CN111815190A - 基于多元信息深度挖掘的电网发展诊断分析方法和系统 - Google Patents
基于多元信息深度挖掘的电网发展诊断分析方法和系统 Download PDFInfo
- Publication number
- CN111815190A CN111815190A CN202010680435.0A CN202010680435A CN111815190A CN 111815190 A CN111815190 A CN 111815190A CN 202010680435 A CN202010680435 A CN 202010680435A CN 111815190 A CN111815190 A CN 111815190A
- Authority
- CN
- China
- Prior art keywords
- power grid
- data
- development
- internal
- external
- 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
Links
- 238000011161 development Methods 0.000 title claims abstract description 92
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 238000005065 mining Methods 0.000 title claims abstract description 27
- 238000003745 diagnosis Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 230000008859 change Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 5
- 238000012896 Statistical algorithm Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract description 5
- 210000001520 comb Anatomy 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/06—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
- 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
- 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)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多元信息深度挖掘的电网发展诊断分析方法及系统，该方法包括以下步骤：获取电网系统运行场景下的相关影响数据，进行预处理，构建内外部数据特征集；建立电网发展评价参数体系；分别进行不同电网状态的划分；将内外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型；确定各电网自身特点的综合评级结果。本发明梳理包含电网的全时序变化数据；并发掘分析计及时序的电网内外部参数对各项参数的关联影响，提出考虑电网自身内外部特点的分项参数评测方法，分析各分项参数随电网运行全过程的变化，为电网改造和建设提供更加具有指导性的意见。
Description
技术领域
本发明涉及电力分析技术领域，具体涉及基于多元信息深度挖掘的电网发展诊断分析方法。
背景技术
电网发展诊断分析是电网发展规划计划业务中重要一环，是基于大量电网历史和现状数据开展的数据统计、问题剖析、规律趋势判断，主要目的是为电网规划和投资计划的编制提供参考和依据。自2012年起，国家电网公司将电网发展诊断分析工作纳入公司“二十四节气表”，成为一项年度重点开展的常态工作。电网发展诊断分析工作同时也是一项数据量大、工作量大、技术要求高的复杂工作，全面科学的电网发展诊断分析是促进电网科学规划、高效发展的重要基础。
电网诊断分析涉及的内外部因素众多，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结论，难度很大。由于技术手段、人工处理速度、人工处理规模等方面局限，传统的诊断工作通常只能得到电网规模、电源负荷增量、供电可靠性、设备负载率等单方面指标分析结果，对一个系统整体水平的评价手段不理想，不能给后续的电网改造和建设提供更加具有指导性的意见。随着公司智能电网、信息化建设深入推进，公司信息系统的建设、管理、运维、共享已比较完备，具备了使用大数据方法进行高价值信息获取的条件和基础。
有鉴于此，亟需提供一种在原有基于多个单一状态电网指标综合评价基础上，分析各分项参数随电网运行全过程的变化，为电网改造和建设提供更加具有指导性的意义的基于多元信息深度挖掘的电网发展诊断分析方法。
发明内容
为了解决上述技术问题，本发明所采用的技术方案是提供了一种基于多元信息深度挖掘的电网发展诊断分析方法，包括以下步骤：
S1、获取电网系统运行场景下的相关影响数据，并对数据进行预处理，构建内、外部数据特征集；
S2、根据步骤S1，建立电网发展评价参数体系；
S3、分别进行不同电网状态的划分；
S4、将内、外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型，挖掘输入、输出数据之间的关联性；
S5、依据电网参数评价及求解电网发展综合评级模型，对各电网发展综合评级，确定各电网自身特点的综合评级结果。
在上述方法中，所述对数据进行预处理，构建内、外部数据特征集包括以下步骤：
S11、基于数据调研和分类收集，采用ARMA、神经网络等方法对电网内部单类型数据进行分析研究，寻找数据变化规律和发展趋势；采用编辑距离算法等提取数据典型特征，构建内部数据特征集；
S12、参考电网指标映射数据表的关联规则，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集。
在上述方法中，所述步骤S2具体包括以下步骤：
S21、根据步骤S1中的内、外部数据特征集中的数据建立表征电网发展状态和运行状态的指标体系；结合数据时序信息和空间逻辑信息建立综合参数评估体系，形成具备数据时空特性电网发展运行场景集；
S22、使用数据挖掘算法对发展状态数据和运行状态数据进行特征提取和归类。
在上述方法中，所述发展状态数据和运行状态数据提取特征方法具体为：
为提炼数据全时序信息，将数据分为较高区间、正常区间、临界区间以统计其各自的总时长，或基于方差等离散程度的度量以评估其运行状态变化的健康程度；结合电网发展实际提炼网架结构等空间信息，先将网架拓扑直接进行编码存储，再考虑节点密度、线路密度参数提取，以直观地展现电网发展水平。
在上述方法中，所述分别进行不同电网状态的划分具体包括以下步骤：
S31、根据电网发展评价参数，发掘并分析计及时序的电网内、外部参数对各项参数的关联影响；
S32、分析各评价参数随电网运行全过程的变化，分别进行不同电网状态的划分。
本发明还提供了一种基于多元信息深度挖掘的电网发展诊断分析系统，包括：
数据输入单元：用于输入电网系统运行场景下的相关影响数据，包括内部运行数据和外部数据；
数据处理单元：对数据输入单元的数据进行预处理，获得构建内、外部数据特征集；
评价参数体系建立单元：用于根据数据处理单元构建的内、外部数据特征集，建立电网发展评价参数体系；
电网状态的划分单元：根据评价参数体系建立单元的评价参数，进行不同电网状态的划分；
电网发展综合评级模型建立单元：用于将内、外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型，挖掘输入、输出数据之间的关联性；
电网发展综合评级输出单元：用于依据电网参数评价及求解电网发展综合评级模型，对各电网发展综合评级，确定并输出各电网自身特点的综合评级结果。
本发明还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述任一项所述基于多元信息深度挖掘的电网发展诊断分析方法。
本发明还提供了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程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述基于多元信息深度挖掘的电网发展诊断分析方法。
本发明研究建立基于电网潮流时空变化的提取模型，梳理包含电网网架、潮流变化及各类故障、临界状态的全时序变化数据，汇集成场景数据库；并发掘分析计及时序的电网内外部参数对各项参数的关联影响，提出考虑电网自身内外部特点的分项参数评测方法，分析各分项参数随电网运行全过程的变化，为电网改造和建设提供更加具有指导性的意见。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的方法流程示意图；
图2为本发明提供的发展状态数据和运行状态数据提取特征框架示意图；
图3为本发明提供的系统结构示意图；
图4为本发明提供的计算机设备示意框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，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，因此不能理解为对本发明的限制。
此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语"安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合具体实施方式和说明书附图对本发明做出详细的说明。
如图1所示，本发明提供了一种基于多元信息深度挖掘的电网发展诊断分析方法，包括以下步骤：
S1、获取电网系统运行场景下的相关影响数据，并对数据进行预处理，构建内、外部数据特征集。
本实施例，电网系统运行场景下包括内部运行数据，例如电网网架、潮流变化及各类故障、临界状态的全时序变化数据，还例如电网发展、运行、检修、营销、调度等多业务数据；外部数据包括对经济、社会、政策等相关数据。
本实施例，对数据进行预处理，构建内、外部数据特征集包括以下步骤：
S11、基于数据调研和分类收集，采用ARMA、神经网络等方法对电网内部单类型数据进行分析研究，寻找数据变化规律和发展趋势；采用编辑距离算法等提取数据典型特征，构建内部数据特征集。
S12、参考电网指标映射数据表的关联规则，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集。
S2、根据步骤S1，建立电网发展评价参数体系；具体包括步骤：
S21、根据步骤S1中的内、外部数据特征集中的数据建立表征电网发展状态和运行状态的指标体系；结合数据时序信息和空间逻辑信息建立综合参数评估体系，形成具备数据时空特性电网发展运行场景集；
S22、使用数据挖掘算法对发展状态数据和运行状态数据进行特征提取和归类；其中，发展状态数据和运行状态数据提取特征方法具体为：
如图2所示，为提炼数据全时序信息，将其分为较高区间、正常区间、临界区间以统计其各自的总时长，或基于方差等离散程度的度量以评估其运行状态变化的健康程度；结合电网发展实际提炼网架结构等空间信息，首先将网架拓扑直接进行编码存储，其次考虑节点密度(个/单位面积)、线路密度(长度/单位面积、输送能力/单位面积)等参数提取，以直观地展现电网发展水平。
S3、分别进行不同电网状态的划分；具体包括步骤：
S31、根据上述评价参数，发掘并分析计及时序的电网内外部参数对各项参数的关联影响。具体为：对提取的数据挖掘规则利用相关性分析方法获得内外因素关联影响及其约束关系。
S32、分析各评价参数随电网运行全过程的变化，分别进行不同电网状态的划分。
S4、将内、外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型，挖掘输入、输出数据之间的关联性。
S5、依据电网参数评价及求解电网发展综合评级模型，对各电网发展综合评级，确定各电网自身特点的综合评级结果。
本实施例，研究建立基于电网潮流时空变化的提取模型，梳理包含电网网架、潮流变化及各类故障、临界状态的全时序变化数据，汇集成场景数据库；并发掘分析计及时序的电网内外部参数对各项参数的关联影响，提出考虑电网自身内外部特点的分项参数评测方法，分析各分项参数随电网运行全过程的变化，为电网改造和建设提供更加具有指导性的意见。
另外电网中离散程度大、依赖关系松散的海量数据，获取科学的电网发展诊断指标计算参数，挖掘出有价值的信息，对于掌握电网发展深层次规律，及时发现存在的薄弱环节，弥补电网发展中的不足，提高电网规划精准度具有重要意义。
如图3所示，本发明还提供了一种基于多元信息深度挖掘的电网发展诊断分析系统，包括：
数据输入单元：用于输入电网系统运行场景下的相关影响数据，包括内部运行数据和外部数据；
本实施例，电网系统运行场景下包括内部运行数据，例如电网网架、潮流变化及各类故障、临界状态的全时序变化数据，还例如电网发展、运行、检修、营销、调度等多业务数据；外部数据包括对经济、社会、政策等相关数据。
数据处理单元：对数据输入单元的数据进行预处理，获得构建内、外部数据特征集；包括以下步骤：
A11、基于数据调研和分类收集，采用ARMA、神经网络等方法对电网内部单类型数据进行分析研究，寻找数据变化规律和发展趋势；采用编辑距离算法等提取数据典型特征，构建内部数据特征集。
A12、参考电网指标映射数据表的关联规则，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集。
评价参数体系建立单元：用于根据数据处理单元构建的内、外部数据特征集，建立电网发展评价参数体系；具体包括步骤：
A21、根据数据处理单元构建的内、外部数据特征集中的数据建立表征电网发展状态和运行状态的指标体系；结合数据时序信息和空间逻辑信息建立综合参数评估体系，形成具备数据时空特性电网发展运行场景集；
A22、使用数据挖掘算法对发展状态数据和运行状态数据进行特征提取和归类；其中，发展状态数据和运行状态数据提取特征方法具体为：
为提炼数据全时序信息，将其分为较高区间、正常区间、临界区间以统计其各自的总时长，或基于方差等离散程度的度量以评估其运行状态变化的健康程度；结合电网发展实际提炼网架结构等空间信息，首先将网架拓扑直接进行编码存储，其次考虑节点密度(个/单位面积)、线路密度(长度/单位面积、输送能力/单位面积)等参数提取，以直观地展现电网发展水平。
电网状态的划分单元：根据评价参数体系建立单元的评价参数，进行不同电网状态的划分。具体不包括以下步骤：
A31、根据评价参数体系建立单元的评价参数，发掘并分析计及时序的电网内外部参数对各项参数的关联影响。具体为：对提取的数据挖掘规则利用相关性分析方法获得内外因素关联影响及其约束关系。
A32、分析各评价参数随电网运行全过程的变化，分别进行不同电网状态的划分。
电网发展综合评级模型建立单元：用于将内、外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型，挖掘输入、输出数据之间的关联性。
电网发展综合评级输出单元：用于依据电网参数评价及求解电网发展综合评级模型，对各电网发展综合评级，确定并输出各电网自身特点的综合评级结果。
如图4所示，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中基于多元信息深度挖掘的电网发展诊断分析方法，或者计算机程序被处理器执行时实现上述实施例中基于多元信息深度挖掘的电网发展诊断分析方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于多元信息深度挖掘的电网发展诊断分析方法，其特征在于，包括以下步骤：
S1、获取电网系统运行场景下的相关影响数据，并对数据进行预处理，构建内、外部数据特征集；
S2、根据步骤S1，建立电网发展评价参数体系；
S3、分别进行不同电网状态的划分；
S4、将内、外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型，挖掘输入、输出数据之间的关联性；
S5、依据电网参数评价及求解电网发展综合评级模型，对各电网发展综合评级，确定各电网自身特点的综合评级结果。
2.如权利要求1所述的基于多元信息深度挖掘的电网发展诊断分析方法，其特征在于，所述对数据进行预处理，构建内、外部数据特征集包括以下步骤：
S11、基于数据调研和分类收集，采用ARMA、神经网络等方法对电网内部单类型数据进行分析研究，寻找数据变化规律和发展趋势；采用编辑距离算法等提取数据典型特征，构建内部数据特征集；
S12、参考电网指标映射数据表的关联规则，对电网外部数据进行归一化处理，并结合统计学算法、向量机法对归一后的数据集进行特征分析，构建外部数据特征集。
3.如权利要求2所述的基于多元信息深度挖掘的电网发展诊断分析方法，其特征在于，所述步骤S2具体包括以下步骤：
S21、根据步骤S1中的内、外部数据特征集中的数据建立表征电网发展状态和运行状态的指标体系；结合数据时序信息和空间逻辑信息建立综合参数评估体系，形成具备数据时空特性电网发展运行场景集；
S22、使用数据挖掘算法对发展状态数据和运行状态数据进行特征提取和归类。
4.如权利要求3所述的基于多元信息深度挖掘的电网发展诊断分析方法，其特征在于，所述发展状态数据和运行状态数据提取特征方法具体为：
为提炼数据全时序信息，将数据分为较高区间、正常区间、临界区间以统计其各自的总时长，或基于方差等离散程度的度量以评估其运行状态变化的健康程度；结合电网发展实际提炼网架结构等空间信息，先将网架拓扑直接进行编码存储，再考虑节点密度、线路密度参数提取，以直观地展现电网发展水平。
5.如权利要求1所述的基于多元信息深度挖掘的电网发展诊断分析方法，其特征在于，所述分别进行不同电网状态的划分具体包括以下步骤：
S31、根据电网发展评价参数，发掘并分析计及时序的电网内、外部参数对各项参数的关联影响；
S32、分析各评价参数随电网运行全过程的变化，分别进行不同电网状态的划分。
6.基于多元信息深度挖掘的电网发展诊断分析系统，其特征在于，包括：
数据输入单元：用于输入电网系统运行场景下的相关影响数据，包括内部运行数据和外部数据；
数据处理单元：对数据输入单元的数据进行预处理，获得构建内、外部数据特征集；
评价参数体系建立单元：用于根据数据处理单元构建的内、外部数据特征集，建立电网发展评价参数体系；
电网状态的划分单元：根据评价参数体系建立单元的评价参数，进行不同电网状态的划分；
电网发展综合评级模型建立单元：用于将内、外部影响因素数据作为输入，各电网状态划分作为输出，利用神经网络算法进行训练，构建电网发展综合评级模型，挖掘输入、输出数据之间的关联性；
电网发展综合评级输出单元：用于依据电网参数评价及求解电网发展综合评级模型，对各电网发展综合评级，确定并输出各电网自身特点的综合评级结果。
7.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于多元信息深度挖掘的电网发展诊断分析方法。
8.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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于多元信息深度挖掘的电网发展诊断分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010680435.0A CN111815190A (zh) | 2020-07-15 | 2020-07-15 | 基于多元信息深度挖掘的电网发展诊断分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010680435.0A CN111815190A (zh) | 2020-07-15 | 2020-07-15 | 基于多元信息深度挖掘的电网发展诊断分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111815190A true CN111815190A (zh) | 2020-10-23 |
Family
ID=72866281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010680435.0A Pending CN111815190A (zh) | 2020-07-15 | 2020-07-15 | 基于多元信息深度挖掘的电网发展诊断分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111815190A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114723174A (zh) * | 2022-05-06 | 2022-07-08 | 国网江苏省电力有限公司南通供电分公司 | 一种基于状态评估的能源输送参数调整方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
| CN106709626A (zh) * | 2016-11-14 | 2017-05-24 | 国家电网公司 | 一种基于贝叶斯网络的电网发展动态综合评价方法 |
| CN107085648A (zh) * | 2017-05-17 | 2017-08-22 | 国家电网公司 | 一种电网发展能力综合性诊断指标体系构建方法 |
| CN107464062A (zh) * | 2017-08-09 | 2017-12-12 | 国网山东省电力公司经济技术研究院 | 一种电网发展诊断综合评价系统 |
| CN107908638A (zh) * | 2017-09-26 | 2018-04-13 | 国网甘肃省电力公司 | 基于大数据挖掘配的电网运行效率评价方法及系统 |
| CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
| CN108694244A (zh) * | 2018-05-15 | 2018-10-23 | 国网新疆电力有限公司乌鲁木齐供电公司 | 一种基于三维数据的电网综合应用平台 |
| CN109523101A (zh) * | 2017-09-18 | 2019-03-26 | 张丽蓉 | 一种配电网运行状态模糊综合评价方法 |
| CN111160750A (zh) * | 2019-12-23 | 2020-05-15 | 东南大学 | 一种基于关联规则挖掘的配网分析和投资决策方法 |
| CN111340327A (zh) * | 2019-12-31 | 2020-06-26 | 国网江苏省电力有限公司连云港供电分公司 | 一种主配用一体化负荷分析平台及其实现方法 |
-
2020
- 2020-07-15 CN CN202010680435.0A patent/CN111815190A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
| CN106709626A (zh) * | 2016-11-14 | 2017-05-24 | 国家电网公司 | 一种基于贝叶斯网络的电网发展动态综合评价方法 |
| CN107085648A (zh) * | 2017-05-17 | 2017-08-22 | 国家电网公司 | 一种电网发展能力综合性诊断指标体系构建方法 |
| CN107464062A (zh) * | 2017-08-09 | 2017-12-12 | 国网山东省电力公司经济技术研究院 | 一种电网发展诊断综合评价系统 |
| CN109523101A (zh) * | 2017-09-18 | 2019-03-26 | 张丽蓉 | 一种配电网运行状态模糊综合评价方法 |
| CN107908638A (zh) * | 2017-09-26 | 2018-04-13 | 国网甘肃省电力公司 | 基于大数据挖掘配的电网运行效率评价方法及系统 |
| CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
| CN108694244A (zh) * | 2018-05-15 | 2018-10-23 | 国网新疆电力有限公司乌鲁木齐供电公司 | 一种基于三维数据的电网综合应用平台 |
| CN111160750A (zh) * | 2019-12-23 | 2020-05-15 | 东南大学 | 一种基于关联规则挖掘的配网分析和投资决策方法 |
| CN111340327A (zh) * | 2019-12-31 | 2020-06-26 | 国网江苏省电力有限公司连云港供电分公司 | 一种主配用一体化负荷分析平台及其实现方法 |
Non-Patent Citations (5)
| Title |
|---|
| 史智萍;单体华;刘文峰;张兴平;: "地市级电网发展诊断体系及综合评价", 华侨大学学报(自然科学版), no. 01, 20 January 2015 (2015-01-20), pages 11 - 16 * |
| 杨凤生;曾惜;王元峰;刘畅;董飞军;蔡广林;: "面向大数据应用的配电网运行状态评估方法探讨", 科技与创新, no. 17, 5 September 2018 (2018-09-05), pages 10 - 12 * |
| 王敬敏;施婷;: "智能配电网评估指标体系的构建", 华北电力大学学报(自然科学版), no. 06, 30 November 2012 (2012-11-30), pages 65 - 70 * |
| 王琬;刘宗岐;曾博;殷红旭;刘佳;张建华;: "大都市电网综合指标体系与评价模型", 现代电力, no. 04, pages 24 - 28 * |
| 郭志刚;: "面向大数据的电网发展诊断研究", 科技展望, no. 04, 10 February 2016 (2016-02-10), pages 83 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114723174A (zh) * | 2022-05-06 | 2022-07-08 | 国网江苏省电力有限公司南通供电分公司 | 一种基于状态评估的能源输送参数调整方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106557991B (zh) | 电压监测数据平台 | |
| CN110389269B (zh) | 基于电流优化匹配的低压台区拓扑关系识别方法及其装置 | |
| Mirmozaffari | Eco-efficiency evaluation in two-stage network structure: case study: cement companies | |
| CN106951984A (zh) | 一种系统健康度动态分析预测方法及装置 | |
| CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
| CN104572449A (zh) | 一种基于用例库的自动化测试方法 | |
| Liu et al. | Innovation networks and r&d allocation | |
| CN111914037A (zh) | 一种面向电网发展的多元信息挖掘分析方法及系统 | |
| CN108491991A (zh) | 基于工业大数据产品工期的约束条件分析系统与方法 | |
| CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
| CN106228270A (zh) | 一种大数据驱动的挤压设备的能耗预测方法及其系统 | |
| CN106570779A (zh) | 一种直流配电网可靠性分析的方法及系统 | |
| CN106384256A (zh) | 基于指标体系动态变化的供电服务满意度动态测评系统 | |
| Rani et al. | An integrated simulation and data envelopment analysis in improving SME food production system | |
| Centobelli et al. | The future of sustainable supply chains: a novel tertiary-systematic methodology | |
| Zhang et al. | Scientific relatedness and intellectual base: a citation analysis of un-cited and highly-cited papers in the solar energy field | |
| CN106651024A (zh) | 一种电费回收预测模型的构建方法 | |
| CN115409120A (zh) | 一种基于数据驱动的用户窃电行为检测辅助方法 | |
| CN107169234A (zh) | 一种采煤机摇臂系统维修性综合评价方法 | |
| CN111815190A (zh) | 基于多元信息深度挖掘的电网发展诊断分析方法和系统 | |
| CN114202179A (zh) | 目标企业的识别方法以及装置 | |
| CN109345035A (zh) | 房屋价值预测方法、装置、计算机设备和存储介质 | |
| Crespi et al. | The productivity of science | |
| CN106651425A (zh) | 一种考虑业扩报装数据的用户偷电、漏电行为监测方法 | |
| CN106257506A (zh) | 大数据量预测的三层联合动态选择最优模型方法 |
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 |