数据挖掘在电能质量监测数据分析中地应用.docVIP

数据挖掘在电能质量监测数据分析中的应用* 林顺富1，谢潮1，汤波1，潘爱强2，周健（1. 上海电力学院 电气工程学院，上海 ；2. 国网上海电力公司电力科学研究院，） 摘要： 关键词： 中图分类号：TM933 文献标识码：B 文章编号：1001-1390（201）00-0000-00 data mining application in the power quality monitoring data analysis Lin Shunfu1, Xie Chao1, Tang Bo1, Pan Aiqiang2, Zhou Jian2 (1. College of Electrical Engineering, Shanghai University of Electric Power, Shanghai 200090, China. 2. Electric Power Research Institute, SMEPC, Shanghai 200437, China) Abstract：It is a main issue to find valuable information from the power quality (PQ) data because of its big volume, heterogeneity and low value density in the power quality monitoring system of the grid. An analysis system of the power quality monitoring based on the data mining technologies is presented in this paper, consisting of the technologies of the data cleaning, data fusion, cluster analysis, correlation analysis, and etc. The proposed analysis system is applied in the power quality data analysis of a certain city power quality monitoring system. The meaningful variation laws of the power quality indices are obtained, which can provide valuable reference to the grid planning, dispatch and operation. Keywords：power quality, data mining, cluster analysis, correlation analysis0　引 言 随着我国经济的持续发展，电力用户对电能需求日益增加的同时，对电能质量的要求也越来越高。电力公司在电网各电压等级监测点安装了大量电能质量监测设备，构成了电能质量监测系统，系统长期不间断的监测形成电能质量海量数据[1-2]。 近年来，人们逐渐意识到电能质量海量监测数据本身承载着大量涉及系统和设备运行状态的有用信息。其应用价值已远远超出传统电能质量所关注的范围，对故障的定位、系统异常预警、运行状态检测等具有重要意义[3-5]。在电能质量海量数据分析时，传统统计学方法已不能满足需求。数据挖掘技术能从海量数据中寻找出有用的隐含信息，逐渐被应用于电能质量数据分析中[6-8]。 文献[9]概述了数据挖掘技术在电能质量分析中的应用并指出了其广阔的应用前景，但由于多项电能质量扰动问题的存在导致目前仍然处于初级阶段。文献[10]采用基于最小信息长度的聚类算法检测监测点可能出现的异常电能质量事件，根据得到的集群特征通过分类技术推断未来监测点的电能质量事件。文献[11]采用支持向量机(SVM)有效识别大范围内参数任意变化的各类电能质量扰动，而且具备识别精确率高，实时性能好，对噪声干扰不敏感等优点。文献[12]结合模糊数学的有关知识，建立了电能质量模糊评价模型，并根据二级模糊综合评判方法结合多组实测数据进行评判分析，证实了所提方法的有效性和合理性。文献[13]提出的适用于配电网的优选组合预测模型，根据南方电网某变电站电能质量监测数据预测电能质量的未来状况，相比单个预测模型具有误差小、预测精度高等优点。 当前国内外研究多数将数据挖掘技术应用于电能质量扰动事件识别[14]、指标预测等方面，而对于电能质量指标受环境、气象等因素影响的规律，以及电能质量指标