CN112446599B - 一种供电可靠性指标的预测方法、装置、设备和存储介质 - Google Patents
一种供电可靠性指标的预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112446599B CN112446599B CN202011301774.XA CN202011301774A CN112446599B CN 112446599 B CN112446599 B CN 112446599B CN 202011301774 A CN202011301774 A CN 202011301774A CN 112446599 B CN112446599 B CN 112446599B
- Authority
- CN
- China
- Prior art keywords
- historical
- power supply
- indexes
- predicted
- distribution network
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 239000002131 composite material Substances 0.000 claims abstract description 88
- 150000001875 compounds Chemical class 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000012417 linear regression Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 2
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process 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
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种供电可靠性指标的预测方法、装置、设备和存储介质,方法包括:对配电网的历史配电网特征参数及历史关键业务指标进行复合运算得到历史复合关联指标;从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选影响因素;构建影响因素与历史供电可靠性指标的关联关系模型;对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算得到待预测复合关联指标;基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值;根据影响因素取值和关联关系模型,预测待预测供电可靠性指标,解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
Description
技术领域
本申请涉及电力系统技术领域,尤其涉及一种供电可靠性指标的预测方法、装置、设备和存储介质。
背景技术
供电可靠性是指供电系统持续供电的能力,能考核供电系统的电能质量,反映了电力工业对国民经济电能需求的满足程度。供电可靠性可以用供电可靠率、用户平均停电时间、用户平均停电次数等供电可靠性指标加以衡量。无论是出于可靠性管理的需要,还是配电网规划要求,预测供电系统未来阶段的供电可靠性指标都显得十分重要。
现有供电可靠性指标的预测方法是通过分析历史样本构建供电可靠性影响因素与供电可靠性指标之间的量化关系,从而预测供电可靠性指标。但由于供电可靠性影响因素之间也存在一定的相关性,且供电可靠性影响因素与供电可靠性指标之间并不一定相关,导致预测精度较低。因此,有必要对预测方法进行改进,以提高供电可靠性指标的预测精度。
发明内容
有鉴于此,本申请提供了一种供电可靠性指标的预测方法、装置、设备和存储介质,解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
本申请第一方面提供了一种供电可靠性指标的预测方法,包括:
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标;
从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素;
构建所述影响因素与所述历史供电可靠性指标的关联关系模型;
对待预测年份时所述配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标;
基于所述待预测复合关联指标、所述待预测配电网特征参数、所述待预测关键业务指标和所述影响因素,确定所述待预测年份对应的影响因素取值;
根据所述影响因素取值和所述关联关系模型,对所述待预测年份的待预测供电可靠性指标进行预测。
优选地,对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标,具体包括:
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行两两之间的复合运算,得到历史复合关联指标。
优选地,所述复合运算包括:乘法运算、除法运算、指数运算和对数运算。
优选地,从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,具体包括:
根据所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标与所述历史供电可靠性指标的相关系数,从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与所述历史供电可靠性指标强相关的影响因素。
优选地,根据所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标与所述历史供电可靠性指标的相关系数,从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与所述历史供电可靠性指标强相关的影响因素,具体包括:
根据Pearson相关系数法,分别计算历史配电网特征参数、历史关键业务指标、历史复合关联指标与历史供电可靠性指标的相关系数;
根据所有所述相关系数,从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与所述历史供电可靠性指标强相关的影响因素。
优选地,所述待预测供电可靠性指标包括:用户平均停电时间、用户平均停电次数和供电可靠率;
所述待预测配电网特征参数包括:中压公用线路平均长度、中压公用线路平均供电半径和中压公用线路平均分段数;
所述待预测关键业务指标包括:电缆化率、可转供电率、馈线自动化覆盖率、重过载线路占比、带电作业率和计划资金量。
优选地,构建所述影响因素与所述历史供电可靠性指标的关联关系模型,具体包括:
以所述影响因素作为自变量,以所述历史供电可靠性指标为因变量,构建多元线性回归方程,得到所述关联关系模型。
本申请第二方面提供了一种供电可靠性指标的预测装置,包括:
第一运算单元,用于对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标;
筛选单元,用于从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素;
构建单元,用于构建所述影响因素与所述历史供电可靠性指标的关联关系模型;
第二运算单元,用于对待预测年份时所述配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标;
确定单元,用于基于所述待预测复合关联指标、所述待预测配电网特征参数、所述待预测关键业务指标和所述影响因素,确定所述待预测年份对应的影响因素取值;
预测单元,用于根据所述影响因素取值和所述关联关系模型,对所述待预测年份的待预测供电可靠性指标进行预测。
本申请第三方面提供了一种供电可靠性指标的预测设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的供电可靠性指标的预测方法。
本申请第四方面提供了一种存储介质,所述存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的供电可靠性指标的预测方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请提供了一种供电可靠性指标的预测方法,包括:对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标;从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素;构建影响因素与历史供电可靠性指标的关联关系模型;对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标;基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值;根据影响因素取值和关联关系模型,对待预测年份的待预测供电可靠性指标进行预测。本申请中通过配电网特征参数及关键业务指标确定复合关联指标,进而通过与供电可靠性相关的复合关联指标,可找到更多的与供电可靠性强相关的影响因素,从而提高供电可靠性预测的精度,从而解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,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它的附图。
图1为本申请实施例中一种供电可靠性指标的预测方法的实施例一的流程示意图;
图2为本申请实施例中一种供电可靠性指标的预测方法的实施例二的流程示意图;
图3为本申请实施例中一种供电可靠性指标的预测装置的结构示意图。
具体实施方式
本申请实施例提供了一种供电可靠性指标的预测方法、装置、设备和存储介质,解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请第一方面提供了一种供电可靠性指标的预测方法。
请参阅图1,本申请实施例中一种供电可靠性指标的预测方法的实施例一的流程示意图,包括:
步骤101、对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标。
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标,具体包括:
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行两两之间的复合运算,得到历史复合关联指标。
复合运算包括:乘法运算、除法运算、指数运算和对数运算。
本实施例中,历史配电网特征参数包括:中压公用线路平均长度、中压公用线路平均供电半径和中压公用线路平均分段数;历史关键业务指标包括:电缆化率、可转供电率、馈线自动化覆盖率、重过载线路占比、带电作业率和计划资金量。
其中,中压公用线路平均长度为:平均每条中压公用线路的长度,单位为km。
中压公用线路平均供电半径为:平均每条中压公用线路的供电半径,单位为km。供电半径是指从电源点到其供电的最远的中压用户之间的线路长度。
中压公用线路平均分段数为:平均每条中压公用线路的分段数,单位为个。
电缆化率为:中压公用线路中电缆线路长度占总线路长度的比例,单位为%。
可转供电率为:可转供的中压公用线路回数与中压公用线路总回数之比,单位为%。
馈线自动化覆盖率为:已实现馈线自动化的中压公用线路回数与中压公用线路总回数之比,单位为%。
重过载线路占比为:发生重过载的中压公用线路回数与中压公用线路总回数之比,单位为%。
带电作业率为:实现带电作业的计划停电次数与计划停电总次数之比,单位为%。
计划资金量为:中压配电网基建投资总额,单位为万元。
设X1和X2分别为历史配电网特征参数和历史关键业务指标中的任意两个参数,则通过乘法运算可得到历史复合关联指标Y1,通过除法运算可得到历史复合关联指标Y2和Y3,通过指数运算可得到历史复合关联指标Y4和Y5,通过对数运算可得到历史复合关联指标Y6和Y7,具体计算方式如下:
Y1=X1X2;
Y2=X1/X2;
Y3=X2/X1;
步骤102、从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素。
本实施例中,历史供电可靠性指标包括:用户平均停电时间、用户平均停电次数和供电可靠率。
从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,具体包括:
根据历史复合关联指标、历史配电网特征参数、历史关键业务指标与历史供电可靠性指标的相关系数,从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素。
根据历史复合关联指标、历史配电网特征参数、历史关键业务指标与历史供电可靠性指标的相关系数,从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,具体包括:
根据Pearson相关系数法,分别计算历史配电网特征参数、历史关键业务指标、历史复合关联指标与历史供电可靠性指标的相关系数;
根据所有相关系数,从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素。
可以理解的是,Pearson相关系数法是衡量两个数据集合的线性相关系数的分析方法,其计算公式为:
式中,rxy为衡量数据集合x和数据集合y的相关系数,xi为数据集合x中的元素,yi为数据集合y中的元素,N为数据集合中的数据个数。
相关系数的值域范围为[-1,1],其绝对值越大,相关性越强。相关系数越接近于1或-1,相关性越强,相关系数越接近于0,相关性越弱。
步骤103、构建影响因素与历史供电可靠性指标的关联关系模型。
本实施例中,构建影响因素与历史供电可靠性指标的关联关系模型,具体包括:
以影响因素作为自变量,以历史供电可靠性指标为因变量,构建多元线性回归方程,得到关联关系模型。
假设自变量为x1,x2,…,xm,因变量为y,则多元线性回归方程为:
y=k0+k1x1+k2x2+…+kmxm;
式中,k0,k1,k2,…,km为相应的相关系数,也称为权重。
假设样本个数为n,则样本i(i=1,2,…,n)可写成
yi=k0+k1xi1+k2xi2+…+kmxim;
Y=XK;
采用最小二乘法对其进行求解,即可求出影响因素的权重为:
K=(XTX)-1XTY。
步骤104、对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标。
可以理解的是,待预测配电网特征参数及待预测关键业务指标与历史配电网特征参数和历史关键业务指标相似,具体可以参见上述描述,在此不再赘述。
步骤105、基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值。
步骤106、根据影响因素取值和关联关系模型,对待预测年份的待预测供电可靠性指标进行预测。
本实施例中的供电可靠性指标的预测方法,首先对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标,接着从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,再接着构建影响因素与历史供电可靠性指标的关联关系模型,然后对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标,接着基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值,最后根据影响因素取值和关联关系模型,对待预测年份的待预测供电可靠性指标进行预测。本申请中通过配电网特征参数及关键业务指标确定复合关联指标,进而通过与供电可靠性相关的复合关联指标,可找到更多的与供电可靠性强相关的影响因素,从而提高供电可靠性预测的精度,从而解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
以上为本申请实施例提供的一种供电可靠性指标的预测方法的实施例一,以下为本申请实施例提供的一种供电可靠性指标的预测方法的实施例二。
请参阅图2,本申请实施例中一种供电可靠性指标的预测方法的实施例二的流程示意图,包括:
步骤S1、获取最近3~5年的配电网供电可靠性指标、配电网特征参数及关键业务指标。
以某配电网为例,其最近3年的供电可靠性指标、配电网特征参数和关键业务指标如表1所示。
表1
步骤S2、对配电网特征参数及关键业务指标进行两两之间的复合运算,衍生出新的复合关联指标。
设x1表示中压公用线路平均长度,x2表示中压公用线路平均供电半径,x3表示中压公用线路平均分段数,x4表示电缆化率,x5表示可转供电率,x6表示馈线自动化覆盖率,x7表示重过载线路占比,x8表示带电作业率,x9表示计划资金量。则x1x2表示中压公用线路平均长度与中压公用线路平均供电半径的乘积,x1x3表示中压公用线路平均长度与中压公用线路平均分段数的乘积,依此类推,共可通过乘法运算得到36个新的复合关联指标。
同理,可通过除法运算得到72个新的复合关联指标,可通过指数运算得到72个新的复合关联指标,可通过对数运算得到72个新的复合关联指标。总计得到252个新的复合关联指标。
步骤S3、采用Pearson相关系数法,评估配电网特征参数、关键业务指标和复合关联指标这三类数据与供电可靠性指标之间的相关系数,筛选出与供电可靠性指标强相关的影响因素。
以中压公用线路平均长度x1为例,说明Pearson相关系数法得到的x1与用户平均停电时间的相关系数。-0.871接近于-1,说明中压公用线路平均长度与用户平均停电时间的相关性较大。通过对x1~x9及其衍生出来的252个复合关联指标计算与用户平均停电时间的相关系数,最终筛选出如表2所示的相关性最大的5个影响因素。
表2
步骤S4、采用多元线性回归方法构建供电可靠性指标与筛选出的影响因素之间的关联模型,确定各影响因素的权重。
将表2中选出的5个指标数先分别值域缩放的方法标准化到同一量纲,标准化前后的值如表3所示。
表3
然后与用户平均停电时间一起构建如下所示的多元线性回归方程组:
