CN111429027B - 一种基于大数据的地区输电网运行多维度分析方法 - Google Patents

一种基于大数据的地区输电网运行多维度分析方法 Download PDF

Info

Publication number
CN111429027B
CN111429027B CN202010292847.7A CN202010292847A CN111429027B CN 111429027 B CN111429027 B CN 111429027B CN 202010292847 A CN202010292847 A CN 202010292847A CN 111429027 B CN111429027 B CN 111429027B
Authority
CN
China
Prior art keywords
data
power transmission
load
overload
transformer
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
Application number
CN202010292847.7A
Other languages
English (en)
Other versions
CN111429027A (zh
Inventor
黎萌
林毅
吴威
严通煜
黄屏发
李明浩
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.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Great Power Science and Technology Co of State Grid Information and Telecommunication 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 Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd, Great Power Science and Technology Co of State Grid Information and Telecommunication Co Ltd filed Critical Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Priority to CN202010292847.7A priority Critical patent/CN111429027B/zh
Publication of CN111429027A publication Critical patent/CN111429027A/zh
Application granted granted Critical
Publication of CN111429027B publication Critical patent/CN111429027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的地区输电网运行多维度分析方法，采取基于互信息的重要特征筛选，经过模糊C值聚类与谱系聚类算法，形成典型的运行曲线；去除因运行方式变化、检修等引起重过载样本数据，对输电网是否能满足负荷需求开展多维度分析，构建基于运行效率、设备装备水平、负荷供需协调性开展对输电网运行多维度分析，为输电网区域发展进行多等级划分，减少因主观认知对评定标准造成的偏移，保证了评定结果的科学性和合理性，为电网规划人员提供可靠的参考建议。

