本發(fā)明涉及電力系統(tǒng)無(wú)功優(yōu)化控制領(lǐng)域，尤其涉及一種基于粗糙集的無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)分析方法。
背景技術(shù)：
：當(dāng)前，在電力系統(tǒng)中控制設(shè)備上，無(wú)功優(yōu)化在線控制經(jīng)過(guò)多年的研究已經(jīng)日趨成熟并且取得了廣泛的應(yīng)用。然而，諸如控制設(shè)備的動(dòng)作次數(shù)等參數(shù)，經(jīng)常與由于設(shè)置不合理常導(dǎo)致實(shí)際控制效果受到較大影響。而傳統(tǒng)無(wú)功優(yōu)化中控制設(shè)備的參數(shù)設(shè)置大多依靠運(yùn)行人員的個(gè)人經(jīng)驗(yàn)。尤其是基于人為經(jīng)驗(yàn)進(jìn)行時(shí)段劃分，常因運(yùn)行人員的主觀判斷或負(fù)荷季節(jié)性變化而維護(hù)不及時(shí)等原因，使得人為時(shí)段劃分的結(jié)果很難在線匹配實(shí)際負(fù)荷的峰谷特性，使得控制設(shè)備的實(shí)際控制效果較差。尤其是在大型區(qū)域電網(wǎng)中，設(shè)置的頻繁調(diào)整會(huì)給運(yùn)行人員帶來(lái)巨大的工作量，且運(yùn)行人員也很難把握負(fù)荷的時(shí)段劃分以及具體時(shí)段內(nèi)動(dòng)作次數(shù)的精確的設(shè)置。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的實(shí)施例提供一種基于粗糙集的無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)分析方法，緩解了時(shí)段內(nèi)動(dòng)作次數(shù)設(shè)置不精確的問(wèn)題。為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案：包括：數(shù)據(jù)準(zhǔn)備和預(yù)處理階段、基于粗糙集理論的設(shè)備動(dòng)作次數(shù)增量挖掘階段，和無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)獲取階段；其中：a數(shù)據(jù)準(zhǔn)備和預(yù)處理階段，包括：步驟a-1，獲取本次挖掘所需要的母線負(fù)荷預(yù)測(cè)結(jié)果；步驟a-2，根據(jù)峰谷閥值，對(duì)所述母線負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行劃分；步驟a-3，根據(jù)歷史數(shù)據(jù)轉(zhuǎn)換所述母線負(fù)荷預(yù)測(cè)結(jié)果中的字段屬性；b基于粗糙集理論的設(shè)備動(dòng)作次數(shù)增量挖掘階段步驟，包括：步驟b-1，對(duì)第i個(gè)時(shí)段內(nèi)的數(shù)據(jù)集合構(gòu)建決策表，其中，i為正整數(shù)；步驟b-2，計(jì)算i時(shí)段內(nèi)負(fù)荷預(yù)測(cè)曲線和所述歷史數(shù)據(jù)間不同字段屬性的相似度；步驟b-3，采用eqcr-db聚類評(píng)價(jià)指標(biāo)，對(duì)連續(xù)屬性進(jìn)行離散化處理；步驟b-4，加載基于隸屬度的決策規(guī)則增量挖掘程序；步驟b-5，通過(guò)i<li,max判斷所有時(shí)段是否全部挖掘完成，如果都挖掘完成則轉(zhuǎn)入c-1，否則轉(zhuǎn)入b-1，其中，li,max表示當(dāng)前時(shí)段的最大值；c無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)獲取階段，包括：步驟c-1，采用給定的置信度對(duì)不確定性規(guī)則進(jìn)行處理，并得到強(qiáng)關(guān)聯(lián)規(guī)則；步驟c-2，本次挖掘計(jì)算結(jié)束。本發(fā)明實(shí)施例提供的基于粗糙集的無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)分析方法，針對(duì)無(wú)功優(yōu)化中設(shè)備動(dòng)作次數(shù)設(shè)置繁瑣且設(shè)置結(jié)果不易把握的問(wèn)題，采用基于粗糙集理論的挖掘的方法，實(shí)現(xiàn)無(wú)功優(yōu)化中設(shè)備動(dòng)作次數(shù)智能劃分和精準(zhǔn)設(shè)置，并在此基礎(chǔ)上對(duì)新增數(shù)據(jù)集進(jìn)行增量挖掘，有效的解決了數(shù)據(jù)的重復(fù)和冗余挖掘問(wèn)題，提高了挖掘的整體效率；緩解了在大型區(qū)域電網(wǎng)場(chǎng)景下，由于運(yùn)行人員很難把握負(fù)荷的時(shí)段劃分造成的時(shí)段內(nèi)動(dòng)作次數(shù)設(shè)置不精確的問(wèn)題。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其它的附圖。圖1為本發(fā)明實(shí)施例提供的總體流程圖；圖2為本發(fā)明實(shí)施例提供的負(fù)荷預(yù)測(cè)曲線時(shí)段劃分流程圖；圖3為本發(fā)明實(shí)施例提供的集合間相似度計(jì)算方法流程圖；圖4為本發(fā)明實(shí)施例提供的基于隸屬度函數(shù)的決策規(guī)則增量挖掘方法流程圖；圖5為本發(fā)明實(shí)施例提供的孤立曲線合并示意圖；圖6為本發(fā)明實(shí)施例提供的相鄰曲線形態(tài)比較圖。具體實(shí)施方式為使本領(lǐng)域技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。下文中將詳細(xì)描述本發(fā)明的實(shí)施方式，所述實(shí)施方式的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附圖描述的實(shí)施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。本
技術(shù)領(lǐng)域：
技術(shù)人員可以理解，除非特意聲明，這里使用的單數(shù)形式“一”、“一個(gè)”、“所述”和“該”也可包括復(fù)數(shù)形式。應(yīng)該進(jìn)一步理解的是，本發(fā)明的說(shuō)明書中使用的措辭“包括”是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件，但是并不排除存在或添加一個(gè)或多個(gè)其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應(yīng)該理解，當(dāng)我們稱元件被“連接”或“耦接”到另一元件時(shí)，它可以直接連接或耦接到其他元件，或者也可以存在中間元件。此外，這里使用的“連接”或“耦接”可以包括無(wú)線連接或耦接。這里使用的措辭“和/或”包括一個(gè)或更多個(gè)相關(guān)聯(lián)的列出項(xiàng)的任一單元和全部組合。本
技術(shù)領(lǐng)域：
技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語(yǔ)(包括技術(shù)術(shù)語(yǔ)和科學(xué)術(shù)語(yǔ))具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應(yīng)該理解的是，諸如通用字典中定義的那些術(shù)語(yǔ)應(yīng)該被理解為具有與現(xiàn)有技術(shù)的上下文中的意義一致的意義，并且除非像這里一樣定義，不會(huì)用理想化或過(guò)于正式的含義來(lái)解釋。本發(fā)明實(shí)施例提供一種基于粗糙集的無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)分析方法，依照?qǐng)?zhí)行的先后順序，包括：數(shù)據(jù)準(zhǔn)備和預(yù)處理階段、基于粗糙集理論的設(shè)備動(dòng)作次數(shù)增量挖掘階段，和無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)獲取階段；其中，可以參考如圖1所示的順序：a數(shù)據(jù)準(zhǔn)備和預(yù)處理階段，包括：步驟a-1，獲取本次挖掘所需要的母線負(fù)荷預(yù)測(cè)結(jié)果；步驟a-2，根據(jù)峰谷閥值，對(duì)所述母線負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行劃分；步驟a-3，根據(jù)歷史數(shù)據(jù)轉(zhuǎn)換所述母線負(fù)荷預(yù)測(cè)結(jié)果中的字段屬性；b基于粗糙集理論的設(shè)備動(dòng)作次數(shù)增量挖掘階段步驟，包括：步驟b-1，對(duì)第i個(gè)時(shí)段內(nèi)的數(shù)據(jù)集合構(gòu)建決策表，其中，i為正整數(shù)；步驟b-2，計(jì)算i時(shí)段內(nèi)負(fù)荷預(yù)測(cè)曲線和所述歷史數(shù)據(jù)間不同字段屬性的相似度；步驟b-3，采用eqcr-db聚類評(píng)價(jià)指標(biāo)，對(duì)連續(xù)屬性進(jìn)行離散化處理；步驟b-4，加載基于隸屬度的決策規(guī)則增量挖掘程序；步驟b-5，通過(guò)i<li,max判斷所有時(shí)段是否全部挖掘完成，如果都挖掘完成則轉(zhuǎn)入c-1，否則轉(zhuǎn)入b-1，其中，li,max表示當(dāng)前時(shí)段的最大值；c無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)獲取階段，包括：步驟c-1，采用給定的置信度對(duì)不確定性規(guī)則進(jìn)行處理，并得到強(qiáng)關(guān)聯(lián)規(guī)則；步驟c-2，本次挖掘計(jì)算結(jié)束。本發(fā)明實(shí)施例提供的基于粗糙集的無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)的分析方法，包括：數(shù)據(jù)預(yù)處理和準(zhǔn)備階段、基于粗糙集理論的設(shè)備動(dòng)作次數(shù)增量挖掘階段以及無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)獲取階段。針對(duì)無(wú)功優(yōu)化中設(shè)備動(dòng)作次數(shù)設(shè)置繁瑣且設(shè)置結(jié)果不易把握的問(wèn)題，采用基于粗糙集理論的挖掘的方法，實(shí)現(xiàn)無(wú)功優(yōu)化中設(shè)備動(dòng)作次數(shù)智能劃分和精準(zhǔn)設(shè)置，并在此基礎(chǔ)上對(duì)新增數(shù)據(jù)集進(jìn)行增量挖掘，有效的解決了數(shù)據(jù)的重復(fù)和冗余挖掘問(wèn)題，提高了挖掘的整體效率；本發(fā)明能有效的減輕運(yùn)行人員在參數(shù)設(shè)置方面的繁瑣工作使設(shè)備動(dòng)作次數(shù)設(shè)置結(jié)果更加合理，并通過(guò)基于粗糙集的增量挖掘方法提高求解效率匹配在線控制的實(shí)時(shí)性需求。在本實(shí)施例中，如圖2所示，所述步驟a-2包括：a-2-1，讀入母線負(fù)荷預(yù)測(cè)曲線數(shù)據(jù)；a-2-2，設(shè)定母線負(fù)荷預(yù)測(cè)曲線的峰谷個(gè)數(shù)閥值n；a-2-3，對(duì)所述母線負(fù)荷預(yù)測(cè)數(shù)據(jù)按升序排列，得到所述母線負(fù)荷預(yù)測(cè)數(shù)據(jù)的升序排列的集合s；a-2-4，選取集合s中前f個(gè)數(shù)據(jù)存入集合sf中，其中，集合sf為包括了集合s中的數(shù)據(jù)的子集，在默認(rèn)情況下f＝3；a-2-5，按所述a-2-3中所得的排列順序，計(jì)算集合sf中兩個(gè)數(shù)sfi,t和sfi+1,t之間的時(shí)間間隔，如果sfi,t-sfi+1,t≤δ(i＝1,...,f-1)，其中，δ為設(shè)定閥值，默認(rèn)情況下δ＝3，則成立且轉(zhuǎn)入a-2-6，否則轉(zhuǎn)入a-2-7，sfi,t表示集合sf中第i個(gè)數(shù)，sfi+1,t表示集合sf中第i+1個(gè)數(shù)；a-2-6，在集合sf中刪除sfi+1,t并補(bǔ)充sn+1進(jìn)入集合sf，轉(zhuǎn)入a-2-5,sn+1表示集合s中第n+1個(gè)數(shù)；a-2-7，對(duì)所述母線負(fù)荷預(yù)測(cè)數(shù)據(jù)按降序排列，得到所述母線負(fù)荷預(yù)測(cè)數(shù)據(jù)的降序排列的集合j；a-2-8，選取集合j中前g個(gè)數(shù)據(jù)存入集合jg中，其中，集合jf為包括了集合j中的數(shù)據(jù)的子集，在默認(rèn)情況下g＝2；a-2-9，按順序計(jì)算集合jg中兩個(gè)數(shù)jgi,t和jgi+1,t之間的時(shí)間間隔，如果jgi,t-jgi+1,t≤δ(i＝1,...,g-1)，則成立且轉(zhuǎn)入a-2-10，否則轉(zhuǎn)入a-2-11,jgi,t和jgi+1,t分別表示集合jg中第i和i+1個(gè)數(shù)；a-2-10，在集合jg中刪除jgi+1,t并補(bǔ)充sn+1進(jìn)入集合sf，轉(zhuǎn)入a-2-9；a-2-11，合并集合sf和jg，并按時(shí)間排序生成新的集合shfi,t(i＝1,...,g+f)，并將集合shfi,t中相鄰兩個(gè)數(shù)之間作為為一個(gè)時(shí)段劃分，轉(zhuǎn)入a-2-12；a-2-12，所述步驟a-2結(jié)束。在本實(shí)施例中，在所述步驟b-1中，被轉(zhuǎn)換的字段屬性包括：將“母線電壓值”轉(zhuǎn)換為“電壓越線次數(shù)”和“電壓偏差”；將“變壓器檔位值”轉(zhuǎn)換為“變壓器動(dòng)作次數(shù)”；將“補(bǔ)償設(shè)備投切狀態(tài)”轉(zhuǎn)換為“補(bǔ)償設(shè)備動(dòng)作次數(shù)”。本實(shí)施例中，還通過(guò)將ed和dtw兩種方法進(jìn)行結(jié)合，重新設(shè)計(jì)了如圖3所示一種相似度的比較方法：通常的，集合間不同屬性相似度的計(jì)算方法可以采用：歐式距離euclidenan(ed)的相似性比較的方法，其中，x,y為兩組序列。m為序列長(zhǎng)度，采用歐式距離計(jì)算方法對(duì)x,y進(jìn)行相似性的比對(duì)：計(jì)算x,y之間的距離d(x,y)后，當(dāng)d(x,y)<δ(δ為給定閥值)時(shí)，可以判定兩組時(shí)間序列相似。該方法計(jì)算直觀簡(jiǎn)單，實(shí)現(xiàn)容易，但對(duì)噪聲數(shù)據(jù)較為敏感且不易處理時(shí)間軸的形變問(wèn)題?？紤]到歐式距離在處理時(shí)間軸形變上的困難，動(dòng)態(tài)時(shí)間彎曲距離dtw(dynamictimewarping)能有效的解決時(shí)間軸形變問(wèn)題，其主要思想為假設(shè)有兩個(gè)時(shí)間序列x和yn,m分別是其長(zhǎng)度，這里可以是n＝m，也可以是n≠m，構(gòu)造矩陣n×m矩陣d。矩陣中每一組值代表時(shí)間序列間點(diǎn)間的距離，當(dāng)xn,ym之間越相似，其值越接近零；相反值越大。在dtw中各點(diǎn)的對(duì)應(yīng)關(guān)系不再是一一對(duì)應(yīng)，為了找到序列間最短距離,設(shè)置一個(gè)扭曲路徑w，w＝w1,w2,…,wk,…wk,同時(shí)max(m,n)≤k≤m+n+1滿足約束條件的兩時(shí)間序列間的路徑很多，但扭曲路徑要求滿足最小扭曲代價(jià)?；趧?dòng)態(tài)規(guī)劃理論可知最小路徑只需要對(duì)矩陣d做局部搜索，假設(shè)點(diǎn)(xi,yi)在最優(yōu)路徑上，則點(diǎn)(x1,y1)到點(diǎn)(xi,yi)的子路徑也是矩陣最優(yōu)解。因此最優(yōu)路徑可由起始點(diǎn)(x1,y1)到終點(diǎn)(xn,ym)之間通過(guò)遞歸搜索獲得。定義兩個(gè)序列中任意兩點(diǎn)間的dtw距離定義為：d(i,j)＝{d(xi,yj)2+[min{d(i-1,j-1),d(r-1,j),d(i,j-1)}]2}1/2(6)這里d(xi,yj)表示歐式距離，從公式可以看出序列間兩個(gè)點(diǎn)i,j之間的d(i,j)距離實(shí)際是(x1,y1)到(xi,yj)之間的最小累積距離。由于ed和dtw在曲線相似性比對(duì)上都有各自的局限性，本實(shí)施例中挖掘?qū)ο鬄槿肇?fù)荷曲線，如果只采用ed進(jìn)行相似度計(jì)算，考慮到日常運(yùn)行中可能出現(xiàn)的數(shù)據(jù)缺失，在對(duì)歷史數(shù)據(jù)庫(kù)進(jìn)行相似度比較時(shí)可能會(huì)出現(xiàn)較大的精度偏差，這對(duì)最終的關(guān)聯(lián)挖掘結(jié)果會(huì)造成較大影響。但如果采用dtw，雖然在相似度的比對(duì)精度上會(huì)獲得較大提升，但從計(jì)算效率來(lái)看，由于dtw計(jì)算的特點(diǎn)，當(dāng)數(shù)據(jù)庫(kù)采用整年或者多年的數(shù)據(jù)進(jìn)行挖掘時(shí)，會(huì)造成計(jì)算量巨大，不利于實(shí)際應(yīng)用。因此本發(fā)明首先對(duì)傳統(tǒng)ed方法進(jìn)行加權(quán)處理，消除曲線振幅平移和伸縮對(duì)時(shí)間序列相似性產(chǎn)生的影響。標(biāo)準(zhǔn)化的方法主要采用方差和均值進(jìn)行歸一化，假設(shè)序列x＝{x1,x2,…,xn),y＝{y1,y2,…,yn)以序列x為例，該序列的均值為方差為d(x)＝e(x2)-(e(x))2，標(biāo)準(zhǔn)化采用公式(7)則原序列x變?yōu)閤'＝{x1',x'2,…,x'n)，y變?yōu)閥'＝{y1',y'2,…,y'n)，此時(shí)采用歐式距離計(jì)算兩序列的相似度有如下公式：盡管對(duì)序列進(jìn)行標(biāo)準(zhǔn)化操作有利于序列間的相似度比較，但是在實(shí)際數(shù)據(jù)庫(kù)中由于通道和數(shù)據(jù)維護(hù)等問(wèn)題，數(shù)據(jù)庫(kù)中常會(huì)出現(xiàn)時(shí)間點(diǎn)上數(shù)據(jù)丟失的情況，如果在時(shí)間序列比對(duì)的相似性計(jì)算中只采用標(biāo)準(zhǔn)化ed距離，對(duì)一些由于數(shù)據(jù)點(diǎn)丟失而導(dǎo)致的時(shí)間序列不匹配的情況，相似性計(jì)算結(jié)果可能會(huì)出現(xiàn)較大偏差，考慮到dtw在處理時(shí)間序列不匹配中的優(yōu)勢(shì)，本實(shí)施例將ed和dtw兩種方法進(jìn)行結(jié)合，重新設(shè)計(jì)了如圖3所示一種相似度的比較方法，即在所述步驟b-2中，包括：b-2-1，得到母線負(fù)荷預(yù)測(cè)的i個(gè)時(shí)段劃分，并將i個(gè)時(shí)段內(nèi)的數(shù)據(jù)保存到集合gi中；b-2-2，讀取歷史庫(kù)記錄，并存入集合d中，其中，“歷史庫(kù)”具體指存儲(chǔ)歷史數(shù)據(jù)的數(shù)據(jù)庫(kù)，或者在存儲(chǔ)器上開辟的存儲(chǔ)歷史數(shù)據(jù)的存儲(chǔ)空間，其中主要記錄了歷史斷面的電壓，有功，無(wú)功，控制設(shè)備動(dòng)作次數(shù)等作為歷史數(shù)據(jù)的信息；b-2-3，計(jì)算gi集合內(nèi)元素個(gè)數(shù)，并記為m_gi；b-2-4，獲得時(shí)段i內(nèi)，所述集合d中第j條數(shù)據(jù)集合dij，并計(jì)算dij中元素個(gè)數(shù)，并記為m_dij；b-2-5，判斷m_gi和m_dij是否相等，如果m_gi＝m_dij則采用標(biāo)準(zhǔn)化ed(euclidenan，歐式距離)距離計(jì)算相似度，否則采用標(biāo)準(zhǔn)化dtw(dynamictimewarping，動(dòng)態(tài)時(shí)間彎曲距離)距離計(jì)算相似度；b-2-6，獲得集合間的相似度，如果j<lj,max則令j＝j(luò)+1,且轉(zhuǎn)入b-2-4，否則轉(zhuǎn)入b-2-7；b-2-7，完成i時(shí)段內(nèi)所有集合間相似度的計(jì)算；b-2-8，如果i<li,max則令i＝i+1,轉(zhuǎn)入b-2-3，否則轉(zhuǎn)入b-2-9；b-2-9，所述步驟b-2中的相似度計(jì)算結(jié)束。具體的，所述步驟b-3的實(shí)現(xiàn)方式，包括：b-3-1，確定聚類數(shù)k的搜索范圍，其中，設(shè)定為2≤k≤5；b-3-2，按順序選取聚類搜索范圍內(nèi)的不同k值，獲得初始聚類中心個(gè)數(shù)；b-3-3，運(yùn)用k-均值聚類算法，更新計(jì)算關(guān)系矩陣和聚類中心；b-3-4，獲得聚類結(jié)果并計(jì)算聚類優(yōu)劣評(píng)價(jià)指標(biāo)(eqcr-db)的值，當(dāng)k≤5時(shí)，令k＝k+1并轉(zhuǎn)入b-3-2，否則轉(zhuǎn)入b-3-5；b-3-5，比較各k值對(duì)應(yīng)的eqcr-db值，取eqcr-db值最小的聚類作為最佳聚類；b-3-6，根據(jù)最佳聚類數(shù)輸出聚類結(jié)果，根據(jù)聚類結(jié)果對(duì)屬性進(jìn)行離散化處理。進(jìn)一步的，所述步驟b-3-5的實(shí)現(xiàn)方式，包括：b-3-5-1獲得各個(gè)k值下的聚類結(jié)果；b-3-5-2計(jì)算davies-bouldin(db)指標(biāo)，db指標(biāo)表示一個(gè)類內(nèi)距離和聚類中心間距的一個(gè)測(cè)度，表示為：其中，mij表示類i和j之間兩中心的距離，si表示類i中所有個(gè)體到聚類中心的平均距離，sj表示類j中所有個(gè)體到聚類中心的平均距離，其中，db指標(biāo)越小則表示此時(shí)分類的結(jié)果越好。盡管db這個(gè)指標(biāo)能很好的反映聚類中心間和聚類內(nèi)的差異化，但是這個(gè)指標(biāo)僅從聚類中心的角度來(lái)判斷聚類的優(yōu)劣，并沒(méi)有分析不同聚類內(nèi)部的緊密關(guān)系對(duì)聚類結(jié)果的影響，當(dāng)某個(gè)聚類中聚類個(gè)體較多但是聚類結(jié)果不是很緊密的時(shí)候，db指標(biāo)的判斷結(jié)果可能會(huì)有偏差，因此還需要從另外一個(gè)角度分析不同聚類內(nèi)的個(gè)體緊密程度對(duì)聚類結(jié)果的影響；b-3-5-3計(jì)算在第j個(gè)類中的第i個(gè)個(gè)體到其他不同聚類間平均距離的最小值：其中，c表示聚類的個(gè)數(shù)，nk表示k中個(gè)體的數(shù)量，k和j分別表示第k個(gè)聚類和第j個(gè)聚類；b-3-5-4計(jì)算第j個(gè)類中的第i個(gè)個(gè)體本類中的平均距離：其中，j表示第j個(gè)聚類，dj表示第j個(gè)類中的樣本個(gè)數(shù)；b-3-5-5構(gòu)造eqcr，eqcr的取值范圍在(-1,1)，eqcr指標(biāo)定義如下：其中，聚類的好壞一個(gè)重要的評(píng)判標(biāo)準(zhǔn)是要實(shí)現(xiàn)聚類中個(gè)體的距離越小越好，而聚類間的個(gè)體距離越大越好，基于這樣的考慮，本發(fā)明構(gòu)造一個(gè)兼顧聚類間距離和聚類內(nèi)距離的指標(biāo)eqcr，eqcr的取值范圍在(-1,1)，eqcr指標(biāo)定義如：b-3-5-6將eqcr指標(biāo)轉(zhuǎn)換為1/eqcr，得到新的eqcr-db指標(biāo)，具體形式如下：其中，為了能跟好的均衡聚類間和聚類內(nèi)的差異，以及考慮不同聚類緊密程度對(duì)聚類的影響，本發(fā)明將兩種指標(biāo)進(jìn)行線性化組合實(shí)現(xiàn)均衡，考慮到構(gòu)建eqcr指標(biāo)是越大越好，而db指標(biāo)是越小越好，因此將eqcr指標(biāo)變?yōu)?/eqcr，最終構(gòu)造新的eqcr-db指標(biāo)，具體形式如：在本實(shí)施例中，所述步驟b-4可以執(zhí)行為如圖4所示的基于隸屬度函數(shù)的決策規(guī)則增量挖掘方式：b-4-1對(duì)原決策系統(tǒng)執(zhí)行屬性約簡(jiǎn)流程，刪除條件屬性中相對(duì)決策屬性可以省略的屬性，得到原系統(tǒng)決策表s，其中，令is＝s；b-4-2輸入決策表is，其中，令n＝1，此處的n表示屬性集中屬性的個(gè)數(shù)；b-4-3計(jì)算不同屬性的等價(jià)類劃分和相應(yīng)的隸屬度，隸屬度計(jì)算方式為：其中，x為條件屬性v的值t所對(duì)應(yīng)的對(duì)象，wi是根據(jù)決策屬性得到的等價(jià)類集合，定義隸屬度閥值用于判斷規(guī)則是否可用；b-4-4當(dāng)成立時(shí)，獲得該決策規(guī)則存入規(guī)則庫(kù)ux，當(dāng)時(shí)，r＝r∪ux同時(shí)刪除該隸屬度；當(dāng)時(shí)，直接刪除隸屬度；當(dāng)時(shí)，將等價(jià)類相同的隸屬度中屬性集進(jìn)行擴(kuò)展，擴(kuò)展為n+1；b-4-5可以設(shè)定n＝n+1,如果n＝m+1，則提取決策規(guī)則ux，此時(shí)若有則r＝r∪ux，轉(zhuǎn)入b-4-6，否則轉(zhuǎn)入b-4-3；b-4-6輸出規(guī)則集合r；b-4-7如果is＝s，則令原系統(tǒng)規(guī)則集合為iri＝{ir1,....,irn}，對(duì)應(yīng)隸屬度閥值iu0,i＝{iu0,1,....,iu0,n}，則ir＝r；如果is＝zs，令增量系統(tǒng)規(guī)則集合為zri＝{zr1,....,zrn}，對(duì)應(yīng)隸屬度閥值z(mì)u0,i＝{zu0,1,....,zu0,n}則zr＝r；b-4-8對(duì)增量決策系統(tǒng)執(zhí)行屬性約簡(jiǎn)流程，刪除條件屬性中相對(duì)決策屬性可以省略的屬性，得到增量系統(tǒng)決策表zs，令is＝zs，轉(zhuǎn)入步驟b-4-2；b-4-9最終的決策規(guī)則lri＝{ir1,....,irn}∪{zr1,....,zrn}，當(dāng)iri和zri中出現(xiàn)規(guī)則不一致的時(shí)候，采用判定規(guī)則：1)當(dāng)zu0,i<iu0,i，即表示原決策規(guī)則好于增量決策規(guī)則，刪除增量決策規(guī)則保留原來(lái)規(guī)則；2)當(dāng)zu0,i>iu0,i，即表示增量策規(guī)則好于原決決策規(guī)則，刪除原決策規(guī)則，保留增量決策規(guī)則；3)當(dāng)zu0,i＝iu0,i，即表示兩個(gè)規(guī)則都不可取，刪除對(duì)應(yīng)的原決策規(guī)則和增量決策規(guī)則；b-4-10最終得到數(shù)據(jù)庫(kù)的所有決策規(guī)則lri＝iri∪zri?？蛇x的，在本實(shí)施例中，還包括步驟b-4’，包括：基于核屬性和屬性約束的最優(yōu)屬性，加載約簡(jiǎn)策略；之后采用分類規(guī)則算法得到分類規(guī)則。其中，所述基于核屬性和屬性約束的最優(yōu)屬性，加載約簡(jiǎn)策略，包括b-4’-1至b-4’-7的步驟流程：b-4’-1，輸入決策表ai,j，令a＝{a1,…,an}，其中，a表示所有屬性集合,n表示屬性的總個(gè)數(shù)，令i＝1；b-4’-2，對(duì)條件屬性集合c中的每一個(gè)條件屬性ai進(jìn)行分析，其中，設(shè)置d為決策屬性；b-4’-3，如果有card(π(c-a+d))≠card(π(c-a))成立，則core＝core∪a，i＝i+1；同時(shí)計(jì)算屬性的關(guān)鍵度m(ai,c,d)＝card(π(c+ai))/card(π(c+ai+d))，并存入集合m，(π為定義函數(shù))；b-4’-4，當(dāng)i<n時(shí)，轉(zhuǎn)入b-4’-3，否則轉(zhuǎn)入b-4’-5；b-4’-5，對(duì)m＝{m1,...,mn}集合按照關(guān)鍵度降序排列，并計(jì)算b-4’-6，獲得屬性的約束范圍[k,w]，如果n(core)<k，則從中按順序選取直到n(core)＝k轉(zhuǎn)入步驟b-4’-7；b-4’-7，獲得屬性約簡(jiǎn)結(jié)果core。需要說(shuō)明的是，b-4與b-4’可以同時(shí)執(zhí)行，或者b-4與b-4’可以選擇其一執(zhí)行。在本實(shí)施例中，在所述步驟a-2中，還可以對(duì)母線負(fù)荷預(yù)測(cè)結(jié)果根據(jù)峰谷閥值進(jìn)行自動(dòng)劃分：a-2’-1，獲取相應(yīng)母線負(fù)荷預(yù)測(cè)結(jié)果；a-2’-2，對(duì)曲線進(jìn)行均等時(shí)段劃分并計(jì)算劃分后曲線斜率；a-2’-3，定義曲線形態(tài)；a-2’-4，加載第i個(gè)時(shí)間段內(nèi)曲線zi形態(tài)為l，u，hu，d，hd時(shí)的判斷程序；a-2’-5，生成分段曲線合并判斷矩陣；a-2’-6，定義孤立曲線；a-2’-7，加載孤立曲線形態(tài)為l，u，hu，d，hd時(shí)的歸并程序；a-2’-8，得到曲線劃分個(gè)數(shù)n；a-2’-9，本次劃分結(jié)束。具體的，在所述步驟a-2’-3中，定義曲線形態(tài)的流程包括：對(duì)預(yù)測(cè)曲線進(jìn)行等分后，得到n條時(shí)間段曲線，為了使曲線的劃分更符合峰谷特征，需要對(duì)劃分后的n條時(shí)間段曲線進(jìn)行相鄰時(shí)間段之間的歸并。首先需要對(duì)劃分后曲線的趨勢(shì)進(jìn)行定義，這里將曲線的趨勢(shì)分為5種形態(tài)，具體見表1：表1曲線形態(tài)定義形態(tài)定義形態(tài)表示斜率對(duì)應(yīng)的范圍快速上升hu[1+tk,+∞]上升u[tk,1+tk]水平l[-tk,tk]下降d[-tk,-1-tk]快速下降hd[-1-tk,-∞]其中，tk的取值為tk∈(0,1)且tk<<1。步驟a-2’-4，第i個(gè)時(shí)間段內(nèi)曲線zi形態(tài)為l，u，hu，d，hd時(shí)的判斷方法，具體如下：圖5(a)描述了第i個(gè)時(shí)間段內(nèi)曲線zi形態(tài)為l時(shí)的判斷，如果相鄰曲線zi+1的形態(tài)也為l時(shí)，將第i和i+1段曲線進(jìn)行合并，其他情況則不合并。圖5(b)描述了第i個(gè)時(shí)間段內(nèi)曲線zi的形態(tài)為u或hu時(shí)，此時(shí)如果相鄰曲線zi+1的形態(tài)為u或hu，兩個(gè)時(shí)間段內(nèi)的曲線進(jìn)行合并，其他情況則不合并；圖5(c)描述了第i個(gè)時(shí)間段內(nèi)曲線zi形態(tài)為d或hd時(shí)，此時(shí)如果相鄰曲線zi+1的形態(tài)為d或hd，則兩個(gè)時(shí)間段內(nèi)的曲線進(jìn)行合并，其他情況則不合并。步驟a-2’-5中所生成的分段曲線合并判斷矩陣，具體矩陣如表2所示：表2曲線合并判斷矩陣其中，“+”表示可以合并，“-”表示不能合并。步驟a-2’-6中所定義的孤立曲線具體可以理解為：孤立曲線是指通過(guò)線性分段后不能通過(guò)相鄰時(shí)段內(nèi)的曲線合并判斷矩陣進(jìn)行合并的曲線，并且該曲線是單個(gè)時(shí)間段內(nèi)的曲線。在步驟a-2’-7中，孤立曲線形態(tài)為l，u，hu，d，hd時(shí)的歸并方法；，具體方法如下：1)若孤立曲線的形態(tài)為l(即zi＝l)，此時(shí)取孤立曲線相鄰曲線段zi-1,zi+1的形態(tài)進(jìn)行分析，如果zi-1,zi+1形態(tài)一致，此時(shí)將zi和前后曲線段整體合并得到新的曲線。慮到孤立曲線的不同形態(tài)以及歸并時(shí)前后曲線的形態(tài)差異，需要對(duì)不同情況逐一分析，表3為孤立曲線合并判斷矩陣，表中“+”表示zi曲線可以和前后曲線進(jìn)行整體歸并。表中zi+1和zi-1分別表示zi曲線合并到指定的一側(cè)，△k則表示此時(shí)zi曲線合并到哪一側(cè)需要根據(jù)zi和前后兩段曲線的斜率差進(jìn)行判斷。表3孤立曲線為l時(shí)的合并判斷矩陣其中，“+”表示可以合并，“-”表示不能合并。表4為zi+1和zi-1曲線趨勢(shì)不一致時(shí)的判斷矩陣，△ki-1,i表示zi和zi-1曲線間的斜率差，△ki,i+1表示zi和zi+1曲線間的斜率差，如果|△ki-1,i|>|△ki,i+1|，則將zi曲線歸并到zi+1側(cè)中，如果|△ki-1,i|<|△ki,i+1|，則將zi曲線歸并到zi-1側(cè)中，如果|△ki-1,i|＝|△ki,i+1|，則將zi歸并到cn,min。cn,min表示曲線總個(gè)數(shù)較少的曲線段，歸并過(guò)程如圖5(a)所示。表4△k歸并判斷矩陣2)若孤立曲線形態(tài)為u或hu時(shí)，取和孤立曲線相鄰曲線段zi-1,zi+1的形態(tài)進(jìn)行分析，如果zi-1,zi+1形態(tài)一致，此時(shí)將zi和前后曲線段整體合并，如果曲線段形態(tài)不一致參照表5進(jìn)行歸并，得到如圖5(b)所示的曲線段形態(tài)，歸并過(guò)程如圖6所示。表5.孤立曲線為hu或u時(shí)的合并判斷矩陣3)若孤立曲線形態(tài)為d或hd時(shí)，取和孤立曲線相鄰曲線段zi-1,zi+1的形態(tài)進(jìn)行分析，若zi-1,zi+1形態(tài)一致，此時(shí)將zi和前后曲線段整體合并，如果曲線段形態(tài)不一致參照表6進(jìn)行歸并，得到如圖5(c)所示的曲線段形態(tài)。表6.孤立曲線為hd或d時(shí)的合并判斷矩陣在本實(shí)施例中，從歷史數(shù)據(jù)間的關(guān)聯(lián)性出發(fā)分析了無(wú)功優(yōu)化在線控制中設(shè)備動(dòng)作次數(shù)的設(shè)置問(wèn)題，首先通過(guò)引入短期母線負(fù)荷預(yù)測(cè)結(jié)果對(duì)預(yù)測(cè)曲線進(jìn)行合理劃分獲得設(shè)備的時(shí)段分區(qū)；其次采用本實(shí)施例中提出的eqcr-db聚類評(píng)價(jià)指標(biāo)對(duì)連續(xù)屬性進(jìn)行離散化處理，并加載基于隸屬度的決策規(guī)則增量挖掘程序?qū)v史數(shù)據(jù)進(jìn)行挖掘，最終通過(guò)對(duì)數(shù)據(jù)庫(kù)的增量挖掘結(jié)果進(jìn)行篩選獲得設(shè)備動(dòng)作次數(shù)時(shí)段內(nèi)的合理分配次數(shù)，從而實(shí)現(xiàn)無(wú)功優(yōu)化在線控制中設(shè)備動(dòng)作次數(shù)的自動(dòng)和合理設(shè)置，在減輕運(yùn)行人員工作強(qiáng)度的同時(shí)提高了無(wú)功優(yōu)化在線控制的效果。針對(duì)現(xiàn)有技術(shù)中無(wú)功優(yōu)化在線控制中設(shè)備動(dòng)作次數(shù)設(shè)置繁瑣且設(shè)置結(jié)果不合理的實(shí)際問(wèn)題，引入母線負(fù)荷預(yù)測(cè)的結(jié)果作為判斷基礎(chǔ)，提出一種基于粗糙集的無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)增量挖掘方法，通過(guò)對(duì)歷史數(shù)據(jù)庫(kù)采用基于粗糙集的增量挖掘方法解決無(wú)功優(yōu)化設(shè)備動(dòng)作次數(shù)的精準(zhǔn)設(shè)置以及新增數(shù)據(jù)集的快速挖掘。實(shí)現(xiàn)了對(duì)無(wú)功優(yōu)化在線控制中設(shè)備動(dòng)作次數(shù)進(jìn)行有效設(shè)置，從而解決現(xiàn)有無(wú)功優(yōu)化在線控制中設(shè)備動(dòng)作次數(shù)設(shè)置繁瑣且設(shè)置結(jié)果不精確的問(wèn)題，同時(shí)通過(guò)基于粗糙集的改進(jìn)增量挖掘算法提高新增數(shù)據(jù)的挖掘效率避免重復(fù)挖掘。在減輕運(yùn)行人員工作強(qiáng)度的同時(shí)滿足在線控制需求并提高電網(wǎng)無(wú)功優(yōu)化的整體控制效果，為電網(wǎng)無(wú)功優(yōu)化在線控制效果的進(jìn)一步提升提供一種切實(shí)可行的方法。本說(shuō)明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處。尤其，對(duì)于設(shè)備實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述得比較簡(jiǎn)單，相關(guān)之處參見方法實(shí)施例的部分說(shuō)明即可。以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。當(dāng)前第1頁(yè)12