[发明专利]一种基于多维信息的电网运行状态监测方法及系统

权利要求书

1.一种基于多维信息的电网运行状态监测方法，其特征在于，包括以下步骤：

(1)构建数据模型实现对采集得到的历史数据和实时数据的基础信息存储，存储内容包括时间、原始值、实际值、质量状态信息；

(2)基于步骤(1)获得的基础数据进行分析，甄别正常数据与异常数据，获取能表征典型特征的有效数据；

(3)根据获取的典型特征数据进行聚合分析，得到某一历史时间范围的典型特征曲线；

(4)将电网实际运行数据与步骤(3)中获取的典型特征曲线进行比较，计算相似度，根据相似度对电网运行状态进行自动监测。

2.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于，步骤(2)中所述的甄别正常数据与异常数据包括：

直采数据异常识别：对于站端上送导致的异常数据，将对应的量测及质量码标志为异常并提交数据库进行分类存储；

结合网络拓扑的可疑数据识别：通过对电网结构或模型文件的解析获取电网拓扑结构，建立电网遥测遥信数据与设备间的对应关系，并利用遥测遥信数据与所述电网拓扑结构、对应设备、潮流之间的约束条件，对不满足约束条件的遥测遥信数据标志为异常数据；

基于数据集合的异常状态识别：将重点关注的设备量测或者计算结果数据按照一定关联关系定义成一个集合，当集合中任何一个量测值不与集合中的其他数据同步更新时，则进行异常标注。

3.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于：步骤(3)中所述的根据获取的典型特征数据进行聚合分析，是采用Kmeans聚类分析方法，所述Kmeans聚类分析方法中的成本函数公式如下：

式中，J表示成本函数，μ_i为第i个聚类的均值，x为样本值，j为样本数，c_k为样本类别。

4.根据权利要求3所述的基于多维信息的电网运行状态监测方法，其特征在于，所述Kmeans聚类分析方法包括以下步骤：

(31)数据预处理，对数据进行归一化处理；

(32)对归一化处理后的数据进行拉普拉斯特征映射降维；

(33)在数据集中随机选取K个聚类中心{y₁，y₂，…y_k}，并设定迭代终止阈值ε和最大迭代次数M；按照式

c_i＝argmin[d(x_i，y_j)] 1≤i≤N，1≤j≤K

确定每个样本数据所属的类别，其中c_i表示第i个样本所属的类别，d(x_i，y_j)表示第i个样本到第j个聚类中心的欧式距离，x_i表示样本负荷，y_i表示聚类中心；N、K分别代表样本个数和聚类中心个数。

(34)通过Davies-Bouldin指数、Calinski-Harabasz指标分析，计算最优聚类的类别数k；

(35)根据聚类结果，获取历史时段的典型特征曲线。

5.根据权利要求1所述的基于多维信息的电网运行状态监测方法，其特征在于：步骤(1)中所述的基础信息存储，存储方式采用永久性存储或覆盖式存储。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于多维信息的电网运行状态监测程序，所述基于多维信息的电网运行状态监测程序执行如权利要求1至5任一项权利要求所述的基于多维信息的电网运行状态监测方法中所执行的步骤。

7.一种基于多维信息的电网运行状态监测系统，其特征在于，包括处理器和存储器，处理器加载并执行指令以实现如权利要求1至5任一项权利要求所述的基于多维信息的电网运行状态监测方法中所执行的步骤。