CN112488361B - 一种基于大数据的台区低电压预测方法及装置 - Google Patents
一种基于大数据的台区低电压预测方法及装置 Download PDFInfo
- Publication number
- CN112488361B CN112488361B CN202011221043.4A CN202011221043A CN112488361B CN 112488361 B CN112488361 B CN 112488361B CN 202011221043 A CN202011221043 A CN 202011221043A CN 112488361 B CN112488361 B CN 112488361B
- Authority
- CN
- China
- Prior art keywords
- data
- low voltage
- area
- grade
- 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 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 61
- 238000013145 classification model Methods 0.000 claims abstract description 35
- 239000003086 colorant Substances 0.000 claims abstract description 10
- 238000012706 support-vector machine Methods 0.000 claims description 38
- 238000012549 training Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 11
- 238000013523 data management Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06Q10/04—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
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种基于大数据的台区低电压预测方法及装置,所述台区低电压预测方法包括:基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据;将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类;根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警。通过预先构建的配电网监测平台,既能利用来自用户侧的用户用电数据避免了传统方法中仅依靠配电网侧的数据预测带来滞后性的问题,又能利用来自配电网侧的台区运行数据准确定位低电压发生的台区,从而使运维人员能够快速做出响应。
Description
技术领域
本发明属于低电压预测领域,尤其涉及一种基于大数据的台区低电压预测方法及装置。
背景技术
随着社会经济的迅速发展,用电设备大量增加,用电需求的增长导致用电负荷过载,进而发生低电压问题,使台区用户用电质量受到了严重影响,也不利于社会经济的发展。造成低电压的主要原因是管理不当、线路设备质量不高和接线不合理,现有的低电压监测方法通常使用SCADA系统实时监测变电站母线电压,不能监测到用户侧的电压数据,对低电压问题的监测存在滞后性,影响了现场运维的效率。
发明内容
为了解决现有技术中存在的缺点和不足,本发明提出了一种基于大数据的台区低电压预测方法,包括:
基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据;
将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类;
根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警;
其中,所述配电网监测平台包括台账接口、用户数据采集接口的配电网监测平台。
可选的,所述基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据,包括:
通过配电网监测平台的台账接口访问存有设备台账的第一服务器,将设备台账中的台区运行数据实时存储在配电网监测平台的RDS数据库中;
通过配电网监测平台的用户数据采集接口访问存有用户信息的第二服务器,将用户信息中的用户用电数据实时存储在配电网监测平台的RDS数据库中。
可选的,所述台区低电压预测方法还包括分类模型的训练方法,具体包括:
获取台区运行数据与用户用电数据的历史数据,通过预先存储的运行日志获取与历史数据对应的历史供电电压;
将历史数据进行标准化处理,得到符合IEC61968标准的标准历史数据;
将历史供电电压人为划分为若干个等级,在每两个等级之间设置一个支持向量机;
对标准历史数据进行特征提取,得到历史特征数据;
基于历史特征数据对支持向量机进行训练,判断支持向量机输出的等级分类结果与历史供电电压对应的等级是否一致,若判断一致的次数达到预设条件时,结束分类模型的训练。
可选的,所述将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类,包括:
将台区运行数据与用户用电数据进行标准化处理,得到符合IEC61968标准的标准数据;
对标准数据进行特征提取,得到实时特征数据;
将实时特征数据输入预先训练好的分类模型中,得到若干个支持向量机输出的等级分类结果。
可选的,所述根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警,包括:
在预设时段内,基于预设的采样频率获取分类模型输出的若干个等级分类结果;
将等级分类结果与预设等级进行比较,计算大于预设等级的等级分类结果在所有等级分类结果中所占的比值;
若计算出的比值大于预设比值,根据大于预设等级的等级分类结果对应的台区运行数据的来源,确定发生低电压情况的台区;
根据计算出的比值的大小确定用于表示告警程度的颜色,以表格的形式将所述颜色填充在发生低电压情况的台区对应的表格中。
本发明还基于同样的思路提出了一种基于大数据的台区低电压预测装置,所述台区低电压预测装置包括:
采集单元:用于基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据;
分类单元:用于将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类;
预测单元:用于根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警;
其中,所述配电网监测平台包括台账接口、用户数据采集接口的配电网监测平台。
可选的,所述采集单元具体用于:
通过配电网监测平台的台账接口访问存有设备台账的第一服务器,将设备台账中的台区运行数据实时存储在配电网监测平台的RDS数据库中;
通过配电网监测平台的用户数据采集接口访问存有用户信息的第二服务器,将用户信息中的用户用电数据实时存储在配电网监测平台的RDS数据库中。
可选的,所述台区低电压预测装置还包括训练单元,具体用于:
获取台区运行数据与用户用电数据的历史数据,通过预先存储的运行日志获取与历史数据对应的历史供电电压;
将历史数据进行标准化处理,得到符合IEC61968标准的标准历史数据;
将历史供电电压人为划分为若干个等级,在每两个等级之间设置一个支持向量机;
对标准历史数据进行特征提取,得到历史特征数据;
基于历史特征数据对支持向量机进行训练,判断支持向量机输出的等级分类结果与历史供电电压对应的等级是否一致,若判断一致的次数达到预设条件时,结束分类模型的训练。
可选的,所述分类单元具体用于:
将台区运行数据与用户用电数据进行标准化处理,得到符合IEC61968标准的标准数据;
对标准数据进行特征提取,得到实时特征数据;
将实时特征数据输入预先训练好的分类模型中,得到若干个支持向量机输出的等级分类结果。
可选的,所述预测单元具体用于:
在预设时段内,基于预设的采样频率获取分类模型输出的若干个等级分类结果;
将等级分类结果与预设等级进行比较,计算大于预设等级的等级分类结果在所有等级分类结果中所占的比值;
若计算出的比值大于预设比值,根据大于预设等级的等级分类结果对应的台区运行数据的来源,确定发生低电压情况的台区;
根据计算出的比值的大小确定用于表示告警程度的颜色,以表格的形式将所述颜色填充在发生低电压情况的台区对应的表格中。
本发明提供的技术方案带来的有益效果是:
通过预先构建的配电网监测平台,实时采集包含台区运行数据与用户用电数据的大数据,能够直接以用户侧的数据为依据,结合配电网侧的数据共同对台区低电压进行预测,实现大范围的实时预测,缩短了低电压告警的响应时间,既能利用来自用户侧的用户用电数据避免了传统方法中仅依靠配电网侧的数据预测带来滞后性的问题,又能利用来自配电网侧的台区运行数据准确定位低电压发生的台区,从而使运维人员能够快速做出响应。
附图说明
为了更清楚地说明本发明的技术方案,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发明的一些实施例,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为本发明提出的一种基于大数据的台区低电压预测方法的流程示意图;
图2为本发明提出的一种基于大数据的台区低电压预测装置的结构框图。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
实施例一
如图1所示,本发明提出了一种基于大数据的台区低电压预测方法,包括:
S1:基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据。其中,所述配电网监测平台包括台账接口、用户数据采集接口的配电网监测平台。
通过配电网监测平台的台账接口访问存有设备台账的第一服务器,将设备台账中的台区运行数据实时存储在配电网监测平台的RDS数据库中;
通过配电网监测平台的用户数据采集接口访问存有用户信息的第二服务器,将用户信息中的用户用电数据实时存储在配电网监测平台的RDS数据库中。
在本实施例中,配电网监测平台还包括服务中心,用于将上层应用依赖的服务统一封装管理,如用户权限管理、日志管理等基本服务功能。
将台区运行数据和用户用电数据采集汇总到配电网监测平台,实现数据统一管理,采用中间件集成技术将RDS数据库设置在配电网监测平台中,用于对配电网运行过程产生的历史台账数据、实时台账数据以及用户用电数据进行存储、集中、整合、共享和分析,实现了模型统一、接口标准、存储分散的营配调融合数据管理模式,为构建低电压监测的应用中心提供了坚实的基础。
S2:将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类。
在本实施例中,对分类模型的训练过程包括:
获取台区运行数据与用户用电数据的历史数据,通过预先存储的运行日志获取与历史数据对应的历史供电电压。
将历史数据进行标准化处理,得到符合IEC61968标准的标准历史数据。IEC61968标准IEC61968标准又称配电力信息通信国际标准,是由国际电工委员会推出的国际标准。将历史数据处理为符合IEC61968标准的数据,有利于跨系统间的数据交互。
将历史供电电压人为划分为若干个等级,在每两个等级之间设置一个支持向量机。支持向量机为一类按监督学习方式对数据进行二元分类的广义线性分类器,广泛应用于文本识别、数据分类等领域。但一个支持向量机仅能解决二元分类问题,因此每两类之间都需要设置一个支持向量机,例如,将历史供电电压人为划分为S个等级,在每两个等级之间设置一个支持向量机,即一共设置S(S-1)/2个支持向量机,S的取值范围为正整数。
在本实施例中,台区出现低电压情况是指输出的供电电压低于下限198V的时间持续了1小时,配电网监测平台对管辖区域内台区出口电压数据采集的频率为96次/天,根据低于下限的程度将划分等级,本实施例中等级越高,低电压与下限的差值越大,如129V~168V为第一等级,169V~188V为第二等级,189V~198V为第三等级,199V~230V为第四等级。
对标准历史数据进行特征提取,得到历史特征数据。在本实施例中,通过主成分分析法进行特征提取。
基于历史特征数据对支持向量机进行训练,判断支持向量机输出的等级分类结果与历史供电电压对应的等级是否一致,若判断一致的次数达到预设条件时,结束分类模型的训练。
在对台区进行实时低电压预测时,将台区运行数据与用户用电数据进行标准化处理,得到符合IEC61968标准的标准数据;对标准数据进行特征提取,得到实时特征数据;将实时特征数据输入预先训练好的分类模型中,得到若干个支持向量机输出的等级分类结果。
由于支持向量机固有的优点,对大数据分类问题进行了简化,同时支持向量机具有很好的鲁棒性,能够减少异常数据对等级分类结果的影响,提高等级分类的准确性。
S3:根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警。
在预设时段内,基于预设的采样频率获取分类模型输出的若干个等级分类结果。
将等级分类结果与预设等级进行比较,计算大于预设等级的等级分类结果在所有等级分类结果中所占的比值。
若计算出的比值大于预设比值,根据大于预设等级的等级分类结果对应的台区运行数据的来源,确定发生低电压情况的台区。仅当大于预设等级的等级分类结果在所有等级分类结果中所占的比值大于预设比值时,才判定对应的台区发生了低电压情况,通过设置合理的预设比值,避免了低电压告警泛滥的情况。
根据计算出的比值的大小确定用于表示告警程度的颜色,以表格的形式将所述颜色填充在发生低电压情况的台区对应的表格中。将低电压告警采用可视化的形式显示出来,通过不同的颜色表示低电压情况的严重程度。
例如,在预设时段24小时内,分类模型输出的等级分类结果显示等级低于第四等级的个数为85个,等级分类结果的总数为96个,因此大于预设等级的等级分类结果在所有等级分类结果中所占的比值为超过预设比值1%,说明此时对应台区出现低电压情况,根据表1确定低电压告警的颜色。同时,获取大于预设等级的等级分类结果对应的台区运行数据,通过对设备台账进行检索确定所述台区运行数据是来自台区A,因此在配电网监测平台的显示界面上用红色填充台区A对应的表格,表示台区A出现低电压情况,提醒运维人员及时对台区A内的配电网进行检修。
表1
大于预设等级的比值范围 | 颜色标记 | 告警程度 |
1%~20% | 黄色 | 轻度 |
20%~50% | 橙色 | 中度 |
50%~100% | 红色 | 重度 |
通过颜色标记的方式将低电压告警可视化,便于运维人员快速了解低电压情况以及发生低电压的台区,从而实现及时检修的目的。
本实施例中除了在配电网监测平台的显示界面上显示台区低电压情况之外,还可以通过饼图、直方图和曲线直观展示台区发生低电压的次数、低电压台区数和低电压台区占比,方便运维人员全面掌握台区低电压情况。
实施例二
如图2所示,本发明提出了一种基于大数据的台区低电压预测装置4,包括:
采集单元41:用于基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据。其中,所述配电网监测平台包括台账接口、用户数据采集接口的配电网监测平台。具体用于:
通过配电网监测平台的台账接口访问存有设备台账的第一服务器,将设备台账中的台区运行数据实时存储在配电网监测平台的RDS数据库中;
通过配电网监测平台的用户数据采集接口访问存有用户信息的第二服务器,将用户信息中的用户用电数据实时存储在配电网监测平台的RDS数据库中。
将台区运行数据和用户用电数据采集汇总到配电网监测平台,实现数据统一管理,采用中间件集成技术将RDS数据库设置在配电网监测平台中,用于对配电网运行过程产生的历史台账数据、实时台账数据以及用户用电数据进行存储、集中、整合、共享和分析,实现了模型统一、接口标准、存储分散的营配调融合数据管理模式,为构建低电压监测的应用中心提供了坚实的基础。
分类单元42:用于将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类
在本实施例中,对分类模型的训练过程包括:
获取台区运行数据与用户用电数据的历史数据,通过预先存储的运行日志获取与历史数据对应的历史供电电压。
将历史数据进行标准化处理,得到符合IEC61968标准的标准历史数据。IEC61968标准IEC61968标准又称配电力信息通信国际标准,是由国际电工委员会推出的国际标准。将历史数据处理为符合IEC61968标准的数据,有利于跨系统间的数据交互。
将历史供电电压人为划分为若干个等级,在每两个等级之间设置一个支持向量机。支持向量机为一类按监督学习方式对数据进行二元分类的广义线性分类器,广泛应用于文本识别、数据分类等领域。但一个支持向量机仅能解决二元分类问题,因此每两类之间都需要设置一个支持向量机,例如,将历史供电电压人为划分为S个等级,在每两个等级之间设置一个支持向量机,即一共设置S(S-1)/2个支持向量机,S的取值范围为正整数。
在本实施例中,台区出现低电压情况是指输出的供电电压低于下限198V的时间持续了1小时,配电网监测平台对管辖区域内台区出口电压数据采集的频率为96次/天,根据低于下限的程度将划分等级,本实施例中等级越高,低电压与下限的差值越大,如129V~168V为第一等级,169V~188V为第二等级,189V~198V为第三等级,199V~230V为第四等级。
对标准历史数据进行特征提取,得到历史特征数据。在本实施例中,通过主成分分析法进行特征提取。
基于历史特征数据对支持向量机进行训练,判断支持向量机输出的等级分类结果与历史供电电压对应的等级是否一致,若判断一致的次数达到预设条件时,结束分类模型的训练。
在对台区进行实时低电压预测时,将台区运行数据与用户用电数据进行标准化处理,得到符合IEC61968标准的标准数据;对标准数据进行特征提取,得到实时特征数据;将实时特征数据输入预先训练好的分类模型中,得到若干个支持向量机输出的等级分类结果。
由于支持向量机固有的优点,对大数据分类问题进行了简化,同时支持向量机具有很好的鲁棒性,能够减少异常数据对等级分类结果的影响,提高等级分类的准确性。
预测单元43:用于根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警。
在预设时段内,基于预设的采样频率获取分类模型输出的若干个等级分类结果。
将等级分类结果与预设等级进行比较,计算大于预设等级的等级分类结果在所有等级分类结果中所占的比值。
若计算出的比值大于预设比值,根据大于预设等级的等级分类结果对应的台区运行数据的来源,确定发生低电压情况的台区。仅当大于预设等级的等级分类结果在所有等级分类结果中所占的比值大于预设比值时,才判定对应的台区发生了低电压情况,通过设置合理的预设比值,避免了低电压告警泛滥的情况。
根据计算出的比值的大小确定用于表示告警程度的颜色,以表格的形式将所述颜色填充在发生低电压情况的台区对应的表格中。将低电压告警采用可视化的形式显示出来,通过不同的颜色表示低电压情况的严重程度。
例如,在预设时段24小时内,分类模型输出的等级分类结果显示等级低于第四等级的个数为85个,等级分类结果的总数为96个,因此大于预设等级的等级分类结果在所有等级分类结果中所占的比值为超过预设比值1%,说明此时对应台区出现低电压情况,根据表1确定低电压告警的颜色。同时,获取大于预设等级的等级分类结果对应的台区运行数据,通过对设备台账进行检索确定所述台区运行数据是来自台区A,因此在配电网监测平台的显示界面上用红色填充台区A对应的表格,表示台区A出现低电压情况,提醒运维人员及时对台区A内的配电网进行检修。
表1
大于预设等级的比值范围 | 颜色标记 | 告警程度 |
1%~20% | 黄色 | 轻度 |
20%~50% | 橙色 | 中度 |
50%~100% | 红色 | 重度 |
通过颜色标记的方式将低电压告警可视化,便于运维人员快速了解低电压情况以及发生低电压的台区,从而实现及时检修的目的。
本实施例中除了在配电网监测平台的显示界面上显示台区低电压情况之外,还可以通过饼图、直方图和曲线直观展示台区发生低电压的次数、低电压台区数和低电压台区占比,方便运维人员全面掌握台区低电压情况。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于大数据的台区低电压预测方法,其特征在于,所述台区低电压预测方法包括:
基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据;
将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类;
根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警;
其中,所述配电网监测平台包括台账接口、用户数据采集接口的配电网监测平台;
所述根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警,包括:
在预设时段内,基于预设的采样频率获取分类模型输出的若干个等级分类结果;
将等级分类结果与预设等级进行比较,计算大于预设等级的等级分类结果在所有等级分类结果中所占的比值;
若计算出的比值大于预设比值,根据大于预设等级的等级分类结果对应的台区运行数据的来源,确定发生低电压情况的台区;
根据计算出的比值的大小确定用于表示告警程度的颜色,以表格的形式将所述颜色填充在发生低电压情况的台区对应的表格中;
所述台区低电压预测方法还包括分类模型的训练方法,具体包括:
获取台区运行数据与用户用电数据的历史数据,通过预先存储的运行日志获取与历史数据对应的历史供电电压;
将历史数据进行标准化处理,得到符合IEC61968标准的标准历史数据;
将历史供电电压人为划分为若干个等级,在每两个等级之间设置一个支持向量机;
对标准历史数据进行特征提取,得到历史特征数据;
基于历史特征数据对支持向量机进行训练,判断支持向量机输出的等级分类结果与历史供电电压对应的等级是否一致,若判断一致的次数达到预设条件时,结束分类模型的训练。
2.根据权利要求1所述的一种基于大数据的台区低电压预测方法,其特征在于,所述基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据,包括:
通过配电网监测平台的台账接口访问存有设备台账的第一服务器,将设备台账中的台区运行数据实时存储在配电网监测平台的RDS数据库中;
通过配电网监测平台的用户数据采集接口访问存有用户信息的第二服务器,将用户信息中的用户用电数据实时存储在配电网监测平台的RDS数据库中。
3.根据权利要求1所述的一种基于大数据的台区低电压预测方法,其特征在于,所述将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类,包括:
将台区运行数据与用户用电数据进行标准化处理,得到符合IEC61968标准的标准数据;
对标准数据进行特征提取,得到实时特征数据;
将实时特征数据输入预先训练好的分类模型中,得到若干个支持向量机输出的等级分类结果。
4.一种基于大数据的台区低电压预测装置,其特征在于,所述台区低电压预测装置包括:
采集单元:用于基于预先构建的配电网监测平台,实时采集台区运行数据与用户用电数据;
分类单元:用于将台区运行数据与用户用电数据输入预先训练好的分类模型中,对供电电压进行等级分类;
预测单元:用于根据等级分类结果以及台区运行数据确定是否有发生低电压的台区,若有发生低电压的台区,通过用不同颜色标记的方式对预测的低电压情况进行告警;
其中,所述配电网监测平台包括台账接口、用户数据采集接口的配电网监测平台;
所述预测单元具体用于:
在预设时段内,基于预设的采样频率获取分类模型输出的若干个等级分类结果;
将等级分类结果与预设等级进行比较,计算大于预设等级的等级分类结果在所有等级分类结果中所占的比值;
若计算出的比值大于预设比值,根据大于预设等级的等级分类结果对应的台区运行数据的来源,确定发生低电压情况的台区;
根据计算出的比值的大小确定用于表示告警程度的颜色,以表格的形式将所述颜色填充在发生低电压情况的台区对应的表格中;
所述台区低电压预测装置还包括训练单元,具体用于:
获取台区运行数据与用户用电数据的历史数据,通过预先存储的运行日志获取与历史数据对应的历史供电电压;
将历史数据进行标准化处理,得到符合IEC61968标准的标准历史数据;
将历史供电电压人为划分为若干个等级,在每两个等级之间设置一个支持向量机;
对标准历史数据进行特征提取,得到历史特征数据;
基于历史特征数据对支持向量机进行训练,判断支持向量机输出的等级分类结果与历史供电电压对应的等级是否一致,若判断一致的次数达到预设条件时,结束分类模型的训练。
5.根据权利要求4所述的一种基于大数据的台区低电压预测装置,其特征在于,所述采集单元具体用于:
通过配电网监测平台的台账接口访问存有设备台账的第一服务器,将设备台账中的台区运行数据实时存储在配电网监测平台的RDS数据库中;
通过配电网监测平台的用户数据采集接口访问存有用户信息的第二服务器,将用户信息中的用户用电数据实时存储在配电网监测平台的RDS数据库中。
6.根据权利要求4所述的一种基于大数据的台区低电压预测装置,其特征在于,所述分类单元具体用于:
将台区运行数据与用户用电数据进行标准化处理,得到符合IEC61968标准的标准数据;
对标准数据进行特征提取,得到实时特征数据;
将实时特征数据输入预先训练好的分类模型中,得到若干个支持向量机输出的等级分类结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221043.4A CN112488361B (zh) | 2020-11-05 | 2020-11-05 | 一种基于大数据的台区低电压预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011221043.4A CN112488361B (zh) | 2020-11-05 | 2020-11-05 | 一种基于大数据的台区低电压预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488361A CN112488361A (zh) | 2021-03-12 |
CN112488361B true CN112488361B (zh) | 2023-04-18 |
Family
ID=74928262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011221043.4A Active CN112488361B (zh) | 2020-11-05 | 2020-11-05 | 一种基于大数据的台区低电压预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488361B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113489016A (zh) * | 2021-08-09 | 2021-10-08 | 广东电网有限责任公司 | 一种配电网台区低电压严重程度评估方法及系统 |
CN114629128B (zh) * | 2022-05-16 | 2022-09-02 | 国网江西省电力有限公司电力科学研究院 | 一种基于营配数据融合的用户低电压治理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020064481A (ja) * | 2018-10-18 | 2020-04-23 | 株式会社日立製作所 | 監視システムおよび監視方法 |
WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157180A (zh) * | 2016-09-27 | 2016-11-23 | 国家电网公司 | 台区低电压问题的预警系统 |
-
2020
- 2020-11-05 CN CN202011221043.4A patent/CN112488361B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020064481A (ja) * | 2018-10-18 | 2020-04-23 | 株式会社日立製作所 | 監視システムおよび監視方法 |
WO2020147349A1 (zh) * | 2019-01-14 | 2020-07-23 | 中国电力科学研究院有限公司 | 配电网运行辅助决策分析系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112488361A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105337308B (zh) | 一种电网侧区域分布式光伏运维管理系统及管理方法 | |
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN104219315B (zh) | 一种用电信息采集系统的运行监控系统及其监控方法 | |
CN108537344A (zh) | 基于闭环知识管理的二次设备智能运维方法 | |
CN112488361B (zh) | 一种基于大数据的台区低电压预测方法及装置 | |
CN113221931B (zh) | 一种基于用电信息采集大数据分析的反窃电智能识别方法 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、系统、终端及可读存储介质 | |
CN107798395A (zh) | 一种电网事故信号自动诊断方法及系统 | |
CN111191966B (zh) | 一种基于时空特性的配电网电压不合格时段识别方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN110458444A (zh) | 一种低压台区运行状态多维影响因素综合评价方法及系统 | |
CN103337043A (zh) | 电力通信设备运行状态的预警方法和系统 | |
CN110751338A (zh) | 一种配变台区重过载特征模型的构建和预警的方法 | |
CN111178382A (zh) | 一种基于工单数据挖掘的抢修服务预测分析方法 | |
CN116596512B (zh) | 一种基于信息系统的电力运维安全强化方法和系统 | |
CN106682818A (zh) | 配电网信息处理方法和装置 | |
CN107527121A (zh) | 一种电网的信息系统运行状态诊断预测的方法 | |
CN115293370A (zh) | 一种分布式光伏电站的数字一体化运维管理系统 | |
CN108448721A (zh) | 电力系统主站监控信号与标准信号自动匹配的方法 | |
CN115965266A (zh) | 一种基于大数据的智能分析系统 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN114928168A (zh) | 一种海上平台无人化数据边缘计算装置 | |
CN106803125B (zh) | 一种基于标准用电户折算的采集异常紧急程度计算方法 | |
CN117614137A (zh) | 基于多源数据融合的配电网优化系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |