一种基于改进的最近邻算法的电网告警分析方法
【技术领域】
[0001] 本发明涉及电网调度自动化安全领域，具体涉及一个基于改进的最近邻算法的电 网告警分析方法。
【背景技术】
[0002] 随着电网规模的不断扩大，电网结构日趋复杂，系统运行方式快速多变，运行管 理面临着更大的挑战。而电网监控信息种类繁多、数据量庞大，通过科学的方法监测电网监 控信息，归类分析发现电网运行规律以快速做出决策则显得十分必要。
[0003] 监控业务是在"三集五大"调整之后并入调控中心业务中的，之前各地区关于监控 信号数据的处理与分析还处于探索阶段。对监控数据的处理分析也主要基于对收集上来的 信息进行汇总统计，缺乏全面、系统的分析手段对信息进行归类整理，降低了工作效率。
【发明内容】
[0004] 本发明针对以上问题，提供了一种能够将数据信息归类和统计，进而分析，便于判 别告警类别，提高判别可靠性，提高工作效率的基于改进的近邻算法的电网告警分析方法。
[0005] 本发明的技术方案为：包括以下步骤：
[0006]S1、通过对电网调度自动化系统的数据进行归类和统计，将得到的告警数据进行 分类，其类别为事故、异常、越限、变位和告知；
[0007]S2、结合历史告警信息，确定各告警指标的权值；采用改进的最近邻算法判别当前 告警属于的类别，进行相应的处理。
[0008] 步骤S2包括以下步骤：
[0009] (1)数据结构设计：设每个地区的告警信息集合抽象为一个元组，表示为^ = (xu，xi2,…，xim)，m为样本对象的维数，那么历史告警信息表示为X= {x"x2,…，χη}，η为 样本对象的个数；Xl对应电网调度自动化系统收集上来的某一地区已知类别的告警信息； [0010] (2)改进的最近邻算法对告警信息进行分析，步骤如下：
[0011] 步骤1 :构建训练样本集合，将历史告警信息X= {Xi,X2,…，Xn}作为训练样本集；
[0012] 步骤2 :设定K值，K为在训练样本集中选取待测样本"近邻"的个数；
[0013] 步骤3:在训练样本集中选出与待测样本最近的K个样本，样本之间的"近邻"由欧 式距离来度量；假设待测样本为(X &Xu，…，xj，此时待测样本与训练样本Xi之间的 距离为：
[0014]
[0015]其中w2,…，wm分别为相应属性指标对应的权重，权值集合定义为W={wuw2,… ，wm};其中，权值的确定如下：
[0016] 步骤3. 1 :取^，w2，…，Wni的值都为1，对若干个已知分类的样本作为测试集进行测 试，统计它与样本的实际分类值之间差异个数P;
[0017] 步骤3. 2 :依次去除样本中的第j个属性，然后求出样本的估计分类值，统计它与 样本的实际分类值之间差异个数P](j= 1，2,…，m);
[0018] 步骤3.3:计;S
k表示当缺少第j个属性值指标时对分类的影响程度，那 么权值集合W各元素的值为
= 1，2,…，m，特别地，如果Pj= 0或p= 0， 置g.j= 1 ;
[0019] 步骤4:假设根据对历史告警信息不同的处理，分为q类告警，表示为S= {s^S2,…，Sq};对于待测样本Xc，Xi,X2,…，Χκ表示与Xc距离最近的K个样本，设离散 的目标函数为f:x-Sl，其中X表示某个告警样本，Sl表示第i个类别；/OD表示对 f(x。）的估计，计算为
，该函数表示为使得 -
汉值最大时的s，Ses= {Si,s2,…，sq}，对于
若S= f(Xl)、 ,
, 〖，那么上式就可以输出待测样本的K个近 邻中对应最多的告警类别s;
[0020] 步骤5:/(Xe)即是待测样本X。对应的类别，并根据类别对X。进行相应处理。
[0021] 步骤S1中的告警数据包括事故跳闸统计、告警信号统计以及量测不平衡统计。
[0022] 本发明通过对事故、异常、越限、变位和告知五类告警信息的收集，并对各告警类 别赋以不同的权值，然后结合历史告警信息，确定各告警指标的权值，并采用改进的最近邻 算法判别当前告警属于的类别，进行相应处理。
[0023] 对电网调度自动化系统的事故跳闸、告警信号以及量测不平衡数据进行归类和统 计，为改进的最近邻算法提供有效的数据支持。
[0024] 本发明从繁杂的监控跳闸、告警以及不平衡性等数据中归纳、抽取关键监测指标 数据，并进行分析、归类、总结，以帮助监控人员总结发现历史规律，辅助决策，从而减轻其 繁重的统计分析工作，有效提高电网监控部门的监测分析能力，进而提高工作效率。
【附图说明】
[0025] 图1是本发明的流程图；
【具体实施方式】
[0026] 本发明如图1所示，包括以下步骤：
[0027]S1、通过对电网调度自动化系统的数据进行归类和统计，将得到的告警数据进行 分类，其类别为事故、异常、越限、变位和告知；
[0028]S2、结合历史告警信息，确定各告警指标的权值；采用改进的最近邻算法判别当前 告警属于的类别，进行相应的处理。
[0029]步骤S2包括以下步骤：
[0030] (1)数据结构设计：设每个地区的告警信息集合抽象为一个元组，表示为^ = (xu，xi2,…，xim)，m为样本对象的维数，那么历史告警信息表示为X= {x"x2,…，xn}，η为 样本对象的个数。本例中m= 5,分别代表告警类别为事故、异常、越限、变位和告知5个属 性指标；Xl对应电网调度自动化系统收集上来的某一地区已知类别的告警信息，Xi即对应 第i个地区的告警信息；η则为收集告警信息的总数；
[0031] (2)改进的最近邻算法对告警信息进行分析，步骤如下：
[0032] 步骤1 :构建训练样本集合，将历史告警信息X= {χ。Χ2,…，xj作为训练样本集；
[0033] 步骤2 :设定K值，K为在训练样本集中选取待测样本"近邻"的个数。工作中，先 确定一个初始值，然后根据分类的准确度不断调整，最终达到最优；当分类结果的准确度低 于预先设置的阈值时，就增大K的值，直到使分类结果的准确度达到要求。
[0034] 步骤3 :在训练样本集中选出与待测样本最近的K个样本，样本之间的"近邻"由欧 式距离来度量，距离越小则表示与待测样本的距离越近。假设待测样本为(Xd，\2，… ，X?)，此时待测样本与训练样本Xi之间的距离为：
[0035]
[0036] 其中w^w；；，···a分别为相应属性指标对应的权重，权值集合定义为W= ，… ，wm};其中，权值的确定如下：
[0037] 步骤3. 1 :取^，w2，…，Wni的值都为1，对若干个已知分类的样本作为测试集进行测 试，统计它与样本的实际分类值之间差