CN109389158A - 基于数据挖掘和人机互动的电网调度早会系统构架方法 - Google Patents
基于数据挖掘和人机互动的电网调度早会系统构架方法 Download PDFInfo
- Publication number
- CN109389158A CN109389158A CN201811091696.8A CN201811091696A CN109389158A CN 109389158 A CN109389158 A CN 109389158A CN 201811091696 A CN201811091696 A CN 201811091696A CN 109389158 A CN109389158 A CN 109389158A
- Authority
- CN
- China
- Prior art keywords
- data
- dispatching
- power netwoks
- human
- early
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电网调度技术领域,公开了一种基于数据挖掘和人机互动的电网调度早会系统构架方法。具体包括:针对电网调度早会中的特征数据,通过数据挖掘的方法完成多源数据的降维、清洗修正和索引之后,采用线性及非线性方法进行特征数据提取,获得电网调度数据的时空维度和关联规则的属性特征;采用数据挖掘的方法提取调度早会的多维指标体系;采用关联规则分析方法,分析电网运行中各个事件之间的相互依存性和关联性。本发明构建了多种数据融合的数据接收平台,通过数据的清洗、加工、整理、融合,提炼出电网可阅性的多维指标体系。此外,通过人机互动,以焦点事件为线索,促进了对电网薄弱环节的管理,能有效发挥调度早会的作用。
Description
技术领域
本发明涉及电网调度技术领域,特别是一种基于数据挖掘和人机互动的电网调度早会系统构架方法。
背景技术
随着智能电网的建设和发展,我国的电网调度自动化系统已形成体系完整,监视范围广,防御能力强的控制系统。近年来伴随随计算机、互联网、物联网等技术的发展,云计算的应用领域持续拓展,对现有的调度自动化系统的应用升级等提供了基础,为电网的精益化管理提供了技术支持。电网调度早会系统是一个对电网运行态势进行宏观分析和对电网运行事件进行针对性处理的信息汇聚地,它需要整合电网一二次、外部的信息、图像、事件等,按事件顺序进行梳理和凝聚,它既有电网运行事件的分析,也凝结了对电网的控制经验,其作用的有效发挥依赖于电网调度信息采集控制系统的自动化和智能化程度。目前围绕它已经开展了一些相关研究。
辛耀中、石俊杰、周京阳等发表的文献“新一代智能电网调度技术支持系统架构研究”提出基于云技术理论的近期集散式和远期集中式的电网调度自动化系统构架,解决数据信息沟通不畅、数据维护不一致性等问题。赵家庆、赵裕啸、丁宏恩发表的文献“电网调度自动化主备系统间模型正确性校验技术方案”,针对数据存储后的数据变化采用时间序列数据库进行存储与校验,通过实际系统的实践提高了电网模型的精度。雷宝龙、万书鹏、陈鹏等发表的文献“轻量级分布式文件管理在调度自动化系统中的研究与应用”,提出针对电网调度自动化系统中存在着大量的图形展示文件、断面数据文件等,采用轻量级分布式文件管理的方法,通过冗余存储保证数据可靠存储,采用基于日志的增量同步维持冗余节点之间数据的一致性,利用同步锁解决文件同步过程中主备机切换可能导致数据不一致问题。毕艳冰、蒋林、王新军等发表的文献“面向服务的智能电网调度控制系统架构方案”,通过对传统自适应代理模型进行优化,设计了面向服务的服务监听型自适应代理模型,解决了电力调度控制系统所面临的服务粒度规划、服务实体实现的问题。但针对调度早会所面临的智能化、定制化需求等尚未得到有效解决。
发明内容
本发明所要解决的技术问题是:针对上述存在的问题,提供了基于数据挖掘和人机互动的电网调度早会系统构架方法。
本发明采用的技术方案如下:基于数据挖掘和人机互动的电网调度早会系统构架方法,具体包括:
步骤1,针对电网调度早会中特征数据,通过数据挖掘的方法完成多源数据的降维、清洗修正和索引之后,采用线性及非线性方法进行特征数据提取,获得电网调度数据的时空维度和关联规则的属性特征;
步骤2,采用数据挖掘的方法提取调度早会的多维指标体系;
步骤3,采用关联规则分析方法,分析电网运行中各个事件之间的相互依存性和关联性。
进一步的,所述步骤1中,调度早会中特征数据包括结构化、半结构化、非结构化数据以及明显的业务对象。
进一步的,所述步骤2中,采用的数据挖掘方法包括关联分析、分类分析、聚类分析和序列模式分析。
进一步的,所述序列模式分析方法具体为:时间序列定义为数轴上非负整数点上的一系列数值A(ia),ia=0,1,…Ta,Ta为项集,即序列A的元素,对于某一序列若Ta为此序列长度,满足对于所有ia>Ta,A(ia)=0,且当ia=Ta时,A(ia)≠0;电力调度生产信息提供了精确的时间信息数据,利用时间序列模式挖掘方法可按给定的挖掘多维指标的同比参数,或者按故障事件追溯时,以事故出现的始末时间,寻找事故重叠的窗口,形成事故的完整时间断面提供参数。
进一步的,所述步骤3的具体过程为:设I={i1,i2,…,im}是调度早会数据的集合,D为一个调度事件集合,T是I的一个子集,即其中D={T1,T2,…Tn},若A,B是T中的项或集且其关联规则的蕴含式用表示,A为条件,B为结论,其关联强度用支持度S%、置信度C%、兴趣度I%表示,计算如下:
支持度和置信度用于表征关联规则的强弱,在强关联规则下,兴趣度大的为挖掘的目标。
进一步的,基于数据挖掘和人机互动的电网调度早会系统构架方法还包括以下过程:调度早会定义用户界面的组成模型:用户模型、信息模型、任务模型、实体性元素模型、对话模型;用户模型用Kp表示信息产品自身传达的显性知识,Ku表示用户自身所包含的隐性知识,分别表示如下:
f:Ku→Kp (3)
表达式(1)中分别表示产品信息传达的知识要素,pn代表用户的概念元素模型,表达式(2)中表示用户的自身隐性知识构成因素,un代表用户的知识数据模型;在信息产品设计中,存在着式(3)表明的映射关系,即信息产品的显性知识与用户所包含的隐性知识的对应关系。
与现有技术相比,采用上述技术方案的有益效果为:本发明提出了一种基于数据挖掘和人机互动方式建立电网调度早会系统的方案,通过该系统的实施,构建了多种数据融合的数据接收平台,通过数据的清洗、加工、整理、融合,提炼出电网可阅性的多维指标体系。此外,通过人机互动,以焦点事件为线索,关联相关信息形成以时间为横轴的事件序列,促进了对电网薄弱环节的管理,能有效发挥调度早会的作用。
附图说明
图1是本发明电网调度早会信息集成平台图。
图2是本发明基于数据挖掘和人机互动的电网调度早会系统构架方法的流程示意图。
图3是本发明本发明数据挖掘的体系结构。
图4是本发明调度早会指标体系进行分析的各类指标。
图5是本发明基于人机互动的事件追踪流程图。
具体实施方式
下面结合附图对本发明做进一步描述。
电网调度早会是大量信息的汇聚地,既渗透了调度管理模式,也涉及历史数据时间段面的抽取以及预测模式的仿真,因此,该系统需要大量的数据抽取并集成,形成实时数据库和时序数据库;进行数据合理性校验模型效验;进行数据加载,形成数据整合临时数据库,对临时数据库进行数据加工;生成多维指标体系的构建以及事件追踪与展示。现有的调度自动化系统以IEC61970规约对数据和电网模型进行了规范,但是还需要接入WMAS系统以及其它的报表数据文件等。其信息集成的平台如图1所示。
如图2所示,基于数据挖掘和人机互动的电网调度早会系统构架方法,具体包括:
步骤1,针对电网调度早会中特征数据,通过数据挖掘的方法完成多源数据的降维、清洗修正和索引之后,采用线性及非线性方法进行特征数据提取,获得电网调度数据的时空维度和关联规则的属性特征;
其中,所述步骤1中,调度早会中特征数据包括结构化、半结构化、非结构化数据以及明显的业务对象。
步骤2,采用数据挖掘的方法提取调度早会的多维指标体系;
其中,所述步骤2中,如图3所示,采用的数据挖掘方法包括关联分析、分类分析、聚类分析和序列模式分析。
其中,序列模式挖掘是一种基于时间或者其他序列的经常发生的模式,在给定序列数据库和最小支持度阂值的前提下,找出序列数据库中所有的序列模式。序列模式挖掘算法已用于诊断、预测、告警、交易等领域。所述序列模式分析方法具体为:时间序列定义为数轴上非负整数点上的一系列数值A(ia),ia=0,1,…Ta,Ta为项集,即序列A的元素,对于某一序列若Ta为此序列长度,满足对于所有ia>Ta,A(ia)=0,且当ia=Ta时,A(ia)≠0;电力调度生产信息提供了精确的时间信息数据,利用时间序列模式挖掘方法可按给定的挖掘多维指标的同比参数,或者按故障事件追溯时,以事故出现的始末时间,寻找事故重叠的窗口,形成事故的完整时间断面提供参数。
步骤3,采用关联规则分析方法,分析电网运行中各个事件之间的相互依存性和关联性;
其中,基于调度早会数据整合平台的数据来挖掘电网运行模式、故障模式等,形成电网的运行事件、运行知识等,并进一步用指标方式进行表达。采用关联规则分析方法,分析电网运行中各个事件之间的相互依存性和关联性。具体的,所述步骤3的过程为:设I={i1,i2,…,im}是调度早会数据的集合,D为一个调度事件集合,T是I的一个子集,即其中D={T1,T2,…Tn},若A,B是T中的项或集且其关联规则的蕴含式用表示,A为条件,B为结论,其关联强度用支持度S%、置信度C%、兴趣度I%表示,计算如下:
支持度和置信度用于表征关联规则的强弱,在强关联规则下,兴趣度大的为挖掘的目标。因此挖掘算法转换为以下问题:1)找出所有满足支持度S条件的频繁集;2)使用频繁集生成关联规则。
通过数据挖掘建立调度指标体系,为调度早会的宏观决策提供辅助决策,通过高度浓缩的指标体系,形成对电网运行态势的概括,通过指标的横纵向对比考核,追溯电网运行的薄弱环节,促进运行管理水平的提高。由于调度早会覆盖电网调度业务的全过程,主要从安全(电力电量平衡指标、备用指标、电压合格率、设备检修信息)、可靠(各类可靠性指标、各类客户停电时间统计指标、各类停电时间信息)、经济(各级线路负载率、各级变压器负债率、输电效率)、节能/环保(各类清洁能源的装机容量、清洁能源消纳量、弃风、弃光、弃水量、清洁能源的使用率)、透明(售电量、大用户直购电比例、区域间构售电比例及执行情况)这五类指标进行分析,如图4所示。
优选地,电网调度早会系统构架还可以通过人机交互模式提高系统的智能性。人机交互(human-computer interaction)是指人与系统之间通过某种对话语言,在一定的交互方式和技术支持下的信息交换过程。调度早会的人机交互传递了各类角色使用该平台的个性化思想和组织数据的方式。因此,基于数据挖掘和人机互动的电网调度早会系统构架方法还包括以下过程:调度早会定义用户界面的组成模型:用户模型(概念性元素模型)、信息模型、任务模型、实体性元素模型(可视化表征模型)、对话模型;其中用户模型和实体性元素模型之间定义了一组映射关系模型:用户模型用Kp表示信息产品自身传达的显性知识,Ku表示用户自身所包含的隐性知识,分别表示如下:
f:Ku→Kp (3)
表达式(1)中分别表示产品信息传达的知识要素,pn代表用户的概念元素模型,表达式(2)中表示用户的自身隐性知识构成因素,un代表用户的知识数据模型;在信息产品设计中,存在着式(3)表明的映射关系,即信息产品的显性知识与用户所包含的隐性知识的对应关系。
信息产品的显性知识能够与用户的显性知识产生一对一或多对一的映射,是实现人机耦合的基础。在电网调度早会的用户模型可以作为可视分析应用系统的设计模板,结合模型驱动的方法,能够自动生成交互式信息可视化系统。根据调度早会关注模式的常用几个模式,挖掘不同用户的角色需求,确定各模式下的功能,基于认知理论构建用户需求与系统展示方案的映射。
本系统通过人机交互实现事件的追踪与展示。如图5所示,完整的事件追踪需要从SCADA检测的开关动作信息,从变电站的智能告警系统中接收到告警信息,通过对告警信息的解析,得到告警的原因、时间、设备、事件、等级的相关信息;二次设备保护动作信息;外界环境信息。以上为原始数据。对由外部原因引起的相关信息,结合外部信息系统进行综合分析,得出由故障事件的分析结果,此外稳态分析结果、扰动识别结果、二次设备保护故障、故障录波等信息结合和原始数据信息既有重叠的一部分,也有一些综合分析的内容。因此,在以SCADA为基础的电网模型上,通过模型的效验、信息融合,将稳态的数据分析结果叠加上去,按时间顺序,以条文方式进行加载,实现事件分析、事件回顾、事件展示。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员,在不脱离本发明的精神所做的非实质性改变或改进,都应该属于本发明权利要求保护的范围。
Claims (6)
1.基于数据挖掘和人机互动的电网调度早会系统构架方法,其特征在于,具体包括:
步骤1,针对电网调度早会中特征数据,通过数据挖掘的方法完成多源数据的降维、清洗修正和索引之后,采用线性及非线性方法进行特征数据提取,获得电网调度数据的时空维度和关联规则的属性特征;
步骤2,采用数据挖掘的方法提取调度早会的多维指标体系;
步骤3,采用关联规则分析方法,分析电网运行中各个事件之间的相互依存性和关联性。
2.如权利要求1所述的基于数据挖掘和人机互动的电网调度早会系统构架方法,其特征在于,所述步骤1中,调度早会中特征数据包括结构化、半结构化、非结构化数据以及明显的业务对象。
3.如权利要求4所述的基于数据挖掘和人机互动的电网调度早会系统构架方法,其特征在于,所述步骤2中,采用的数据挖掘方法包括关联分析、分类分析、聚类分析和序列模式分析。
4.如权利要求3所述的基于数据挖掘和人机互动的电网调度早会系统构架方法,其特征在于,所述序列模式分析方法具体为:时间序列定义为数轴上非负整数点上的一系列数值A(ia),ia=0,1,…Ta,Ta为项集,即序列A的元素,对于某一序列若Ta为此序列长度,满足对于所有ia>Ta,A(ia)=0,且当ia=Ta时,A(ia)≠0;电力调度生产信息提供了精确的时间信息数据,利用时间序列模式挖掘方法可按给定的挖掘多维指标的同比参数,或者按故障事件追溯时,以事故出现的始末时间,寻找事故重叠的窗口,形成事故的完整时间断面提供参数。
5.如权利要求4所述的基于数据挖掘和人机互动的电网调度早会系统构架方法,其特征在于,所述步骤3的具体过程为:设I={i1,i2,…,im}是调度早会数据的集合,D为一个调度事件集合,T是I的一个子集,即其中D={T1,T2,…Tn},若A,B是T中的项或集且其关联规则的蕴含式用表示,A为条件,B为结论,其关联强度用支持度S%、置信度C%、兴趣度I%表示,计算如下:
支持度和置信度用于表征关联规则的强弱,在强关联规则下,兴趣度大的为挖掘的目标。
6.如权利要求1或者5所述的基于数据挖掘和人机互动的电网调度早会系统构架方法,其特征在于,基于数据挖掘和人机互动的电网调度早会系统构架方法还包括以下过程:调度早会定义用户界面的组成模型:用户模型、信息模型、任务模型、实体性元素模型、对话模型;用户模型用Kp表示信息产品自身传达的显性知识,Ku表示用户自身所包含的隐性知识,分别表示如下:
f:Ku→Kp (3)
表达式(1)中分别表示产品信息传达的知识要素,pn代表用户的概念元素模型,表达式(2)中表示用户的自身隐性知识构成因素,un代表用户的知识数据模型;在信息产品设计中,存在着式(3)表明的映射关系,即信息产品的显性知识与用户所包含的隐性知识的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091696.8A CN109389158A (zh) | 2018-09-19 | 2018-09-19 | 基于数据挖掘和人机互动的电网调度早会系统构架方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091696.8A CN109389158A (zh) | 2018-09-19 | 2018-09-19 | 基于数据挖掘和人机互动的电网调度早会系统构架方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109389158A true CN109389158A (zh) | 2019-02-26 |
Family
ID=65418798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811091696.8A Withdrawn CN109389158A (zh) | 2018-09-19 | 2018-09-19 | 基于数据挖掘和人机互动的电网调度早会系统构架方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389158A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096529A (zh) * | 2019-04-16 | 2019-08-06 | 中科金联(北京)科技有限公司 | 一种基于多维矢量数据的网络数据挖掘方法和系统 |
CN112734261A (zh) * | 2021-01-18 | 2021-04-30 | 国网山东省电力公司菏泽供电公司 | 一种配电网运行指标序列关联分析方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120173301A1 (en) * | 2011-01-04 | 2012-07-05 | International Business Machines Corporation | System and method for failure association analysis |
CN104750766A (zh) * | 2014-07-28 | 2015-07-01 | 杭州天宽科技有限公司 | 一种基于电力调度数据的数据挖掘方法 |
-
2018
- 2018-09-19 CN CN201811091696.8A patent/CN109389158A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120173301A1 (en) * | 2011-01-04 | 2012-07-05 | International Business Machines Corporation | System and method for failure association analysis |
CN104750766A (zh) * | 2014-07-28 | 2015-07-01 | 杭州天宽科技有限公司 | 一种基于电力调度数据的数据挖掘方法 |
Non-Patent Citations (1)
Title |
---|
刘捷等: "基于数据挖掘和人机互动的电网调度早会系统", 《电力系统保护与控制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096529A (zh) * | 2019-04-16 | 2019-08-06 | 中科金联(北京)科技有限公司 | 一种基于多维矢量数据的网络数据挖掘方法和系统 |
CN110096529B (zh) * | 2019-04-16 | 2021-07-16 | 中科金联(北京)科技有限公司 | 一种基于多维矢量数据的网络数据挖掘方法和系统 |
CN112734261A (zh) * | 2021-01-18 | 2021-04-30 | 国网山东省电力公司菏泽供电公司 | 一种配电网运行指标序列关联分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kezunovic et al. | The role of big data in improving power system operation and protection | |
CN110311376A (zh) | 一种电力系统动态安全评估综合模型及时空可视化方法 | |
CN107784397B (zh) | 一种电网物资需求预测系统及其预测方法 | |
CN103902816A (zh) | 基于数据挖掘技术的带电检测数据处理方法 | |
CN110059356A (zh) | 一种基于大数据和人工智能的大电网智能调控系统和方法 | |
Sun et al. | Outlier data treatment methods toward smart grid applications | |
CN104463696A (zh) | 电网运行风险识防方法及系统 | |
Stewart et al. | Addressing the challenges for integrating micro-synchrophasor data with operational system applications | |
CN101957889A (zh) | 一种基于选择性磨损的设备最优维修时间预测方法 | |
CN105528671B (zh) | 一种基于大数据的电网多维感知与安全评估系统及方法 | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN111507013A (zh) | 一种面向电力系统线损故障定位实现方法 | |
Bessa | Future trends for big data application in power systems | |
Pinho | GEM: a participatory framework for open, state-of-the-art models and tools for earthquake risk assessment | |
Samadi Alinia et al. | Tehran’s seismic vulnerability classification using granular computing approach | |
CN109471698A (zh) | 云环境下虚拟机异常行为检测系统和方法 | |
CN109389158A (zh) | 基于数据挖掘和人机互动的电网调度早会系统构架方法 | |
Hu et al. | A new quantitative digital twin maturity model for high-end equipment | |
CN108647860A (zh) | 基于OpenStack的电力设备状态监测与评估云平台 | |
Zhao et al. | [Retracted] An Innovation and Entrepreneurship Management System for Universities Based on Cluster Analysis Theory | |
CN116796633A (zh) | 一种基于数字孪生技术的电网监测模型校正方法 | |
Murthy et al. | Well-being analysis of phasor measurement unit using Markov model and event tree | |
Gao et al. | Assessing the comprehensive importance of power grid nodes based on DEA | |
Sachan et al. | Multiple correspondence analysis to study failures in a diverse population of a cable | |
Qi et al. | Model management and service based power grid multi-agent dispatcher training simulator |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190226 |