一种基于数据特征缩放的长时电能质量污染水平划分方法

摘要

本发明涉及一种基于数据特征缩放的长时电能质量污染水平划分方法，包括：选取若干评估指标；获取待评估电能质量数据；根据待评估电能质量数据中各评估指标的持续时间占统计总时间的比例，构建概率矩阵；计算各评估指标的权重；根据评估指标权重和概率矩阵，计算待评估电能质量数据的等级。本申请根据各评估指标的持续时间进行电能质量评估，侧重长时间的电能质量评估，能更为准确地评估电能质量等级。

说明书

技术领域

本发明涉及一种基于数据特征缩放的长时电能质量污染水平划分方法，属于电能质量评估领域。

背景技术

随着光伏风电等分布式电源并入大电网，及大量非线性、冲击性负荷接入电力系统，引起日益严重的电能质量问题。同时随着电能的商品属性逐渐被还原，越来越多的电力用户也更加关注电能质量问题。而电能质量的评估分级是电能质量问题治理、电力市场实行按质定价的前提。因此，对电能质量进行综合合理的评估具有重大意义。

目前，国内外学者主要利用模糊数学法、层次分析法、概率统计与矢量代数法、秩和比法及各种智能算法等对电能质量进行综合评估，如：1、利用模糊层次分析法这种主观分析方法对电能质量进行综合评估，该法忽视了客观因素的影响，使得最终的评估结果缺乏客观性。2、利用加权秩和比法评估电能质量，同时采用熵值法确定指标权重以此降低评估模型的复杂性及主观因素的片面性。3、建立电能质量综合评估的随机森林模型，以电能质量评估指标为特征对电能质量进行等级划分，并据此生成样本集对模型进行训练，最终对电能质量进行综合评估。但以上评估方法均侧重于短时评估以及利用平均法会丢失数据特征，不能准确评估电能质量。

综上，需要一种更准确的电能质量污染水平划分方法。

公开号为CN113240261A的专利《一种区域电能质量监测分析系统》公开了：采样划区单元，用于按照采样周期计量电能质量指标并对该指标进行区域划分；电能质量分析单元，用于对划区后的指标进行分析并根据其动态变化特性对电能质量指标进行模糊处理，获得且输出各采样周期对应各时间段的电能质量评价值；评价值修正单元，用于对各时间段的电能质量评价值进行叠加求和得到综合评价值，修正各时间段所对应的时间因子用以确定时间权重。

发明内容

为了克服现有技术中存在的问题，本发明设计了一种基于数据特征缩放的长时电能质量污染水平划分方法，根据各评估指标的持续时间进行电能质量评估，侧重长时间的电能质量评估，能更为准确地评估电能质量等级。

为了实现上述目的，本发明采用如下技术方案：

一种基于数据特征缩放的长时电能质量污染水平划分方法，包括以下步骤：

选取若干评估指标；

获取待评估电能质量数据；

根据待评估电能质量数据中各评估指标的持续时间占统计总时间的比例，构建概率矩阵；

计算各评估指标的权重；

根据评估指标权重和概率矩阵，计算待评估电能质量数据的等级。

进一步地，所述若干评估指标包括电压偏移、谐波含量、长时闪变、不平衡度、频率偏差。

进一步地，所述计算各评估指标的综合权重，具体为：

利用不同的权重算法，分别计算评估指标不同的若干权重值；

根据所述若干权重值，计算评估指标不同的若干综合权重；

计算各综合权重的可信度，取可信度最高的综合权重为评估指标的权重。

进一步地，所述计算评估指标的不同的若干权重值，以公式表达为：

其中，w

进一步地，所述计算各综合权重的可信度，以公式表达为：

式中，w

与现有技术相比本发明有以下特点和有益效果：

1、相比于现有技术中采集某个时刻的数据作为电能质量指标的采样值(采样值为短时数据)；本申请根据各评估指标的持续时间进行电能质量评估，侧重长时间的电能质量评估，能更为准确地评估电能质量等级。

2、在数据特征处理上，本申请基于数据缩放技术会保留历史数据的特征，现有技术利用用平均法会丢失数据特征，方法过程更精简。

附图说明

图1是本发明流程图。

具体实施方式

下面结合实施例对本发明进行更详细的描述。

实施例一

如图1所示，一种基于数据特征缩放的长时电能质量污染水平划分方法，包括以下步骤：

S1、选取电能质量评估指标：电压偏移、谐波含量、长时闪变、不平衡度、频率偏差。按国家标准将各评估指标分为5个等级，从大到小分别对应不合格，合格，中等，良好和优秀5个等级。如下表所示：

S2、构建各评估指标处于各等级的概率矩阵F：

式中，T表示统计总时长；t

进一步地，若某一评估指标在等级i的持续时间连续低于国标值，则将统计总时长T翻倍，体现连续不合格情况对整体系统影响的严重性。

S3、计算各项评估指标的第一权重值、第二权重值、第三权重值。

S4、利用所述第一权重值、第二权重值、第三权重值，利用下式计算各项评估指标的综合权重值：

式中，w

本实施例中，将第i项评估指标的第一权重值、第二权重值、第三权重值两两组合分多次输入至上式得到第i项评估指标的三个综合权重值。最终得到步骤S1所述五项评估指标的三个综合权重值。

S5、计算评估指标各综合权重值的可信度指标R：

式中，w

选取三种综合权重中可信度最高者，有效降低权重计算所带来的误差。

根据概率矩阵G和综合权重，计算得到评估结果；根据评估结果的数值大小对评估对象做出评估：对评估结果数值按1级、2级、3级、4级、5级进行区分，得到的数值越小，对应评估对象的电能质量污染水平就越低。

实施例二

所述计算评估指标的第一权重值，具体如下：

S31、构造评估指标特征值矩阵X：

式中，x

S32、计算第i项评估指标的变异系数：

式中，D为第i项评估指标特征值的均方差，

式中，n表示评估指标所划分的等级数量。

S33、计算第i项评估指标的第一权重值A

式中，m表示评估指标数量。

实施例三

所述计算评估指标的第二权重值，具体如下：

S34、根据实施例一所述概率矩阵F，依照熵的定义得出各个评估指标的相对强度熵为H

其中，i＝1,2,3,……,M,M是概率矩阵F的行数：j＝1,2,3,……,N，N是概率矩阵F的列数，f

S35、计算各评估指标的数据差异度e

e

利用数据差异度e

式中，ε表示一较小值，该值越小则约接近传统熵权法所得出的值。

计算第i项评估指标的第二权重值W：

实施例四

计算评估指标的第三权重值，具体如下：

将电能质量监测数据的各个指标数据映射为数值数据；

利用Min-Max缩放算法将所述数值数据缩放至[0,1]区间：

式中，X为原始数据；Xscaled为缩放后的数据；Xmax为最大数据；Xmin为最小数据。

计算电能质量监测数据与系统综合指标的相似度：

在定义向量相似度γ之前，介绍其相关知识：有两向量X＝(x

向量的内积为：9

[X，Y]＝x

向量的范数(长度)：

向量的夹角：

向量的正交：当θ＝90°时，(即[X，Y]＝0)称向量X,Y为正交向量。

设Y＝(y

向量X,Y的范数(长度)相似度α定义为

向量X,Y的方向相似度β定义为

向量X,Y的向量相似度γ定义为

γ＝α·β

将各项指标的向量相似度γ归一化得各项指标的第三权重W：

实施例五

以一具体实施例说明：

1、各项指标初步评估结果

获取两组不同的电能质量数据，分别计算得到表1和表2所示概率矩阵

表1电能质量数据的概率矩阵1

表2电能质量数据的概率矩阵2

根据表1可以看出，电压偏差与频率偏差，如电压有3-5级的偏差，其他各项指标表现较好。

根据表2可以看出，电压偏差指标为不合格的概率明显提升，证明电压偏差指标与频率偏差相对其他指标表现较差。

1、量化各项指标初步评估值：

表3根据概率矩阵1量化各项指标初步评估值

根据各项指标初步评估值量化公式得到表3。根据表3可知，此表数据是由概率矩阵1所提供的，概率矩阵1中，电压偏差与频率偏差都存在些许的不合格连续情况，所以这两项指标的初步评估值也趋近于不合格。

表4根据概率矩阵2量化各项指标初步评估值

根据各项指标初步评估值量化公式得到表4。根据表4可知，此表数据是由概率矩阵2所提供的，概率矩阵2中，电压偏差这项指标存在着严重的连续不合格情况，导致该项指标的初步评估值极差，等于不合格。频率偏差指标相较于电压偏差指标连续不合格情况好一些，但是初步评估值同样很差，趋向于不合格评级。

2、计算综合权重及综合权重的可信度；取可信度最高的综合权重，计算得到最终评估结果

表5数据的权重分析

根据表5可知，该数据在所有不同算法下的权重分配，且还有最终评估结果与可信度。在表5中，算例基于表2数据进行计算，结合表3可知该组数据中，电压偏差以及频率偏差的初步量化评估值趋近于不合格，长时闪变的初步量化评估值为最优。

根据算法原则和表5可知，变异系数法与熵权法是根据数据的差异与波动情况赋权，而本发明依据的长时闪变的数据本身的差异以及波动情况较小，所以对该项指标赋权最小，但是向量相似度法计算出来的权重近似于期望值，波动相较另外两种权重算法比较小，表现不明显，所以赋权更接近与各项指标权重相等的情况。电压偏差以及频率偏差的初步量化评估值虽然趋近于不合格，但是其数据差异与波动情况较剩下两项指标更小一点，所以这两项指标的赋权也相对较小。可信度表示的是两种算法权重的相似程度，根据表5可知，改组数据可信度最高的结果是，综合权重量化得出的结果，其可信度为0.8133，根据各项评估指标的综合权重计算公式得到综合评估等级为2.7631，评估意见为中等污染水平。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。