[发明专利]基于大数据技术的公用变压器负荷类型分析和辨识方法

说明书

技术领域

本发明属于计算机领域，通过分析变压器日负荷曲线和区域、季节等影响因素，计算得到变压器典型日负荷曲线，从而达到辨识公用变压器的负荷成分以及所属类型的目的，具体涉及一种基于大数据技术的公用变压器负荷类型分析和辨识方法。

背景技术

随着国家电网公司不断加大对配电网建设的投入，配电网的规模不断扩大，结构日趋复杂，与此同时，配电网中的公用变压器供电半径内的负荷类型(用电模式)呈现多样化和快速动态变化的趋势。为了更加科学有效地规划配电网，电网公司需要对区域公用变压器进行有效监控，掌握区域负荷变化、发展趋势；但由于配网规模快速扩展导致配网设备相关数据尤其是公用变压器数据的快速增加，已经形成事实上的海量数据，传统的公用变压器负荷分析方法已经无法适应海量数据的处理要求，公变类型辨识效率和精度都已经无法满足现阶段的要求。

在此背景下，本专利提出一种公用变压器负荷类型分析和辨识方法，该方法通过大数据平台相关技术对配网负荷数据进行存储和预处理，并根据不同区域和季节的负荷特点分别建立分析模型，最后实现对公用变压器负荷类型的辨识。

目前用采系统还没有采集公用变压器下单个用户的负荷信息，因此传统公用变压器负荷分析方法主要是分析变压器级别的负荷数据，由于缺乏具体用户的负荷特征数据，传统分析方法无法准确辨别该公用变压器的负荷类型，而且随着配网规模快速扩大公用变压器数据也随之急剧增加，传统的公用变压器负荷分析方法已经无法承受海量数据的存储和处理压力，也无法适应公用变压器用户负荷模式的多样性和快速变化等趋势。

发明内容

本发明的目的在于提供一种基于大数据技术的公用变压器负荷类型分析和辨识方法，该方法提高了变压器典型日负荷曲线计算效率和准确性，实现了对公用变压器的负荷类型辨识，为配网设备的监控和检修以及配网规划和结构优化提供了科学严谨的决策支持。

为实现上述目的，本发明的技术方案是：一种基于大数据技术的公用变压器负荷类型分析和辨识方法，包括如下步骤，

S1、对配电变压器的数据进行抽取；

S2、采用分布式聚类算法对步骤S1得到的数据进行处理，计算得到典型日负荷曲线；

S3、基于典型日负荷曲线，建立公用变压器负荷类型辨识模型，分析公用变压器负荷成分并辨识负荷类型，最终通过界面展示模型结果。

在本发明一实施例中，所述步骤S1具体实现如下，

通过大数据平台sqoop组件将配电变压器数据从用采系统和营销业务系统抽取到大数据平台分布式数据库HBase中，根据后续建模分析的需要，通过分布式数据仓库组件Hive对包括数据格式、数据粒度进行转换和规整，最后进行数据清洗形成分析模型所需要的宽表数据。

在本发明一实施例中，所述步骤S2具体实现如下，

利用大数据平台提供的数据，基于Spark内存计算框架开发分布式聚类算法，综合考虑区域和季节导致的负荷特征差异，对不同地区、季节的公用变压器负荷数据分别进行聚类建模分析，计算得到五种典型的日负荷类型曲线：具体聚类过程如下：

输入：聚类个数k，包含n个负荷数据对象的数据集S；

输出：k个聚类；

(1)从n个负荷数据对象中任意选取k个对象作为初始的聚类中心：

从数据集S＝{X₁,...,X_n}中随机选取k个作为初始的类中心，从而构成初始的质心集合Z＝{Z₁,Z₂,...,Z_k}；其中，每一样本可由若干特征指标来描述，即X_i＝[x_i1 x_i2 … x_iJ]，其中，J为特征指标数，x_i,j为第i个样本的第j个特征指标取值；同样，每一簇i的中心Z_i＝[z_i1 z_i2 … z_iJ]是质心的J个特征指标取值构成的向量；

(2)分别计算每个对象到各个聚类中心的距离，把对象分配到距离最近的聚类中：

对数据集S＝{X₁,...,X_n}中的每一样本i，计算它到各类中心Z_i(j＝1,…,k)的距离，以距离最小的类作为样本i所属的类；若记样本i所属的类为s，则s满足

其中：||·||表示两个向量之间的距离，其计算公式为