CN112434955A - 一种基于多数据融合的配网线路运行风险感知方法 - Google Patents

Abstract

本发明涉及一种基于多数据融合的配网线路运行风险感知方法。包括以下步骤：S1.选取所在区域配网线路，进行合理化分段处理；S2.对每个分段配网线路记录的状态变量数据进行预处理和归一化；S3.多数据融合；S4.根据以往故障情况，将配网线路故障风险划分为多个类别，利用分段配网线路状态变量历史数据验证风险状态评估的有效性，通过分段配网线路状态变量在线数据计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估；S5.配网线路运行工况风险概率分布：过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况。对于实时监控配网线路、避免重大配网线路事故和提高区域供电可靠性具有重要意义。

Description

一种基于多数据融合的配网线路运行风险感知方法

技术领域

本发明涉及智能配电网数据挖掘处理技术领域，更具体地，涉及一种基于多数据融合的配网线路运行风险感知方法。

背景技术

配电网是电力系统的重要组成部分，随着社会经济的发展和人们生活水平的提升，人们对配电网的建设和管理提出了更高的要求。但是在传统的配电网运行状态评估中，受限于较窄的数据采集渠道或较低的数据集成和处理能力，使得研究人员难以从其中挖掘出更有价值的信息，如潜在风险信息等。而今由于配电自动化、用电信息采集等应用系统的推广应用，对于有千条馈线的大规模配电网来说，配电网中会产生指数级增长的海量异构、多态的数据，因而如何运用日趋成熟的大数据技术来分析融合这些数据，并有效挖掘出横向数据之间的关系和存在的风险，为配电网的安全运行和优质服务提供支撑成为我们亟待解决的问题。

中国专利CN107274115A，公开日为2017.10.20，公开了一种基于分布式监测和多源信息融合的主动配电网态势感知系统和方法，实现对配电网时空多维运行状态全景感知和配电网态势预警，提升主动配电网运行状态的感知能力和风险预警能力。但是由于配网数据量多、风险类别复杂，该方法不能很好的融合配网数据，实现有效的实现分类分析。

配网线路运行过程中，随着大负荷增减、线路老化及其他的不稳定因素，容易出现危害配网安全运行的各类型故障，严重影响配网线路的安全运行，造成大规模停电等事故。而不同故障类型表现的状态变量不尽相同，因而如何有效地融合状态变量历史数据，分析配网线路潜在的风险情况，对配电网的安全运行具有重大的意义。

发明内容

本发明为克服上述现有技术中的至少一个缺陷，提供一种基于多数据融合的配网线路运行风险感知方法，能够有效分析配网风险状态和风险概率分布。

为解决上述技术问题，本发明采用的技术方案是：一种基于多数据融合的配网线路运行风险感知方法，包括以下步骤：

S1.选取所在区域配网线路，进行合理化分段处理；

S2.对每个分段配网线路记录的状态变量数据进行预处理和归一化；

S3.多数据融合：对状态变量数据进行一定的融合；

S4.根据以往故障情况，将配网线路故障风险划分为多个类别，利用分段配网线路状态变量历史数据验证风险状态评估的有效性，通过分段配网线路状态变量在线数据计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估；

S5.配网线路运行工况风险概率分布：过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况。

本发明考虑了不同配网线路故障类型存在不同的状态变量，且各种故障类型在将要发生时其配网线路的各项状态变量均可能出现一定变化来提示配网线路存在的风险。因而，为降低配网线路出现潜在风险的可能性，防患于未然，避免发生严重的配网安全事故，通过对所在区域的配网线路进行合理化分段，分析每段线路的各项状态变量历史数据，采用改进熵权法计算每个状态变量的权值，将配网线路故障风险划分为5个类别，利用灰色定权聚类方法分析配网线路每个分段的风险情况，实现对每个分段的风险状态评估及其运行工况风险概率分布情况。首先选取所在区域配网线路，进行合理化分段处理，并对每个分段配网线路记录的状态变量数据进行预处理和归一化；然后利用熵权法计算所有的状态变量权值，针对传统的熵权法处理非连续性数据能力的不足，提出来一种新的权值计算方法，对选取的所在区域各分段配网线路状态变量历史数据利用改进的熵权法进行权值计算；接着根据以往故障情况，将配网线路故障风险划分为5个类别，分别为超低风险、低风险、中风险、中高风险和高风险，根据每个分段配网线路其状态变量在线数据，利用灰色定权聚类算法计算每个分段配网线路实时风险情况；最后通过概率计算得到每个分段配网线路运行工况风险概率分布图。

进一步的，分析所在区域配网线路分布情况，以配网线路主干路为基础，主干路每两个自然节点间自然分为一段，每个节点相对应的支线分为一段，对配网线路进行合理化分段。

进一步的，所述的步骤S2中，采集所在区域分段配网线路状态变量历史数据和在线数据，状态变量数据包含暂态电压、电流、温度、缺陷状态；选取数据总数为N起，其中80％为历史数据，20％为在线数据；选取的历史数据作为训练集，在线数据作为测试集。

进一步的，所述的步骤S2中，归一化计算公式为：

式中，

表示归一化值，x_i表示配电线路状态变量量值，x_min表示一个样本中配电线路状态变量序列最小值，x_max表示一个样本中配电线路状态变量序列最大值。

进一步的，所述的步骤S3中，网线路故障类型繁多，相关故障类型对应的状态变量更是不计其数，有必要采用对状态变量数据进行一定的融合，采用熵权法对分段配网线路状态变量数据进行权值计算，融合确定的状态变量数据，并针对熵权法中无法有效计算非连续性数据的问题，提出来一种改进的熵权法计算权值的方法。

进一步的，改进的熵权法计算权值的方法的具体步骤包括：

S31.利用传统的熵权法计算每个状态变量的权值，计算公式为：

式中，ω_i为第i个状态变量的权值；E_i为第i个状态变量的熵值，n为选取的状态变量个数；

S32.针对非连续性数据权值计算不准确问题，将将平均熵值概念引入到权值计算中，同时引入两个权值辅助计算；

S33.第一个权值计算公式为：

式中，ω_1i为第一个权值的第i个状态变量的数值；；E_i为第i个状态变量的熵值；

S34.第二个权值计算公式为：

式中，ω_2i为第二个权值的第i个状态变量的数值；；E_i为第i个状态变量的熵值；E_k为第k个状态变量的熵值；

为所有状态变量的平均熵值，

S35.更新后的权值计算公式为：

式中，ω_i为第i个状态变量的权值；E_i为第i个状态变量的熵值，n为选取的状态变量个数；

S36.重复步骤S32、步骤S33和步骤S34，分布计算每个状态变量对应的权值，作为下一个步骤的输入要素。

进一步的，所述的步骤S4中，通过分段配网线路状态变量在线数据利用灰色聚类算法计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估。灰色聚类法是基于以灰数白化权函数求取基础上，一种全新且准确的多维评估方法。此法是以聚类为基础，将聚类的对象对于不同的聚类指标，其具有不同的白化数而归入不同的类。因而灰色聚类法评估模型要实现实际应用，最为重要的就是建立适合的白化权函数，本发明采用三角形白化权函数法构建白化权函数。

进一步的，所述的步骤S4中，根据历史情况将配网线路故障风险划分为超低风险、低风险、中风险、中高风险和高风险5个类别。

进一步的，灰色聚类算法计算每个分段配网线路实时风险情况具体包括以下步骤：

S41.灰色聚类算法中超低风险、低风险、中风险、中高风险和高风险5个灰类的白化权函数计算公式为：

式中，

f_i ²、f_i ³、f_i ⁴、f_i ⁵分别表示5个灰类的白化函数；

S42.不同状态变量在不同灰类k时综合聚类系数的计算公式为：

式中，

为聚类系数，

为白化权函数，ω_ij为定权重系数；

S43.判断对象i属于第k个灰类的计算公式为：

进一步的，所述的步骤S5中，通过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况，具体计算公式如下：

式中，P_i为第i个分段配网线路发生k类风险的概率值；

为第i个分段配网线路的属于k类风险综合聚类系数值。

与现有技术相比，有益效果是：本发明提供的一种基于多数据融合的配网线路运行风险感知方法，不但可以有效融合多数据的状态变量，提取数据中的有效特征，得到各状态变量的权值，提高了权值的准确性，而且将配网线路故障风险划分为超低风险、低风险、中风险、中高风险和高风险5个类别，根据状态变量在线数据利用灰色聚类算法计算每个分段配网线路的风险情况，快速分析分段配网线路潜在的风险，计算运行工况风险概率分布情况。对于实时监控配网线路、避免重大配网线路事故和提高区域供电可靠性具有重要意义。

附图说明

图1是本发明方法流程图。

图2是本发明实施例流程示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本发明的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本发明的限制。

如图1和图2所示，一种基于多数据融合的配网线路运行风险感知方法，包括以下步骤：

步骤1.选取所在区域配网线路，进行合理化分段处理。

分析所在区域配网线路分布情况，以配网线路主干路为基础，主干路每两个自然节点间自然分为一段，每个节点相对应的支线分为一段，对配网线路进行合理化分段。

步骤2.对每个分段配网线路记录的状态变量数据进行预处理和归一化。

步骤S2中，采集所在区域分段配网线路状态变量历史数据和在线数据，状态变量包含暂态电压、电流、温度、缺陷状态等，数据总共100起，其中历史数据80起，在线数据20起。风险状态评估类型为5类，具体为超低风险、低风险、中风险、中高风险和高风险。选取80起分段配网线路状态变量历史数据作为训练集，剩余20起分段配网线路状态变量在线数据作为为测试集。对于收集的所有数据，为确保所在区域的分段配网线路状态变量历史数据可以有效的进行融合，将所有数据进行归一化，对于缺少或者错误的数据利用平均插值法进行处理。归一化计算公式为：

式中，

表示归一化值，x_i表示配电线路状态变量量值，x_min表示一个样本中配电线路状态变量序列最小值，x_max表示一个样本中配电线路状态变量序列最大值。

某区域分段配网线路状态变量历史数据矩阵为：

式中，m为每个分段配网线路状态变量历史数据值；n为某区域分段配网线路状态变量个数。

某区域分段配网线路状态变量在线数据矩阵为：

式中，m为每个分段配网线路状态变量在线数据值；n为某区域分段配网线路状态变量个数。

步骤3.多数据融合：对状态变量数据进行一定的融合。

网线路故障类型繁多，相关故障类型对应的状态变量更是不计其数，有必要采用对状态变量数据进行一定的融合，采用熵权法对分段配网线路状态变量数据进行权值计算，融合确定的状态变量数据，并针对熵权法中无法有效计算非连续性数据的问题，提出来一种改进的熵权法计算权值的方法。

改进的熵权法计算权值的方法的具体步骤包括：

S31.利用传统的熵权法计算每个状态变量的权值，计算公式为：

式中，ω_i为第i个状态变量的权值；E_i为第i个状态变量的熵值，n为选取的状态变量个数；

S32.针对非连续性数据权值计算不准确问题，将将平均熵值概念引入到权值计算中，同时引入两个权值辅助计算；

S33.第一个权值计算公式为：

式中，ω_1i为第一个权值的第i个状态变量的数值；；E_i为第i个状态变量的熵值；

S34.第二个权值计算公式为：

式中，ω_2i为第二个权值的第i个状态变量的数值；；E_i为第i个状态变量的熵值；E_k为第k个状态变量的熵值；

为所有状态变量的平均熵值，

S35.更新后的权值计算公式为：

式中，ω_i为第i个状态变量的权值；E_i为第i个状态变量的熵值，n为选取的状态变量个数；

S36.重复步骤S32、步骤S33和步骤S34，分布计算每个状态变量对应的权值，作为下一个步骤的输入要素。

步骤4.根据以往故障情况，将配网线路故障风险划分为多个类别，利用分段配网线路状态变量历史数据验证风险状态评估的有效性，通过分段配网线路状态变量在线数据计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估。

通过分段配网线路状态变量在线数据利用灰色聚类算法计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估。灰色聚类法是基于以灰数白化权函数求取基础上，一种全新且准确的多维评估方法。此法是以聚类为基础，将聚类的对象对于不同的聚类指标，其具有不同的白化数而归入不同的类。因而灰色聚类法评估模型要实现实际应用，最为重要的就是建立适合的白化权函数，本发明采用三角形白化权函数法构建白化权函数。

进一步的，根据历史情况将配网线路故障风险划分为超低风险、低风险、中风险、中高风险和高风险5个类别。

灰色聚类算法计算每个分段配网线路实时风险情况具体包括以下步骤：

S41.灰色聚类算法中超低风险、低风险、中风险、中高风险和高风险5个灰类的白化权函数计算公式为：

式中，

f_i ²、f_i ³、f_i ⁴、f_i ⁵分别表示5个灰类的白化函数；

S42.不同状态变量在不同灰类k时综合聚类系数的计算公式为：

式中，

为聚类系数，

为白化权函数，ω_ij为定权重系数；

S43.判断对象i属于第k个灰类的计算公式为：

S5.配网线路运行工况风险概率分布：过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况。

通过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况，具体计算公式如下：

式中，P_i为第i个分段配网线路发生k类风险的概率值；

为第i个分段配网线路的属于k类风险综合聚类系数值。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种基于多数据融合的配网线路运行风险感知方法，其特征在于，包括以下步骤：

S1.选取所在区域配网线路，进行合理化分段处理；

S2.对每个分段配网线路记录的状态变量数据进行预处理和归一化；

S3.多数据融合：对状态变量数据进行一定的融合；

S4.根据以往故障情况，将配网线路故障风险划分为多个类别，利用分段配网线路状态变量历史数据验证风险状态评估的有效性，通过分段配网线路状态变量在线数据计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估；

S5.配网线路运行工况风险概率分布：过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况。

2.根据权利要求1所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的S1步骤中，分析所在区域配网线路分布情况，以配网线路主干路为基础，主干路每两个自然节点间自然分为一段，每个节点相对应的支线分为一段，对配网线路进行合理化分段。

3.根据权利要求1所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的步骤S2中，采集所在区域分段配网线路状态变量历史数据和在线数据，状态变量数据包含暂态电压、电流、温度、缺陷状态；选取数据总数为N起，其中80％为历史数据，20％为在线数据；选取的历史数据作为训练集，在线数据作为测试集。

4.根据权利要求3所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的步骤S2中，归一化计算公式为：

式中，

表示归一化值，x_i表示配电线路状态变量量值，x_min表示一个样本中配电线路状态变量序列最小值，x_max表示一个样本中配电线路状态变量序列最大值。

5.根据权利要求1所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的步骤S3中，采用熵权法对分段配网线路状态变量数据进行权值计算，融合确定的状态变量数据，并针对熵权法中无法有效计算非连续性数据的问题，提出来一种改进的熵权法计算权值的方法。

6.根据权利要求5所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，改进的熵权法计算权值的方法的具体步骤包括：

S31.利用传统的熵权法计算每个状态变量的权值，计算公式为：

式中，ω_i为第i个状态变量的权值；E_i为第i个状态变量的熵值，n为选取的状态变量个数；

S32.针对非连续性数据权值计算不准确问题，将将平均熵值概念引入到权值计算中，同时引入两个权值辅助计算；

S33.第一个权值计算公式为：

式中，ω_1i为第一个权值的第i个状态变量的数值；；E_i为第i个状态变量的熵值；

S34.第二个权值计算公式为：

式中，ω_2i为第二个权值的第i个状态变量的数值；；E_i为第i个状态变量的熵值；E_k为第k个状态变量的熵值；

为所有状态变量的平均熵值，

S35.更新后的权值计算公式为：

式中，ω_i为第i个状态变量的权值；E_i为第i个状态变量的熵值，n为选取的状态变量个数；

S36.重复步骤S32、步骤S33和步骤S34，分布计算每个状态变量对应的权值，作为下一个步骤的输入要素。

7.根据权利要求6所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的步骤S4中，通过分段配网线路状态变量在线数据利用灰色聚类算法计算每个分段配网线路实时风险情况，对配网线路风险状态进行有效评估。

8.根据权利要求7所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的步骤S4中，根据历史情况将配网线路故障风险划分为超低风险、低风险、中风险、中高风险和高风险5个类别。

9.根据权利要求8所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，灰色聚类算法计算每个分段配网线路实时风险情况具体包括以下步骤：

S41.灰色聚类算法中超低风险、低风险、中风险、中高风险和高风险5个灰类的白化权函数计算公式为：

式中，

f_i ²、f_i ³、f_i ⁴、f_i ⁵分别表示5个灰类的白化函数；

S42.不同状态变量在不同灰类k时综合聚类系数的计算公式为：

式中，

为聚类系数，

为白化权函数，ω_ij为定权重系数；

S43.判断对象i属于第k个灰类的计算公式为：

10.根据权利要求9所述的基于多数据融合的配网线路运行风险感知方法，其特征在于，所述的步骤S5中，通过分段配网线路风险状态评估，通过计算得到分段配网线路在运行工况时的分析概率分布情况，具体计算公式如下：

式中，P_i为第i个分段配网线路发生k类风险的概率值；

为第i个分段配网线路的属于k类风险综合聚类系数值。

Images