数据挖掘方法在智能电网中的应用.docVIP

数据挖掘方法在智能电网中的应用 　　【摘要】智能电网接入设备的增加，使得全网数据量增大，导致电网监测与数据分析的难度加大，利用先进的数据挖掘方法可以实现电网数据的有效使用。在分析了数据挖掘方法的流程基础上，结合电网稳态分析的设计过程，给出了面向智能电网的数据挖掘方法模型，并得到实验验证。 　　【关键词】数据挖掘；智能电网；稳态分析 　　1.引言 　　智能电网又称“电网2.0”，是以自动化、信息化、智能化等特征为标志的新一代电网体系。从物理层面上看，智能电网区别于传统电网的主要特征在于其“发、输、变、配、调、用”各个环节配置了大量的智能化设备[1]，这些设备在监测全网状态的同时，其大量的采集数据也给电网的分析带来了挑战，如何运用这些庞大的数据信息对电网状态进行分析、评估，是摆在电力系统分析与设计人员面前的一大难题。 　　2.智能电网中数据挖掘的需求分析 　　针对性能要求更高的智能电网，在数据分析方面主要有以下几个方面需要进行数据的深度挖掘[2，3]： 　　（1）故障诊断 　　电网故障诊断系统中储存了大量的数据，利用挖掘技术可从这些数据中对电网故障提供可靠的描述，寻找设备故障与其外在表现之间的关系，并发现不同事故发生时产生的某些关联，从而合理安排检修计划，提高供电质量。 　　（2）负荷预测与智能表计 　　智能电表的应用，使电网的用户数据更加丰富。例如用时间序列模型进行预测负荷，可对用户负荷在不同季节、气候和其他一些相关属性下进行聚类分析，就能够划分出用户群组的行为模式及其负荷要求。 　　（3）设备状态监测 　　电网设备的可靠性对电网稳定运行起到至关重要的作用，运用数据挖掘方法，对电力设备的状态监测数据进行深入分析，给出设备的健康情况，可有效识别出具有潜在故障的设备信息，进一步制定设备检修计划，延长电力设备的使用寿命，提高系统可靠性。 　　因此，智能电网数据的深度挖掘与应用技术具有广阔的应用前景。 　　3.基于数据挖掘的电压稳定分析 　　基于向量测量单元中心数据库和联机分析处理OLAP（Online Analytical Processing）的电网稳态分析是以电力数据仓库为基础，进行的各种安全稳定分析，对影响电压稳定性的薄弱母线、薄弱线路等进行多维分析[4]。挖掘过程可用图1表示。 　　图1 数据挖掘的处理过程 　　3.1 数据的取样、调整 　　利用最具代表性的测量特征作为预测模型的数据集： 　　（1） 　　式（1）中：xi∈Rn为模型的输入向量；yi为输出向量；s为样本数量；n为输入维数。 　　为避免向量xi中单位、大小幅度差异较大对挖掘过程产生不利影响，将数据集E变换为规范数据集，变换过程采用“零一均值规范化”，对任意属性M值d、基于M的平均值M和标准差σM进行规范，使M规范化为： 　　（2） 　　3.2 挖掘算法的选择 　　利用引导算法从数据集E中抽取训练子集Si（i=1，…，k），根据有限样本学习理论，可得电压稳定评估模型： 　　（3） 　　式（3）中K（x，xj）——高斯径向基核函数；r——训练样本总数；j=1，…，r——Lagrange乘子；b——偏移量；aj≠0的样本为影响分类结果的“关键”样本，被称为支持向量。 　　将未知稳定程度的样本N输入到组合电压稳定评估模型Mi（i=1，…，k）中，即可判断系统是否稳定，即： 　　（4） 　　在电压稳定模型确定后，采用等效电距离挖掘算法对稳定极限进行综合分析。 　　简单系统潮流方程为： 　　（5） 　　解式（5）消去负荷节点电压相角后得非线性标量方程： 　　（6） 　　式（6）中Us——等效电源电势；Zs——等效电距离幅值；θ——等效电距离相角；PM——负荷节点有功；QM——负荷节点无功；UM——负荷节点电压幅值。由式（6）用梯度法求得待求量，就可求得等效电距离Zs。 　　该方法与系统规模基本无关，负荷节点数的增加，只是计算次数增加，而其它方法随系统规模增大，计算量成指数递增。该方法计算速度快，适合在线应用。 　　3.3 验证分析 　　（1）数据采集及建立母线电压稳定数据集市 　　采用IEEE14节点标准系统（如图2）作为电压稳定分析的参考系统，仿真数据的设定参见表1所示。 　　图2 IEEE14节点系统 　　（2）母线电压稳定数据挖掘分析 　　本实例以母线电压稳定预测模型为例，由表1可看出节点9为最薄弱节点。 　　4.结论 　　本文在讨论智能电网数据信息深度应用需求的基础上，通过引入数据挖掘方法，对电网稳态分析中的电压稳定分析系统进行了案例仿真。目前智能电网的快速发展，对电网数据的应用也越来越迫切，本文旨在给出一种解决思路，希望能为智能电网的数据分析技术提供参考。 　　参考文献 　　[1