[发明专利]一种通过数据挖掘实现配网公变电压异常决策分析的方法

摘要

本发明公开了一种通过数据挖掘实现配网公变电压异常决策分析的方法，该方法借助大数据处理平台根据用电信息采集数据、电网网架数据和电压、负载等运行监测数据，利用数据挖掘、并行计算和决策树等大数据技术，开展配变容量分布、负荷负载率分布、线路供电半径及线径分布、三相不平衡分布和电压异常发生时段与客户投诉分布等特性分析，制定电压异常治理措施，为配电网规划和运行提供决策支撑。

主权项

1.一种通过数据挖掘实现配网公变电压异常决策分析的方法，其特征在于该方法步骤如下：1)数据预处理；11)通过大数据处理平台，获取配电网运行基础数据；12)通过数据清理，填充遗漏的值，识别局外者、消除噪音，并纠正数据中的不一致；13)通过数据变换，将数据转换成适合于挖掘的形式；14)对清洗和变换过后的数据进行规约，从原有的特征中删除不重要或者不相关的特征，并对数据的完整性和正确性再一次校验；15)基于数据清理、数据变换和数据规约后的配电网运行数据，构建电压预警向量；2)通过Apriori算法实现关联因子分析；21)分析筛选关联因子；22)使用Apriori算法进行关联因子分析；23)去除关联性较低的因子，留下关联性高的因子，分别为：负载率，包括最大、最小、平均；三相不平衡度，包括最大、最小、平均；电压，包括最大、最小、平均；3)建立专家知识库；根据步骤2)得到的关联因子，将训练样本形成9维向量；收集电压异常现象的判定方案及决策意见，进行最终的数据治理、筛选和计算，形成初步的专家知识库；4)构建电压异常向量；将发生电压异常的配变在根据Apriori算法获得的9个因子上的值进行离散化，利用熵计算离散化后的模型因子之间的分布，得到各因子的n个合理阈值区间，使得这9个因子在该阈值区间上有最大的信息量表示，即形成一个9*n维向量；5)匹配成因；将离散化后的数据构建成的电压异常向量是一个18维向量，当把所有的训练数据全部构建完成后，根据这些数据在18维空间的分布情况，利用KNN算法，通过调整k值以达到一个最优分类结果，完成建模；继续使用KNN算法对新样本进行匹配成因以及结合专家知识库给出解决方案。