[发明专利]一种有源配电网故障特征的确定方法及系统

说明书

本发明公开了一种有源配电网故障特征的确定方法及系统，确定方法包括：S1、基于获取的历史运行数据生成样本数据；S2、利用支持向量机模型‑递归特征消除算法对所述样本数据进行特征选择，提取故障特征；S3、将样本数据中故障特征对应的数据带入基于支持向量机构建的故障预测模型，确定所述故障预测模型的故障预测准确率，当所述故障预测准确率满足要求时，则将所述故障特征设为所述有源配电网故障特征，否则执行S1重新生成样本数据。本发明提供的故障特征确定方法提高了故障预测模型的预测效率，为配电网运行与检修人员提供参考，减轻检修人员的劳动强度。

技术领域

本发明涉及配电网运行控制技术领域，具体涉及一种有源配电网故障特征的确定方法及系统。

背景技术

近年来，随着城乡居民生活水平显著提高，人们对于配电网供电可靠性的要求日益提高，然而电力部分只能被动应对配电网故障，这使得配电网可靠性的提升存在瓶颈。实现配电网故障预测可为电力部门提供配电网运营维护决策支持，具有重大的经济和社会效益。

目前大量接入分布式电源、功率双向流动的配电网被称为有源配电网，有源配电网中设备在长期运行下可能因某些外部因素导致有发生故障的趋势，或者某些设备在经过多次扰动或故障过后，虽然仍可以正常运行，但设备可能因累计效应而已经存在某些缺陷。针对这些潜在的安全隐患，基本都是通过检修人员测量避免的，对检修人员的工作能力要求高，而且工作量大，结果准确度有限。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供了一种有源配电网故障特征的确定方法，包括：

S1、基于获取的历史运行数据生成样本数据；

S2、利用支持向量机模型-递归特征消除算法对所述样本数据进行特征选择，提取故障特征；

S3、将样本数据中故障特征对应的数据带入基于支持向量机构建的故障预测模型，确定所述故障预测模型的故障预测准确率，当所述故障预测准确率满足要求时，则将所述故障特征设为所述有源配电网故障特征，否则执行S1重新生成样本数据。

优选的，所述故障特征包括：配变数量、配变容量、月最高气温、月最低气温、月平均气温和月大风日数等级。

优选的，所述基于获取的历史运行数据生成样本数据，包括：

将获取的历史运行数据集成，对集成后的数据进行数据清洗和数据变换，生成中间数据；

采用K-Means聚类算法在中间数据中剔除多维离群数据，得到样本数据；

所述数据清洗包括：删除历史运行数据中的无关数据、重复数据、平滑噪声数据，并筛掉与挖掘主题无关的数据以及处理缺失值和利用箱型图识别的异常值。

优选的，所述采用K-Means聚类算法在中间数据中剔除多维离群数据，得到样本数据，包括：

基于K-Means聚类算法在所述中间数据中检测多维离群数据；

从所述中间数据中删除所述多维离群数据；

基于删除所述多维离群数据后的中间数据中剩余的数据构建样本数据。

优选的，所述基于K-Means聚类算法在所述中间数据中检测多维离群数据，包括：

利用K-Means算法将中间数据集聚为多个簇，确定各簇的中心；

分别计算各中间数据到离它最近的中心的相对距离；

将所述相对距离与阈值进行比较，当所述相对距离大于阈值，则所述中间数据为离群数据。

优选的，所述利用K-Means算法将中间数据集聚为多个簇，包括：

S301、从中间数据中随机选取多个对象作为初始聚类中心；