采用最小二乘法求出各权重为:
步骤S5、获取目标年的配电网特征参数及关键业务指标,并计算复合关联指标,从而确定目标年的影响因素数据。
设该配电网目标年的配电网特征参数和关键业务指标如表4所示。
表4
根据表2筛选出的5个复合关联指标,计算目标年的供电可靠性影响因素的取值,并进行标准化,如表5所示。
表5
步骤S6、采用关联模型及目标年的影响因素数据,预测目标年的供电可靠性指标。
将表4中的标准化后的数据代回步骤S4确定的多元线性回归方程,求得目标年的用户平均停电时间预测值为0.332h/户。
本实施例中的供电可靠性指标的预测方法,首先对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标,接着从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,再接着构建影响因素与历史供电可靠性指标的关联关系模型,然后对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标,接着基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值,最后根据影响因素取值和关联关系模型,对待预测年份的待预测供电可靠性指标进行预测。本申请中通过配电网特征参数及关键业务指标确定复合关联指标,进而通过与供电可靠性相关的复合关联指标,可找到更多的与供电可靠性强相关的影响因素,从而提高供电可靠性预测的精度,从而解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
本申请第二方面提供了一种供电可靠性指标的预测装置。
请参阅图3,本申请实施例中一种供电可靠性指标的预测装置的结构示意图,包括:
第一运算单元301,用于对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标;
筛选单元302,用于从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素;
构建单元303,用于构建影响因素与历史供电可靠性指标的关联关系模型;
第二运算单元304,用于对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标;
确定单元305,用于基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值;
预测单元306,用于根据影响因素取值和关联关系模型,对待预测年份的待预测供电可靠性指标进行预测。
本实施例中的供电可靠性指标的预测装置,首先对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标,接着从历史复合关联指标、历史配电网特征参数、历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,再接着构建影响因素与历史供电可靠性指标的关联关系模型,然后对待预测年份时配电网的待预测配电网特征参数及待预测关键业务指标进行复合运算,得到待预测复合关联指标,接着基于待预测复合关联指标、待预测配电网特征参数、待预测关键业务指标和影响因素,确定待预测年份对应的影响因素取值,最后根据影响因素取值和关联关系模型,对待预测年份的待预测供电可靠性指标进行预测。本申请中通过配电网特征参数及关键业务指标确定复合关联指标,进而通过与供电可靠性相关的复合关联指标,可找到更多的与供电可靠性强相关的影响因素,从而提高供电可靠性预测的精度,从而解决了现有供电可靠性指标的预测方法预测精度较低的技术问题。
本申请第三方面提供了一种供电可靠性指标的预测设备,设备包括处理器以及存储器,存储器用于存储程序代码,并将程序代码传输给处理器,处理器用于根据程序代码中的指令执行如第一方面所描述的供电可靠性指标的预测方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请第四方面提供了一种存储介质,存储介质用于存储程序代码,程序代码用于执行如第一方面所描述的供电可靠性指标的预测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个待安装电网网络,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。可以根据的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (5)
1.一种供电可靠性指标的预测方法,其特征在于,包括:
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标,具体包括:
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行两两之间的复合运算,得到历史复合关联指标;
其中,所述复合运算包括:乘法运算、除法运算、指数运算和对数运算;
所述历史配电网特征参数包括:中压公用线路平均长度、中压公用线路平均供电半径和中压公用线路平均分段数;
所述历史关键业务指标包括:电缆化率、可转供电率、馈线自动化覆盖率、重过载线路占比、带电作业率和计划资金量;
从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素,具体包括:
根据Pearson相关系数法,分别计算历史配电网特征参数、历史关键业务指标、历史复合关联指标与历史供电可靠性指标的相关系数;
根据所有所述相关系数,从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与所述历史供电可靠性指标强相关的影响因素;
构建所述影响因素与所述历史供电可靠性指标的关联关系模型,具体包括:
以所述影响因素作为自变量,以所述历史供电可靠性指标为因变量,构建多元线性回归方程,得到所述关联关系模型;
采用最小二乘法求解得到影响因素权重;
获取待预测年份时所述配电网的待预测配电网特征参数取值及待预测关键业务指标取值,对待预测年份时所述配电网的待预测配电网特征参数取值及待预测关键业务指标取值进行复合运算并进行标准化,得到待预测复合关联指标取值;
