用于电压暂降治理的SSTS与DVR协调动作策略制定方法和装置

用于电压暂降治理的ssts与dvr协调动作策略制定方法和装置
技术领域
1.本发明涉及电压暂降治理技术领域，具体为一种用于电压暂降治理的ssts与dvr协调动作策略制定方法和装置。


背景技术：

2.随着高精尖企业的快速发展，大量敏感负荷投入生产过程，相关环节因对电压暂降敏感导致工业过程中断的情况频发，给用户造成了巨大的经济损失。目前电压暂降治理工作通常分层级开展，用户电网级、用户设备级作为主流治理层级，尤其以安装10kv侧ssts、380v侧dvr进行电压暂降协同治理的方案应用广泛。ssts与dvr的协调动作策略直接影响敏感用户电压暂降的治理效果。此外，ssts、dvr治理设备的投资大，最优的协调动作策略将有效减少设备的动作次数，增加设备的使用寿命。因此用于电压暂降治理的ssts与dvr协调动作策略的研究具有重要意义。
3.在ssts与dvr协调动作策略方面，现有技术研究了基于电压跌落等级划分与时序配合的ssts与dvr协调控制方法，主要是先判断dvr动作与否，再根据持续时间判断ssts动作。具体实现方案为：(1)针对dvr的动作策略是人为设置电压阈值，电压跌落到阈值之下dvr即动作。(2)针对ssts动作，策略一是在dvr启动的基础上，根据持续时间大于2ms再启动ssts，闭锁dvr；策略二是在dvr未启动的基础上，根据持续时间大于2ms先启动dvr，待dvr能量耗尽后，再启动ssts。
4.目前ssts与dvr协调动作策略的缺点主要有：
5.(1)人为设置阈值虽然是基于敏感负荷耐受特性的考虑，但并未考虑用户的全工业过程，电压暂降并不一定会造成用户工业过程的中断，且部分敏感用户遭受电压暂降后自动恢复。现有技术单纯地通过电压检测值与阈值比较来判断是否动作，导致设备动作频繁，增加了dvr的无效动作次数，未统筹考虑电压暂降对敏感用户工业过程的影响。
6.(2)现有技术并未给出dvr应对不同类型敏感负荷遭受不同程度电压暂降事件时的动作策略，固定阈值的统一dvr动作策略并不适用于所有安装dvr的敏感负荷，仅适用于单台dvr的特定治理场景。
7.(3)用户所有敏感负荷一般均为同一接入母线供电，所以各工业子过程的各类敏感负荷在同一事件下遭受的扰动是相同的，若ssts动作即可保证所有敏感负荷免遭电压暂降影响，则无需dvr动作，由此需要分析ssts和dvr可满足哪些敏感负荷的治理需求，在电压暂降事件发生时刻即判断出ssts是否动作。现有技术因未考虑上述因素，增加了ssts和dvr的不必要动作。
8.(4)dvr对敏感负荷的支撑能力由安装dvr的容量、补偿电压决定，在经济性最优的基础上配置满足敏感负荷治理需求的dvr是直接影响最终治理效果的关键要素。现有技术大多未有基于dvr最优治理方案确定治理设备动作策略，存在经济性欠佳的问题，降低了用户的投资治理意愿。
9.术语解释：
10.ssts：固态切换开关，“solid state transfer switch”的缩写，是一种切换型电压暂降治理设备。主要原理是当检测到一路进线发生电压暂降时，通过控制进线和母联开关联动，快速将负荷转移到另一路正常供电的进线。设备本身并不具备备用供电能力，存在一定的切换时间，负荷经受电压暂降的时间取决于切换速度。
11.dvr：动态电压恢复器，“dynamic voltage restorer”的缩写，是一种补偿型电压暂降治理设备。主要原理是当电压暂降的发生导致敏感负荷突然失电时，向其继续提供正常工作所需的电能，利用设备自身能力消除负荷端遭受的暂降影响。
12.敏感负荷vtc曲线：敏感负荷电压耐受曲线(voltage tolerance curve，vtc)用于表征敏感负荷的电压暂降耐受能力，如图1所示。在以持续时间、幅值分别为横、纵坐标的坐标图上通常为矩形形式，根据膝点位置确定vtc曲线的位置。根据电压暂降的幅值和持续时间在坐标图上标出电压暂降点，当电压暂降点位于曲线内部时，敏感负荷故障；当电压暂降点位于曲线外部时，敏感负荷正常运行。


技术实现要素：

13.针对上述问题，本发明的目的在于提供一种用于电压暂降治理的ssts与dvr协调动作策略制定方法和和装置，在考虑敏感负荷耐受特性的基础上，兼顾分析电压暂降对用户全工业过程的影响，在最大程度保证ssts与dvr协同治理效果的同时，减少了治理设备的不必要动作次数。技术方案如下：
14.一种用于电压暂降治理的ssts与dvr协调动作策略制定方法，包括以下步骤：
15.步骤1：敏感负荷分组治理：考虑敏感用户的全工业过程，实现ssts治理与dvr治理两组敏感负荷的分组；针对安装dvr进行补偿治理的敏感负荷再次进行分组优化，最终输出分组矩阵与分组补偿电压；
16.步骤2：电压暂降持续时间分类：基于历史电压暂降监测数据特征，通过构建决策树，预测新产生电压暂降事件发生时刻的持续时间是否小于ssts切换时间，以此进行分类；
17.步骤3：根据步骤1得到的敏感负荷的分组治理方案，以及步骤2得到的电压暂降持续时间的分类，当监测到电压暂降时，制定ssts与dvr的动作策略如下：
18.若电压暂降持续时间小于ssts切换时间，则ssts动作，否则不动作；
19.若电压暂降的幅值小于等于某组敏感负荷中电压暂降耐受幅值的最小值，则该组dvr动作。
20.进一步的，所述步骤1的敏感负荷分组治理具体包括：
21.步骤1.1：根据敏感负荷在工业过程中的连接方式、作用类型对各敏感负荷进行分组，包括：
22.s1型敏感负荷：跳闸将会导致所处子过程中断的电气串联型敏感负荷；
23.s2型敏感负荷：跳闸不会导致子过程中断，所有s2型敏感负荷都跳闸才会导致子过程中断的电气并联型敏感负荷；
24.s3型敏感负荷：通过信号控制作用于工业过程，并不直接连接在工业过程中，但跳闸将会导致控制过程中断的控制并联型敏感负荷；
25.步骤1.2：基于上述分组进一步对各敏感负荷进行二次分组：
26.1)对于s2型敏感负荷，根据其在遭受电压暂降后能否自动恢复，划分为两类：能自动恢复和不能自动恢复；
27.2)将s1、s3型敏感负荷以及s2型中不能自动恢复的敏感负荷，根据能耐受的电压暂降持续时间t
torlance
，划分为t
torlance
≤t1和t
torlance
>t1两类，t1为ssts切换时间；前者通过安装dvr进行补偿治理，后者通过ssts切换线路进行治理；
28.步骤1.3：将耐受电压暂降持续时间t
torlance
≤t1的敏感负荷再进行dvr治理的分组优化：分组目标为安装最少容量的dvr，治理目标为实现用户敏感工业过程的中断概率最小；由此以安装dvr容量的最小化、敏感工业过程中断概率的最小化为目标函数，构建敏感负荷分组优化模型，决策变量为分组矩阵与分组补偿电压。
29.更进一步的，根据所述步骤1.1中的分组，跳闸导致敏感负荷所处工业过程中断的概率的计算方法为：
30.假设工业用户共有n台敏感负荷，m个敏感工业过程；令j表示某台敏感负荷，m表示某个敏感工业过程，即j＝1,2,
…
,n，m＝1,2,
…
,m；则s1、s2和s3三种类型敏感负荷所处子过程的跳闸概率分别为：
[0031][0032][0033][0034]
其中，a、b、c分别为三种类型敏感负荷的台数，分别为三种类型敏感负荷的跳闸概率，为s3型敏感负荷控制的设备的跳闸概率；
[0035]
设第m个工业过程分别包含k、l、q个上述三种子过程，该工业过程中断概率为：
[0036][0037]
更进一步的，根据所述步骤1.3中敏感负荷的分组治理优化具体包括：
[0038]
1)设定目标函数：
[0039]
设分组矩阵[α0,α1,
…
,α
n
]
i
＝[α
j
]
i
，i表示第i个分组，α
j
＝0或1，α
j
＝0表示该敏感负荷不在第i组中，α
j
＝1表示该敏感负荷在第i组中；
[0040]
