CN111612233A - 一种配电网线路重跳影响因素重要性得分获取方法及装置 - Google Patents

一种配电网线路重跳影响因素重要性得分获取方法及装置 Download PDF

Info

Publication number
CN111612233A
CN111612233A CN202010402413.8A CN202010402413A CN111612233A CN 111612233 A CN111612233 A CN 111612233A CN 202010402413 A CN202010402413 A CN 202010402413A CN 111612233 A CN111612233 A CN 111612233A
Authority
CN
China
Prior art keywords
data
distribution network
power distribution
jump
power failure
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
CN202010402413.8A
Other languages
English (en)
Inventor
聂鼎
范黎涛
宋忧乐
杨金东
骆怡
林广宏
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.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid 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 Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202010402413.8A priority Critical patent/CN111612233A/zh
Publication of CN111612233A publication Critical patent/CN111612233A/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H7/00—Emergency protective circuit arrangements specially adapted for specific types of electric machines or apparatus or for sectionalised protection of cable or line systems, and effecting automatic switching in the event of an undesired change from normal working conditions
    • H02H7/26—Sectionalised protection of cable or line systems, e.g. for disconnecting a section on which a short-circuit, earth fault, or arc discharge has occured
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • 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
    • Y04S10/20—Systems supporting electrical power generation, transmission or distribution using protection elements, arrangements or systems
    • 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
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/12—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment
    • Y04S40/124—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them characterised by data transport means between the monitoring, controlling or managing units and monitored, controlled or operated electrical equipment using wired telecommunication networks or data transmission busses

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请涉及电网设备制造技术领域，特别地，涉及一种配电网线路重跳影响因素重要性得分获取方法及装置。所述方法包括：S1、根据配电网台账、及连接关系数据构建配电网网架拓扑图；S2、基于配电网系统、气象监测系统抽取停电事件的停电数据；S3、基于所述停电数据、配电网网架拓扑图构建对应关系；S4、对所述停电数据进行预处理，并根据停电事件的影响因素获取特征值；S5、基于所述特征值，构建随机森林回归预测模型，获取未来停电事件概率；S6、基于所述未来停电事件概率计算得到线路重跳影响因素重要性得分。

Description

一种配电网线路重跳影响因素重要性得分获取方法及装置
技术领域
本申请涉及电网设备制造技术领域，特别地，涉及一种配电网线路重跳影响因素重要性得分获取方法及装置。
背景技术
配电网线路重跳是指由于电网供电区域扩大、线路的分支较多、供电半径较长、设备的老化较多，种种内外因素导致配电网防御力下降，易发生跳闸，甚至是出现频繁跳闸的现象。
传统降低停电事件发生概率的手段是采用制度管理，进行严格的巡回检查制度，要对线路设备的状况了解，并且及时对隐患进行消除。另一种方法是通过硬件规避，例如加装线路开关设备，设置开关定值，避免线路因为故障越级，安装位置应方便巡视，便于操作，防止开关停电时影响的范围扩大，在开关处安装避雷器；在雷雨季节来临前对配电变压器、开关、线路进行避雷器的安装，定期进行工频放电电压、绝缘电阻实验，并对存在缺陷的避雷设备进行定期更换。
然而，以上措施需要人为主动参与、效率低、并且无法有效进行提前预防和定位预警。
发明内容
本申请提供了一种配电网线路重跳影响因素重要性得分获取方法及装置，通过内部数据和外部数据相结合，构建随机森林模型、指数平滑等一系列数据分析挖掘算法，对配网线路重跳事件影响因素展开深入分析。
本申请的实施例是这样实现的：
本申请实施例的第一方面提供一种配电网线路重跳影响因素重要性得分获取方法，所述方法包括：
S1、根据配电网台账、及连接关系数据构建配电网网架拓扑图；
S2、基于配电网系统、气象监测系统抽取停电事件的停电数据；
S3、基于所述停电数据、配电网网架拓扑图构建对应关系；
S4、对所述停电数据进行预处理，并根据停电事件的影响因素获取特征值；
S5、基于所述特征值，构建随机森林回归预测模型，获取未来停电事件概率；
S6、基于所述未来停电事件概率计算得到线路重跳影响因素重要性得分。
本申请实施例的第二方面提供一种配电网线路重跳影响因素重要性得分获取装置，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时执行如本申请实施例的第一方面提供发明内容中任意一项所述的方法。
本申请实施例的第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令中的至少部分指令被处理器执行时，实现如本申请实施例的第一方面提供发明内容中任意一项所述的方法。
本申请的有益效果在于：通过内部数据和外部数据相结合，构建随机森林模型、指数平滑等一系列数据分析挖掘算法，对配网线路重跳事件影响因素展开深入分析，为配电网线路运维提供指导，为提高配电网线路运行的可靠性提供参考，从而降低其故障跳闸率，减少非计划停电所带来的负面影响。
附图说明
具体为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请的一些实施例所示的一种配电网线路重跳影响因素重要性得分获取系统的示意图；
图2是根据本申请的一些实施例所示的一种示例性计算设备的示意图；
图3示出了本申请实施例一种配电网线路重跳影响因素重要性得分获取方法流程示意图；
图4示出了本申请实施例随机森林回归预测模型构建步骤示意图；
图5示出了本申请实施例一种配电网线路重跳影响因素重要性得分获取方法中随机森林回归树构建示意图。
具体实施方式
现在将描述某些示例性实施方案，以从整体上理解本文所公开的装置和方法的结构、功能、制造和用途的原理。这些实施方案的一个或多个示例已在附图中示出。本领域的普通技术人员将会理解，在本文中具体描述并示出于附图中的装置和方法为非限制性的示例性实施方案，并且本发明的多个实施方案的范围仅由权利要求书限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征进行组合。这种修改和变型旨在包括在本发明的范围之内。
本说明书通篇提及的″多个实施例″、″一些实施例″、″一个实施例″或″实施例″等，意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语″在多个实施例中″、″在一些实施例中″、″在至少另一个实施例中″或″在实施例中″等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本发明的范围之内。
图1是根据本申请的一些实施例所示的一种配电网线路重跳影响因素重要性得分获取系统100的示意图。配电网线路重跳影响因素重要性得分获取系统100是一个为可以自动对配电网线路重跳影响因素重要性得分获取处理的平台。配电网线路重跳影响因素重要性得分获取系统100可以包括一个服务器110、至少一个存储设备120、至少一个网络130、一个或多个数据采集设备150-1、150-2......150-N。服务器110可以包括一个处理引擎112。
