（电力系统及其自动化专业论文）电力系统运行信息的数据挖掘研究.pdf

浙江大学博士学位论文 摘要 可靠，可以为提高电网运行的经济性提供有价值的知识 ( 4 ) 电力系统运行信息的第三个数据挖掘研究是建立电网安全性评估的决策树规则。 研究对象包括美国西部$ s c c 三机九节点简化模型和浙江地区某实际电网模型。该研究有 两个目标，首先通过决策树算法实现故障前电网稳态运行参数和电网承受故障能力间的映 射，为调度人员提供辅助的快速安全评估规则；其次在有无电压相角参数下分别生成决策 树，通过对比两者的性能，验证相角测量单元p m u 的作用。研究结果表明，决策树算法对 于电网安全状态可以达到9 6 5 的识别精度，此外p m u 的合理配置可以提高系统的可观测 性。 本文的研究工作按照数据准备一数据挖掘一解释评估的顺序展开讨论，研究内容为数 据挖掘技术在电力系统的应用进行了新的拓展，分析结果表明，本文采用的方法可靠、全 面和实用，对今后提高大电网运行的优质、经济和安全性具有指导意义和应用价值。 关键词：数据挖掘；支持向量机；s o m 神经网络；决策树；相空间重构；电能质量事件分 类；负荷曲线聚类；安全评估 a b s t r a c t t h ea m o u n to fd a t as a m p l e d ，a c c u m u l a t e da n dt o b ea n a l y z e di np o w e rs y s t e m i se x p a n d i n gd r a s t i c a l l y ，a l o n gw i t ht h ed e v e l o p m e n to fi n f o r m a t i o nt e c h n o l o g y a n dt h ep r o g r e s so fp o w e rg r i dd i g i t a l i z a t i o n h o w e v e r ，1 i m i t e dv a l u a b l ek n o w l e d g e c a nb ee x t r a c t e du s i n gi n q u i r ya n ds t a t i s t i c so p e r a t i o ni nd a t a b a s eo rt r a d i t l e n a l d a t aa n l y s i sm e t h o d t h e r e f o r ei t i sh i g h l ys i g n i f i c a n tt od i s c u s sh o wt oo b t a i n h i d d e np a t t e r na n dr u l e sf r o ml a r g e s c a l e ，m u l t i - d i m e n s i o n a ld a t a ，i no r d e rt o p r o v i d ed e c is i o ns u p p o r t t op o w e rs y s t e md e c i s i o nm a k e r d a t am i n i n gt e c h n i q u ea d v a n c e ds i g n i f i c a l yi nt h ep a s tf e wy e a r sw i t ht h e c o n t r a d i c t i o nb e t w e e n m a s sd a t a ，a n dt 1 i m i t e dk n o w l e d g e ”，a n dd r e wa t t e n t i o nf r o m d i v e r s er e s e a r c h e r s t h i st e c h n i q u ec o m b i n e s v a ti o u st h e o ri e s s u c ha s i n t e l l e c t u a la l g o r i t h m s ，p a t t e r nr e c o g n i t i o na n dm a t h e m a t i c ss t a t is t i c s ，a n dis a b l et od i s c o v e rt h er u l e so rk n o w l e d g ee m b e d e di nt r e m e n d o u sd a t a ，p r i o ru n k n o w n b u tv a l u a b l e i nd e c i s i o n m a k i n g p o w e rs y s t e m s h o u l do p e r a t er e li a b l y ， e c o n o m i c a ll ya n ds e c u r e l y f o rt h e s et h r e eb a s i cr e q u i r e m e n t s ，t h i s t h e s is c o n d u c t e di n t e n s i v es t u d yi nd a t am i n i n go fp o w e rs y s t e mo p e r a t i o ni n f o r m a t i o n ( v o l t a g e a n da c t i v ep o w e rf l o w ) t h er e s e a r c hw o r ka c c o m p l i s h e di ss h o w na s f o “o w s ： ( 1 ) p h a s es p a c er e c o n s t r u c ti o n ( p s r ) m e t h o dw a si n t r o d u c e dt op o w e rq u a lit y r e s e a r c hf i e l d t h et y p e so fc o n c e r n e dd is t u r b a n c e si n c l u d e dv o l t a g es a g s ，v o l t a g e s w e ll s ，v o lt a g ei n t e r r u p t i o n s ，i m p u ls i r et r a n s i e n t s ，h a r m o n i c sa n df li c k e r s b a s e do nt h i sm e t h o d ，t r a j e c t o r i e so fd i s t u r b a n c es i g n a l sw e r ec o n s t r u c t e di n p h a s ep l a n ea n dc o n v e r t e dt ob i n a r yi m a g e sa f t e rn o r m a li z a t i o na n dc o d i n gp r o c e s s f o u ri n d i c e so ft r a j e c t o r yi m a g ew h i c ha r em a x i m u ma d j a c e n t d is t a n c e ，c a r r i e r c o m p o n e n ts i m i l a r i t y ，o v e r l a ya r e aa n dm e a na m p l i t u d ew e r ep r e s e n t e d a n a l y s i s a n ds i m u l a t i o nr e s u l t ss h o w e dt h a tb yt h e s ef o u ri n d i c e s ，f e a t u r e so fd i f f e r e n t d i s t u r b a n c e sc a nb ee x t r a c t e de f f e c t i v e l y t h ep r o p o s e da p p r o a c hp r o v i d e san e w i d e af o rp o w e rq u a lit ya n a l y si s v l h 靳讧尢学博士学位论文 a b s 丁i r a c t ( 2 jt h ef i r s td a t ar a i n i n gt as ki nt h i st h e sisw a sc o n d u c t e df o rt h eh i g h q u a lit y r c q u ir e m e nto fp o w e rg ri do p e r ati o n t h ee x tr a c t e df e nt u r e $ u sin gp s r et h o dw e r e 1 l tiii z e dr si n p u t st ot h es u p p e r tv e c t o rm a c h i n e s ( s v 加c l a ss i f i e rt o ：e a li z et h e a u t o m a t i cc i n ss i f i c a t i o no fp o w e rd i s t u r b a n c e s t h e t y p e s o fd i s t u r b a n c e s d is c o ss e di n c l u d e dac o m b i n a t i o i lo fs h o t t t b r 皿d i s t u r b a n c e s ( v o lt a g es a g s s w e l1 s ) a n dl o n g - t e r md is t u r b a n e e s ( f li c k c r s ，h a r m o ni c e ) ，a sw e a st h e ifh o m o lo g o u s si n sleo n e s