基于数据挖掘的电能误差数据自动化校正方法

杨军，庄文德，张育辉

（南方电网数字电网研究院有限公司，广东广州 510520）

在实际分析电能数据时，受到外部环境的影响，常常会产生误差[1-2]，为此，研究误差数据的校正成为了当前相关领域的研究重点。对于规模较大的电网网络，其误差数据规模也更为庞大[3]，对实际的校正工作产生了较大的阻碍[4-6]，为此，设计一种误差数据自动化校正方法是很有必要的。

文献[7]提出基于TDR 的自动墒情站监测数据校正，引用了正确的电能数据估计值替换原有的误差数值，但该估计值的精度不高，导致最终的校正正确率较小。文献[8]提出基于线电压差积分的电能误差检测及校正方法，整合了误差数据的特征，定义了误差数据的校正状态，但状态数据产生了一定的噪声，导致实际校正时的正确率变小。

综合当前研究成果来看，建立自动化校正方法很有必要，为此，提出基于数据挖掘的电能误差数据自动化校正方法。

1 数据自动化校正方法

1.1 挖掘供电网误差电能数据

在挖掘供电网误差电能数据时，划定相同区域的供电网作为处理对象[9]，整理为不同类别的数据集后，采用主成分方法处理采集得到的电能数据，处理过程可表示为：

其中，W0表示采集得到的电能数据，E(W0) 表示计量得到的电能数据，D(W0)表示标准化电能数据。划分上述电能数据为不同的时间间隔等级，划分过程可表示为：

其中，j表示配电网的节点，n表示配电网节点电能表的数据，Wj表示时间间隔周期内的电能数据。假设实际间隔内的时间周期呈独立分布[10]，此时挖掘得到的电能数据呈现正态分布，电能数据状态可表示为：

其中，e(j)表示电能数据间的线性关系，η2表示电能数据误差方差，I表示电能数据的单位矩阵，其余参数含义不变。不断增大采集电网的范围后[11]，在上述电能数据状态的控制下，区域内的电能数据的变化如图1 所示。

图1 采集电能数据的变化

由图1可知，不同采集周期下，受到外部环境的干扰，电能数据中产生了部分的误差数据，对该部分误差数据进行处理[12]，确定电能数据中的误差数据指标。

1.2 确定误差数据指标

在上述确定得到的电能误差数据下，同区域同周期不同分支内的电能数据，受到外部随机噪声的影响，导致电能数据误差，可表示为：

其中，Q表示电能误差数据集合，N表示实际产生噪声数据的支路数量，U1表示电能数据的协方差特征值。在该数据控制下，将电能数据误差指标数量作为一种误差数据指标。因外部供电电压较低而导致电能数据产生偏差[13]，该部分的电能数据误差就可表示为：

其中，M表示实际配电网的供电量。Wz表示电网支路中与预期的数值差缺少的电压数值，y为预期电压数值，在统计区间内，配电网用户在限值范围内产生一定的累积[14]，此时实际运行的电压与预算电压产生的误差，该部分误差就可表示为：

其中，Ri表示配电过程产生的电能误差，ti为配电网用户在限值范围内的电压差值，q为配电网用户极限电压值，M表示电能数据实际运行产生的电能，T表示采集电能数据周期。在上述统计周期内，供电网内的电压会产生一定的暂降，进而在供电网中产生一定的电能误差，可表示为：

其中，Hi表示电能数据的暂态误差，ΔDi表示配电网的统计时间周期，其余参数含义不变。汇总上述得到的电能误差数据，构建误差自动校正方法。

1.3 实现对电能误差数据的自动化校正

将不同误差来源的数据划分为不同的数据组，将数据组中的数据划分为已测数据与未测数据，并构建一个状态判断公式，可表示为：

其中，P表示全部的误差数据，P1表示已测数据，P2表示未测数据，A表示非零列的电能误差数据。定义上述电能数据为一个无显著状态，协调两个状态的稳态后，形成一个电能稳态数据，可表示为：

其中，f(x)表示电能稳态约束函数向量，B表示未测显著参数，n表示电能稳态参数。在上述电能稳态数据的控制下，构建得到的校正模型就可表示为：

其中，s表示电能误差数据的数量，ai表示配电网节点函数，F表示实际产生的电能误差数值，C表示非容性节点相关系数，其余参数含义不变。在上述校正矩阵的控制下，设定校正矩阵的校正周期[15-16]，使用该校正周期参数不断控制电能误差数据的采集过程，最终实现对电能误差数据的自动化校正。

2 仿真实验

2.1 实验准备

选定一供电网网络拓扑结构作为电能数据的采集对象，使用的电网网络拓扑结构如图2 所示。

图2 选定的供电网络拓扑结构

在图2 所示的供电网拓扑结构中，供电线路采用放射式的接线形式，控制供电网中的母线电压为10 kV，并连接分支馈线，并在二级配电设备的控制下，通过分支箱的接线形式，实现电能的分支输送。采集供电网络拓扑结构中的电能数据，采集得到的电能数据如表1 所示[17]。

使用表1 采集得到的电能数据，以文献[7]方法、文献[8]方法及该文校正方法进行实验，对比三种校正方法的性能。

2.2 结果及分析

基于上述实验准备，控制三种校正方法处理表1中的电能数据，定义三种校正方法累积的校正误差可计算为：

表1 采集得到的电能数据

其中，Xi表示采集得到的电能数据集，表示显著误差数据，Q表示误差显著参数。在上述计算公式控制下，三种校正方法校正时产生的误差，结果如表2 所示。

表2 三种校正方法产生的误差

由表2 所示的校正结果可知，控制三种校正方法处理相同的误差数据集，根据计算得到的校正误差可知，文献[7]方法校正误差在27%左右，实际校正效果较差，文献[8]方法产生的校正误差在12%左右，校正误差较小，且实际校正效果较强。而设计得到的校正方法产生的校正误差在4%左右，与两种对比校正方法相比，设计得到的校正误差最小，实际校正误差数据的效果较强。

当电能数据产生数值变化时，则定义为一次异常数据替换过程，统计三种校正方法可替换异常数据的数量，结果如表3 所示。

根据表3 所示的数值结果可知，控制三种误差数据校正方法替换原有的电能误差数据，文献[7]方法可替换的误差数据数量在21-29 组之间，可替换的误差数据数量较少，文献[8]方法可替换的误差数据数量在32-38 组之间，而设计得到的校正方法可替换误差数据组的数量在40-44组之间，与两种常规校正方法相比，该种校正方法几乎可替换所有的误差数据。

表3 三种校正方法替换异常数据个数结果

保持上述实验环境不变，在使用三种校正方法处理误差数据时，控制误差数据集迭代100次，统计三种校正方法正确校正的数量，计算得到校正正确率，结果如图3 所示。

图3 三种校正方法校正正确率结果

由图3 所示的校正正确率结果可知，控制数据集中的数据迭代100 次后，变换电能误差数据的形式，根据统计文献[7]方法平均正确率数值在85%左右，得到的正确率数值较小，文献[8]方法的平均校正方法平均正确率数值在94%左右，实际校正正确率数值较大，而设计校正方法平均正确率数值在97%左右，与两种常规校正方法相比，该种校正方法校正正确率最高，实际的校正效果最佳。

3 结束语

配电网结构越来越复杂，导致电能误差数据量的增加，为此提出基于数据挖掘的电能误差数据自动化校正方法，实验结果表明所设计方法能够改善原有校正方法存在的不足，为今后研究误差校正提供一定的理论支持。