一种电能质量综合评估的方法和系统的制作方法
【专利摘要】本发明提供一种电能质量综合评估的方法，包括根据电能质量监测数据、公共信息数据及电力用户数据，得到分布式J个数据采集节点分别对应的J个样本集；提取共同的用户特征向量，得到对应的J个训练样本集，并进行数据转换，得到以数据块方式存储的J个数据集；将K个安全级别作为共同分类属性中的类别，并对J个数据集进行分类和计算，得到对应的每一类别的先验概率及条件概率；通过贝叶斯公式得到每一类别的类别概率，并确定类别概率中数值最大的类别对应的安全级别为电力线路当前电能质量的安全级别。实施本发明，综合考虑多种数据，通过海量样本来训练贝叶斯分类模型，然后根据模型能够快速的评估和预测暂态电能质量。
【专利说明】一种电能质量综合评估的方法和系统
【技术领域】
[0001] 本发明涉及电力系统【技术领域】和计算机数据处理【技术领域】，尤其涉及一种电能质 量综合评估的方法和系统。
【背景技术】
[0002] 电能质量综合评估的结果往往作为供用电双方制定供电合同的依据，有助于供用 电双方明确电能质量责任，并可作为电能商品分质计价的重要参考。同时，电能质量综合评 估是进行电能质量治理的前提，是对电网供电点电能质量的量化指标，对于干扰源与敏感 用户的供电方案制定、电源点的选择有重要意义。
[0003] 目前，虽然有许多国家标准和文献都对电能质量各单项指标的评估方法做了研 究，但是针对电能质量综合评估的研究较少，主要原因在于：当电能质量的多个指标共同作 用到一个电力系统时，不同等级的各项评估指标的组合对电力系统的影响，以及对电力系 统中运行设备的影响甚至于损坏形成的差别都较大，同时由于不同的用电设备对电能质量 各评估指标的重视程度也不相同，所以实现对电能质量的综合评估是非常复杂和困难的。
[0004] 鉴于电能质量的基本特征量是共同作用在同一电气设备上的，设备的工作状态和 性能是由电能质量多项指标共同决定的。由此可见，虽然电能质量特征量是多元化的，但是 其对设备性能的影响结果是需要综合多项特征指标来评估的。例如，连续型的谐波和负序 对同步电机造成的影响很类似，当衡量谐波电流引起同步电机的附加损耗和发热时，往往 折算成等效的基波负序电流来考虑。这就相当于把实时的谐波和负序电流进行综合评估， 然后与限值比较以判断对出力的影响。此外，当电压暂降的电压幅值和持续时间超过设备 的敏感曲线时，虽然并未出现电气连接的断开，但可能对用户造成比断电还严重的后果。因 此，对于电能质量的综合评估除了考虑各单项指标外，还需要考虑用户负荷的实际情况。电 能质量扰动对于用户设备和负荷的影响决定了综合评估的结果。
[0005] 电能质量综合评估的研究焦点是如何科学、客观地将一个多指标问题综合成单一 量化的指标问题，从而评定电能质量的等级。现有技术中，电能质量综合评估建立于单项评 估基础上，其对应的方法是把部分或全部电能质量扰动或某项电能质量扰动的多个特征指 标按属性量化后，采用归一、综合的算法得到一个综合指标或综合等级，缺点在于：各电能 质量指标具有明显的不相关性，从而导致它们相应的加权系数难以确定。
【发明内容】
[0006] 本发明实施例所要解决的技术问题在于，提供一种电能质量综合评估的方法和系 统，针对暂态电能质量问题，采用分布式贝叶斯分类算法，综合考虑电能质量监测数据、公 共信息数据及电力用户数据，并通过模仿和学习相关大数据中的海量样本来训练贝叶斯分 类模型，然后根据贝叶斯分类模型能够快速的评估和预测暂态电能质量。
[0007] 为了解决上述技术问题，本发明实施例提供了一种电能质量综合评估的方法，其 在任一电力线路上实现，所述方法包括： a、 根据分布式地预先存放于J个数据采集节点上的所述电力线路的电能质量监测数 据、公共信息数据及电力用户数据，得到所述J个数据采集节点分别对应的J个样本集；其 中，J为正整数； b、 根据所述得到的J个样本集，设置N个用户特征属性，且提取M个所述用户特征属性 作为所述J个数据采集节点共同的用户特征向量，并根据所述提取的共同用户特征向量， 得到所述J个数据采集节点分别对应的J个训练样本集，进一步将所述J个训练样本集进 行统一的数据转换和集成后，得到以数据块方式存储于所述J个数据采集节点的J个数据 集；其中，M彡N，N与M均为正整数；所述M个用户特征向量为X=G1,巧，...:?}; c、 将电能质量的K个安全级别分别作为所述J个数据集对应共同分类属性中的K个类 另IJ，并对所述J个数据集进行分类和计算，得到分类后的J个数据集对应的每一类别的先验 概率及条件概率；其中，K为正整数；所述K个类别为C = IC11C2PC^ ; d、 根据所述得到的每一类别的先验概率及条件概率，通过贝叶斯公式得到每一类别的 类别概率，并确定所述得到的类别概率中数值最大的类别对应的安全级别为所述电力线路 当前电能质量的安全级别。
[0008] 其中，所述步骤c的具体步骤包括： 将电能质量的K个安全级别分别作为所述J个数据集对应共同分类属性中的K个类 别； 根据各数据集中的数据块数据，计算出各数据集中与数据块对应的多个输入分片，并 根据所述计算出的各数据集中数据块对应的多个输入分片，构建各数据集中与所述输入分 片对应的多个映射器； 使用MP函数将各映射器的数据转换成key为Ci的第一键值对，计算出各映射器中每 一类别的样本数目和样本总数目，且将所述第一键值对按照键进行排序，并对排序后的键 值对进行分片，以及使用预设的函数分别将所述第一键值对中相同key的分片分配至同一 个Reduce函数，进一步计算出Reduce函数中类Ci的样本总数及其对应的先验概率P (Ci); 其中，Ci为所述K个类别其中任一；i彡K，i为正整数； 使用MP函数将各映射器的数据转换成key为（Ci, 的第二键值对，计算出各映射 器中每一类别分别对应的各用户特征向量的样本数目，且将所述第二键值对按照键进行排 序，并对排序后的键值对进行分片，以及使用预设的函数分别将所述第二键值对中相同key 的分片分配至同一个Reduce函数，进一步计算出Reduce函数中属于类Ci的所有样本中第 j个属性为\的总数，并根据先验概率P (Ci)得出对应的条件概率P (XI C1);其中，X1为所述 M个用户特征向量其中任一；j < M，j为正整数；
【权利要求】
1. 一种电能质量综合评估的方法，其特征在于，其在任一电力线路上实现，所述方法包 括： a、 根据分布式地预先存放于J个数据采集节点上的所述电力线路的电能质量监测数 据、公共信息数据及电力用户数据，得到所述J个数据采集节点分别对应的J个样本集；其 中，J为正整数； b、 根据所述得到的J个样本集，设置N个用户特征属性，且提取M个所述用户特征属性 作为所述J个数据采集节点共同的用户特征向量，并根据所述提取的共同用户特征向量， 得到所述J个数据采集节点分别对应的J个训练样本集，进一步将所述J个训练样本集进 行统一的数据转换和集成后，得到以数据块方式存储于所述J个数据采集节点的J个数据 集；其中，M彡N，N与M均为正整数；所述M个用户特征向量为
c、 将电能质量的K个安全级别分别作为所述J个数据集对应共同分类属性中的K个类 另IJ，并对所述J个数据集进行分类和计算，得到分类后的J个数据集对应的每一类别的先验 概率及条件概率；其中，K为正整数；所述K个类别为
： d、 根据所述得到的每一类别的先验概率及条件概率，通过贝叶斯公式得到每一类别的 类别概率，并确定所述得到的类别概率中数值最大的类别对应的安全级别为所述电力线路 当前电能质量的安全级别。
2. 如权利要求1所述的方法，其特征在于，所述步骤c的具体步骤包括： 将电能质量的K个安全级别分别作为所述J个数据集对应共同分类属性中的K个类 别； 根据各数据集中的数据块数据，计算出各数据集中与数据块对应的多个输入分片，并 根据所述计算出的各数据集中数据块对应的多个输入分片，构建各数据集中与所述输入分 片对应的多个映射器； 使用MAP函数将各映射器的数据转换成key为q的第一键值对，计算出各映射器中每 一类别的样本数目和样本总数目，且将所述第一键值对按照键进行排序，并对排序后的键 值对进行分片，以及使用预设的函数分别将所述第一键值对中相同key的分片分配至同一 个Reduce函数，进一步计算出Reduce函数中类的样本总数及其对应的先验概率P(Q); 其中，Q为所述K个类别其中任一；i彡K，i为正整数； 使用MAP函数将各映射器的数据转换成key为（Ci>Xp的第二键值对，计算出各映射 器中每一类别分别对应的各用户特征向量的样本数目，且将所述第二键值对按照键进行排 序，并对排序后的键值对进行分片，以及使用预设的函数分别将所述第二键值对中相同key 的分片分配至同一个Reduce函数，进一步计算出Reduce函数中属于类的所有样本中第 j个属性为&的总数，并根据先验概率P(CJ得出对应的条件概率P(X|Q);其中，&为所述 M个用户特征向量其中任一；j<M，j为正整数；
3. 如权利要求2所述的方法，其特征在于，所述预设的函数为哈希函数，所述哈希函数 公式为
4. 如权利要求1所述的方法，其特征在于，所述步骤a中的"所述电力线路的电能质量 监测数据"可按照IEEE的电能质量数据交换格式PQDIF进行数据统一转换。
5. 如权利要求1至4中任一项所述的方法，其特征在于，所述步骤a中的"K个安全级 别"有四个，包括类别为q的正常状态、类别为C2的异常状态、类别为C3的故障和类别为C4 的严重状态。
6. -种电能质量综合评估的系统，其特征在于，其在任一电力线路上实现，所述系统包 括： 样本集获取单元，用于根据分布式地预先存放于J个数据采集节点上的所述电力线路 的电能质量监测数据、公共信息数据及电力用户数据，得到所述J个数据采集节点分别对 应的J个样本集；其中，J为正整数； 训练样本集确定单元，用于根据所述得到的J个样本集，设置N个用户特征属性，且提 取M个所述用户特征属性作为所述J个数据采集节点共同的用户特征向量，并根据所述提 取的共同用户特征向量，得到所述J个数据采集节点分别对应的J个训练样本集，进一步 将所述J个训练样本集进行统一的数据转换和集成后，得到以数据块方式存储于所述J个 数据采集节点的J个数据集；其中，MSN，N与M均为正整数；所述M个用户特征向量为
概率计算单元，用于将电能质量的K个安全级别分别作为所述J个数据集对应共同分 类属性中的K个类别，并对所述J个数据集进行分类和计算，得到分类后的J个数据集对应 的每一类别的先验概率及条件概率；其中，K为正整数；所述K个类别为C= ; 安全级别评估单元，用于根据所述得到的每一类别的先验概率及条件概率，通过贝叶 斯公式得到每一类别的类别概率，并确定所述得到的类别概率中数值最大的类别对应的安 全级别为所述电力线路当前电能质量的安全级别。
7. 如权利要求6所述的系统，其特征在于，所述概率计算单元包括： 类别设定模块，用于将电能质量的K个安全级别分别作为所述J个数据集对应共同分 类属性中的K个类别； 数据映射模块，用于根据各数据集中的数据块数据，计算出各数据集中与数据块对应 的多个输入分片，并根据所述计算出的各数据集中数据块对应的多个输入分片，构建各数 据集中与所述输入分片对应的多个映射器； 先验概率计算模块，用于使用MAP函数将各映射器的数据转换成key为的第一键值 对，计算出各映射器中每一类别的样本数目和样本总数目，且将所述第一键值对按照键进 行排序，并对排序后的键值对进行分片，以及使用预设的函数分别将所述第一键值对中相 同key的分片分配至同一个Reduce函数，进一步计算出Reduce函数中类的样本总数及 其对应的先验概率P(Ci);其中，Q为所述K个类别其中任一；i彡K，i为正整数； 条件概率计算模块，用于使用MAP函数将各映射器的数据转换成key为（Ci>Xp的第 二键值对，计算出各映射器中每一类别分别对应的各用户特征向量的样本数目，且将所 述第二键值对按照键进行排序，并对排序后的键值对进行分片，以及使用预设的函数分别 将所述第二键值对中相同key的分片分配至同一个Reduce函数，进一步计算出Reduce 函数中属于类Q的所有样本中第j个属性为&的总数，并根据先验概率P(Ci)得出对 应的条件概率P(X|Ci);其中，&为所述M个用户特征向量其中任一；j彡M，j为正整数；
8. 如权利要求7所述的系统，其特征在于，所述预设的函数为哈希函数，所述哈希函数 公式为L=hashmodf。
9. 如权利要求6所述的系统，其特征在于，所述电力线路的电能质量监测数据可按照 IEEE的电能质量数据交换格式PQDIF进行数据统一转换。
10. 如权利要求6至9中任一项所述的系统，其特征在于，所述K个安全级别有四个，包 括类别为G的正常状态、类别为C2的异常状态、类别为C3的故障和类别为C4的严重状态。
【文档编号】G06Q50/06GK104408667SQ201410667198
【公开日】2015年3月11日 申请日期:2014年11月20日 优先权日:2014年11月20日
【发明者】张华赢, 胡子珩, 姚森敬, 曹军威, 高田, 王淼 申请人:深圳供电局有限公司, 清华大学, 张家港智能电力研究院有限公司