n u m e ric a1r e s uit ss h o w e dt h att h em et h o dp r o p o s e dc a ne f f e c ti r el y c l a ss i f yd i f f e t e n td is t u r b a n c ep a t t e r n sa n dp r o v i d eb a s i sf o rp o w e rq u a l i t y m i “g a tio i l m e a s u l e s i nt h is r e s e a r c h c o m p a r is o i lst u d i e sb a se do nw a v e1 et t r a n s f o r m ( w t ) a n d rtifi c i aln e u r ai et w o r k ( a n n ) w e r eals or e p o tt e d ，t os h o w t h ea d v a n t a g eo ft h ec l a ssifl e ati o ns y st e mb a s e do i lp s ra n ds a l g o r it h m ( 3 ) l o a dp r o fil ec l u et e rl a go fp o w e rc l i $ t o m e r sist h eb a sist oc o n str u c tp r o p e r t a ri f fs y st e aa n da p p l yl o a dm a n a g el i l e as u r e $ t h es e c o n dd at am i n i n gt a s kw 8 st o st u d yo f tl o a d ：p r o fi1 ec l u s t e ri n go fl o w - - v o lr a g et e r m i n alc o st o m e r sb a se do n s ei f - o r g a n i z i n gm 丑p ( s u m ) r e u r aln e t w o r k s f ir 毒t ，t h r e et y p e so fv e c t o r sw hic har e p o w o rc u r v e ，ti m es h a ri n gp o w e ra n dp o w e rs p e c t r t l mw e i ed e f i n e d ，a n dt h e nu s e d a si n p u t8o fs o l dn e u r aln e t w o r k st ovi s u ali z ec l u st e ri n g t w oi n di c e s ，n a m el y r el ati v eq u a n tiz a ti o ne r y o ra n dt o p olo g ye r r o iw e r ei n t r o d u c e dt oe v alu a t e cl u s t e ri n gq u at it y w ec h o s es o mo u t p utl a y e ro fb e et p e r f o r m a n c ea n da1l o c a t e 1 0 a dp f o fil e sw it hk - m e a n sm e t h o d t h e13 1p z o fil e sc o n c e r n e di nt h isp a p e rw e r e alle t at e di n t oei g h tc l u st e r sa c c o r di n gt od a v i e sin d e x ，a n de a c hg r o u po fp r o fi 1e s isd e s c ri b e d f i n nl1 y ，t h e 耳b in t yo fs o mn e u r a ln e t w o r kt oi d e n tif yl q e wc u s t o m e r s 啸8 se x a m i n e d t h ef e s u lts h o w e dt h att h em e t h o dp r o p o s e di 暑e f f e c ti v ea n df elia b le ， a n da b l et os u p p l yu s e f u lk n o w l e d g et oe n h a n c ep o w e rg rido p e r atio f fe c o n o m ya s p e ct ( 4 ) t h et h ir dr e s e a r c hj o bf o rp o w e rs y st e mo p e r atio ni i l f o r m ti o nw a s e st a b ll s hi n gd e