在一些实施例中，服务器110可以是一个单独的服务器或者一个服务器群组。所述服务器群组可以是集中式的或分布式的(例如，服务器110可以是一个分布式的系统)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络130访问存储在存储设备120中的数据。服务器110可以直接连接到存储设备120访问存储数据。在一些实施例中，服务器110可以在一个云平台上实现。所述云平台可以包括私有云、公共云、混合云、社区云、分布云、多重云等或上述举例的任意组合。在一些实施例中，服务器110可以在与本申请图2所示的计算设备上实现，包括计算设备200中的一个或多个部件。
在一些实施例中，服务器110可以包括一个处理引擎112。处理引擎112可以处理与服务请求相关的信息和/或数据以执行本申请描述的一个或多个功能。例如，处理引擎112可以基于获取数据采集设备150传送的停电数据，并通过网络130发送至存储设备120，用于更新存储在其中的数据。在一些实施例中，处理引擎112可以包括一个或多个处理器。处理引擎112可以包括一个或多个硬件处理器，例如中央处理器(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理器(GPU)、物理运算处理器(PPU)、数字信号处理器(DSP)、现场可编辑门阵列(FPGA)、可编辑逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或上述举例的任意组合。
存储设备120可以存储数据和/或指令。在一些实施例中，存储设备120可以存储从数据采集设备150获得的停电数据。在一些实施例中，存储设备120可以存储供服务器110执行或使用的数据和/或指令，服务器110可以通过执行或使用所述数据和/或指令以实现本申请描述的实施例方法。在一些实施例中，存储设备120可以包括大容量存储器、可移动存储器、挥发性读写存储器、只读存储器(ROM)等或上述举例的任意组合。在一些实施例中，存储设备120可以在一个云平台上实现。例如所述云平台可以包括私有云、公共云、混合云、社区云、分布云、多重云等或上述举例的任意组合。
在一些实施例中，存储设备120可以与网络130连接以实现与配电网线路重跳影响因素重要性得分获取系统100中的一个或多个部件之间的通信。配电网线路重跳影响因素重要性得分获取系统100的一个或多个部件可以通过网络130访问存储在存储设备120中的数据或指令。在一些实施例中，存储设备120可以直接与配电网线路重跳影响因素重要性得分获取系统100的一个或多个部件连接或通信。在一些实施例中，存储设备120可以是服务器110的一部分。
网络130可以促进信息和/或数据的交换。在一些实施例中，配电网线路重跳影响因素重要性得分获取系统100中的一个或多个部件可以通过网络130向配电网线路重跳影响因素重要性得分获取系统100中的其他部件发送信息和/或数据。例如，服务器110可以通过网络130从数据采集设备150获取/得到停电数据。在一些实施例中，网络130可以是有线网络或无线网络中的任意一种，或其组合。在一些实施例中，网络130可以包括一个或多个网络接入点。例如，网络130可能包括有线或无线网络接入点，如基站和/或互联网交换点130-1、130-2等等。通过接入点，配电网线路重跳影响因素重要性得分获取系统100的一个或多个部件可能连接到网络130以交换数据和/或信息。
数据采集设备150可以包括故障数据、缺陷数据、负荷数据、停电计划等运行数据、天气数据、气象数据等。在一些实施例中，数据采集设备150可以将采集到的停电数据发送到配电网线路重跳影响因素重要性得分获取系统100中的一个或多个设备中。例如，数据采集设备150可以停电数据发送至服务器110进行处理，或存储设备120中进行存储。
图2是根据本申请的一些实施例所示的一种示例性计算设备200的示意图。服务器110、存储设备120和数据采集设备150可以在计算设备200上实现。例如，处理引擎112可以在计算设备200上实现并被配置为实现本申请中所披露的功能。
计算设备200可以包括用来实现本申请所描述的系统的任意部件。例如，处理引擎112可以在计算设备200上通过其硬件、软件程序、固件或其组合实现。为了方便起见图中仅绘制了一台计算机，但是本申请所描述的与配电网线路重跳影响因素重要性得分获取系统100相关的计算功能可以以分布的方式、由一组相似的平台所实施，以分散系统的处理负荷。
计算设备200可以包括与网络连接的通信端口250，用于实现数据通信。计算设备200可以包括一个处理器220，可以以一个或多个处理器的形式执行程序指令。示例性的电脑平台可以包括一个内部总线210、不同形式的程序存储器和数据存储器包括，例如，硬盘270、和只读存储器(ROM)230或随机存储器(RAM)240，用于存储由计算机处理和/或传输的各种各样的数据文件。示例性的计算设备可以包括存储在只读存储器230、随机存储器240和/或其他类型的非暂时性存储介质中的由处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200也包括输入/输出部件260，用于支持电脑与其他部件之间的输入/输出。计算设备200也可以通过网络通讯接收本披露中的程序和数据。
为理解方便，图2中仅示例性绘制了一个处理器。然而，需要注意的是，本申请中的计算设备200可以包括多个处理器，因此本申请中描述的由一个处理器实现的操作和/或方法也可以共同地或独立地由多个处理器实现。例如，如果在本申请中，计算设备200的处理器执行步骤1和步骤2，应当理解的是，步骤1和步骤2也可以由计算设备200的两个不同的处理器共同地或独立地执行。
图3示出了本申请实施例一种配电网线路重跳影响因素重要性得分获取方法流程示意图。
在步骤S1中，根据配电网台账、及连接关系数据构建配电网网架拓扑图。
配电网台账是电力系统配网中各种设备、机构的数据记录，所述数据记录包括变电站、母线、线路、负荷开关、断路器、熔断器、支线、柱上开关、变压器等。由于设备多样、连接关系复杂，不同数据源的台账数据相互独立，配电网台帐可实现数据的整合。
在一些实施例中，所述连接关系包括将所有的变电站、线路、变压器及其它导电设备相互连接形成以变电站为中心的多链路网状结构。将所有的″站-线-变″及其它导电设备相互连接，形成以″站″为中心的多链路网状结构，实现配电网网架拓扑图中有关″站-线-变″的网状逻辑结构。所述配电网网架拓扑图具有统一性。
在步骤S2中，基于配电网系统、气象监测系统抽取停电事件的停电数据。
所述配电网系统为GIS系统、调度系统、资产管理系统中的一种或多种组合。
所述停电数据包括故障数据、缺陷数据、负荷数据、停电计划等运行数据、天气数据、气象数据等。
从GIS系统、调度系统、资产管理等系统抽取故障数据、缺陷数据、负荷数据、停电计划等运行数据，从气象监测系统中获取天气数据、气象数据等。
在步骤S3中，基于所述停电数据、配电网网架拓扑图构建对应关系。
将抽取到的数据与配电网网架拓扑图建立对应关系，其中包括建立配电网运行数据与配电网网架及设备的对应关系，以及天气数据与行政区域、配电网网架及设备的对应关系。
在步骤S4中，对所述停电数据进行预处理，并根据停电事件的影响因素获取特征值。
在一些实施例中，对所述停电数据进行预处理，具体包括：对停电数据中的错误数据、重复数据、缺失数据进行预处理，根据停电事件影响因素选取特征值。
在一些实施例中，数据预处理包括对数据进行了中心化和标准化。对于神经网络模型来说，通过数据进行中心化和标准化处理，一定程度上能够提高梯度下降法中寻求最优解的速度，即收敛速率。
在步骤S5中，基于所述特征值，构建随机森林回归预测模型，获取未来停电事件概率。
以影响因素特征值作为输入建立随机森林回归预测模型，使用bootstrap方法从原始数据集N中随机抽取K个不同样本，作为各决策树的子训练集，利用每个样本训练集生成K棵决策树，从多维特征中随机抽取m个特征作为当前节点的分裂特征集，并以这m个特征中最好的分裂方式对该节点进行分裂，每颗树都完整生长而不进行剪枝，对于测试数据利用每棵决策树分别进行测试，最后的测试结果取平均值。针对预测未来停电事件发生概率时，需要采用指数平滑法预测各个影响因素未来影响停电事件发生的概率，然后将预测结果输入模型得到未来停电事件发生概率。
在一些实施例中，在一些实施例中，从特征值数据集中抽取一定比例的数据作为神经网络模型一级决策树的训练集，将剩余部分的数据作为神经网络模型一级决策树的测试集。例如可以在原始标定数据集中抽取70％的数据作为随机森林分类器一级决策树的训练集，将所述剩余部分30％的数据作为随机森林分类器一级决策树的测试集。
在一些实施例中，随机森林分类器一级决策树的构建过程可以通过从特征值数据集中使用Bootstraping(自助法)有放回的抽取n次，组成n个训练样本集，也就是说在训练集中，有些样本可能被多次抽取到，有些样本可能一次都没有被抽中。
Bootstraping是另一种模型验证评估的方法，以自助采样法(BootstrapSampling)为基础，通过有放回的采样或重复采样，也可以理解为是一种样本内抽样的方法。将样本看作总体并从中进行抽样，其实质是对观测信息进行再抽样，进而对总体的分布特性进行统计推断。首先，Bootstraping通过重抽样，可以避免造成样本减少的问题；其次，Bootstrap也可以用于创造数据的随机性。例如，本申请所述的随机森林分类器首先从特征值数据集中应用bootstrap方法有放回地随机抽取k个新的自助样本集，并由此构建k棵分类回归树。该方法充分利用了给定的观测信息，不需要模型提供其它的假设和增加新的观测样本，具有稳健性和效率高的特点。
在步骤S6中，基于所述未来停电事件概率计算得到线路重跳影响因素重要性得分。
基于停电事件发生概率计算线路重跳概率，进而得到线路重跳影响因素重要性得分，进一步对得分进行排序，得到重跳影响因素重要性排序。
图4示出了本申请实施例随机森林回归预测模型构建步骤示意图。
在步骤401中，将所述特征值进行数据接入，将所述特征值转化为数值形式。
将特征值的数据接入，将特征数据转化为数值形式。
在步骤402中，将所述特征值划分为测试集与训练集。
首先，输入垃圾分类模型所需的训练数据。
在机器学习领域中，一般需要将样本分成独立的三部分，分别是训练集、验证集、和测试集。其中训练集用于估计模型，验证集用于确定网络结构或者控制模型复杂程度的参数，测试集则用于检验最终选择最优的模型的性能如何。
在一些实施例中，可以将训练数据进行划分，训练集占总样本的50％，而其它各占25％，三部分都是从样本中随机抽取。
在一些实施例中，当训练数据，即样本总量较少的时候，可以留少部分的训练数据作为测试集；然后对其余N个样本采用K折交叉验证法。就是将样本打乱，然后均匀分成K份，轮流选择其中K-1份训练，剩余的一份做验证，计算预测误差平方和，最后把K次的预测误差平方和再做平均作为选择最优模型结构的依据。
在步骤403中，基于所述训练集构造随机森林回归预测模型，设置决策树数量参数，设置交叉验证参数。
应用随机森林回归预测算法，利用训练集数据构造随机森林回归预测模型，设置决策树数量参数，设置交叉验证参数。
在一些实施例中，当训练数据，即样本总量较少的时候，可以留少部分的训练数据作为测试集；然后对其余N个样本采用K折交叉验证法。就是将样本打乱，然后均匀分成K份，轮流选择其中K-1份训练，剩余的一份做验证，计算预测误差平方和，最后把K次的预测误差平方和再做平均作为选择最优模型结构的依据。
决策树包括以下常用参数：信息增益和信息增益的熵。其中，信息增益的熵用于表示信息量的大小，信息量越大对应的熵值就越大，信息量越小对应的熵值就越小。决策树在生长过程中，从根节点到最后的叶节点，信息熵是下降的过程，每一步下降的量就称为信息增益。
在步骤404中，通过计算估计量与被估计量之间的均方误差，调整模型参数使得每棵树的均方误差足够小。
在一些实施例中，对于决策树可以通过剪枝以防止后续随机森林模型的过拟合。
完整的决策树并不是一棵分类预测新数据对象的最佳树。其原因是完整的决策树过于精确，随着决策树的生长，决策树分枝时所处理的样本数量在不断减少，决策树对数据总体代表程度在不断下降。在对根节点进行分枝时，处理的是全部样本，再往下分枝，则是处理的不同分组下的样本。可见随着决策树的生长和样本数量的不断减少，越深层处的节点所体现的数据特征就越个性化，失去一般代表性而无法应用于新数据分类预测的现象，叫过度拟合或过度学习。因此需要通过修剪技术进行处理，所述修剪包括预修剪和后修剪。
预剪枝就是在构造决策树的过程中，先对每个节点在划分前进行估计，如果当前节点的划分不能带来决策树模型泛化性能的提升，则不对当前节点进行划分并且将当前节点标记为叶节点。对比未剪枝的决策树和经过预剪枝的决策树，预剪枝使得决策树的很多分支都没有″展开″，这不仅降低了过拟合的风险，还显著减少了决策树的训练时间开销和测试时间开销。另一方面，虽然当前划分不能提升泛化性能，但是基于该划分的后续划分却有可能导致性能提升，因此预剪枝决策树有可能带来欠拟合的风险。
后剪枝就是先把整颗决策树构造完毕，然后自下向上的对非叶节点进行考察，若将节点对应的子树换为叶节点能够带来泛化性能的提升，则把所述子树替换为叶节点。
对比预剪枝和后剪枝可以发现，后剪枝决策树通常比预剪枝决策树保留了更多的分支，一般情形下，后剪枝决策树的欠拟合风险小，泛化性能也要优于预剪枝决策树。但后剪枝过程是在构建完成决策树之后进行的，并且要自下向上对决策树中的所有非叶节点进行逐一考察，因此其训练时间开销要比未剪枝决策树和预剪枝决策树多，如图5所示一种配电网线路重跳影响因素重要性得分获取方法中随机森林回归树构建示意图。
在步骤405中，基于所述测试集进行预测，输出最优模型。
在一些实施例中，如果需要在多个不同的模型中进行选择，可以预先提取测试集，然后在剩余的数据集上用自助法验证模型，选择验证误差最小的模型作为最终模型，然后用训练集和测试集根据最终模型的参数设置训练出一个新的模型，作为最优模型。
本申请实施例还提供了一种配电网线路重跳影响因素重要性得分获取装置，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时执行如本申请实施例所述配电网线路重跳影响因素得分获取方法的内容。
本申请实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令中的至少部分指令被处理器执行时，实现如本申请配电网线路重跳影响因素得分获取方法的内容。
本申请的有益效果在于，通过内部数据和外部数据相结合，构建随机森林模型、指数平滑等一系列数据分析挖掘算法，对配网线路重跳事件影响因素展开深入分析，为配电网线路运维提供指导，为提高配电网线路运行的可靠性提供参考，从而降低其故障跳闸率，减少非计划停电所带来的负面影响。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为″数据块″、″模块″、″引擎″、″单元″、″组件″或″系统″。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内合有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)、或连接至外部计算机(例如通过因特网)、或在云计算环境中、或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

Claims (10)

1.一种配电网线路重跳影响因素重要性得分获取方法，其特征在于，所述方法包括：
S1、根据配电网台账、及连接关系数据构建配电网网架拓扑图；
S2、基于配电网系统、气象监测系统抽取停电事件的停电数据；
S3、基于所述停电数据、配电网网架拓扑图构建对应关系；
S4、对所述停电数据进行预处理，并根据停电事件的影响因素获取特征值；
S5、基于所述特征值，构建随机森林回归预测模型，获取未来停电事件概率；
S6、基于所述未来停电事件概率计算得到线路重跳影响因素重要性得分。
2.如权利要求1所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，所述配电网网架拓扑图具有统一性。
3.如权利要求1所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，所述配电网系统为GIS系统、调度系统、资产管理系统中的一种或多种组合。
4.如权利要求1所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，
所述停电数据包括故障数据、缺陷数据、负荷数据、停电计划等运行数据、天气数据、气象数据等；
所述天气数据、气象数据来自于所述气象监测系统。
5.如权利要求1所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，所述对应关系包括：
配电网运行数据与配电网网架及设备的对应关系；
天气数据与行政区域、配电网网架及设备的对应关系。
6.如权利要求4所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，对所述停电数据进行预处理，具体包括：对停电数据中的错误数据、重复数据、缺失数据进行预处理，根据停电事件影响因素选取特征值。
7.如权利要求1所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，所述随机森林回归预测模型，其构建步骤执行如下：
将所述特征值进行数据接入，将所述特征值转化为数值形式；
将所述特征值划分为测试集与训练集；
基于所述训练集构造随机森林回归预测模型，设置决策树数量参数，设置交叉验证参数；
通过计算估计量与被估计量之间的均方误差，调整模型参数使得每棵树的均方误差足够小；
基于所述测试集进行预测，输出最优模型。
8.如权利要求1所述配电网线路重跳影响因素重要性得分获取方法，其特征在于，在计算得到重跳影响因素得分后，还包括：基于所述重跳影响因素重要性得分，获取重跳影响因素重要性排序结果。
9.一种配电网线路重跳影响因素重要性得分获取装置，其特征在于，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时执行如权利要求1-8中任一所述配电网线路重跳影响因素得分获取方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令中的至少部分指令被处理器执行时，实现如权利要求1～8中任意一项所述配电网线路重跳影响因素重要性得分获取方法。
CN202010402413.8A 2020-05-13 2020-05-13 一种配电网线路重跳影响因素重要性得分获取方法及装置 Pending CN111612233A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010402413.8A CN111612233A (zh) 2020-05-13 2020-05-13 一种配电网线路重跳影响因素重要性得分获取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010402413.8A CN111612233A (zh) 2020-05-13 2020-05-13 一种配电网线路重跳影响因素重要性得分获取方法及装置

Publications (1)

Publication Number Publication Date
CN111612233A true CN111612233A (zh) 2020-09-01

Family

ID=72199425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010402413.8A Pending CN111612233A (zh) 2020-05-13 2020-05-13 一种配电网线路重跳影响因素重要性得分获取方法及装置

Country Status (1)

Country Link
CN (1) CN111612233A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191568A (zh) * 2021-05-21 2021-07-30 上海市气象灾害防御技术中心(上海市防雷中心) 基于气象的城市运行管理大数据分析预测方法和系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675600A (zh) * 2013-09-05 2014-03-26 国家电网公司 基于拓扑知识的配电网故障诊断系统及方法
CN106936127A (zh) * 2017-02-28 2017-07-07 国家电网公司 一种线路负荷回归分析与预测方法及系统
CN108846517A (zh) * 2018-06-12 2018-11-20 清华大学 一种分位数概率性短期电力负荷预测集成方法
CN109460004A (zh) * 2018-10-26 2019-03-12 国网天津市电力公司 基于大数据的配电网故障预测方法及系统
CN109657912A (zh) * 2018-11-15 2019-04-19 国网浙江省电力有限公司金华供电公司 一种可视化的电网风险管控方法及系统
CN109816161A (zh) * 2019-01-14 2019-05-28 中国电力科学研究院有限公司 一种配电网运行辅助决策分析系统及其应用方法
CN110276370A (zh) * 2019-05-05 2019-09-24 南京理工大学 一种基于随机森林的道路交通事故风险因素分析方法
KR20200001903A (ko) * 2018-06-28 2020-01-07 한국과학기술연구원 발전소 고장 예측 및 진단시스템과 그 방법
CN111027629A (zh) * 2019-12-13 2020-04-17 国网山东省电力公司莱芜供电公司 基于改进随机森林的配电网故障停电率预测方法及系统
CN111192010A (zh) * 2019-12-25 2020-05-22 国网北京市电力公司 台账数据处理方法和装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675600A (zh) * 2013-09-05 2014-03-26 国家电网公司 基于拓扑知识的配电网故障诊断系统及方法
CN106936127A (zh) * 2017-02-28 2017-07-07 国家电网公司 一种线路负荷回归分析与预测方法及系统
CN108846517A (zh) * 2018-06-12 2018-11-20 清华大学 一种分位数概率性短期电力负荷预测集成方法
KR20200001903A (ko) * 2018-06-28 2020-01-07 한국과학기술연구원 발전소 고장 예측 및 진단시스템과 그 방법
CN109460004A (zh) * 2018-10-26 2019-03-12 国网天津市电力公司 基于大数据的配电网故障预测方法及系统
CN109657912A (zh) * 2018-11-15 2019-04-19 国网浙江省电力有限公司金华供电公司 一种可视化的电网风险管控方法及系统
CN109816161A (zh) * 2019-01-14 2019-05-28 中国电力科学研究院有限公司 一种配电网运行辅助决策分析系统及其应用方法
CN110276370A (zh) * 2019-05-05 2019-09-24 南京理工大学 一种基于随机森林的道路交通事故风险因素分析方法
CN111027629A (zh) * 2019-12-13 2020-04-17 国网山东省电力公司莱芜供电公司 基于改进随机森林的配电网故障停电率预测方法及系统
CN111192010A (zh) * 2019-12-25 2020-05-22 国网北京市电力公司 台账数据处理方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘远龙等: "《配网调控知识问答》", vol. 2016, 山东科学技术出版社, pages: 101 - 103 *
张群洪;: "基于集成智能方法的电力短期负荷预测", no. 02, pages 354 - 361 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191568A (zh) * 2021-05-21 2021-07-30 上海市气象灾害防御技术中心(上海市防雷中心) 基于气象的城市运行管理大数据分析预测方法和系统
CN113191568B (zh) * 2021-05-21 2024-02-02 上海市气象灾害防御技术中心(上海市防雷中心) 基于气象的城市运行管理大数据分析预测方法和系统

