[發明專利]一種基于大數據的電網事故預測方法

有效

• 申請號: 202010950334.0
• 申請日: 2020-09-11
• 公開（公告）號: CN112115180B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 宋士瞻;王傳勇;張健;韓蓬;康文文;楊鳳文;王坤;王為帥;李森;張建華;侯文;張瑞;仇翠;柳濤;潘明;夏清普
• 申請（專利權）人: 國網山東省電力公司棗莊供電公司;江蘇宏源電氣有限責任公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/215;G06Q50/06
• 代理公司: 無錫智麥知識產權代理事務所(普通合伙) 32492
• 代理人: 王普慧

1.一種基于大數據的電網事故預測方法，其特征在于，包括下述步驟：

步驟1：大數據采集

輸入大數據，

步驟2：大數據清洗

去除人為因素造成的電網運行異常，

經過數據清洗的數據矩陣記為S′；

步驟3：大數據歸一化

對步驟2得到數據矩陣S′進行歸一化；

步驟4：數據分類

計算質心并判斷有效性；

步驟5：提取關鍵信息

根據閾值提取關鍵信息；

步驟6：新數據預測

用提取的關鍵信息進行新數據預測；

步驟7：根據分類結果，做提前預處理

根據事件所屬類別特點，采取對應的預處理方案；

所述的步驟1包括，

輸入的數據包括電網的負荷、用電量、天氣情況、用戶信息、電網運行情況，輸入的數據以時間為依據進行整理，即相同時間點的數據作為一組，假設共有n個時間點的數據，共有m個輸入參數，則可以得到數據矩陣S；

其中第一列對應電網負荷數據，第二列對應用電量數據，第三列對應天氣情況，依次類推；

其中電網負荷、用電量均為直接采集的數據，天氣情況為氣象部門給出的數據，用戶信息為電網管理部門的基礎數據，電網運行情況只有兩種情況，正常運行時為“1”，不正常運行時為“0”；該列用于后續剔除污染數據；

所述的同時間信息指的是在數據矩陣S中，同一行的數據應為同一時間點的數據，時間間隔根據需要可以為：周、天、小時或15分鐘；

所述的步驟5包括，

對每個集合中的元素均計算該元素與最新更新的質心之間的距離，該距離稱為元素-質心距，具體計算方法與步驟4.2中的計算方法類似；將該集合中所有元素-質心距累加得到總元素-質心距，用總元素-質心距除以元素個數得到第一閾值A1，元素-質心距最大值的0.75倍為第二閾值A2；

所述的步驟6包括，

當接收到新數據時，用步驟3的方法對數據進行歸一化，然后分別計算新收到數據與每個集合質心的距離；因為一共5個集合，因此得到5個距離，然后做下述判斷

當只有1個距離在第一閾值A1內時，判定該新數據屬于該集合，將該集合特征輸出；

當有1個以上距離在第一閾值A1內時，該新數據需人工判斷；

當沒有距離在第一閾值A1內，且只有1個距離在第二閾值A2以內時，判定該新數據屬于該集合，將該集合特征輸出；

當沒有距離在第一閾值A1內，且有1個以上距離在第二閾值A2內時，則以距離長短為判斷依據，即與哪個質心距離短，就該新數據屬于該集合，將該集合特征輸出；

當沒有距離在第一閾值A1內，且沒有距離在第二閾值A2內時，該新數據需人工判斷；

如果判定結果為屬于某個集合，則輸出該集合特征；如果判定結果為需要人工判斷，則輸出該數據；

所述的步驟4包括

步驟4.1取前5行數據

在數據矩陣S″中取前5行數據，分別記為點

P1(a″₁₁，a″₁₂，…，a″_1m)，

P2(a″₂₁，a″₂₂，…，a″_2m)，

P3(a″₃₁，a″₃₂，…，a″_3m)，

P4(a″₄₁，a″₄₂，…，a″_4m)，

P5(a″₅₁，a″₅₂，…，a″_5m)；

該5個點設為初始質心，此時上述5個點的坐標分別記為

P1質(a″_11質，a″_12質，…，a″_1m質)，

P2質(a″_21質，a″_22質，…，a″_2m質)，

P3質(a″_31質，a″_32質，…，a″_3m質)，

P4質(a″_41質，a″_42質，…，a″_4m質)，

P5質(a″_51質，a″_52質，…，a″_5m質)；

對于數據矩陣S″中的其他行數據，也將其看成點，

即Pi(a″_i1，a″_i2，…，a″_im)，數據矩陣S″共可為u＝n-e個點，其中n是步驟1輸入的時間點的個數，e是步驟2中數據清洗時去掉行的個數；

步驟4.2計算每個點與質心的距離

即對于Pi點，用下述公式計算

步驟4.3排序

將Li1質-Li5質由小到大排序，取排序后第一個數值對應的集合作為Pi點的集合；

步驟4.4計算集合質心

對上述每個集合用下述公式計算集合質心

……

其中j是集合中元素的個數；

步驟4.5判斷是否收斂

當第一次執行時，直接重復執行步驟4.2-4.4，

當第二次以上執行時，判斷相鄰兩次迭代中每個集合中的元素是否相同，若相同判斷結果收斂，執行步驟5，若結果不收斂直接重復執行步驟4.2-4.5。