cisi o ntt e er u l e sf o rp o w e rg ri ds e c _ 【t rit ya s s e ss m e a t t h es t u dje d m o d e lsi n c l u d e dw e st e r ns y st e r n sc o o r di n nti n gc o u n ci1 【w s c c ) t h x e ep la n t sni n e n o d e s8 i m p ii fi e dm o d e la n dar e a li s ti cp o 霄e rg ri dm o d e li nz h e j i a n gp r o v i n c e t h is c a s est u d yh a dt w og o a l s f i rst u si n gk n o w l e d g ed a t a b a s et h a tc o v e r sal1p o s si b l e p r e - f a u l to p e r a t i n go o n d i t i o i l s d e e is i o nr u l e si nt h ef o r mo fh i e r a r c h i c a lt t e e s w e r ed e v e l o p e df o ro i 卜li n ea s s e s s m e n t s e c o n d ，p h a s o rm e a s u r e m e n ti j n it s ( p m o ) w e r e t a k e ni n t oc o n s i d e r a t i o nt ob e t t e rd e c i s i o nt r e e sp e r f o r m a n c e t h er e s u l t s d e m o n s t r a t e dt h a tt h ep r o p o s e dm a c h i n el e a r n i n gs c h e m ew a sa b l e t oi d e n t i f y t r u e i a ls e c u r it yi n d i c a t o r sa n dg a v et e li a b l es e c u r it yp r e d i c ti o n s t o9 6 5 a c c u r a c y f u r t h e r m o r e ，v o l t a g ep h a s ea n g l ed i f f e r e n c et h a to b t a i n e db yp m uw a s p r o v e dh e l p f u li ni m p r o v i n gd t s i d e n ti f i c a ti o na c c u r a c y t h er e s e a r c hc o n t e n t sa r ep r e s e n t e da c c o r d i n gt os t e p so fd a t ap r e p a r a ti o n d a t am i n i n g i n t e r p r e t a t i o na n de v a l u a t i o n t h i sw o r ke x p a n d st h ea p p l i c a t i o n o fd a t am i n i n gt e c h n i q u e si np o w e rs y s t e m t h ea r i a l y s isr e s u l t ss h o wt h a t t h e m e t h o d sp r o p o s e da r er e l i a b l e ，c o m p r e h e n s i v ea n dp r a c t i c a l ，a n dc a np r o v i d e d i r e c t i v es i g n i f i c a n c ea n da p p l i c a t i o nv a i u et oe n h a n c et h eq u a l i t y ，e c o n o m ya n d s e c u r it yl e v e lo fl a r g es e a l ep o w e rg r i d k e y w o r d s ：1 ) a t am i n i n g ，s u p p o r tv e c t o rm a c h i n e s ，s e l f o r g a n i z i n gm a p ( s o m ) n e u r a l n e t w o r k s ，d e c i s i o nt r e e ，p h a s es p a c er e t o r t s t r u c t i o n ，p o w e rq u a l i t y e v e n t c l a s s i f i c a t i o n ，l o a dp r o f i l ec l u s t e r i n g ，s e c u r i t ya s s e s s m e n t x 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得逝姿态堂或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者躲和期：矽1 7 年二月彷日 学位论文版权使用授权书 本学位论文作者完全了解逝姿盘堂 有权保留并向国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝鎏盘堂可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 名：舅刃画 替醐一7 “一日 弹醐： 年6 月加日 浙江大学博士学位论文致谢 致谢 在博士求学期间和本课题的研究过程中，有幸获得了许多老师和同学的帮助。 本论文是在导师吴为麟教授的悉心指导和亲切关怀下完成的。多年来导师渊博的学术 知识，严谨的治学态度、务实的工作作风以及对科学事业的执著追求深深地感染着我，激 励着我，使我在长者为父的关怀中不断成长、长者为师的智慧里不断汲取知识这些宝贵 财富将使我受益终生，在此表示最衷心的感谢和深深的敬意。 论文的选题和写作得到了浙江大学电气工程学院的孟溶副教授、甘德强教授和徐政教 授的无私帮助。几年的求学中，朱丹梧老师在思想上给予了很大的帮助和启迪，在生活上 提供了良好的科研和学习环境，在此深表感谢。 论文的完成和实验室众多师兄弟姐妹的鼓励和帮助是分不开的。要感谢实验室的成员 邵建昂、朱宁、梅雪、王东、谢佶隽、张海峰、邱杏飞、高培生、林震宇、莫颖涛、李分 秋、宋保明、魏春霞、龚金龙、陈理、郑伟彦、何建剑、赵淑敏、谷湘文、郭国强、任乃 红、邹家勇、邹云峰、陈永延、郭亮、任龙霞。电机工程楼1 0 8 房间一直是一个团结友爱 的集体，是你们的陪伴和关怀让求学的过程变得轻松。 还要感谢相处5 年的室友胡家兵博士、肖潇博士和徐孝如博士的无私帮助感谢朋友 郑玉峰的支持和鼓励。最后特别感谢我的父母，他们倾注了所有的心血养育我成人，希望 这篇论文可以作为他们无私付出的一点点回报 聋镪贾 2 0 0 9 年6 月 浙江大学博士学位论文第1 章绪论 第1 章绪论 1 1 研究背景及意义 随着信息社会中计算机技术，存储技术及互联网的快速发展，各行业数据库的规模日 益增大。传统数据库系统技术例如录入、查询、统计等操作型处理，获得的信息仅仅是整 个数据库所包含信息的一部分，无法发现数据中存在的隐藏关系、规则以及未来的发展趋 势。在此背景下，传统的数据分析及统计学理论，结合现代的数据库技术和人工智能算法， 产生了数据库知识发现( k d d ，k n o w l e d g ed i s c o v e r yi nd a t a b a s e ) 这门跨学科技术，也 称为数据挖掘( d a t am i n i n g ) 技术 在电力行业，数字化技术近年来得到广泛应用。电力监控与调度自动化系统【1 】，如 数据采集与监控( s c a d a ) 系统、配电网管理系统( d m s ) 、变电站综合自动化系统、能量 管理系统( e m s ) 、广域测量系统( w a m s ) 及电能质量监测系统等，采集并实时记录电网的 运行信息。随着电力市场改革的推进，电力市场技术支持系统除了e m s 系统功能外，还需 要电能计量系统( t m r ) 、报价处理系统( b p s ) 、交易管理系统以及市场分析及预测、辅助 决策系统等 2 ，将会带来更为庞大的数据量。此外，数字仿真技术的快速发展使得p s s e ， r s c a d ，e m t p ，p s a s p ，b p a 等电力系统仿真软件广泛用于电力系统分析计算，也产生了大 量的仿真数据。 卢强院士在本世纪初提出了电力系统科技的发展方向一一数字电力系统( d i g it a l p o w e rs y s t e m ) 【3 】，电力系统中正在产生以指数速度增长的数据，因此如何充分利用数 据，快速有效的分析、加工、提炼，以发掘出有用知识，已成为电力行业所面临的关键问 题之一 电力系统运行的基本要求是：( 1 ) 保证安全可靠的供电；( 2 ) 要有合格的电能质量；( 3 ) 要有良好的经济性【l 】。电力系统首先需要可靠的持续供电，保证其安全稳定性。其次， 电网向用户提供的电能需具有良好的电能质量，电压、频率和波形等变化不得超出允许范 围。再次电力系统运行应具有经济性，调度人员需为机组制定合理的启停计划，电力公司 针对不同用户建立分时电价系统达到错峰增效的目的 针对系统运行安全、优质、经济的要求，本文进行了电力系统运行信息的数据挖掘研 1 浙江大学博士学位论文第1 章绪论 究。通过s c a d a 系统和基于p m u 的广域测量系统，可以获得系统发生扰动前后的系统有功 无功水平，母线电压以及各发电机相角变化等参数，基于此数据可以建立系统安全评估决 策树，快速判断系统运行状态并提出相应的控制策略；从电能质量监测系统中提取出用户 电压波形，可以利用数据挖掘技术的分类功能自动识别电能扰动事件并进行分类，为电能 质量治理提供依据；从电力市场运营管理系统中获得电力用户负荷曲线，进行聚类分析， 可以为电力公司制定营销策略奠定基础。 