一种基于Apriori算法的变电站电压暂降特性分析方法
【专利说明】-种基于Apriori算法的变电站电压暂降特性分析方法
[0001]
技术领域： 本发明涉及一种基于Apriori算法的变电站电压暂降特性分析方法，主要适用于从区 域电网的部分变电站电压暂降历史数据和各类影响因素中提取关联规则，W获取的规则对 区域内的所有变电站的电压暂降特性进行分析，属于电能质量分析方法技术领域。
【背景技术】
[0002] 随着现代科技技术的发展，敏感电力电子设备广泛应用W及新型电力负荷的出 现，大量的工业生产如半导体制造、纺织业、造纸业、计算机集成制造等对供电电能质量提 出了更高的要求。特别是大量敏感负荷的出现使得电压暂降问题近年来受到了广泛的关 注，已经逐渐成为对用户影响最大的电能质量问题之一。
[0003] 尽管电压暂降现象造成的影响巨大，但其持续的过程却十分短暂，要获取电压暂 降现象在一个区域电网内的整体传播情况和对全局的影响较难W实现，目前只能通过在变 电站层面的部分节点设置电能质量监测系统来对电压暂降现象进行监测和记录。针对电压 暂降特性的分析目前尚没有明确的手段，而通过建模仿真等方法去精确分析电压暂降的暂 态过程存在W下局限性；1)监测点只能针对部分变电站，尚不能在所有变电站上装设电能 质量监测系统，导致数据不全面；2)由于主变参数、线路参数等不尽相同，大量建模工作量 大且不切实际；3)分析结果对掌握电压暂降在全局的传播渗透情况却没有明显的帮助，对 实际应用意义不大，不利于推广使用。
[0004] 目前的电网虽然已经初步建立了一定规模的电能质量在线监测系统，能够获取大 量的电能质量监测数据，可W实现对部分节点电能质量的监测，并对各类暂态事件进行记 录。但在电网不断完善电能质量在线监测系统的同时仍存在W下几点问题；1)监测点不可 能覆盖全部变电站，并无法准确获取所有变电站的电能质量数据；2)由于长期运行的数据 积累，监测数据在不断增长，当前的电能质量数据、暂态事件历史数据量都极其庞大；3)目 前对电能质量数据的分析还停留在比较简单的层面，不够深入，海量数据所包含的信息及 价值却还未被充分挖掘。
[0005] 关联规则思想正是利用大量历史数据提取潜在规律，实现对规则的再利用。关联 规则分析是数据挖掘的重要分支，其通过描述数据库中不同数据属性之间所存在的潜在关 系规则，找出满足给定支持度和置信度之间的依赖关系。关联规则通过特定的搜索方法可 挖掘出数据集中项集之间有价值的关联关系，从而给出数据集的关联特征描述，可W帮助 决策者分析历史数据和当前数据的特征和规律，从而进一步对某些确定条件下的情况做出 满足一定置信程度的判断。
[0006] 而电压暂降事件的影响因素是多方面的，对于区域电网而言基于其历史数据来 说，电压暂降事件的产生、传播、对各节点的影响必然存在一定规律。在电网的长期运行当 中，电能质量智能信息系统已经累积了大量的电能质量电压暂降事件记录，在此基础上充 分融合其他信息系统的海量数据，采用Apriori算法寻找关联规则中的频繁项集，挖掘出 隐藏其中的模式并建立起数据间的关系得到强关联规则，形成关联规则历史知识库，对区 域电网内的各变电站的电压暂降特性进行关联分析，为电网的电能质量管理与决策提供参 考依据。
【发明内容】
[0007] 针对现有方法的局限性，本发明提供一种基于Apriori算法的变电站电压暂降特 性分析方法，主要适用于从区域电网的部分变电站电压暂降历史数据和各类影响因素中提 取关联规则，W获取的规则对区域内的所有变电站的电压暂降特性进行分析。
[0008] 本发明是通过W下技术方案实现的： 首先，对设有监测点的变电站的电压暂降历史数据进行梳理，统计并整理每次暂降事 件的相关属性包括时间属性、节点属性、故障属性、影响因素属性等方面，最终形成数据表， W每一次记录的暂降事件作为数据表中的行，每项属性作为列。其中各属性按照一定的规 则量化分层，并且W离散的整数代表不同的互斥层次。
[0009] 随后对数据表进行关联规则分析，其中包含频繁项集的产生和规则的产生两个环 节。频繁项集的产生是为了发现满足最小支持度阔值的所有项集，而随后从所发现的频繁 项集中提取高置信度的规则作为强关联规则。
[0010] 最后将挖掘后得到的强关联规则形成知识库，对区域电网内的变电站在指定了一 定的条件之后，通过与知识库中的规则进行匹配，就可W得到该站点可能出现的电压暂降 情况的预估，并可开展对应的暂降原因排查和防治工作。
[0011] 上述的变电站电压暂降特性分析方法，包括W下步骤： 1) 对电压暂降历史数据进行梳理，形成数据表，其中每一次记录的暂降事件作为数据 表中的行，每项属性作为列，各属性按照一定的规则量化分层，并且W离散的整数代表不同 的互斥层次； 2) 设置最小支持度阔值皿根据数据表产生满足要求的频繁项集； 3) 设置最小置信度阔值从上一步发现的频繁项集中提取满足置信度要求的 规则，并形成知识库； 4) 对规则进行使用，即对区域电网内的变电站在指定了一定的条件之后，通过与知识 库中的规则进行匹配，就可W得到该站点可能出现的电压暂降情况的预估。
[0012] 本发明所达到的有益效果： 1)本发明对区域电网电压暂降历史数据的关联规则进行挖掘，将挖掘后得到的强关联 规则形成知识库，对区域电网内的变电站在指定了一定的条件之后，通过与知识库进行匹 配，就可W得到该站点可能出现的电压暂降情况的预估。有助于挖掘产生电压暂降的主要 因素并进行相对应的防治并对电压暂降可能带来的风险进行评价。
[0013] 2)本发明所述的分析方法W变电站为对象，充分利用部分变电站所监测到的电压 暂降历史数据来分析区域电网内全部变电站的电压暂降特性，实现对现有的电能质量监测 系统的扩展应用，具有十分重要的现实意义。
[0014] 3)本发明所述的分析方法是直接基于历史数据的分析方式，只要对拥有电能质量 监测系统的区域电网均能实施，具有良好的实用性和可推广性。
【附图说明】
[0015] 图1为本发明一种基于Apriori算法的变电站电压暂降特性关联分析方法的流程 图； 图2为本发明所采用的Apriori算法产生频繁项集的算法流程图； 图3为本发明所采用的Apriori算法产生规则的算法流程图。
【具体实施方式】
[0016] 下面结合附图和【具体实施方式】对本发明进一步说明： 首先介绍关联规则分析中的一些基本术语W便对后续详细流程的说明： 1)在关联规则分析中，若一个项集包含^个项，则称之为左-项集。关联规则是形如X- 7的蕴涵表达式，其中X和7是不相交的项集，即Xn户0。
[0017] 2)关联规则的强度可W用支持度和置信度两个指标来度量。
[001引对于关联规则^一1^支持度指包含^U7的集合个数与总的集合个数的比例，用 于确定规则可W用于给定数据集的频繁程度，记作5化一乃： (1)
置信度指包含XU7的集合个数与包含X的集合个数的比例，用于确定7在包含X的 集合中出现的频繁程度，记作C化一乃： 似
3)关联规则的发现是指找出支持度大于等于/^如5^并且置信度也大于等于/Rinco