CN107482779B - 一种运行良好的电力系统 - Google Patents

Abstract

本发明提供了一种运行良好的电力系统，包括电力设备、通信装置、监测装置、预测装置和控制装置，所述电力设备与通信装置通过无线方式连接，所述监测装置与通信装置通过有线方式连接，通过通信装置接收电力设备的状态信息，所述预测装置与监测装置通过有线方式连接，用于接收电力设备的状态信息并对电力设备的状态进行预测，所述控制装置与通信装置通过有线方式连接，用于根据预测结果向电力设备发送控制信息对电力设备进行控制。本发明的有益效果为：实现了对电力设备的监测和控制，保证了电力系统的稳定运行。

Description

一种运行良好的电力系统

技术领域

本发明涉及电力技术领域，具体涉及一种运行良好的电力系统。

背景技术

电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。

如何保证电力系统的良好运行一直以来备受关注。

发明内容

针对上述问题，本发明旨在提供一种运行良好的电力系统。

本发明的目的采用以下技术方案来实现：

提供了一种运行良好的电力系统，包括电力设备、通信装置、监测装置、预测装置和控制装置，所述电力设备与通信装置通过无线方式连接，所述监测装置与通信装置通过有线方式连接，通过通信装置接收电力设备的状态信息，所述预测装置与监测装置通过有线方式连接，用于接收电力设备的状态信息并对电力设备的状态进行预测，所述控制装置与通信装置通过有线方式连接，用于根据预测结果向电力设备发送控制信息对电力设备进行控制。

本发明的有益效果为：实现了对电力设备的监测和控制，保证了电力系统的稳定运行。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图；

附图标记：

电力设备1、通信装置2、监测装置3、预测装置4、控制装置5。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种运行良好的电力系统，包括电力设备1、通信装置2、监测装置3、预测装置4和控制装置5，所述电力设备1与通信装置2通过无线方式连接，所述监测装置3与通信装置2通过有线方式连接，通过通信装置2接收电力设备1的状态信息，所述预测装置4与监测装置3通过有线方式连接，用于接收电力设备1的状态信息并对电力设备1的状态进行预测，所述控制装置5与通信装置2通过有线方式连接，用于根据预测结果向电力设备1发送控制信息对电力设备1进行控制。

本实施例实现了对电力设备1的监测和控制，保证了电力系统的稳定运行。

优选的，所述监测装置3包括存储模块，用于存储电力设备1的状态信息。

本优选实施例对电力设备1的状态信息进行存储，便于查找历史问题。

优选的，所述无线连接方式为4G网路。

本优选实施例提高了通信速度，从而提高了电力系统1运行效率。

优选的，所述预测装置4包括第一预测模块、第二预测模块、第三预测模块和第四评估模块，所述第一预测模块用于对电力设备1的状态进行初步预测，得到初步预测结果，所述第二预测模块用于根据初步预测结果对电力设备1的状态进行二次预测，得到二次预测结果，所述第三预测模块根据初步预测结果和二次预测结果获取电力设备1状态的最终预测结果，所述第四评估模块用于对状态预测效果进行评价。

本优选实施例实现了电力设备1状态的预测和预测效果的评估。

优选的，采用以下方式对电力设备1的状态进行初步预测：

(1)假定时间序列输入为RU＝(a₁,a₂,…,a_l)，真实期望输出为MH_t＝(b₁,b₂,…,b_t)，基于自回归滑动平均模型建立第一预测函数对时间序列进行预测：

式中，表示初步预测结果，n表示自回归阶数，m表示滑动平均阶数，β_i表示自回归系数，γ_i表示滑动平均系数，{c_t}表示白噪声序列；

(2)采用AIC准则对自回归阶数和滑动平均阶数估计，采用最小二乘法对自回归系数和滑动平均系数进行估计，对初步预测结果进行求解：

式中，表示自回归阶数估计值，表示滑动平均阶数估计值，表示自回归系数估计值，表示滑动平均系数估计值；

采用以下方式对电力设备1的状态进行二次预测：

在初步预测结果的基础上基于神经网络模型建立第二预测函数：

式中，表示二次预测结果，w_q和w_pq表示神经网络的连接权重，p和q表示神经网络输入层和中间层的节点数量，d₀和d_0j表示偏置项。

本优选实施例第一预测模块能够对时间序列的线性部分进行准确捕捉，实现了线性部分的准确预测；第二预测模块能够对时间序列的非线性部分进行很好的预测，实现了非线性部分的准确预测。

优选的，采用以下方式获取电力设备1状态的最终预测结果：

式中，表示最终预测结果。

本优选实施例第三预测模块克服了以往预测过程中预测模型的泛化能力差等问题，将第一预测模块和第二预测模块进行结合，提高了预测精度。

优选的，所述第四评估模块包括一次处理子模块和二次处理子模块，所述一次处理子模块用于对电力设备1异常情况进行预警，所述二次处理子模块用于根据预警情况对状态预测效果进行评价；

采用以下方式对电力设备1异常情况进行预警：采用第三预测模块对电力设备1的状态进行监测，通过电力设备1历史数据获取预测结果，当电力设备1的运行状态偏离预测结果达到一定值，则发出电力设备1异常的预警。

本优选实施例一次处理子模块实现了电力设备1异常预警。

所述二次处理子模块包括第一评价单元、第二评价单元和综合评价单元，所述第一评价单元用于确定第一评价因子，所述第二评价单元用于确定第二评价因子，所述综合评价单元用于根据第一评价因子和第二评价因子对状态预测效果进行评价；

采用以下方式确定第一评价因子：建立第一评价函数：

式中，RX₁表示第一评价因子，DT表示全部监测次数，DT₁表示虚警的次数；

采用以下方式确定第二评价因子：建立第二评价函数

式中，RX₁表示第一评价因子，DT₂表示漏警的次数；

采用以下方式对状态预测效果进行评价：建立综合评价函数：

式中，RX表示预测评价因子，预测评价因子越大，预测结果越准确。

本优选实施例二次处理子模块采用预测评价因子对状态预测效果进行评价，保证了预测效果的准确性和可靠性，从而保证了电力系统的稳定运行。

选取五个采用本发明运行良好的电力系统的变电站，分别为变电站1、变电站2、变电站3、变电站4、变电站5，对电力系统运行稳定性和维修成本进行统计，同现有电力系统相比，产生的有益效果如下表所示：

	运行稳定性提高	维修成本降低
			变电站1	29％	21％
变电站2	27％	23％
			变电站3	26％	25％
变电站4	25％	27％
			变电站5	24％	29％

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，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (4)

1.一种运行良好的电力系统，其特征在于，包括电力设备、通信装置、监测装置、预测装置和控制装置，所述电力设备与通信装置通过无线方式连接，所述监测装置与通信装置通过有线方式连接，通过通信装置接收电力设备的状态信息，所述预测装置与监测装置通过有线方式连接，用于接收电力设备的状态信息并对电力设备的状态进行预测，所述控制装置与通信装置通过有线方式连接，用于根据预测结果向电力设备发送控制信息对电力设备进行控制，所述监测装置包括存储模块，用于存储电力设备的状态信息，所述无线连接方式为4G网路，所述预测装置包括第一预测模块、第二预测模块、第三预测模块和第四评估模块，所述第一预测模块用于对电力设备的状态进行初步预测，得到初步预测结果，所述第二预测模块用于根据初步预测结果对电力设备的状态进行二次预测，得到二次预测结果，所述第三预测模块根据初步预测结果和二次预测结果获取电力设备状态的最终预测结果，所述第四评估模块用于对状态预测效果进行评价，采用以下方式对电力设备的状态进行初步预测：

(1)假定时间序列输入为RU＝(a₁,a₂,…,a_l)，真实期望输出为MH_t＝(b₁,b₂,…,b_t)，基于自回归滑动平均模型建立第一预测函数对时间序列进行预测：

式中，表示初步预测结果，n表示自回归阶数，m表示滑动平均阶数，β_i表示自回归系数，γ_i表示滑动平均系数，{c_t}表示白噪声序列；

(2)采用AIC准则对自回归阶数和滑动平均阶数估计，采用最小二乘法对自回归系数和滑动平均系数进行估计，对初步预测结果进行求解：

式中，表示自回归阶数估计值，表示滑动平均阶数估计值，表示自回归系数估计值，表示滑动平均系数估计值；

采用以下方式对电力设备的状态进行二次预测：

在初步预测结果的基础上基于神经网络模型建立第二预测函数：

式中，表示二次预测结果，w_q和w_pq表示神经网络的连接权重，p和q表示神经网络输入层和中间层的节点数量，d₀和d_0j表示偏置项。

2.根据权利要求1所述的运行良好的电力系统，其特征在于，采用以下方式获取电力设备状态的最终预测结果：

式中，表示最终预测结果。

3.根据权利要求2所述的运行良好的电力系统，其特征在于，所述第四评估模块包括一次处理子模块和二次处理子模块，所述一次处理子模块用于对电力设备异常情况进行预警，所述二次处理子模块用于根据预警情况对状态预测效果进行评价；

采用以下方式对电力设备异常情况进行预警：采用第三预测模块对电力设备的状态进行监测，通过电力设备历史数据获取预测结果，当电力设备的运行状态偏离预测结果达到一定值，则发出电力设备异常的预警。

4.根据权利要求3所述的运行良好的电力系统，其特征在于，所述二次处理子模块包括第一评价单元、第二评价单元和综合评价单元，所述第一评价单元用于确定第一评价因子，所述第二评价单元用于确定第二评价因子，所述综合评价单元用于根据第一评价因子和第二评价因子对状态预测效果进行评价；

采用以下方式确定第一评价因子：建立第一评价函数：

式中，RX₁表示第一评价因子，DT表示全部监测次数，DT₁表示虚警的次数；采用以下方式确定第二评价因子：建立第二评价函数

式中，RX₂ 表示第二评价因子，DT₂表示漏警的次数；

采用以下方式对状态预测效果进行评价：建立综合评价函数：

式中，RX表示预测评价因子，预测评价因子越大，预测结果越准确。