[發明專利]一種基于數據挖掘的配電網運行數據異常判定方法

在審

• 申請號: 202210177121.8
• 申請日: 2022-02-25
• 公開（公告）號: CN114676749A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 楊錚宇;代盛國;張建偉;沈鑫;趙毅濤;王軼;劉斌
• 申請（專利權）人: 云南電網有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 沈鑫

本發明公開了一種基于數據挖掘的配電網運行數據異常判定方法，包括：設定原始電網運行數據D以及離群點個數m，將其標準化處理后的數據放入K?means++聚類模型；得到聚類模型結果后，統計聚類后每個簇的數據個數n(i)，判定i的值是否大于設定的離群點個數m；若n(i)大于等于m，采用LOF算法計算該類所有對象的LOF離群因子；生成最終的“離群點候選集”，根據計算并排序所有數據點的離群因子，形成線損異常情況集合；對所述線損異常情況集合中的運行數據進行歸納推理，得到異常發生的時間，將其追溯到配電網結構中后，對異常發生的地點進行定位。本發明能夠高效且準確地判定配電網運行數據中異常的發生，并確定異常發生的時間與地點。

技術領域

本發明涉及電力系統的技術領域，尤其涉及一種基于數據挖掘的配電網運行數據異常判定方法。

背景技術

數據挖掘技術包括數據整理、變換、挖掘、評估和認知等多項內容，可以直接從配電網運行數據的根本出發，全面了解數據的內容。隨著智能配電網、高級量測體系的不斷發展，配用電數據逐漸呈現出體量大、類型多、增速快等大數據特征。對配線損數據進行有效挖掘，對優化電網運行方式、提高電網服務水平、降低管理成本、提升電力公司經濟效益具有重大意義。

在大多數研究領域中，離群點也被稱為異常值。在數據挖掘中，往往是要剔除掉這些數據，但是某些情況下離群點本身就是研究對象。比如圖3，該圖是一個用戶一年中的用電線損率情況，明顯可見，其中有幾天的數據很不正常，這樣的點即是離群點。如果需要研究該用戶的用電規律時，這些點是理當去除的。可是，它們也反映出了一個信息，在數據統計方式正確的情況下，該用戶用電出現異常(異常可能是電表異常、用戶竊電、數據記錄有誤等)。這些線損數據中異常的離群點揭示了線路、臺區線損可能存在的異常情況，可以有效反映異常的發生，進而確定異常發生的時間與地點。

基于此，目前亟需對配電網運行數據中的異常進行高效且準確地判定的方法。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述現有存在的問題，提出了本發明。

因此，本發明解決的技術問題是：現有的技術無法對配電網異常的運行數據進行高效準確的判斷。

為解決上述技術問題，本發明提供如下技術方案：設定原始電網運行數據D以及離群點個數m，對D中數據進行標準化處理，將標準化處理后的數據放入K-means++聚類模型；得到聚類模型結果后，統計聚類后每個簇的數據個數n(i)，判定i的值是否大于設定的離群點個數m；若n(i)小于m，則認定該類數據量少于預設值，全部放入“離群點候選集”中；若n(i)大于等于m，采用LOF算法計算該類所有對象的LOF離群因子，將離群因子大于2的對象納入“離群點候選集”；將兩種情況合并形成最終的“離群點候選集”，根據計算并排序所有數據點的離群因子，形成線損異常情況集合；對所述線損異常情況集合中的運行數據進行歸納推理，得到異常發生的時間，將其追溯到配電網結構中后，對異常發生的地點進行定位。

作為本發明所述的基于數據挖掘的配電網運行數據異常判定方法的一種優選方案，其中：所述D中數據包括節點電流、節點電壓和對24小時的負荷特征值。

作為本發明所述的基于數據挖掘的配電網運行數據異常判定方法的一種優選方案，其中：所述聚類模型結果的獲取過程包括：

利用K-means聚類算法進行聚類分析，其歐式距離的定義為：

作為本發明所述的基于數據挖掘的配電網運行數據異常判定方法的一種優選方案，其中：還包括：平方誤差表示為式：