Similar Documents

Publication Publication Date Title
CN109507535B (zh) 变电站接地网运行阶段及运行寿命预测方法及装置
CN111027629B (zh) 基于改进随机森林的配电网故障停电率预测方法及系统
CN112214496B (zh) 基于大数据分析的化妆品生产线安全监测方法及云服务器
CN112085285B (zh) 母线负荷预测方法、装置、计算机设备和存储介质
CN107784395A (zh) 一种基于lstm人工神经网络的输电线路覆冰厚度预测方法
CN115422788B (zh) 一种配电网线损分析管理方法、装置、存储介质及系统
CN114065634A (zh) 一种数据驱动的电能质量监测布点优化方法及装置
CN116227637A (zh) 一种面向有源配电网的精细化负荷预测方法和系统
CN111612231B (zh) 一种配网线路重跳模型融合处理方法及装置
CN110766236A (zh) 基于统计分析和深度学习的电力设备状态趋势预测方法
CN114547816A (zh) 一种配电网可靠性智能分析方法及装置
CN116706992A (zh) 一种分布式光伏集群的自适应功率预测方法、装置和设备
CN111612233A (zh) 一种配电网线路重跳影响因素重要性得分获取方法及装置
CN111600309B (zh) 电压控制方法、装置、设备、计算机设备和存储介质
CN110045197B (zh) 一种配网故障预警方法
CN105279617A (zh) 配电网待建项目对电网可靠性影响的计算方法
CN117114161A (zh) 一种基于元学习的输电线路风偏闪络风险的预测方法
CN111612232B (zh) 基于梯度下降的配电网线路重跳概率预测优化方法和装置
Cheng et al. Reactive Power Load Forecasting based on K-means Clustering and Random Forest Algorithm
CN115617633A (zh) 一种覆冰监测终端维护方法及相关设备
CN110458438A (zh) 植被水分利用效率wue的影响因子的计算方法及装置
CN115034586A (zh) 强对流天气架空线停电风险预测方法及装置
CN115085368A (zh) 变压器健康状态监测方法、装置、计算机设备和存储介质
CN113256444A (zh) 一种低压台区户变关系辨识方法和装置
CN111884254A (zh) 基于双重随机模拟的分布式光伏消纳接入方法及装置

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: 20200901