一种基于局部敏感哈希的电网状态相似度量化分析方法

技术领域

本发明属于电力调度自动化技术领域，具体涉及一种基于局部敏感哈希的电网状态相似 度量化分析方法。

背景技术

随着中国经济这十年的快速发展，电力系统规模越来越大，自动化程度变得越来越高。 随之而来带给调度自动化领域的是电力系统海量实时状态信息。海量的数据虽然给各种电网 的分析和控制带来了丰富的所需数据，但是如何对电网数据进行检索和分类是当前的迫切需 要解决的问题。

局部敏感哈希技术是将一个大数据对象映射到更小的哈希值的技术。通过此方法，当两 个数据对象近似，它们对应的哈希值也近似。传统的哈希技术也是对相关数据映射到对应的 哈希值，但对应的哈希值只能表达数据是否相同，无法表达近似性。局部哈希技术与传统哈 希技术的不同点在于，哈希值的相似度可以表征对应数据的相似度。

局部敏感哈希技术最开始广泛应用于网页检索领域。Minhash即是Lsh技术成功应用的 一个实例。在计算机领域，Minhash是一种快速判断两个集合是否相似的技术，它由Andrei  Broder在1997年发明，最初在AltaVista搜索引擎中用于在搜索结果中检测并消除重复的Web 页面。目前，它是google公司在网页检索中使用的最普遍和基础的技术之一。基于类似的方 法，Google提出了感知哈希算法（perceptual hash algorithm），应用于网络中的相似图片的搜 索。这些应用广泛的算法均基于局部敏感哈希技术，所不同在于针对不同检索对象提出不同 的映射方法。

目前，电网状态信息的检索还没有广泛使用，电网状态信息目前采用全数据的比较来判 断是否一致。相较于互联网，电力系统领域还没有比较好的针对电网状态信息这样的大数据 检索方法。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于局部敏感哈希的电网状态相似度量 化分析方法，适用于电力系统的局部灵敏哈希（Locality Sensitive Hashing，简称LSH）技术， 将电网原始状态数据转化为对应的签名向量，通过签名向量表达对应时刻的电网状态，并在 此基础上，通过利用签名向量的相似度计算实现电网状态形似程度的计算。将电网状态信息 的大数据转化成小数据量的签名向量，避免了全部数据的分析。

为了实现上述发明目的，本发明采取如下技术方案：

提供一种基于局部敏感哈希的电网状态相似度量化分析方法，所述方法包括以下步骤：

步骤1：读取电网状态信息，统计电网关键信息，并将关键信息形成表征电网状态的签 名向量；

步骤2：计算签名向量之间的角度；

步骤3：电网状态相似度判断。

所述电网状态信息包括各个计算节点的电压、电压相角、注入有功功率、注入无功功率 以及各个支路上的有功功率和无功功率；所述电网关键信息包括发电厂中机组节点注入的有 功功率和无功功率，以及可以表征全网潮流分布的关键支路上的有功功率和无功功率。

所述步骤2中，采用余弦定理将签名向量之间的角度表示为：

$\cos \theta =\frac{<a,b>}{\left|a\right|\left|b\right|}=\frac{a_1{b}_1+a_2{b}_2+···+a_n{b}_n}{\sqrt{a_1^2+a_2^2+···+a_n^2}\sqrt{b_1^2+b_2^2+···+b_n^2}}$

其中，a＝[a₁,a₂,…,a_n]，，b＝[b₁,b₂,…,b_n]θ为签名向量之间的角度，表示为：

$\theta =\arccos \frac{a_1{b}_1+a_2{b}_2+···+a_n{b}_n}{\sqrt{a_1^2+a_2^2+···+a_n^2}\sqrt{b_1^2{+b}_2^2+···+b_n^2}}.$

所述步骤3中，将电网状态相似度表示为s=θ/π;s＝1时，表示电网状态完全不同；s＝0 时，表示电网状态完全相同；s和θ的范围均为[0,1]。

用α表示电网状态相似度门槛值，则有：

3）满足s＞α时，电网状态不相似；

4）满足s＜α时，电网状态相似。

与现有技术相比，本发明的有益效果在于：

1)将电网状态信息的大数据转化成小数据量的签名向量，避免了全部数据的分析。

2)使用余弦定理的方法将向量的相似性转化为直观的角度来测量。

3)快速完成对电网不同时刻数据的快速相似性检索和归类。

附图说明

图1是基于局部敏感哈希的电网状态相似度量化分析方法流程图；

图2是电网状态信息a和电网状态信息b相似示意图；

图3是电网状态信息a和电网状态信息b不相似示意图。

具体实施方式

下面结合一个实际电网的周期为5分钟的全天24小时的状态估计结果数据对本发明作进 一步详细说明。

如图1，本发明提供一种基于局部敏感哈希的电网状态相似度量化分析方法，包括以下 步骤：

步骤1：读取电网状态信息，统计电网关键信息，并将关键信息形成表征电网状态的签 名向量；

对于本实施例，电网中拥有发电机273台，负荷2046个，线路451条，依次以发电机有 功出力、负荷有功出力和线路首端有功形成维度为2770的向量。

步骤2：计算签名向量之间的角度；

按照上一步骤形成向量的方法对不同时刻的电网状态分别形成288个向量。

步骤3：电网状态相似度判断。

所述电网状态信息包括各个计算节点的电压、电压相角、注入有功功率、注入无功功率 以及各个支路上的有功功率和无功功率；所述电网关键信息包括发电厂中机组节点注入的有 功功率和无功功率，以及可以表征全网潮流分布的关键支路上的有功功率和无功功率。

所述步骤2中，采用余弦定理将签名向量之间的角度表示为：

$\cos \theta =\frac{<a,b>}{\left|a\right|\left|b\right|}=\frac{a_1{b}_1+a_2{b}_2+···+a_n{b}_n}{\sqrt{a_1^2+a_2^2+···+a_n^2}\sqrt{b_1^2+b_2^2+···+b_n^2}}$

其中，a＝[a₁,a₂,…,a_n]，，b＝[b₁,b₂,…,b_n]θ为签名向量之间的角度，表示为：

$\theta =\arccos \frac{a_1{b}_1+a_2{b}_2+···+a_n{b}_n}{\sqrt{a_1^2+a_2^2+···+a_n^2}\sqrt{b_1^2{+b}_2^2+···+b_n^2}}.$

所述步骤3中，将电网状态相似度表示为s=θ/π;s＝1时，表示电网状态完全不同；s＝0 时，表示电网状态完全相同；s和θ的范围均为[0,1]。

用0.03作为电网状态相似度门槛值α，则有：

5）电网状态相似度大于0.03时，电网状态不相似，如图3；

6）电网状态相似度小于0.03时，电网状态相似，如图2。

实施例的部分计算结果由表1和表2展示。

0点至1点每隔五分钟对应状态的相似程度如表1，由于0:00点至1:00点存在机组逐渐 减出力和关停，可以看出电网每个计算周期变化状态相似性变小，至0:30逐渐变化稳定。

表1

4点至5点每隔五分钟对应状态的相似程度如表2所示，由于电网状态在4:00至5:00内 没有变化，时间间隔内的电网相似性很高。

表2

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照 上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本 发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等 同替换，其均应涵盖在本发明的权利要求范围当中。