申请/专利权人：东北电力大学;国网吉林省电力有限公司通化供电公司

申请日：2023-06-12

公开（公告）日：2024-01-26

公开（公告）号：CN117455131A

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/06;G06F18/23213;G06F18/2135;H02J3/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明涉及电力系统监测技术领域，即基于IPSO‑Kmeans的电力系统精细运行方式可视化提取方法。它包括以下步骤：步骤1）运行方式表征变量选取及标准化处理。步骤2）强影响特征变量筛选模型。步骤3）精细运行方式可视化提取。设计了基于最大值绝对值标准化的电网运行数据预处理方法，有效避免高维电气特征量间数值及量纲引起的计算误差；然后，为降低冗余特征对精细化运行方式提取结果的影响，构建了基于皮尔逊‑核主成分相关性分析（P‑KPCA）的运行方式特征变量筛选模型；接着，以聚类肘指标为约束条件，提出基于IPSO‑Kmeans算法，实现运行方式精细化迭代聚合，基于精细化运行方式提取结果完成二维可视化展示。

主权项：1.基于IPSO-Kmeans的电力系统精细运行方式可视化提取方法，其特征是它包括以下步骤：步骤1）运行方式表征变量选取及标准化处理；通过对新型电力系统运行方式相关变量进行分析，选取能够充分描述新型电力系统特征的表征变量，同时设计标准化预处理方法减少高维特征量间数值及量纲引起的计算误差；（1.1）结合新型电力系统接入大量可再生能源的特点，选取能够充分表征新型电力系统运行方式特点的特征量；（1.2）以一小时为间隔抽取实际区域模拟运行数据的有功功率、无功功率以及负荷功率，构建初始数据；（1.3）为降低数据差值过大对运行方式提取结果的影响，设计基于最大值绝对值MaxAbs的变量数据标准化处理；步骤2）强影响特征变量筛选模型；为降低冗余特征对模型训练效率及提取结果的干扰，以变量间的相关系数为约束条件，构建特征变量筛选模型，从高维数据集的所有变量中筛选出对提取算法有益的相关特征，生成强影响特征变量数据集；（2.1）使用皮尔逊Pearson相关系数法确定样本间距离，进而代入高斯核函数中；为高斯核函数求解样本间关系矩阵，是Pearson相关系数与核函数的组合；（2.2）构建基于核主成分相关性的运行方式特征变量筛选模型，对得到的样本间关系矩阵进行中心化处理后，对其进行特征值分解得到特征值和特征向量；（2.3）根据求得的特征向量，组成降维矩阵，筛选与运行方式相关的强影响特征变量，构建强影响特征变量数据集；步骤3）精细运行方式可视化提取；依据构建的强影响特征变量数据集进行聚类提取，整体可视化提取过程分为三个阶段：（3.1）第一阶段采用线性递减权重提升粒子群算法IPSO的寻优能力，保证在迭代初期的时候在足够大的范围内进行搜索，在中后期的时候则开始进行精细化的搜索；（3.2）第二阶段利用肘指标为约束确定聚类数目，并将改进的粒子群算法与K-means算法相结合，寻找最优聚类中心，对筛选过后的特征变量进行聚类分析，实现电力系统精细化运行方式的提取；（3.3）第三阶段利用均匀流形逼近与投影UMAP算法较强的表达数据间结构和降维可视化能力，基于精细化运行方式提取结果完成二维可视化展示；通过构建损失函数在低维空间学习高维空间中提取结果的结构特点，完成可视化展示。

全文数据：

权利要求：

百度查询： 东北电力大学;国网吉林省电力有限公司通化供电公司 基于IPSO-Kmeans的电力系统精细运行方式可视化提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD