[发明专利]基于数据挖掘的电压暂降敏感设备故障水平评估方法

说明书

本发明公开了基于数据挖掘的电压暂降敏感设备故障水平评估方法，包括选取电压暂降特征属性，根据监测数据计算敏感设备的故障故障率，由故障率大小确定敏感设备的故障水平，将监测数据转化为一个由电压暂降特征属性和敏感设备故障水平组成的数据库；挖掘电压暂降特征属性和敏感设备故障水平之间的关联规则，并设置两组支持度和置信度的限值；利用改进的灰靶理论，将实际场景的电压暂降特征属性与挖掘出的关联规则进行匹配，获得该实际场景对应的敏感设备的故障水平。本发明根据大量电压暂降事件，只要构造出与该故障场景对应的一组电压暂降特征属性，就可将该场景的电压暂降特征属性与挖掘出的关联规则进行匹配，得到该场景的敏感设备的故障水平。

技术领域

本发明涉及电压暂降敏感设备故障水平评估技术领域，尤其涉及基于数据挖掘的电压暂降敏感设备故障水平评估方法。

背景技术

电压暂降会给敏感用户带来巨大的经济损失，已成为电能质量的主要问题。评估电压暂降引起的敏感设备的故障水平，可以为电力公司和用户采取合理措施降低敏感用户的经济损失提供理论依据。

但是，现有的敏感设备的评估方法可以归纳为：1)通过大量的实验测试，得到敏感设备的耐受曲线；2)通过不确定度评定方法，计算敏感设备的故障率。这些方法只针对一个节点或某种敏感设备，没有一种从系统的角度评估敏感设备故障水平。在实际应用中，关心节点处敏感设备故障水平主要受关心节点电压暂降的影响，而关心节点电压暂降又受整个电网电压等级、关心节点位置、关心节点距离故障点的距离、故障发生时的天气和日期等因素的影响，这些因素统称为电压暂降特征属性。虽然电网中单个电压暂降事件的发生是随机的，但是根据不同节点的长期的暂降监测数据，敏感设备的故障水平与电压暂降特征属性之间始终存在一定的相关性。而且，随着现代电网电能质量监测规模的不断扩大，存储了大量的暂降监测数据，但这些数据仍然没有得到充分利用。

发明内容

基于背景技术中现有的敏感设备的评估方法存在的问题，针对电压暂降敏感设备故障水平，本发明寻找敏感设备的故障水平与电压暂降特征属性的隐藏关系具有重要的意义，因为这些隐藏关系可以为敏感用户的并网点选择提供决策支持。

本发明提出了基于数据挖掘的电压暂降敏感设备故障水平评估方法，本发明采用基于多维矩阵简化和改进的灰靶理论的数据挖掘方法，对区域电网各节点的典型敏感设备，包括PLC、PC、ASD、ACC等进行敏感设备故障水平评估。针对区域电网的每一次电压暂降事件，从电能质量监测记录中提取各节点的电压暂降特征属性，计算出各节点对应的敏感设备的故障水平。对于长期的监测数据，采用数据挖掘的方法，根据大量电压暂降事件，得到电压暂降特征属性与敏感设备的故障水平之间的关联规则。之后，对于任何一个实际的电压暂降场景，只要能构造出与该故障场景对应的一组电压暂降特征属性，就可以将该场景的电压暂降特征属性与挖掘出的关联规则进行匹配，得到该场景的敏感设备的故障水平。

本发明通过下述技术方案实现：

基于数据挖掘的电压暂降敏感设备故障水平评估方法，所述方法包括：

步骤A：从长期监测数据中，选取合适的电压暂降特征属性，并根据监测数据计算敏感设备的故障故障率，根据敏感设备的故障率的大小确定敏感设备的故障水平，将监测数据转化为一个由电压暂降特征属性和敏感设备故障水平组成的数据库。

步骤B：通过多维矩阵简化方法挖掘电压暂降特征属性和敏感设备故障水平之间的关联规则，并设置了两组支持度和置信度的限值。

步骤C：利用改进的灰靶理论，将实际场景的电压暂降特征属性与挖掘出的关联规则进行匹配，获得该实际场景对应的敏感设备的故障水平，采用熵权法与灰靶理论进行结合以保证匹配的准确性。

工作原理如下：

现有技术的敏感设备的评估方法可以归纳为：1)通过大量的实验测试，得到敏感设备的耐受曲线；2)通过不确定度评定方法，计算敏感设备的故障率。这些方法只针对一个节点或某种敏感设备，没有一种从系统的角度评估敏感设备故障水平。