[发明专利]一种基于关联规则的电压暂降严重程度预测方法及装置有效
申请号: | 202010910340.3 | 申请日: | 2020-09-02 |
公开(公告)号: | CN112035552B | 公开(公告)日: | 2023-05-09 |
发明(设计)人: | 刘书铭;李琼林;王毅;代双寅;张博;唐钰政;郑晨;朱明丽;汪颖;胡文曦 | 申请(专利权)人: | 国网河南省电力公司电力科学研究院;四川大学;国家电网有限公司 |
主分类号: | G06F16/2458 | 分类号: | G06F16/2458;G06F16/2455;G06Q10/04;G06Q50/06 |
代理公司: | 苏州知途知识产权代理事务所(普通合伙) 32299 | 代理人: | 张锦波 |
地址: | 450000 河*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 关联 规则 电压 严重 程度 预测 方法 装置 | ||
1.一种基于关联规则的电压暂降严重程度预测方法,其特征在于,包括:
提取雷电引起的电压暂降历史事件信息,并提取历史雷击参数,建立雷电引起的电压暂降事件历史数据库;
根据所述电压暂降事件历史数据库,选取电压暂降关联规则挖掘的维度参数,包括电压暂降严重程度、雷击位置、雷击日期、雷击时间和雷电流峰值;
对选取的所述维度参数进行特征离散化,得到各维度参数的离散化结果;
根据各维度的所述离散化结果,采用多最小支持度的AprioriTid算法挖掘雷电与电压暂降之间的强关联规则,建立强关联规则库;
将实际场景中的雷击参数数据与所述强关联规则库中的雷击参数数据逐条匹配,计算最邻近距离值,取所述最邻近距离值的最小值作为匹配输出结果,实现电压暂降严重程度的预测;
对选取的所述维度参数进行特征离散化的方法为:
将雷击日期化为以年为周期,以天为单位,且数值在1-365之间变化的数字量;将雷击时间化为以日为周期,以每5min为单位,数值在1-288之间的数字量;然后分别采用K-means算法进行特征离散化;
对于雷击位置,则将经纬度结合起来,采用K-means进行二维离散化处理;
对于电压暂降严重程度和雷电流峰值,则直接进行K-means变换,采用K-means算法进行特征离散化。
2.根据权利要求1所述的基于关联规则的电压暂降严重程度预测方法,其特征在于,建立雷电引起的电压暂降事件历史数据库之后,还包括:
获取电网敏感设备发生电压暂降的持续时间和幅值,通过所述敏感设备电压耐受曲线计算得到电压暂降严重程度:
其中,Se表示电压暂降的严重程度;
Vcurve(d)表示所述电压耐受曲线上在电压暂降持续时间为d时,设备能容忍的电压暂降幅值标么值;
V表示电网设备实际的电压暂降幅值的标么值。
3.根据权利要求1所述的基于关联规则的电压暂降严重程度预测方法,其特征在于,在挖掘雷电与电压暂降之间的强关联规则的步骤中,还包括设置不同的最小置信度与最小支持度,将不同的最小支持度和最小置信度的强关联规则入库,构造电压暂降强关联规则库。
4.根据权利要求3所述的基于关联规则的电压暂降严重程度预测方法,其特征在于,采用多最小支持度的AprioriTid算法挖掘雷电与电压暂降之间的强关联规则的步骤包括:
S1:扫描事务数据库,计算事务数据库中各个维度参数下的所有项目的最小支持度,按照项目的最小支持度进行升序排序,生成候选频繁1项集,在候选频繁1项集中删除小于用户预先设定的最小支持度的项,得到频繁1项集X1;
S2:扫描预先建立的决策表J1,在决策表J1中删除不包括X1中任意一项项集的行,得到决策表J2,依次类推,得到决策表Jk和候选频繁k项集;
S3:删除候选频繁k项集中不含节点电压暂降严重程度的项集Ik,得到Ik中每条事务的最小支持度,在Ik中删除小于用户预先设定的最小支持度的项集,生成频繁k项集Xk;
S4:在Jk中删除不包括Xk中任意一项项集的行,得到决策表Jk+1;
S5:重复步骤S3和S4,直至频繁k项集Xk为空;
S6:计算每一个频繁k项集的置信度,若所述频繁k项集置信度大于设置的最小置信度,则得到强关联规则,直到所有的频繁k项集均完成置信度的计算,最终从而得到电压暂降强关联规则库。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网河南省电力公司电力科学研究院;四川大学;国家电网有限公司,未经国网河南省电力公司电力科学研究院;四川大学;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010910340.3/1.html,转载请声明来源钻瓜专利网。