CN105811579A - 基于大型企业电力系统的电力数据处理方法和装置 - Google Patents

基于大型企业电力系统的电力数据处理方法和装置 Download PDF

Info

Publication number
CN105811579A
CN105811579A CN201610148380.2A CN201610148380A CN105811579A CN 105811579 A CN105811579 A CN 105811579A CN 201610148380 A CN201610148380 A CN 201610148380A CN 105811579 A CN105811579 A CN 105811579A
Authority
CN
China
Prior art keywords
data
bar loop
loop
bar
electric power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610148380.2A
Other languages
English (en)
Other versions
CN105811579B (zh
Inventor
温从溪
高鹏飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Tangshan Co Ltd
Original Assignee
CRRC Tangshan Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CRRC Tangshan Co Ltd filed Critical CRRC Tangshan Co Ltd
Priority to CN201610148380.2A priority Critical patent/CN105811579B/zh
Publication of CN105811579A publication Critical patent/CN105811579A/zh
Application granted granted Critical
Publication of CN105811579B publication Critical patent/CN105811579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J13/0013—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/16—Electric power substations

Abstract

本发明提供一种基于大型企业电力系统的电力数据处理方法和装置，其中，该方法包括：获取电力综合保护系统中的N条回路的电力数据，N条回路为总变电站分别与N个配电变电站之间的回路；采用预设方法分别对N条回路的电力数据进行电力数据分析或电力数据预测，得到N条回路的电力数据处理结果；根据N条回路的电力数据处理结果，分别对应调整N条回路上的设备和线路。可以对电力综合保护系统保存的各回路的电力数据进行数据分析和预测，从而有效利用电力数据的信息及时的获取到各配电变电站的运行状态、以及各条回路的运行状态，对各回路上的设备、线路进行调整；进而使得用户可以高效的管理各变电站以及各回路。

Description

基于大型企业电力系统的电力数据处理方法和装置
技术领域
本发明涉及电力系统技术，尤其涉及一种基于大型企业电力系统的电力数据处理方法和装置。
背景技术
随着经济和社会的发展，电力系统广泛的应用到社会的生活和生产的各个方面中。在大型企业中，电力系统中具有一个总变电站和多个分别与总变电站连接的配电变电站，总变电站与一个配电变电站连接之后形成一个回路。从而需要对各配电变电站的运行状态进行及时的获取，根据各回路的运行状态，对各回路上的设备进行调整。
从而如何提供一种方式，帮助用户及时的获取到各配电变电站的运行状态，并根据各回路的运行状态对各回路上的设备进行调整成为一个亟待解决的问题。
发明内容
本发明提供一种基于大型企业电力系统的电力数据处理方法和装置，用以解决现有技术中的问题。
本发明的一方面是提供了一种基于大型企业电力系统的电力数据处理方法，包括：
获取电力综合保护系统中的N条回路的电力数据，所述N条回路为总变电站分别与N个配电变电站之间的回路，N为正整数；
采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果；
根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路。
如上所述的方法中，所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第一预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
采用三倍标准差方法，分别去除各条回路的视在功率数据中的异常功率数据；
采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理，得到各条回路的功率插值曲线图；
获取所述各条回路的功率插值曲线图中的最大视在功率数据；
根据各条回路的最大视在功率数据，以及预设的各条回路的回路所带变压器容量值，确定各条回路在所述第一预设时间段内的最大容量利用率，其中，所述最大容量利用率为所述最大视在功率数据与所述回路所带变压器容量值的比值；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路在所述第一预设时间段内的最大容量利用率，确定与最优的最大容量利用率对应的回路，并确定与各条回路对应的各配电变电站的剩余容量值之后调整各条回路上的设备数量。
如上所述的方法中，所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第二预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
根据各条回路的视在功率数据，以及预设的各条回路的功率界限值，筛选出大于各功率界限值的各条回路的视在功率数据；
根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期，所述日高峰期为数据个数大于第一预设数据个数的小时，所述年高峰期为数据个数大于第二预设数据个数的月份；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路的日高峰期和/或年高峰期，确定各条回路上的设备和线路的检修时间，以及各条回路上的设备的个数。
如上所述的方法中，所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第四预设时间段内电力综合保护系统中所述N条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
根据各条回路的各视在功率数据qj，确定各条回路中的各视在功率数据的权重值
根据各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj，分别确定各条回路的平均功率因数
其中，i∈[1,N]，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
若各条回路中的平均功率因数小于预设平均功率因数，则对小于预设平均功率因数的回路进行设备优化处理、或增加无功补偿设备。
如上所述的方法中，所述获取电力综合保护系统中的N条回路的电力数据，包括：
第五预设时间段内电力综合保护系统中所述N条回路的电流数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
采用三倍标准差方法，分别去除各条回路的电流数据中的异常电流数据；
采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理，得到各条回路的电流插值曲线图；
获取所述各条回路的电流插值曲线图中的最大电流数据；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路的最大电流数据，确定各条回路在第五预设时间段内负载状态，以调整各条回路上的设备和线路；
或者，
所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第六预设时间段内电力综合保护系统中所述N条回路的负荷数据，所述负荷数据包括电流数据和/或视在功率数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合，其中一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，X为正整数；
采用离散傅里叶变换，对各条回路的负荷数据历史序列组合进行频域分析，生成各条回路的频域分量序列组合，其中，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个与负荷数据对应的频域分量，Y为正整数；
采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理生成各条回路的预测时间的预测频域分量序列，预测频域分量序列中包括了Y个预测频率分量；
对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，生成各条回路的预测时间的预测负荷数据序列，预测负荷数据序列中包括Y个预测负荷数据；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路的预测时间的预测负荷数据序列，确定各条回路的预测时间的电力使用高峰期，以进行各条回路的预警处理。
本发明的另一方面是提供了一种基于大型企业电力系统的电力数据处理装置，包括：
获取模块，用于获取电力综合保护系统中的N条回路的电力数据，所述N条回路为总变电站分别与N个配电变电站之间的回路，N为正整数；
分析模块，用于采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果；
调整模块，用于根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路。
如上所述的装置中，所述获取模块，具体用于：
获取第一预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述分析模块，包括：
第一去除子模块，用于采用三倍标准差方法，分别去除各条回路的视在功率数据中的异常功率数据；
第一插值子模块，用于采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理，得到各条回路的功率插值曲线图；
第一分析子模块，用于获取所述各条回路的功率插值曲线图中的最大视在功率数据；
确定子模块，用于根据各条回路的最大视在功率数据，以及预设的各条回路的回路所带变压器容量值，确定各条回路在所述第一预设时间段内的最大容量利用率，其中，所述最大容量利用率为所述最大视在功率数据与所述回路所带变压器容量值的比值；
相应的，所述调整模块，具体用于：
根据各条回路在所述第一预设时间段内的最大容量利用率，确定与最优的最大容量利用率对应的回路，并确定与各条回路对应的各配电变电站的剩余容量值之后调整各条回路上的设备数量。
如上所述的装置中，所述获取模块，具体用于：
获取第二预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述分析模块，包括：
筛选子模块，用于根据各条回路的视在功率数据，以及预设的各条回路的功率界限值，筛选出大于各功率界限值的各条回路的视在功率数据；
高峰生成子模块，用于根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期，所述日高峰期为数据个数大于第一预设数据个数的小时，所述年高峰期为数据个数大于第二预设数据个数的月份；
相应的，所述调整模块，具体用于：
根据各条回路的日高峰期和/或年高峰期，确定各条回路上的设备和线路的检修时间，以及各条回路上的设备的个数。
如上所述的装置中，所述获取模块，具体用于：
获取第四预设时间段内电力综合保护系统中所述N条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据；
相应的，所述分析模块，包括：
权重生成子模块，用于根据各条回路的各视在功率数据qj，确定各条回路中的各视在功率数据的权重值
因数生成子模块，用于根据各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj，分别确定各条回路的平均功率因数其中，i∈[1,N]，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数；
相应的，所述调整模块，具体用于：
若各条回路中的平均功率因数小于预设平均功率因数，则对小于预设平均功率因数的回路进行设备优化处理、或增加无功补偿设备。
如上所述的装置中，所述获取模块，具体用于：
第五预设时间段内电力综合保护系统中所述N条回路的电流数据；
相应的，所述分析模块，包括：
第二去除子模块，用于采用三倍标准差方法，分别去除各条回路的电流数据中的异常电流数据；
第二插值子模块，用于采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理，得到各条回路的电流插值曲线图；
第二分析子模块，获取所述各条回路的电流插值曲线图中的最大电流数据；
