CN110889544B - 配电网运行指标的预测方法及装置 - Google Patents
配电网运行指标的预测方法及装置 Download PDFInfo
- Publication number
- CN110889544B CN110889544B CN201911138234.1A CN201911138234A CN110889544B CN 110889544 B CN110889544 B CN 110889544B CN 201911138234 A CN201911138234 A CN 201911138234A CN 110889544 B CN110889544 B CN 110889544B
- Authority
- CN
- China
- Prior art keywords
- operation index
- historical
- indexes
- index
- numerical values
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007637 random forest analysis Methods 0.000 claims abstract description 86
- 238000012549 training Methods 0.000 claims description 77
- 238000012360 testing method Methods 0.000 claims description 37
- 230000000875 corresponding effect Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本公开涉及一种配电网运行指标的预测方法及装置。该方法包括：确定与待预测的第一运行指标相关的第二运行指标集合的数值，第一运行指标和第二运行指标用于表征配电网的运行状态；将第二运行指标集合的数值输入训练好的随机森林模型，得到第一运行指标的预测结果。本公开实施例，通过配电网的历史运行数据能够确定配电网各运行指标的历史数值，并确定与第一运行指标相关的第二运行指标集合，根据第一运行指标以及第二运行指标集合的历史数值训练随机森林模型，训练好的随机森林模型能够较准确地根据第二运行指标集合的数值，确定第一运行指标的数值，从而能够快速地、准确地预测配电网的运行指标。
Description
技术领域
本公开涉及电力信息化技术领域，尤其涉及一种配电网运行指标的预测方法及装置。
背景技术
配电网作为连接输电网和用户的重要环节，其运行状态的好坏直接影响着用户用电的可靠性和电能质量。然而，配电网结构复杂度高，包含的设备数目庞大，自动化水平较低。相关技术中，较难对用于评估配电网运行状态的运行指标进行快速、准确预测。
发明内容
有鉴于此，本公开提出了一种配电网运行指标的预测方法及装置，能够快速地、准确地预测配电网的运行指标。
根据本公开的一方面，提供了一种配电网运行指标的预测方法，所述方法包括：
确定与待预测的第一运行指标相关的第二运行指标集合的数值，所述第一运行指标和所述第二运行指标用于表征配电网的运行状态；
将所述第二运行指标集合的数值输入训练好的随机森林模型，得到所述第一运行指标的预测结果，
其中，所述随机森林模型是根据第一运行指标的历史数值以及第二运行指标集合的历史数值训练得到的，所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值是根据配电网的历史运行数据确定的。
对于上述方法，在一种可能的实现方式中，所述方法还包括：
获取配电网的历史运行数据；
根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值，所述多个运行指标包括第一运行指标；
根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合；
根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型。
对于上述方法，在一种可能的实现方式中，所述多个运行指标包括第一运行指标和第三运行指标，
其中，根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合，包括：
分别确定所述第一运行指标与各第三运行指标的相关度；
将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标。
对于上述方法，在一种可能的实现方式中，根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型，包括：
将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值按照目标比例划分为训练集和测试集，所述训练集和测试集包括第一运行指标的历史数值以及对应的第二运行指标集合的历史数值；
根据所述训练集，训练所述随机森林模型；
将所述测试集中的第二运行指标集合的历史数值输入所述随机森林模型，得到第一运行指标的预测结果；
根据所述预测结果以及所述测试集的第一运行指标的历史数值，调整所述随机森林模型的参数；
在所述随机森林模型满足训练条件时，得到训练好的随机森林模型。
对于上述方法，在一种可能的实现方式中，所述多个运行指标包括配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损指标以及三相不平衡指标中的多个。
根据本公开的另一方面，提供了一种配电网运行指标的预测装置，所述装置包括：
数值确定模块，用于确定与待预测的第一运行指标相关的第二运行指标集合的数值，所述第一运行指标和所述第二运行指标用于表征配电网的运行状态；
预测结果确定模块，用于将所述第二运行指标集合的数值输入训练好的随机森林模型，得到所述第一运行指标的预测结果，
其中，所述随机森林模型是根据第一运行指标的历史数值以及第二运行指标集合的历史数值训练得到的，所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值是根据配电网的历史运行数据确定的。
对于上述装置，在一种可能的实现方式中，所述装置还包括：
数据获取模块，用于获取配电网的历史运行数据；
历史数值确定模块，用于根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值，所述多个运行指标包括第一运行指标；
运行指标确定模块，用于根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合；
训练模块，用于根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型。
对于上述装置，在一种可能的实现方式中，所述多个运行指标包括第一运行指标和第三运行指标，
其中，所述运行指标确定模块包括：
相关度确定子模块，用于分别确定所述第一运行指标与各第三运行指标的相关度；
运行指标确定子模块，用于将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标。
对于上述装置，在一种可能的实现方式中，所述训练模块包括：
数集划分子模块，用于将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值按照目标比例划分为训练集和测试集，所述训练集和测试集包括第一运行指标的历史数值以及对应的第二运行指标集合的历史数值；
训练子模块，用于根据所述训练集，训练所述随机森林模型；
预测结果确定子模块，用于将所述测试集中的第二运行指标集合的历史数值输入所述随机森林模型，得到第一运行指标的预测结果；
参数调整子模块，用于根据所述预测结果以及所述测试集的第一运行指标的历史数值，调整所述随机森林模型的参数；
模型确认子模块，用于在所述随机森林模型满足训练条件时，得到训练好的随机森林模型。
对于上述装置，在一种可能的实现方式中，所述多个运行指标包括配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损指标以及三相不平衡指标中的多个。
根据本公开的另一方面，提供了一种配电网运行指标的预测装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述配电网运行指标的预测方法。
本公开实施例，通过配电网的历史运行数据能够确定配电网各运行指标的历史数值，并确定与第一运行指标相关的第二运行指标集合，根据第一运行指标以及第二运行指标集合的历史数值训练随机森林模型，训练好的随机森林模型能够较准确地根据第二运行指标集合的数值，确定第一运行指标的数值，从而能够快速地、准确地预测配电网的运行指标。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的配电网运行指标的预测方法的流程图。
图2示出根据本公开一实施例的配电网运行指标的预测方法的流程图。
图3示出根据本公开一实施例的配电网运行指标的预测方法中步骤S15的流程图。
图4示出根据本公开一实施例的配电网运行指标的预测方法中步骤S16的流程图。
图5是根据一示例性实施例示出的一种配电网运行指标的预测方法的应用场景的示意图。
图6是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。
图7是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。
图8是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。
图9是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的配电网运行指标的预测方法的流程图。该配电网运行指标的预测方法可应用于终端或服务器中。如图1所示，该配电网运行指标的预测方法包括：
在步骤S11中，确定与待预测的第一运行指标相关的第二运行指标集合的数值，所述第一运行指标和所述第二运行指标用于表征配电网的运行状态；
在步骤S12中，将所述第二运行指标集合的数值输入训练好的随机森林模型，得到所述第一运行指标的预测结果，第二运行指标集合的数值可以是第二运行指标集合中所包含的每个第二运行指标的数值。
其中，所述随机森林模型是根据第一运行指标的历史数值以及第二运行指标集合的历史数值训练得到的，所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值是根据配电网的历史运行数据确定的。第二运行指标集合的历史数值可以是第二运行指标集合中所包含的每个第二运行指标的历史数值。
相关技术中，对于一个中等规模的中压配电网来说，其所包含的配电变压器数目就可能达到上万台，10kv馈线数目多达数千条，现实中很难对每个设备都进行实时测量，较难实现对配电网的运行状态进行准确获取和评价，也很难实现根据配电网的运行状态提前定制运维策略。
本公开实施例，通过配电网的历史运行数据能够确定配电网各运行指标的历史数值，根据各配电网各运行指标的历史数值，并根据第一运行指标以及第二运行指标集合的历史数值训练随机森林模型。训练好的随机森林模型能够较准确地根据第二运行指标集合的数值，确定第一运行指标的数值，从而能够快速地、准确地预测配电网的运行指标。基于预测到的运行指标，能够实现对配电网运行状态的及时感知，并提高对配电网运行状态提供辅助决策的能力。
其中，第一运行指标以及第二运行指标是用于表征配电网的运行状态的各类运行指标。第一运行指标为待预测的运行指标，第二运行指标集合为与第一运行指标具有较高相关度的运行指标。第二运行指标集合包括至少一个第二运行指标。应理解，用于评价配电网运行状态的运行指标可以有多个，可以通过各种相关系数确定方法，来确定除第一运行指标外的其他各运行指标(例如，第三运行指标)的历史数值与第一运行指标的历史数值的相关度，可以从多个第三运行指标中选择与第一运行指标相关度较高的运行指标作为第二运行指标，从而能够确定与第一运行指标相关度较高的第二运行指标集合。
在一种可能的实现方式中，可以构建用于表征配电网运行状态的多个运行指标。举例来说，所述多个运行指标可以包括配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损指标以及三相不平衡指标中的多个。
其中，配电变压器负载率可以是用于衡量配电变压器负载情况的一项指标，可为配电网运行分析、规划工作提供数据支撑。例如，可以用配电变压器输出的视在功率与配电变压器额定容量之比来表示配电变压器负载率。10kv线路负载率指标，可以用于反应10kv线路的负载情况。例如，可以用线路出现的最大负荷与线路最大载容量之比来表示。10kv线路运行故障指标，可以用于反应10kv线路运行出现的故障情况，例如，10kv线路运行故障率等。配电变压器运行故障指标，可以用于反应配电变压器运行过程中出现的故障情况，例如，配电变压器运行故障率等。供电可靠性指标可以是指供电系统持续供电的能力，例如，可以包括供电可靠率、用户平均停电时间、用户平均停电次数等。中低压统计线损指标可以用于衡量电网中损失电量的情况，例如，可以包括中低压统计线损率等。三相不平衡是衡量电能质量的一个指标，可以是指电力系统中三相电流或电压幅值不一致，且幅值差超过规定范围。本公开对配电网的运行指标的类别、形式以及确定方式不作限制。
在一种可能的实现方式中，可以基于配电网的历史运行数据，确定各运行指标的历史数值，如前所述，可以分别确定第一运行指标与各第三运行指标的相关度，并将相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标，从而得到与第一运行指标相关的第二运行指标集合。
在随机森林模型训练过程中，根据第一运行指标的历史数值以及对应的第二运行指标集合的历史数值作为训练数据，训练好得到的随机森林模型，当输入数据为第二运行指标集合的数值时，输出为第一运行指标的预测结果。
在预测过程中，确定与待预测的第一运行指标相关的第二运行指标集合的数值。例如，第二运行指标集合包括10kv线路负载率指标，可以用线路出现的最大负荷与线路最大载容量之比来确定该第二运行指标的数值。本公开对确定与待预测的第一运行指标相关的第二运行指标集合的数值的方式不作限制。
如前所述，将确定的第二运行指标集合的数值输入训练好的随机森林模型，能够得到第一运行指标的预测结果。
图2示出根据本公开一实施例的配电网运行指标的预测方法的流程图。如图2所示，在一种可能的实现方式中，该方法还包括：
在步骤S13中，获取配电网的历史运行数据；
在步骤S14中，根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值，所述多个运行指标包括第一运行指标；
在步骤S15中，根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合；
在步骤S16中，根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型。
如前所述，在训练随机森林模型过程中，可以获取配电网的历史运行数据。举例来说，可以获取配电网参考时间区间内的运行数据。例如，参考时间区间为12月时，当前时间为2019年11月11日，则可以将2018年11月11月至今的配电网运行数据确定为历史运行数据。可以根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值。例如，可以根据获取到的历史运行数据，确定多个运行指标的历史数值，可以从多个运行指标中确定第一运行指标。
在一种可能的实现方式中，可以根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合。例如，多个运行指标包括第一运行指标和多个第三运行指标。
举例来说，可以根据多个运行指标的历史数值，确定各第三运行指标的历史数值与相应的第一运行指标的历史数值之间的关联关系。例如，可以确定某一时间点或某一时间段对应的第一运行指标以及各第三运行指标，分别确定各第三运行指标与第一运行指标的关联关系(例如，对应关系、影响程度等)，并基于关联关系从多个第三运行指标中确定出与第一运行指标相关的第二运行指标集合，例如，基于关联关系将多个第三运行指标中与第一运行指标相关度较高的第三运行指标确定为第二运行指标，以构建第二运行指标集合。本公开对可以根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合的方式不作限制。
这样，根据配电网真实的历史运行数据，能够得到各运行指标的历史数值，根据各运行指标的历史数值，能够较准确地确定与第一运行指标相关度较高的第二运行指标集合。基于所述第一运行指标的历史数值以及相关度较高的第二运行指标集合的历史数值训练随机森林模型，随机森林模型可以较好地学习各第二运行指标集合数值对第一运行指标预测结果的作用，从而能够提高训练好的随机森林模型的预测准确度。
图3示出根据本公开一实施例的配电网运行指标的预测方法中步骤S15的流程图。如图3所示，在一种可能的实现方式中，步骤S15可以包括：
在步骤S151中，分别确定所述第一运行指标与各第三运行指标的相关度；
在步骤S152中，将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标。
举例来说，可以基于皮尔森相关系数法计算第一运行指标与各第三运行指标的相关系数，确定第一运行指标与各第三运行指标的相关度，并将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标，从而构建第二运行指标集合。本公开对确定第一运行指标与各第三运行指标的相关度的方式以及相关度阈值的取值不作限制。通过这种方式，可以准确地确定与第一运行指标相关度较高的第二运行指标集合。
在一种可能的实现方式中，根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型。
举例来说，可以将第一运行指标的历史数值以及对应的第二运行指标集合的历史数值作为训练集，训练所述随机森林模型。例如，可以从原始训练集中采取有放回的抽样，构造子训练集，利用子训练集来训练生成随机森林模型。本公开对训练随机森林模型的方式不作限制。
图4示出根据本公开一实施例的配电网运行指标的预测方法中步骤S16的流程图。如图4所示，在一种可能的实现方式中，步骤S16可以包括：
在步骤S161中，将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值按照目标比例划分为训练集和测试集，所述训练集和测试集包括第一运行指标的历史数值以及对应的第二运行指标集合的历史数值；
在步骤S162中，根据所述训练集，训练所述随机森林模型；
在步骤S163中，将所述测试集中的第二运行指标集合的历史数值输入所述随机森林模型，得到第一运行指标的预测结果；
在步骤S164中，根据所述预测结果以及所述测试集的第一运行指标的历史数值，调整所述随机森林模型的参数；
在步骤S165中，在所述随机森林模型满足训练条件时，得到训练好的随机森林模型。
举例来说，目标比例可以为6比4，可以按照6比4将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值划分为训练集和测试集。训练集用于训练随机森林模型，测试集用于测试根据训练集训练的随机森林模型的预测准确度，并在预测准确度不满足条件的情况下，根据测试集对应的预测结果以及测试集中第一运行指标的历史数值，调整随机森林模型的参数。
其中，1个第一运行指标可能对应多个第二运行指标。例如，1个第一运行指标对应5个第二运行指标，这5个第二运行指标构成第二运行指标集合。则第一运行指标的历史数值对应的可以是特征向量，特征向量可包括5个特征值，5个特征值分别是与第一运行指标的历史数值对应的5个第二运行指标的历史数值。本公开对目标比例、训练集以及测试集的内容和形式均不做限制。
举例来说，可以根据所述训练集，训练所述随机森林模型。可以将所述测试集中的第二运行指标集合的历史数值输入训练得到的随机森林模型中，得到第一运行指标的预测结果，并根据所述预测结果以及所述测试集的第一运行指标对应的历史数值，调整所述随机森林模型的参数，在所述随机森林模型满足训练条件时，可以得到训练好的随机森林模型。满足训练条件可以是指根据预测结果以及该预测结果在测试集中对应的第一运行指标的历史数值，确定得到的该预测结果的准确度大于或等于准确度阈值时，为满足训练条件，可以停止训练，得到训练好的随机森林模型。
通过这种方式，可以利用测试集去验证随机森林模型的预测准确度，调整随机森林模型的参数。这样，在满足训练条件时，训练好的随机森林模型的预测准确度较高。
应用示例
以下结合“配电网运行指标预测”作为一个示例性应用场景，给出根据本公开实施例的应用示例，以便于理解配电网运行指标的预测方法的流程。本领域技术人员应理解，以下应用示例仅仅是出于便于理解本公开实施例的目的，不应视为对本公开实施例的限制。
图5是根据一示例性实施例示出的一种配电网运行指标的预测方法的应用场景的示意图。在该应用示例中，可以构建配电网运行状态评价指标体系(如S1)，例如，确定用于表征配电网运行状态的运行指标包括：配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损率以及三相不平衡指标。
在该应用示例中，可以获取过去12个月内的配电网历史运行数据。根据配电网历史运行数据，确定上述各运行指标的历史数值(如S2)。在该应用示例中，可以将配电变压器运行故障指标确定为第一运行指标。在该应用示例中，可以根据配电变压器运行故障指标的历史数值和上述其他运行指标的历史数值，确定第二运行指标集合(如S3)。并将配电变压器运行故障指标的历史数值以及第二运行指标集合的历史数值作为训练集和测试集(如S4)，利用训练集训练随机森林模型，基于测试集进行测试并调整随机森林模型的参数(如S5)，直至满足训练条件，最终得到训练好的随机森林模型(如S6)。
在该应用示例中，例如，第二运行指标集合包括10kv线路运行故障指标、供电可靠性指标、中低压统计线损率以及三相不平衡指标，在预测时，可以确定上述各第二运行指标的数值，并输入训练好的随机森林模型中，得到第一运行指标的预测结果(如S7)。
本公开实施例，通过配电网的历史运行数据能够确定配电网各运行指标的历史数值，并确定与第一运行指标相关的第二运行指标集合，根据第一运行指标以及第二运行指标集合的历史数值训练随机森林模型，训练好的随机森林模型能够较准确地根据第二运行指标集合的数值，确定第一运行指标的数值，从而能够快速地、准确地预测配电网的运行指标。
图6是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。参照图6，所述装置包括：
数值确定模块21，用于确定与待预测的第一运行指标相关的第二运行指标集合的数值，所述第一运行指标和所述第二运行指标用于表征配电网的运行状态；
预测结果确定模块22，用于将所述第二运行指标集合的数值输入训练好的随机森林模型，得到所述第一运行指标的预测结果，
其中，所述随机森林模型是根据第一运行指标的历史数值以及第二运行指标集合的历史数值训练得到的，所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值是根据配电网的历史运行数据确定的。
图7是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。参照图7，在一种可能的实现方式中，所述装置还包括：
数据获取模块23，用于获取配电网的历史运行数据；
历史数值确定模块24，用于根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值，所述多个运行指标包括第一运行指标；
运行指标确定模块25，用于根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合；
训练模块26，用于根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型。
参照图7，在一种可能的实现方式中，所述多个运行指标包括第一运行指标和第三运行指标，其中，所述运行指标确定模块25包括：
相关度确定子模块251，用于分别确定所述第一运行指标与各第三运行指标的相关度；
运行指标确定子模块252，用于将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标。
参照图7，在一种可能的实现方式中，所述训练模块26包括：
数集划分子模块261，用于将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值按照目标比例划分为训练集和测试集，所述训练集和测试集包括第一运行指标的历史数值以及对应的第二运行指标集合的历史数值；
训练子模块262，用于根据所述训练集，训练所述随机森林模型；
预测结果确定子模块263，用于将所述测试集中的第二运行指标集合的历史数值输入所述随机森林模型，得到第一运行指标的预测结果；
参数调整子模块264，用于根据所述预测结果以及所述测试集的第一运行指标的历史数值，调整所述随机森林模型的参数；
模型确认子模块265，用于在所述随机森林模型满足训练条件时，得到训练好的随机森林模型。
在一种可能的实现方式中，所述多个运行指标包括配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损指标以及三相不平衡指标中的多个。
图8是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图9是根据一示例性实施例示出的一种配电网运行指标的预测装置的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言-诸如Smalltalk、C++等，以及常规的过程式编程语言-诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络-包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (4)
1.一种配电网运行指标的预测方法，其特征在于，所述方法包括：
确定与待预测的第一运行指标相关的第二运行指标集合的数值，所述第一运行指标和所述第二运行指标用于表征配电网的运行状态；
将所述第二运行指标集合的数值输入训练好的随机森林模型，得到所述第一运行指标的预测结果，
其中，所述随机森林模型是根据第一运行指标的历史数值以及第二运行指标集合的历史数值训练得到的，所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值是根据配电网的历史运行数据确定的；
其中，所述方法还包括：
获取配电网的历史运行数据；
根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值，所述多个运行指标包括第一运行指标；
根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合；
根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型；
所述多个运行指标包括第一运行指标和第三运行指标，
其中，根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合，包括：
分别确定所述第一运行指标与各第三运行指标的相关度；
将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标；
根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型，包括：
将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值按照目标比例划分为训练集和测试集，所述训练集和测试集包括第一运行指标的历史数值以及对应的第二运行指标集合的历史数值；
根据所述训练集，训练所述随机森林模型；
将所述测试集中的第二运行指标集合的历史数值输入所述随机森林模型，得到第一运行指标的预测结果；
根据所述预测结果以及所述测试集的第一运行指标的历史数值，调整所述随机森林模型的参数；
在所述随机森林模型满足训练条件时，得到训练好的随机森林模型；
所述多个运行指标包括配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损率以及三相不平衡指标中的多个。
2.一种配电网运行指标的预测装置，其特征在于，所述装置包括：
数值确定模块，用于确定与待预测的第一运行指标相关的第二运行指标集合的数值，所述第一运行指标和所述第二运行指标用于表征配电网的运行状态；
预测结果确定模块，用于将所述第二运行指标集合的数值输入训练好的随机森林模型，得到所述第一运行指标的预测结果，
其中，所述随机森林模型是根据第一运行指标的历史数值以及第二运行指标集合的历史数值训练得到的，所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值是根据配电网的历史运行数据确定的；
其中，所述装置还包括：
数据获取模块，用于获取配电网的历史运行数据；
历史数值确定模块，用于根据所述历史运行数据，确定所述配电网的多个运行指标的历史数值，所述多个运行指标包括第一运行指标；
运行指标确定模块，用于根据所述多个运行指标的历史数值，从所述多个运行指标中确定与第一运行指标相关的第二运行指标集合；
训练模块，用于根据所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值，训练所述随机森林模型；
所述多个运行指标包括第一运行指标和第三运行指标，
其中，所述运行指标确定模块包括：
相关度确定子模块，用于分别确定所述第一运行指标与各第三运行指标的相关度；
运行指标确定子模块，用于将与所述第一运行指标的相关度大于或等于相关度阈值的第三运行指标确定为第二运行指标；
所述训练模块包括：
数集划分子模块，用于将所述第一运行指标的历史数值以及所述第二运行指标集合的历史数值按照目标比例划分为训练集和测试集，所述训练集和测试集包括第一运行指标的历史数值以及对应的第二运行指标集合的历史数值；
训练子模块，用于根据所述训练集，训练所述随机森林模型；
预测结果确定子模块，用于将所述测试集中的第二运行指标集合的历史数值输入所述随机森林模型，得到第一运行指标的预测结果；
参数调整子模块，用于根据所述预测结果以及所述测试集的第一运行指标的历史数值，调整所述随机森林模型的参数；
模型确认子模块，用于在所述随机森林模型满足训练条件时，得到训练好的随机森林模型；
所述多个运行指标包括配电变压器负载率指标、10kv线路负载率指标、10kv线路运行故障指标、配电变压器运行故障指标、供电可靠性指标、中低压统计线损指标以及三相不平衡指标中的多个。
3.一种配电网运行指标的预测装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：执行权利要求1中所述的方法。
4.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1中所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138234.1A CN110889544B (zh) | 2019-11-20 | 2019-11-20 | 配电网运行指标的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138234.1A CN110889544B (zh) | 2019-11-20 | 2019-11-20 | 配电网运行指标的预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889544A CN110889544A (zh) | 2020-03-17 |
| CN110889544B true CN110889544B (zh) | 2022-07-01 |
Family
ID=69748030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911138234.1A Active CN110889544B (zh) | 2019-11-20 | 2019-11-20 | 配电网运行指标的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889544B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111861256B (zh) * | 2020-07-30 | 2024-05-14 | 国网经济技术研究院有限公司 | 一种主动配电网重构决策方法及系统 |
| 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 |
| CN113822536A (zh) * | 2021-08-26 | 2021-12-21 | 国网河北省电力有限公司邢台供电分公司 | 一种基于分支界定算法的配电网指标评价方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105225020A (zh) * | 2015-11-11 | 2016-01-06 | 国家电网公司 | 一种基于bp神经网络算法的运行状态预测方法和系统 |
| CN105956798A (zh) * | 2016-06-20 | 2016-09-21 | 华北电力大学 | 一种基于稀疏随机森林的配网设备运行状态评估方法 |
| CN107025514A (zh) * | 2016-12-27 | 2017-08-08 | 贵州电网有限责任公司电力科学研究院 | 一种动态评估变压器设备状态的评价方法及输变电设备 |
| CN108171379A (zh) * | 2017-12-28 | 2018-06-15 | 无锡英臻科技有限公司 | 一种用电负荷预测方法 |
| CN108345570A (zh) * | 2017-09-19 | 2018-07-31 | 北京四方继保自动化股份有限公司 | 配电网运行状态评估指标的权重因子确定方法及装置 |
| CN108428045A (zh) * | 2018-02-09 | 2018-08-21 | 国网冀北电力有限公司 | 一种配电网运行健康状态评估方法 |
| CN108665181A (zh) * | 2018-05-18 | 2018-10-16 | 中国电力科学研究院有限公司 | 一种配电网可靠性的评估方法和装置 |
| CN109214717A (zh) * | 2018-10-24 | 2019-01-15 | 国网江西省电力有限公司经济技术研究院 | 配电网电源并网评价方法及其评价系统 |
| CN109299867A (zh) * | 2018-09-12 | 2019-02-01 | 中国电力科学研究院有限公司 | 一种配电网可靠性评估参数筛选方法及系统 |
| CN109658284A (zh) * | 2018-12-19 | 2019-04-19 | 国网北京市电力公司 | 设备状态的评估方法和系统 |
| CN109872249A (zh) * | 2019-01-16 | 2019-06-11 | 中国电力科学研究院有限公司 | 一种基于贝叶斯网和遗传算法评价智能电能表运行状态的方法和系统 |
| CN109993360A (zh) * | 2019-03-29 | 2019-07-09 | 国网山东省电力公司费县供电公司 | 一种供电数据的预测方法和装置 |
| CN110135630A (zh) * | 2019-04-25 | 2019-08-16 | 武汉数澎科技有限公司 | 基于随机森林回归和多步寻优的短期负荷需求预测方法 |
-
2019
- 2019-11-20 CN CN201911138234.1A patent/CN110889544B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105225020A (zh) * | 2015-11-11 | 2016-01-06 | 国家电网公司 | 一种基于bp神经网络算法的运行状态预测方法和系统 |
| CN105956798A (zh) * | 2016-06-20 | 2016-09-21 | 华北电力大学 | 一种基于稀疏随机森林的配网设备运行状态评估方法 |
| CN107025514A (zh) * | 2016-12-27 | 2017-08-08 | 贵州电网有限责任公司电力科学研究院 | 一种动态评估变压器设备状态的评价方法及输变电设备 |
| CN108345570A (zh) * | 2017-09-19 | 2018-07-31 | 北京四方继保自动化股份有限公司 | 配电网运行状态评估指标的权重因子确定方法及装置 |
| CN108171379A (zh) * | 2017-12-28 | 2018-06-15 | 无锡英臻科技有限公司 | 一种用电负荷预测方法 |
| CN108428045A (zh) * | 2018-02-09 | 2018-08-21 | 国网冀北电力有限公司 | 一种配电网运行健康状态评估方法 |
| CN108665181A (zh) * | 2018-05-18 | 2018-10-16 | 中国电力科学研究院有限公司 | 一种配电网可靠性的评估方法和装置 |
| CN109299867A (zh) * | 2018-09-12 | 2019-02-01 | 中国电力科学研究院有限公司 | 一种配电网可靠性评估参数筛选方法及系统 |
| CN109214717A (zh) * | 2018-10-24 | 2019-01-15 | 国网江西省电力有限公司经济技术研究院 | 配电网电源并网评价方法及其评价系统 |
| CN109658284A (zh) * | 2018-12-19 | 2019-04-19 | 国网北京市电力公司 | 设备状态的评估方法和系统 |
| CN109872249A (zh) * | 2019-01-16 | 2019-06-11 | 中国电力科学研究院有限公司 | 一种基于贝叶斯网和遗传算法评价智能电能表运行状态的方法和系统 |
| CN109993360A (zh) * | 2019-03-29 | 2019-07-09 | 国网山东省电力公司费县供电公司 | 一种供电数据的预测方法和装置 |
| CN110135630A (zh) * | 2019-04-25 | 2019-08-16 | 武汉数澎科技有限公司 | 基于随机森林回归和多步寻优的短期负荷需求预测方法 |
Non-Patent Citations (4)
| Title |
|---|
| 基于数据挖掘的智能配电站房运行状态评估方法;龙秋风，肖小兵，文屹，林呈辉，王冕，刘斌，辛明勇;《电力大数据》;20181215;第21卷(第12期);第6-11页 * |
| 基于神经网络法的配电网状态估计;李清政，钟建伟;《河北建筑科技学院学报》;20060925;第23卷(第3期);第83-86页 * |
| 基于随机森林理论的配电变压器重过载预测;贺建章等;《电网技术》;20170704(第08期);第2593-2597页 * |
| 蒋大志 ; 巫怀军 ; 何星.基于特征选择和双向LSTM的电力网络异常检测算法研究.《第三十八届中国控制会议》.2019, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889544A (zh) | 2020-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
| CN110889544B (zh) | 配电网运行指标的预测方法及装置 | |
| CN110837761B (zh) | 多模型知识蒸馏方法及装置、电子设备和存储介质 | |
| CN106528389B (zh) | 系统流畅性的性能评测方法、装置及终端 | |
| CN106960014B (zh) | 关联用户推荐方法及装置 | |
| CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
| CN107508573B (zh) | 晶振振荡频率校正方法及装置 | |
| CN106599191B (zh) | 用户属性分析方法及装置 | |
| CN106253996B (zh) | 灵敏度衰减测试方法及装置 | |
| CN111947903B (zh) | 振动异常定位方法及装置 | |
| CN114254944A (zh) | 一种食品质量管理系统、方法及装置 | |
| CN106790683B (zh) | 基于移动终端的网络数据显示方法及装置 | |
| CN111125388B (zh) | 多媒体资源的检测方法、装置及设备和存储介质 | |
| CN111650554A (zh) | 定位方法及装置、电子设备和存储介质 | |
| CN110867962B (zh) | 基于馈线联络组的配电网错误拓扑关系的验证方法及装置 | |
| CN110333903B (zh) | 页面加载时长的确定方法及装置 | |
| CN115098390A (zh) | 自动化测试方法、装置、存储介质和电子设备 | |
| CN110659625A (zh) | 物体识别网络的训练方法及装置、电子设备和存储介质 | |
| CN114003542B (zh) | 信号调节器、信号调节方法、电子设备和存储介质 | |
| CN115033469A (zh) | 网站系统性能测试方法及装置、设备和存储介质 | |
| CN112995254B (zh) | 传输心跳信息的方法、设备、系统、装置及组件 | |
| CN107481734B (zh) | 语音质量评价方法及装置 | |
| WO2020164261A1 (zh) | 液质检测结果的质量控制方法及装置 | |
| CN111626883A (zh) | 核保方法及装置、电子设备和存储介质 | |
| CN112924041B (zh) | 测温设备自动测试方法、装置、系统以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |