CN107480817A - 一种电压波动指标测量方法及系统 - Google Patents

Abstract

本申请公开了一种电压波动指标测量方法及系统，包括：利用电压波动指标集，获取电网的电压波动指标；利用马尔卡夫转换模型，计算电压波动指标，得到预测电压波动指标；其中，马尔卡夫转换模型的生成过程包括：利用历史电压波动指标，生成初始概率分布，利用最大似然估计法和初始概率分布，对转移矩阵进行参数估计，得到转移矩阵中转移条件概率，利用历史电压波动指标和白噪声，采用最小二乘法得到回归系数，利用转移矩阵、回归系数和白噪声，生成马尔卡夫转换模型。本申请利用马尔卡夫转换模型，计算当前电压波动指标和上一时刻电压波动指标，从而得到预测电压波动指标，能够根据预测结果，采取相应的治理措施，保证了电力系统供电质量。

Description

一种电压波动指标测量方法及系统

技术领域

本发明涉及电能质量领域，特别涉及一种电压波动指标测量方法及系统。

背景技术

随着近年来各种非线性、冲击性、波动性负载的大量增加，配电网所受的电能质量污染也日趋严重，威胁着电力系统的稳定和用户的用电安全，因此准确全面的分析电能质量问题有利于提高电力系统的稳定性、安全性和经济性。电压波动是一种电能质量问题，是电压均方根值的一系列相对快速变动或连续改变现象，产生原因包括：1)电网运行方式的改变；2)电力负荷的变化以及一些冲击负荷、波动负荷的接入；3)电网的某些设备发生事故或故障。电压波动会对用户的正常用电产生一定的影响，轻则引起灯光闪烁，造成人眼视觉的不舒适，严重会使用户设备和电器不能正常运行或停止运行。有些电压波动虽然在正常的电压变化限度之内，但由于变化频率快，也会干扰计算机等电压敏感型电子设备和仪器的正常工作。所以，解决电压波动问题成为保证电力系统供电质量的措施之一。

因此，如何提高电力系统供电质量，避免出现电压波动事故，是当前需要解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种电压波动指标测量方法及系统，实现对电网下一次的电压波动状态的预测，使用户能够根据预测结果，采取相应的治理措施，以提高电力系统供电质量，避免出现电压波动事故，实现电网电压波动预警，为电压波动治理措施的制定提供了依据，保证了电力系统供电质量。其具体方案如下：

一种电压波动指标测量方法，包括：

利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标；

利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算所述电压波动指标，得到与所述电压波动指标相应的下一时刻的预测电压波动指标；

其中，所述马尔卡夫转换模型的生成过程包括：利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，利用最大似然估计法和所述初始概率分布，对转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率，利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数，利用所述转移矩阵中的转移条件概率、所述回归系数和所述白噪声，生成所述马尔卡夫转换模型；i为正整数。

可选的，所述利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数的过程，包括：

利用历史电压波动指标、预设的服从正态分布的白噪声和马尔科夫转换公式，采用最小二乘法得到不同电压波动状态下的回归系数；其中，

马尔科夫转换公式为：

式中，y_t表示t时刻的历史电压波动指标，y_t-1表示t-1时刻的历史电压波动指标，为状态X_j下t+1时刻的历史电压波动指标，u_j、β_j和α_j均为状态X_j下的回归系数，为状态X_j下的白噪声，服从N(0,σ_j ²)。

可选的，所述初始转移矩阵中的转移条件概率为π_i＝P(q₁＝X_i)；

式中，π_i表示所述初始概率分布，P(q₁＝X_i)表示所述初始概率分布中的发生概率。

可选的，所述利用最大似然估计法和所述初始概率分布，对转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率的过程，包括：

利用对数似然方程对所述初始转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率；其中，

所述对数似然方程为：

式中，A表示所述初始转移矩阵，L(A)表示所述初始转移矩阵的似然函数，P(q_i+1|q_i)表示所述转移矩阵中的转移条件概率。

可选的，所述转移矩阵中的转移条件概率为a_ij＝P(q_t+1＝X_j|q_t＝X_i)；

式中，a_ij表示所述转移矩阵中的元素，P(q_t+1＝X_j|q_t＝X_i)表示转移条件概率，q_t＝X_i表示t时刻电压波动处于状态X_i，q_t+1＝X_j表示t+1时刻电压波动处于状态X_j，其中，所述转移矩阵中的转移条件概率满足a_ij≥0。

可选的，所述马尔卡夫转换模型为：

式中，y_t+1表示所述预测电压波动指标。

可选的，还包括：

当所述预测电压波动指标对应的电压波动状态为目标状态，则报警。

相应的，本发明还公开了一种电压波动指标测量系统，包括：

获取模块，用于利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标；

计算模块，用于利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算所述电压波动指标，得到与所述电压波动指标相应的下一时刻的预测电压波动指标；

其中，所述计算模块包括模型训练子模块，用于生成所述马尔卡夫转换模型；

所述模型训练子模块包括：

初始概率生成单元，用于利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，；

矩阵训练单元，用于利用最大似然估计法和所述初始概率分布，对转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率，i为正整数；

回归系数训练单元，用于利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数；

模型训练单元，用于利用所述转移矩阵中的转移条件概率、所述回归系数和所述白噪声，生成所述马尔卡夫转换模型。

可选的，所述回归系数训练单元，具体用于，利用历史电压波动指标、预设的服从正态分布的白噪声和马尔科夫转换公式，采用最小二乘法得到不同电压波动状态下的回归系数；其中，

马尔科夫转换公式为：

式中，y_t表示t时刻的历史电压波动指标，y_t-1表示t-1时刻的历史电压波动指标，为状态X_j下t+1时刻的历史电压波动指标，u_j、β_j和α_j均为状态X_j下的回归系数，为状态X_j下的白噪声，服从N(0,σ_j ²)。

可选的，还包括：

报警模块，用于当所述预测电压波动指标对应的电压波动状态为目标状态，则报警。

本发明中，电压波动指标测量方法，包括：利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标；利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算电压波动指标，得到与电压波动指标相应的下一时刻的预测电压波动指标；其中，马尔卡夫转换模型的生成过程包括：利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，利用最大似然估计法和初始概率分布，对转移矩阵进行参数估计，得到转移矩阵中的转移条件概率，利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数，利用转移矩阵中的转移条件概率、回归系数和白噪声，生成马尔卡夫转换模型；i为正整数。本发明利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算当前电网的电压波动指标和上一时刻电网的电压波动指标，从而得到与当前电网的电压波动指标相应的下一时刻电网的预测电压波动指标，实现了对电网下一次的电压波动状态的预测，使用户能够根据预测结果，采取相应的治理措施，以提高电力系统供电质量，避免出现电压波动事故，实现电网电压波动预警，为电压波动治理措施的制定提供了依据，保证了电力系统供电质量。

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的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种电压波动指标测量方法流程示意图；

图2为本发明实施例公开的一种电压波动指标测量系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种电压波动指标测量方法，参见图1所示，该方法包括：

步骤S11：利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标；

具体的，用户通过测量电网中的电压变动频度与预先划分的数量为i的不同状态下的电压波动指标集比较，从电压波动指标集中选取与电网中的电压变动频度相应的电压波动指标，预测当前电网下一次电压波动状态需要当前电网的电压波动指标还需与当前电网的电压波动指标相应的上一时刻电网的电压波动指标，因此，获取当前电网的电压波动指标和与当前电网的电压波动指标相应的上一时刻电网的电压波动指标。

例如，预先划分的数量为5的不同状态下的电压波动指标集，5个不同隐藏的电压波动状态X₁至X₅分别为状态X₁：电压变动频度r≤1(次/小时)，电压波动指标为4％；状态X₂：电压变动频度1≤r≤10(次/小时)，电压波动指标为3％；状态X₃：电压变动频度10≤r≤100(次/小时)，电压波动指标为2％；状态X₄：电压变动频度100≤r≤1000(次/小时)，电压波动指标为1.25％；状态X₅：电压变动频度r≥1000(次/小时)，电压波动指标为0.05％，用户测量当前电压变动频度为30次/小时，和上一时刻电网的电压变动频度为8次/小时，则与电压波动指标集比较，获取到当前电网的电压波动指标为2％，上一时刻电网的电压波动指标为4％。

步骤S12：利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算电压波动指标，得到与电压波动指标相应的下一时刻的预测电压波动指标；

具体的，用户输入当前电网的电压波动指标和上一时刻电网的电压波动指标至基于隐藏马尔卡夫模型的马尔卡夫转换模型，马尔卡夫转换模型通过计算得到与当前电网的电压波动指标相应的下一时刻电网的预测电压波动指标，实现了对电网下一次的电压波动状态的预测。

其中，马尔卡夫转换模型的生成过程包括：利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，利用最大似然估计法和初始概率分布，对转移矩阵进行参数估计，得到转移矩阵中的转移条件概率，利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数，利用转移矩阵中的转移条件概率、回归系数和白噪声，生成马尔卡夫转换模型；i为正整数。

进一步的，历史电压波动指标是用户根据长期测量电网的电压变动频度，并与预先划分的数量为i的不同状态下的电压波动指标集比较得到的，统计每种电压波动状态出现概率，生成初始概率分布，初始概率分布包括i个电压波动状态的发生概率，例如，用户获取了100份历史电压波动指标，其中，第一电压波动状态出现次数为70次，第二电压波动状态出现次数为20次，第三电压波动状态出现次数为6次，第四电压波动状态出现次数为4次，则初始概率分布包括与四个电压波动状态对应的70％、20％、6％和4％。

进一步的，初始概率分布作为训练马尔卡夫转换模型中的转移矩阵的输入，采用最大似然估计法和初始概率分布，对转移矩阵进行参数估计，求出转移矩阵的元素，即转移矩阵的转移条件概率，完成对马尔卡夫转换模型中的转移矩阵的训练。

进一步的，再基于隐藏马尔卡夫模型，建立每个状态下的电压波动指标的一般化自回归模型，即未训练的电压波动的马尔卡夫转换公式，将历史电压波动指标、预设的服从正态分布的白噪声，代入未训练的电压波动的马尔卡夫转换公式，采用最小二乘法计算得到不同电压波动状态下的回归系数，最后利用转移矩阵中的转移条件概率、回归系数和白噪声，生成训练完成的马尔卡夫转换模型。

需要说明的是，每一时刻的时间间隔由用户根据实际应用需求来进行设定，本发明实施例中，单位时刻可以设定为1小时，在此不做限定。

可见，本发明实施例利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算当前电网的电压波动指标和上一时刻电网的电压波动指标，从而得到与当前电网的电压波动指标相应的下一时刻电网的预测电压波动指标，实现了对电网下一次的电压波动状态的预测，使用户能够根据预测结果，采取相应的治理措施，以提高电力系统供电质量，避免出现电压波动事故，实现电网电压波动预警，为电压波动治理措施的制定提供了依据，保证了电力系统供电质量。

本发明实施例公开了一种具体的电压波动指标测量方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：

上一实施例中，马尔卡夫转换模型的生成过程包括：利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，利用最大似然估计法和初始概率分布，对转移矩阵进行参数估计，得到转移矩阵中的转移条件概率，利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数，利用转移矩阵中的转移条件概率、回归系数和白噪声，生成马尔卡夫转换模型；i为正整数。

本发明实施例中，上述马尔卡夫转换模型的生成过程，具体包括如下步骤S21至步骤S24：

步骤S21：利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，初始概率分布为π_i＝P(q₁＝X_i)；

式中，π_i表示初始概率分布，P(q₁＝X_i)表示初始概率分布中的发生概率。

可以理解的是，π_i包括多个i个历史电压波动状态的发生概率。

步骤S22：利用最大似然估计法中的对数似然方程对初始转移矩阵进行参数估计，得到转移矩阵中的转移条件概率；其中，

对数似然方程为：

式中，A表示初始转移矩阵，L(A)表示初始转移矩阵的似然函数，P(q_i+1|q_i)表示转移矩阵中的转移条件概率。

其中，训练完成后的转移矩阵中的转移条件概率为a_ij＝P(q_t+1＝X_j|q_t＝X_i)；

式中，a_ij表示转移矩阵中的元素，P(q_t+1＝X_j|q_t＝X_i)表示转移条件概率，q_t＝X_i表示t时刻电压波动处于状态X_i，q_t+1＝X_j表示t+1时刻电压波动处于状态X_j，其中，转移矩阵中的转移条件概率满足a_ij≥0。

需要说明的是，转移矩阵中的元素共有i²个，每个元素代表每个电压波动状态转移到下一时刻的电压波动状态的概率，即转移条件概率。

步骤S23：利用历史电压波动指标、预设的服从正态分布的白噪声和马尔科夫转换公式，采用最小二乘法得到不同电压波动状态下的回归系数；其中，

马尔科夫转换公式为：

式中，y_t表示t时刻的历史电压波动指标，y_t-1表示t-1时刻的历史电压波动指标，为状态X_j下t+1时刻的历史电压波动指标，u_j、β_j和α_j均为状态X_j下的回归系数，为状态X_j下的白噪声，服从N(0,σ_j ²)。

可以理解的是，通过输入y_t、y_t-1、不同电压波动状态的和t+1时刻的不同电压波动状态的历史电压波动指标其中，相当于y_t的预测电压波动指标，得到不同电压波动状态的回归系数，例如，共有5个电压波动状态，通过输入y_t、y_t-1和与y_t相应的5个则有5个与每个电压波动状态相对应的马尔科夫转换公式，得到5组不同电压波动状态的回归系数。

步骤S24：利用转移矩阵中的转移条件概率、回归系数和白噪声，生成马尔卡夫转换模型；其中，

马尔卡夫转换模型为：

式中，y_t+1表示预测电压波动指标。

本发明实施例中，上一实施例中步骤S12：利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算电压波动指标，得到与电压波动指标相应的下一时刻的预测电压波动指标的具体过程包括输入t时刻和t-1时刻的电压波动指标，即，输入当前电网的电压波动指标和上一时刻电网的电压波动指标，得到t+1时刻每种电压波动状态下的电压波动指标的预测值，例如，i为5，则得到5个t+1时刻不同电压波动状态下的电压波动指标的预测值，再根据转移矩阵A，对t+1时刻每种电压波动状态下的电压波动指标的预测值进行加权求和，求得t+1时刻电压波动指标的预测值，即，与当前电压波动指标相应的下一时刻的预测电压波动指标。

当预测到预测电压波动指标对应的电压波动状态为电压波动较大的危险状态，则可以进行报警，具体的，当预测电压波动指标对应的电压波动状态为目标状态，则报警，其中，目标状态为用户预先从预先划分的电压波动指标集中，挑选出电压波动较大的电压波动状态，可以为一个也可以为多个，为及时提醒用户将要发生的较大电压波动，当预测电压波动指标对应的电压波动状态为目标状态，则报警，使用户及时采取相应的治理措施，避免发生电压波动事故。

相应的，本发明实施例还公开了一种电压波动指标测量系统，参见图2所示，该系统包括：

获取模块11，用于利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标。

计算模块12，用于利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算电压波动指标，得到与电压波动指标相应的下一时刻的预测电压波动指标。

其中，计算模块12包括模型训练子模块，用于生成马尔卡夫转换模型。

进一步的，模型训练子模块可以包括初始概率生成单元、矩阵训练单元、回归系数训练单元和模型训练单元；其中，

初始概率生成单元，用于利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布。

其中，初始概率分布为π_i＝P(q₁＝X_i)；

式中，π_i表示初始概率分布，P(q₁＝X_i)表示初始概率分布中的发生概率。

矩阵训练单元，用于利用最大似然估计法和初始概率分布，对转移矩阵进行参数估计，得到转移矩阵中的转移条件概率，i为正整数。

回归系数训练单元，用于利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数。

模型训练单元，用于利用转移矩阵中的转移条件概率、回归系数和白噪声，生成马尔卡夫转换模型。

其中，马尔卡夫转换模型为：

式中，y_t+1表示预测电压波动指标。

本发明实施例中，上述回归系数训练单元，具体用于，利用历史电压波动指标、预设的服从正态分布的白噪声和马尔科夫转换公式，采用最小二乘法得到不同电压波动状态下的回归系数；其中，

马尔科夫转换公式为：

式中，y_t表示t时刻的历史电压波动指标，y_t-1表示t-1时刻的历史电压波动指标，为状态X_j下t+1时刻的历史电压波动指标，u_j、β_j和α_j均为状态X_j下的回归系数，为状态X_j下的白噪声，服从N(0,σ_j ²)。

上述矩阵训练单元，具体用于利用对数似然方程对初始转移矩阵进行参数估计，得到转移矩阵中的转移条件概率；其中，

对数似然方程为：

式中，A表示初始转移矩阵，L(A)表示初始转移矩阵的似然函数，P(q_i+1|q_i)表示转移矩阵中的转移条件概率。

其中，转移矩阵中的转移条件概率为a_ij＝P(q_t+1＝X_j|q_t＝X_i)；

式中，a_ij表示转移矩阵中的元素，P(q_t+1＝X_j|q_t＝X_i)表示转移条件概率，q_t＝X_i表示t时刻电压波动处于状态X_i，q_t+1＝X_j表示t+1时刻电压波动处于状态X_j，其中，转移矩阵中的转移条件概率满足a_ij≥0。

本发明实施例中，还可以包括：

报警模块，用于当预测电压波动指标对应的电压波动状态为目标状态，则报警。

可见，本发明实施例利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算当前电网的电压波动指标和上一时刻电网的电压波动指标，从而得到与当前电网的电压波动指标相应的下一时刻电网的预测电压波动指标，实现了对电网下一次的电压波动状态的预测，使用户能够根据预测结果，采取相应的治理措施，以提高电力系统供电质量，避免出现电压波动事故，实现电网电压波动预警，为电压波动治理措施的制定提供了依据，保证了电力系统供电质量。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种电压波动指标测量方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种电压波动指标测量方法，其特征在于，包括：

利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标；

利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算所述电压波动指标，得到与所述电压波动指标相应的下一时刻的预测电压波动指标；

其中，所述马尔卡夫转换模型的生成过程包括：利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布，利用最大似然估计法和所述初始概率分布，对转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率，利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数，利用所述转移矩阵中的转移条件概率、所述回归系数和所述白噪声，生成所述马尔卡夫转换模型；i为正整数。

2.根据权利要求1所述的电压波动指标测量方法，其特征在于，所述利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数的过程，包括：

利用历史电压波动指标、预设的服从正态分布的白噪声和马尔科夫转换公式，采用最小二乘法得到不同电压波动状态下的回归系数；其中，

马尔科夫转换公式为：

式中，y_t表示t时刻的历史电压波动指标，y_t-1表示t-1时刻的历史电压波动指标，为状态X_j下t+1时刻的历史电压波动指标，u_j、β_j和α_j均为状态X_j下的回归系数，为状态X_j下的白噪声，服从N(0,σ_j ²)。

3.根据权利要求1所述的电压波动指标测量方法，其特征在于，所述初始概率分布为π_i＝P(q₁＝X_i)；

式中，π_i表示所述初始概率分布，P(q₁＝X_i)表示所述初始概率分布中的发生概率。

4.根据权利要求3所述的电压波动指标测量方法，其特征在于，所述利用最大似然估计法和所述初始概率分布，对转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率的过程，包括：

利用对数似然方程对所述初始转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率；其中，

所述对数似然方程为：

式中，A表示所述初始转移矩阵，L(A)表示所述初始转移矩阵的似然函数，P(q_i+1|q_i)表示所述转移矩阵中的转移条件概率。

5.根据权利要求4所述的电压波动指标测量方法，其特征在于，所述转移矩阵中的转移条件概率为a_ij＝P(q_t+1＝X_j|q_t＝X_i)；

式中，a_ij表示所述转移矩阵中的元素，P(q_t+1＝X_j|q_t＝X_i)表示转移条件概率，q_t＝X_i表示t时刻电压波动处于状态X_i，q_t+1＝X_j表示t+1时刻电压波动处于状态X_j，其中，所述转移矩阵中的转移条件概率满足

6.根据权利要求5所述的电压波动指标测量方法，其特征在于，所述马尔卡夫转换模型为：

式中，y_t+1表示所述预测电压波动指标。

7.根据权利要求1至6任一项所述的电压波动指标测量方法，其特征在于，还包括：

当所述预测电压波动指标对应的电压波动状态为目标状态，则报警。

8.一种电压波动指标测量系统，其特征在于，包括：

获取模块，用于利用预先划分的数量为i的不同状态下的电压波动指标集，获取电网的电压波动指标；

计算模块，用于利用基于隐藏马尔卡夫模型的马尔卡夫转换模型，计算所述电压波动指标，得到与所述电压波动指标相应的下一时刻的预测电压波动指标；

其中，所述计算模块包括模型训练子模块，用于生成所述马尔卡夫转换模型；

所述模型训练子模块包括：

初始概率生成单元，用于利用预先划分的数量为i的不同状态下的历史电压波动指标，生成初始概率分布；

矩阵训练单元，用于利用最大似然估计法和所述初始概率分布，对转移矩阵进行参数估计，得到所述转移矩阵中的转移条件概率，i为正整数；

回归系数训练单元，用于利用历史电压波动指标、预设的服从正态分布的白噪声，采用最小二乘法得到不同电压波动状态下的回归系数；

模型训练单元，用于利用所述转移矩阵中的转移条件概率、所述回归系数和所述白噪声，生成所述马尔卡夫转换模型。

9.根据权利要求8所述的电压波动指标测量系统，其特征在于，所述回归系数训练单元，具体用于，利用历史电压波动指标、预设的服从正态分布的白噪声和马尔科夫转换公式，采用最小二乘法得到不同电压波动状态下的回归系数；其中，

马尔科夫转换公式为：

式中，y_t表示t时刻的历史电压波动指标，y_t-1表示t-1时刻的历史电压波动指标，为状态X_j下t+1时刻的历史电压波动指标，u_j、β_j和α_j均为状态X_j下的回归系数，为状态X_j下的白噪声，服从N(0,σ_j ²)。

10.根据权利要求8或9所述的电压波动指标测量系统，其特征在于，还包括：

报警模块，用于当所述预测电压波动指标对应的电压波动状态为目标状态，则报警。