一种基于k均值的高铁电能质量监测数据分类方法
【专利摘要】本发明提出一种基于K均值的高铁电能质量监测数据分类方法，该方法首先将供电臂上仅有一辆高铁运行的电能质量数据分离出，然后利用高铁的运行时间、电能质量指标的统计值作为样本数据归一化后，进行K均值聚类，最终获取不同车型的电能质量监测数据的分类。本发明根据高铁牵引站电能质量监测数据，提供了一种简便快捷的将某供电臂上仅有一辆高铁运行的电能质量数据进行分离的方法；利用K均值聚类算法，完成了针对高铁车型的电能质量数据分类；不仅为研究某类型高铁运行过程中给电网带来的电能质量问题提供了基础。还可针对各种工况进行电能质量监测数据分类，为进一步细化高铁负荷的电能质量特性分析提供基础。
【专利说明】—种基于K均值的高铁电能质量监测数据分类方法
【技术领域】
[0001]本发明属于高铁的电能质量数据分析领域，提供涉及一种基于K均值的高铁电能质量监测数据分类方法。
【背景技术】
[0002]高速铁路以节能、环保、高效、安全、舒适、快捷、准时等特点在我国迅猛发展，其正日新月异的改变着人们的出行和生活。然而高速铁路机车功率大、行车速度高，给担负其供电任务的沿线电网的电能质量带来了一定的影响。
[0003]我国高速铁路采用交-直-交大功率机车、高速度(最高运行速度350km / h以上)、高密度(最小追踪间隔3min)、大编组(最大16辆编组)的运营模式；高速铁路特别是京沪高速铁路的运输模式采取高速列车和跨线列车混跑的模式，这决定者高速铁路牵引负荷的特殊性和复杂性。电气化高速铁路机车属于非线性和冲击性负荷，其给电网主要带来负序和谐波等电能质量影响；同时不同车型的机车运行时引起电网的电能质量特性不同，特别是谐波特性。这些不仅对电网中其它设备造成不利影响，而且对自身运行的稳定性和可靠性构成威胁。电气化铁道的电力机车为波动性很大的大功率单相整流负荷，而且由于列车在运行过程中的加速、惰行、制动的各种状态，以及线路坡度、弯道半径、气象条件、司机操作等因素以及供电臂上列车数量的变化，牵引负荷随机波动。因此，在进行电能计量的分析时，必须充分考虑到电力机车的负荷特性。采用不同的交-直电力机车，其产生的谐波含量不同。为了进一步研究某车型投运后的电能质量特性，评估其给电网带来的影响，本发明提出了一种针对车型对电能质量监测数据进行了分类研究的方法。
【发明内容】
[0004]为了克服现有技术的缺陷，本发明的目的在于提出一种基于K均值的高铁电能质量监测数据分类方法，该方法首先将供电臂上仅有一辆高铁运行的电能质量数据分离出，然后利用高铁的运行时间、电能质量指标及其统计值作为样本数据归一化后，进行K均值聚类，最终获取不同车型的电能质量监测数据的分类。该发明为进一步研究某车型投运后的电能质量特性，评估其给电网带来的影响，进而为电网采取积极的应对措施提供了基础。
[0005]本发明是通过如下技术方案实现的:
[0006]一种基于K均值的高铁电能质量监测数据分类方法，其特征在于，该方法包括如下步骤:
[0007](I)通过在线的电能质量监测仪获取高铁牵引站的电能质量监测数据；
[0008](2)依据有车运行时的电能质量监测数据以及高铁在供电臂的运行时间，筛选出供电臂上仅有一辆车运行的电能质量数据；
[0009](3)针对供电臂上仅有一辆车运行的电能质量数据，计算出一辆高铁的运行时间和电能质量指标的统计值；
[0010](4)将步骤(3)中的运行时间和电能质量指标的统计值作为样本数据，并进行归一化处理；
[0011](5)对进行归一化处理后的样本数据进行K均值聚类，以获取不同车型的电能质量监测数据分类。
[0012]进一步地，步骤(1)中，所述高铁牵引站的电能质量监测数据包括电压偏差、电流、负序电流、频率偏差、有功功率、无功功率、电量、谐波、间谐波、相角、电压波动与闪变、三相不平衡度、电压暂升、电压暂降和电压短时中断等。
[0013]进一步地，步骤(2)中，所述有车运行时的电能质量监测数据包括有功功率、负序电流和相角等。
[0014]进一步地，步骤(2)中，所述筛选出供电臂上仅有一辆车运行时的电能质量数据包括下述步骤:
[0015](a)当有车运行时的电能质量监测数据同时大于预设阀值时，则视为供电臂有车的时刻，将供电臂有车的时刻由前到后进行排序得到有车时段的时间序列；
[0016](b)根据有车时间序列，计算出各连续有车时段的时间长度；
[0017](C)判断各连续有车时段的时间长度与最短通行时间的大小，对连续有车时段进行划分；
[0018](d)判断各连续有车时段的时间长度与最长通行时间的大小，将连续有车时段划分为多辆车运行的有车时段和仅有一辆车运行的有车时段，进而得出供电臂上仅有一辆车运行时的电能质量数据。
[0019]进一步地,步骤(3)中，所述电能质量指标包括有功功率、无功功率、电流、负序电流、以及谐波的含量和次数等；所述电能质量指标的统计值包括电能质量指标的最大值、最小值、均值和方差等。
[0020]进一步地，步骤(3)中，所述一辆高铁的运行时间根据所述仅有一辆车运行时的电能质量数据所对应的起、止时刻的差值绝对值获得；
[0021]假设电能质量指标P按时间排列的向量为P，P=[p(l)，p(2),..., p(i),...,P(n)]，其中P(i)和P(n)分别为第i和n个采样时刻的电能质量指标，则所述电能质量指
标指标P的最大值为Pmax=Hiax(P)、最小值为Pmin=Hiin(?)、平均值为
【权利要求】
1.一种基于K均值的高铁电能质量监测数据分类方法，其特征在于，该方法包括如下步骤: (1)通过在线的电能质量监测仪获取高铁牵引站的电能质量监测数据； (2)依据有车运行时的电能质量监测数据以及高铁在供电臂的运行时间，筛选出供电臂上仅有一辆车运行的电能质量数据； (3)针对供电臂上仅有一辆车运行的电能质量数据，计算出一辆高铁的运行时间和电能质量指标的统计值； (4)将步骤(3)中的运行时间和电能质量指标的统计值作为样本数据，并进行归一化处理； (5)对进行归一化处理后的样本数据进行K均值聚类，以获取不同车型的电能质量监测数据分类。
2.根据权利要求1所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(1)中，所述高铁牵引站的电能质量监测数据包括电压偏差、电流、负序电流、频率偏差、有功功率、无功功率、电量、谐波、间谐波、相角、电压波动与闪变、三相不平衡度、电压暂升、电压暂降和电压短时中断。
3.根据权利要求1所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(2)中，所述有车运行时的电能质量监测数据包括有功功率、负序电流和相角。
4.根据权利要求1所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(2)中，所述筛选出供电臂上仅有一辆车运行时的电能质量数据包括下述步骤: (a)当有车运行时的电能质量监测数`据同时大于预设阀值时，则视为供电臂有车的时亥IJ，将供电臂有车的时刻由前到后进行排序得到有车时段的时间序列； (b)根据有车时间序列，计算出各连续有车时段的时间长度； (c)判断各连续有车时段的时间长度与最短通行时间的大小，对连续有车时段进行划分； (d)判断各连续有车时段的时间长度与最长通行时间的大小，将连续有车时段划分为多辆车运行的有车时段和仅有一辆车运行的有车时段，进而得出供电臂上仅有一辆车运行时的电能质量数据。
5.根据权利要求4所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(b)中，计算出各连续有车时段的时间长度包括如下步骤: 判断有车时间序列中相邻两时刻中后一时刻与前一时刻的时间差是否大于IOs ； 如<10s，则进入与后一时刻的下一时刻进行判断； 如> 10s，则将前一时刻视为该连续有车时段的终止时刻，将后一时刻视为下一连续有车时段的起始时刻，以此确定出各连续有车时段的时间长度。
6.根据权利要求4所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(C)中，对连续有车时段进行划分包括如下步骤: 判断各连续有车时段的时间长度与最短通行时间的大小； 如>最短通行时间，表示该连续有车时段是完整的； 如< 最短通行时间，则将该连续有车时段与后一连续有车时段形成新的连续有车时段，直至该新的连续有车时段的时间长度大于或等于最短通行时间为止。
7.根据权利要求4所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(d)中，将所述连续有车时段划分为多辆车运行的有车时段和仅有一辆车运行的有车时段包括如下步骤: 判断各连续有车时段的时间长度与最长通行时间的大小； 如>最长通行时间，则认为是多辆车运行的有车时段； 如<最长通行时间，则认为是仅有一辆车运行的有车时段，该时段对应的电能质量数据即为仅有一辆车运行时的电能质量数据。
8.根据权利要求1所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(3)中，所述电能质量指标包括有功功率、无功功率、电流、负序电流、以及谐波的含量和次数；所述电能质量指标的统计值包括电能质量指标的最大值、最小值、均值和方差。
9.根据权利要求8所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(3)中，所述一辆高铁的运行时间根据所述仅有一辆车运行时的电能质量数据所对应的起、止时刻的差值绝对值获得； 假设电能质量指标P按时间排列的向量为P，P= [p (I), P (2),...，p(i)，...，p(n)]，其中P(i)和P(n)分别为第i和η个采样时刻的电能质量指标，则所述电能质量指标指标P的最大值为Pmax=Hiax (P)、最小值为Pmin=Hiin(P)、平均值为
10.根据权利要求1所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(4)中，将一辆高铁的运行时间和电能质量指标的统计值映射到[0，+1]区间，设定V产(X' i,lX'i,M)是第i个样本数据，具共M个特征值，通过下式对样本数据进行归一化计算:
11.根据权利要求1所述的基于K均值的高铁电能质量监测数据分类方法，其特征在于，步骤(5)中，对进行归一化处理后的样本数据进行K均值聚类的方法包括如下步骤: (a)依据车型将仅有一辆车运行时的电能质量数据分为四类，所述车型包括高速列车8编组、高速列车16编组、中速列车8编组和中速列车16编组； (b)随机选取初始化聚类中心Vi(I)； 其中，?=1,2, *..,4, i表示类的序号；1表示初始迭代运算次数； (c)逐个将待聚类的样本数据(X1,X2,..., Xj,..., Xn)按照下述最小距离规则分配给4个聚类中心中的某一个Vi (t)，所述最小距离规则为: 计算第j个样本数据Xj与4个聚类中心Vi (t)，i=l，2，…，4的距离cKX^Via))，i=l,2，3，4，若(!(XjiVi (t))最小，则Xj为第i类，记为X' j ； 其中，和Xn表示第j和N个样本数据；t表示迭代运算次数，初始为I ;i表示类的序号，i=l, 2,…,4 ；(d)通过下式计算4个新的聚类中心:
【文档编号】G01R31/00GK103777091SQ201310676852
【公开日】2014年5月7日 申请日期:2013年12月13日 优先权日:2013年12月13日
【发明者】杨岑玉, 王同勋, 周胜军, 谈萌, 杨柳 申请人:国家电网公司, 国网智能电网研究院