相应的，所述调整模块，具体用于：
根据各条回路的最大电流数据，确定各条回路在第五预设时间段内负载状态，以调整各条回路上的设备和线路；
或者，
所述获取模块，具体用于：
获取第六预设时间段内电力综合保护系统中所述N条回路的负荷数据，所述负荷数据包括电流数据和/或视在功率数据；
相应的，所述分析模块，包括：
序列生成子模块，用于根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合，其中一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，X为正整数；
频域生成子模块，用于采用离散傅里叶变换，对各条回路的负荷数据历史序列组合进行频域分析，生成各条回路的频域分量序列组合，其中，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个与负荷数据对应的频域分量，Y为正整数；
预测子模块，用于采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理生成各条回路的预测时间的预测频域分量序列，预测频域分量序列中包括了Y个预测频率分量；
变换子模块，用于对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，生成各条回路的预测时间的预测负荷数据序列，预测负荷数据序列中包括Y个预测负荷数据；
相应的，所述调整模块，具体用于：
根据各条回路的预测时间的预测负荷数据序列，确定各条回路的预测时间的电力使用高峰期，以进行各条回路的预警处理。
本发明通过获取电力综合保护系统中的N条回路的电力数据，N条回路为总变电站分别与N个配电变电站之间的回路；采用预设方法，分别对N条回路的电力数据进行电力数据分析或电力数据预测，得到N条回路的电力数据处理结果；根据N条回路的电力数据处理结果，分别对应调整N条回路上的设备和线路。从而可以有效的利用电力综合保护系统保存的各回路的电力数据，对这些电力数据进行数据分析、数据预测，从而可以有效的利用电力数据的信息及时的获取到各配电变电站的运行状态、以及各条回路的运行状态，并对各回路上的设备、线路进行调整；进而使得用户可以高效的管理各变电站以及各回路。
附图说明
图1为本发明实施例一提供的基于大型企业电力系统的电力数据处理方法的流程图；
图2为本发明实施例二提供的基于大型企业电力系统的电力数据处理方法的流程图；
图3为本发明实施例三提供的基于大型企业电力系统的电力数据处理方法的流程图
图4为本发明实施例四提供的基于大型企业电力系统的电力数据处理方法的流程图；
图5为本发明实施例五提供的基于大型企业电力系统的电力数据处理方法的流程图；
图6为本发明实施例六提供的基于大型企业电力系统的电力数据处理方法的流程图；
图7为本发明实施例七提供的基于大型企业电力系统的电力数据处理装置的结构示意图；
图8为本发明实施例八提供的基于大型企业电力系统的电力数据处理装置的结构示意图；
图9为本发明实施例九提供的基于大型企业电力系统的电力数据处理装置的结构示意图；
图10为本发明实施例十提供的基于大型企业电力系统的电力数据处理装置的结构示意图；
图11为本发明实施例十一提供的基于大型企业电力系统的电力数据处理装置的结构示意图；
图12为本发明实施例十二提供的基于大型企业电力系统的电力数据处理装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
图1为本发明实施例一提供的基于大型企业电力系统的电力数据处理方法的流程图，如图1所示，本实施例的方法包括：
步骤101、获取电力综合保护系统中的N条回路的电力数据，N条回路为总变电站分别与N个配电变电站之间的回路，N为正整数。
在本实施例中，具体的，在大型企业中，电力系统中具有一个总变电站和N个分别与总变电站连接的配电变电站，从而总变电站与一个配电变电站连接而形成一个回路。在总变电站中设置一个电力综合保护系统，电力综合保护系统负责保护继电保护等工作，同时，电力综合保护系统存储了各变电站以及各条回路上的设备在运行过程中所产生的电力数据，电力数据包括了视在功率数据、电流数据、电压数据等等。
从而总变电站与N个配电变电站之间具有N个回路，电力综合保护系统中会存储这N条回路的电力数据。进而可以首先获取电力综合保护系统中保存的N条回路的电力数据。
步骤102、采用预设方法，分别对N条回路的电力数据进行电力数据分析或电力数据预测，得到N条回路的电力数据处理结果。
在本实施例中，具体的，采用预设方法分别对N条回路的电力数据进行分析或预测，从而分别对N条回路进行了电力数据的分析或预测。在对N条回路的电力数据进行分析或预测之后，可以得到各条回路的电力数据处理结果。
举例来说，可以采用采样插值的方法，对各条回路的视在功率数据进行分析，从而获取到各条回路的最大视在功率；可以采用人工智能的方法，对各条回路的电力数据进行学习和训练，从而对各条回路的状态进行预测。
步骤103、根据N条回路的电力数据处理结果，分别对应调整N条回路上的设备和线路。
在本实施例中，具体的，在步骤102之后，可以得到各条回路上的电力数据处理结果。从而电力数据处理结果，可以看出当前回路的运行状态以及设备的运行状态，进而可以分别调整各条回路上的设备、或者调整各条回路的线路，使得各条回路以及各条回路上的设备可以正常运行。
本实施例通过获取电力综合保护系统中的N条回路的电力数据，N条回路为总变电站分别与N个配电变电站之间的回路；采用预设方法，分别对N条回路的电力数据进行电力数据分析或电力数据预测，得到N条回路的电力数据处理结果；根据N条回路的电力数据处理结果，分别对应调整N条回路上的设备和线路。从而可以有效的利用电力综合保护系统保存的各回路的电力数据，对这些电力数据进行数据分析、数据预测，从而可以有效的利用电力数据的信息及时的获取到各配电变电站的运行状态、以及各条回路的运行状态，并对各回路上的设备、线路进行调整；进而使得用户可以高效的管理各变电站以及各回路。
图2为本发明实施例二提供的基于大型企业电力系统的电力数据处理方法的流程图，如图2所示，在实施例一的基础上，步骤101具体包括：
获取第一预设时间段内电力综合保护系统中N条回路的视在功率数据。
在本实施例中，具体的，对N条回路进行分别的处理，首先获取第一预设时间段内电力综合保护系统中各条回路的视在功率数据。第一预设时间段可以是一天、或者一个月、或者几个月，也可以是某几个月的上旬。并且对于N条回路，各自的第一预设时间段可以相同，也可以不同。
步骤102，包括：
步骤1021a、采用三倍标准差方法，分别去除各条回路的视在功率数据中的异常功率数据。
在本实施例中，具体的，首先采用三倍标准差方法，对各条回路的视在功率数据分别处理，从而可以分别去除各条回路的视在功率数据中的异常功率数据。进而可以剔除各条回路上的异常数据，防止异常尖峰数据影响最大视在功率数据的选取。
步骤1022a、采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理，得到各条回路的功率插值曲线图。
在本实施例中，具体的，可以采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理。其中插值法的具体算法可以采用现有技术中任意一种插值算法或几种插值算法的组合。对于数据采样间隔较大的视在功率数据，真实的视在功率数据最大值可能在采样间隔之间，可以通过插值法补充采样间隔内的数据，减小所取视在功率数据最大值和真实视在功率数据最大值的误差。通过插值方式，可以得到各条回路的功率插值曲线图。
步骤1023a、获取各条回路的功率插值曲线图中的最大视在功率数据。
在本实施例中，具体的，确定各条回路的功率插值曲线图中的最大视在功率数据，从而可以在插值处理后的视在功率数据中取最大值，得到各条回路的最大视在功率数据。
步骤1024a、根据各条回路的最大视在功率数据，以及预设的各条回路的回路所带变压器容量值，确定各条回路在第一预设时间段内的最大容量利用率，其中，最大容量利用率为最大视在功率数据与回路所带变压器容量值的比值。
在本实施例中，具体的，各条回路各自具有回路所带变压器容量值，从而将步骤1023a中的各条回路的最大视在功率数据，与预设的各条回路的回路所带变压器容量值进行比值，从而可以得到各条回路在第一预设时间段内的最大容量利用率。
步骤103具体包括：
根据各条回路在第一预设时间段内的最大容量利用率，确定与最优的最大容量利用率对应的回路，并确定与各条回路对应的各配电变电站的剩余容量值之后调整各条回路上的设备数量。
在本实施例中，具体的，根据步骤1024a中确定出的各条回路在第一预设时间段内的最大容量利用率，可以确定出最优的最大容量利用率，并确定出与最优的最大容量利用率对应的回路。同时，可以根据各条回路在第一预设时间段内的最大容量利用率，计算出与各条回路对应的各配电变电站的剩余容量值，进而根据各配电变电站的剩余容量值，去调整各条回路上的设备数量。
并且，可以根据各条回路在第一预设时间段内的最大容量利用率，确定新增用电设备的电源来源，即新增用电设备与哪条回路连接；当需要增加负荷时，可根据分析得到的各配电变电站的剩余容量值的情况，结合待增加负荷的用电时段和用电功率，统筹考虑用电安全性、变压器效率和成本等因素，选择最合适的配变电站进行供电。
在本实施例中，可以采用matlab工具来实现各条回路的功率插值曲线图、各条回路的最大视在功率数据的计算和显示。首先，将导入电力综合保护系统生成的报表导入到matlab工具中，从而matlab工具自动获取到各条回路的视在功率数据，然后自动的对数据进行异常数据处理和插值处理，然后将各条回路的功率插值曲线图显示到matlab工具的界面上，最后将各条回路的最大容量利用率显示到matlab工具的界面上。用户可以通过matlab工具选取不同的时间段对各条回路进行分析，点击matlab工具的界面上的“画图分析”按钮，进入画图分析界面，然后用户可以选择选择不同回路、不同参数类型、不同数据类型、不同时间段进行分析，matlab工具显示出用户所选时间段的各条回路的功率插值曲线图、各条回路的最大容量利用率。
本实施例通过获取第一预设时间段内电力综合保护系统中N条回路的视在功率数据，去除各条回路的视在功率数据中的异常功率数据，并对视在功率数据进行插值处理之后，确定各条回路的最大视在功率数据，从而可以根据各条回路的最大视在功率数据，确定各条回路的最大容量利用率。进而可以最大容量利用率，确定新增用电设备的电源来源，当需要增加负荷时，可根据分析得到的各配电变电站的剩余容量，结合待增加负荷的用电时段和用电功率，统筹考虑用电安全性、变压器效率和成本等因素，选择最合适的变电站供电。
图3为本发明实施例三提供的基于大型企业电力系统的电力数据处理方法的流程图，如图3所示，在实施例一的基础上，步骤101具体包括：
获取第二预设时间段内电力综合保护系统中N条回路的视在功率数据。
在本实施例中，具体的，对N条回路进行分别的处理，首先获取第二预设时间段内电力综合保护系统中各条回路的视在功率数据。第二预设时间段可以是一天、或者一个月、或者几个月，也可以是某几个月的上旬，也可以是24小时里面的某几个小时。并且对于N条回路，各自的第二预设时间段可以相同，也可以不同。
步骤102，包括：
步骤1021b、根据各条回路的视在功率数据，以及预设的各条回路的功率界限值，筛选出大于各功率界限值的各条回路的视在功率数据。
在本实施例中，具体的，可以根据各条回路的视在功率数据的最大值以及最小值，确定各条回路的功率界限值；可以将各条回路的视在功率数据分别求取平均值，将各自的平均值作为各条回路的功率界限值。从而可以确定出各条回路的功率界限值。然后，筛选出大于各功率界限值的各条回路的视在功率数据。
步骤1022b、根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期，日高峰期为数据个数大于第一预设数据个数的小时，年高峰期为数据个数大于第二预设数据个数的月份。
在本实施例中，具体的，根据步骤1021b中筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据所在时刻，并确定在各个时刻里的视在功率数据的个数，进而可以确定各条回路的视在功率数据在各第三时间段内的数据个数。比较各条回路的视在功率数据在各第三时间段内的数据个数，从而可以确定出各条回路上的数据个数大于第一预设数据个数的小时，各条回路上的数据个数大于第二预设数据个数的月份，进而得到各条回路的日高峰期和年高峰期。
具体来说，对于某一条回路来说，筛选出在一天的各时间段内视在功率数据大于当前回路的功率界限值的视在功率数据，并分别统计这些视在功率数据所在的时刻，即在24小时里面的第几个小时里面，然后统计每个小时里面包含的视在功率数据的个数，确定视在功率数据最多的某一个小时或某几个小时为当前回路的日高峰期。对于N条回路来说，确定其日高峰期，都参照这一过程。
对于某一条回路来说，筛选出在一年的各月份中视在功率数据大于当前回路的功率界限值的视在功率数据，并分别统计这些视在功率数据所在的月份，即在12个月里面的第几个月里面，然后统计每个月里面包含的视在功率数据的个数，确定视在功率数据最多的某一个月或某几个月为当前回路的年高峰期。对于N条回路来说，确定其年高峰期，都参照这一过程。
步骤103，具体包括：
根据各条回路的日高峰期和/或年高峰期，确定各条回路上的设备和线路的检修时间，以及各条回路上的设备的个数。
在本实施例中，具体的，根据各条回路的日高峰期，确定各条回路上的设备和线路的在一天里的检修时间，以及各条回路在一天里的设备个数；根据各条回路的年高峰期，确定各条回路上的设备和线路的在一年里的检修时间，以及各条回路在一年的各个月里的设备个数。
在本实施例中，可以采用matlab工具来实现各条回路的日高峰期、年高峰期计算和显示。首先，将导入电力综合保护系统生成的报表导入到matlab工具中，从而matlab工具自动获取到各条回路的视在功率数据，然后自动的对数据进行处理，然后将各条回路的曲线图显示到matlab工具的界面上，将各条回路的日高峰期、年高峰期显示到matlab工具的界面上。用户可以通过matlab工具选取不同的时间段对各条回路进行分析，点击matlab工具的界面上的“画图分析”按钮，进入画图分析界面，然后用户可以选择选择不同回路、不同参数类型、不同数据类型、不同时间段进行分析，matlab工具显示出用户所选时间段的各条回路的日高峰期、年高峰期。
本实施例通过筛选出大于各功率界限值的各条回路的视在功率数据，并根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期。从而可以各条回路的日高峰期和/或年高峰期，掌握总变电站和各配变电站的在一天里、一年里的负荷高峰期，有利于更加有效的制定停电检修计划，在一天里或一年里避开用电高峰，尽量在用电低谷期停电，从而可以在保证正常用电的同时完成检修工作；还可以将部分用电设备的用电时段调整到用低谷期，同时调整各条回路上的设备的个数，从而节省电费、提高用电安全性，同时可以消峰平谷。
图4为本发明实施例四提供的基于大型企业电力系统的电力数据处理方法的流程图，如图4所示，在实施例一的基础上，步骤101具体包括：
获取第四预设时间段内电力综合保护系统中N条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据。
在本实施例中，具体的，对N条回路进行分别的处理，首先获取第四预设时间段内电力综合保护系统中各条回路的视在功率数据、与各视在功率数据对应的功率因数数据。第四预设时间段可以是一天、或者一个月、或者几个月，也可以是某几个月的上旬，也可以是24小时里面的某几个小时。并且对于N条回路，各自的第四预设时间段可以相同，也可以不同。
步骤102，包括：
步骤1021c、根据各条回路的各视在功率数据qj，确定各条回路中的各视在功率数据的权重值
在本实施例中，具体的，根据各条回路的各视在功率数据qj，进行求和计算，计算出各条回路中的各视在功率数据的权重值进而将各条回路中的各视在功率数据占当前回路的所有视在功率数据之和的比重作为权重，从而在各条回路中，对于各条回路的一个视在功率数据，可以确定出一个权重值。其中，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数。各条回路中的视在功率数据的个数M，可以相同，也可以不同。
步骤1021c、根据各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj，分别确定各条回路的平均功率因数其中，i∈[1,N]，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数。
在本实施例中，具体的，将各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj相乘之后求和，从而可以确定各条回路的平均功率因数其中，i∈[1,N]，i为正整数。
步骤103，具体包括：
若各条回路中的平均功率因数小于预设平均功率因数，则对小于预设平均功率因数的回路进行设备优化处理、或增加无功补偿设备。
在本实施例中，具体的，各条回路具有各自的预设平均功率因数，各条回路具有的预设平均功率因数可以相同，也可以不同，根据实际情况而设定。若各条回路中的平均功率因数小于当前回路的预设平均功率因数，从而小于预设平均功率因数的回路的平均功率因数较低，需要对其进行设备优化处理、或增加无功补偿设备，以提高功率因数。
在本实施例中，可以采用matlab工具来实现各条回路的平均功率因数计算和显示。首先，将导入电力综合保护系统生成的报表导入到matlab工具中，从而matlab工具自动获取到各条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据，然后自动的对数据进行处理，然后将各条回路的曲线图显示到matlab工具的界面上，将各条回路的平均功率因数、以及小于预设平均功率因数的回路显示到matlab工具的界面上。用户可以通过matlab工具选取不同的时间段对各条回路进行分析，点击matlab工具的界面上的“画图分析”按钮，进入画图分析界面，然后用户可以选择选择不同回路、不同参数类型、不同数据类型、不同时间段进行分析，matlab工具显示出用户所选时间段的各条回路的平均功率因数、以及小于预设平均功率因数的回路。
本实施例通过根据各条回路的各视在功率数据，确定各条回路的平均功率因数，从而可以根据平均功率因数可以掌握各回路的用电状况，对平均功率因数较低的回路可以进行用电设备优化或者增加无功补偿设备，以提高功率因数，减少电能的浪费。
图5为本发明实施例五提供的基于大型企业电力系统的电力数据处理方法的流程图，如图5所示，在实施例一的基础上，步骤101具体包括：
获取第五预设时间段内电力综合保护系统中N条回路的电流数据。
在本实施例中，具体的，对N条回路进行分别的处理，首先获取第五预设时间段内电力综合保护系统中各条回路的电流数据。第五预设时间段可以是一天、或者一个月、或者几个月，也可以是某几个月的上旬，也可以是24小时里面的某几个小时。并且对于N条回路，各自的第五预设时间段可以相同，也可以不同。
步骤102，包括：
步骤1021d、采用三倍标准差方法，分别去除各条回路的电流数据中的异常电流数据。
在本实施例中，具体的，首先采用三倍标准差方法，对各条回路的电流数据分别处理，从而可以分别去除各条回路的电流数据中的异常电流数据。进而可以剔除各条回路上的异常数据，防止异常尖峰数据影响最大电流数据的选取。
步骤1022d、采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理，得到各条回路的电流插值曲线图。
在本实施例中，具体的，可以采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理。其中插值法的具体算法可以采用现有技术中任意一种插值算法或几种插值算法的组合。对于数据采样间隔较大的电流数据，真实的电流最大值可能在采样间隔之间，可以通过插值法补充采样间隔内的数据，减小所取电流最大值和真实电流最大值的误差。通过插值方式，可以得到各条回路的电流插值曲线图。
步骤1023d、获取各条回路的电流插值曲线图中的最大电流数据。
在本实施例中，具体的，确定各条回路的电流插值曲线图中的最大电流数据，从而可以在插值处理后的电流数据中取最大值，得到各条回路的最大电流数据。
步骤103，具体包括：
根据各条回路的最大电流数据，确定各条回路在第五预设时间段内负载状态，以调整各条回路上的设备和线路。
在本实施例中，具体的，根据各条回路的最大电流数据，可以确定出各条回路在第六预设时间段内负载状态，即各个设备的状态，进而可以根据各条回路的负载状态，去调整各条回路上的设备的个数、线路状态、并设置设备的各项参数。
具体来说，可以根据各条回路的最大电流数据，确定出各条回路在第六预设时间段内负载状态，此时的第六预设时间段可以是第五预设时间段，从而可以得到各条回路当前的负载状态。可以根据各条回路的最大电流数据，确定出各条回路在第六预设时间段内负载状态，此时的第六预设时间段可以是第五预设时间段之后的未发生的时间段，例如第二天、或者下一个月，从而可以预测出各条回路未来的负载状态。
在本实施例中，可以采用matlab工具来实现各条回路的最大电流数据的计算和显示。首先，将导入电力综合保护系统生成的报表导入到matlab工具中，从而matlab工具自动获取到各条回路的电流数据，然后自动的对数据进行处理，然后将各条回路的电流插值曲线图、最大电流数据显示到matlab工具的界面上。用户可以通过matlab工具选取不同的时间段对各条回路进行分析，点击matlab工具的界面上的“画图分析”按钮，进入画图分析界面，然后用户可以选择选择不同回路、不同参数类型、不同数据类型、不同时间段进行分析，matlab工具显示出用户所选时间段的各条回路的电流插值曲线图、最大电流数据。
本实施例通过获取各条回路的电流数据，去除各条回路的电流数据中的异常电流数据，并对电流数据进行插值处理之后，确定各条回路的最大电流数据；从而可以根据各条回路的最大电流数据，确定各条回路的负载状态。进而可以获知各条回路在各时刻的负载状态，根据各条回路的最大电流可以确定各回路的线路是否有过载危险，预防电力事故的发生，同时也可以作为增加负荷可行性的依据。
图6为本发明实施例六提供的基于大型企业电力系统的电力数据处理方法的流程图，如图6所示，在实施例一的基础上，步骤101具体包括：
获取第六预设时间段内电力综合保护系统中N条回路的负荷数据，负荷数据包括电流数据和/或视在功率数据。
在本实施例中，具体的，对N条回路进行分别的处理，首先获取第六预设时间段内电力综合保护系统中各条回路的负荷数据，负荷数据包括电流数据和/或视在功率数据。第六预设时间段可以是一天、或者一个月、或者几个月，也可以是某几个月的上旬，也可以是24小时里面的某几个小时。并且对于N条回路，各自的第六预设时间段可以相同，也可以不同。
步骤102，包括：
步骤1021e、根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合，其中一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，X为正整数。
在本实施例中，具体的，根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合。对于一条回路来说，一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，一个负荷数据历史序列中具有Y个负荷数据；其中，X、Y为正整数，各负荷数据历史序列中的负荷数据的个数可以相同或不同。对于各条回路来说，各自生成一个负荷数据历史序列组合，其中各条回路中的X可以相同，也可以不同。
举例来说，对于N条回路，取了各条回路在某30天的24小时里的各个小时的负荷数据，从而可以生成各条回路的负荷数据历史序列组合；对于一条回路来说，负荷数据历史序列组合中包括30个负荷数据历史序列，1天的负荷数据构成1个负荷数据历史序列，1个负荷数据历史序列中具有24个负荷数据。
步骤1022e、采用离散傅里叶变换，对各条回路的负荷数据历史序列组合进行频域分析，生成各条回路的频域分量序列组合，其中，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个与负荷数据对应的频域分量，Y为正整数。
在本实施例中，具体的，采用离散傅里叶变换，分别对各条回路的负荷数据历史序列组合进行频域分析，从而可以生成各条回路的频域分量序列组合。对于一条回路来说，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个频域分量，频域分量分别与负荷数据相对应，Y为正整数。
举例来说，对于一条回路来说，负荷数据历史序列组合中包括30个负荷数据历史序列，1天的负荷数据构成1个负荷数据历史序列，1个负荷数据历史序列中具有24个负荷数据；经过离散傅里叶变换之后，一条回路的频域分量序列组合中包括了30个频域分量序列，1个频域分量序列中包括了24个频域分量。
步骤1023e、采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理生成各条回路的预测时间的预测频域分量序列，预测频域分量序列中包括了Y个预测频率分量。
在本实施例中，具体的，采用采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理；从而生成了各条回路的预测时间的预测频域分量序列。对于一条回路来说，对各条回路的频域分量序列组合进行预测处理时，可以将一条回路的频域分量序列组合中的各频域分量序列进行组合分析，从而得到一个预测频域分量序列，在一个预测频域分量序列中包括了Y个预测频率分量。
举例来说，对于一条回路来说，一条回路的频域分量序列组合中包括了30个频域分量序列，1个频域分量序列中包括了24个频域分量，其中，30个频域分量序列分别代表了30天里的频域分量序列；采用时间序列自回归方法进行预测处理的时候，将各个频域分量序列中的第一个频域分量进行组合分析得到一个第一个预测频率分量，将各个频域分量序列中的第二个频域分量进行组合分析得到一个第二个预测频率分量，将各个频域分量序列中的第三个频域分量进行组合分析得到一个第三个预测频率分量，以此类推，直至将各个频域分量序列中的第24个频域分量进行组合分析得到一个第24个预测频率分量；进而得到一条回路的预测时间的一个预测频域分量序列，预测频域分量序列中包括了24个预测频率分量，并且，预测时间为未来的一天。
步骤1024e、对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，生成各条回路的预测时间的预测负荷数据序列，预测负荷数据序列中包括Y个预测负荷数据。
在本实施例中，具体的，对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，从而可以得到各条回路的预测时间的一个预测负荷数据序列，对于一条回路来说，预测负荷数据序列中包括Y个预测负荷数据。
举例来说，对于一条回路来说，一条回路的预测时间的一个预测频域分量序列，预测频域分量序列中包括了24个预测频率分量，并且，预测时间为未来的一天；进行傅里叶反变换，可以得到当前回路在未来一天里的一个预测负荷数据序列，预测负荷数据序列中包括24个预测负荷数据，从而得到未来一天里的各小时的预测负荷数据。
步骤103，具体包括：
根据各条回路的预测时间的预测负荷数据序列，确定各条回路的预测时间的电力使用高峰期，以进行各条回路的预警处理。
在本实施例中，具体的，根据得到的各条回路的预测时间的预测负荷数据序列，可以得到各条回路的预测时间的电力使用高峰期，从而便于管理用户对各条回路的预警处理。
在本实施例中，可以采用matlab工具来实现各条回路的预测时间的预测负荷数据序列的计算和显示。首先，将导入电力综合保护系统生成的报表导入到matlab工具中，从而matlab工具自动获取到各条回路的负荷数据，然后自动的对数据进行处理，然后将各条回路的预测时间的预测负荷数据序列显示到matlab工具的界面上。用户可以通过matlab工具选取不同的时间段对各条回路进行分析，点击matlab工具的界面上的“数据预测”按钮，进入数据预测界面，然后用户可以选择选择不同回路、不同参数类型、不同数据类型、不同时间段进行分析，matlab工具显示出用户所选时间段的各条回路的预测时间的预测负荷数据序列、即得到各条回路的预测曲线。
本实施例通过将各条回路的负荷数据，组合成各条回路的负荷数据历史序列组合，采用离散傅里叶变换对各条回路的负荷数据历史序列组合进行频域分析，在采用时间序列自回归方法，对各条回路的频域分量序列组合处理后生成各条回路的预测时间的预测频域分量序列，再对各条回路的预测时间的预测频域分量序列进行傅里叶反变换之后，可以得到各条回路的预测时间的预测负荷数据序列。从而各条回路的预测时间的预测负荷数据序列可以构成各自的负荷预测曲线，根据各条回路的负荷预测曲线可以获知各条回路在未来的预测时间内的电力使用情况有所预知，可以获知各条回路的电力使用高峰，进而便于管理用户进行各条回路的电力高峰预警，避免电力事故发生。
图7为本发明实施例七提供的基于大型企业电力系统的电力数据处理装置的结构示意图，如图7所示，本实施例提供的基于大型企业电力系统的电力数据处理装置，包括：
获取模块71，用于获取电力综合保护系统中的N条回路的电力数据，N条回路为总变电站分别与N个配电变电站之间的回路，N为正整数；
分析模块72，用于采用预设方法，分别对N条回路的电力数据进行电力数据分析或电力数据预测，得到N条回路的电力数据处理结果；
调整模块73，用于根据N条回路的电力数据处理结果，分别对应调整N条回路上的设备和线路。
本实施例的基于大型企业电力系统的电力数据处理装置可执行本发明实施例一提供的基于大型企业电力系统的电力数据处理方法，其实现原理相类似，此处不再赘述。
本实施例通过获取电力综合保护系统中的N条回路的电力数据，N条回路为总变电站分别与N个配电变电站之间的回路；采用预设方法，分别对N条回路的电力数据进行电力数据分析或电力数据预测，得到N条回路的电力数据处理结果；根据N条回路的电力数据处理结果，分别对应调整N条回路上的设备和线路。从而可以有效的利用电力综合保护系统保存的各回路的电力数据，对这些电力数据进行数据分析、数据预测，从而可以有效的利用电力数据的信息及时的获取到各配电变电站的运行状态、以及各条回路的运行状态，并对各回路上的设备、线路进行调整；进而使得用户可以高效的管理各变电站以及各回路。
图8为本发明实施例八提供的基于大型企业电力系统的电力数据处理装置的结构示意图，在实施例七的基础上，如图8所示，本实施例提供的基于大型企业电力系统的电力数据处理装置，获取模块71，具体用于：
获取第一预设时间段内电力综合保护系统中N条回路的视在功率数据；
相应的，分析模块72，包括：
第一去除子模块721a，用于采用三倍标准差方法，分别去除各条回路的视在功率数据中的异常功率数据；
第一插值子模块722a，用于采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理，得到各条回路的功率插值曲线图；
第一分析子模块723a，用于获取各条回路的功率插值曲线图中的最大视在功率数据；
确定子模块724a，用于根据各条回路的最大视在功率数据，以及预设的各条回路的回路所带变压器容量值，确定各条回路在第一预设时间段内的最大容量利用率，其中，最大容量利用率为最大视在功率数据与回路所带变压器容量值的比值；
相应的，调整模块73，具体用于：
根据各条回路在第一预设时间段内的最大容量利用率，确定与最优的最大容量利用率对应的回路，并确定与各条回路对应的各配电变电站的剩余容量值之后调整各条回路上的设备数量。
本实施例的基于大型企业电力系统的电力数据处理装置可执行本发明实施例二提供的基于大型企业电力系统的电力数据处理方法，其实现原理相类似，此处不再赘述。
本实施例通过获取第一预设时间段内电力综合保护系统中N条回路的视在功率数据，去除各条回路的视在功率数据中的异常功率数据，并对视在功率数据进行插值处理之后，确定各条回路的最大视在功率数据，从而可以根据各条回路的最大视在功率数据，确定各条回路的最大容量利用率。进而可以最大容量利用率，确定新增用电设备的电源来源，当需要增加负荷时，可根据分析得到的各配电变电站的剩余容量，结合待增加负荷的用电时段和用电功率，统筹考虑用电安全性、变压器效率和成本等因素，选择最合适的变电站供电。
图9为本发明实施例九提供的基于大型企业电力系统的电力数据处理装置的结构示意图，在实施例七的基础上，如图9所示，本实施例提供的基于大型企业电力系统的电力数据处理装置，获取模块71，具体用于：
获取第二预设时间段内电力综合保护系统中N条回路的视在功率数据；
相应的，分析模块72，包括：
筛选子模块721b，用于根据各条回路的视在功率数据，以及预设的各条回路的功率界限值，筛选出大于各功率界限值的各条回路的视在功率数据；
高峰生成子模块722b，用于根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期，日高峰期为数据个数大于第一预设数据个数的小时，年高峰期为数据个数大于第二预设数据个数的月份；
相应的，调整模块73，具体用于：
根据各条回路的日高峰期和/或年高峰期，确定各条回路上的设备和线路的检修时间，以及各条回路上的设备的个数。
本实施例的基于大型企业电力系统的电力数据处理装置可执行本发明实施例三提供的基于大型企业电力系统的电力数据处理方法，其实现原理相类似，此处不再赘述。
本实施例通过筛选出大于各功率界限值的各条回路的视在功率数据，并根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期。从而可以各条回路的日高峰期和/或年高峰期，掌握总变电站和各配变电站的在一天里、一年里的负荷高峰期，有利于更加有效的制定停电检修计划，在一天里或一年里避开用电高峰，尽量在用电低谷期停电，从而可以在保证正常用电的同时完成检修工作；还可以将部分用电设备的用电时段调整到用低谷期，同时调整各条回路上的设备的个数，从而节省电费、提高用电安全性，同时可以消峰平谷。
图10为本发明实施例十提供的基于大型企业电力系统的电力数据处理装置的结构示意图，在实施例七的基础上，如图10所示，本实施例提供的基于大型企业电力系统的电力数据处理装置，获取模块71，具体用于：
获取第四预设时间段内电力综合保护系统中N条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据；
相应的，分析模块72，包括：
权重生成子模块721c，用于根据各条回路的各视在功率数据qj，确定各条回路中的各视在功率数据的权重值
因数生成子模块722c，用于根据各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj，分别确定各条回路的平均功率因数其中，i∈[1,N]，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数；
相应的，调整模块73，具体用于：
若各条回路中的平均功率因数小于预设平均功率因数，则对小于预设平均功率因数的回路进行设备优化处理、或增加无功补偿设备。
本实施例的基于大型企业电力系统的电力数据处理装置可执行本发明实施例四提供的基于大型企业电力系统的电力数据处理方法，其实现原理相类似，此处不再赘述。
本实施例通过根据各条回路的各视在功率数据，确定各条回路的平均功率因数，从而可以根据平均功率因数可以掌握各回路的用电状况，对平均功率因数较低的回路可以进行用电设备优化或者增加无功补偿设备，以提高功率因数，减少电能的浪费。
图11为本发明实施例十一提供的基于大型企业电力系统的电力数据处理装置的结构示意图，在实施例七的基础上，如图11所示，本实施例提供的基于大型企业电力系统的电力数据处理装置，获取模块71，具体用于：
第五预设时间段内电力综合保护系统中N条回路的电流数据；
相应的，分析模块72，包括：
第二去除子模块721d，用于采用三倍标准差方法，分别去除各条回路的电流数据中的异常电流数据；
第二插值子模块722d，用于采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理，得到各条回路的电流插值曲线图；
第二分析子模块723d，获取各条回路的电流插值曲线图中的最大电流数据；
相应的，调整模块73，具体用于：
根据各条回路的最大电流数据，确定各条回路在第五预设时间段内负载状态，以调整各条回路上的设备和线路。
本实施例的基于大型企业电力系统的电力数据处理装置可执行本发明实施例五提供的基于大型企业电力系统的电力数据处理方法，其实现原理相类似，此处不再赘述。
本实施例通过获取各条回路的电流数据，去除各条回路的电流数据中的异常电流数据，并对电流数据进行插值处理之后，确定各条回路的最大电流数据；从而可以根据各条回路的最大电流数据，确定各条回路的负载状态。进而可以获知各条回路在各时刻的负载状态，根据各条回路的最大电流可以确定各回路的线路是否有过载危险，预防电力事故的发生，同时也可以作为增加负荷可行性的依据。
图12为本发明实施例十二提供的基于大型企业电力系统的电力数据处理装置的结构示意图，在实施例七的基础上，如图12所示，本实施例提供的基于大型企业电力系统的电力数据处理装置，获取模块71，具体用于：
获取第六预设时间段内电力综合保护系统中N条回路的负荷数据，负荷数据包括电流数据和/或视在功率数据；
相应的，分析模块72，包括：
序列生成子模块721e，用于根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合，其中一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，X为正整数；
频域生成子模块722e，用于采用离散傅里叶变换，对各条回路的负荷数据历史序列组合进行频域分析，生成各条回路的频域分量序列组合，其中，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个与负荷数据对应的频域分量，Y为正整数；
预测子模块723e，用于采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理生成各条回路的预测时间的预测频域分量序列，预测频域分量序列中包括了Y个预测频率分量；
变换子模块724e，用于对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，生成各条回路的预测时间的预测负荷数据序列，预测负荷数据序列中包括Y个预测负荷数据；
相应的，调整模块73，具体用于：
根据各条回路的预测时间的预测负荷数据序列，确定各条回路的预测时间的电力使用高峰期，以进行各条回路的预警处理。
本实施例的基于大型企业电力系统的电力数据处理装置可执行本发明实施例六提供的基于大型企业电力系统的电力数据处理方法，其实现原理相类似，此处不再赘述。
本实施例通过将各条回路的负荷数据，组合成各条回路的负荷数据历史序列组合，采用离散傅里叶变换对各条回路的负荷数据历史序列组合进行频域分析，在采用时间序列自回归方法，对各条回路的频域分量序列组合处理后生成各条回路的预测时间的预测频域分量序列，再对各条回路的预测时间的预测频域分量序列进行傅里叶反变换之后，可以得到各条回路的预测时间的预测负荷数据序列。从而各条回路的预测时间的预测负荷数据序列可以构成各自的负荷预测曲线，根据各条回路的负荷预测曲线可以获知各条回路在未来的预测时间内的电力使用情况有所预知，可以获知各条回路的电力使用高峰，进而便于管理用户进行各条回路的电力高峰预警，避免电力事故发生。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于大型企业电力系统的电力数据处理方法，其特征在于，包括：
获取电力综合保护系统中的N条回路的电力数据，所述N条回路为总变电站分别与N个配电变电站之间的回路，N为正整数；
采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果；
根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路。
2.根据权利要求1所述的方法，其特征在于，所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第一预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
采用三倍标准差方法，分别去除各条回路的视在功率数据中的异常功率数据；
采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理，得到各条回路的功率插值曲线图；
获取所述各条回路的功率插值曲线图中的最大视在功率数据；
根据各条回路的最大视在功率数据，以及预设的各条回路的回路所带变压器容量值，确定各条回路在所述第一预设时间段内的最大容量利用率，其中，所述最大容量利用率为所述最大视在功率数据与所述回路所带变压器容量值的比值；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路在所述第一预设时间段内的最大容量利用率，确定与最优的最大容量利用率对应的回路，并确定与各条回路对应的各配电变电站的剩余容量值之后调整各条回路上的设备数量。
3.根据权利要求1所述的方法，其特征在于，所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第二预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
根据各条回路的视在功率数据，以及预设的各条回路的功率界限值，筛选出大于各功率界限值的各条回路的视在功率数据；
根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期，所述日高峰期为数据个数大于第一预设数据个数的小时，所述年高峰期为数据个数大于第二预设数据个数的月份；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路的日高峰期和/或年高峰期，确定各条回路上的设备和线路的检修时间，以及各条回路上的设备的个数。
4.根据权利要求1所述的方法，其特征在于，所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第四预设时间段内电力综合保护系统中所述N条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
根据各条回路的各视在功率数据qj，确定各条回路中的各视在功率数据的权重值
根据各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj，分别确定各条回路的平均功率因数
其中，i∈[1,N]，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
若各条回路中的平均功率因数小于预设平均功率因数，则对小于预设平均功率因数的回路进行设备优化处理、或增加无功补偿设备。
5.根据权利要求1所述的方法，其特征在于，所述获取电力综合保护系统中的N条回路的电力数据，包括：
第五预设时间段内电力综合保护系统中所述N条回路的电流数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
采用三倍标准差方法，分别去除各条回路的电流数据中的异常电流数据；
采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理，得到各条回路的电流插值曲线图；
获取所述各条回路的电流插值曲线图中的最大电流数据；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路的最大电流数据，确定各条回路在第五预设时间段内负载状态，以调整各条回路上的设备和线路；
或者，
所述获取电力综合保护系统中的N条回路的电力数据，包括：
获取第六预设时间段内电力综合保护系统中所述N条回路的负荷数据，所述负荷数据包括电流数据和/或视在功率数据；
相应的，所述采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果，包括：
根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合，其中一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，X为正整数；
采用离散傅里叶变换，对各条回路的负荷数据历史序列组合进行频域分析，生成各条回路的频域分量序列组合，其中，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个与负荷数据对应的频域分量，Y为正整数；
采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理生成各条回路的预测时间的预测频域分量序列，预测频域分量序列中包括了Y个预测频率分量；
对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，生成各条回路的预测时间的预测负荷数据序列，预测负荷数据序列中包括Y个预测负荷数据；
相应的，所述根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路，包括：
根据各条回路的预测时间的预测负荷数据序列，确定各条回路的预测时间的电力使用高峰期，以进行各条回路的预警处理。
6.一种基于大型企业电力系统的电力数据处理装置，其特征在于，包括：
获取模块，用于获取电力综合保护系统中的N条回路的电力数据，所述N条回路为总变电站分别与N个配电变电站之间的回路，N为正整数；
分析模块，用于采用预设方法，分别对所述N条回路的电力数据进行电力数据分析或电力数据预测，得到所述N条回路的电力数据处理结果；
调整模块，用于根据所述N条回路的电力数据处理结果，分别对应调整所述N条回路上的设备和线路。
7.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：
获取第一预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述分析模块，包括：
第一去除子模块，用于采用三倍标准差方法，分别去除各条回路的视在功率数据中的异常功率数据；
第一插值子模块，用于采用插值法，分别对各条回路的去除了异常功率数据的视在功率数据进行插值处理，得到各条回路的功率插值曲线图；
第一分析子模块，用于获取所述各条回路的功率插值曲线图中的最大视在功率数据；
确定子模块，用于根据各条回路的最大视在功率数据，以及预设的各条回路的回路所带变压器容量值，确定各条回路在所述第一预设时间段内的最大容量利用率，其中，所述最大容量利用率为所述最大视在功率数据与所述回路所带变压器容量值的比值；
相应的，所述调整模块，具体用于：
根据各条回路在所述第一预设时间段内的最大容量利用率，确定与最优的最大容量利用率对应的回路，并确定与各条回路对应的各配电变电站的剩余容量值之后调整各条回路上的设备数量。
8.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：
获取第二预设时间段内电力综合保护系统中所述N条回路的视在功率数据；
相应的，所述分析模块，包括：
筛选子模块，用于根据各条回路的视在功率数据，以及预设的各条回路的功率界限值，筛选出大于各功率界限值的各条回路的视在功率数据；
高峰生成子模块，用于根据筛选后的各条回路的视在功率数据，确定各条回路的视在功率数据在各预设第三时间段内的数据个数，以确定各条回路的日高峰期和年高峰期，所述日高峰期为数据个数大于第一预设数据个数的小时，所述年高峰期为数据个数大于第二预设数据个数的月份；
相应的，所述调整模块，具体用于：
根据各条回路的日高峰期和/或年高峰期，确定各条回路上的设备和线路的检修时间，以及各条回路上的设备的个数。
9.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：
获取第四预设时间段内电力综合保护系统中所述N条回路的视在功率数据、以及与各视在功率数据对应的功率因数数据；
相应的，所述分析模块，包括：
权重生成子模块，用于根据各条回路的各视在功率数据qj，确定各条回路中的各视在功率数据的权重值
因数生成子模块，用于根据各条回路中的各视在功率数据的权重值tj，以及各条回路中的各视在功率数据qj，分别确定各条回路的平均功率因数其中，i∈[1,N]，j∈[1,M]，i、j为正整数，M为各条回路中的视在功率数据的个数；
相应的，所述调整模块，具体用于：
若各条回路中的平均功率因数小于预设平均功率因数，则对小于预设平均功率因数的回路进行设备优化处理、或增加无功补偿设备。
10.根据权利要求6所述的装置，其特征在于，所述获取模块，具体用于：
第五预设时间段内电力综合保护系统中所述N条回路的电流数据；
相应的，所述分析模块，包括：
第二去除子模块，用于采用三倍标准差方法，分别去除各条回路的电流数据中的异常电流数据；
第二插值子模块，用于采用插值法，分别对各条回路的去除了异常电流数据的电流数据进行插值处理，得到各条回路的电流插值曲线图；
第二分析子模块，获取所述各条回路的电流插值曲线图中的最大电流数据；
相应的，所述调整模块，具体用于：
根据各条回路的最大电流数据，确定各条回路在第五预设时间段内负载状态，以调整各条回路上的设备和线路；
或者，
所述获取模块，具体用于：
获取第六预设时间段内电力综合保护系统中所述N条回路的负荷数据，所述负荷数据包括电流数据和/或视在功率数据；
相应的，所述分析模块，包括：
序列生成子模块，用于根据各条回路的负荷数据，生成各条回路的负荷数据历史序列组合，其中一条回路的负荷数据历史序列组合中包括X个负荷数据历史序列，X为正整数；
频域生成子模块，用于采用离散傅里叶变换，对各条回路的负荷数据历史序列组合进行频域分析，生成各条回路的频域分量序列组合，其中，一条回路的频域分量序列组合中包括了X个频域分量序列，一个频域分量序列中包括了Y个与负荷数据对应的频域分量，Y为正整数；
预测子模块，用于采用时间序列自回归方法，对各条回路的频域分量序列组合进行预测处理生成各条回路的预测时间的预测频域分量序列，预测频域分量序列中包括了Y个预测频率分量；
变换子模块，用于对各条回路的预测时间的预测频域分量序列，进行傅里叶反变换，生成各条回路的预测时间的预测负荷数据序列，预测负荷数据序列中包括Y个预测负荷数据；
相应的，所述调整模块，具体用于：
根据各条回路的预测时间的预测负荷数据序列，确定各条回路的预测时间的电力使用高峰期，以进行各条回路的预警处理。
CN201610148380.2A 2016-03-15 2016-03-15 基于大型企业电力系统的电力数据处理方法和装置 Active CN105811579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610148380.2A CN105811579B (zh) 2016-03-15 2016-03-15 基于大型企业电力系统的电力数据处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610148380.2A CN105811579B (zh) 2016-03-15 2016-03-15 基于大型企业电力系统的电力数据处理方法和装置

Publications (2)

Publication Number Publication Date
CN105811579A true CN105811579A (zh) 2016-07-27
CN105811579B CN105811579B (zh) 2018-05-04

Family

ID=56468412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610148380.2A Active CN105811579B (zh) 2016-03-15 2016-03-15 基于大型企业电力系统的电力数据处理方法和装置

Country Status (1)

Country Link
CN (1) CN105811579B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4890920B2 (ja) * 2006-04-14 2012-03-07 株式会社日立製作所 複数の分散型電源が連系された配電系統の電力品質維持支援方法及び電力品質維持支援システム
CN203366104U (zh) * 2013-07-18 2013-12-25 薛崇安 一种企业配网可视化监测管理柜
CN103545809A (zh) * 2013-11-05 2014-01-29 苏州市华安普电力工程有限公司 一种企业电网优化配置方法
CN104036430A (zh) * 2014-05-08 2014-09-10 中国石油天然气股份有限公司 炼化企业的电网运行分析方法及系统
CN104317910A (zh) * 2014-10-27 2015-01-28 国家电网公司 一种数据处理方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4890920B2 (ja) * 2006-04-14 2012-03-07 株式会社日立製作所 複数の分散型電源が連系された配電系統の電力品質維持支援方法及び電力品質維持支援システム
CN203366104U (zh) * 2013-07-18 2013-12-25 薛崇安 一种企业配网可视化监测管理柜
CN103545809A (zh) * 2013-11-05 2014-01-29 苏州市华安普电力工程有限公司 一种企业电网优化配置方法
CN104036430A (zh) * 2014-05-08 2014-09-10 中国石油天然气股份有限公司 炼化企业的电网运行分析方法及系统
CN104317910A (zh) * 2014-10-27 2015-01-28 国家电网公司 一种数据处理方法及装置

Also Published As

Publication number Publication date
CN105811579B (zh) 2018-05-04

Similar Documents

Publication Publication Date Title
Panda et al. Smart grid architecture model for control, optimization and data analytics of future power networks with more renewable energy
de Souza et al. Data compression in smart distribution systems via singular value decomposition
Gao et al. Robust coordinated optimization of active and reactive power in active distribution systems
Xiao et al. Sizing of energy storage and diesel generators in an isolated microgrid using discrete Fourier transform (DFT)
Bitaraf et al. Sizing energy storage to mitigate wind power forecast error impacts by signal processing techniques
Jia et al. Historical-data-based energy management in a microgrid with a hybrid energy storage system
Yang et al. Probabilistic short-term wind power forecast using componential sparse Bayesian learning
CN110969284B (zh) 一种配电网双层优化调度方法
Pertl et al. Voltage estimation in active distribution grids using neural networks
CN110263391B (zh) 一种基于机会约束的有源配电网智能软开关规划方法
Tuffner et al. Using electric vehicles to mitigate imbalance requirements associated with an increased penetration of wind generation
Huang et al. Smart grid communications in challenging environments
Mashhour et al. Mathematical modeling of electrochemical storage for incorporation in methods to optimize the operational planning of an interconnected micro grid
CN103077484B (zh) 基于电网历史信息统计分析的多维度潮流评价指标方法
CN112467879A (zh) 一种园区能源智能监测系统、方法和设备
Yang et al. Toward optimal risk-averse configuration for HESS with CGANs-based PV scenario generation
CN102904248B (zh) 基于风电出力不确定性集合的电力系统调度方法
Schaefer et al. Sizing of hybrid energy storage through analysis of load profile characteristics: A household case study
Mamun et al. Multi-objective optimization to minimize battery degradation and electricity cost for demand response in datacenters
Gao et al. Research on optimal configuration of hybrid energy storage system based on improved CEEMDAN
Phan et al. Big data and monitoring the grid
CN107732902B (zh) 配电网经济运行监控及评价方法
Chang et al. Transient performance analysis of smart grid with dynamic power distribution
CN109541346A (zh) 一种稳态工况下的非侵入式电力负载识别提升方法
Chua et al. Peak reduction for commercial buildings using energy storage

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant