CN109242314A - 一种配电网全景监测指标的评估方法及装置 - Google Patents
一种配电网全景监测指标的评估方法及装置 Download PDFInfo
- Publication number
- CN109242314A CN109242314A CN201811064147.1A CN201811064147A CN109242314A CN 109242314 A CN109242314 A CN 109242314A CN 201811064147 A CN201811064147 A CN 201811064147A CN 109242314 A CN109242314 A CN 109242314A
- Authority
- CN
- China
- Prior art keywords
- power distribution
- index
- distribution network
- monitoring
- data
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 184
- 238000009826 distribution Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 70
- 238000007405 data analysis Methods 0.000 claims abstract description 33
- 238000013480 data collection Methods 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 13
- 230000001052 transient effect Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001074085 Scophthalmus aquosus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供了一种配电网全景监测指标的评估方法及装置,该配电网全景监测指标的评估方法包括:获取配电网的原始监测数据;根据数据类型对原始监测数据进行分类,生成多个监测数据集;根据各监测数据集构建配电网全景监测指标体系;根据配电网全景监测指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果。通过实施本发明,建立了配电网全景监测指标体系对配电网的各个评价对象进行评估,从而实现了对整个配电网全景的监测评价功能,得到的综合评估结果为配电网的规划及决策提供准确的数据基础。
Description
技术领域
本发明涉及配电网监测领域,具体涉及一种配电网全景监测指标的评估方法及装置。
背景技术
随着城镇化建设及智能电网用电需求的增长,配电网一直在不断地改造和扩建,其规模也在不断扩大,国家电网公司系统内大多数县级以上配电网的规模都已达到百条馈线以上,一些中、大型城市的中压馈线已经达到甚至超过千条。随着配电自动化、用电信息采集等应用系统的推广应用,对于有千条馈线的大规模配电网,配电网中会产生呈指数级增长的海量异构、多态的数据,数据集合的大小可达到当今信息学界所关注的大数据级别。
现在配电网发展规模日益庞大,配电网的设备资产、运行效率、投资和效益、服务质量等问题直接影响着整个配电网的革新与发展,目前对配电网的监测评价方法,通常仅能对基于某些方面进行监测评价,而忽略了其他方面因素的影响,无法实现整个配电网全景的监测评价,无法在设备资产、综合运行、投资效益、客户服务等方面建立综合监测指标体系,评价方面较为单一,评价结果不能真实的反应实际情况,无法为配电网的规划及决策提供准确的数据基础等。
发明内容
本发明实施例提供了一种配电网全景监测指标的评估方法及装置,以克服现有技术中缺乏针对整个配电网全部信息的监测和评价体系,评价方面单一,评价结果难以反映实际情况,无法为配线我的规划及决策提供准确的数据基础等问题。
根据第一方面,本发明实施例提供了一种配电网全景监测指标的评估方法,包括:获取配电网的原始监测数据;根据数据类型对所述原始监测数据进行分类,生成多个监测数据集;根据各所述监测数据集构建配电网全景监测指标体系;根据所述配电网全景监测指标体系分别对所述配电网的各个评价对象进行评估,生成综合评估结果。
结合第一方面,在第一方面的第一实施方式中,所述监测数据集包括设备资产类数据集、设备运行类数据集、设备台账类数据集、电网服务类数据集及电网拓扑类数据集。
结合第一方面,在第一方面的第二实施方式中,所述配电网全景监测指标体系,包括:根据所述设备资产类数据集建立的设备资产监测指标、根据所述设备运行类数据集建立的综合运行监测指标、根据所述设备台账类数据集建立的电网效益监测指标、根据所述电网服务类数据集建立的客户服务监测指标及根据所述电网拓扑类数据集建立的数据价值监测指标。
结合第一方面,在第一方面的第三实施方式中,所述根据所述配电网全景监测指标体系分别对所述配电网的各个评价对象进行评估,生成综合评估结果,包括:获取所述评价对象所对应监测数据集中的监测数据;采用聚类算法对所述监测数据进行聚类,生成聚类监测数据;根据所述评价对象对应的所述配电网全景监测指标体系中的各个评价指标,从所述聚类监测数据中提取各所述评价指标的指标特征;分别计算各所述指标特征的指标权重,并根据各所述指标权重建立指标评价模型;采用神经网络算法对所述指标评价模型进行优化,并采用优化后的指标评价模型对所述评价对象进行评估,生成综合评估结果。
结合第一方面,在第一方面的第四实施方式中,所述计算各所述指标特征的指标权重,并根据各所述指标权重建立指标评价模型,包括:采用基于方差贡献度的算法计算各所述指标特征的标准差,并根据所述标准差计算客观权重;根据预设打分规则计算各所述指标特征的主观权重;根据所述主观权重和所述客观权重,建立所述指标评价模型。
结合第一方面,在第一方面的第五实施方式中,在所述获取所述评价对象所对应监测数据集中的监测数据之后,在采用聚类算法对所述监测数据进行聚类,生成聚类监测数据之前,还包括:对所述监测数据进行归一化处理,生成预处理监测数据。
根据第二方面,本发明实施例提供了一种配电网全景监测指标的评估装置,包括:原始监测数据获取模块,用于获取配电网的原始监测数据;数据分类模块,用于根据数据类型对所述原始监测数据进行分类,生成多个监测数据集;配电网全景监测指标体系构建模块,用于根据各所述监测数据集构建配电网全景监测指标体系;综合评估模块,用于根据所述配电网全景监测指标体系分别对所述配电网的各个评价对象进行评估,生成综合评估结果。
结合第二方面,在第二方面的第一实施方式中,所述综合评估模块包括:数据获取子模块,用于获取所述评价对象所对应监测数据集中的监测数据;聚类监测数据生成子模块,用于采用聚类算法对所述监测数据进行聚类操作,生成聚类监测数据;指标特征提取自模块,用于根据所述评价对象对应的所述配电网全景监测指标体系中的各个评价指标,从所述聚类监测数据中提取各所述评价指标的指标特征;指标评价模型构建子模块,用于分别计算各所述指标特征的指标权重,并根据各所述指标权重建立指标评价模型;指标评价模型优化子模块,用于采用神经网络算法对所述指标评价模型进行优化,并采用优化后的指标评价模型对所述评价对象进行评估,生成综合评估结果。
根据第三方面,本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的配电网全景监测指标的评估方法。
根据第四方面,本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行第一方面或者第一方面的任意一种可选方式中所述的配电网全景监测指标的评估方法。
本发明技术方案,具有如下优点:
本发明实施例提供的配电网全景监测指标的评估方法,通过获取配电网的原始监测数据,并按照原始监测数据的分类构建配电网全景监测指标体系,根据该指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果,从而实现了对整个配电网全景的监测评价功能,得到的综合评估结果为配电网的规划及决策提供准确的数据基础。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例中配电网全景监测指标的评估方法的流程图;
图2为本发明实施例中根据配电网全景监测指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果的具体流程图;
图3为本发明实施例中计算各指标特征的指标权重,并根据各指标权重建立指标评价模型的具体流程图;
图4为本发明实施例中根据配电网全景监测指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果的另一具体流程图;
图5为本发明实施例中配电网全景监测指标的评估装置的结构示意图;
图6为本发明实施例中综合评估模块的结构示意图;
图7为本发明实施例中电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供了一种配电网全景监测指标的评估方法,如图1所示,该配电网全景监测指标的评估方法包括:
步骤S1:获取配电网的原始监测数据。该原始监测数据包括接入大数据平台海量实时数据、结构化数据平台的数据等。
步骤S2:根据数据类型对原始监测数据进行分类,生成多个监测数据集。该原始监测数据按照配变、变电站、供电所、区县级、地市级、省级维度,形成数据汇总和逐级下钻的数据结构,并依据该数据结构进行分类,得到多个监测数据集。
步骤S3:根据各监测数据集构建配电网全景监测指标体系。该配电网全景监测指标体系包括:设备资产监测指标、综合运行监测指标、电网效益监测指标、客户服务监测指标及数据价值监测指标五个一级指标。
步骤S4:根据配电网全景监测指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果。该综合评估结果可以玩转的反映出整个配电网的运行状态。
通过上述步骤S1至步骤S4的协同合作,本发明实施例中的配电网全景监测指标的评估方法,建立了配电网全景监测指标体系对配电网的各个评价对象进行评估,从而实现了对整个配电网全景的监测评价功能,得到的综合评估结果为配电网的规划及决策提供准确的数据基础。
具体地,在一实施例中,上述的步骤S1,获取配电网的原始监测数据。整个配电网系统主要包括:生产管理系统、营销系统、地调能源管理系统、用电信息采集系统及地理信息系统等,在实际应用中,可以通过主动抽取、消息总线发送等方式接入原始监测数据,并对原始监测数据进行清洗与处理,对数据的完整性、一致性、合理性等进行修复。
在一较佳实施例中,上述的步骤S2,根据数据类型对原始监测数据进行分类,生成多个监测数据集。监测数据集包括设备资产类数据集、设备运行类数据集、设备台账类数据集、电网服务类数据集及电网拓扑类数据集。
在一较佳实施例中,上述的步骤S3,根据各监测数据集构建配电网全景监测指标体系。所构建的电网全景监测指标体系包括:根据设备资产类数据集建立的设备资产监测指标、根据设备运行类数据集建立的综合运行监测指标、根据设备台账类数据集建立的电网效益监测指标、根据电网服务类数据集建立的客户服务监测指标及根据电网拓扑类数据集建立的数据价值监测指标。
在实际应用中,上述的设备资产监测指标包括:面向高压线路、主变、中压线路、配变,设定设备规模、新投退役、装备水平二级指标。例如设备规模可从设备数量、同比增长率、历年变化、分布情况角度来分析;新投退役分为新投运设备、退役设备、近5年规模变化情况等;装备水平指标可分为智能化占比、N-1通过率、线路联络率、绝缘化率、电缆化率、配电自动化覆盖率等。
在实际应用中,上述综合运行监测指标可以从供电能力、供电质量、供电可靠性、运营效率四个二级指标对电网运行的综合状态进行评价。例如其中的供电能力可分为负荷监测(配变平均负载率、配变最大负载率平均值、超载配变数量、重载配变)、裕度监测(高压线路供电裕度、高压线路最大供电能力、主变供电裕度、主变最大供电能力、中压线路供电裕度、中压线路最大供电能力、配变供电裕度、配变最大供电能力);供电质量可分为电压质量(配变关口电压合格率、低电压配变台数、低电压配变占比、过电压配变台数、过电压配变占比)、三相不平衡(三相不平衡配变台数、三相不平衡配变占比);供电可靠性可分为配变停电(配变停电台数、超长停电配变台数、频繁停电配变台数)、线路停电(线路计划停电次数、线路超长停电次数、线路延迟停电次数、线路提前停电次数、线路部分重复停电次数);线变停电协同性(线变停电不协调次数);运营效率可分为效率与协调度(配网系统效率、高压线路效率、中压线路效率、主变压器效率、配电变压器效率、配网效率协调度)、台区综合交通(台区综合能效指数、台区供电能力分指数、台区运营效率分指数、台区经济效益分指数、预警台区台数)。
在实际应用中,上述电网效益监测指标包括:投资规模(资本投入、成本投入)、开工投产(新开工、新投产)、项目监测(计划下达、项目创建、财务支出)、异动监测(异动发现、异动核查、异动分析、异动整改)四个二级指标,例如可从项目立项、实施、支出、投运、关闭的全生命周期进行投资监测。分析异动原因,对异动进行闭环分析。对所有异动进行统计,通过异动占比,找出最容易发生异动的阶段,分析其原因,提前防范异动。
在实际应用中,上述的客户服务监测指标可从投诉与意见、配网故障抢修两个二级指标出发,分析工单及工单生成原因,分析投诉与意见原因的占比结构,结合可视化手段,分析产生投诉和意见的主要原因;对故障报修、故障抢修、优质服务指标进行分析,通过工单处理满意度来提升客户服务满意度。
在实际应用中,上述的数据价值监测指标可从数据接入、数据规模、数据来源、数据质量等方面进行分析。例如数据接入方面可以主要从档案数据接入率、档案数据完整率、数据计算率、用采数据接入率、调度数据接入就给、运行数据匹配率方面进行分析;数据价值关键指标包括停电信息采集不准数据、用采台账不准数量、电量数据异动数量、“线路-公变”一致率、PMS变压器台账准确率、PMS变压器台账空值率等。需要说明的是,上述的五个一级指标仅为本发明实施例的应用举例,在实际应用中各个一级指标的内容可以根据实际需要进行设置,本发明并不以此为限。
在一较佳实施例中,如图2所示,上述的步骤S4,根据配电网全景监测指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果,包括:
步骤S41:获取评价对象所对应监测数据集中的监测数据。在实际应用中,在获取监测数据后需要将监测数据进行归一化处理,便于数据进行后续处理。
步骤S42:采用聚类算法对监测数据进行聚类,生成聚类监测数据。在实际应用中,可以采用K-MEANS算法对归一化后的监测数据进行聚类操作,也可以采用其他聚类算法,本发明并不以此为限。
步骤S43:根据评价对象对应的配电网全景监测指标体系中的各个评价指标,从聚类监测数据中提取各评价指标的指标特征。在实际应用中,评价指标的指标特征为能反映该评价指标的配电网实际设备数据,例如:设备资产监测指标中配电网设备的设备数量、同比增长率、历年变化、分布情况及配电自动化覆盖率等为设备资产监测指标的指标特征。
步骤S44:分别计算各指标特征的指标权重,并根据各指标权重建立指标评价模型。在实际应用中,上述的评价指标中包含着多个指标特征,这些指标特征对评价指标结果的影响程度不同,例如设备资产监测指标中配电网设备的设备数量、同比增长率、历年变化等指标特征对设备资产监测指标的评价结果影响较大,而配电网的分布情况及配电自动化覆盖率等指标特征对设备资产监测指标的评价结果影响较小,因此需要计算不同的指标特征的权重,来建立指标评价模型,使得该评价模型与实际情况相吻合。
在一较佳实施例中,如图3所示,上述的步骤S44,计算各指标特征的指标权重,并根据各指标权重建立指标评价模型,具体包括:
步骤S441:采用基于方差贡献度的算法计算各指标特征的标准差,并根据标准差计算客观权重。具体地,通过基于方差贡献度的算法,分别计算每个指标的标准差,根据所得到的标准差值的大小来计算各个指标所占的的客观权重值。
步骤S442:根据预设打分规则计算各指标特征的主观权重。在实际应用中,该预设打分规则可以是相关领域的专家根据实际的工作经验总结的打分规则,为配电网的评价指标提供主观打分。
步骤S443:根据主观权重和客观权重,建立指标评价模型。具体地,综合主观权重的打分权重及客观权重,所建立的指标评价模型,由于综合考虑了主观因素和客观因素,使得模型更加准确,与实际配电网的工作情况更加吻合。
步骤S45:采用神经网络算法对指标评价模型进行优化,并采用优化后的指标评价模型对评价对象进行评估,生成综合评估结果。在实际应用中,为了使得最终的评估结果更加准确,采用神经网络算法对建立的制备评价模型进行优化。
在一较佳实施例中,如图4所示,上述的配电网全景监测指标的评估方法还包括:
步骤S46:对监测数据进行归一化处理,生成预处理监测数据。在实际应用中,可以在获取配电网原始监测数据后,在对原始监测数据聚类之前对监测数据进行统一的归一化处理,使得所得到的监测数据集中的数据可以直接进行处理。
通过上述步骤S1至步骤S4,本发明实施例提供的配电网全景监测指标的评估方法,建立起完整的配电网全景监测指标体系,实现了对整个配电网全景的监测评价功能,基本覆盖了配电网的业务需求,利用清晰的多级指标,将指标进行分类。基于完整的指标体系,对整个配电网的运行状态进行分析与评价,为配电网的规划及决策提供准确的数据基础。
实施例2
本发明实施例提供了一种配电网全景监测指标的评估装置,如图5所示,该配电网全景监测指标的评估装置包括:
原始监测数据获取模块1,用于获取配电网的原始监测数据。详细内容参见实施例1中的步骤S1的相关描述。
数据分类模块2,用于根据数据类型对原始监测数据进行分类,生成多个监测数据集。详细内容参见实施例1中的步骤S2的相关描述。
配电网全景监测指标体系构建模块3,用于根据各监测数据集构建配电网全景监测指标体系。详细内容参见实施例1中的步骤S3的相关描述。
综合评估模块4,用于根据配电网全景监测指标体系分别对配电网的各个评价对象进行评估,生成综合评估结果。详细内容参见实施例1中的步骤S4的相关描述。
通过上述各个组成部分的协同合作,本发明实施例的配电网全景监测指标的评估装置,建立了配电网全景监测指标体系对配电网的各个评价对象进行评估,从而实现了对整个配电网全景的监测评价功能,得到的综合评估结果为配电网的规划及决策提供准确的数据基础。
在一较佳实施例中,如图6所示,上述的综合评估模块4包括:
数据获取子模块41,用于获取评价对象所对应监测数据集中的监测数据。详细内容参见实施例1中的步骤S41的相关描述。
聚类监测数据生成子模块42,用于采用聚类算法对监测数据进行聚类操作,生成聚类监测数据。详细内容参见实施例1中的步骤S42的相关描述。
指标特征提取自模块43,用于根据评价对象对应的配电网全景监测指标体系中的各个评价指标,从聚类监测数据中提取各评价指标的指标特征。详细内容参见实施例1中的步骤S43的相关描述。
指标评价模型构建子模块44,用于分别计算各指标特征的指标权重,并根据各指标权重建立指标评价模型。详细内容参见实施例1中的步骤S44的相关描述。
指标评价模型优化子模块45,用于采用神经网络算法对指标评价模型进行优化,并采用优化后的指标评价模型对评价对象进行评估,生成综合评估结果。详细内容参见实施例1中的步骤S45的相关描述。
通过上述各个组成部分的协同合作,本发明实施例提供的配电网全景监测指标的评估装置,建立起完整的配电网全景监测指标体系,实现了对整个配电网全景的监测评价功能,基本覆盖了配电网的业务需求,利用清晰的多级指标,将指标进行分类。基于完整的指标体系,对整个配电网的运行状态进行分析与评价,为配电网的规划及决策提供准确的数据基础。
实施例3
本发明实施例提供一种非暂态计算机存储介质,该计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意实施例1中的配电网全景监测指标的评估方法。其中,上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;该存储介质还可以包括上述种类的存储器的组合。
实施例4
本发明实施例提供一种配电网全景监测指标的评估方法的电子设备,其结构示意图如图7所示,该设备包括:一个或多个处理器410以及存储器420,图7中以一个处理器410为例。
执行配电网全景监测指标的评估方法的电子设备还可以包括:输入装置430和输出装置440。
处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器410可以为中央处理器(Central Processing Unit,CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器420作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本申请实施例中的配电网全景监测指标的评估方法对应的程序指令/模块,处理器410通过运行存储在存储器420中的非暂态软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的配电网全景监测指标的评估方法。
存储器420可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据配电网全景监测指标的评估处理装置的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器420可选包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至配电网全景监测指标的评估装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可接收输入的数字或字符信息,以及产生与配电网全景监测指标的评估操作的处理装置有关的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
一个或者多个模块存储在存储器420中,当被一个或者多个处理器410执行时,执行如图1-图3所示的方法。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,具体可参见如图1-图3所示的实施例中的相关描述。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种配电网全景监测指标的评估方法,其特征在于,包括:
获取配电网的原始监测数据;
根据数据类型对所述原始监测数据进行分类,生成多个监测数据集;
根据各所述监测数据集构建配电网全景监测指标体系;
根据所述配电网全景监测指标体系分别对所述配电网的各个评价对象进行评估,生成综合评估结果。
2.根据权利要求1所述的配电网全景监测指标的评估方法,其特征在于,所述监测数据集包括设备资产类数据集、设备运行类数据集、设备台账类数据集、电网服务类数据集及电网拓扑类数据集。
3.根据权利要求2所述的配电网全景监测指标的评估方法,其特征在于,所述配电网全景监测指标体系,包括:根据所述设备资产类数据集建立的设备资产监测指标、根据所述设备运行类数据集建立的综合运行监测指标、根据所述设备台账类数据集建立的电网效益监测指标、根据所述电网服务类数据集建立的客户服务监测指标及根据所述电网拓扑类数据集建立的数据价值监测指标。
4.根据权利要求1所述的配电网全景监测指标的评估方法,其特征在于,所述根据所述配电网全景监测指标体系分别对所述配电网的各个评价对象进行评估,生成综合评估结果,包括:
获取所述评价对象所对应监测数据集中的监测数据;
采用聚类算法对所述监测数据进行聚类,生成聚类监测数据;
根据所述评价对象对应的所述配电网全景监测指标体系中的各个评价指标,从所述聚类监测数据中提取各所述评价指标的指标特征;
分别计算各所述指标特征的指标权重,并根据各所述指标权重建立指标评价模型;
采用神经网络算法对所述指标评价模型进行优化,并采用优化后的指标评价模型对所述评价对象进行评估,生成综合评估结果。
5.根据权利要求4所述的配电网全景监测指标的评估方法,其特征在于,所述计算各所述指标特征的指标权重,并根据各所述指标权重建立指标评价模型,包括:
采用基于方差贡献度的算法计算各所述指标特征的标准差,并根据所述标准差计算客观权重;
根据预设打分规则计算各所述指标特征的主观权重;
根据所述主观权重和所述客观权重,建立所述指标评价模型。
6.根据权利要求4所述的配电网全景监测指标的评估方法,其特征在于,在所述获取所述评价对象所对应监测数据集中的监测数据之后,在采用聚类算法对所述监测数据进行聚类,生成聚类监测数据之前,还包括:
对所述监测数据进行归一化处理,生成预处理监测数据。
7.一种配电网全景监测指标的评估装置,其特征在于,包括:
原始监测数据获取模块(1),用于获取配电网的原始监测数据;
数据分类模块(2),用于根据数据类型对所述原始监测数据进行分类,生成多个监测数据集;
配电网全景监测指标体系构建模块(3),用于根据各所述监测数据集构建配电网全景监测指标体系;
综合评估模块(4),用于根据所述配电网全景监测指标体系分别对所述配电网的各个评价对象进行评估,生成综合评估结果。
8.根据权利要求7所述的配电网全景监测指标的评估装置,其特征在于,所述综合评估模块(4)包括:
数据获取子模块(41),用于获取所述评价对象所对应监测数据集中的监测数据;
聚类监测数据生成子模块(42),用于采用聚类算法对所述监测数据进行聚类操作,生成聚类监测数据;
指标特征提取自模块(43),用于根据所述评价对象对应的所述配电网全景监测指标体系中的各个评价指标,从所述聚类监测数据中提取各所述评价指标的指标特征;
指标评价模型构建子模块(44),用于分别计算各所述指标特征的指标权重,并根据各所述指标权重建立指标评价模型;
指标评价模型优化子模块(45),用于采用神经网络算法对所述指标评价模型进行优化,并采用优化后的指标评价模型对所述评价对象进行评估,生成综合评估结果。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令被处理器执行时实现如权利要求1-6中任一项所述的配电网全景监测指标的评估方法。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-6中任一项所述的配电网全景监测指标的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064147.1A CN109242314A (zh) | 2018-09-12 | 2018-09-12 | 一种配电网全景监测指标的评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064147.1A CN109242314A (zh) | 2018-09-12 | 2018-09-12 | 一种配电网全景监测指标的评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109242314A true CN109242314A (zh) | 2019-01-18 |
Family
ID=65058318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811064147.1A Pending CN109242314A (zh) | 2018-09-12 | 2018-09-12 | 一种配电网全景监测指标的评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109242314A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033230A (zh) * | 2019-03-12 | 2019-07-19 | 国网福建省电力有限公司 | 一种项目异动闭环分析方法 |
CN110174578A (zh) * | 2019-07-11 | 2019-08-27 | 云南电网有限责任公司电力科学研究院 | 一种变电设备状态检测方法及装置 |
CN111028004A (zh) * | 2019-11-28 | 2020-04-17 | 国网吉林省电力有限公司 | 一种基于大数据技术的市场评估分析方法 |
CN111123852A (zh) * | 2019-11-13 | 2020-05-08 | 中广核工程有限公司 | 一种核电站设备数据梳理系统和方法 |
CN111598457A (zh) * | 2020-05-18 | 2020-08-28 | 全球能源互联网研究院有限公司 | 一种电力无线网络质量的确定方法及装置 |
CN111612382A (zh) * | 2020-06-05 | 2020-09-01 | 国网山东省电力公司电力科学研究院 | 一种配电网主设备状态监测的方法及系统 |
CN112529733A (zh) * | 2020-12-07 | 2021-03-19 | 云南电网有限责任公司普洱供电局 | 配电网作业安全远程管控方法、装置、设备及存储介质 |
CN112907124A (zh) * | 2021-03-22 | 2021-06-04 | 国家电网有限公司大数据中心 | 一种数据链路异常评测方法、装置、电子设备及存储介质 |
CN113191687A (zh) * | 2021-05-25 | 2021-07-30 | 广东电网有限责任公司广州供电局 | 一种弹性配电网全景信息可视化方法及系统 |
CN113269435A (zh) * | 2021-05-21 | 2021-08-17 | 国网山东省电力公司电力科学研究院 | 一种新能源场站运行状态耦合监测评估系统 |
CN114971398A (zh) * | 2022-06-22 | 2022-08-30 | 国网经济技术研究院有限公司 | 基于多层级模糊技术的外送新能源消纳受阻程度评估方法 |
CN116154972A (zh) * | 2023-04-21 | 2023-05-23 | 新风光电子科技股份有限公司 | 一种分布式电网电能质量监测方法及系统 |
CN117473266A (zh) * | 2023-11-10 | 2024-01-30 | 广州市德珑电子器件有限公司 | Emi电源滤波器安全性能监测方法、装置、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903058A (zh) * | 2012-12-26 | 2014-07-02 | 中国电力科学研究院 | 一种智能配电网高效运行评估方法 |
CN104318482A (zh) * | 2014-08-22 | 2015-01-28 | 国家电网公司 | 一套智能配电网综合评估体系和方法 |
CN106203867A (zh) * | 2016-07-19 | 2016-12-07 | 国家电网公司 | 基于配电网评价指标体系和聚类分析的电网区域划分方法 |
CN106651147A (zh) * | 2016-11-30 | 2017-05-10 | 佛山电力设计院有限公司 | 基于lcc的配电网综合效益评估指标的综合权重确定方法 |
-
2018
- 2018-09-12 CN CN201811064147.1A patent/CN109242314A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903058A (zh) * | 2012-12-26 | 2014-07-02 | 中国电力科学研究院 | 一种智能配电网高效运行评估方法 |
CN104318482A (zh) * | 2014-08-22 | 2015-01-28 | 国家电网公司 | 一套智能配电网综合评估体系和方法 |
CN106203867A (zh) * | 2016-07-19 | 2016-12-07 | 国家电网公司 | 基于配电网评价指标体系和聚类分析的电网区域划分方法 |
CN106651147A (zh) * | 2016-11-30 | 2017-05-10 | 佛山电力设计院有限公司 | 基于lcc的配电网综合效益评估指标的综合权重确定方法 |
Non-Patent Citations (1)
Title |
---|
乔俊峰等: "基于大数据技术的配电网全景监测系统的研究与实现", 《供用电》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033230A (zh) * | 2019-03-12 | 2019-07-19 | 国网福建省电力有限公司 | 一种项目异动闭环分析方法 |
CN110174578A (zh) * | 2019-07-11 | 2019-08-27 | 云南电网有限责任公司电力科学研究院 | 一种变电设备状态检测方法及装置 |
CN111123852A (zh) * | 2019-11-13 | 2020-05-08 | 中广核工程有限公司 | 一种核电站设备数据梳理系统和方法 |
CN111028004A (zh) * | 2019-11-28 | 2020-04-17 | 国网吉林省电力有限公司 | 一种基于大数据技术的市场评估分析方法 |
CN111598457B (zh) * | 2020-05-18 | 2023-06-30 | 全球能源互联网研究院有限公司 | 一种电力无线网络质量的确定方法及装置 |
CN111598457A (zh) * | 2020-05-18 | 2020-08-28 | 全球能源互联网研究院有限公司 | 一种电力无线网络质量的确定方法及装置 |
CN111612382A (zh) * | 2020-06-05 | 2020-09-01 | 国网山东省电力公司电力科学研究院 | 一种配电网主设备状态监测的方法及系统 |
CN112529733A (zh) * | 2020-12-07 | 2021-03-19 | 云南电网有限责任公司普洱供电局 | 配电网作业安全远程管控方法、装置、设备及存储介质 |
CN112907124A (zh) * | 2021-03-22 | 2021-06-04 | 国家电网有限公司大数据中心 | 一种数据链路异常评测方法、装置、电子设备及存储介质 |
CN112907124B (zh) * | 2021-03-22 | 2023-10-31 | 国家电网有限公司大数据中心 | 一种数据链路异常评测方法、装置、电子设备及存储介质 |
CN113269435A (zh) * | 2021-05-21 | 2021-08-17 | 国网山东省电力公司电力科学研究院 | 一种新能源场站运行状态耦合监测评估系统 |
CN113191687A (zh) * | 2021-05-25 | 2021-07-30 | 广东电网有限责任公司广州供电局 | 一种弹性配电网全景信息可视化方法及系统 |
CN114971398A (zh) * | 2022-06-22 | 2022-08-30 | 国网经济技术研究院有限公司 | 基于多层级模糊技术的外送新能源消纳受阻程度评估方法 |
CN116154972A (zh) * | 2023-04-21 | 2023-05-23 | 新风光电子科技股份有限公司 | 一种分布式电网电能质量监测方法及系统 |
CN116154972B (zh) * | 2023-04-21 | 2023-07-11 | 新风光电子科技股份有限公司 | 一种分布式电网电能质量监测方法及系统 |
CN117473266A (zh) * | 2023-11-10 | 2024-01-30 | 广州市德珑电子器件有限公司 | Emi电源滤波器安全性能监测方法、装置、介质及设备 |
CN117473266B (zh) * | 2023-11-10 | 2024-05-17 | 广州市德珑电子器件有限公司 | Emi电源滤波器安全性能监测方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242314A (zh) | 一种配电网全景监测指标的评估方法及装置 | |
Slama | Prosumer in smart grids based on intelligent edge computing: A review on Artificial Intelligence Scheduling Techniques | |
CN111274087B (zh) | 一种it集中监控的业务系统的健康度评估方法 | |
CN102947801B (zh) | 恶意攻击检测和分析 | |
Smith-Perera et al. | A Project Strategic Index proposal for portfolio selection in electrical company based on the Analytic Network Process | |
CN108092813A (zh) | 数据中心综合管理系统服务器硬件管理框架及实现方法 | |
CN104951886A (zh) | 一种配电网运行状态综合评价的方法及系统 | |
CN109523190A (zh) | 一种电能表的管理方法、管理装置及终端 | |
CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
CN104751305A (zh) | 一种基于故障分析抢修的智能交互系统及其控制方法 | |
CN116073372A (zh) | 一种基于智慧用电的安全监控管理系统及方法 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
KR102081727B1 (ko) | 서비스 최적화 운영관리 및 의사결정 지원을 위한 서비스 제공 시스템 및 방법 | |
CN112202597A (zh) | 一种低压台区通信网络节点重要度的评估方法 | |
CN117349624A (zh) | 一种电力能源监控方法、系统、终端设备及存储介质 | |
CN117330827A (zh) | 基于边缘计算电能质量监测系统的告警与故障诊断方法 | |
CN107966942A (zh) | 一种基于知识库的设备故障预测系统 | |
CN115577996B (zh) | 一种电网停电计划的风险评估方法、系统、设备和介质 | |
Bondy et al. | A functional reference architecture for aggregators | |
Changchao et al. | Identification of key nodes considering different roles of power businesses in power communication system and power system | |
Kiran et al. | Formation of bidding zones based on linear bottleneck games | |
Kantasa–ard et al. | Investigating the applicable position of established cloud servers using the hybrid partitional clustering | |
CN113887861A (zh) | 一种输变电主设备准实时数据监测系统 | |
Sangeeth LR et al. | Information processing and demand response systems effectiveness: a conceptual study | |
CN112053086A (zh) | 基于大数据电网运行诊断系统的工作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
RJ01 | Rejection of invention patent application after publication |