骤S380、计算在新的前缀信息下，训练数据中包含的每一预设类别属性的信息增益，选出信息增益最大值作为当前决策树的层数对应节点的分裂属性，并计算决策规则以及传给下一层的前缀信息，返回步骤S330；
步骤S390、训练结束，根据计算得到的决策规则构建决策树。
在步骤S32中，如图8所示，步骤S32的具体步骤实现如下：
具体为，步骤S321、用于利用CBR推理方法将所述获取到的电网当前特征数据与所述得到的每一类别属性对应的信息熵最小的决策树进行匹配；
步骤S322、当存在匹配条件时，检测所述存在的匹配条件是否为唯一规则；
步骤S323、当检测到所述存在的匹配条件为唯一规则时，则确定所述唯一规则为所述电网当前电压暂降的原因；
步骤S324、当检测到所述存在的匹配条件对应多条规则时，将所述得到的支持度值与置信度值进行排序，确定支持度值与置信度值为最大时所对应的规则作为所述电网当前电压暂降的原因；其中，支持度值与置信度值从高到低进行排序。
作为一个例子，如图9所示，对步骤S31中得到的决策树在步骤S32中确定电网当前电压暂降原因的应用场景进一步说明：
将电压暂降相别作为参考属性，设置为根节点，设置的匹配条件对应有多条规则，包括电压暂降相别为三相暂降、电压暂降幅度>40％以及电压暂降发生时间为AM8：00至PM5：00的三条规则，因此当发现有一个暂降幅度为50％，发生在AM9：00的三相暂降时，可以初步判断是大型负载启动导致的。
步骤S4、根据所述确定的当前电压暂降原因，确定电网电能质量治理补偿方案，并根据所述确定的电网电能质量治理补偿方案对用户侧电压进行补偿。
实施本发明实施例，具有如下有益效果：
本发明中的装置基于历史数据的分析，通过对电压暂降事件进行原因分类，采用Apriori算法挖掘历史电压暂降中的强关联规则形成电压暂降强关联规则知识库，再将电压暂降强关联规则知识库作为训练集合，确定当前电压暂降原因，及对应的电网电能质量治理补偿方案对用户侧电压进行补偿，从而避免对波形的依赖，达到对未来电压暂降可能性的预测的目的。
值得注意的是，上述装置实施例中，所包括的各个系统单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种三相不平衡治理装置，其特征在于，所述三相不平衡治理装置包括：
数据获取单元，用于获取电网当前的特征数据，所述特征数据的特征类型包括电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间；
电压暂降知识库形成单元，用于从历史数据中提取与所述特征数据具有相同特征类型的数据，并根据预设的类别属性，对所述提取的数据进行分类形成样本集合，且进一步在所述样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；
识别单元，用于根据所述获取到的电网当前特征数据，在所述形成的电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；
治理单元，用于根据所述确定的当前电压暂降原因，确定电网电能质量治理补偿方案，并根据所述确定的电网电能质量治理补偿方案对用户侧电压进行补偿。
2.如权利要求1所述的三相不平衡治理装置，其特征在于，所述电压暂降知识库形成单元包括：
数据预处理模块，用于从历史数据中提取与所述特征数据具有相同特征类型的数据，并将所述提取到的数据进行离散化处理；
样本集合形成模块，用于根据预设的类别属性，对所述离散化处理的数据进行分类，形成样本集合；
电压暂降知识库形成模块，用于对所述形成的样本集合进行Apriori计算，筛选出支持度值大于第一预设值的数据形成样本关联集合，并对所述形成的样本关联集合再次进行Apriori计算，筛选出置信度值大于第二预设值的数据形成电压暂降强关联规则知识库。
3.如权利要求1所述的三相不平衡治理装置，其特征在于，所述识别单元包括：
决策树设置模块，用于根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树；
电压暂降原因识别模块，用于根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因。
4.如权利要求3所述的三相不平衡治理装置，其特征在于，所述电压暂降原因识别模块包括：
电压暂降匹配子模块，用于利用CBR推理方法将所述获取到的电网当前特征数据与所述得到的每一类别属性对应的信息熵最小的决策树进行匹配；
检测子模块，用于当存在匹配条件时，检测所述存在的匹配条件是否为唯一规则；
第一识别子模块，用于当检测到所述存在的匹配条件为唯一规则时，则确定所述唯一规则为所述电网当前电压暂降的原因；
第二识别子模块，用于当检测到所述存在的匹配条件对应多条规则时，将所述得到的支持度值与置信度值进行排序，确定支持度值与置信度值为最大时所对应的规则作为所述电网当前电压暂降的原因。
5.如权利要求1-4中任一项所述的三相不平衡治理装置，其特征在于，所述预设的类别属性包括电压暂降相别、电压暂降幅度、电压暂降持续时间、电压暂降发生时间和传递特性；其中，所述电压暂降相别包括一相暂降两相暂升、两相暂降一相暂升、三相暂降以及两相暂降一相不变；所述电压暂降幅度为电压暂降的当前电压值与标准电压值之间的比值；所述电压暂降发生时间包括预设的大型负载的工作时间范围和雷雨导致电路故障的运行时间范围，且所述大型负载的工作时间范围与所述雷雨导致电路故障的运行时间范围之和为一天；所述传递特性包括取值为0的主动事件和取值为1的被动事件。
6.一种三相不平衡治理装置的实现方法，其特征在于，其在如权利要求1-5中任一项所述的三相不平衡治理装置上实现，所述方法包括：
S1、获取电网当前的特征数据，所述特征数据的特征类型包括电压暂降的三相暂降幅度、电压暂降的三相持续时间和电压暂降发生的时间；
S2、从历史数据中提取与所述特征数据具有相同特征类型的数据，并根据预设的类别属性，对所述提取的数据进行分类形成样本集合，且进一步在所述样本集合中筛选出满足预定条件的数据形成电压暂降强关联规则知识库；
S3、根据所述获取到的电网当前特征数据，在所述形成的电压暂降强关联规则知识库中，确定电网当前的电压暂降原因；以及
S4、根据所述确定的当前电压暂降原因，确定电网电能质量治理补偿方案，并根据所述确定的电网电能质量治理补偿方案对用户侧电压进行补偿。
7.如权利要求6所述的方法，其特征在于，所述步骤S2具体包括：
从历史数据中提取与所述特征数据具有相同特征类型的数据，并将所述提取到的数据进行离散化处理；
根据预设的类别属性，对所述离散化处理的数据进行分类，形成样本集合；
对所述形成的样本集合进行Apriori计算，筛选出支持度值大于第一预设值的数据形成样本关联集合，并对所述形成的样本关联集合再次进行Apriori计算，筛选出置信度值大于第二预设值的数据形成电压暂降强关联规则知识库。
8.如权利要求6所述的方法，其特征在于，所述步骤S3具体包括：
根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树；
根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因。
9.如权利要求8所述的方法，其特征在于，所述根据所述形成的电压暂降强关联规则知识库及预设的类别属性，通过ID3算法，得到每一预设类别属性对应的信息熵最小的决策树的具体步骤包括：
a、将所述形成的电压暂降强关联规则知识库内的数据作为训练数据；
b、根据所述预设的类别属性计算所述训练数据中包含的每一预设类别属性的信息增益，选出信息增益最大值作为根节点的分裂属性，并计算决策规则以及传给第一层的前缀信息；
c、判断是否产生了新的决策规则；如果是，则执行下一步骤d；如果否，则，跳转到步骤e；
d、将所述产生的新的决策规则保存到规则集中，同时删除所述训练数据中包含所述产生的新的决策规则的样本，产生新的数据集，并将所述产生的新的数据集作为所述训练数据后，返回步骤b；
e、继续判断是否产生新的前缀信息；如果是，则执行下一步骤f；如果否，则，跳转到步骤i；
f、决策树层数加一；
g、判断所述决策树的层数是否小于所述训练数据中包含的所有属性的总数；如果是，则执行下一步骤h；如果否，则，跳转到步骤i；
h、计算在所述新的前缀信息下，所述训练数据中包含的每一预设类别属性的信息增益，选出信息增益最大值作为所述当前决策树的层数对应节点的分裂属性，并计算决策规则以及传给下一层的前缀信息，返回步骤c；
i、训练结束，根据所述计算得到的决策规则构建决策树。
10.如权利要求8所述的方法，其特征在于，所述根据所述获取到的电网当前特征数据，从所述得到的每一预设类别属性对应的信息熵最小的决策树中，确定电网当前电压暂降的原因的具体步骤包括：
用于利用CBR推理方法将所述获取到的电网当前特征数据与所述得到的每一类别属性对应的信息熵最小的决策树进行匹配；
当存在匹配条件时，检测所述存在的匹配条件是否为唯一规则；
当检测到所述存在的匹配条件为唯一规则时，则确定所述唯一规则为所述电网当前电压暂降的原因；
当检测到所述存在的匹配条件对应多条规则时，将所述得到的支持度值与置信度值进行排序，确定支持度值与置信度值为最大时所对应的规则作为所述电网当前电压暂降的原因。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610993635.5A CN106655225A (zh) | 2016-11-08 | 2016-11-08 | 一种三相不平衡治理装置及实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610993635.5A CN106655225A (zh) | 2016-11-08 | 2016-11-08 | 一种三相不平衡治理装置及实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106655225A true CN106655225A (zh) | 2017-05-10 |
Family
ID=58805742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610993635.5A Pending CN106655225A (zh) | 2016-11-08 | 2016-11-08 | 一种三相不平衡治理装置及实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106655225A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111654044A (zh) * | 2020-05-29 | 2020-09-11 | 国网福建省电力有限公司 | 基于大数据分析的配变三相负荷不平衡问题诊断治理方法及系统 |
| CN112488181A (zh) * | 2020-11-26 | 2021-03-12 | 哈尔滨工程大学 | 一种基于MIDS-Tree的服务故障高响应匹配方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400214A (zh) * | 2013-08-22 | 2013-11-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
| CN103488802A (zh) * | 2013-10-16 | 2014-01-01 | 国家电网公司 | 一种基于粗糙集关联规则的超高压电网故障规则挖掘方法 |
| CN104463706A (zh) * | 2014-12-10 | 2015-03-25 | 深圳供电局有限公司 | 一种用于电网检测电压暂降事件原因的方法和系统 |
| CN105225165A (zh) * | 2014-07-02 | 2016-01-06 | 深圳供电局有限公司 | 一种基于Apriori算法的变电站电压暂降特性分析方法 |
| CN105372557A (zh) * | 2015-12-03 | 2016-03-02 | 国家电网公司 | 基于关联规则的电网资源故障诊断方法 |
-
2016
- 2016-11-08 CN CN201610993635.5A patent/CN106655225A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400214A (zh) * | 2013-08-22 | 2013-11-20 | 华北电力大学 | 基于多维多层关联规则的电压暂降预测分析方法 |
| CN103488802A (zh) * | 2013-10-16 | 2014-01-01 | 国家电网公司 | 一种基于粗糙集关联规则的超高压电网故障规则挖掘方法 |
| CN105225165A (zh) * | 2014-07-02 | 2016-01-06 | 深圳供电局有限公司 | 一种基于Apriori算法的变电站电压暂降特性分析方法 |
| CN104463706A (zh) * | 2014-12-10 | 2015-03-25 | 深圳供电局有限公司 | 一种用于电网检测电压暂降事件原因的方法和系统 |
| CN105372557A (zh) * | 2015-12-03 | 2016-03-02 | 国家电网公司 | 基于关联规则的电网资源故障诊断方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111654044A (zh) * | 2020-05-29 | 2020-09-11 | 国网福建省电力有限公司 | 基于大数据分析的配变三相负荷不平衡问题诊断治理方法及系统 |
| CN111654044B (zh) * | 2020-05-29 | 2022-08-05 | 国网福建省电力有限公司 | 基于大数据分析的配变三相负荷不平衡问题诊断治理方法及系统 |
| CN112488181A (zh) * | 2020-11-26 | 2021-03-12 | 哈尔滨工程大学 | 一种基于MIDS-Tree的服务故障高响应匹配方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104463706B (zh) | 一种用于电网检测电压暂降事件原因的方法和系统 | |
| CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
| CN105677791B (zh) | 用于分析风力发电机组的运行数据的方法和系统 | |
| CN110750524A (zh) | 一种有源配电网故障特征的确定方法及系统 | |
| CN109672221B (zh) | 一种用于次同步振荡分析的直驱风电场动态等值方法 | |
| CN105930495A (zh) | 产品侵权监控系统及其监控方法 | |
| CN107784395A (zh) | 一种基于lstm人工神经网络的输电线路覆冰厚度预测方法 | |
| CN110297207A (zh) | 智能电表的故障诊断方法、系统及电子装置 | |
| WO2017196374A1 (en) | Similarity detection of abnormal waveforms using pmu measurement | |
| CN111738331A (zh) | 用户分类方法及装置、计算机可读存储介质、电子设备 | |
| CN110580492A (zh) | 一种基于小幅波动检测的轨道电路故障前兆发现方法 | |
| CN110147827A (zh) | 一种基于iaalo-svm与相似性度量的故障预测方法 | |
| CN113902946A (zh) | 电力系统故障方位判别方法、装置、终端设备及存储介质 | |
| KR102315580B1 (ko) | 건물의 화재 예측 분석 장치 및 방법 | |
| CN106655225A (zh) | 一种三相不平衡治理装置及实现方法 | |
| CN106846170B (zh) | 一种发电机组跳闸监测方法及其监测装置 | |
| CN117394529A (zh) | 基于scada的主配网合环倒供电控制条件辅助决策方法及系统 | |
| CN116418117A (zh) | 一种用于智能电网的设备检测系统 | |
| CN106600034A (zh) | 带有现场温度告警功能的三相不平衡治理装置及其实现方法 | |
| CN111044845A (zh) | 基于Apriori算法的配电网事故识别方法及系统 | |
| CN106451503A (zh) | 带有温度和振动告警单元的三相不平衡治理装置及其实现方法 | |
| CN108037739A (zh) | Pcb产品的过程管控方法和系统 | |
| Krishna et al. | Efficient genetic-wrapper algorithm based data mining for feature subset selection in a power quality pattern recognition applicationction in a power quality pattern recognition application. | |
| CN106529806A (zh) | 带有现场振动告警功能的三相不平衡治理装置及其实现方法 | |
| CN111680572B (zh) | 一种电网运行场景动态判定方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |