基于关联挖掘的无功优化关键参数智能辨识方法

针对传统无功优化中关键参数设置过程繁琐且设置结果不合理的问题,首先,给出一种基于斜率分段归并的曲线划分策略,用于对预测区间进行智能划分;其次,采用一种标准化欧式距离—动态时间弯曲(ED-DTW)混合策略,用于不同数据集间相似度的计算;最后,提出一种基于数据关联挖掘的无功优化参数智能辨识框架,用于对数据库内的历史数据进行挖掘。仿真采用实际电网数据对整个挖掘过程进行分析,挖掘结果显示,提出的辨识框架能自动给出参数的时段划分和设置结果,将挖掘得到的参数结果用于实际控制中,表明该方法获得的划分结果符合负荷峰谷特征,且相比传统方法,在减小电压偏差和提高电压合格率上效果更好。     

基于MapReduce的电力大数据增量式属性约简方法

针对电力大数据具有的体量大、生成快、实时更新等特点,提出了一种基于MapReduce框架的电力大数据增量式属性约简方法。该方法深入分析了决策表的特性,完成了对不相容决策表的转化和化简,求出了简化决策表正域的势。利用差别元素概念以及MapReduce的并行化特性,设计了一种能应用于大数据环境的增量式属性约简算法。最后,以Hadoop平台为基础,设计实验完成了某地区历史负荷数据的增量式属性约简计算,验证了算法的可行性和处理电力大数据的能力。     

基于偏序约简的智能电网大数据预处理方法

针对电力一次系统和电力信息系统的数据所具有的多维度、时空混杂等特征,建立了一种基于偏序约简的大数据属性约简预处理方法。该方法综合利用了MapReduce的可并行化优点,着眼于并发事件间的独立性,可以满足电力大数据属性维度与约简方面的覆盖要求。最后,分别以某光伏发电系统监测数据、变压器故障诊断数据和智能变电站通信系统实时性与可靠性预测数据为例,对属性约简进行模拟计算,并通过Hadoop平台进行测试,表明所提出的电力大数据属性约简方法性能优良。     

电网自动电压控制精细规则自动发现技术研究

自动电压控制(AVC)已经在各级电网调度中心广泛使用。传统上AVC中的电压限值、功率因数限值等控制参数由人工经验制定。当电网结构发送变化或局部电网区域的负荷特性变化时,经常出现多级电压限值不能适配,影响AVC控制效能。文章提出一种基于大数据分析自动提取的AVC精细规则来优化AVC控制限值参数的方法。首先提出基于控制仿真在环的滚动潮流计算方法来模拟全天的电网自动电压控制过程,并设计了并行快速仿真计算平台,为后续AVC控制规则提取提供海量仿真数据;然后基于海量数据采用人工智能机器学习方法自动学习AVC控制精细规则,自动发现AVC限值参数与电网运行状态指标的内在规律;最后,基于提取的AVC精细规则构建优化模型来自动决策AVC中的母线电压限值、功率因数限值等控制参数,从而实现AVC控制参数的自动优化和辅助决策。     

基于粗糙集约简技术的输电线路运行风险评估

知识约简是粗糙集理论中获取决策规则的重要方式。结合知识约简的概念和定义,介绍了Semi- Naive-Scaler属性离散化算法,给出了基于可辨识矩阵的属性约简算法,并采用了基于可辨识矩阵的二值化数据过滤和贪心算法相结合的规则约简算法。通过属性约简和规则约简,得出决策规则。最后在输电线路运行风险评估方面给出了应用算例。     

基于粗糙集约简技术的输电线路运行风险评估

知识约简是粗糙集理论中获取决策规则的重要方式.结合知识约简的概念和定义,介绍了Semi- Naive-Scaler属性离散化算法,给出了基于可辨识矩阵的属性约简算法,并采用了基于可辨识矩阵的二值化数据过滤和贪心算法相结合的规则约简算法.通过属性约简和规则约简,得出决策规则.最后在输电线路运行风险评估方面给出了应用算例.     

基于粗糙集理论的输电线路状态评估

提出一种基于粗糙集理论的输电线路状态评估方法。利用粗糙集理论建立决策表,采用基于可辨识矩阵的属性约简算法对决策表进行约简,得到决策规则,并研究了条件属性的重要度,最后给出实例验证。结果表明,该方法能够有效地约简规则,评估结果合理。     

基于云计算技术的电力大数据预处理属性约简方法

针对大数据时代下电网数据体量大、类型多、速度快的特点,传统的属性约简方法已经无法完成对电力大数据的预处理,为此提出一种基于云计算技术的电力大数据预处理属性约简方法。该方法剖析了粗糙集中相对正域理论的特性,利用MapReduce模型设计了可以并行计算正域中元素个数的属性约简算法MP_POSRS。最后,在Hadoop平台上对电网故障诊断表和风电实测数据进行属性约简,实验结果表明,该方法有效可行,并具有较好的加速比和可扩展性,适用于电力大数据预处理属性约简。     

基于AVC系统的省地电网关口无功功率协调控制方法

定量评估省级电网的无功调控能力以确定关口无功功率控制范围,是大电网自动电压控制(automatic voltage control,AVC)的关键。基于电网分层解耦的理念,首先给出了平均协调功率因数限值(average coordination power factor limits,ACPF)的定义来评价省级电网的无功承受极限,并求解ACPF的优化数学模型,得到ACPF与省级电网下送负荷水平的相关性曲线;接着根据各500 kV变电站负荷的差异性,近似线性化计算上游关口协调功率因数限值,并以其为约束条件建立下游关口协调功率因数下限值的计算模型及其快速估算方法,实现AVC系统参数的动态整定;最后给出了AVC系统省地协调的关口无功功率控制实现方法。应用到广东某区域电网的仿真结果表明,所提的方法在节能降损、提升电压质量、提高省级电网电压无功安全裕度以及挖掘片区变电容量等方面优势更加明显。     

电子设备诊断规则提取的形式概念分析方法

针对从电子设备历史故障数据中获取诊断知识困难的问题,研究了基于形式概念分析的诊断规则提取方法。首先,定义了诊断形式背景以二值数据表形式化表示故障样本,设计了增量式算法分别构造测试参数集和诊断结果集的概念格;然后,根据两概念格外延包含关系构造广义可辨识矩阵和广义决策辨识函数,通过化简极小析取式对诊断形式背景进行属性约简,得到约简的测试参数集;最后,构造约简的概念格提取最优诊断规则集,用于诊断新的测试样本。该方法用于某型电子对抗系统管理控制计算机的诊断准确率达到83.3%,验证了从故障数据中提取诊断规则的有效性。     

基于高风险模式树挖掘方法的电力系统风险设备集分析

迅速积累的调度控制系统大数据为电网设备风险分析提供了充足的条件,在分析调度控制系统大数据特性的基础上,给出了具有普遍适用性的调度控制系统大数据分析的总体架构,并针对在电网风险管控中的应用,提出一种基于高风险模式树(HRT)的高风险设备集挖掘方法。通过分析电力系统中设备的风险诱发因素,定义了设备风险影响度,用于量化设备发生告警或故障后对电网运行的影响程度,并提出设备风险影响度计算指标体系,通过融合设备故障发生频次,计算设备风险值。以设备风险值为目标进行高风险设备集挖掘,通过构建HRT,保留原始事务数据库中各设备风险值及设备风险先验知识信息,根据HRT的路径信息输出满足一定风险阈值的高风险设备集。以调度控制系统的海量历史告警数据为基础进行了仿真,结果表明,HRT可以在告警数据中迅速挖掘出满足条件的高风险设备集,并且能够反映出高风险设备组合之间存在的潜在关联性。     

电力大数据智能化高效分析挖掘技术框架

随着智能电网的不断建设,各类生产经营管理活动中产生的海量、高频数据,具有实时性、易失性、突发性、无序性、无限性等特征,如何充分利用和分析这些数据,快速获取有价值的信息是当前电力大数据处理急需突破的难点。在分析目前电力大数据应用现状的基础上,构建了电力大数据智能化高效分析挖掘技术框架,同时从面向计算密集型电力大数据的特征分析技术、基于内存计算的高性能数据分析技术、电力大数据并行化分析框架及服务体系以及基于数据挖掘的母线超短期负荷预测技术4个方面详细描述了电力大数据智能化高效分析挖掘的关键技术,从而为电力业务数据的高效价值挖掘及在线决策分析提供理论依据及基础技术支撑。     

变电设备状态监测大数据的查询优化方法

变电设备状态监测数据体积大、价值密度低,传统数据处理方法不能很好地满足状态监视、评估与诊断等应用快速查询的需要。文中通过对状态监测数据特点和分布式列数据存储方法的分析,给出了变电设备状态监测的大数据处理框架。通过对监测时间、监测设备编号和设备编号等数据属性的组合,设计了3种状态监测数据复合行键结构,以提高状态监测数据行键查询的灵活性。为了解决在行键未知情况下全表扫描效率低下的问题,提出基于协处理器的二级索引构建方法,实现在非行键约束条件下的快速查询。实验结果表明,基于协处理器的二级索引方法在查询效率上比无索引和IHBase二级索引方式有了明显提高,对状态监测数据写入速度影响较小,能够较好地满足大数据环境下变电设备状态监测大数据快速、灵活查询的需要。     

电力设备状态监测大数据发展综述

论述了大数据在电力设备状态监测上的发展趋势与应用前景。首先分析了状态监测数据的大数据特征,并从大数据技术、大数据思想方法、大数据算法三个层面论述了大数据对电力设备状态监测的提升点。其次给出了基于大数据的电力设备状态监测系统架构,并从数据采集、数据去噪、特征提取、模式识别、知识挖掘、数据可视化几个方面论述了大数据与状态监测各个环节的结合点。最后通过一个综合监测系统案例,分析了大数据在多源异构数据融合、综合分析与诊断、设备故障预测上的应用。大数据在电力设备状态监测上的深入应用,有利于解决设备状态评价和故障预测的难题,推动该领域朝着更加智能化的方向发展。     

基于大数据分析的县公司综合评价策略

提出一种基于大数据分析的县公司综合评价策略。以1780家县公司数据为基础,建立考虑统计分析、决策树分析、数据包络分析等大数据技术的指标挖掘策略;通过信息挖掘构建一套适用于县公司综合评价的指标体系。以经济因素和企业因素为规则,建立基于县公司聚类的差异化权重计算方法,实现对县公司差异化发展内生和外生因素的联合判别,克服综合评价结果解释的单一化。通过浙江省的实证化应用,验证了所提策略的有效性和实用性。     

基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用

基于模糊粗糙集理论，提出了一种综合数据挖掘方法，并将其应用于空间负荷预测中。基于规则约简方法提出了循环采样方法，采用数据库知识获取技术按采集的样本属性值将样本聚类，根据聚类中心对连续取值的属性设定模糊值，根据决策属性的包含度对模糊粗糙规则进行筛选，并采用数据库知识获取技术实现了用地类型的转换。算例结果表明该方法简单灵活，可用于短期、中期和长期空间负荷预测中。     

智能电网监控运行大数据应用模型构建方法

由于电网数据具有多源、高维、先验、异构的特点,并且蕴含大量因果关系,如何从电网历史大数据中挖掘出不同应用场景的因果关系,从而构建监控运行业务应用是电网监控专业实际生产及管理的热点问题。文中根据电网大数据的因果关系特征,提出了一种新颖的基于因果关联分析和概率图模型建模的智能挖掘算法框架。结合相关性分析和格兰杰因果分析方法,该框架能够从海量多源多维生数据中提炼出因果关系变量集,进而生成监控大数据因果概率图模型。基于上述理论,提出一种两阶段的电网监控运行大数据应用模型的工程构建方法,第1阶段采用大数据分析方法从海量多源多维生数据中挖掘出存在强因果关系的变量集合,第2阶段通过人工经验与算法推荐的因果概率图模型相结合,构造出监控业务模型。基于上述模型构建的智能电网监控运行大数据分析系统,已在多个省级调控中心上线运行,其运行结果验证了所提方法的有效性。     

基于计量系统数据的图形模块在江门电网的应用

计量自动化系统由于接入终端的数量庞大,终端采集的数据丰富,处理海量数据,因此有必要采用一种直观、先进的技术手段展示计量自动化系统采集、分析的数据,有效减轻监控人员人工筛选工作量,快速掌握区域性用电负荷信息。基于计量自动化系统数据的图形展示模块,主要采用多源异质异构信息关联、信息可视化流程等创新方式,利用热点网络重构、信息聚集技术等关键技术对电力企业生产中的设备资产属性关系进行深层次挖掘,整合传感网络中实时采集的设备运行信息。经在江门电网应用实践证明,该模块在故障快速定位导航、负荷分布密集度分析、运行稳定性及经济性等方面发挥了重要作用。