CN103164779A - 一种电力系统数据的处理方法及装置 - Google Patents

Abstract

本发明公开了一种电力系统数据的处理方法及装置，所述电力系统数据的处理方法在获取电力系统数据后，会通过机器学习算法对各类电力系统数据进行处理分析，并得到每一类电力系统数据的趋势走向结果，并能够根据上述得到的结果生成用于电力系统控制的建议控制方案，从而很大程度上减少了电力系统管理人员的工作量，提升了整个电力系统数据管理的自动化和智能化水平。

Description

一种电力系统数据的处理方法及装置

技术领域

本发明涉及电力系统信息管理技术领域，更具体的说，是涉及一种电力系统数据的处理方法及装置。

背景技术

随着国家电网水平的不断提升以及社会自动化的发展，电力企业在工作方面获取的各类电力系统数据量也迅速膨胀，这就必然引出对电力系统数据进行合理高效的管理方面的问题。

现有技术中，对电力系统数据的管理通常只局限于对电力系统数据的实时检测及显示，并提供对历史电力系统数据进行查询的功能。因此在现有技术中，电力系统数据的管理系统只能对电力系统数据做简单的显示、存储和查询，并不能够对电力系统数据做一些对实际工作有意义的、深层次的处理分析，从而无法满足现在电力企业对自动化、智能化管理的要求。

发明内容

有鉴于此，本发明提供了一种电力系统数据的处理方法及装置，以克服现有技术中，由于电力系统数据的管理系统无法对电力系统数据做深层次的分析处理而导致的无法满足电力企业对自动化、智能化管理要求的问题。

为实现上述目的，本发明提供如下技术方案：

一种电力系统数据的处理方法，包括：

获取当前电力系统数据和历史电力系统数据；

根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力系统数据的趋势走向结果；

根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

可选的，所述根据所述趋势走向结果生成用于电力系统控制的建议控制方案，包括：

根据预设的电力系统数据趋势与控制方案的对应关系表，查询与所述趋势走向结果对应的控制方案；

根据查询得到的所述控制方案生成建议控制方案。

可选的，所述机器学习算法包括：

聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

可选的，还包括：

在所述当前电力系统数据超出预设范围时，发出越限告警，并在显示界面弹出消息框；所述消息框包括告警时与告警相关电力系统数据的数值。

可选的，所述电力系统数据包括变电站功率因数、母线电压、有功总加和无功总加。

可选的，还包括：

接收用户输入的目标功率因数参数；

控制投入或切除一个电容器，并获取投入或切除一个电容器后功率因数的变化量；

根据所述变化量和所述目标功率因数参数，计算应投入或切除的电容器数量。

一种电力系统数据的处理装置，包括：

数据获取模块，用于获取当前电力系统数据和历史电力系统数据；

分析处理模块，用于根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力数据的趋势走向结果；

方案生成模块，用于根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

可选的，所数据方案生成模块包括：

方案查询模块，用于根据预设的电力系统数据趋势与控制方案的对应关系表，查询与所述趋势走向结果对应的控制方案；

方案确定模块，用于根据查询得到的所述控制方案生成建议控制方案。

可选的，还包括：

告警提示模块，用于在所述当前电力系统数据超出预设范围时，发出越限告警，并在显示界面弹出消息框；所述消息框包括告警时与告警相关电力系统数据的数值。

可选的，还包括控制预测模块；所述控制预测模块可以包括：

参数接收模块，用于接收用户输入的目标功率因数参数；

变化量获取模块，用于控制投入或切除一个电容器，并获取投入或切除一个电容器后功率因数的变化量；

控制预测子模块，用于根据所述变化量和所述目标功率因数参数，计算应投入或切除的电容器数量。

经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种电力系统数据的处理方法及装置，所述电力系统数据的处理方法在获取电力系统数据后，会通过机器学习算法对各类电力系统数据进行处理分析，并得到每一类电力系统数据的趋势走向结果，并能够根据上述得到的结果生成用于电力系统控制的建议控制方案，从而很大程度上减少了电力系统管理人员的工作量，提升了整个电力系统数据管理的自动化和智能化水平。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的电力系统数据的处理方法流程图；

图2为本发明实施例公开的生成建议控制方案的流程图；

图3为本发明实施例公开的另一个电力系统数据的处理方法流程图；

图4为本发明实施例公开的电力系统数据的处理装置结构示意图；

图5为本发明实施例公开的方案生成模块结构示意图；

图6为本发明实施例公开的另一个电力系统数据的处理装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本发明实施例公开的电力系统数据的处理方法流程图，参见图1所示，所述电力系统数据的处理方法可以包括：

步骤101：获取当前电力系统数据和历史电力系统数据。

由于电力系统数据中，很多是需要实时监测的，因此电力系统数据会有很多历史电力系统数据。这里所述的电力系统数据包括但不限于变电站功率因数、母线电压、有功总加和无功总加。

步骤102：根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力系统数据的趋势走向结果。

其中，所述机器学习算法可以包括聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。步骤102过程中，可以采用机器学习算法对每一类的电力系统数据分别进行分析处理，也可以将不同类别的电力系统数据进行关联分析处理，这样就大大增加了分析处理结果的准确性。

步骤103：根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

例如，趋势走向结果表明母线电压在不断增大，并有可能超过规定范围，则相应的建议控制方案则是指示采取能够减小母线电压措施的运行方案。

在一个示意性的示例中，步骤103的具体过程可以参见图2，图2为本发明实施例公开的生成建议控制方案的流程图，如图2所示，生成建议控制方案的过程可以包括：

步骤201：根据预设的电力系统数据趋势与控制方案的对应关系表，查询与所述趋势走向结果对应的控制方案。

其中，所述预设的电力系统数据趋势与控制方案的对应关系表，可以根据以往电力系统数据的处理和控制经验来配置。

步骤202：根据查询得到的所述控制方案生成建议控制方案。

在查找到和步骤102中得到的电力系统数据的趋势走向结果对应的控制方案后，按照所述控制方案生成对应于当前电力系统数据的趋势走向结果的建议控制方案，并可以进一步将生成的建议控制方案传达至用户，可以通过显示屏显示给用户，也可以直接通过打印机等辅助设备输出纸质文件的建议控制方案。

需要说明的是，本发明实施例着重介绍的是与现有技术不同或本领域中现有技术不存在的内容，对于本领域中现有技术所能够实现的功能，并没有详细介绍，但并不代表本发明实施例公开的技术方案不能实现现有技术能够实现的一些功能。

本实施例中，所述电力系统数据的处理方法在获取电力系统数据后，会通过机器学习算法对各类电力系统数据进行处理分析，并得到每一类电力系统数据的趋势走向结果，并能够根据上述得到的结果生成用于电力系统控制的建议控制方案，从而很大程度上减少了电力系统管理人员的工作量，提升了整个电力系统数据管理的自动化和智能化水平。

实施例二

图3为本发明实施例公开的另一个电力系统数据的处理方法流程图，参见图3所示，所述方法可以包括：

步骤301：获取当前电力系统数据和历史电力系统数据。

其中，所述电力系统数据包括变电站功率因数、母线电压、有功总加和无功总加。

步骤302：根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力系统数据的趋势走向结果。

其中，所述机器学习算法可以包括聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

步骤303：接收用户输入的目标功率因数参数。

在发电厂和变电站等电力企业工作过程中，需要根据用户负载实时调整功率因数等电力参数。

步骤304：控制投入或切除一个电容器，并获取投入或切除一个电容器后功率因数的变化量。

系统自动控制投入或切除一个电容器，得到改变一个电容器的工作状态时功率因数的变化量，后续就可以根据单位电容器对电网运行的影响进行相应的对电容器控制的预测工作。

步骤305：根据所述变化量和所述目标功率因数参数，计算应投入或切除的电容器数量。

步骤303-305可以作为一个单独的流程与步骤301-302同时执行，也可以在步骤302之后执行，或者在步骤301和步骤302之前，总之，在步骤306执行前完成即可。

步骤306：根据所述趋势走向结果和计算得到的电容器数量生成用于电力系统控制的建议控制方案。

在其他的实施例中，所述电力系统数据的处理方法还可以包括报警的步骤，例如，在所述当前电力系统数据超出预设范围时，发出越限告警，并在显示界面弹出消息框；所述消息框包括告警时与告警相关电力系统数据的数值。从而方便相关的管理人员及时对电网运行进行合适的控制，以使得相关的电力系统数据能够处于正常范围。

本实施例中，所述电力系统数据的处理方法不仅能够对各类电力系统数据进行处理分析，得到每一类电力系统数据的趋势走向结果，而且能够根据用户设置的目的参数控制得到能够达到所述目的参数的具体操作及操作量，然后根据上述得到的趋势走向结果、操作和操作量生成用于电力系统控制的建议控制方案，从而很大程度上减少了电力系统管理人员的工作量，提升了整个电力系统数据管理的自动化和智能化水平。

上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。

实施例三

图4为本发明实施例公开的电力系统数据的处理装置结构示意图，参见图4所示，所述电力系统数据的处理装置40可以包括：

数据获取模块401，用于获取当前电力系统数据和历史电力系统数据。

其中，所述电力系统数据可以包括但不限于变电站功率因数、母线电压、有功总加和无功总加。

分析处理模块402，用于根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力数据的趋势走向结果。

其中，所述机器学习算法可以包括聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

方案生成模块403，用于根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

在一个是示意性的示例中，所述方案生成模块403的具体结构可以参见图5，图5为本发明实施例公开的方案生成模块结构示意图，如图5所示，所述方案生成模块403可以包括：

方案查询模块501，用于根据预设的电力系统数据趋势与控制方案的对应关系表，查询与所述趋势走向结果对应的控制方案。

方案确定模块，用于根据查询得到的所述控制方案生成建议控制方案502。

本实施例中，所述电力系统数据的处理装置在获取电力系统数据后，会通过机器学习算法对各类电力系统数据进行处理分析，并得到每一类电力系统数据的趋势走向结果，并能够根据上述得到的结果生成用于电力系统控制的建议控制方案，从而很大程度上减少了电力系统管理人员的工作量，提升了整个电力系统数据管理的自动化和智能化水平。

实施例四

图6为本发明实施例公开的另一个电力系统数据的处理装置结构示意图，参见图6所示，所述电力系统数据的处理装置60可以包括：

数据获取模块401，用于获取当前电力系统数据和历史电力系统数据。

分析处理模块402，用于根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力数据的趋势走向结果。

参数接收模块601，用于接收用户输入的目标功率因数参数。

变化量获取模块602，用于控制投入或切除一个电容器，并获取投入或切除一个电容器后功率因数的变化量。

控制预测子模块603，用于根据所述变化量和所述目标功率因数参数，计算应投入或切除的电容器数量。

上述参数接收模块601、变化量获取模块602和控制预测子模块603可以集成在一个模块中，该模块可以叫做控制预测模块。

方案生成模块403，用于根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

在其他的实施例中，所述电力系统数据的处理装置还可以包括告警提示模块，该告警提示模块可以用于在所述当前电力系统数据超出预设范围时，发出越限告警，并在显示界面弹出消息框；所述消息框包括告警时与告警相关电力系统数据的数值。

本实施例中，所述电力系统数据的处理装置不仅能够对各类电力系统数据进行处理分析，得到每一类电力系统数据的趋势走向结果，而且能够根据用户设置的目的参数控制得到能够达到所述目的参数的具体操作及操作量，然后根据上述得到的趋势走向结果、操作和操作量生成用于电力系统控制的建议控制方案，从而很大程度上减少了电力系统管理人员的工作量，提升了整个电力系统数据管理的自动化和智能化水平。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电力系统数据的处理方法，其特征在于，包括：

获取当前电力系统数据和历史电力系统数据；

根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力系统数据的趋势走向结果；

根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

2.根据权利要求1所述的方法，其特征在于，所述根据所述趋势走向结果生成用于电力系统控制的建议控制方案，包括：

根据预设的电力系统数据趋势与控制方案的对应关系表，查询与所述趋势走向结果对应的控制方案；

根据查询得到的所述控制方案生成建议控制方案。

3.根据权利要求1所述的方法，其特征在于，所述机器学习算法包括：

聚类算法、分类算法、预测算法、关联分析算法、利群点分析算法、协同过滤分析算法和/或What-if仿真分析算法。

4.根据权利要求1所述的方法，其特征在于，还包括：

在所述当前电力系统数据超出预设范围时，发出越限告警，并在显示界面弹出消息框；所述消息框包括告警时与告警相关电力系统数据的数值。

5.根据权利要求1所述的方法，其特征在于，所述电力系统数据包括变电站功率因数、母线电压、有功总加和无功总加。

6.根据权利要求1所述的方法，其特征在于，还包括：

接收用户输入的目标功率因数参数；

控制投入或切除一个电容器，并获取投入或切除一个电容器后功率因数的变化量；

根据所述变化量和所述目标功率因数参数，计算应投入或切除的电容器数量。

7.一种电力系统数据的处理装置，其特征在于，包括：

数据获取模块，用于获取当前电力系统数据和历史电力系统数据；

分析处理模块，用于根据所述当前电力系统数据和历史电力系统数据生成各类电力系统数据的曲线趋势图，并采用机器学习算法分析得到每一类电力数据的趋势走向结果；

方案生成模块，用于根据所述趋势走向结果生成用于电力系统控制的建议控制方案。

8.根据权利要求7所述的装置，其特征在于，所数据方案生成模块包括：

方案查询模块，用于根据预设的电力系统数据趋势与控制方案的对应关系表，查询与所述趋势走向结果对应的控制方案；

方案确定模块，用于根据查询得到的所述控制方案生成建议控制方案。

9.根据权利要求7所述的装置，其特征在于，还包括：

告警提示模块，用于在所述当前电力系统数据超出预设范围时，发出越限告警，并在显示界面弹出消息框；所述消息框包括告警时与告警相关电力系统数据的数值。

10.根据权利要求7所述的装置，其特征在于，还包括控制预测模块；所述控制预测模块可以包括：

参数接收模块，用于接收用户输入的目标功率因数参数；

变化量获取模块，用于控制投入或切除一个电容器，并获取投入或切除一个电容器后功率因数的变化量；

控制预测子模块，用于根据所述变化量和所述目标功率因数参数，计算应投入或切除的电容器数量。

Images