Description

一种基于大数据的地区输电网运行多维度分析方法
技术领域
本发明涉及基于大数据技术面向输电网设备的重过载成因的判断方法，属于输电网运行效益评估领域与电力大数据应用领域。
背景技术
随着自动化与信息化技术在电力系统中得应用，电力系统在运行过程中会产生大量的运行数据,例如节点电压、节点电流、有功功率和无功功率等。这些数据在时间尺度上呈现出线性排列,构成了电网时序运行数据,通过分析其中的每一个断面,表征系统的运行状态及对系统做出多种多样的分析。在某些重要时期，如一年内气温最高或最低期间、重大社会活动期间等，用电负荷可能随着气温、用电人口等变化出现较大的波动。因输电网变压器负载率对运行状况有直接影响，且现阶段针对变压器重过载情况普遍处于事后处理阶段，缺乏对其负载的预判性工作。为有效提高电网应急能力，保证供电安全，重过载情况的影响因素进行分析。随着我国电网规模的日益扩大，运行方式的改变产生多种明显的特点的运行数据。随着不可预测事故的发生，势必会导致潮流的转移，造成某些设备的重载。同时，因为输电网的建设是超前规划，负荷的预测存在一定的不确定因素，随着时间的增长会导致输电线路或是设备出现重载、轻载的情况出现，造成输电网运行脆弱或是资源的闲置。目前输电网中对于出现过流过载问题感到棘手，实际运行情况于仿真结果存在较大差异，需要快速分析产生的原因。通过同一电压层级，相似拓扑结构下的电气设备具有相似的电气特性的背景下，采集其功率、电压、电流、拓扑结构数据等，通过数据挖掘技术，分析其与设备运行参数(容载比、重载率)之间的关系。
电网结构复杂，设备数量庞大，改造更新频繁，诊断所涉及的因素众多。既要从整体上得到诊断结果，又要在关键点上得到细致的量化指标，往往面临着很大的难题。由于技术手段和工作量的原因，传统方法通常只能得到有关设备规模、设备负载率等单方面指标的统计结果，分析结论以定性分析为主，缺少定量的分析数据支持，很难得到一个对系统整体水平的评价，可操作性差。缺乏给下一步的改造和建设提供充分科学的建设性意见，已不能满足电网发展诊断工作需要针对电网发展中的种种问题，但现实的需求电网发展发展诊断十分重要。电网发展诊断指标体系作为电网发展诊断这一庞大工程中关键的一环，通过分析诊断指标体系，研究指标间的关联性，能客观地反映出电网发展中的部分问题。随着我国电网资产规模的不断扩大，位于输电网中的设备的数量愈来愈多。愈加可靠与坚强的电网结构，离不开电气设备的支持。电网的发展评价，与电气设备的运行特性、供电质量、容量利用率等多个维度息息相关。深挖其电气设备的运行与输电网发展水平的关联关系，力图提供一个新颖的参考角度反映电网的发展水平。研究输电网设备的投资与建设，对于其中相关联电气设备的关联影响，分析其在输电网中整体评价指标提升的传导过程。拓展传统电网发展诊断的思考角度，提供新的指标参数。
因此，应该根据输电网变压器的运行数据、外部环境数据、相邻变压器重载的数据，通过对数据的分析与归类的方式，针对不同的变压器重过载成因进行更为细致的排查与分析。针对因负荷增长原因过载的情况，开展全面的输电网多维度运行指标分析，立足于数据自动采集系统开展对整个输电网运行状态的评估，以提高未来规划工作精准解决输电网变压器的重载问题。
发明内容
针对上述方法的不足，本发明提供一种基于大数据的地区输电网运行多维度分析方法，其能够研究关于输电网中输变电过重载的典型特征，分析其过重载成因，进而快速筛除不是因负荷增长引起的重过载样本，从而建立面向输电网的运行多维度分析，以判断其是否满足负荷增长的需要，有助于日后对输电网的规划提供合理的建议。
本发明解决其技术问题而采取的技术方案是：
一种基于大数据的地区输电网运行多维度分析方法，其特征在于，包括以下步骤：
S1：采集输电网变压器分析研究其运行中拓扑结构变化信息、负载率信息、负荷属性信息、外部环境信息、设备运维信息数据；
S2：将原始负载运行数据、所带负载性质数据、相邻开关拓扑结构变化数据、天气数据，负荷属性信息其离散化为24点运行数据，并进行编码、数据清洗；
S3：基于互信息的自变量重要程度估计，分析研究各影响因素暨各特征对设备重过载影响的相关性和重要程度，提取相关性高，重要程度高的特征；
S4：使用模糊C均值算法与谱系聚类法将利用不同特征对设备重过载样本进行聚类得到多个簇，每个不同的簇代表了某种重过载的特征规律；
S5：根据各变压器重过载特征判断其重载成因，判断其是否由于是负荷增长导致的变压器重载；
S6：留下由负荷增长导致的变压器重载数据，筛除由拓扑结构变化、计划性停电、相邻输变电设备施工引起重载样本；
S7：基于大数据技术筛除无效重过载数据后，建立输电网运行分析多维度分析指标体系，突出电网发展与负荷需求的协调性评估；运用运行多维度分析指标模型对各地区的输电网发展开展诊断评估；
S8：根据S7对输电网发展开展诊断评估后，将输电网区域发展水平分为四个等级：过于超前负荷发展、适当超前负荷发展、匹配负荷发展、滞后负荷发展四个等级；在规划立项阶段，减少过于超前负荷发展区域的项目数量，增加滞后发展区域的项目数量，重点提升匹配负荷发展、与滞后负荷发展区域的运行效率、效益。
作为上述方案的进一步设置，步骤S1具体包括：内部数据依托电力系统遥测和遥信数据，根据电网及一、二次设备各自的特点，根据电力PMS系统，电力QS系统数据，数据采集及监视系统(SCADA)；外部数据主要来源于互联网，通过国家气象局公布的气象信息和是否为节假日标签数据，其中主要包括：
输配电设备基本信息：输变电设备容量、设备ID、电压等级、投运日期、输变电设备重要等级；
输变电设备运行信息：日负载率曲线、具有电气连接的相邻设备的日负载率曲线、相邻刀闸与断路器变动信息，是否重载；
外部气象数据：日平均温度、天气状况、季度、是否为节假日；
负载属性信息：重点负荷标识、供电负荷性质、用电类别、耗能行业类别、行业类别。
作为上述方案的进一步设置，步骤S2具体包括：将原始负载运行数据、所带负载性质数据、相邻开关拓扑结构变化数据、天气数据，负荷属性信息其离散化为24点运行数据，并进行编码、数据清洗；具体为：
将气温数据进行离散化处理：0℃之下定义为极低温度；0～10℃定义为低温；20—30℃定义为高温；30℃之上定义为极高温度；
将天气状况进行离散化处理：晴天定义为1；阴天定义为2；雨天定义为3；
将是否为节假日离散化处理：1为节假日，0为不是节假日；
将日期所处星期几进行离散化：1为星期1，2为星期2，依此类推，星期日为7；
将季度离散化处理：1为第一季度，依此类推，第四季度为4；
同理将输配电设备信息与负载属性信息中的字符型进行编码离散化；
输变电设备运行信息包括：输变电设备的负载率曲线离散化为24个点，每个点间隔1个小时；有电气相邻设备负载率意味着，仅通过一根输电线路互相连接的输变电设备负载率、是否重过载；拓扑结构变化意味着具有相邻刀闸、开关的开合状态发生了变化；
将其中重过载状态标记为1，非重过载状态标记为0；故针对某一特定变电设备的时序数据可以记为：X＝{x0,x1,x2,...,x23}，其中xi为这一设备的时序状态，共有24个点；数据清洗主要分为：(1)异常值分析，(2)缺失值处理两部分；
(1)异常值分析主要包含筛出样本数据中明显偏离其他数据点的个别样本点，采取箱线图能够检测异常值，对真实数据的接纳度比较高，箱线图鉴定异常数据的准则：异常值指小于QRL-1.5*IQR或大于Qu-1.5*IQR的值；QL定义为下四分位数，代表全部观测数据中有四分之一的数据值小于它；Qu定义为上四分位数，代表全部观测数据中有四分之一的数据值大于它；IQR定义为四分位数间隔，指上四分位数Qu与下四分位数QL的差，数量为全部观测数据的一半.
(2)缺失值处理主要有使用固定值、最近临插补法、回归方法、插值法；针对时序数据，常常与前后样本有连续关系，因此本文采用牛顿插值法进行插值；N取值为5，与前后各两个样本相关；如下所示：
f(x)＝f(x1)+(x-x1)f[x2,x1]+(x-x1)(x-x2)f[x2,x1,x3]+...+(x-x1)(x-x2)...(x-xn)f[xn,xn-1,...x1,x]
作为上述方案的进一步设置，步骤S3具体包括：基于互信息的自变量重要程度估计，分析研究各影响因素暨特征对设备重过载影响的相关性和重要程度，提取相关性高，重要程度高的特征；具体包括：
根据信息理论，离散随机变量X，可能得取值几何为Sx，对应于X∈Sx，其概率为p(x)，定义其熵为：
Figure GDA0003996309830000051
2个随机变量X和Y的统计依存关系用互信息I(X；Y)来度量：
Figure GDA0003996309830000052
互信息与熵有着如下关系：I(X；Y)＝H(X)+H(Y)-H(X Y)，两个随机变量的互信息较大，则这两个随机变量的相关性较大；两组随机变量之间的互信息，考虑X与(Y，Z)之间的互信息，有如下关系：
I(X；Y,Z)＝H(X)+H(Y Z)-H(X Y Z)
运用对策理论求解各特征值相对重要性，对于P个不同特征，X＝{X1，X2,……，Xp}暨以互信息I为特征值的函数，根据shapley定理，计算Vi为自变量Xi的因变量贡献值，有如下公式:
Figure GDA0003996309830000053
Figure GDA0003996309830000054
其中，S为不含特征Xi的所有子集，s为S中变量的个数，p为所有特征的个数。
作为上述方案的进一步设置，步骤S4具体包括：具体包括使用模糊C均值算法与谱系聚类法将利用不同特征对设备重过载样本进行聚类得到多个簇，每个不同的簇代表了某种重过载的特征规律；具体包括以下步骤：
(1)模糊C值聚类算法就是通过优化目标函数得到每个样本点对所有类别中心点的隶属度，根据模糊数学中的最大隶属度原则，确定每个样本的所属类别；其中聚类评价指标CHI指标决定了聚类数C，CHI指标需要考虑不同类之间的分散性B和同类之间的紧凑型W，即：
Figure GDA0003996309830000055
Figure GDA0003996309830000061
Figure GDA0003996309830000062
其中，
Figure GDA0003996309830000063
表示为所有对象的均值向量，CK为第k类簇的中心，Wk,j表示为第i个对象对第k个类簇的隶属度关系，其中K为类簇数，N为所有样本数；
将样本根据特征集Y＝{y1,y2,L,y1,L,yn}，将其划分为C类，那么共有类中心C个，每个样本j属于第i类的隶属度为uij，其分类问题亦转化为了求解最优化问题，其目标函数与约束条件如下所示：
Figure GDA0003996309830000064
其中yj属于第j个样本，Ci代表第i类中心，m代表相关的隶属度因子，运用拉格朗日乘子法，将约束条件带入目标函数中，那么可以将上述问题简化为：
Figure GDA0003996309830000065
Figure GDA0003996309830000066
(2)运用谱系聚类将上述模糊均值C聚类形成的样本进行再聚合，模糊均值聚类个数C选择为20，通过谱系聚类将最相似(距离最近)的方法形成小类，再把已聚合的小类按照相似性再次聚类，最终得到一个按相似性大小聚合起来的谱系图，最终聚类的个数定义为M。
作为上述方案的进一步设置，步骤S5具体包括：根据各变压器重过载特征判断其重载成因，判断其是否由于是负荷增长导致的变压器重载；具体包括以下步骤：经过步骤S5之后，得到了M类基于时序数据的重过载特征样本，分析各类重过载样本成因，将其分类成三类：负荷增长导致重载、运行方式调整导致重载、外部因素导致重载；统计输变电设备几种典型的重过载特征发生的次数，进而描述该设备历史重过载发生规律。
作为上述方案的进一步设置，步骤S6具体包括：留下由负荷增长导致的变压器重载数据，筛除由拓扑结构变化、计划性停电、相邻输变电设备施工引起重载样本，其具体为：筛除因为计划性停电、优化调度运行导致的重过载样本数据，将此类样本负载数据进行插值处理，如步骤S2所示，重新计算此类设备年平均负载率指标，只留下因负荷的增长导致的输变电设备重载数据的样本。
作为上述方案的进一步设置，步骤S7具体包括：基于大数据技术筛除无效重过载数据后，建立输电网运行分析多维度分析指标体系，突出电网发展与负荷需求的协调性评估；运用运行多维度分析指标模型对各地区的输电网发展开展诊断评估；具体为：采用层次分析法，客观、有效、公平的选择指标有如下三类：运行效率、装备水平、供需协调性；赋权方法采用图模型赋权与熵权法结合的组合赋权方法；
运行效率：输变电设备平均负载率、负荷密度、输变电网损率、单位电网资产供电负荷、单位电网资产供电电量；
装备水平：变电运设备运行年限、输电设备运行年限、变电站智能化率、变电站GIS化率；
供需协调性：单位投资下网负荷、单位投资下网电量、输变电设备重载时间占比、重过载输变电设备变占比、轻载输变电设备变占比、输变电设备负载均衡度；
本发明与现有技术相比，具有如下的优点和有益效果：
1.本发明从电力系统大数据入手，通过对输电网运行数据、外部环境数据多源数据，基于互信息的重要性程度估计，对构建的特征进行重要程度分析，提取重要性程度高，信息蕴含量大的特征，杜绝了收集冗余的信息。
2.根据提取的重要特征，采用模糊均值算法与谱系聚类法，对每次发生重过载特征分类，构建多种重过载典型样本，利用无监督学习的机器学习算法挖掘出大数据中蕴含的特征规律。分析各输电网设备的重载成因：因区域负荷增长导致、因拓扑结构变化导致、由外部环境因素导致。利用规划人员评估设备运行情况。
3.本发明构建了输电网多维度运行分析，通过对输变电重过载设备的成因分析，去伪存真，留下因负荷增长导致输变电重载的样本数据。从运行效率、装备水平、供需协调性三个维度开展对输电网分析，助力电网规划。本发明采用综合赋权法，从主观及客观方面设置权重系数，可减少因主观认知对评定标准造成的偏移，保证了评定结果的科学性和合理性。
4.将输电网区域发展水平分为四个等级：过于超前负荷发展、适当超前负荷发展、匹配负荷发展、滞后负荷发展四个等级；在规划立项阶段，减少过于超前负荷发展区域的项目数量，增加滞后发展区域的项目数量，重点提升匹配负荷发展、与滞后负荷发展区域的运行效率、效益。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定；
图1为基于大数据的地区输电网运行多维度分析方法指标体系构成图。
图2为基于大数据的地区输电网运行多维度分析方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。
实施例1：
如图2所示，一种基于大数据的地区输电网运行多维度分析方法包含以下步骤：
作为上述方案的进一步设置，步骤S1具体包括：内部数据依托电力系统遥测和遥信数据，根据电网及一、二次设备各自的特点，根据电力PMS系统，电力QS系统数据，数据采集及监视系统(SCADA)；外部数据主要来源于互联网，通过国家气象局公布的气象信息和是否为节假日标签数据，其中主要包括：
输配电设备基本信息：输变电设备容量、设备ID、电压等级、投运日期、输变电设备重要等级。
输变电设备运行信息：日负载率曲线、具有电气连接的相邻设备的日负载率曲线、相邻刀闸与断路器变动信息，是否重载。
外部气象数据：日平均温度、天气状况、季度、是否为节假日。
负载属性信息：重点负荷标识、供电负荷性质、用电类别、耗能行业类别、行业类别。
作为上述方案的进一步设置，步骤S2具体包括：将原始负载运行数据、所带负载性质数据、相邻开关拓扑结构变化数据、天气数据，负荷属性信息其离散化为24点运行数据，并进行编码、数据清洗。具体为：
将气温数据进行离散化处理：0℃之下定义为极低温度；0～10℃定义为低温；20—30℃定义为高温；30℃之上定义为极高温度。
将天气状况进行离散化处理：晴天定义为1；阴天定义为2；雨天定义为3；
将是否为节假日离散化处理：1为节假日，0为不是节假日。
将日期所处星期几进行离散化：1为星期1，2为星期2，依此类推，星期日为7。
将季度离散化处理：1为第一季度，依此类推，第四季度为4。
同理将输配电设备信息与负载属性信息中的字符型进行编码离散化。
输变电设备运行信息包括：输变电设备的负载率曲线离散化为24个点，每个点间隔1个小时。有电气相邻设备负载率意味着，仅通过一根输电线路互相连接的输变电设备负载率、是否重过载。拓扑结构变化意味着具有相邻刀闸、开关的开合状态发生了变化。
将其中重过载状态标记为1，非重过载状态标记为0。故针对某一特定变电设备的时序数据可以记为：X＝{x0,x1,x2,...,x23}，其中xi为这一设备的时序状态，共有24个点。整理数据如下表所示：
状态值 特征1 特征2 特征3 …… 特征n
x0 y1 y2 y3 yn
……
x23
数据清洗主要分为：(1)异常值分析，(2)缺失值处理两部分。
(1)异常值分析主要包含筛出样本数据中明显偏离其他数据点的个别样本点，采取箱线图能够检测异常值，对真实数据的接纳度比较高，箱线图鉴定异常数据的准则：异常值指小于QRL-1.5*IQR或大于Qu-1.5*IQR的值。QL定义为下四分位数，代表全部观测数据中有四分之一的数据值小于它；Qu定义为上四分位数，代表全部观测数据中有四分之一的数据值大于它；IQR定义为四分位数间隔，指上四分位数Qu与下四分位数QL的差，数量为全部观测数据的一半.
(2)缺失值处理主要有使用固定值、最近临插补法、回归方法、插值法。针对时序数据，常常与前后样本有连续关系，因此本文采用牛顿插值法进行插值。N取值为5，与前后各两个样本相关。如下所示：
f(x)＝f(x1)+(x-x1)f[x2,x1]+(x-x1)(x-x2)f[x2,x1,x3]+...+(x-x1)(x-x2)...(x-xn)f[xn,xn-1,...x1,x]
作为上述方案的进一步设置，步骤S3具体包括：基于互信息的自变量重要程度估计，分析研究各影响因素暨特征对设备重过载影响的相关性和重要程度，提取相关性高，重要程度高的特征。具体包括：
根据信息理论，离散随机变量X，可能得取值几何为Sx，对应于X∈Sx，其概率为p(x)，定义其熵为：
Figure GDA0003996309830000101
2个随机变量X和Y的统计依存关系用互信息I(X；Y)来度量：
Figure GDA0003996309830000111
互信息与熵有着如下关系：I(X；Y)＝H(X)+H(Y)-H(X Y)，两个随机变量的互信息较大，则这两个随机变量的相关性较大。两组随机变量之间的互信息，考虑X与(Y，Z)之间的互信息，有如下关系：
I(X；Y,Z)＝H(X)+H(Y Z)-H(X Y Z)
运用对策理论求解各特征值相对重要性，对于P个不同特征，X＝{X1，X2,……，Xp}暨以互信息I为特征值的函数，根据shapley定理，计算Vi为自变量Xi的因变量贡献值，有如下公式:
Figure GDA0003996309830000112
Figure GDA0003996309830000113
其中，S为不含特征Xi的所有子集，s为S中变量的个数，p为所有特征的个数。
步骤S4具体包括：具体包括使用模糊C均值算法与谱系聚类法将利用不同特征对设备重过载样本进行聚类得到多个簇，每个不同的簇代表了某种重过载的特征规律。具体包括以下步骤：
(1)模糊C值聚类算法就是通过优化目标函数得到每个样本点对所有类别中心点的隶属度，根据模糊数学中的最大隶属度原则，确定每个样本的所属类别。其中聚类评价指标CHI指标决定了聚类数C，CHI指标需要考虑不同类之间的分散性B和同类之间的紧凑型W，即：
Figure GDA0003996309830000114
Figure GDA0003996309830000115
Figure GDA0003996309830000116
其中，
Figure GDA0003996309830000117
表示为所有对象的均值向量，CK为第k类簇的中心，Wk,j表示为第i个对象对第k个类簇的隶属度关系，其中K为类簇数，N为所有样本数。
将样本根据特征集Y＝{y1,y2,L,y1,L,yn}，将其划分为C类，那么共有类中心C个，每个样本j属于第i类的隶属度为uij，其分类问题亦转化为了求解最优化问题，其目标函数与约束条件如下所示：
Figure GDA0003996309830000121
其中yj属于第j个样本，Ci代表第i类中心，m代表相关的隶属度因子，运用拉格朗日乘子法，将约束条件带入目标函数中，那么可以将上述问题简化为：
Figure GDA0003996309830000122
Figure GDA0003996309830000123
(2)运用谱系聚类将上述模糊均值C聚类形成的样本进行再聚合，模糊均值聚类个数C选择为20，通过谱系聚类将最相似(距离最近)的方法形成小类，再把已聚合的小类按照相似性再次聚类，最终得到一个按相似性大小聚合起来的谱系图，最终聚类的个数定义为M。
作为上述方案的进一步设置，步骤S5具体包括：根据各变压器重过载特征判断其重载成因，判断其是否由于是负荷增长导致的变压器重载。具体包括以下步骤：经过步骤S5之后，得到了M类基于时序数据的重过载特征样本，组织各专家，分析各类重过载样本成因，统计输变电设备几种典型的重过载特征发生的次数，进而描述该设备历史重过载发生规律。
作为上述方案的进一步设置，步骤S6具体包括：留下由负荷增长导致的变压器重载数据，筛除由拓扑结构变化、计划性停电、相邻输变电设备施工引起重载样本，其具体为：筛除因为计划性停电、优化调度运行导致的重过载样本数据，将此类样本负载数据进行插值处理，如步骤2所示，重新计算此类设备年平均负载率指标，只留下因负荷的增长导致的输变电设备重载数据的样本。
作为上述方案的进一步设置，步骤S7具体包括：基于大数据技术筛除无效重过载数据后，建立输电网运行分析多维度分析指标体系，突出电网发展与负荷需求的协调性评估。运用运行多维度分析指标模型对各地区的输电网发展开展诊断评估。具体为：采用层次分析法，客观、有效、公平的选择指标有如下三类：运行效率、装备水平、供需协调性；赋权方法采用图模型赋权与熵权法结合的组合赋权方法。如图1所示：
运行效率：输变电设备平均负载率、负荷密度、输变电网损率、单位电网资产供电负荷、单位电网资产供电电量。
装备水平：变电运设备运行年限、输电设备运行年限、变电站智能化率、变电站GIS化率。
供需协调性：单位投资下网负荷、单位投资下网电量、输变电设备重载时间占比、重过载输变电设备变占比、轻载输变电设备变占比、输变电设备负载均衡度。
通过上述设置，变压器平均负载率＝(主变压器年上网电量+主变压器年下网电量)/(主变压器容量*8760)
线路平均负载率＝线路年输送电量/(线路经济输送功率*8760)
负荷密度＝最大负荷/土地面积
单位电网资产供电负荷＝最大下网负荷/电网固定资产原值。
单位电网资产供电量＝下网电量/电网固定资产原值。
输变电网损率＝输电网网损电量/输变电设备年供电量
变电设备运行年限＝变电站设备投产时间(0～10年)占比，变电站设备投产时间(11～20年)占比，变电站设备投产时间(20年以上)占比。
输电设备运行年限＝输电设备投产时间(0～10年)占比，输电设备投产时间(11～20年)占比，输电设备投产时间(20年以上)占比。
变电站智能化率＝智能变电站数量/变电站总数
GIS变电站率＝GIS变电站的数量/变电站总数
单位投资下网负荷＝(评价年最大下网负荷-去年最大下网负荷)/电网投资
单位投资下网电量＝(评价年最大下网电量-去年最大下网电量)/电网投资
重载线路占比＝重载线路总数/线路总数
重载变压器占比＝重载变压器总数/线路变压器总数
轻载线路占比＝轻载线路总数/线路总数
轻载变压器占比＝轻载变压器总数/线路变压器总数
Figure GDA0003996309830000141
Figure GDA0003996309830000142
Ls-i为单一变电站平均负载率，
Figure GDA0003996309830000143
为区域内变电平均负载；N为变电站座数。
Figure GDA0003996309830000144
Figure GDA0003996309830000145
LR-i为单一线路平均负载率，
Figure GDA0003996309830000146
为区域内线路平均负载；N为线路条数。
图模型法是一种在计算权重过中同时考虑专家评分信息与评价过程中的个体认知行为信息的主观赋权方法。核心思路是，以图形的点(属性)表示各指标的重要性程度，以图形的“边”反映有关联关系的评价结果。
步骤一：专家m按照重要性程度对指标评分，计算包含专家m评价信息和行为信息的评价向量
Figure GDA0003996309830000147
和评分矩阵
Figure GDA0003996309830000148
步骤二：计算包含所有专家评分信息的矩阵：
Figure GDA0003996309830000149
步骤三：对矩阵AaN×aN进行降维处理：
Figure GDA00039963098300001410
wi是向量W的第i个元素。
步骤四：指标权重
Figure GDA00039963098300001411
本发明公开了一种基于大数据技术面向输电网设备的重过载成因的判断方法，采取基于互信息的重要特征筛选，经过模糊C值聚类与谱系聚类算法，形成典型的运行曲线；去除因运行方式变化、检修等引起重过载样本数据，对输电网是否能满足负荷需求开展多维度分析，构建基于运行效率、设备装备水平、负荷供需协调性开展对输电网运行多维度分析，根据输电网发展开展诊断评估后，将输电网区域发展水平分为四个等级：过于超前负荷发展、适当超前负荷发展、匹配负荷发展、滞后负荷发展四个等级；减少因主观认知对评定标准造成的偏移，保证了评定结果的科学性和合理性，在规划立项阶段，减少过于超前负荷发展区域的项目数量，增加滞后发展区域的项目数量，力图为电网规划人员提供可靠的参考建议，重点提升匹配负荷发展、与滞后负荷发展区域的运行效率、效益。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于大数据的地区输电网运行多维度分析方法，其特征在于，包括以下步骤：
S1：采集输电网变压器分析研究其运行中拓扑结构变化信息、负载率信息、负荷属性信息、外部环境信息、设备运维信息数据；
S2：将原始负载运行数据、所带负载性质数据、相邻开关拓扑结构变化数据、天气数据和负荷属性信息离散化为24点运行数据，并进行编码、数据清洗；
S3：基于互信息的自变量重要程度估计，分析研究各特征对变压器重过载影响的相关性和重要程度，提取相关性高，重要程度高的特征；
S4：使用模糊C均值算法与谱系聚类法利用不同特征对变压器重过载样本进行聚类得到多个簇，每个不同的簇代表了某种重过载的特征规律；
S5：根据各变压器重过载特征判断其重过载成因，判断其是否由于是负荷增长导致的变压器重过载；
S6：留下由负荷增长导致的变压器重过载数据，筛除由拓扑结构变化、计划性停电、相邻输变电设备施工引起重过载样本,具体包括：留下由负荷增长导致的变压器重过载数据，筛除因为计划性停电、优化调度运行导致的重过载样本数据，将此类重过载样本数据进行插值处理，重复步骤S2，重新计算变压器年平均负载率指标，只留下因负荷的增长导致的变压器重过载数据的样本；
S7：基于大数据技术筛除无效重过载数据后，建立输电网运行分析多维度分析指标体系；运用运行多维度分析指标模型对各地区的输电网发展开展诊断评估，具体包括：基于大数据技术筛除无效重过载数据后，建立输电网运行分析多维度分析指标体系；运用运行多维度分析指标模型对各地区的输电网发展开展诊断评估；具体为：采用层次分析法，选择指标有如下三类：运行效率、装备水平、供需协调性；赋权方法采用图模型赋权与熵权法结合的组合赋权方法；
运行效率：输变电设备平均负载率、负荷密度、输变电网损率、单位电网资产供电负荷、单位电网资产供电电量；
装备水平：输变电设备运行年限、变电站智能化率、变电站GIS化率；
供需协调性：单位投资下网负荷、单位投资下网电量、输变电设备重过载时间占比、重过载输变电设备变占比、轻载输变电设备变占比、输变电设备负载均衡度；
S8:根据S7对输电网发展开展诊断评估后，将输电网区域发展水平划分为四个等级：过于超前负荷发展、适当超前负荷发展、匹配负荷发展、滞后负荷发展四个等级。
2.根据权利要求1所述的基于大数据的地区输电网运行多维度分析方法，其特征在于，所述步骤S1具体包括：内部数据依托电力系统遥测和遥信数据，根据电网及一、二次设备各自的特点，根据电力生产管理系统PMS，电力质量安全系统QS数据，数据采集及监视系统SCADA；外部数据来源于互联网，通过国家气象局公布的气象信息和是否为节假日标签数据，其中包括：
输变电设备基本信息：输变电设备容量、设备ID、电压等级、投运日期、输变电设备重要等级；
输变电设备运行信息：日负载率曲线、具有电气连接的相邻设备的日负载率曲线、相邻刀闸与断路器变动信息，是否重过载；
外部气象数据：日平均温度、天气状况、季度、是否为节假日；
负载属性信息：重点负荷标识、供电负荷性质、用电类别、耗能行业类别、行业类别。
3.根据权利要求1所述的基于大数据的地区输电网运行多维度分析方法，其特征在于，所述步骤S2具体包括：将原始负载运行数据、所带负载性质数据、相邻开关拓扑结构变化数据、天气数据和负荷属性信息离散化为24点运行数据，并进行编码、数据清洗；具体为：
将气温数据进行离散化处理：0℃之下定义为极低温度；0～10℃定义为低温；20—30℃定义为高温；30℃之上定义为极高温度；
将天气状况进行离散化处理：晴天定义为1；阴天定义为2；雨天定义为3；
将是否为节假日离散化处理：1为节假日，0为不是节假日；
将日期所处星期几进行离散化：1为星期1，2为星期2，依此类推，星期日为7；
将季度离散化处理：1为第一季度，依此类推，第四季度为4；
同理将输变电设备信息与负载属性信息中的字符型进行编码离散化；
输变电设备运行信息包括：输变电设备的负载率曲线离散化为24个点，每个点间隔1个小时；
将其中重过载状态标记为1，非重过载状态标记为0；故针对某一特定输变电设备的时序数据可以记为：X＝{x0,x1,x2,...,x23}，其中xi为这一设备的时序状态，共有24个点；数据清洗分为：(1)异常值分析，(2)缺失值处理两部分；
(1)异常值分析包含筛出样本数据中明显偏离其他数据点的个别样本点，采取箱线图检测异常值，箱线图鉴定异常数据的准则：异常值指小于QL-1.5*IQR或大于Qu-1.5*IQR的值；QL定义为下四分位数，代表全部观测数据中有四分之一的数据值小于它；Qu定义为上四分位数，代表全部观测数据中有四分之一的数据值大于它；IQR定义为四分位数间隔，指上四分位数Qu与下四分位数QL的差，数量为全部观测数据的一半；
(2)缺失值处理使用固定值或最近临插补法或回归方法或插值法；
针对时序数据，采用牛顿插值法进行插值；n取值为5，与前后各两个样本相关；如下所示：
f(x)＝f(x1)+(x-x1)f[x2,x1]+(x-x1)(x-x2)f[x2,x1,x3]+...+(x-x1)(x-x2)...(x-xn)f[xn,xn-1,...x1,x]。
4.根据权利要求1所述的基于大数据的地区输电网运行多维度分析方法，其特征在于，所述步骤S3具体包括：基于互信息的自变量重要程度估计，分析研究各特征对变压器重过载影响的相关性和重要程度，提取相关性高，重要程度高的特征；具体包括：
根据信息理论，离散随机变量X，取值集合为Sx，对应于X∈Sx，其概率为p(x)，定义其熵为：
Figure FDA0003996309820000031
2个随机变量X和Y的统计依存关系用互信息I(X；Y)来度量：
Figure FDA0003996309820000032
互信息与熵有着如下关系：I(X；Y)＝H(X)+H(Y)-H(X Y)，两个随机变量的互信息越大，则这两个随机变量的相关性越大；两组随机变量之间的互信息，考虑X与(Y，Z)之间的互信息，有如下关系：
I(X；Y,Z)＝H(X)+H(Y Z)-H(XY Z)
运用对策理论求解各特征值相对重要性，对于P个不同特征X＝{X1，X2,……，XP}暨以互信息I为特征值的函数，根据shapley定理，计算自变量对因变量的贡献值Vi，有如下公式:
Figure FDA0003996309820000041
Figure FDA0003996309820000042
其中，S为不含特征Xi的所有子集，s为S中变量的个数，p为所有特征的个数。
5.根据权利要求1所述的基于大数据的地区输电网运行多维度分析方法，其特征在于，所述步骤S4具体包括：具体包括使用模糊C均值算法与谱系聚类法利用不同特征对变压器重过载样本进行聚类得到多个簇，每个不同的簇代表了某种重过载的特征规律；具体包括以下步骤：
(1)模糊C均值算法就是通过优化目标函数得到每个样本点对所有类别中心点的隶属度，根据模糊数学中的最大隶属度原则，确定每个样本的所属类别；其中聚类评价指标CHI指标决定了聚类数C，CHI指标需要考虑不同类之间的分散性B和同类之间的紧凑型W，即：
Figure FDA0003996309820000043
Figure FDA0003996309820000044
Figure FDA0003996309820000045
其中，
Figure FDA0003996309820000046
表示为所有对象的均值向量，CK为第k类簇的中心，Wk,i表示为第i个对象对第k个类簇的隶属度关系，其中K为类簇数，N为所有样本数；
将样本根据特征集Y＝{y1，y2，…yn}，将其划分为C类，那么共有类中心C个，每个样本j属于第i类的隶属度为uij，其分类问题亦转化为了求解最优化问题，其目标函数与约束条件如下所示：
Figure FDA0003996309820000051
其中yj属于第j个样本，Ci代表第i类中心，m代表相关的隶属度因子，运用拉格朗日乘子法，将约束条件带入目标函数中，那么可以将上述问题简化为：
Figure FDA0003996309820000052
Figure FDA0003996309820000053
(2)运用谱系聚类将上述模糊C均值聚类形成的样本进行再聚合，模糊均值聚类个数C选择为20，通过谱系聚类将最相似的样本形成小类，再把已聚合的小类按照相似性再次聚类，最终得到一个按相似性大小聚合起来的谱系图，最终聚类的个数定义为M。
6.根据权利要求1所述的基于大数据的地区输电网运行多维度分析方法，其特征在于，所述步骤S5具体包括：根据各变压器重过载特征判断其重过载成因，判断其是否由于是负荷增长导致的变压器重过载；具体包括以下步骤：经过步骤S5之后，得到了M类基于时序数据的重过载特征样本，组织各专家，分析各类重过载样本成因，统计变压器几种典型的重过载特征发生的次数，进而描述变压器历史重过载发生规律。
CN202010292847.7A 2020-04-15 2020-04-15 一种基于大数据的地区输电网运行多维度分析方法 Active CN111429027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010292847.7A CN111429027B (zh) 2020-04-15 2020-04-15 一种基于大数据的地区输电网运行多维度分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010292847.7A CN111429027B (zh) 2020-04-15 2020-04-15 一种基于大数据的地区输电网运行多维度分析方法

Publications (2)

Publication Number Publication Date
CN111429027A CN111429027A (zh) 2020-07-17
CN111429027B true CN111429027B (zh) 2023-03-31

Family

ID=71557912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010292847.7A Active CN111429027B (zh) 2020-04-15 2020-04-15 一种基于大数据的地区输电网运行多维度分析方法

Country Status (1)

Country Link
CN (1) CN111429027B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112053086B (zh) * 2020-09-18 2022-09-09 国网河南省电力公司濮阳供电公司 基于大数据电网运行诊断系统的工作方法
CN112381664A (zh) * 2020-09-22 2021-02-19 国网新疆电力有限公司 电网短期负荷预测方法、预测装置及存储介质
CN112257953B (zh) * 2020-11-03 2021-09-24 上海电力大学 一种基于极地新能源发电功率预测的数据处理方法
CN112488360B (zh) * 2020-11-03 2023-12-19 国网河南省电力公司郑州供电公司 基于人工智能的配变异常分析预警方法
CN112508051A (zh) * 2020-11-06 2021-03-16 重庆恢恢信息技术有限公司 通过大数据平台进行建筑施工项目混合聚类工作方法
CN112200320B (zh) * 2020-12-02 2021-03-02 成都数联铭品科技有限公司 基于合作博弈法的模型解释方法、系统、设备及存储介质
CN112800577A (zh) * 2020-12-17 2021-05-14 北京国电通网络技术有限公司 配电变压器重过载原因分析的方法、装置及电子设备
CN113378901B (zh) * 2021-05-31 2024-06-07 国网上海市电力公司 一种基于kfcm聚类分析和pmu装置的主动配电网预想故障集筛选方法
CN113392302B (zh) * 2021-06-19 2022-05-13 国网福建省电力有限公司信息通信分公司 一种电力外部环境检测的分析系统
CN113657747B (zh) * 2021-08-12 2023-06-16 中国安全生产科学研究院 一种企业安全生产标准化级别智能评定系统
CN113779109B (zh) * 2021-09-15 2024-05-24 南京才华智能科技有限公司 一种基于上下文环境的电力数据预处理方法
CN113888058A (zh) * 2021-11-23 2022-01-04 国网四川省电力公司资阳供电公司 获取配电变压器负荷对配电网总负荷特性影响程度的方法
CN116467579B (zh) * 2023-04-12 2023-11-14 宁波送变电建设有限公司运维分公司 基于特征挖掘技术的电力设备健康定级方法及系统
CN116630826B (zh) * 2023-07-25 2023-10-03 中国石油大学(华东) 基于卫星遥感观测的甲烷排放重点区域识别定位方法
CN117313016B (zh) * 2023-11-28 2024-01-23 北京易能中网技术有限公司 一种新能源电力交易现货电价价差数据处理方法
CN117977581B (zh) * 2024-03-29 2024-07-02 江苏冉闻信息科技有限公司 基于深度学习的电网风险预测方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654245A (zh) * 2015-12-31 2016-06-08 太原理工大学 基于负荷不确定性建模的电网静态电压稳定风险评估方法
CN110097197A (zh) * 2019-05-13 2019-08-06 武汉华飞智能电气科技有限公司 一种电网安全多维度评估方法及系统
CN110223193A (zh) * 2019-03-27 2019-09-10 东北电力大学 基于模糊聚类和rs-knn模型用于电网运行状态的判别方法及系统
CN110457770A (zh) * 2019-07-18 2019-11-15 中国电力科学研究院有限公司 一种面向时间尺度的配电变压器重过载判断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015089448A1 (en) * 2013-12-13 2015-06-18 University Of North Dakota Smart grid secure communications method and apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654245A (zh) * 2015-12-31 2016-06-08 太原理工大学 基于负荷不确定性建模的电网静态电压稳定风险评估方法
CN110223193A (zh) * 2019-03-27 2019-09-10 东北电力大学 基于模糊聚类和rs-knn模型用于电网运行状态的判别方法及系统
CN110097197A (zh) * 2019-05-13 2019-08-06 武汉华飞智能电气科技有限公司 一种电网安全多维度评估方法及系统
CN110457770A (zh) * 2019-07-18 2019-11-15 中国电力科学研究院有限公司 一种面向时间尺度的配电变压器重过载判断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电网每日运行评价指标体系研究;戴远航等;《电网技术》;20150630;第39卷(第6期);第1611-1616页 *

Also Published As

Publication number Publication date
CN111429027A (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
CN111429027B (zh) 一种基于大数据的地区输电网运行多维度分析方法
CN111091143B (zh) 基于深度信念网络和K-means聚类的配变重过载预警方法
Serrano-Guerrero et al. A new interval prediction methodology for short-term electric load forecasting based on pattern recognition
CN110097297A (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN110807550B (zh) 基于神经网络的配变重过载识别预警方法及终端设备
CN108320043A (zh) 一种基于电力大数据的配电网设备状态诊断预测方法
CN107516170A (zh) 一种基于设备故障概率和电网运行风险的差异自愈控制方法
CN105117810A (zh) 一种阶梯电价机制下居民用电中期负载预测方法
CN108694470B (zh) 一种基于人工智能的数据预测方法及装置
CN105184455A (zh) 一种面向城市电力数据分析的高维可视化分析方法
CN103761690A (zh) 基于电网系统中电压无功控制系统的评估方法
CN109670676A (zh) 基于支持向量数据描述的配网台区风险预警方法及系统
CN105046591A (zh) 一种电力用户用电能效评估方法
CN108830745A (zh) 基于监控信息的电网连锁故障诊断、预警、评估系统
CN116187640B (zh) 一种基于网格多属性画像体系的配电网规划方法及装置
CN111339491A (zh) 一种城市配电网改造方案的评估方法
CN110782153A (zh) 一种企业园区综合能效评估体系建模方法及系统
CN108830406A (zh) 一种基于数据挖掘的主配网预停电配置方法
CN103632306A (zh) 一种基于聚类分析的配电网供电区域划分方法
CN110705859A (zh) 基于pca-自组织神经网络的中低压配电网运行状态评估方法
CN114386753A (zh) 一种基于主变负载状况的设备风险综合分析预警方法
CN106951993A (zh) 一种电能量数据预估方法
CN115186882A (zh) 一种基于聚类的可控负荷空间密度预测方法
CN111105218A (zh) 一种基于全息影像技术的配电网运行监视方法
Zhang et al. The power big data-based energy analysis for intelligent community in smart grid

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
TR01 Transfer of patent right

Effective date of registration: 20230815

Address after: 350013 No. 68, Chayuan Road, Jin'an District, Fuzhou City, Fujian Province

Patentee after: STATE GRID FUJIAN ECONOMIC Research Institute

Patentee after: STATE GRID FUJIAN ELECTRIC POWER Co.,Ltd.

Address before: Building 1, Yili Mingjuyuan, No. 221 Xiufeng Road, Jin'an District, Fuzhou City, Fujian Province, 350000

Patentee before: STATE GRID FUJIAN ECONOMIC Research Institute

Patentee before: STATE GRID INFO-TELECOM GREAT POWER SCIENCE AND TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right