System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及配电网异常预警,具体为一种基于改进svdd的配电网在线预警方法和系统。
技术介绍
1、当前,配电网在故障自我预防方面的研究正在逐步改进和完善,建立了感知配电网运行状态并结合运行趋势进行在线预警的模型,以及在线预警模型的评价指标体系。然而,这些指标评价体系存在数据计算量较大、较为主观性和阈值不可变等问题。并且在新型电力系统的背景下,配电网工况的变化较为频繁,感知其运行状态是否异常的能力尚待提升。通过预警边界可以在一定程度上减少指标阈值的主观性,缩短数据计算时间,更能直观反应配电网的运行状态。因此,构建能感知配电网运行状态的在线预警模型尤为重要。
2、配电网scada、pmu采集的电力量测数据有节点电压幅值、节点电压相角、线路电流幅值、节点有功功率和无功功率、线路有功功率和无功功率等,这些数据都需要经过归一化处理。在配电网的日常运行中,大都运行在正常状态,处于异常运行状态情况较少,因此能采集到的异常运行状态样本数据较少,使得传统分类器在预警边界识别上的应用大大受限。
技术实现思路
1、本专利技术的目的就在于为了解决上述至少一个技术问题而提供一种基于改进svdd的配电网在线预警方法和系统。
2、第一方面,本专利技术实施例提供了一种基于改进svdd的配电网在线预警方法,包括:对配电网的电力量测数据集进行正负样本划分,得到目标样本;所述目标样本包括正样本和负样本;基于模糊隶属度函数,计算所述目标样本中每个样本的隶属度值;基于支持向量数据描述的方法,将所述
3、进一步地,基于模糊隶属度函数,计算所述目标样本中每个样本的隶属度值,包括:
4、
5、其中,ρi为第i个正样本的相对密度,zi为第i个正样本的隶属度值,ρmax和ρmin分别为正样本的相对密度的最大值和最小值。
6、进一步地,所述目标超球体模型,包括:
7、
8、其中,xi表示正样本,n1表示正样本的数量,zi表示正样本的隶属度值,xl表示负样本,n2表示负样本的数量,zl表示负样本的隶属度值,ξi和ξl为松弛因子;c1表示调整超球体内部样本数量和算法复杂度的误差惩罚系数,c2表示调整超球体外部样本数量和算法复杂度的误差惩罚系数;为x的非线性映射,γ表示高斯核参数,f表示所述高位特征空间,r表示超球体半径,a表示超球体中心。
9、进一步地,基于待检测运行点与所述配电网决策边界的位置关系,判断是否发出预警信息,包括:判断所述待检测运行点是否在所述配电网决策边界之外;如果是,则发出预警信息;如果否,则判断所述待检测运行点是否存在突破所述配电网决策边界的趋势,如果是,则发出预警信息。
10、进一步地,判断所述待检测运行点是否在所述配电网决策边界之外,包括:计算所述待检测运行点与所述目标超球体模型的球心的目标距离;判断所述目标距离是否大于所述目标超球体模型的半径;如果是,则确定所述待检测运行点在所述配电网决策边界之外。
11、第二方面,还提供了一种基于改进svdd的配电网在线预警系统,包括:划分模块,计算模块,映射模块,构建模块和预警模块;其中,所述划分模块,用于对配电网的电力量测数据集进行正负样本划分,得到目标样本;所述目标样本包括正样本和负样本;所述计算模块,用于基于模糊隶属度函数,计算所述目标样本中每个样本的隶属度值;所述映射模块,用于基于支持向量数据描述的方法,将所述目标样本映射至高维特征空间;所述构建模块,用于基于所述每个样本的隶属度值,在所述高维特征空间中构建目标超球体模型,并将所述目标超球体模型的边界作为配电网决策边界;所述预警模块,用于基于待检测运行点与所述配电网决策边界的位置关系,判断是否发出预警信息。
12、进一步地,所述目标超球体模型,包括:
13、
14、其中,xi表示正样本,n1表示正样本的数量,zi表示正样本的隶属度值,xl表示负样本,n2表示负样本的数量,zl表示负样本的隶属度值,ξi和ξl为松弛因子;c1表示调整超球体内部样本数量和算法复杂度的误差惩罚系数,c2表示调整超球体外部样本数量和算法复杂度的误差惩罚系数;为x的非线性映射,γ表示高斯核参数,f表示所述高位特征空间,r表示超球体半径,a表示超球体中心。
15、进一步地,所述预警模块,还用于:判断所述待检测运行点是否在所述配电网决策边界之外;如果是,则发出预警信息;如果否,则判断所述待检测运行点是否存在突破所述配电网决策边界的趋势,如果是,则发出预警信息。
16、第三方面,本专利技术实施例还提供了一种电子设备,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
17、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令被处理器执行时实现如上述第一方面所述的方法。
18、本专利技术提供了一种基于改进svdd的配电网在线预警方法和系统,解决了异常运行状态数据不足导致的边界识别不准确问题,提高了决策边界识别的准确性;得到在线预警边界之后,依据运行点与超球体中心的距离关系以及运行点向边界的移动趋势,判断是否给出报警信号,对配电网的故障自我预防具有一定的实用价值。
本文档来自技高网...【技术保护点】
1.一种于改进SVDD的配电网在线预警方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于:基于模糊隶属度函数,计算所述目标样本中每个样本的隶属度值,包括:
3.根据权利要求1所述的方法,其特征在于:所述目标超球体模型,包括:
4.根据权利要求1所述的方法,其特征在于:基于待检测运行点与所述配电网决策边界的位置关系,判断是否发出预警信息,包括:
5.根据权利要求4所述的方法,其特征在于:判断所述待检测运行点是否在所述配电网决策边界之外,包括:
6.一种基于改进SVDD的配电网在线预警系统,其特征在于,包括:划分模块,计算模块,映射模块,构建模块和预警模块;其中,
7.根据权利要求6所述的系统,其特征在于:所述目标超球体模型,包括:
8.根据权利要求6所述的系统,其特征在于:所述预警模块,还用于:
9.一种电子设备,其特征在于,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5任一项所述的方法。
...【技术特征摘要】
1.一种于改进svdd的配电网在线预警方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于:基于模糊隶属度函数,计算所述目标样本中每个样本的隶属度值,包括:
3.根据权利要求1所述的方法,其特征在于:所述目标超球体模型,包括:
4.根据权利要求1所述的方法,其特征在于:基于待检测运行点与所述配电网决策边界的位置关系,判断是否发出预警信息,包括:
5.根据权利要求4所述的方法,其特征在于:判断所述待检测运行点是否在所述配电网决策边界之外,包括:
6.一种基于改进svdd的配电网在线预警系统,其特征在...
【专利技术属性】
技术研发人员:刘萌森,邓佳翔,赵锴,陈丹,夏楠,关天一,刘立丰,陈同凡,田易凡,黄玲,许英强,李杰,
申请(专利权)人:国网北京市电力公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。