因此，数据挖掘技术可以更有效的处理电力系统运行信息数据，帮助电网公司、系统 调度人员等决策者分析电力系统运行状态，统计电能质量事件，了解电力负荷曲线特性， 提取出数据库中有价值的知识，具有重要的应用价值 1 2 数据挖掘技术概述 数据挖掘是为了发现事先未知的规则和联系而对大量数据进行选择、探索和建模的过 程【4 】目的在于得到对数据库的拥有者来说清晰而有用的结果其实质是在数据预处理 的基础上，选择合适算法，提取规则，进行评价和解释，从而获取隐藏在数据背后的知识。 数据挖掘是人们长期对数据库技术进行研究和开发的结果，上世纪9 0 年代开始对海 量数据的处理及预测性信息的需求使得数据库管理与人工智能两种技术相结合，产生了数 据库知识发现( k d d ) 这一新技术【5 】1 9 8 9 年8 月，在美国底特律召开的第1 1 届国际联 合人工智能学术会议( u c a i - 8 9 ) 上，首次提出k d d ，吸引了众多学术界和工业界的科研 开发人员。1 9 9 5 年，国际k d d 组委会把专题讨论会发展成为国际年会。在加拿大的蒙特 利尔召开的第一届k d d 国际学术会议上，数据挖掘概念第一次被提出。在许多场合k d d 和 数据挖掘这两个术语可以不加区别的使用 从宏观上，k d d 过程主要由三大部分组成，即数据整理、数据挖掘和结果的解释评估 【6 】图i - 1 给出具体的工作步骤。本文完成的研究工作也将在后续章节中按照这三个部 分分别进行内容安排。 2 浙江大学博上学位论文第l 章绪论 解释评估 心 图1 - 1k d d 过程示意图 模式 掘 1 ) 数据理解与准备：一个数据挖掘的过程首先需要了解数据分析的目标，熟悉相关 背景知识，收集数据构建相应的数据库。 ( 2 ) 数据选取：确定目标数据，根据需要从原始数据库中选取相关数据和样本。 ( 3 ) 数据预处理：包括检查数据的完整性，消除噪声对数据的影响，滤除无关的冗余 数据，并处理数据中的缺失值。 ( 4 ) 数据变换：提取数据的特性，或者通过映射及数据库的操作减少数据量，并统一 数据格式。 ( 5 ) 数据挖掘：根据知识发现的不同要求采用不同的算法，如分类、聚类、预测、关 联规则分析等 ( 6 ) 模式评估：对数据挖掘过程中发现的模式进行解释，并通过实际数据进行交叉验 证 ( 7 ) 知识呈现：对发掘的知识进行可视化处理，以直观的方式作为最终的结果。 近年来大量学者致力于数据挖掘技术的研究，已形成完整的理论和方法体系。同时， 其应用也逐渐展开，在生物【7 ，8 、医学【9 ，10 】、零售【1 1 】、电信【1 2 】、优化控制【13 】、 客户管理【1 4 】、金融数据分析【1 5 ，1 6 】等多个领域均有成功的应用成果。 3 浙江大学博士学位论文第1 章绪论 1 3 数据挖掘技术在电力系统中的应用现状 现代电力系统是一个非线性、复杂的巨型系统，面对电力系统中迅速膨胀的数据信息 量，数据挖掘的应用无疑具有重要的研究价值。文献【17 】将数据挖掘的任务大致分为预测 ( p r e d i c t i o n ) 、分类( c l a s s i f i c a t i o n ) 、关联规则分析( a s s o c i a t i o nr u l e sa n a l y s i s ) 、 聚类( c l u s t e r ) 和离群分析( o u t li e ra n a l y sis ) 本节将根据这五个部分，分别综述 2 0 0 0 年以来近十年内数据挖掘技术在电力系统中的国内外研究状况。 1 3 1 预测 预测是根据历史和当前数据建立模型，找出变化规律，并基于此模型提取未来数据特 征的过程。数据挖掘技术在电力调度系统中的负荷预测和电力市场背景下的电价预测问题 中得到了广泛的应用。 ( 1 ) 电力负荷预测 负荷预测是电力系统优化调度的基础，准确的进行短期负荷预测是电力调度部门制定 供电计划和实现电网供需平衡的关键。文献【1 8 - 2 7 】介绍了数据挖掘技术在短期负荷预测 中的应用方法集中在模糊推理系统【1 8 ，1 9 】、粗糙集理论【1 9 - 2 2 】、决策树【2 3 - 2 5 】、神 经网络【2 2 ，2 5 ，2 6 】和支持向量机【2 7 】其中文献【1 9 对比了数据挖掘技术与传统方法的预 测性能，文献 2 2 ，2 5 】讨论了单一方法与混合方法的性能比较。文献【1 8 介绍的预测方法 集成在监测程序中，至2 0 0 6 年已经在巴西电网成功运行了五年多。 负荷中长期预测需要考虑负荷类型、所处地理位置等空间因素，文献【2 8 ，2 9 将数据 挖掘中的模糊推理应用到空间建模( s p a t i a lm o d e l i n g ) ，实现负荷的长期预测( 以年为 单位) ( 2 ) 电价预测 在电力体制改革过程中，电价作为重要的经济杠杆，在优化电力资源配置及调整各种 利益关系等方面具有不可替代的作用准确的电价预测可以为市场参与者提供投资导向并 进一步规避风险。文献【3 0 1 和 3 1 】将数据挖掘中的相似性分析引入短期的电价预测，分别 利用加州市场1 9 9 8 年电价数据和英格兰市场2 0 0 3 年数据验证其方法的可行性。 文献【3 2 】和【3 3 】分别将数据挖掘中的神经网络和支持向量机方法与传统的时间序列 法相结合，通过混合预测模型提高预测精度。文献【3 4 】先通过聚类分析将历史电价数据聚 4 浙江大学博士学位论文第l 章绪论 类，再通过神经网络预测，以减少运算时问。文献【3 5 首次提出了价格尖峰( p r i c es p i k e ) 的概念，并通过数据挖掘技术对价格尖峰出现的时间和幅值预测，该方法可以帮助电力市 场参与者更好的分析可能出现的不正常电价 1 3 2 分类 分类是在工程学领域应用最多的数据分析方法，通过训练产生的分类函数或分类模型 将数据对象映射到两个或多个给定的类别中。从机器学习的观点，分类技术是一种有指导 的学习( s u p e r v i s e dl e a r n i n g ) ，即每个训练样本的数据对象已经有类标示，通过学习过 程形成数据对象与类标示之间对应的知识，这类知识也可称为分类规则 ( 1 ) 变压器故障诊断 电力变压器是电力系统重要的变电设备，监测并识别变压器的故障类型具有重要的意 义文献【3 6 利用贝叶斯( b a y e s ) 分类方法将变压器的故障分类为内部或外部的接地和 短路故障。文献【3 7 】采用神经网络识别故障，故障类型包括内部短路故障和涌入电流，分 类准确率达9 9 。文献【3 8 】通过对油中溶解气体分析，提出人工免疫网络分类算法，实现 变压器低温、中温、高温过热和局部、低能、高能放电等6 种故障诊断文献【3 9 基于粗 糙集理论对变压器进行正常、高温、低能和高能状态的识别 ( 2 ) 故障类型识别 随着电力系统规模的日益扩大，输电线路和变电站发生故障对社会经济和人民生活造 成的影响也越来越严重，对故障类型进行监测、快速识别以采取适当的保护措施显得尤为 重要。电力系统的故障类型通常分为单相接地短路、两相短路和三相短路，由于故障时电 压、电流信号受系统运行方式、故障位置、故障原因等因素的影响，故障模式空问一般是 非线性可分的，国内外众多学者利用数据挖掘技术进行电力系统故障分类研究，具体方法 包括贝叶斯分类器【4 0 】、神经网络【4 1 - 4 3 】、模糊推理【4 4 】和支持向量机【4 5 】 文献 4 6 和f 4 7 】从另一个角度进行分析，根据天气、故障位置和原因判断发生故障的 究竟是哪个设备，是变压器、断路器、母线，还是某一个开关。近两年，对于故障发生的 外部原因( 包括树木、动物和闪电三大原因) 也有了基于数据挖掘的分类研究【4 8 ，4 9 】。 电力系统运行时，各类故障会引起电压暂降、短时中断、尖峰脉冲等短时电能质量事 件。大功率非线性负荷的广泛应用也会导致谐波、闪变等电能质量问题。电能质量分类识 别是电力系统的一个研究热点，本文第4 章将对此进行详细讨论。 浙江大学博士学位论文 第1 章绪论 ( 3 ) 系统状态分类 电力系统运行人员从各个监测系统中获得发电水平、潮流分布、负荷水平及故障条件 等多个参数，如果能从这些参数中获得系统运行的状态，将有利于电网运行者合理调度， 采取必要的措施保持系统安全稳定的运行。文献 5 0 】将系统分为正常、不正常和恢复 ( r e st o r a ti v e ) 状态，根据粗糙集理论构建分类规则。文献【5 1 通过决策树判断系统处 于正常状态还是遇到了极端事故( e x t r e m ec o n t i n g e n c i e s ) ，以决定是否需要采取保护措 施。分散电源广泛应用使得运行人员需要判断有多个分散电源的系统中是否出现了孤岛 ( i s l a n d i n g ) 状态，文献【5 2 】首次将数据挖掘引入孤岛检测。文猷【5 3 】介绍如何从7 4 个 原始特征中选取合适的指标，用来判断系统的机电暂态稳定状态。文献【5 4 】基于支持向量 机，实现系统暂态稳定的快速分类。 除了暂态稳定，在发生故障后，兼顾分析系统电压和频率波动，也称为系统安全性评 估1 5 5 】。安全评估也是电力系统运行分析的一个研究热点，本文将在第6 章进行详述。 1 3 3 关联规则分析 关联是指两个或多个变量的取值之间存在某种规律性关联规则分析是发掘一个变量 与其它变量之问的相互依存性和关联性，比如用电量与电价、降水和温度之间的关联性， 不同地点电压和谐波电流的关联性，发电机煤耗量与主汽压力、主汽温度、给水温度、排 烟温度、过量空气系数等可控参数之间的关联性。找出这样的规则，对发电商、电力公司 和用户都具有重要的价值。 ( 1 ) 发电侧关联规则分析 文献【5 6 】分析发电机组竞争能力评估体系中各因素之间的关联性，应用于电力市场中 发电商竞争能力的评判决策。文献【5 7 】对火电厂煤耗率与发电机主汽压力、主汽温度和再 热汽温等变量进行关联性分析，提出优化运行方案，通过对某电厂3 0 0 m w 机组实际运行 数据的分析验证关联分析的有效性文献【5 8 】针对某火力发电厂2 0 0m w 单元发电机组故 障时出现的五种故障现象进行关联性分析，为故障监测提供依据。这三篇文献中关联规则 分析均采用a p r i o r i 算法 ( 2 ) 电网运行数据关联性分析 电网发生故障时，故障现象或故障原因与故障类别之间的存在有价值的关联规则，发 现电网故障元素间的关联特性，可以更好的对设备进行故障监测与诊断【5 9 - 6 1 】。类似的 6 浙江大学博士学位论文第1 章绪论 研究还出现在文献【6 2 】和【6 3 】中，前者分析特定的电力系统运行参数和暂态稳定性之间的 关联性，判断发生故障时系统失稳的概率；后者分析系统节点电压变化特性与故障之间的 关系，以香港电网为例检测系统中最为敏感的节点。 谐波是最为常见的电能质量问题，文献【6 4 】和 6 5 通过寻找特定地点谐波电流与其它 地点电压之间的关联度，确定谐波源，为谐波潮流的分析提供了新的思路。 ( 3 ) 用户侧负荷特性分析 文献【6 6 和【6 7 】分别将关联分析引入电力营销和负荷管理中，指导供电公司制定合理 的营销策略。文献【6 8 】分析城市用电量与g d p 增长率、第二产业比重，中心性等级行 政级别、气候类型等因素的潜在关系，为配网规划提供依据。文献 6 9 提出了负荷的广域 相关度，即系统遭受扰动后，不同负荷点的负荷特性变化对系统广域动态特征的影响程度， 为开展广域负荷建模提供重要的参考依据。 1 3 4 聚类 聚类用于从数据集中找出相似的数据并组成不同的组与分类不同，聚类的输入数据 没有类别标号，聚类就是将数据对象分成多个类或簇( c l u s t e r ) ，使得同一个簇中的对象 较相似，而不同簇中的对象较不相似电力系统的研究人员对不同的电力用户或发电商进 行聚类分析，以期获得不同的类别属性。 从电力监测和调度系统中提取不同地区不同类型的用户负荷曲线，进行用电特性聚类 分析，为电力公司营销和负荷管理提供依据，是近几年电力系统聚类分析的研究热点。本 文将在第5 章展开讨论。文献【7 0 】和【7 l 】同样进行负荷曲线的聚类，作为负荷预测和电价 预测的预处理过程。文献【7 2 】研究在故障条件下，具有相似变化的曲线簇，以更好的估计 和抑制故障带来的影响。在电力市场背景下，对电价区域进行划分f 7 3 】，合理分配配网供 电成本【7 4 】，对电力用户信用类别进行判断【7 5 都具有重要的意义。 除了用户特性聚类，文献【7 6 】对发电商报价特性进行聚类分析，可以有效监管不同报 价情况对电力市场的影响。此外文献【7 7 】对国内生产总值g d p 、进出口总额、全社会固定 资产投资、城镇居民人均可支配收入等指标进行分析，挖掘出对电力系统发展最具影响力 的主导因素。 7 浙江大学博士学位论文 第l 章绪论 1 3 5 离群分析 在数据分析过程中，往往会发现这样一些数据对象，它们显著不同于其它数据，被称 为离群点( o u t l i e r s ) 。在许多数据挖掘过程中，离群点被当成噪声，或者将其排除掉， 或者使其影响最小化。也有许多问题，其中的离群点预示着故障等异常状况离群点的分 析与检测也是一项很有意义的数据挖掘任务。 文献 7 8 】和【7 9 利用神经网络对电力负荷数据中的奇异点进行检测和修正。同样， 文献f 8 0 】、 8 1 和【8 2 利用神经网络对负荷离群数据进行校正，作为负荷预测的预处理步 骤。文献【8 3 对电力调度中心的多种数据量进行离群分析，提高数据采集精度。作为数据 清洗过程，离群分析在提高电力系统状态评估【8 4 】和数据调试( d a t ad e b u g g i n g ) 精度【8 5 】 中也有应用报道。 除了被当作不良数据，离群点有时也包含潜在的有用信息。文献 8 6 提出一种基于距 离的时序数据离群挖掘方法，应用到某钢铁企业，帮助电力管理和调度人员监测电力系统 的故障。文献【8 7 】也通过基于支持向量机的离群分析检测发电机出现的异常状况。 1 4 本文主要研究内容和章节安排 本文对电力系统运行监测数据( 主要考虑节点电压和有功潮流参数) 进行深入的分析， 综合利用多种数据挖掘方法，发现电网运行信息中隐藏但有价值的知识和规律。针对电力 系统运行安全、优质、经济的基本要求，本文进行了以下三大部分的研究，以期帮助电力 公司和调度人员更好的分析电网运行信息，监测电网运行状态 ( 1 ) 本文将相空间重构( p s r ，p h a s es p a c er e c o n s t r u c t i o n ) 这一非线性时问序列分 析工具应用于电能扰动的特性提取过程，结合支持向量机( s v m ，s u p p o r tv e c t o rm a c h i n e s ) 构建电能质量事件分类器。通过对电网中电压波形进行扰动特性提取并完成自动分类识 别，可以进行电能扰动统计分析，以评估电力系统的电能质量现状，为电能质量改善措施 提供依据。文中将本文所提方法与现有方法进行了分类性能比较，说明了本文方法的优点。 ( 2 ) 本文提出了基于自组织映射网络( s o m ，s e l f o r g a n i z i n gm a p ) 的电力用户聚类 方法。通过杭州地区电能监测网提取出不同负荷的实测日耗电曲线，在时域和频域分别对 负荷曲线进行特性定义，并与原始功率值作为输