[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

说明书

本发明涉及一种基于关联规则的电压暂降严重程度预测方法及装置，本发明选取了5个维度，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，得到强关联规则库；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输出结果，实现电压暂降严重程度的预测。本发明可以准确评估雷电引起的电压暂降严重程度。

技术领域

本申请属于电网安全技术领域，尤其是涉及一种基于关联规则的电压暂降严重程度预测方法及装置。

背景技术

自上世纪70年代开始，随着新兴技术的发展，电网中投入了诸如变压器、电铁之类的非线性负荷和像计算器等敏感负荷，这些设备给电能质量的稳定性和可靠性带来了更大的挑战，以电压暂降、闪变和三相不平衡等为代表的暂态或稳态电能质量问题成为了人们关注的重点。其中，电压暂降已被认为是最为主要影响电力设备正常运行的电能质量问题。研究表明，电网中大约60％的电压暂降是由雷击引起的，雷击严重威胁了电网的安全性和稳定性。因此，评估雷电造成的电网电压暂降水平具有实际意义和价值。

由于雷电与电压暂降数据存在着强关联性，但是又不是一一映射或者简单的因果关系，因此，迫切需要对电网中的多元监测平台数据进行分析挖掘。随着电网中的各类监测装置的投入使用，可获取的数据量急剧增加，以国网公司的电能质量监测系统为例，每日数据量超过60T。雷电定位系统能够提供实时数据和存档的雷电信息。而对于每一次电压暂降事件，每次的监测数据都存储在电网中的各类电能质量监测系统中。尽管这些数据存储在不同的监测平台，但是随着智能电网的大力推进和建设，电网中各种业务可以打破壁垒，使得多元平台的监测数据融合成为了可能。大量的数据不断积累，传统方法不再适用于海量数据的分析，数据挖掘(Data Mining,DM)这种新型的数据分析技术便应运而生。Apriori算法为其中较为经典的算法，很多其他的算法都是以此为框架进行改进，如AprioriTid算法等，发展到现在已经从多维度、多角度实现了对算法的扩充。

目前的电压暂降事件关联规则挖掘通常只关注电能质量监测平台数据，没有考虑其它与暂降相关的监测数据，而且传统的Apriori算法不适用于不均匀的数据。

发明内容

本发明要解决的技术问题是：为解决现有技术中电压暂降事件关联规则挖掘通常只关注电能质量监测平台数据，没有考虑其它与暂降相关的监测数据，而且传统的Apriori算法不适用于不均匀的数据的问题，从而提供一种基于关联规则的电压暂降严重程度预测方法。

本发明解决其技术问题所采用的技术方案是：

本发明第一方面提供一种基于关联规则的电压暂降严重程度预测方法，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。

本发明第二方面提供一种基于关联规则的电压暂降严重程度预测装置，包括：

历史数据获取模块，用于提取雷电引起的电压暂降历史事件信息，并提取雷击参数，建立雷电引起的电压暂降事件历史数据库；