1.一种基于分级指标的分布式电网业务监控方法,其特征在于:包括如下步骤:
step1、分别在各电网业务模块部署网络探针设备np,该设备利用深度包检测技术dpi和深度流检测技术dfi采集各模块的实时业务数据,并将实时数据同步至后台云端监测服务器;
step2、利用电网业务指标与无量纲化指标间呈现出的线性关系,采用直线型无量纲化方法对step1中采集的各电网业务模块实时监测数据进行统一处理;
各指标数据分内正向指标数据与逆向指标数据,对数据进行无量纲化处理先将各指标数据压缩至[0,1]的区间内,对数据进行无量纲处理正向指标和逆向指标标准化处理;
正向指标标准化公式为:
逆向指标标准化公式为:
上述公式中
step3、运用决策树id3算法对step2中已经过无量纲化处理的各业务模块的实时数据进行分类处理;设s是s个实时电网业务数据样本的集合,首先将经无量纲化处理的实时电网业务数据定义为m个不同的类ci=(i=1,2,…m),si是类ci中对应的样本数,可计算出给定样本分类所需的信息熵i(s1,s2,…sm):
上式中pi为s个数据样本中任意一数据样本属于类ci的概率,即:pi=si/s,对数函数中以2作为底数;
假设属性x具有n个不同取值,构成有关属性x的取值集合{x1,x2,……xn},若采用属性x对电网业务数据样本集合s的数据样本进行子集划分,构成集合{s1,s2,……sn},集合中存在子集sj在属性x上具有相同的值xj(j=1,2,……,v),v为相同值样本数,且xj∈s;若sij为子集sj中ci的数据样本数,则由属性x划分成子集的信息熵为:
其中
上式中
gain(x)=i(s1,s2,…sm)-e(x)
若信息增益gain(x)增加则代表信息的不确定性减少程度最大,在进行电网业务监测指标分类时以该指标的信息熵e(x)最小和信息增益gain(x)最大作为最优分类标准进行电网监测业务指标分类;
step4、在每项电网业务监测指标下设置分级指标,通过对该项业务监测指标下的一级指标和二级指标概率值构建安全因素矩阵,然后对各项指标的安全因素矩阵进行幂值运算求得该项指标的风险指数,结合该项指标的风险指数以及step3中的信息熵e(x)和信息增益gain(a)对其进行全面综合的评定;
各项电网业务指标风险指数由第1层因素集fa与第2层因素集fab构成,即:
第1层因素的构成为
fa(a=1,2,3)={指标f1,指标f2,指标f3}
第2层因素的构成是fab,即:fa={fab}(b=1,2,…,ε);
f1={f11,f12,f13,f14}
f2={f21,f22,f23,f24}
f3={f31,f32,f33,f34}
最终构建出各项指标的安全因素矩阵
从而风险指数fσ=fε,其中fσ为该项监测指标的风险指数,ε为第二层因素数量值;
step5、运用蚁群算法在参数选优过程中可避免局部最优解的特性,对step4中已进行过分级处理的各项电网业务监测指标下的业务数据进行阈值设定,若监测指标类ci下的业务数据样本数为l,各项监测指标阈值k按照比例规则选择下一业务数据,由数据a1到下一数据a2的选择概率
上式中
上式中
其中
阈值k按照上述最优路径在各项监测指标的全局的数据范围内进行数据选择,并利用信息素更新规则避免数据重复选择,从而进行参数选优得各项监测指标阈值k;
step6、结合step5中计算得出的各项电网业务监测指标阈值k,建立指标群阈值雷达图,图中用阴影部分表示各项监测指标阈值k联合构建的阈值预警区域。