一種基于改進的最近鄰算法的電網(wǎng)告警分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電網(wǎng)調(diào)度自動化安全領(lǐng)域，具體涉及一個基于改進的最近鄰算法的電 網(wǎng)告警分析方法。
【背景技術(shù)】
[0002] 隨著電網(wǎng)規(guī)模的不斷擴大，電網(wǎng)結(jié)構(gòu)日趨復雜，系統(tǒng)運行方式快速多變，運行管 理面臨著更大的挑戰(zhàn)。而電網(wǎng)監(jiān)控信息種類繁多、數(shù)據(jù)量龐大，通過科學的方法監(jiān)測電網(wǎng)監(jiān) 控信息，歸類分析發(fā)現(xiàn)電網(wǎng)運行規(guī)律以快速做出決策則顯得十分必要。
[0003] 監(jiān)控業(yè)務是在"三集五大"調(diào)整之后并入調(diào)控中心業(yè)務中的，之前各地區(qū)關(guān)于監(jiān)控 信號數(shù)據(jù)的處理與分析還處于探索階段。對監(jiān)控數(shù)據(jù)的處理分析也主要基于對收集上來的 信息進行匯總統(tǒng)計，缺乏全面、系統(tǒng)的分析手段對信息進行歸類整理，降低了工作效率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對以上問題，提供了一種能夠?qū)?shù)據(jù)信息歸類和統(tǒng)計，進而分析，便于判 別告警類別，提高判別可靠性，提高工作效率的基于改進的近鄰算法的電網(wǎng)告警分析方法。
[0005] 本發(fā)明的技術(shù)方案為：包括以下步驟：
[0006]S1、通過對電網(wǎng)調(diào)度自動化系統(tǒng)的數(shù)據(jù)進行歸類和統(tǒng)計，將得到的告警數(shù)據(jù)進行 分類，其類別為事故、異常、越限、變位和告知；
[0007]S2、結(jié)合歷史告警信息，確定各告警指標的權(quán)值；采用改進的最近鄰算法判別當前 告警屬于的類別，進行相應的處理。
[0008] 步驟S2包括以下步驟：
[0009] (1)數(shù)據(jù)結(jié)構(gòu)設計：設每個地區(qū)的告警信息集合抽象為一個元組，表示為^ = (xu，xi2,…，xim)，m為樣本對象的維數(shù)，那么歷史告警信息表示為X= {x"x2,…，χη}，η為 樣本對象的個數(shù)；Xl對應電網(wǎng)調(diào)度自動化系統(tǒng)收集上來的某一地區(qū)已知類別的告警信息； [0010] (2)改進的最近鄰算法對告警信息進行分析，步驟如下：
[0011] 步驟1 :構(gòu)建訓練樣本集合，將歷史告警信息X= {Xi,X2,…，Xn}作為訓練樣本集；
[0012] 步驟2 :設定K值，K為在訓練樣本集中選取待測樣本"近鄰"的個數(shù)；
[0013] 步驟3:在訓練樣本集中選出與待測樣本最近的K個樣本，樣本之間的"近鄰"由歐 式距離來度量；假設待測樣本為(X &Xu，…，xj，此時待測樣本與訓練樣本Xi之間的 距離為：
[0014]
[0015]其中w2,…，wm分別為相應屬性指標對應的權(quán)重，權(quán)值集合定義為W={wuw2,… ，wm};其中，權(quán)值的確定如下：
[0016] 步驟3. 1 :取^，w2，…，Wni的值都為1，對若干個已知分類的樣本作為測試集進行測 試，統(tǒng)計它與樣本的實際分類值之間差異個數(shù)P;
[0017] 步驟3. 2 :依次去除樣本中的第j個屬性，然后求出樣本的估計分類值，統(tǒng)計它與 樣本的實際分類值之間差異個數(shù)P](j= 1，2,…，m);
[0018] 步驟3.3:計;S
k表示當缺少第j個屬性值指標時對分類的影響程度，那 么權(quán)值集合W各元素的值為
= 1，2,…，m，特別地，如果Pj= 0或p= 0， 置g.j= 1 ;
[0019] 步驟4:假設根據(jù)對歷史告警信息不同的處理，分為q類告警，表示為S= {s^S2,…，Sq};對于待測樣本Xc，Xi,X2,…，Χκ表示與Xc距離最近的K個樣本，設離散 的目標函數(shù)為f:x-Sl，其中X表示某個告警樣本，Sl表示第i個類別；/OD表示對 f(x。）的估計，計算為
，該函數(shù)表示為使得 -
漢值最大時的s，Ses= {Si,s2,…，sq}，對于
若S= f(Xl)、 ,
, 〖，那么上式就可以輸出待測樣本的K個近 鄰中對應最多的告警類別s;
[0020] 步驟5:/(Xe)即是待測樣本X。對應的類別，并根據(jù)類別對X。進行相應處理。
[0021] 步驟S1中的告警數(shù)據(jù)包括事故跳閘統(tǒng)計、告警信號統(tǒng)計以及量測不平衡統(tǒng)計。
[0022] 本發(fā)明通過對事故、異常、越限、變位和告知五類告警信息的收集，并對各告警類 別賦以不同的權(quán)值，然后結(jié)合歷史告警信息，確定各告警指標的權(quán)值，并采用改進的最近鄰 算法判別當前告警屬于的類別，進行相應處理。
[0023] 對電網(wǎng)調(diào)度自動化系統(tǒng)的事故跳閘、告警信號以及量測不平衡數(shù)據(jù)進行歸類和統(tǒng) 計，為改進的最近鄰算法提供有效的數(shù)據(jù)支持。
[0024] 本發(fā)明從繁雜的監(jiān)控跳閘、告警以及不平衡性等數(shù)據(jù)中歸納、抽取關(guān)鍵監(jiān)測指標 數(shù)據(jù)，并進行分析、歸類、總結(jié)，以幫助監(jiān)控人員總結(jié)發(fā)現(xiàn)歷史規(guī)律，輔助決策，從而減輕其 繁重的統(tǒng)計分析工作，有效提高電網(wǎng)監(jiān)控部門的監(jiān)測分析能力，進而提高工作效率。
【附圖說明】
[0025] 圖1是本發(fā)明的流程圖；
【具體實施方式】
[0026] 本發(fā)明如圖1所示，包括以下步驟：
[0027]S1、通過對電網(wǎng)調(diào)度自動化系統(tǒng)的數(shù)據(jù)進行歸類和統(tǒng)計，將得到的告警數(shù)據(jù)進行 分類，其類別為事故、異常、越限、變位和告知；
[0028]S2、結(jié)合歷史告警信息，確定各告警指標的權(quán)值；采用改進的最近鄰算法判別當前 告警屬于的類別，進行相應的處理。
[0029]步驟S2包括以下步驟：
[0030] (1)數(shù)據(jù)結(jié)構(gòu)設計：設每個地區(qū)的告警信息集合抽象為一個元組，表示為^ = (xu，xi2,…，xim)，m為樣本對象的維數(shù)，那么歷史告警信息表示為X= {x"x2,…，xn}，η為 樣本對象的個數(shù)。本例中m= 5,分別代表告警類別為事故、異常、越限、變位和告知5個屬 性指標；Xl對應電網(wǎng)調(diào)度自動化系統(tǒng)收集上來的某一地區(qū)已知類別的告警信息，Xi即對應 第i個地區(qū)的告警信息；η則為收集告警信息的總數(shù)；
[0031] (2)改進的最近鄰算法對告警信息進行分析，步驟如下：
[0032] 步驟1 :構(gòu)建訓練樣本集合，將歷史告警信息X= {χ。Χ2,…，xj作為訓練樣本集；
[0033] 步驟2 :設定K值，K為在訓練樣本集中選取待測樣本"近鄰"的個數(shù)。工作中，先 確定一個初始值，然后根據(jù)分類的準確度不斷調(diào)整，最終達到最優(yōu)；當分類結(jié)果的準確度低 于預先設置的閾值時，就增大K的值，直到使分類結(jié)果的準確度達到要求。
[0034] 步驟3 :在訓練樣本集中選出與待測樣本最近的K個樣本，樣本之間的"近鄰"由歐 式距離來度量，距離越小則表示與待測樣本的距離越近。假設待測樣本為(Xd，\2，… ，X?)，此時待測樣本與訓練樣本Xi之間的距離為：
[0035]
[0036] 其中w^w；；，···a分別為相應屬性指標對應的權(quán)重，權(quán)值集合定義為W= ，… ，wm};其中，權(quán)值的確定如下：
[0037] 步驟3. 1 :取^，w2，…，Wni的值都為1，對若干個已知分類的樣本作為測試集進行測 試，統(tǒng)計它與樣本的實際分類值之間差