隨著電網(wǎng)數(shù)據(jù)規(guī)模越來越大，所蘊(yùn)含的價(jià)值也越來越多。清華大學(xué)信研院研發(fā)了基于機(jī)器學(xué)習(xí)方法的能源互聯(lián)網(wǎng)能量管理系統(tǒng)，主要功能為對電網(wǎng)的穩(wěn)定性進(jìn)行預(yù)測和可視化。系 統(tǒng)分為訓(xùn)練部分和預(yù)測部分。訓(xùn)練部分通過歷史數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，建立一個(gè)電壓穩(wěn)定性的 分類器。分類器訓(xùn)練完成后，再對新增的未知數(shù)據(jù)進(jìn)行預(yù)測。訓(xùn)練部分主要分為特征提取、 類別標(biāo)記、特征壓縮、分類器類型選擇。預(yù)測部分主要分為分類器數(shù)據(jù)啟動階段和預(yù)測輸出 階段。本系統(tǒng)提出利用機(jī)器學(xué)習(xí)方法對電網(wǎng)電壓穩(wěn)定性進(jìn)行預(yù)測，進(jìn)一步綜合多個(gè)節(jié)點(diǎn)給出 電網(wǎng)態(tài)勢感知的評估結(jié)果。在訓(xùn)練每一個(gè)節(jié)點(diǎn)分類器的時(shí)候，本系統(tǒng)將特征選取的時(shí)段和預(yù) 測時(shí)間節(jié)點(diǎn)拉開，形成一種延時(shí)的預(yù)測方法，本發(fā)明對復(fù)雜系統(tǒng)有著更好的還原效果。

2 應(yīng)用說明

本系統(tǒng)實(shí)施電壓穩(wěn)定性預(yù)測的具體步驟為:

步驟 1:通過部署在關(guān)鍵測點(diǎn)的同步相

角測量單元 PMU 采集電網(wǎng)實(shí)時(shí)數(shù)據(jù)，所述 實(shí)時(shí)數(shù)據(jù)包含電網(wǎng)中每個(gè)關(guān)鍵測點(diǎn)的電壓 U、 有功 P、無功 Q、電流 I;分別計(jì)算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，電壓的變化 量比上無功的變化量的衍生量 dU/dQ，用這 些衍生量作為特征，來表征量的時(shí)間變化速 率;

步驟 2:對步驟 1 中提取的特征進(jìn)行數(shù) 據(jù)降維與壓縮;根據(jù)特定時(shí)刻電壓 U 是否恢 復(fù)到標(biāo)準(zhǔn)值的 0.8 倍來區(qū)分每組樣本組是否 穩(wěn)定，用 0 標(biāo)記穩(wěn)定，用 1 標(biāo)記不穩(wěn)定;

步驟 3:選擇分類器，建立一個(gè)電壓穩(wěn) 定性的分類器;

步驟 4:訓(xùn)練分類器;當(dāng)分類器訓(xùn)練完 成后，將訓(xùn)練好的參數(shù)儲存起來;

步驟 5:進(jìn)入預(yù)測部分的數(shù)據(jù)啟動階段， 填充特征矩陣，沒有輸出;

步驟 6:把多個(gè)節(jié)點(diǎn)的特征按照順序排

列，形成特征矩陣;特征矩陣填充完成后， 根據(jù)分類器給出的預(yù)測結(jié)果;特征時(shí)段向前滑動，最初的特征被拋棄，新特征補(bǔ)充在隊(duì)尾， 分類器持續(xù)給出預(yù)測結(jié)果;

步驟 7:每隔一定時(shí)間間隔 ，要把新收集來的數(shù)據(jù)與以前的數(shù)據(jù)一起，重新回到步驟 4 訓(xùn)練分類器，更新參數(shù)。

在具體系統(tǒng)搭建過程中，我們充分利用現(xiàn)有機(jī)器學(xué)習(xí)平臺。其中 Hadoop 的文件管理系統(tǒng) HDFS 負(fù)責(zé)數(shù)據(jù)存儲;Spark 負(fù)責(zé)模型訓(xùn)練;Storm 負(fù)責(zé)在線預(yù)測;Kafka 負(fù)責(zé)在 Storm 和Hadoop 之間傳遞更新后的模型參數(shù)。