第一个优化目标为安装dvr的容量之和最小化：
[0041][0042]
其中，s
dvr
为i台dvr的容量之和，n为分组组数，u
i
为第i组分组补偿电压，u
n
为敏感用户的额定电压，s
load
‑
i
为第i组要治理的敏感负荷容量之和；
[0043]
第二个优化目标为敏感工业过程中断概率最小化：
[0044]
[0045]
其中，p
process
‑
m
为第m个敏感工业过程的中断概率；
[0046]
2)设定约束条件
[0047]
①
敏感负荷容量约束
[0048][0049]
其中，s
j
为第j台敏感负荷的额定容量；
[0050]
②
敏感负荷跳闸概率约束
[0051]
单一敏感负荷的跳闸概率p
j
为：
[0052]
p
j
＝∫∫
ω
p(t
sag
)p(u
sag
)du
sag
dt
sag
ꢀꢀꢀꢀꢀꢀꢀ
(8)
[0053]
其中，u
sag
、t
sag
分别为电压暂降的幅值和持续时间；p(u
sag
)、p(t
sag
)分别为电压暂降幅值和持续时间的概率密度函数；ω为负荷vtc曲线确定的故障区域；将每台敏感负荷的具体数据代入上式，可求出
[0054]
③
dvr补偿电压约束
[0055]
u
i
是第i组安装的dvr应输出的补偿电压幅值，即第i组分组矩阵中α
j
＝1的敏感负荷所需的补偿电压的最大值，表达式为：
[0056][0057][0058]
其中，为第j台敏感负荷的补偿电压，为第j台敏感负荷满足电压暂降治需求的最高补偿电压；
[0059]
④
敏感负荷分组组别约束
[0060]
对于任一台敏感负荷的分组只存在两种情况：
[0061]
a.不隶属于任一组，即：α
j
＝0∈[α0,α1,
…
,α
n
]
i
，且α
j
＝0∈[α0,α1,
…
,α
n
]
else
‑
i
；
[0062]
b.若分到了某一组，有且只能在该分组组别中；即：当α
j
＝1∈[α,α1,
…
,α
n
]
i
时，α
j
＝0∈[α0,α1,
…
,α
n
]
else
‑
i
；
[0063]
其中，[α0,α1,
…
,α
n
]
else
‑
i
为除第i个组外的其他组别的分组矩阵；
[0064]
3)模型求解
[0065]
通过nsga
‑
ii算法求解出模型的pareto最优解集，选用偏小型模糊满意度函数对pareto最优解集中的每组解对应的各目标函数赋予满意度，如式(11)所示：
[0066][0067]
式中，o∈{1,2,
…
，o}，o为目标函数的个数，μ
vo
为第v组pareto解对应第o个目标函数的满意度，f
vo
为pareto解集中第v组解对应的第o个目标函数的函数值，f
omin
为pareto解集中所有解对应的第o个目标函数函数值的最小值，f
omax
为pareto解集中所有解对应的第o个目标函数函数值的最大值；
[0068]
基于各pareto解对应的各目标函数的满意度，求出各pareto解的满意度μ
v
：
[0069][0070]
将满意度μ
v
最大的pareto解作为决策变量的最终解。
[0071]
更进一步的，所述步骤2具体包括：
[0072]
步骤2.1：条件属性数据离散化
[0073]
针对电压暂降持续时间的分类，从多维属性中选取幅值、相位跳变、日期、天气四个特征作为条件属性；对于幅值与相位跳变两类连续属性数据，采用chimerge离散方法，根据卡方检验合并相邻区间，直至符合准则条件；对日期数据离散化时，以天为单位，年为周期，化为值在1～365间连续变化的数字量；对于天气这种语言描述类数据，以天气类别划分；
[0074]
步骤2.2：构建决策树根节点
[0075]
1)计算电压暂降持续时间t
sag
<t1的信息熵e(t)：
[0076]
e(t)＝
‑
(p1log2p1+p2log2p2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0077]
其中，t1为ssts切换时间，p1、p2分别为从电压暂降持续时间历史数据集合t中随机选取一个数据，其大于等于t1和小于t1的概率；
[0078]
2)计算上述四个条件属性与t
sag
<t1间的条件熵e(t,x)：
[0079][0080]
其中，x表示四个条件属性，c表示某条件属性，p(c)为某条件属性与t
sag
<t1同时出现的联合概率，e(c)为某条件属性下、不同取值时t
sag
<t1的条件概率；
[0081]
3)计算上述四个条件属性与t
sag
<t1间的互信息gain(t,x)：
[0082]
gain(t,x)＝e(t)
‑
e(t,x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0083]
互信息的值越大，表明与t
sag
<t1间的相关性越高；选择互信息最大的条件属性作为决策树根节点；
[0084]
步骤2.3：构建决策树分支节点、叶节点
[0085]
具体操作流程同步骤2.2的三点，计算信息熵、条件熵、互信息，逐步以条件属性离散化结果中与t
sag
<t1互信息最大的结果、其他条件属性中与t
sag
<t1互信息最大的属性作为分支节点，反复迭代这一过程，直至最终基于历史数据构建以t
sag
<t
1“是、否”作为叶节点的完整决策树；
[0086]
步骤2.4：通过决策树进行分类
[0087]
当监测装置监测到电压暂降事件时，输入四个条件属性数据，利用已生成的决策树逻辑对新电压暂降事件的持续时间进行分类；当输入数据与决策树一致时，则进入下一分支进行判断，直至最终通过叶节点得出是或否的分类结果。
[0088]
一种用于电压暂降治理的ssts与dvr协调动作策略制定装置，包括敏感负荷分组治理模块、电压暂降持续时间分类模块和ssts与dvr协调动作策略模块；
[0089]
所述敏感负荷分组治理模块包括第一分组模块、第二分组模块和敏感负荷分组治理优化模块；
[0090]
所述第一分组模块根据敏感负荷在工业过程中的连接方式、作用类型将敏感负荷分为电气串联型敏感负荷、电气并联型敏感负荷和控制并联型敏感负荷；
[0091]
所述第二分组模块将电气并联型敏感负荷分为能自动恢复和不能自动恢复，并将电气串联型敏感负荷、控制并联型敏感负荷以及电气并联型敏感负荷中不能自动恢复的敏感负荷根据能耐受的电压暂降持续时间与ssts切换时间的大小关系进一步分类；
[0092]
所述敏感负荷分组治理优化模块将能耐受的电压暂降持续时间小于等于ssts切换时间的敏感负荷进一步分组优化；
[0093]
所述电压暂降持续时间分类模块基于历史电压暂降监测数据特征，通过构建决策树，预测新产生电压暂降事件发生时刻的持续时间是否小于ssts切换时间，以此进行分类；
[0094]
所述ssts与dvr协调动作策略模块根据所述敏感负荷分组治理模块和电压暂降持续时间分类模块的分类结构，制定ssts与dvr的动作策略：
[0095]
若电压暂降持续时间小于ssts切换时间，则ssts动作，否则不动作；
[0096]
若电压暂降的幅值小于等于某组敏感负荷中电压暂降耐受幅值的最小值，则该组dvr动作。
[0097]
本发明的有益效果是：
[0098]
1)本发明在考虑敏感负荷耐受特性的基础上，兼顾分析电压暂降对用户全工业过程的影响，在最大程度保证ssts与dvr协同治理效果的同时，减少了治理设备的不必要动作次数。
[0099]
2)本发明提到的敏感负荷分组治理方案适用于多台dvr的治理场景，给出了敏感负荷的分组方案和dvr治理的配置措施，经济性优。
[0100]
3)本发明提出的ssts与dvr的协调动作策略，无需人为设置动作阈值，而是根据用户的实际电压暂降情况，基于最优的治理方案作出动作响应，有效减少了设备的无效动作次数。
附图说明
[0101]
图1为敏感负荷vtc曲线。
[0102]
图2为本发明用于电压暂降治理的ssts与dvr协调动作策略制定装置的结构图。
[0103]
图3为nsga
‑ⅱ
算法求解流程图。
具体实施方式
[0104]
下面结合附图和具体实施例对本发明做进一步详细说明。
[0105]
本发明的ssts与dvr协调动作策略制定装置包含“模块一：敏感负荷分组治理模块”、“模块二：电压暂降持续时间t
sag
分类模块”以及“模块三：ssts与dvr协调动作策略模块”三个模块，实现一种用于电压暂降治理的ssts与dvr协调动作策略，总流程图如图2所示。模块一：敏感负荷分组治理模块
[0106]
此模块为敏感负荷分组治理模块，考虑敏感用户的全工业过程，实现ssts治理与dvr治理两组敏感负荷的分组；针对安装dvr进行补偿治理的敏感负荷再次进行分组优化，最终输出分组矩阵与分组补偿电压。该模块包含以下步骤：
[0107]
步骤1：敏感负荷分组i
[0108]
根据敏感负荷在工业过程中的连接方式、作用类型对各敏感负荷进行分组。
[0109]
(1)电气串联型(s1)：跳闸将会导致所处子过程中断的敏感负荷；
[0110]
(2)电气并联型(s2)：跳闸不会导致子过程中断，在此假设所有s2类型敏感负荷都跳闸才会导致子过程中断；
[0111]
(3)控制并联型(s3)：通过信号控制作用于工业过程，并不直接连接在工业过程中，但跳闸将会导致控制过程中断的敏感负荷。
[0112]
假设工业用户共有n台敏感负荷，m个敏感工业过程；令j表示某台敏感负荷，m表示某个敏感工业过程，即j＝1,2,
…
,n，m＝1,2,
…
,m。假设ssts切换时间为t1，dvr切换时间为t2，实际情况中，t1>t2。
[0113]
三种类型敏感负荷所处子过程的跳闸概率分别为：
[0114][0115][0116][0117]
其中，a、b、c分别为三种类型敏感负荷的台数，分别为三种类型敏感负荷的跳闸概率，为s3类型敏感负荷控制的设备的跳闸概率。
[0118]
设第m个工业过程分别包含k、l、q个上述三种子过程，该工业过程中断概率为：
[0119][0120]
步骤2：敏感负荷分组ii
[0121]
(1)针对s2型敏感负荷，通过其在遭受电压暂降后能否自动恢复，划分为两类：能自动恢复、不能自动恢复；
[0122]
(2)将s1、s3型敏感负荷以及s2型不能自动恢复的敏感负荷，根据能耐受的电压暂降持续时间t
torlance
分为≤t1，>t1两类，前者通过安装dvr进行补偿治理，后者通过ssts切换线路进行治理；
[0123]
(3)将耐受电压暂降持续时间≤t1的敏感负荷再进行dvr治理的分组优化。
[0124]
步骤3：敏感负荷分组治理优化
[0125]
针对安装dvr补偿治理的敏感负荷进行分组优化，分组目标是安装最少容量的dvr，治理目标是实现用户敏感工业过程的中断概率最小，由此以安装dvr容量的最小化、敏感工业过程中断概率的最小化为目标函数，构建敏感负荷分组优化模型，决策变量为分组矩阵与分组补偿电压。
[0126]
(1)目标函数
[0127]
设分组矩阵[α0,α1,
…
,α
n
]
i
＝[α
j
]
i
，i表示第i个分组，α
j
＝0或1，α
j
＝0表示该敏感负荷不在第i组中，α
j
＝1表示该敏感负荷在第i组中。第一个优化目标为安装dvr的容量之和最小化：
[0128]
[0129]
其中，s
dvr
为i台dvr的容量之和，n为分组组数，u
i
为分组补偿电压，u
n
为敏感用户的额定电压，s
load
‑
i
为第i组要治理的敏感负荷容量之和。
[0130]
另外，由于每个组是有1台dvr，因此i个组就有i台dvr。
[0131]
第二个优化目标为敏感工业过程中断概率最小化：
[0132][0133]
其中，p
process
‑
m
为第m个敏感工业过程的中断概率。
[0134]
(2)约束条件
[0135]
①
敏感负荷容量约束
[0136][0137]
其中，s
j
为第j台敏感负荷的额定容量。
[0138]
②
敏感负荷跳闸概率约束
[0139]
单一敏感负荷的跳闸概率p
j
为
[0140]
p
j
＝∫∫
ω
p(t
sag
)p(u
sag
)du
sag
dt
sag
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0141]
其中，u
sag
、t
sag
分别为电压暂降的幅值和持续时间；p(u
sag
)、p(t
sag
)分别为电压暂降幅值和持续时间的概率密度函数，根据历史监测数据拟合得到；ω为负荷vtc曲线确定的故障区域，随着u
i
的变化，vtc曲线的膝点改变，ω随之变化。将每台敏感负荷的具体数据代入上式，可求出
[0142]
③
dvr补偿电压约束
[0143]
u
i
是第i组安装的dvr应输出的补偿电压幅值，即第i组分组矩阵中α
j
＝1的敏感负荷所需的补偿电压的最大值，表达式为：
[0144][0145][0146]
其中，为第j台敏感负荷的补偿电压，为第j台敏感负荷满足电压暂降治需求的最高补偿电压。
[0147]
④
敏感负荷分组组别约束
[0148]
对于任一台敏感负荷的分组只存在两种情况：
[0149]
a.不隶属于任一组，即：α
j
＝0∈[α0,α1,
…
,α
n
]
i
，且α
j
＝0∈[α0,α1,
…
,α
n
]
else
‑
i
；
[0150]
b.若分到了某一组，有且只能在该分组组别中。即：当α
j
＝1∈[α,α1,
…
,α
n
]
i
时，α
j
＝0∈[α0,α1,
…
,α
n
]
else
‑
i
。
[0151]
其中，[α0,α1,
…
,α
n
]
else
‑
i
为除第i个组外的其他组别的分组矩阵。
[0152]
(3)模型求解
[0153]
优化模型中dvr容量最小和工业过程中断概率最小是两个相互矛盾的目标，当决策变量在给定的可行域内变化时，dvr容量的优化将引起工业过程中断概率的劣化，使目标函数同时达到最小值的一组解并不存在，只能求取pareto解集。nsga
‑
ii算法是一种基于遗传算法的搜索pareto前沿的有效方法，适用于此处多目标优化模型的求解，具体求解流程
如图3所示。
[0154]
通过nsga
‑
ii算法求解出pareto最优解集后，需要选择一组最优折衷解作为敏感负荷分组及每组补偿电压的最终方案。
[0155]
此处优化模型的两个目标函数均追求的是最小值，选用偏小型模糊满意度函数对pareto最优解集中的每组解对应的各目标函数赋予满意度，如式(11)所示：
[0156][0157]
式中，o∈{1,2,
…
，o}，o为目标函数的个数，μ
vo
为第v组pareto解对应第o个目标函数的满意度，f
vo
为pareto解集中第v组解对应的第o个目标函数的函数值，f
omin
为pareto解集中所有解对应的第o个目标函数函数值的最小值，f
omax
为pareto解集中所有解对应的第o个目标函数函数值的最大值。
[0158]
基于各pareto解对应的各目标函数的满意度，求出各pareto解的满意度μ
v
：
[0159][0160]
将满意度μ
v
最大的pareto解作为决策变量的最终解。
[0161]
模块二：电压暂降持续时间t
sag
分类模块
[0162]
此模块为电压暂降持续时间t
sag
分类模块，基于历史电压暂降监测数据特征，通过构建决策树预测新产生电压暂降事件发生时刻的持续时间t
sag
<t1的分类：是或否，“是”表明t
sag
<t1，“否”表明t
sag
≥t1。该模块包含以下步骤：
[0163]
步骤1：条件属性数据离散化
[0164]
针对电压暂降持续时间的分类，从多维属性中选取幅值、相位跳变、日期、天气四个特征作为条件属性。对于“幅值”与“相位跳变”两类连续属性数据，采用chimerge离散方法，根据卡方检验合并相邻区间，直至符合准则条件；对“日期”数据离散化时，以天为单位，年为周期，化为值在“1～365”间连续变化的数字量；对于“天气”这种语言描述类数据，划分为“晴、雪、雷雨、多云”四种。
[0165]
步骤2：构建决策树根节点
[0166]
(1)计算电压暂降持续时间t
sag
<t1的信息熵e(t)：
[0167]
e(t)＝
‑
(p1log2p1+p2log2p2)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0168]
其中，p1、p2分别为从电压暂降持续时间历史数据集合t中随机选取一个数据≥t1、<t1的概率。
[0169]
(2)计算四个条件属性与t
sag
<t1间的条件熵e(t,x)：
[0170][0171]
其中，x表示四个条件属性，c表示某条件属性，p(c)为某条件属性与t
sag
<t1同时出现的联合概率，e(c)为某条件属性下、不同取值时t
sag
<t1的条件概率。
[0172]
(3)计算四个条件属性与t
sag
<t1间的互信息gain(t,x)：
[0173]
gain(t,x)＝e(t)
‑
e(t,x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0174]
互信息的值越大，表明与t
sag
<t1间的相关性越高。选择互信息最大的条件属性作为决策树根节点。
[0175]
步骤3：构建决策树分支节点、叶节点
[0176]
具体操作流程同步骤2的三点，计算信息熵、条件熵、互信息，逐步以条件属性离散化结果中与t
sag
<t1互信息最大的结果、其他条件属性中与t
sag
<t1互信息最大的属性作为分支节点，反复迭代这一过程，直至最终基于历史数据构建以t
sag
<t
1“是、否”作为叶节点的完整决策树。
[0177]
步骤4：通过决策树进行分类
[0178]
当监测装置监测到电压暂降事件时，输入四个条件属性数据，利用已生成的决策树逻辑对新电压暂降事件的持续时间进行分类。当输入数据与决策树一致时，则进入下一分支进行判断，直至最终通过叶节点得出是或否的分类结果。
[0179]
模块三：ssts与dvr协调动作策略模块
[0180]
此模块为ssts与dvr协调动作策略模块，应用模块一输出结果确定敏感负荷的分组治理方案，在监测到电压暂降事件发生时刻，应用模块二输出t
sag
分类，基于模块一和模块二的输出结果，当监测到电压暂降时，制定ssts与dvr的动作策略如下：
[0181]
(1)若t
sag
<t1，ssts动作；若t
sag
≥t1，ssts不动作。
[0182]
(2)u
sag
≤u
tolercance
‑
i
，第i组dvr动作。其中，u
tolercance
‑
i
为第i组敏感负荷中电压暂降耐受幅值的最小值。
[0183]
综上，针对本发明的方案总结如下：
[0184]
1)针对敏感负荷是否要治理以及应用ssts或dvr哪种设备治理的问题，本发明提出了一种考虑用户全工业过程的敏感负荷分组方法，该方法从单台敏感负荷跳闸导致用户全工业过程中断概率的角度出发，基于ssts与dvr的工作特性，划分为两大类；
[0185]
2)针对通过dvr治理的敏感负荷，本发明提出了一种敏感负荷分组治理优化模型，该模型以安装的dvr容量之和最小与用户工业过程中断概率最小为目标，考虑四个约束条件，通过nsga
‑
ii算法以及偏小型模糊满意度函数，最终确定了分组方案以及每组的补偿电压；
[0186]
3)针对ssts是否动作取决于电压暂降持续时间这一关键因素的问题，本发明提出了一种通过决策树对t
sag
进行分类的方法，最终输出t
sag
<t1是或否的分类；
[0187]
4)本发明基于上述三点最终提出了一种用于电压暂降治理的ssts与dvr协调动作策略，通过要点1)、3)确定了ssts的动作依据，通过要点1)、2)确定了每组dvr的动作依据。