[发明专利]一种配网运行状态的特征标签定义方法

说明书

技术领域

本发明涉及电力设备评价技术领域，具体涉及一种配网运行状态的特征标签定义方法。

背景技术

随着经济快速发展，城市化进程加速，人民物质生活水平不断提高，生产生活用电需求不断扩大。配电网络是用户用电的关键环节，在电网中起着重要作用。伴随着配电网规模越来越大，用户对于供电的可靠性要求也越来越高，配电网设备作为配网供电服务的运营关键组成，其运行状况就显得特别重要。采用人工的方式对配网的运行状态进行评估，不仅需要大量的人力和物力，而且在对配网运行状态进行评估时，存在效率低及实时性问题。

发明内容

本发明的目的在于提供一种配网运行状态的特征标签定义方法，对配网的运行状态进行评估，大大的提高评估的效率和实时性，及时发现配网运行问题，采取相应的措施，对保障配网稳定运行具有重要意义。

为实现上述目的，本发明采用了以下技术方案：

一种配网运行状态的特征标签定义方法，包括如下步骤：

(1)收集反映配网运行状态的关键参数，进行运行状态的预评估，选取少量数据定义标签值，作为种子集；

(2)以反映配网运行状态的关键参数为特征对所有配电台区的进行聚类；

(3)根据种子集，采用熵值对聚类结果进行评估，选择最佳聚类簇；

(4)根据聚类簇和种子集，对无标签台区定义标签值；

(5)对于无法划定的台区，根据已有簇寻找新的种子集，跳转执行步骤(2)，直到所有台区有标签值。

上述方案中，步骤(1)中，所述关键参数包括台区规模、用户数、年限、负荷率、异动率、三相不平衡及重过载情况。

上述方案中，步骤(2)中，所述以反映配网运行状态的关键参数为特征对所有配电台区的进行聚类，具体包括以下步骤：

(21)为待聚类的点寻找聚类中心；

(22)计算每个点到聚类中心的距离，并将每个点聚类到离该点最近的聚类中去；

(23)计算每个聚类中所有点的距离平均值，并将该平均值作为新的聚类中心；

(24)反复执行步骤(22)、(23)，直到聚类中心不再进行大范围移动或者聚类次数达到要求为止。

上述方案中，步骤(3)中，所述根据种子集，采用熵值对聚类结果进行评估，选择最佳聚类簇，具体包括以下步骤：

(31)计算每个聚类簇包含种子词的概率，计算公式如下：

其中，p_ij表示对于簇i中出现类别为标签为k种子概率，m_i表示簇i具有的台区的个数，m_ik表示在簇i中包含类别标签为k种子词个数；

(32)计算聚类每个簇的熵值：

其中，S_i表示簇i的总的熵；

(33)计算聚类结果的总熵值：

其中，S表示根据种子词的熵值，m表示参与训练的所有台区总数，L表示聚类的簇值。

(34)选择熵值最大的聚类结果即为最佳聚类簇。

由上述技术方案可知，本发明基于配网运行状态的特征标签定义方法，通过已收集反映配网运行状态的关键参数，对少量台区进行标记，作为种子集数据，采用聚类算法对台区进行聚类，之后采用种子集对聚类结果进行衡量，对未标记台区进行特征标签定义，大大的提高了特征标签定义的效率。

附图说明

图1是本发明的方法流程图；

图2是本发明具体实施方式的方法流程图。

具体实施方式

下面结合附图对本发明做进一步说明：

一种针对配网运行状态的特征标签定义，包括以下步骤：

S1：收集反映配网运行状态的关键参数，进行运行状态的预评估，选取少量数据定义标签值，作为种子集，该关键参数包括台区规模、用户数、年限、负荷率、异动率、三相不平衡、重过载情况；对特征进行预处理，进行特征选择。选取少量的数据，根据特征值定义标签，形成种子集。

该种子集的标签定义为

C＝(C₁,C₂,…C_k)(1)

其中，C表示是类别，k表示类别的种类。

S2:台区聚类，以反映配网运行状态的关键参数为特征对所有配电台区的进行聚类：该步骤采用K-Means聚类算法，该算法对大数据集有较高的效率并且是可伸缩性，具体步骤为：

S21:为待聚类的点寻找聚类中心；