一种配电网停电事件的负荷自适应动态监测方法

摘要

本发明公开了一种配电网停电事件的负荷自适应动态监测方法，利用配电网业务数据基于熵权法计算计划停电时间、停电告警时间、停电开始时间和停电持续时间4个指标的权重并综合成一个指标；基于非机理方法建立差分方程模型进行数据建模，基于粒子群优化算法对模型的参数进行辨识；对负荷自适应动态监测模型进行计算和验证，根据负荷聚类群进行停电事件的诊断分析和计算结果的讨论。本发明的优点：本发明提出的停电事件的负荷自适应动态监测方法，经模型计算与验证，效果明显优于动态监测模型。该方法可运用于实际业务数据的分析或其他相关领域，能有效地针对输入数据进行挖掘，对负荷特性进行分类和决策，提高了停电事件监测的准确性和有效性。

主权项

一种配电网停电事件的负荷自适应动态监测方法，其特征在于，首先从负荷特性测量装置和数据采集和监控终端系统配电网业务数据进行采集、分析、管理，利用熵权法计算出计划停电时间、停电告警时间、停电开始时间和停电持续时间4个指标的权重并整合成一个指标；然后基于非机理方法建立差分方程模型进行配电网数据建模，基于粒子群优化算法对模型的参数进行辨识；最后对所建立的负荷自适应动态监测模型进行模型计算和模型验证，根据负荷聚类群进行停电事件的诊断分析，并对模型的运用和计算结果进行了深入讨论；所述的配电网业务数据的采集、分析、管理，是对配电网数据传输过程的数据进行挖掘并抽取可能与停电事件相关的关键字段，包括表计编号、终端逻辑地址、电压、电流、有功功率和无功功率，对提取的相关字段进行二次计算，同时对数据进行预处理，包括缺失值处理、异常值处理和数据规约等；所述的非机理方法，是一种非等值机模型描述，该方法可以方便、准确地描述负荷的动态特性，也被称为输入、输出模型‑I/O模型，它将要研究的负荷看作是一个“黑箱”，其输入是负荷母线的电压和电流，输出是负荷吸收的有功功率和无功功率，构造描述输入变量与输出变量之间的模型方程，然后通过系统辨识理论确定模型参数；所述的粒子群优化算法，是一种基于种群的随机优化技术，它将每个优化问题的解看作是搜索空间中的“粒子”，所有的粒子都有一个由被优化的函数决定的适应值，每个粒子还有一个速度其方向和距离，然后粒子们就追随当前的最优粒子在解空间中搜索；PSO算法是一种基于群体智能的新型演化计算技术，具有简单易实现、设置参数少、全局优化能力强等优点；已在函数优化、模式识别、信号处理、机器人技术等许多领域取得了成功的应用。