CN111612279A - 一种基于边缘计算的电网状态预测方法及预测系统 - Google Patents
一种基于边缘计算的电网状态预测方法及预测系统 Download PDFInfo
- Publication number
- CN111612279A CN111612279A CN202010522762.3A CN202010522762A CN111612279A CN 111612279 A CN111612279 A CN 111612279A CN 202010522762 A CN202010522762 A CN 202010522762A CN 111612279 A CN111612279 A CN 111612279A
- Authority
- CN
- China
- Prior art keywords
- power grid
- data
- layer
- edge
- grid state
- 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.)
- Withdrawn
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 238000003062 neural network model Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 3
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提出了一种基于边缘计算的电网状态预测方法及预测系统，属于电气工程科学领域，通过建立多源数据驱动的电网状态预测模型，实现电网状态的准确预测，具体包含如下步骤；通过对边缘节点的有效利用，实现电网数据的就地管控与分析；通过在边缘层建立的遗传算法优化BP神经网络模型，对电网历史数据进行训练，实现电网状态的预测与评估。电系统中引入边缘计算模块，缩短了数据源与处理源之间的物理距离，从而减少传输过程中的数据量和时延，快速完成数据的分析和处理。
Description
技术领域
本发明涉及电气工程科学领域，具体涉及一种基于边缘计算的电网状态预测方法及预测系统。
背景技术
国家电网公司在工作报告中提出了建立泛在电力物联网的要求，指出通过泛在的物联感知技术赋予电力系统动态的灵活感知、实时通信、智能控制和可靠的信息安全等能力，为电力系统的监测管理提供了新机遇。一方面，物联网技术的应用实现了人与物，物与物的连接，实现了电网状态的全景监测以及信息的有效传递[1]。另一方面，大量终端设备的接入使得海量冗余数据占用了系统内的传输带宽[2-3]，传统的云计算架构很难为接入设备提供及时的响应，必须采用边缘计算实现大量数据的实时处理，确保电网的稳定运行。
电力系统监测分为人工检修和基于智能化技术的动态在线监测[4]。考虑到电网规模以及人员管理等问题，当前主要采用智能化的管理手段，通过传感技术获取电网的各项参数传输至主站平台，进行数据的分析处理以快速获得电网运行状态[5]。当前的设备监测大都是实时监测，一般是在发现故障问题后进行检修，对于潜在的故障难以及时准确的发现。为更好地对电网运行状态进行管理，合理的状态预测十分重要。
随着智能电网的发展和大量传感终端设备的接入，电网状态监测过程中数据集聚压力增长，传统的集中式数据处理和分析方法很难满足电力网络的实时响应需求，面临巨大的挑战。考虑到电网传感数据中很多数据具有非常强的局部相关性，本方法将边缘计算引入到用于电网状态监测中，通过在边缘侧对数据进行预处理，分担云平台的计算任务，提高系统的响应速度，并降低系统的功耗。
发明内容
有鉴于现有技术的上述缺陷，本发明提出了一种基于边缘计算的电网状态预测方法，所提基于边缘计算的电网状态预测系统，通过在每个配电系统中引入边缘计算模块，缩短了数据源与处理源之间的物理距离，从而减少传输过程中的数据量和时延，快速完成数据的分析和处理，通过建立多源数据驱动的电网状态预测模型，实现电网状态的准确预测。
本发明为解决上述技术问题采用以下技术方案：
一种基于边缘计算的电网状态预测方法，通过建立多源数据驱动的电网状态预测模型，实现电网状态的准确预测，具体包含如下步骤；
步骤1，通过对边缘节点的有效利用，实现电网数据的就地管控与分析；
步骤2，通过在边缘层建立的遗传算法优化BP神经网络模型，对电网历史数据进行训练，实现电网状态的预测与评估。
一种基于边缘计算的电网状态预测方法的电网状态预测系统，其特征在于：包含感知层、网络层、数据层和应用层；
其中，感知层包含部署在配电站房的各类环境监测传感设备以及用户用能采集设备，同时边侧终端对上配置远程通信模块，对下配置本地通信模块，用于支撑配电线路和交直流混合配电网范围内各型大量的感知设备的接入，实现配电网和交直流配电网感知全覆盖；
网络层包含宽带载波、微功率无线和RS485总线，用于电网信息经过网络适配器经网络层接入到数据层；
计算层是边缘计算架构的核心，用于通过部署的边缘物联网关设备实现分布式边缘计算能力，支撑配电网内边缘计算的实施，实现区域自治，减轻主站的计算负担；
平台层，用于通过APP的不同组合，实现终端功能自定义，使终端能够根据现场不同需求灵活组态功能，实现配电网的综合监控、智能运维以及告警分析。
本发明为解决上述技术问题采用以下技术方案：
本发明提出一种基于边缘计算的电网状态预测方法，所提基于边缘计算的电网状态预测系统，通过在每个配电系统中引入边缘计算模块，缩短了数据源与处理源之间的物理距离，从而减少传输过程中的数据量和时延，快速完成数据的分析和处理，通过建立多源数据驱动的电网状态预测模型，实现电网状态的准确预测。
附图说明
图1是电网状态预测系统架构图；
图2是本发明基于边缘计算的电网状态预测系统具体结构原理图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下描述中，为了说明而不是为了限定，提出了诸如特定内部程序、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
本方案提出了基于边缘计算的遗传算法优化BP神经网络模型，通过建立多源数据驱动的电网状态预测模型，实现电网状态的准确预测。首先，通过对边缘节点的有效利用，实现电网数据的就地管控与分析，其次，通过在“边缘层”建立的遗传算法优化BP神经网络模型，对电网历史数据进行训练，实现电网状态的预测与评估。
本方案采用的边缘计算是指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源，图1是电网状态预测系统架构图。
基于边缘计算的电网状态预测系统主要由感知层、网络层、数据层和应用层组成，具体结构见图2。
感知层设备包括部署在配电站房的各类环境监测传感设备以及用户用能采集设备。同时边侧终端对上配置远程通信模块，对下配置本地通信模块。支撑配电线路和交直流混合配电网范围内各型大量的感知设备的接入，实现了配电网和交直流配电网感知全覆盖。
网络层包括宽带载波、微功率无线和RS485总线等。电网信息经过网络适配器经网络层接入到数据层。
计算层是边缘计算架构的核心，通过部署的边缘物联网关设备实现分布式边缘计算能力，支撑配电网内边缘计算的实施，实现区域自治，减轻主站的计算负担。
平台层能够通过APP的不同组合，实现终端功能自定义，使终端能够根据现场不同需求灵活组态功能，实现配电网的综合监控、智能运维以及告警分析。
以上详细描述了本发明的具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (2)
1.一种基于边缘计算的电网状态预测方法，其特征在于：通过建立多源数据驱动的电网状态预测模型，实现电网状态的准确预测，具体包含如下步骤；
步骤1，通过对边缘节点的有效利用，实现电网数据的就地管控与分析；
步骤2，通过在边缘层建立的遗传算法优化BP神经网络模型，对电网历史数据进行训练，实现电网状态的预测与评估。
2.一种基于权利要求1所述的边缘计算的电网状态预测方法的电网状态预测系统，其特征在于：包含感知层、网络层、数据层和应用层；
其中，感知层包含部署在配电站房的各类环境监测传感设备以及用户用能采集设备，同时边侧终端对上配置远程通信模块，对下配置本地通信模块，用于支撑配电线路和交直流混合配电网范围内各型大量的感知设备的接入，实现配电网和交直流配电网感知全覆盖；
网络层包含宽带载波、微功率无线和RS485总线，用于电网信息经过网络适配器经网络层接入到数据层；
计算层是边缘计算架构的核心，用于通过部署的边缘物联网关设备实现分布式边缘计算能力，支撑配电网内边缘计算的实施，实现区域自治，减轻主站的计算负担；
平台层，用于通过APP的不同组合，实现终端功能自定义，使终端能够根据现场不同需求灵活组态功能，实现配电网的综合监控、智能运维以及告警分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010522762.3A CN111612279A (zh) | 2020-06-10 | 2020-06-10 | 一种基于边缘计算的电网状态预测方法及预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010522762.3A CN111612279A (zh) | 2020-06-10 | 2020-06-10 | 一种基于边缘计算的电网状态预测方法及预测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111612279A true CN111612279A (zh) | 2020-09-01 |
Family
ID=72202658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010522762.3A Withdrawn CN111612279A (zh) | 2020-06-10 | 2020-06-10 | 一种基于边缘计算的电网状态预测方法及预测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612279A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112039925A (zh) * | 2020-11-03 | 2020-12-04 | 合沃物联技术（南京）有限公司 | 一种基于工业物联网关的边缘计算方法 |
| CN112202845A (zh) * | 2020-09-10 | 2021-01-08 | 广东电网有限责任公司 | 一种面向配用电业务的边缘计算网关负荷系统、分析方法以及其配电系统 |
| CN112581940A (zh) * | 2020-09-17 | 2021-03-30 | 国网江苏省电力有限公司信息通信分公司 | 基于边缘计算与神经网络的放电声音检测方法 |
| CN113315172A (zh) * | 2021-05-21 | 2021-08-27 | 华中科技大学 | 一种电热综合能源的分布式源荷数据调度系统 |
| CN114204672A (zh) * | 2021-11-04 | 2022-03-18 | 国网江苏省电力有限公司南京供电分公司 | 边缘计算的配电网多源数据处理和融合方法及系统 |
| CN114638290A (zh) * | 2022-03-07 | 2022-06-17 | 廖彤 | 基于边缘计算和bp神经网络的环境监测仪器故障预测方法 |
-
2020
- 2020-06-10 CN CN202010522762.3A patent/CN111612279A/zh not_active Withdrawn
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112202845A (zh) * | 2020-09-10 | 2021-01-08 | 广东电网有限责任公司 | 一种面向配用电业务的边缘计算网关负荷系统、分析方法以及其配电系统 |
| CN112202845B (zh) * | 2020-09-10 | 2024-01-23 | 广东电网有限责任公司 | 一种面向配用电业务的边缘计算网关负荷系统、分析方法以及其配电系统 |
| CN112581940A (zh) * | 2020-09-17 | 2021-03-30 | 国网江苏省电力有限公司信息通信分公司 | 基于边缘计算与神经网络的放电声音检测方法 |
| CN112039925A (zh) * | 2020-11-03 | 2020-12-04 | 合沃物联技术（南京）有限公司 | 一种基于工业物联网关的边缘计算方法 |
| CN113315172A (zh) * | 2021-05-21 | 2021-08-27 | 华中科技大学 | 一种电热综合能源的分布式源荷数据调度系统 |
| CN114204672A (zh) * | 2021-11-04 | 2022-03-18 | 国网江苏省电力有限公司南京供电分公司 | 边缘计算的配电网多源数据处理和融合方法及系统 |
| CN114638290A (zh) * | 2022-03-07 | 2022-06-17 | 廖彤 | 基于边缘计算和bp神经网络的环境监测仪器故障预测方法 |
| CN114638290B (zh) * | 2022-03-07 | 2024-04-30 | 廖彤 | 基于边缘计算和bp神经网络的环境监测仪器故障预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612279A (zh) | 一种基于边缘计算的电网状态预测方法及预测系统 | |
| CN110401262B (zh) | 基于边缘计算技术的gis设备状态智能监控系统及方法 | |
| CN111131480A (zh) | 一种面向智慧电厂的云边协同服务系统 | |
| CN202009267U (zh) | 智能变电站设备状态一体化监测与分析系统 | |
| CN102904343B (zh) | 基于分布式多智能体的状态监测系统及方法 | |
| CN110910626A (zh) | 基于泛在电力物联网的用能信息采集系统 | |
| CN111934332A (zh) | 一种基于云边协同的储能电站系统 | |
| CN110988559A (zh) | 基于物联网的变电站直流系统全生命周期的在线监测方法 | |
| CN103560590B (zh) | 电网智能调度架构及其实现方法 | |
| CN105094095B (zh) | 一种电动汽车远程监控方法 | |
| CN102361351A (zh) | 电力系统的远程监测诊断系统 | |
| CN212785420U (zh) | 一种基于云边协同和5g网络的无人机巡检系统 | |
| CN110223411A (zh) | 一种公共饮水机巡检系统及方法 | |
| CN204089886U (zh) | 基于气象信息的电网动态监控预警系统 | |
| CN105867267A (zh) | 通过图像识别技术实现配电站房仪表读数自动上报的方法 | |
| CN111177152A (zh) | 一种配电中心数据处理系统 | |
| CN107611940B (zh) | 一种基于历史数据分析的配电网异常监测方法与系统 | |
| Zhang et al. | Study on internet of things architecture of substation online monitoring equipment | |
| Wu et al. | Function orientation and typical application scenarios of the Internet of Things construction for power transmission and transformation equipment | |
| CN115983548A (zh) | 一种基于人工智能技术的配电网智能规划方法 | |
| CN115940414A (zh) | 一种多源异构数据融合的智慧输电监测系统及方法 | |
| Fu et al. | An edge computing framework for digital grid | |
| CN212460601U (zh) | 基于风电场监控的网络安全态势感知系统 | |
| CN114157038A (zh) | 一种配电网络智能安全全方位预警与控制系统 | |
| CN111082522A (zh) | 基于泛在电力物联网的配网状态监测与故障处理系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200901 |