一种面向电网发展的多元信息挖掘分析方法及系统与流程

本发明涉及电网分析技术领域，具体涉及一种面向电网发展的多元信息挖掘分析方法。

背景技术：

随着电网的不断发展，针对电网时空潮流变化，开展更多视角的电网潮流时空关联特征分析非常重要。目前潮流特征的研究聚焦于故障诊断方面，稳态运行各状态下的研究较少，如灵敏度、波动量等特征有待进一步深入研究。电网发展过程中，电网评估体系也随之不断更新，加速向全面、智能、实际的方向演变，开展数据驱动的电网智能诊断体系研究是当前公司发展的一项重点工作。

目前研究电网诊断的工作集中于某一个或几个典型的静态截面，缺乏能够体现电网过程性变化规律的指标，且没有结合多因素关联分析从全局角度进行研究，缺乏能够准确描述电网状态的典型参数以及综合评级方法，不能根据各省电网特点进行准确评级并提出发展策略。国内近几年综合评估研究主要集中于指标融合过程中权重的处理手段，以自下而上筛选、剔除、融合基础指标的思路获得综合评价指标。该类方法明显忽略了时序数据全过程特点、不同电网差异性、指标相关性等，已经不符合当前电网发展诊断分析工作需要。

有鉴于此，亟需提供一种研究如何利用数据驱动开创电网发展智能诊断技术，提高电网发展质量的面向电网发展的多元信息挖掘分析方法。

技术实现要素：

为了解决上述技术问题，本发明所采用的技术方案是提供了一种面向电网发展的多元信息挖掘分析方法，包括以下步骤：

获取电网系统运行场景下的相关影响数据；对数据进行预处理，获得内、外部数据的多元信息集成数据集；对全部数据源进行时空关联度分类分析，确定空间维度上不同运行场景下负荷、电源资源的分布差异性及特征；及各种外部环境下电网运行信息的时空关联特性；确定调整电网规划及改造架构方案。

在上述方法中，所述对数据进行预处理，获得内、外部数据的多元信息集成数据集具体包括步骤：

对电网内部数据进行单类数据集分析，采用移动平均法、回归法或决策树法分析数据发展状态；利用编辑距离算法或模型法分析数据变化特征，根据数据发展状态和变化特征构成内部数据特征集；

根据电网指标映射数据表的关联规则，内部数据与外部数据建立映射关系，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集；

基于聚类分析或神经网络法分析不同数据集之间的相关特性，归集存储关联性较强的数据，并对整体数据进行分类、分层、分优先级的集成融合，提取具有数据特征的内、外部的多元信息集成数据集。

在上述方法中，所述对全部数据源进行时空关联度分类分析，确定空间维度上不同运行场景下负荷、电源资源的分布差异性及特征；及各种外部环境下电网运行信息的时空关联特性，具体包括以下步骤：

对多元信息集成数据集的属性进行分析，分析数据断缺失部分的重要程度及分布情况，依次采用均匀分布、插补法、插值法对缺失数据进行填补修正；

采用回归法或聚类法对噪声数据进行平滑处理；

利用函数工具对数据一致性进行检测，完成多元信息的快速预处理工作；

在时间维度上，选出特征子集群从多个时间尺度的电网运行信息进行分析，分析不同特征子集间因果关系；

同时从空间维度上，用结构划分的方式将电网分解成不同区域、不同电源接入点、不同电压等级，提取地形特征不同空间集，结合聚类法基于智能算法数据挖掘分析方法对其进行深度分析，确定空间维度上不同运行场景下负荷、电源等资源的分布差异性及特征；

深度挖掘各种外部环境下电网运行信息的时空关联特性。

在上述方法中，还包括根据数据挖掘获取数据时空关联特性及动态变化规律，建立所需的可视化场景类别，实现大规模数据的低维分析展示、结合网络地理信息的时空特性展示；并通过相关的可视化图、表来表达数据特征以及数据与数据之间的相关性。

本发明还提供了一种面向电网发展的多元信息挖掘分析系统，包括：

数据输入单元：获取电网系统运行场景下的相关影响数据；

数据预处理单元：用于对数据输入单元输入的数据进行预处理，获得内、外部数据的多元信息集成数据集；

数据时空关联度分类分析单元：用于根据数据预处理单元获得的多元信息集成数据集，对全部数据源进行时空关联度分类分析，确定空间维度上不同运行场景下负荷、电源资源的分布差异性及特征；及各种外部环境下电网运行信息的时空关联特性；

电网规划单元：根据数据时空关联度分类分析单元分析结果。

在上述方案中，所述数据预处理单元预处理数据具体包括以下步骤：

对电网内部数据进行单类数据集分析，采用移动平均法、回归法或决策树法分析数据发展状态；利用编辑距离算法或模型法分析数据变化特征，根据数据发展状态和变化特征构成内部数据特征集；

根据电网指标映射数据表的关联规则，内部数据与外部数据建立映射关系，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集；

基于聚类分析或神经网络法分析不同数据集之间的相关特性，归集存储关联性较强的数据，并对整体数据进行分类、分层、分优先级的集成融合，提取具有数据特征的内、外部的多元信息集成数据集。

在上述方案中，所述数据时空关联度分类分析单元分析过程具体包括：

对电网内部数据进行单类数据集分析，采用移动平均法、回归法或决策树法分析数据发展状态；利用编辑距离算法或模型法分析数据变化特征，根据数据发展状态和变化特征构成内部数据特征集；

根据电网指标映射数据表的关联规则，内部数据与外部数据建立映射关系，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集；

基于聚类分析或神经网络法分析不同数据集之间的相关特性，归集存储关联性较强的数据，并对整体数据进行分类、分层、分优先级的集成融合，提取具有数据特征的内、外部的多元信息集成数据集。

在上述方案中，还包括数据相关性显示单元，用于根据数据挖掘获取数据时空关联特性及动态变化规律，建立所需的可视化场景类别，实现大规模数据的低维分析展示、结合网络地理信息的时空特性展示；并通过相关的可视化图、表来表达数据特征以及数据与数据之间的相关性。

本发明还提供了计算机设备，包括存储器、处理器以及存储在所述存储器中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任一项所述面向电网发展的多元信息挖掘分析方法。

本发明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程序，所述计算机程序被处理器执行时实现如上述任一项所述面向电网发展的多元信息挖掘分析方法。

本发明根据电网运行时内、外部多元信息数据，进行数据集成、数据预处理、数据分析，依照电网发展诊断指标形成有效信息集，采用并行计算提高数据分析效率；研究电网发展全过程，通过数据挖掘获取数据时空关联特性及动态变化规律，从而确定调整电网规划及改造架构方案。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的方法流程示意图；

图2为本发明提供的方法中多元信息集成过程的结构示意图；

图3为本发明提供的方法中时空关联特性及动态变化规律分析过程的结构示意图；

图4为本发明提供的系统框架结构示意图；

图5为本发明提供的计算机设备结构示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语"安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

下面结合具体实施方式和说明书附图对本发明做出详细的说明。

如图1所示，本发明提供了一种面向电网发展的多元信息挖掘分析方法，包括以下步骤：

s1、获取电网系统运行场景下的相关影响数据。

本实施例，围绕电网发展的整体环境进行内、外部全覆盖数据收集：分别从效益、安全、经济、可靠四大方面展开调研，并从电网内、外部信息源收集数据，主要包括设备台账、电网拓扑、运行状态、负荷装机、电网政策、环境友好、新能源并网、电网网架、潮流变化及各类故障、临界状态等内部数据，以及经济、社会、政策等相关外部数据。

s2、对数据进行预处理，获得内、外部数据的多元信息集成数据集；如图2所示，具体包括以下步骤：

s21、对电网内部数据进行单类数据集分析，采用移动平均法、回归法、或决策树法分析数据发展状态(如负荷功率变化，潮流变化)；利用编辑距离算法或模型法分析数据变化特征(极值点、阶跃点)，根据数据发展状态和变化特征构成内部数据特征集。

s22、根据电网指标映射数据表的关联规则，内部数据与外部数据建立映射关系，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集。

s23、基于聚类分析或神经网络法分析不同数据集之间的相关特性，归集存储关联性较强的数据，并对整体数据进行分类、分层、分优先级的集成融合，提取具有数据特征(如：天气因素、历史负荷与日类型反映负载特征)的内、外部的多元信息集成数据集。

s3、对全部数据源进行时空关联度分类分析，确定空间维度上不同运行场景下负荷、电源等资源的分布差异性及特征；及各种外部环境下电网运行信息的时空关联特性。如图3所示，具体包括以下步骤：

s31、对集成数据集的属性进行分析，分析数据断缺失部分的重要程度及分布情况，依次采用均匀分布、插补法、插值法对缺失数据进行填补修正；

s32、采用回归法或聚类法对噪声数据进行平滑处理；

s33、利用函数工具对数据一致性进行检测，完成多元信息的快速预处理工作；

s34、在时间维度上，选出特征子集群从多个时间尺度(短期、中长期、长期)的电网运行信息进行分析，分析不同特征子集间因果关系(如研究省内电网能量输送特性、网络中的潮流传播规律)；

s35、同时从空间维度上，用结构划分的方式将电网分解成不同区域、不同电源接入点、不同电压等级，提取地形特征(高度、坡度、坡向等)等不同空间集，结合聚类法基于智能算法数据挖掘分析方法对其进行深度分析，确定空间维度上不同运行场景下负荷、电源等资源的分布差异性及特征；

s36、深度挖掘各种外部环境下电网运行信息的时空关联特性(如天气、日类型、用户、负载、网架结构约束下的电网效率)。

s4、根据步骤s3，确定调整电网规划及改造架构方案，为电网改造和建设提供更加具有指导性的意见。

本实施例优选，根据数据挖掘获取数据时空关联特性及动态变化规律，建立所需的可视化场景类别，实现大规模数据的低维分析展示、结合网络地理信息的时空特性展示等；并通过相关的可视化图、表来表达数据特征以及数据与数据之间的相关性。这样用户更加直观地了解数据特征及各数据之间的影响度及电网改造和建设的主要区域。

本实施例，根据电网运行时内、外部多元信息数据，进行数据集成、数据预处理、数据分析，依照电网发展诊断指标形成有效信息集，采用并行计算提高数据分析效率；研究电网发展全过程，通过数据挖掘获取数据时空关联特性及动态变化规律，从而确定调整电网规划及改造架构方案；另外根据需求还可建立所需要的可视化场景类别；基于可视化软件应用，提出大规模数据的多维分析展示方案，构建数据共享、动态交互界面，提出可视化图表制作方法。

如图4所示，本发明还提供了一种面向电网发展的多元信息挖掘分析系统，包括数据输入单元：获取电网系统运行场景下的相关影响数据；

本实施例，围绕电网发展的整体环境进行内、外部全覆盖数据收集：分别从效益、安全、经济、可靠四大方面展开调研，并从电网内、外部信息源收集数据，主要包括设备台账、电网拓扑、运行状态、负荷装机、电网政策、环境友好、新能源并网、电网网架、潮流变化及各类故障、临界状态等内部数据，以及经济、社会、政策等相关外部数据。

数据预处理单元：用于对数据输入单元输入的数据进行预处理，获得内、外部数据的多元信息集成数据集；数据预处理具体包括以下步骤：

a21、对电网内部数据进行单类数据集分析，采用移动平均法、回归法、或决策树法分析数据发展状态；利用编辑距离算法或模型法分析数据变化特征，根据数据发展状态和变化特征构成内部数据特征集。

a22、根据电网指标映射数据表的关联规则，内部数据与外部数据建立映射关系，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集。

a23、基于聚类分析或神经网络法分析不同数据集之间的相关特性，归集存储关联性较强的数据，并对整体数据进行分类、分层、分优先级的集成融合，提取具有内、外部的多元信息集成数据特征的集成数据集。

数据时空关联度分类分析单元：用于根据数据预处理单元获得的多元信息集成数据集，对全部数据源进行时空关联度分类分析，确定空间维度上不同运行场景下负荷、电源等资源的分布差异性及特征；及各种外部环境下电网运行信息的时空关联特性。

数据时空关联度分类分析单元分析过程具体包括：

s31、对集成数据集的属性进行分析，分析数据断缺失部分的重要程度及分布情况，依次采用均匀分布、插补法、插值法对缺失数据进行填补修正；

s32、采用回归法或聚类法对噪声数据进行平滑处理；

s33、利用函数工具对数据一致性进行检测，完成多元信息的快速预处理工作；

s34、在时间维度上，选出特征子集群从多个时间尺度的电网运行信息进行分析，分析不同特征子集间因果关系；

s35、同时从空间维度上，用结构划分的方式将电网分解成不同区域、不同电源接入点、不同电压等级，提取地形特征等不同空间集，结合聚类法基于智能算法数据挖掘分析方法对其进行深度分析，确定空间维度上不同运行场景下负荷、电源等资源的分布差异性及特征；

s36、深度挖掘各种外部环境下电网运行信息的时空关联特性。

电网规划单元：根据数据时空关联度分类分析单元分析结果，确定调整电网规划及改造架构方案。

本实施例优选，还包括数据相关性显示单元，用于根据数据挖掘获取数据时空关联特性及动态变化规律，建立所需的可视化场景类别，实现大规模数据的低维分析展示、结合网络地理信息的时空特性展示等；并通过相关的可视化图、表来表达数据特征以及数据与数据之间的相关性。

如图5所示，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中面向电网发展的多元信息挖掘分析方法，或者计算机程序被处理器执行时实现上述实施例中面向电网发展的多元信息挖掘分析方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。