根据待预测年份的影响因素取值和所述关联关系模型,对所述待预测年份的待预测供电可靠性指标进行预测。
2.根据权利要求1所述的供电可靠性指标的预测方法,其特征在于,所述待预测供电可靠性指标包括:用户平均停电时间、用户平均停电次数和供电可靠率;
所述待预测配电网特征参数包括:中压公用线路平均长度、中压公用线路平均供电半径和中压公用线路平均分段数;
所述待预测关键业务指标包括:电缆化率、可转供电率、馈线自动化覆盖率、重过载线路占比、带电作业率和计划资金量。
3.一种供电可靠性指标的预测装置,其特征在于,包括:
第一运算单元,用于对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行复合运算,得到历史复合关联指标;
所述第一运算单元具体用于:
对预置时间段内配电网的历史配电网特征参数及历史关键业务指标进行两两之间的复合运算,得到历史复合关联指标;
其中,所述复合运算包括:乘法运算、除法运算、指数运算和对数运算;
所述历史配电网特征参数包括:中压公用线路平均长度、中压公用线路平均供电半径和中压公用线路平均分段数;
所述历史关键业务指标包括:电缆化率、可转供电率、馈线自动化覆盖率、重过载线路占比、带电作业率和计划资金量;
筛选单元,用于从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与历史供电可靠性指标强相关的影响因素;
所述筛选单元具体用于:
根据Pearson相关系数法,分别计算历史配电网特征参数、历史关键业务指标、历史复合关联指标与历史供电可靠性指标的相关系数;
根据所有所述相关系数,从所述历史复合关联指标、所述历史配电网特征参数、所述历史关键业务指标中筛选出与所述历史供电可靠性指标强相关的影响因素;
构建单元,用于构建所述影响因素与所述历史供电可靠性指标的关联关系模型;
所述构建单元具体用于:
以所述影响因素作为自变量,以所述历史供电可靠性指标为因变量,构建多元线性回归方程,得到所述关联关系模型;
影响因素权重计算单元,用于采用最小二乘法求解得到影响因素权重;
获取单元,用于获取待预测年份时所述配电网的待预测配电网特征参数取值及待预测关键业务指标取值;
第二运算单元,用于对待预测年份时所述配电网的待预测配电网特征参数取值及待预测关键业务指标取值进行复合运算并进行标准化,得到待预测复合关联指标取值;
预测单元,用于根据待预测年份的影响因素取值和所述关联关系模型,对所述待预测年份的待预测供电可靠性指标进行预测。
4.一种供电可靠性指标的预测设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1至2中任一项所述的供电可靠性指标的预测方法。
5.一种存储介质,其特征在于,所述存储介质用于存储程序代码,所述程序代码用于执行权利要求1至2中任一项所述的供电可靠性指标的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301774.XA CN112446599B (zh) | 2020-11-19 | 2020-11-19 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011301774.XA CN112446599B (zh) | 2020-11-19 | 2020-11-19 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112446599A CN112446599A (zh) | 2021-03-05 |
CN112446599B true CN112446599B (zh) | 2023-01-24 |
Family
ID=74737558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011301774.XA Active CN112446599B (zh) | 2020-11-19 | 2020-11-19 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446599B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037242A (zh) * | 2021-11-02 | 2022-02-11 | 国网辽宁省电力有限公司经济技术研究院 | 电力储能调峰需求关键影响因素确定方法及系统 |
CN114004529A (zh) * | 2021-11-10 | 2022-02-01 | 广东电网有限责任公司 | 一种配电网故障停电影响指标降维预处理方法及系统 |
CN113793077B (zh) * | 2021-11-17 | 2022-03-15 | 广东电网有限责任公司佛山供电局 | 一种配电网用户故障停电影响分析方法和系统 |
CN113988709A (zh) * | 2021-11-18 | 2022-01-28 | 广东电网有限责任公司 | 中压配电线路故障率分析方法、装置、终端设备及介质 |
CN114819590B (zh) * | 2022-04-20 | 2023-07-18 | 平安科技(深圳)有限公司 | 策略智能推荐方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN109409786A (zh) * | 2018-12-05 | 2019-03-01 | 广东电网有限责任公司 | 配电网可靠性的评估方法及系统 |
CN110210740A (zh) * | 2019-05-22 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种考虑供电质量的配电网可靠性评估方法 |
CN110490471A (zh) * | 2019-08-23 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种配电网供电可靠性差异化的改造方法 |
CN111309065A (zh) * | 2020-02-12 | 2020-06-19 | 广东韶钢松山股份有限公司 | 压力模型建立方法、压力调节方法以及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1394689A1 (en) * | 2002-08-29 | 2004-03-03 | Schmidt + Clemens GmbH & Co. KG | Method for modelling expected life of a piece of equipment in a industrial plant, method and system for performing maintenance on an industrial plant |
CN108470246A (zh) * | 2018-03-14 | 2018-08-31 | 广东电网有限责任公司电网规划研究中心 | 一种基于特征参数的规划配电网供电可靠性指标评估方法 |
CN111289695B (zh) * | 2020-03-07 | 2021-01-15 | 华中农业大学 | 穴盘苗壮苗评价方法 |
-
2020
- 2020-11-19 CN CN202011301774.XA patent/CN112446599B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
CN109409786A (zh) * | 2018-12-05 | 2019-03-01 | 广东电网有限责任公司 | 配电网可靠性的评估方法及系统 |
CN110210740A (zh) * | 2019-05-22 | 2019-09-06 | 广西电网有限责任公司电力科学研究院 | 一种考虑供电质量的配电网可靠性评估方法 |
CN110490471A (zh) * | 2019-08-23 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种配电网供电可靠性差异化的改造方法 |
CN111309065A (zh) * | 2020-02-12 | 2020-06-19 | 广东韶钢松山股份有限公司 | 压力模型建立方法、压力调节方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112446599A (zh) | 2021-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112446599B (zh) | 一种供电可靠性指标的预测方法、装置、设备和存储介质 | |
CN106951984B (zh) | 一种系统健康度动态分析预测方法及装置 | |
US20080178145A1 (en) | Method and System for Generating a Predictive Analysis of the Performance of Peer Reviews | |
Morales et al. | Non-stationary multifractality in stock returns | |
CN111260198A (zh) | 一种台区同期线损合理度评判方法、系统及终端设备 | |
CN108763648B (zh) | 基于核磁共振t2分布获取毛管压力曲线的方法和装置 | |
CN114757660B (zh) | 一种基于应用分析的冷轧钢带制备方法及系统 | |
EP3999861A1 (en) | Method for determining electrical losses of an electric line, due to a malfunctioning or tampering of an electricity meter | |
CN112132440A (zh) | 一种基于dea理论的多维效益指数分析方法 | |
CN112686515A (zh) | 变压器运行状态评估方法、装置、计算机设备和存储介质 | |
CN113642886B (zh) | 规划电网线路利用率分析方法、系统、介质及计算设备 | |
Bischofberger et al. | Continuous chain-ladder with paid data | |
CN114647947A (zh) | 单位造价预测方法、装置、电子设备及计算机可读存储介质 | |
Hou et al. | Panel quantile regression for extreme risk | |
CN114862109A (zh) | 一种用电异常监测方法、装置、电子设备及存储介质 | |
CN108229095A (zh) | 油中溶解气体体积分数的预测方法及终端设备 | |
CN112232555A (zh) | 一种基于灰色系统理论的电力客户欠费预警方法 | |
CN106779265B (zh) | 一种基于电力智能移动终端在线状态安全性检测方法 | |
CN115993421B (zh) | 一种主变压器油中溶解气体的评价方法及装置 | |
CN117635183A (zh) | 一种基于小样本的特高压设备材料价格测算方法及系统 | |
Han | Quantitative Investment Forecasting Model Based on BP Neural Network and Time Series Analysis | |
CN115759543A (zh) | 产品表现力量化方法及相关设备 | |
CN117993959A (zh) | 一种电网工程设备材料价格预测方法 | |
CN114677008A (zh) | 社区风险评估方法、装置及应用 | |
CN117522158A (zh) | 考虑电缆运维信息的模糊状态综合评价方法及相关装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |