基于數據挖掘的電能誤差數據自動化校正方法

楊軍，莊文德，張育輝

（南方電網數字電網研究院有限公司，廣東廣州 510520）

在實際分析電能數據時，受到外部環境的影響，常常會產生誤差[1-2]，為此，研究誤差數據的校正成為了當前相關領域的研究重點。對于規模較大的電網網絡，其誤差數據規模也更為龐大[3]，對實際的校正工作產生了較大的阻礙[4-6]，為此，設計一種誤差數據自動化校正方法是很有必要的。

文獻[7]提出基于TDR 的自動墑情站監測數據校正，引用了正確的電能數據估計值替換原有的誤差數值，但該估計值的精度不高，導致最終的校正正確率較小。文獻[8]提出基于線電壓差積分的電能誤差檢測及校正方法，整合了誤差數據的特征，定義了誤差數據的校正狀態，但狀態數據產生了一定的噪聲，導致實際校正時的正確率變小。

綜合當前研究成果來看，建立自動化校正方法很有必要，為此，提出基于數據挖掘的電能誤差數據自動化校正方法。

1 數據自動化校正方法

1.1 挖掘供電網誤差電能數據

在挖掘供電網誤差電能數據時，劃定相同區域的供電網作為處理對象[9]，整理為不同類別的數據集后，采用主成分方法處理采集得到的電能數據，處理過程可表示為：

其中，W0表示采集得到的電能數據，E(W0) 表示計量得到的電能數據，D(W0)表示標準化電能數據。劃分上述電能數據為不同的時間間隔等級，劃分過程可表示為：

其中，j表示配電網的節點，n表示配電網節點電能表的數據，Wj表示時間間隔周期內的電能數據。假設實際間隔內的時間周期呈獨立分布[10]，此時挖掘得到的電能數據呈現正態分布，電能數據狀態可表示為：

其中，e(j)表示電能數據間的線性關系，η2表示電能數據誤差方差，I表示電能數據的單位矩陣，其余參數含義不變。不斷增大采集電網的范圍后[11]，在上述電能數據狀態的控制下，區域內的電能數據的變化如圖1 所示。

圖1 采集電能數據的變化

由圖1可知，不同采集周期下，受到外部環境的干擾，電能數據中產生了部分的誤差數據，對該部分誤差數據進行處理[12]，確定電能數據中的誤差數據指標。

1.2 確定誤差數據指標

在上述確定得到的電能誤差數據下，同區域同周期不同分支內的電能數據，受到外部隨機噪聲的影響，導致電能數據誤差，可表示為：

其中，Q表示電能誤差數據集合，N表示實際產生噪聲數據的支路數量，U1表示電能數據的協方差特征值。在該數據控制下，將電能數據誤差指標數量作為一種誤差數據指標。因外部供電電壓較低而導致電能數據產生偏差[13]，該部分的電能數據誤差就可表示為：

其中，M表示實際配電網的供電量。Wz表示電網支路中與預期的數值差缺少的電壓數值，y為預期電壓數值，在統計區間內，配電網用戶在限值范圍內產生一定的累積[14]，此時實際運行的電壓與預算電壓產生的誤差，該部分誤差就可表示為：

其中，Ri表示配電過程產生的電能誤差，ti為配電網用戶在限值范圍內的電壓差值，q為配電網用戶極限電壓值，M表示電能數據實際運行產生的電能，T表示采集電能數據周期。在上述統計周期內，供電網內的電壓會產生一定的暫降，進而在供電網中產生一定的電能誤差，可表示為：

其中，Hi表示電能數據的暫態誤差，ΔDi表示配電網的統計時間周期，其余參數含義不變。匯總上述得到的電能誤差數據，構建誤差自動校正方法。

1.3 實現對電能誤差數據的自動化校正

將不同誤差來源的數據劃分為不同的數據組，將數據組中的數據劃分為已測數據與未測數據，并構建一個狀態判斷公式，可表示為：

其中，P表示全部的誤差數據，P1表示已測數據，P2表示未測數據，A表示非零列的電能誤差數據。定義上述電能數據為一個無顯著狀態，協調兩個狀態的穩態后，形成一個電能穩態數據，可表示為：

其中，f(x)表示電能穩態約束函數向量，B表示未測顯著參數，n表示電能穩態參數。在上述電能穩態數據的控制下，構建得到的校正模型就可表示為：

其中，s表示電能誤差數據的數量，ai表示配電網節點函數，F表示實際產生的電能誤差數值，C表示非容性節點相關系數，其余參數含義不變。在上述校正矩陣的控制下，設定校正矩陣的校正周期[15-16]，使用該校正周期參數不斷控制電能誤差數據的采集過程，最終實現對電能誤差數據的自動化校正。

2 仿真實驗

2.1 實驗準備

選定一供電網網絡拓撲結構作為電能數據的采集對象，使用的電網網絡拓撲結構如圖2 所示。

圖2 選定的供電網絡拓撲結構

在圖2 所示的供電網拓撲結構中，供電線路采用放射式的接線形式，控制供電網中的母線電壓為10 kV，并連接分支饋線，并在二級配電設備的控制下，通過分支箱的接線形式，實現電能的分支輸送。采集供電網絡拓撲結構中的電能數據，采集得到的電能數據如表1 所示[17]。

使用表1 采集得到的電能數據，以文獻[7]方法、文獻[8]方法及該文校正方法進行實驗，對比三種校正方法的性能。

2.2 結果及分析

基于上述實驗準備，控制三種校正方法處理表1中的電能數據，定義三種校正方法累積的校正誤差可計算為：

表1 采集得到的電能數據

其中，Xi表示采集得到的電能數據集，表示顯著誤差數據，Q表示誤差顯著參數。在上述計算公式控制下，三種校正方法校正時產生的誤差，結果如表2 所示。

表2 三種校正方法產生的誤差

由表2 所示的校正結果可知，控制三種校正方法處理相同的誤差數據集，根據計算得到的校正誤差可知，文獻[7]方法校正誤差在27%左右，實際校正效果較差，文獻[8]方法產生的校正誤差在12%左右，校正誤差較小，且實際校正效果較強。而設計得到的校正方法產生的校正誤差在4%左右，與兩種對比校正方法相比，設計得到的校正誤差最小，實際校正誤差數據的效果較強。

當電能數據產生數值變化時，則定義為一次異常數據替換過程，統計三種校正方法可替換異常數據的數量，結果如表3 所示。

根據表3 所示的數值結果可知，控制三種誤差數據校正方法替換原有的電能誤差數據，文獻[7]方法可替換的誤差數據數量在21-29 組之間，可替換的誤差數據數量較少，文獻[8]方法可替換的誤差數據數量在32-38 組之間，而設計得到的校正方法可替換誤差數據組的數量在40-44組之間，與兩種常規校正方法相比，該種校正方法幾乎可替換所有的誤差數據。

表3 三種校正方法替換異常數據個數結果

保持上述實驗環境不變，在使用三種校正方法處理誤差數據時，控制誤差數據集迭代100次，統計三種校正方法正確校正的數量，計算得到校正正確率，結果如圖3 所示。

圖3 三種校正方法校正正確率結果

由圖3 所示的校正正確率結果可知，控制數據集中的數據迭代100 次后，變換電能誤差數據的形式，根據統計文獻[7]方法平均正確率數值在85%左右，得到的正確率數值較小，文獻[8]方法的平均校正方法平均正確率數值在94%左右，實際校正正確率數值較大，而設計校正方法平均正確率數值在97%左右，與兩種常規校正方法相比，該種校正方法校正正確率最高，實際的校正效果最佳。

3 結束語

配電網結構越來越復雜，導致電能誤差數據量的增加，為此提出基于數據挖掘的電能誤差數據自動化校正方法，實驗結果表明所設計方法能夠改善原有校正方法存在的不足，為今后研究誤差校正提供一定的理論支持。