[發明專利]一種適應電網多種調控運行場景的關聯特征選擇方法

有效

• 申請號: 202010191612.9
• 申請日: 2020-03-18
• 公開（公告）號: CN111369168B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 徐浩;鄢發齊;汪旸;徐箭;姜新雄;吳亞駿;蔡煜;董向明;程迪;廖思陽
• 申請（專利權）人: 武漢大學;國家電網公司華中分部
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 彭艷君

本發明涉及電力系統特征選擇技術，具體涉及一種適應電網多種調控運行場景的關聯特征選擇方法，首先從電力系統歷史實際數據的角度出發，對其進行標準化和預處理，使其成為能夠直接納入分析計算以及分類器的時間序列數據，隨后研究哪些特征變量可能指示電力系統場景的發生，或者典型場景的出現伴隨著哪些特征變量的變化，利用這些信息構建出特征備選集，然后利用灰色關聯度分析算法定量計算特征與目標典型場景之間關聯度數值，并對其進行排序，隨后設置合理的閾值，得到最終的特征子集，并利用分類器準確度對特征子集進行評價。該方法有利于調度人員在進行相關操作時有更好的指示，同時減少了電力系統的數據處理時間，提高了數據分析效率。

技術領域

本發明屬于電力系統特征選擇技術領域，尤其涉及一種適應電網多種調控運行場景的關聯特征選擇方法。

背景技術

近年來，隨著大電網一體化緊密互聯，送受端一體化特征顯著。高滲透率可再生能源的接入，電力系統的安全穩定與經濟運行也迎來了巨大挑戰。電網中投入高比例電力電子設備，使得系統動態穩定性更為復雜。這些新能源以及隨機性負荷在大規模接入電網時，其隨機性與間歇性會大大提升電網規劃與調度的難度，也可能會造成電網出現嚴重故障、重要斷面重載、電力供需失衡、新能源消納受阻等不同電力場景。而數據維數增加會顯著增加相關數據分析處理的時間，降低了運行效率，還可能導致“維數災難”。也不是所有數據特征都與分析目標密切相關，無用的數據特征很可能將會大大降低一些分類器以及預測器的準確性，造成不必要的模型訓練時間的延長。目前機器學習、深度學習等相關智能算法廣泛應用于電力系統，但電力系統中的數據樣本獲取難度大。若數據維數顯著超過訓練樣本數很可能會導致過擬合等現象的發生。并且目前的調度為被動等待電網事故到來，對自然災害等可預知的風險預警預防還有提升空間；對機組功率波動沒有有效監控手段，依賴電廠匯報；對電網突發輿情事件沒有監控手段，依賴下級調度匯報；技術支持系統信息紛繁分散，缺乏集中監視功能等。

現有的調度模式缺乏對于電力系統各典型場景的特征分析，不能找準典型場景與其關聯特征之間的關系，在對電力系統數據進行實際分析時往往不能有很好地針對性，對電力場景的類型判斷存在準確性低、耗時高、所需處理數據量大等缺點。不能很好地預測和判斷電力系統所處的運行場景，調度人員也就無法做出準確的運行決策，這將會對電力系統的安全穩定運行造成極大的危害。特征選擇方法起源于計算機領域，其作用是從原始特征集中，利用相關方法得到一個可以代表原特征集信息的特征子集，該方法可以有效地剔除一些與分析目標無關的數據，剔除冗余，降低特征維數，在提高分類器和預測算法準確性和減少數據計算量方面都有重要作用。

因此，在電網機構日益復雜，數據量和數據類型都不斷增長的今天，為了能夠提高電網對于可能出現的嚴重故障、重要斷面重載、電力供需失衡、雷電預警、新能源消納等不同典型場景的辨識和預測能力，降低計算復雜度，需要找到和電力系統典型場景最為相關的特征，構建典型場景關聯特征庫。

發明內容

本發明的目的是提供一種適應電網多種調控運行場景的關聯特征選擇方法。

為實現上述目的，本發明采用的技術方案是：一種適應電網多種調控運行場景的關聯特征選擇方法，包括以下步驟：

步驟1、輸入電網歷史數據，利用數據流方法對其進行標準化預處理，構建時間序列數據，得到訓練集和測試集；

步驟2、根據電力系統典型場景和特定場景，構建特征變量備選集；

步驟3、將所構建的特征變量備選集以及預處理形成的時間序列數據納入灰色關聯度計算程序，得到各特征變量與目標電力場景之間的定量關系，并對其進行大小排序，隨后設置合理閾值，篩選出關聯度數值排名較高的特征變量，形成針對典型場景的特征子集；

步驟4、利用針對典型場景得到的特征子集作為分類器的分類參考特征，輸入歷史數據片段進行分類，并與其類型標簽進行對比，計算采用特征子集進行分類的準確率，從而對特征子集的性能進行評價。