CN111582626A - 一种基于大数据的电网规划适应性方法 - Google Patents

一种基于大数据的电网规划适应性方法 Download PDF

Info

Publication number
CN111582626A
CN111582626A CN202010184748.7A CN202010184748A CN111582626A CN 111582626 A CN111582626 A CN 111582626A CN 202010184748 A CN202010184748 A CN 202010184748A CN 111582626 A CN111582626 A CN 111582626A
Authority
CN
China
Prior art keywords
planning
power grid
adaptability
neural network
characteristic
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
Application number
CN202010184748.7A
Other languages
English (en)
Inventor
邹一男
袁秋实
杨宏宇
高新亭
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.)
SHANGHAI PROINVENT INFORMATION TECH Ltd
Original Assignee
SHANGHAI PROINVENT INFORMATION TECH 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 SHANGHAI PROINVENT INFORMATION TECH Ltd filed Critical SHANGHAI PROINVENT INFORMATION TECH Ltd
Priority to CN202010184748.7A priority Critical patent/CN111582626A/zh
Publication of CN111582626A publication Critical patent/CN111582626A/zh
Pending legal-status Critical Current

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于大数据的电网规划适应性方法，包括如下步骤：S1.选取多维配网规划指标，以规划业务视角对现状电网进行精准分析；S2.电网规划特征分析，提出规划特征要素与综合评价指标体系；S3.选取机器学习中的BPNN神经网络算法建立神经网络模型；S4.提取规划特征要素，通过BPNN神经网络模型的训练分析结果中提取出电网精准规划相关的特征要素。本发明涉及一种基于大数据的电网规划适应性方法，通过建立规划特征要素与综合评价指标体系从而应用机器学习中的BPNN神经网络算法以达到配电网规划适应性分析的目的。

Description

一种基于大数据的电网规划适应性方法
技术领域
本发明涉及电网规划分析技术领域，尤其涉及一种基于大数据的电网规划适应性方法。
背景技术
电网是人们生产生活的基础设施，电网的精准规划能有效控制电能开销，提高电网的调度和管理能力。随着大数据技术的不断发展，基于大数据技术的电网精准规划适应性分析系统的设计受到人们的关注。电网精准规划适应性分析系统建立在大规模电网信息和用户的管理基础上，采用大数据信息处理和分析方法进行电网传输数据的实时监控和信息分析，提高精准规划的能力，研究电网精准规划适应性分析系统在提高电网的智能管理性能方面具有重要意义。
发明内容
本发明目的是针对现有技术存在的缺陷提供一种基于大数据的电网规划适应性方法，其中所述方法至少包括选取多维规划指标，电网规划特征分析，建立神经网络模型，提取规划特征要素，其特征在于，包括以下步骤：
S1.选取多维规划指标，从电网可靠性、结构、用户、投资角度开展，以规划业务视角对现状电网进行精准分析，选取多维配网规划分析指标；
S2.电网规划特征分析，提出规划特征要素与综合评价指标体系，应用形成的规划特征与运行指标分析方法对未来相关区域电网运行指标进行评估；
S3.建立神经网络模型，研究分析适应于规划特征信息数据与电网运行相关影响的机器学习方法；
S4.提取规划特征要素，通过BPNN神经网络算法的训练分析结果中提取出电网精准规划相关的特征要素。
进一步可选地，步骤S1所述的选取多维规划指标,其指标包括:供电可靠率、线路“N-1”通过率、线路平均供电半径、接线模式合理率、户均配变容量、线路平均装接容量、单位资产增售电量、单位投资增供负荷；
进一步可选地，步骤S2所述的电网规划特征分析，其特征分析内容包括：网架结构适应性、供电能力适应性、装备水平适应性、负荷特性适应性、新元素并网适应性；
进一步可选地，步骤S3所述的建立神经网络模型，具体包括：选取机器学习中的BPNN神经网络算法。
进一步可选地，步骤S4所述的提取规划特征要素，具体包括：站房规划要素、网架规划要素。
本发明要解决的技术问题在于提供一种基于大数据的电网规划适应性方法，通过选取多维规划指标，进行电网规划特征分析，建立BPNN神经网络模型，进而提取出规划特征要素。
附图说明
图1是本发明的一种基于大数据的电网规划适应性方法的流程示意图。
图2是本发明的一种基于大数据的电网规划适应性方法的神经网络模型示意图。
具体实施方式
请参阅图1，图1是本发明的一种基于大数据的电网规划适应性方法的流程示意图。
本发明的一种基于大数据的电网规划适应性方法包括以下步骤：
S1.选取多维规划指标，从电网可靠性、结构、用户、投资角度开展，以规划业务视角对现状电网进行精准分析，选取多维配网规划分析指标，指标包括：
供电可靠率：用于表征供电系统连续供电能力。
线路“N-1”通过率：用于表征正常状态下，电力系统中任一元件(不含母线)无故障或因故障断开的线路条数/线路总数×100％。
线路平均供电半径：用于表征配电网的供电半径(从变压器至建筑物进户点)。
接线模式合理率：满足正常方式及检修方式下的“N-1”要求的接线模式。
户均配变容量：用于表征一个区域配电网基础建设、供电能力的户均配变容量。
线路平均装接容量：用于表征配电网年供电量与中压配电线路长度的商。
单位资产增售电量：用于表征评价年与上一个评价年的售电量之差与评价年的上一年配网项目投资的商。
单位投资增供负荷：用于表征评价年与上一个评价年的增量负荷之差与评价年的上一年配网项目投资的商。
S2.电网规划特征分析，提出规划特征要素与综合评价指标体系，应用形成的规划特征与运行指标分析方法对未来相关区域电网运行指标进行评估，其特征分析内容包括：
网架结构适应性：单条线路(向用户直接供电的线路)、开关站网络、非标准接线网络的用户供电可靠性或停电时间；
供电能力适应性：主变容量、线路截面、公用配变容量的负载率、负载率增长率；
装备水平适应性：主变、线路、配变、断路器、隔离开关、重合器、避雷器、跌落保险等设备的故障率；
负荷特性适应性：主变、供电线路、公用配变的负荷率、峰谷差率；特殊用户所属主变、供电线路、公用配变的特殊用户的特殊要求；
新元素并网适应性：配网新元素所属主变、供电线路、公用配变的谐波、电压偏差、峰谷差率。
S3.建立神经网络模型，研究分析适应于规划特征信息数据与电网运行相关影响的机器学习方法，其模型包括：
请参阅图2，图2是本发明的一种基于大数据的电网规划适应性方法的神经网络模型示意图。
通过“接线模式、线路长度、用户数、线路负载率、分段数、绝缘化率、电缆化率、树(竹)障长度比例、运行超20年设备比例、无联络大分支数、环网站带母联比例、是否标准接线”等参数作为输入参数，以“用户供电可靠性”为输出参数，建立起一个如图2所示的BPNN神经网络模型。
S4.提取规划特征要素，通过BPNN神经网络算法的训练分析结果中提取出电网精准规划相关的特征要素，具体包括：站房规划要素、网架规划要素。
以上所述的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (6)

1.一种基于大数据的电网规划适应性方法，其特征在于，包括以下步骤：
S1.选取多维规划指标，从电网可靠性、结构、用户、投资角度开展，以规划业务视角对现状电网进行精准分析，选取多维配网规划分析指标；
S2.电网规划特征分析，提出规划特征要素与综合评价指标体系，应用形成的规划特征与运行指标分析方法对未来相关区域电网运行指标进行评估；
S3.建立神经网络模型，研究分析适应于规划特征信息数据与电网运行相关影响的机器学习方法；
S4.提取规划特征要素，通过BPNN神经网络算法的训练分析结果中提取出电网精准规划相关的特征要素。
2.如权利要求1所述的一种基于大数据的电网规划适应性方法，其特征在于，步骤S1所述的选取多维规划指标，其指标包括：供电可靠率、线路“N-1”通过率、线路平均供电半径、接线模式合理率、户均配变容量、线路平均装接容量、单位资产增售电量和单位投资增供负荷。
3.如权利要求1所述的一种基于大数据的电网规划适应性方法，其特征在于，步骤S2所述的电网规划特征分析，具体包括：网架结构适应性、供电能力适应性、装备水平适应性、负荷特性适应性和新元素并网适应性。
4.如权利要求1所述的一种基于大数据的电网规划适应性方法，其特征在于，步骤S3所述的机器学习方法，具体包括：选取机器学习中的BPNN神经网络算法。
5.如权利要求1所述的一种基于大数据的电网规划适应性方法，其特征在于，步骤S4所述的通过BPNN神经网络算法的训练分析结果中提取出电网精准规划相关的特征要素。
6.如权利要求5所述的一种基于大数据的电网规划适应性方法，其特征在于，所述特征要素具体包括站房规划要素和网架规划要素。
CN202010184748.7A 2020-03-17 2020-03-17 一种基于大数据的电网规划适应性方法 Pending CN111582626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010184748.7A CN111582626A (zh) 2020-03-17 2020-03-17 一种基于大数据的电网规划适应性方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010184748.7A CN111582626A (zh) 2020-03-17 2020-03-17 一种基于大数据的电网规划适应性方法

Publications (1)

Publication Number Publication Date
CN111582626A true CN111582626A (zh) 2020-08-25

Family

ID=72111452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010184748.7A Pending CN111582626A (zh) 2020-03-17 2020-03-17 一种基于大数据的电网规划适应性方法

Country Status (1)

Country Link
CN (1) CN111582626A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396294A (zh) * 2020-10-29 2021-02-23 国网河北省电力有限公司无极县供电分公司 一种基于大数据的电网规划智能辅助分析方法
CN114511179A (zh) * 2021-12-28 2022-05-17 江苏东晔电气设备有限公司 一种处理配电柜异常的智能规划方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999792A (zh) * 2012-12-20 2013-03-27 诸暨市供电局 一种配电网资源优化配置综合评价的方法
CN105184420A (zh) * 2015-09-25 2015-12-23 东南大学 一种基于灰色关联分析的充电站规划方案评估方法
CN106600139A (zh) * 2015-05-29 2017-04-26 江苏省电力公司常州供电公司 配电网可靠性评价方法
CN106991531A (zh) * 2017-03-30 2017-07-28 国家电网公司 基于bp神经网络的配电网项目建设效果后评价方法
KR20180060317A (ko) * 2016-11-28 2018-06-07 한국전력공사 심층 신경망 기반 수용가 전력 수요 예측 장치 및 방법
CN109409770A (zh) * 2018-11-13 2019-03-01 国家电网有限公司 一种基于神经网络的农村电网智能水平评价方法
CN109768568A (zh) * 2018-12-24 2019-05-17 贵州电网有限责任公司 基于大数据分析的分布式电源接入配电网规划改造方法
CN109784760A (zh) * 2019-01-31 2019-05-21 国网内蒙古东部电力有限公司经济技术研究院 一种基于配电网等值低负荷密度的输配电网协调规划方法
CN109858773A (zh) * 2019-01-07 2019-06-07 国网吉林省电力有限公司长春供电公司 多源大数据融合的城市电网规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999792A (zh) * 2012-12-20 2013-03-27 诸暨市供电局 一种配电网资源优化配置综合评价的方法
CN106600139A (zh) * 2015-05-29 2017-04-26 江苏省电力公司常州供电公司 配电网可靠性评价方法
CN105184420A (zh) * 2015-09-25 2015-12-23 东南大学 一种基于灰色关联分析的充电站规划方案评估方法
KR20180060317A (ko) * 2016-11-28 2018-06-07 한국전력공사 심층 신경망 기반 수용가 전력 수요 예측 장치 및 방법
CN106991531A (zh) * 2017-03-30 2017-07-28 国家电网公司 基于bp神经网络的配电网项目建设效果后评价方法
CN109409770A (zh) * 2018-11-13 2019-03-01 国家电网有限公司 一种基于神经网络的农村电网智能水平评价方法
CN109768568A (zh) * 2018-12-24 2019-05-17 贵州电网有限责任公司 基于大数据分析的分布式电源接入配电网规划改造方法
CN109858773A (zh) * 2019-01-07 2019-06-07 国网吉林省电力有限公司长春供电公司 多源大数据融合的城市电网规划方法
CN109784760A (zh) * 2019-01-31 2019-05-21 国网内蒙古东部电力有限公司经济技术研究院 一种基于配电网等值低负荷密度的输配电网协调规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张琦、贾梦雨: "基于神经网络评价的农村电网投资分配决策研究", 《电力大数据》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112396294A (zh) * 2020-10-29 2021-02-23 国网河北省电力有限公司无极县供电分公司 一种基于大数据的电网规划智能辅助分析方法
CN114511179A (zh) * 2021-12-28 2022-05-17 江苏东晔电气设备有限公司 一种处理配电柜异常的智能规划方法及系统
CN114511179B (zh) * 2021-12-28 2023-09-12 江苏东晔电气设备有限公司 一种处理配电柜异常的智能规划方法及系统

Similar Documents

Publication Publication Date Title
CN106570784B (zh) 电压监测一体化模型
CN103715767B (zh) 智能电网信息集成与展示平台
CN108074021A (zh) 一种配电网风险辨识系统及方法
CN103914791A (zh) 一种电力设备状态检修系统
CN109657959A (zh) 一种含多元数据的配电网规划计算分析方法
CN104318374A (zh) 计及上游恢复供电操作时间的中压配电网可靠性评估方法
CN104992382A (zh) 一种面向配电网现状评估的数据融合方法
CN108520362A (zh) 一种农村智能电网水平的综合评价方法
CN112134277B (zh) 基于全网营配多源数据的电网拓扑优化校核方法及系统
CN110879327A (zh) 一种多元数据融合10kv线路监测方法
CN111552925A (zh) 一种交直流混联配电网综合评价指标体系构建方法
CN111582626A (zh) 一种基于大数据的电网规划适应性方法
CN105760971A (zh) 一种基于可靠性比较分析的城市电网结构优化方法
CN112001686A (zh) 一种架空线路停电研判系统
CN113949155A (zh) 一种具有实时监测功能的全景式电能质量监测系统
CN112396311A (zh) 一种变压器负载过载风险评估方法
CN102338835B (zh) 一种电能质量动态监测系统
CN116298675A (zh) 一种基于智能算法的配电网线损异常检测方法及系统
CN114172146B (zh) 一种实时可视化电网业务需求规划智能辅助决策系统
CN108256770A (zh) 基于移动应用的光伏发电站运维管控系统
CN114814402A (zh) 基于一体化电量及线损系统大数据的异常用电分析方法
CN103049661B (zh) Gis剩余使用寿命评估方法和系统
Luo et al. Research and application of GIS‐based medium‐voltage distribution network comprehensive technical evaluation system
CN113256178B (zh) 一种配网运行方式合理性评估方法和系统
CN115189472A (zh) 一种电网规划综合数据平台管理系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200825