CN112561251A - 配电网异常点检测方法、装置、计算机设备及存储介质 - Google Patents
配电网异常点检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112561251A CN112561251A CN202011375948.7A CN202011375948A CN112561251A CN 112561251 A CN112561251 A CN 112561251A CN 202011375948 A CN202011375948 A CN 202011375948A CN 112561251 A CN112561251 A CN 112561251A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- evaluation
- evaluation index
- node
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 87
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 375
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims description 94
- 238000004590 computer program Methods 0.000 claims description 24
- 238000001228 spectrum Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 230000032683 aging Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 5
- 230000003068 static effect Effects 0.000 abstract description 11
- 238000013107 unsupervised machine learning method Methods 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 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
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种配电网异常点检测方法、装置、计算机设备及存储介质。根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标,根据配电网中各个网架点的评价参数,对配电网进行可靠性评估,得到第三评估指标;根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。针对配电网运行/静态,局部节点/整体的多维度配电网状态,提出了三种不同角度的配电网评估方法,并且对三个角度所产生的评估结果进行综合考察,采用无监督机器学习的方法,找出其中异常点,从而完成对配电网异常点的检测。
Description
技术领域
本发明涉及电力领域,特别是涉及一种配电网异常点检测方法、装置、计算机设备及存储介质。
背景技术
随着电力系统的电网规模的不断扩大,电力一次设备/二次设备、综合能源以及诸多新型负荷终端的大量出现,给配电网的可靠性带来了诸多不确定的因素,使得配电网负荷分布、运行特性分布不均匀的特征越来越明显,从而负荷对供电可靠性的要求也越来越高。配电网可靠性评估是运筹学在配网中的应用,综合性质的评价是对多指标的配电网薄弱点问题做出具有全局性、整体性的评价。根据已经知道的条件、利用适当的方式给每个评价的对象一个相关联的数值,即评价值,再据此选优或归类。多维指标体系的配电网可靠性综合评估,是对需求的配电网的各个稳定性指标,针对不同电力负荷的电能质量敏感需求,给出择优评价指标,从配电网全局评估配电网的异常点。
现有技术主要是针对配电网设备运行状态下的可靠性评估方法。这种方法由于选择的角度有限,只能从配电网设备运行状态下得出配电网中的异常设备检测结果,容易产生误差。
发明内容
基于此,有必要针对于上述技术问题,提供一种通过从多个角度对配电网进行可靠性评估的一种配电网异常点检测方法、装置、终端及存储介质。
第一方面,提供了一种配电网异常点检测方法,包括:
根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标,第一评估指标用于表征配电网中各个节点在运行状态下的可靠性,第二评估指标用于表征配电网整体在运行状态下的可靠性;
根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标,第三评估指标用于表征配电网中各个节点在非运行状态下的可靠性以及配电网整体在非运行状态下的可靠性;
根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。
在其中一个实施例中,根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标,包括:
根据配电网中各个节点的负荷值和电压值,得到配电网中各个节点在不同评价维度的评价参数;
将配电网中各个节点的评价参数通过主成分分析降维得到第一评估指标。
在其中一个实施例中,配电网节点评价参数包括:
电压越下限的概率、电压越上限的概率、电压超限的概率、电压安全的概率、电压安全上限裕度、电压安全下限裕度、潮流过载的概率、潮流过载的期望、潮流安全的概率、潮流安全的裕度和潮流安全的期望;
电压越下限的概率和电压越上限的概率用于表征配电网中功率因数与无功功率变化对节点电压的影响;
电压超限的概率和电压安全的概率用于表征配电网中负荷大小与波动情况对配电网的影响;
电压安全上限裕度和电压安全下限裕度用于表征配电网中节点电压与安全电压上下限之间的距离;
潮流过载的概率和潮流安全的概率用于表征配电网中节点负荷处于安全范围内的时间长短;
潮流过载的期望和潮流安全的期望用于表征配电网中节点基础负荷的平均大小;
潮流安全的裕度用于表征配电网中节点对负荷波动的承载能力。
在其中一个实施例中,根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第二评估指标,包括:
周期性地采集配电网中各个节点的电压值,根据采集到的的电压值获取状态数据矩阵;
周期性地采集配电网中各个节点的负荷值,根据采集到的的负荷值获取因素矩阵;
将状态数据矩阵和因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差;
利用平均谱半径差得到第二评估指标。
在其中一个实施例中,根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标,包括:
根据网架评价参数通过层次分析法得到网架评价参数对应的权重;
根据各个节点的网架评价参数值以及网架评价参数对应的权重进行加权求和计算,得到第三评估指标。
在其中一个实施例中,节点的网架评价参数,包括:
平均供电半径、配电网供电半径率、网荷复合影响因数、最大供电半径、线径不合格率、线路老化率、线路最大老化程度、大分支户数比率、载流量不匹配率、载流量最大不匹配程度、载流量干线最大不匹配程度和平均转供能力;
配电网供电半径率用于表征配电网中配电变压器的供电半径大于预设阈值的数量在总配电变压器数量的占比;
网荷复合影响因数用于表征配电网中供电半径大小与负荷数量对电压的影响;
大分支户数比率用于表征配电网中大分支的配电变压器数量在总配电变压器数量的占比;
载流量不匹配率用于表征配电网中载流量不匹配线路在总体之中的占比;
载流量最大不匹配程度用于表征配电网中表征载流量不匹配的严重程度;
载流量干线最大不匹配程度用于表征配电网干线中载流量不匹配的严重程度;
平均转供能力用于表征配电网中平均每个负荷所分得的转供能力。
在其中一个实施例中,根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点,包括:
将第一评估指标、第二评估指标和第三评估指标进行集合得到三维评估指标;
三维评估指标根据孤立森林算法得到配电网中各个节点的平均路径长度;
根据配电网中各个节点的平均路径长度得到配电网中的异常节点。
第二方面,提供了一种配电网异常点检测装置,装置包括:
运行状态评估模块,用于根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标,第一评估指标用于表征配电网中各个节点在运行状态下的可靠性,第二评估指标用于表征配电网整体在运行状态下的可靠性;
非运行状态评估模块,用于根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标,第三评估指标用于表征配电网中各个节点在非运行状态下的可靠性以及配电网整体在非运行状态下的可靠性;
综合评估模块,用于根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。
在其中一个实施例中,运行状态评估模块具体用于根据配电网中各个节点的负荷值和电压值,得到配电网中各个节点在不同评价维度的评价参数;将配电网中各个节点的评价参数通过主成分分析降维得到第一评估指标。
在其中一个实施例中,运行状态评估模块具体用于周期性地采集配电网中各个节点的电压值,根据采集到的的电压值获取状态数据矩阵;周期性地采集配电网中各个节点的负荷值,根据采集到的的负荷值获取因素矩阵;将状态数据矩阵和因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差;利用平均谱半径差得到第二评估指标。
在其中一个实施例中,运行状态评估模块还用于在因素矩阵中加入随机噪声,得到处理后的因素矩阵,随机噪声用于消除采集到的负荷值中的重复数据所造成的相关性;将状态数据矩阵和处理后的因素矩阵进行拼接。
在其中一个实施例中,非运行状态评估模块具体用于根据网架评价参数通过层次分析法得到网架评价参数对应的权重;根据各个节点的网架评价参数值以及网架评价参数对应的权重进行加权求和计算,得到第三评估指标。
在其中一个实施例中,综合评估模块具体用于将第一评估指标、第二评估指标和第三评估指标进行集合得到三维评估指标;三维评估指标根据孤立森林算法得到配电网中各个节点的平均路径长度;根据配电网中各个节点的平均路径长度得到配电网中的异常节点。
第三方面,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序;处理器用于执行计算机程序实现上述任意一个实施例的配电网异常点检测方法。
第四方面,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时用于实现上述任意一个实施例的配电网异常点检测方法。
在本申请实施例提供的配电网异常点检测方法,针对配电网运行/静态,局部节点/整体的多维度配电网状态,提出了三种不同角度的配电网评估方法,通过三种评价指标分别从不同的角度和方式对配电网的异常点进行评估:第一评价指标是对于配电网动态运行情况下每个节点的异常点;第二评价指标是针对配电网动态运行情况下整体的异常点评价;第三评价指标是基于配电网网架拓扑解析与薄弱点诊断是在静态网架中各个节点以及整体的可靠性程度的评价。通过多种评价指标通过孤立森林算法得到异常节点相比于现有技术中只通过单独维度对配电网异常点进行检测更加全面。
附图说明
图1为本申请配电网异常点检测方法的流程图;
图2为本申请实施例提供的一种配电网网架点评价参数的示意图;
图3为本申请实施例提供的一种配电网异常点检测方法中获得第一评估指标的流程图;
图4为本申请实施例提供的一种配电网配电示意图;
图5为本申请实施例提供的一种配电网异常点检测方法中获得第二评估指标的流程示意图;
图6为本申请实施例提供的一种配电网异常点检测方法中获得第三评估指标的流程示意图;
图7为本申请实施例提供的一种配电网异常点检测装置示意图;
图8为本申请实施例提供的一种计算机设备示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
配电网的异常点检测是根据已经知道的条件利用适当的方式给每个评价的配电网节点一个相关联的数值,即评价指标,再据此选优或归类,检测出配电网中的异常点。
当前,随着配电网规模的不断扩大,一次设备/二次设备、综合能源以及诸多新型负荷终端的大量出现,使得配电网负荷分布、运行特性分布不均匀的而导致的配电网异常点的出现愈发频繁。对于配电网中异常点的高效检测不仅提高了工作人员修复的效率,还避免了不必要的经济损失。
在现有技术中已有多种配电网异常点检测方法,包括针对配电网设备、网架结构或运行状态等等角度的多种不同的评估方法。这些方法往往选择从某个特定的角度,对配电网某一方面进行异常点评估,从而得出此角度的配电网异常点检测结果。
但由于配电网作为一个综合能源系统,其可靠性必定不能由单独的一个维度的评估就可以完整的评价出整个网络系统的稳定性。所以,现有技术中在对配电网异常点检测的时候,可能会存在较大的误差。
本申请实施例提出一种针对配电网运行/静态,局部节点/整体的多维度配电网异常点检测方法,将从三个维度对配电网可靠性进行评估,得到三个维度的评估指标,并将得到的三个维度的评估指标通过孤立森林算法得到配电网中的异常节点,形成多维度的配电网异常点检测方法,相比于现有技术中只通过单独维度对配电网异常点进行检测更加全面。
下面,将对本申请实施例提供的配电网异常点检测方法所涉及的实施环境进行简要地说明。本申请实施例提供的配电网异常点检测方法,其执行主体可以是配电网异常点检测装置,该配电网异常点检测装置可以通过软件、硬件或者软硬件结合的方式实现成为终端的部分或者全部。下述方法实施例中,均以执行主体是终端为例来进行说明,其中,终端可以为移动终端、配电所中的异常点检测设备或服务器等,该终端可以接收到配电网中各个配电变压器负荷值和电压值,以及能够查询到配电网中各个配电变压器的网架线路公共信息。本申请实施例不对终端的具体类型进行限定。
请参考图1,其示出了本申请实施例提供的一种配电网异常点检测方法的流程图,该配电网异常点检测方法可以应用于上文所述实施环境中。如图1所示,该配电网异常点检测方法可以包括以下步骤:
步骤101,终端根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标。
其中,配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网,由架空线路、杆塔、电缆、配电变压器等配电设备组成。
节点具体是指配电网中的配电变压器,节点的负荷值具体是指配电变压器运行状态下的功率,电压值是指配电变压器运行状态下的电压。
第一评估指标是指在配电网运行状态下,终端根据配电网中各个节点的负荷值和电压值,得到配电网各个节点的评价值的集合。
第二评估指标是指在配电网运行状态下,终端根据配电网中各个节点的负荷值和电压值,得到配电网整体的评价指标。
具体的,终端接收根据各个节点实际量测的负荷值和电压值,得到的配电网各个节点运行状态下的第一评价值,将各个节点的第一评价值进行集合,得到第一评估指标P=(P1,P2…Pn),其中Pn表示第n个配电网节点在运行状态下的第一评价值。
终端根据各个节点实际量测的负荷值和电压值,得到的配电网整体运行状态之间在运行状态下的第二评价指标D=(D1,D2…Dn),其中Dn表示配电网节点在运行状态下第n个第二评价值。
步骤102,终端根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标。
其中,网架评价参数是指根据实际情况,所得出的配电网中各个节点之间的网架可能存在的问题所表征的参数。
本申请实施例中包括六个在配电网中普遍存在的问题,分别是:供电半径过长、分支线过长、线径过细、线路上下级载流量不匹配、转供能力以及设备老化。如图2,这六个配电网中广泛存在的典型问题均可以通过公共城市信息模型(City Information Modeling)的解析数据进行探测与辨识,从而诊断出配电网中存在的问题。
(1)供电半径过长
供电半径指变电站出线至线路末端的变电站之间的供电距离,在中压配电网中即代表了变电站至各个中压配电网用户,即中低压配电网变压器的距离。根据南方电网公司公开的《110千伏及以下配电网规划技术指导原则》,为保证中压配电线路的末端电压质量满足要求,推荐供电半径如下表1:
表1供电区域划分表
其中,1):σ为供电区域规划水平年的负荷密度(MW/km2)。
2):供电区域面积不宜小于5km2。
3):计算负荷密度时,应扣除110kV及以上电压等级的专线负荷,以及高山、戈壁、荒漠、水域、森林等无效供电面积。
具体计算方式为通过查找CIM模型中存在的所有中低压配电网变压器,以此为起点计算长度,由于配电网为辐射状网络拓扑结构,则根据潮流方向向变电站出线口,即辐射起点进行回溯,将回溯路径中所有的线路长度相加得到供电半径长度。
(2)分支线过长
随着配电网的不断发展与扩大,为满足配电网所在地需求,随着配电网的不断发展与扩大,为了满足当地需求,配电网各个分支上会不断出现新的用户与分支线的连入,而这些分支线的连入是在规划配电网时无法预测的,随着这样的新分支的不断连入,原有的线路中可能会出现某一个分支线不断扩充线路长度,或者说不断有新的中压用户的接入的情况。这种情况会造成“大分支/分段”问题,即分支线过长。不同于供电半径问题所考虑的线路过程所带来的线路末端电压质量降低的问题,大分支的存在主要会影响整个中压配电网在故障发生时的恢复能力,即分支线上出现的故障会带来大面积停电的情况。大分支的计算方式与供电半径类似,以各个分支线的末端变压器为起点,回溯终点为分支线起点或者联络开关。
(3)配电网线路线径过细问题
配电网的发展速度过快导致原有的线路线径过细,可能已经无法满足发展后的配电网的供电需求,根据《110千伏及以下配电网规划技术指导原则》,中压架空线路导线的导线截面推荐值见表2,中压电缆线路截面推荐值见表3。低于该参考值的线径可看作网架供电隐患。
表2中压架空线路导线截面推荐表
表3中压电缆截面推荐表
CIM模型中对于线路的型号、横截面积、所属线路等均有描述,所以通过查找每一个线路是否满足上述推荐表的推荐值可以达到配电网线径过细问题的探测与辨识。
(4)配电网线路载流量不匹配问题
在中低压配电网中,架空线与电缆的载流量需与前后线路载流量有选择配合。近十年非线性负荷和供非线性负荷的电缆比例快速攀升。为了应对这一情况,在设计规划和城网改造时经常需要评估电线电缆温度和载流量,采用载流量更大的线缆以应对日益加剧的负荷需求,而此时老旧的上级线路载流量不够而产生供电瓶颈的问题就会愈发明显。
针对这一问题,本申请实施例基于CIM模型解析数据,对每条交流线路进行查找,得出其载流量,探测出其中次级线路的最大载流量若是大于主要线路的最大载流量,即主要线路的载流量实际不能满足次要线路的载流量需求,则判定此处的载流量不匹配,达到了载流量不匹配问题的探测与辨识。
(5)配电网负荷转供能力
随着经济的发展,变电站往往建设在城市的边缘,在35kV以上的电源点的配置逐渐减少,同时主网的条件无法满足N-1准则(N-1准则是指正常运行方式下电力系统中的任意一元件如变压器,因故障断开后,电力系统应能保持稳定运行和正常供电。),在具备双电源的主网变电站只能被迫变成单变运,就会造成10kV的供电半径较长,涉及到的范围较大。相关电力装备比较落后,人员不能合理利用,导致配电网的运维难度加大。部分乡镇与城中村的配电网环行线结构不是很完整。当电源停止供电后,不能将负荷转移到其他正常运行的线路中。即使在部分城镇中对于环形配电网已经安装完善,但是安装的线种单一,并且承载能力较弱。如果一旦单个线路出现故障,其他健康运行的线路不能承担转移线路的负载电流。故配电网是否具有负荷转供能力,一定程度上反应了配电网面对故障等情况的鲁棒性,故本申请实施例提出了配电网负荷转供能力的探测与辨识问题。
针对此问题,根据CIM模型解析数据中存在负载开关(loadswitch)这一元器件来代表不同变电站之间的联络开关,所以可以通过查找配电网中是否存在相关元器件在反应是否具有负荷转供能力,从而完成这一问题的探测与辨识。
(6)配电网设备及线路年限与老化
许多乡镇的电力系统中的设备存在不同程度的老化,由于长期的使用并且投入资金不足,没有将电力设备进行定期的检查和维修,在城镇中线路经常出现问题,非常影响配电网的安全性,在电网中影响供电的连续性,无法让配电网正常稳定供电,在配电网的管理工作中造成许多困难。
本申请实施例基于CIM模型数据与设备台账数据对线路年限进行核对。利用CIM模型中的acline子类数据进行线缆判别,获取设备id与name,再去台账数据中查找,进行年限核对。从而完成这一问题的探测与辨识。
针对上述存在的六个问题,通过对CIM模型解析数据的查找,可以完成上述六个问题的探测与辨识,基于辨识结果,可以形成如下12个网架评价参数:
(1)配电网长供电半径率
(2)最大供电半径
该指标为供电半径的最大值,体现了台区中最远端配变的供电半径大小。
(3)平均供电半径
该指标为供电半径的平均,体现了台区中整体供电半径大小。
(4)网荷复合影响因数
Rm为台区供电半径的中位数,L0为参考基值,比如可取105。由于对于末端区域的负荷而言,影响其电压稳定性的不仅是供电半径,还有供电线路上的其他负荷,因此该指标综合考虑了台区的规模与负荷数量,表示整体供电半径大小与负荷数量对电压的潜在影响。
(5)线路老化率
(6)线路最大老化程度
a0为年限基准值,该指标表示线路使用的最长时间,表达了线路中老化线路的最恶劣情况。
(7)大分支户数比率
X代表大分支配变集合,ntrans(i∈X)代表隶属于大分支的配变数目,该指标表示属于大分支的配变数在台区总配变数中的占比。
(8)线径不合格率
LineIssue表示线径过细线路的集合,nlines(i∈LineIssue)表示属于线径过细线路的数目,该指标表示线径不合格线路在总体中的占比。
(9)载流量不匹配率
CapacityIssue表示与下级载流量不匹配的线路集合。nlines(i∈CapacityIssue)表示属于载流量不匹配线路的数目。该指标表示载流量不匹配线路在总体之中的占比。
(10)载流量最大不匹配程度
Ci代表第i条线路的载流量,Ci.sons代表其子节点的载流量,该指标表示对于载流量不匹配节点来说,父节点与子节点载流量差额占自身载流量之比最大的情况。该值代表了载流量不匹配的严重程度。
(11)载流量干线最大不匹配程度
G代表干线线路集合,Gi,g指的是干线集合中第i条线路的载流量,该指标表示每条干线的载流量与子节点载流量最大值比较,差值最多的作为干线最大不匹配程度,代表干线中载流量不匹配最恶劣节点的严重程度。
发生载流量不匹配对于后面的支路负荷都会造成较大影响,需要重点考虑。
(12)平均转供能力
nLS代表台区内联络开关个数。该指标表示联络开关数在负荷数中的占比,表示平均每个负荷所分得的转供能力。
在本申请实施例中,可以根据六个配电网问题的12个网架评价参数,得到配电网中各个节点在非运行状态下的评价参数值,并将配电网中各个节点的网架评价参数值进行集合得到第三评估指标S=(S1,S2…Sn),Sn表示第n个节点的网架评价参数值。
第三评估指标最终将输出配电网各节点在网架问题的静态稳定性指标,相较与第一评估指标与第二评估指标,第三评估指标所输出的属于静态稳定性评估结果,其结果不会随时间发生改变。
步骤103,终端根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。
孤立森林算法是一种适用于连续数据(Continuous numerical data)的无监督异常检测方法,即不需要有标记的样本来训练,但特征需要是连续的。在孤立森林算法中,递归地随机分割数据集,直到所有的样本点都是孤立的。在这种随机分割的策略下,平均路径长度越短则表示该数的离群程度越大,即异常点通常具有较短的路径。
将得到的第一评估指标P=(P1,P2…Pn)、第二评估指标D=(D1,D2…Dn)和第三评估指标S=(S1,S2…Sn)这三个维度评估指标进行集合,集合后得到了包括第一评估指标、第二评估指标和第三评估指标内容的三维指标(P,D,S)。将该三维指标通过孤立森林算法得到各个节点n的平均路径长度,将该三维评估指标通过孤立森林算法得到所述配电网中各个所述节点的平均路径长度,具体是将该三维评估指标随机生成二叉树分割数据,直到分完所有数据或者达到预定的树深度。当某节点的平均路径长度小于一定长度,则该节点即是配电网中的异常节点,或所有配电网节点中平均路径长度最短的一些节点可以认为该配电网节点为异常节点。
在本申请实施例中,通过三种评价指标分别从不同的角度和方式对配电网的异常点进行评估:第一评价指标是对于配电网动态运行情况下每个节点的异常点;第二评价指标是针对配电网动态运行情况下整体的异常点评价;第三评价指标是基于配电网网架拓扑解析与薄弱点诊断是在静态网架中各个节点以及整体的可靠性程度的评价。通过多种评价指标通过孤立森林算法得到异常节点相比于现有技术中只通过单独维度对配电网异常点进行检测更加全面。
在本申请一个实施例中,如图3,根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标的步骤包括:
步骤201,根据配电网中各个节点的负荷值和电压值,得到配电网中各个所述节点在不同评价维度的评价参数。
如图4,配电网的各个节点分为单元层和耦合层,其中U代表变电站母线电压,U'为配变出口电压,所以对于配电网的各个节点的评价维度可以包括单元层指标和耦合层指标。
配电网单元层指标主要为各个节点的负荷值形成的指标。这一指标类主要描述了各个节点负载负荷波动与配变电压器健康影响情况,将配变参数纳入评估维度,体现了配变电压器与各个节点负载对配电网系统的影响。
配电网单元层指标可以包括潮流安全裕度、潮流安全期望、潮流安全概率、潮流过载期望及潮流过载概率。
配电网耦合层指标主要是线路拓扑与负载负荷对受电侧电能质量、电压稳定性的影响,具体是指线路拓扑越长,线路上的阻抗就更大,相同电流下会导致更大的压降,降低电压幅值,影响电能质量和电压稳定性。
其中,配电网单元层指标的评价参数具体包括:
(1)潮流安全裕度
其中,Ms为潮流安全裕度,S为配电变压器容量,Lmax为评估期(一般取一小时)内节点最大有功负荷。潮流安全裕度指标描述了配变对负荷波动的承载能力,单独可作为后期设备升级、规划与经济性评估等问题的参考指标。
(2)潮流安全与过载期望
其中,Es为潮流安全期望,Pi为某有功值,P(Pi<0.8S)为低于80%额定容量S的有功值Pi出现概率。潮流安全期望指标是节点负荷在低于80%额定容量下的平均值,描述了节点基础负荷的平均大小。
Ed为潮流过载期望,是节点负荷高于80%额定容量S部分的平均值,描述了节点峰值负荷的平均大小与配电变压器处于高负载状态的程度。
(3)潮流安全与过载概率
Ps=P(Pi<0.8S)
Ps为潮流安全概率,P(Pi<0.8S)为低于80%额定容量S的有功值Pi出现概率。该指标描述了节点负荷处于安全范围内的时间长短。
Pd=P(Pi≥0.8S)
Pd为潮流过载概率,体现了台区配电变压器处于高负载状态下的时间长短。
耦合层指标的评价参数具体包括:
(1)电压安全裕度
其中,Mus为电压安全裕度,Unominal为额定运行电压有名值,Umax为预测电压最大值,Umin为最小值。该指标描述了节点电压与安全电压上下限之间的距离,体现了输电线距离与节点负荷对用户用电质量及设备可靠性的影响。
(2)电压安全与越限概率
Pus=P(0.93Unominal)≤U≤1.07Unominal
Pud=1-P(0.93Unominal)≤U≤1.07Unominal
其中,Pus为电压安全概率,Pud为电压越限概率。这组指标体现了负荷大小与波动情况对系统可靠性的影响。
(3)电压越上下限概率
Pupper=P(U≥1.07Unominal)
Plower=P(U≤1.07Unominal)
其中,Pupper为电压越上限概率,Plower为电压越下限概率。该组指标描述了功率因数与无功功率变化对节点电压的影响。
本申请实施例中第一评估指标是终端根据配电网中各个节点的负荷值和电压值,得到配电网中各个节点在不同评价维度的评价参数,通过各个节点的负荷值和电压值得到不同评价维度的评价参数,从而通过多个评价维度评价该节点是否是异常节点,更加全面。
步骤202,将配电网中各个节点的评价参数通过主成分分析降维得到第一评估指标。
主成分分析法是一种用于简化对象模型、提取主要信息、减少变量维度的多元统计分析方法。由于各个不同评价维度之间存在内在关联,会产生冗余信息,通过主成分分析,采用离差平方和或方差计算各指标,将重复或相关性强的不同评价维度的评价参数删去,提取出第一评估指标。
本申请实施例中基于PCA的综合指标算法流程可以包括:每个节点共m个评价指标(在本申请实施例中m=11),对配电网中n个节点(即配电网中各个节点)进行了评价,得到了数据矩阵Z。由于各个列向量之间的量纲不同,为了消除量纲对PCA输出值域与评价同一性(假定各指标地位相同)的影响,需要对Z各列向量(物理指标)进行标准化处理,转化为标准正态分布变量,得到标准化矩阵Z。
根据下式求取各向量之间相关系数σ,定义变量X与Y之间相关系数为σXY:
其中cov(X,Y)表示Z的列向量X和Y的协方差,σ(X)和σ(Y)表示Z的列向量X和Y各自的标准差。
此时计算列与列之间的相关系数,可以写出Z自相关矩阵R。
由于R为对称正定阵,根据矩阵基础理论,有:
其中,U是由特征向量构成的正交阵,每个特征向量与各自特征根λ相对应。
U=(u1,u2,...,un)
通过调整顺序使得λ1≥λ2≥...≥λn,也就得到了对应的U阵,因此数据变量阵Z在U的第一列向量u1所投射的方向上具有最大的方差,有:
Var(F1)=Var(u1 TZ)=λ1
以此类推,可以得出:
Var(Fi)=Var(ui TZ)=λi
其中每个Fi即为Z的主成分,是Z在各特征向量方向的投影结果,由于特征向量两两正交,因此Fi互不相关,每个主成分都包含了Z的信息,其方差为R阵的特征根,那么就有:
对于特征值λ的求取,可以采用下式求得自相关矩阵R的特征值,调整顺序后求得对应的特征向量正交阵U。
|λE-R|=0
在得到R的全部n个特征值后,通过下式计算第i指标的方差贡献率ω,即λi在总特征值和的占比;以及累计方差贡献率ρ,即前m个特征值的累计占比,对应的是前m个方差最大的主成分所包含Z的信息量。
根据实际的需要选取需保留的信息量,即累计方差贡献率最小值ρmin,从与λ1相对应的F1开始选取主成分,直到ρ大于ρmin为止,此时共选取了前p个主成分,即F1,F2,…,Fp。因此,所选取的主成分的个数p取决于ωi与ρmin。又由于自相关矩阵R的特征值λ1是按照大小顺序排列的,所以前若干个主成分就可以包含n个初始指标变量的绝大部分信息,通过选取合适的ρmin可以实现大幅度的降维。
最后,定义主成分载荷矩阵S,其中不同的cov(Fi,zj)分别对应主成分Fi与原评价指标zj间的相关性系数,绝对值越大则代表主成分i与指标j关联越紧密,正负值代表正相关与负相关。因此,在对主成分指标进行评估后,可以利用寻找载荷矩阵元素绝对值最大的方式,搜索到对主成分贡献最大的指标。
在本申请实施例所采用的降维目标中,由于需要生成每个节点的第一评估指标,因此不选取ρmin,而是采用保留第一项特征值的方式,将多层次评价指标降低至一维,并将得到的PCA值作为第一评估指标。
终端将各个节点得到的负荷值和电压值,通过单元层和耦合层指标等不同评价维度进行评价,得到不同维度指标下评价值,但是由于各个维度之间存在内在关联,会产生冗余信息,采用主成分分析算法对不同维度指标下评价值进行降维处理,将重复或相关性强的不同评价维度的评价参数删去,提取出第一评估指标。筛选影响系统运行可靠性的关键元件、重要区域和薄弱环节,缩小评估范围。
在本申请一个实施例中,如图5,根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第二评估指标的步骤包括:
步骤301,终端周期性地采集所述配电网中各个所述节点的电压值,根据采集到的的电压值获取状态数据矩阵。
步骤302,终端周期性地采集所述配电网中各个所述节点的负荷值,根据采集到的的负荷值获取因素矩阵。
因素矩阵De具体是通过待评价的负荷向量Vf按列扩展得到的:
其中负荷向量Vf是通过周期性采集的负荷值经标准化后得到的:
Vf=[Pt1,Pt2,...PtT]。
在本申请一个可选的实施例中,因素矩阵De中可以加入随机噪声矩阵N,以消除重复数据中包含的内部相关性。得到加入噪声的因素矩阵Ef:
Ef=De+k×N
其中,k为幅值。但是加入的噪声太小则会使得算法结果极大的受到重复的负荷数据其内在关联性的影响,而过多的噪声则会降低关联性分析结果的准确性。因此加入噪声的信噪比ρ为:
步骤303,终端将状态数据矩阵和所述因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差。
将状态变量矩阵与因素矩阵拼接成增广分析矩阵A作为圆环率算法的输入矩阵,得到其平均谱半径曲线。为了形成对比与得到量化关联性数据,设置一组参照增广阵An,将因素矩阵换为同等规模的随机变量矩阵。得到An的平均谱半径后,两条曲线之间的对比将揭示因素矩阵所含的节点负荷与整体电压之间的相关性。
通过同步的数据窗口分离出A与An,得到两组平均谱半径曲线。在每个时刻点,将增广分析矩阵A与参照增广阵An的平均谱半径作差,其意义是当参考阵由不影响谱半径的随机变量变为因素变量(某节点负荷)后,数据相关性的变化程度,越大则意味着该节点的负荷与整体电压波动关联性更强,节点相关度更高。因此,定义平均谱半径差:
步骤304,终端利用所述平均谱半径差得到所述第二评估指标。
为了得到量化的关联性指标,赋予其可对比性,定义节点关联性指标:
曲线表现了节点负荷波动与整体电压内在关联性的规律,而曲线能够表露节点i的负荷波动在T这段时间内,其与配电网整体运行情况的相关程度。sMSRi(t)是dMSRi(t)的积分,表示一段时间内的累计相关性强弱。出环概率是A的平均谱半径曲线在一段时间内低于内环值的比例。通过计算A的平均谱半径曲线在一段时间内低于内环值的比例得到出环概率。并且利用A的平均谱半径曲线的出环概率作为第二评价指标。
在本实施例中,通过增广矩阵法,可以得到每个节点与整体之间的关联性,从而从稳定性方面得到各个节点的薄弱性,得到各个节点与配电网整体之间在运行状态下的评价指标,形成针对各个节点的异常点评估。
在本申请一个实施例中,如图6,根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标的步骤包括:
步骤401,终端根据网架评价参数通过层次分析法得到网架评价参数对应的权重。
层次分析法,简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。
在本申请实施例中得到六个问题的配电网可靠性12个指标,采用层次分析的方法形成网架评价参数对应的权重,具体步骤如下:
根据6个网架问题与12个指标值建立层次结构模型,配电网可靠性为最高层,6个网架问题为中间层,12个指标为最底层。
根据各层次各因素之间的主次关系,确定各个因素的权重。采用一致矩阵法,如表4,对每两个因素进行比较,形成彼此之间的主次关系,对比时采用相对尺度,以尽可能减少性质不同因素相互比较的困难,以提高准确度。
表4主次关系设定标准群
对比比较值 | 含义 |
1 | 两个因素相比,具有同等重要性 |
3 | 两个因素相比,前者比后者稍显重要 |
5 | 两个因素相比,前者比后者明显重要 |
7 | 两个因素相比,前者比后者特别重要 |
9 | 两个因素相比,前者比后者极其重要 |
2,4,6,8 | 上述相邻判断的中间值 |
由人工对同一层次内的所有指标之间的相对重要性进行打分,从而得到各个指标之间的相对关系,从而形成彼此之间的重要性关系矩阵,即判断矩阵A(正交化)。
具体的假设两个因素分别是合格率和老化率,合格率相对老化率的重要度是4,老化率相对合格率重要度为0.25。
判断矩阵A中的每一行元素值代表了这一因素相对于其他因素的相对重要性,则可以通过对判断矩阵A的各行向量进行几何平均,并统一归一化,即可得到各个评价指标的权重值和特征向量W。
在本申请一个可选实施例中,在得到各个评价指标的权重值后,通过判断矩阵A的一致性检验,即判断思维的逻辑一致性。考察判断矩阵中是否存在环形相对重要关系,即以三个节点i,j,k为例,是否存在i比j重要,j比k重要,k比i重要这样的环形相对重要关系。如果存在,则判断矩阵存在逻辑不一致性问题,需要对重新开始执行步骤401,如果一致则进行层次排序。
层次排序,可分为层次单排序和层次总排序。层次单排序是指对于上一层某因素而言,本层次各因素的重要性的排序。层次总排序是指确定某层所有因素对于总目标相对重要性的排序权值过程。这一过程是从最高层到最底层依次进行的。对于最高层而言,其层次单排序的结果也就是总排序的结果,由此通过层次分析法得到各个网架评价参数的权重。
步骤402,终端根据各个节点的网架评价参数值以及网架评价参数对应的权重进行加权求和计算,得到所述第三评估指标。
终端根据查询各个节点的网架评价参数值,将各个节点得到的网架评价参数的值进行归一化后与各个网架评价参数的权重进行加权,并将加权后的所有网架评价参数值求和,得到各个节点的第三评价值,将各个节点的第三评价值进行集合得到第三评估指标S=(S1,S2…Sn),Sn表示第n个节点的第三评价值。
第三评估指标最终将输出配电网各节点在网架问题的静态稳定性指标,相较与第一评估指标与第二评估指标,第三评估指标所输出的属于静态稳定性评估结果,其结果不会随时间发生改变。
在本申请实施例中,通过三种评价指标分别从不同的角度和方式对配电网的异常点进行评估:第一评价指标是对于配电网动态运行情况下每个节点的异常点;第二评价指标是针对配电网动态运行情况下整体的异常点评价;第三评价指标是基于配电网网架拓扑解析与薄弱点诊断是在静态网架中各个节点以及整体的可靠性程度的评价。通过多种评价指标通过孤立森林算法得到异常节点相比于现有技术中只通过单独维度对配电网异常点进行检测更加全面。
在本申请一个实施例中,如图7所示,提供了一种配电网异常点检测装置,包括:运行状态评估模块、非运行状态评估模块和综合评估模块,其中:
运行状态评估模块,用于根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标,第一评估指标用于表征配电网中各个节点在运行状态下的可靠性,第二评估指标用于表征配电网整体在运行状态下的可靠性。
非运行状态评估模块,用于根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标,第三评估指标用于表征配电网中各个节点在非运行状态下的可靠性以及配电网整体在非运行状态下的可靠性。
综合评估模块,用于根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。
在本申请的一个可选实施例中,运行状态评估模块具体用于:
根据配电网中各个节点的负荷值和电压值,得到配电网中各个节点在不同评价维度的评价参数;将配电网中各个节点的评价参数通过主成分分析降维得到第一评估指标。
在本申请的一个可选实施例中,运行状态评估模块还用于:
周期性地采集配电网中各个节点的电压值,根据采集到的的电压值获取状态数据矩阵;周期性地采集配电网中各个节点的负荷值,根据采集到的的负荷值获取因素矩阵;将状态数据矩阵和因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差;利用平均谱半径差得到第二评估指标。
在本申请一个可选实施例中,运行状态评估模块还用于:
在因素矩阵中加入随机噪声,得到处理后的因素矩阵,随机噪声用于消除采集到的负荷值中的重复数据所造成的相关性;将状态数据矩阵和处理后的因素矩阵进行拼接。
在本申请的一个可选实施例中,非运行状态评估模块具体用于:
根据网架评价参数通过层次分析法得到网架评价参数对应的权重;根据各个节点的网架评价参数值以及网架评价参数对应的权重进行加权求和计算,得到第三评估指标。
在本申请的一个可选实施例中,综合评估模块具体用于:
将第一评估指标、第二评估指标和第三评估指标进行集合得到三维评估指标;三维评估指标根据孤立森林算法得到配电网中各个节点的平均路径长度;根据配电网中各个节点的平均路径长度得到配电网中的异常节点。
关于配电网异常点检测装置的具体限定可以参见上文中对于配电网异常点检测方法的限定,在此不再赘述。上述配电网异常点检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储配电网异常点数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种配电网异常点检测方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上配电网异常点检测的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标,第一评估指标用于表征配电网中各个节点在运行状态下的可靠性,第二评估指标用于表征配电网整体在运行状态下的可靠性;根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标,第三评估指标用于表征配电网中各个节点在非运行状态下的可靠性以及配电网整体在非运行状态下的可靠性;根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:根据配电网中各个节点的负荷值和电压值,得到配电网中各个节点在不同评价维度的评价参数;将配电网中各个节点的评价参数通过主成分分析降维得到第一评估指标。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:周期性地采集配电网中各个节点的电压值,根据采集到的的电压值获取状态数据矩阵;周期性地采集配电网中各个节点的负荷值,根据采集到的的负荷值获取因素矩阵;将状态数据矩阵和因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差;利用平均谱半径差得到第二评估指标。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:在因素矩阵中加入随机噪声,得到处理后的因素矩阵,随机噪声用于消除采集到的负荷值中的重复数据所造成的相关性;将状态数据矩阵和处理后的因素矩阵进行拼接。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:根据网架评价参数通过层次分析法得到网架评价参数对应的权重;根据各个节点的网架评价参数值以及网架评价参数对应的权重进行加权求和计算,得到第三评估指标。
在本申请一个实施例中,处理器执行计算机程序时还实现以下步骤:将第一评估指标、第二评估指标和第三评估指标进行集合得到三维评估指标;三维评估指标根据孤立森林算法得到配电网中各个节点的平均路径长度;根据配电网中各个节点的平均路径长度得到配电网中的异常节点。
本申请实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,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以下步骤:
根据配电网中各个节点的负荷值和电压值,对配电网进行可靠性评估,得到第一评估指标和第二评估指标,第一评估指标用于表征配电网中各个节点在运行状态下的可靠性,第二评估指标用于表征配电网整体在运行状态下的可靠性;根据配电网中各个节点的网架评价参数,对配电网进行可靠性评估,得到第三评估指标,第三评估指标用于表征配电网中各个节点在非运行状态下的可靠性以及配电网整体在非运行状态下的可靠性;根据第一评估指标、第二评估指标和第三评估指标,通过孤立森林算法得到配电网中的异常节点。
在本申请一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据配电网中各个节点的负荷值和电压值,得到配电网中各个节点在不同评价维度的评价参数;将配电网中各个节点的评价参数通过主成分分析降维得到第一评估指标。
在本申请一个实施例中,计算机程序被处理器执行时还实现以下步骤:周期性地采集配电网中各个节点的电压值,根据采集到的的电压值获取状态数据矩阵;周期性地采集配电网中各个节点的负荷值,根据采集到的的负荷值获取因素矩阵;将状态数据矩阵和因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差;利用平均谱半径差得到第二评估指标。
在本申请一个实施例中,计算机程序被处理器执行时还实现以下步骤:在因素矩阵中加入随机噪声,得到处理后的因素矩阵,随机噪声用于消除采集到的负荷值中的重复数据所造成的相关性;将状态数据矩阵和处理后的因素矩阵进行拼接。
在本申请一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据网架评价参数通过层次分析法得到网架评价参数对应的权重;根据各个节点的网架评价参数值以及网架评价参数对应的权重进行加权求和计算,得到第三评估指标。
在本申请一个实施例中,计算机程序被处理器执行时还实现以下步骤:将第一评估指标、第二评估指标和第三评估指标进行集合得到三维评估指标;三维评估指标根据孤立森林算法得到配电网中各个节点的平均路径长度;根据配电网中各个节点的平均路径长度得到配电网中的异常节点。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
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M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(SyMchliMk)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。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种配电网异常点检测方法,其特征在于,包括:
根据配电网中各个节点的负荷值和电压值,对所述配电网进行可靠性评估,得到第一评估指标和第二评估指标,所述第一评估指标用于表征所述配电网中各个所述节点在运行状态下的可靠性,所述第二评估指标用于表征所述配电网整体在运行状态下的可靠性;
根据所述配电网中各个节点的网架评价参数,对所述配电网进行可靠性评估,得到第三评估指标,所述第三评估指标用于表征所述配电网中各个所述节点在非运行状态下的可靠性以及所述配电网整体在非运行状态下的可靠性;
根据所述第一评估指标、所述第二评估指标和所述第三评估指标,通过孤立森林算法得到所述配电网中的异常节点。
2.根据权利要求1所述的配电网异常点检测方法,其特征在于,所述根据配电网中各个节点的负荷值和电压值,对所述配电网进行可靠性评估,得到第一评估指标,包括:
根据所述配电网中各个所述节点的负荷值和电压值,得到所述配电网中各个所述节点在不同评价维度的评价参数;
将所述配电网中各个所述节点的评价参数通过主成分分析降维得到所述第一评估指标。
3.根据权利要求2所述的配电网异常点检测方法,其特征在于,所述配电网节点评价参数包括:
电压越下限的概率、电压越上限的概率、电压超限的概率、电压安全的概率、电压安全上限裕度、电压安全下限裕度、潮流过载的概率、潮流过载的期望、潮流安全的概率、潮流安全的裕度和潮流安全的期望;
所述电压越下限的概率和所述电压越上限的概率用于表征所述配电网中功率因数与无功功率变化对节点电压的影响;
所述电压超限的概率和所述电压安全的概率用于表征所述配电网中负荷大小与波动情况对配电网的影响;
所述电压安全上限裕度和所述电压安全下限裕度用于表征所述配电网中节点电压与安全电压上下限之间的距离;
所述潮流过载的概率和所述潮流安全的概率用于表征所述配电网中节点负荷处于安全范围内的时间长短;
所述潮流过载的期望和所述潮流安全的期望用于表征所述配电网中节点基础负荷的平均大小;
所述潮流安全的裕度用于表征所述配电网中节点对负荷波动的承载能力。
4.根据权利要求1所述的配电网异常点检测方法,其特征在于,所述根据配电网中各个节点的负荷值和电压值,对所述配电网进行可靠性评估,得到第二评估指标,包括:
周期性地采集所述配电网中各个所述节点的电压值,根据采集到的的电压值获取状态数据矩阵;
周期性地采集所述配电网中各个所述节点的负荷值,根据采集到的的负荷值获取因素矩阵;
将所述状态数据矩阵和所述因素矩阵进行拼接,将拼接得到的矩阵作为圆环率算法的输入矩阵,计算得到平均谱半径差;
利用所述平均谱半径差得到所述第二评估指标。
5.根据权利要求1所述的配电网异常点检测方法,其特征在于,所述根据所述配电网中各个节点的网架评价参数,对所述配电网进行可靠性评估,得到第三评估指标,包括:
根据所述网架评价参数通过层次分析法得到所述网架评价参数对应的权重;
根据各个所述节点的网架评价参数值以及所述网架评价参数对应的权重进行加权求和计算,得到所述第三评估指标。
6.根据权利要求5所述的配电网异常点检测方法,其特征在于,所述节点的评价参数,包括:
平均供电半径、配电网供电半径率、网荷复合影响因数、最大供电半径、线径不合格率、线路老化率、线路最大老化程度、大分支户数比率、载流量不匹配率、载流量最大不匹配程度、载流量干线最大不匹配程度和平均转供能力;
所述配电网供电半径率用于表征所述配电网中配电变压器的供电半径大于预设阈值的数量在总配电变压器数量的占比;
所述网荷复合影响因数用于表征所述配电网中供电半径大小与负荷数量对电压的影响;
所述大分支户数比率用于表征所述配电网中大分支的配电变压器数量在总配电变压器数量的占比;
所述载流量不匹配率用于表征所述配电网中载流量不匹配线路在总体之中的占比;
所述载流量最大不匹配程度用于表征所述配电网中表征载流量不匹配的严重程度;
所述载流量干线最大不匹配程度用于表征所述配电网干线中载流量不匹配的严重程度;
所述平均转供能力用于表征所述配电网中平均每个负荷所分得的转供能力。
7.根据权利要求1所述的配电网异常点检测方法,其特征在于,根据所述第一评估指标、所述第二评估指标和所述第三评估指标,通过孤立森林算法得到所述配电网中的异常节点,包括:
将所述第一评估指标、所述第二评估指标和所述第三评估指标进行集合得到三维评估指标;
所述三维评估指标根据所述孤立森林算法得到所述配电网中各个所述节点的平均路径长度;
根据所述配电网中各个所述节点的平均路径长度得到所述配电网中的异常节点。
8.一种配电网异常点检测装置,其特征在于,所述装置包括:
运行状态评估模块,用于根据配电网中各个节点的负荷值和电压值,对所述配电网进行可靠性评估,得到第一评估指标和第二评估指标,所述第一评估指标用于表征所述配电网中各个所述节点在运行状态下的可靠性,所述第二评估指标用于表征所述配电网整体在运行状态下的可靠性;
非运行状态评估模块,用于根据所述配电网中各个节点的网架评价参数,对所述配电网进行可靠性评估,得到第三评估指标,所述第三评估指标用于表征所述配电网中各个所述节点在非运行状态下的可靠性以及所述配电网整体在非运行状态下的可靠性;
综合评估模块,用于根据所述第一评估指标、所述第二评估指标和所述第三评估指标,通过孤立森林算法得到所述配电网中的异常节点。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序;所述处理器用于执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011375948.7A CN112561251B (zh) | 2020-11-30 | 2020-11-30 | 配电网异常点检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011375948.7A CN112561251B (zh) | 2020-11-30 | 2020-11-30 | 配电网异常点检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561251A true CN112561251A (zh) | 2021-03-26 |
CN112561251B CN112561251B (zh) | 2022-10-25 |
Family
ID=75045520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011375948.7A Active CN112561251B (zh) | 2020-11-30 | 2020-11-30 | 配电网异常点检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561251B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542027A (zh) * | 2021-07-16 | 2021-10-22 | 中国工商银行股份有限公司 | 一种基于分布式服务架构的流量隔离方法、装置和系统 |
CN113553776A (zh) * | 2021-09-18 | 2021-10-26 | 成都诺比侃科技有限公司 | 一种电磁辐射数据监控分析方法及系统 |
CN113962054A (zh) * | 2021-11-12 | 2022-01-21 | 国网江苏省电力有限公司泰州供电分公司 | 一种用于中压配电网的中压馈线组网路径规划方法及装置 |
CN114693184A (zh) * | 2022-05-31 | 2022-07-01 | 广东电网有限责任公司佛山供电局 | 一种配网线路网架问题的自动分析方法、系统及设备 |
CN115564203A (zh) * | 2022-09-23 | 2023-01-03 | 杭州国辰智企科技有限公司 | 基于多维数据协同的设备实时性能评估系统及其方法 |
CN115663812A (zh) * | 2022-12-26 | 2023-01-31 | 常州金坛金能电力有限公司 | 直流输电系统可靠性评估方法及系统 |
CN117808455A (zh) * | 2023-12-28 | 2024-04-02 | 江苏征途技术股份有限公司 | 基于配变智能融合终端的供电信息协同计算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139082A (zh) * | 2015-08-10 | 2015-12-09 | 国网上海市电力公司 | 一种多维度配电网风险评估指标系统 |
US20160321225A1 (en) * | 2015-05-01 | 2016-11-03 | Microsoft Technology Licensing, Llc | Transfer of content between documents of different storage types |
CN108281964A (zh) * | 2018-01-31 | 2018-07-13 | 深圳供电局有限公司 | 一种基于运行和网架风险的配电网运行方式优化方法 |
CN109308306A (zh) * | 2018-09-29 | 2019-02-05 | 重庆大学 | 一种基于孤立森林的用户用电异常行为检测方法 |
CN110110977A (zh) * | 2019-04-19 | 2019-08-09 | 广西电网有限责任公司钦州供电局 | 一种基于改进主成分-层次分析的配电网评估方法 |
CN110737872A (zh) * | 2019-10-12 | 2020-01-31 | 国网山东省电力公司莱芜供电公司 | 一种停电后系统恢复的非树型骨干网架综合评估方法,设备及可读存储介质 |
CN112001644A (zh) * | 2020-08-27 | 2020-11-27 | 广东电网有限责任公司广州供电局 | 一种配电网运行可靠性检测方法、装置、终端及存储介质 |
-
2020
- 2020-11-30 CN CN202011375948.7A patent/CN112561251B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160321225A1 (en) * | 2015-05-01 | 2016-11-03 | Microsoft Technology Licensing, Llc | Transfer of content between documents of different storage types |
CN105139082A (zh) * | 2015-08-10 | 2015-12-09 | 国网上海市电力公司 | 一种多维度配电网风险评估指标系统 |
CN108281964A (zh) * | 2018-01-31 | 2018-07-13 | 深圳供电局有限公司 | 一种基于运行和网架风险的配电网运行方式优化方法 |
CN109308306A (zh) * | 2018-09-29 | 2019-02-05 | 重庆大学 | 一种基于孤立森林的用户用电异常行为检测方法 |
CN110110977A (zh) * | 2019-04-19 | 2019-08-09 | 广西电网有限责任公司钦州供电局 | 一种基于改进主成分-层次分析的配电网评估方法 |
CN110737872A (zh) * | 2019-10-12 | 2020-01-31 | 国网山东省电力公司莱芜供电公司 | 一种停电后系统恢复的非树型骨干网架综合评估方法,设备及可读存储介质 |
CN112001644A (zh) * | 2020-08-27 | 2020-11-27 | 广东电网有限责任公司广州供电局 | 一种配电网运行可靠性检测方法、装置、终端及存储介质 |
Non-Patent Citations (1)
Title |
---|
胡丽娟 等: "基于大数据技术的配电网运行可靠性分析", 《电网技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542027A (zh) * | 2021-07-16 | 2021-10-22 | 中国工商银行股份有限公司 | 一种基于分布式服务架构的流量隔离方法、装置和系统 |
CN113542027B (zh) * | 2021-07-16 | 2022-10-11 | 中国工商银行股份有限公司 | 一种基于分布式服务架构的流量隔离方法、装置和系统 |
CN113553776A (zh) * | 2021-09-18 | 2021-10-26 | 成都诺比侃科技有限公司 | 一种电磁辐射数据监控分析方法及系统 |
CN113962054A (zh) * | 2021-11-12 | 2022-01-21 | 国网江苏省电力有限公司泰州供电分公司 | 一种用于中压配电网的中压馈线组网路径规划方法及装置 |
CN113962054B (zh) * | 2021-11-12 | 2024-02-02 | 国网江苏省电力有限公司泰州供电分公司 | 一种用于中压配电网的中压馈线组网路径规划方法及装置 |
CN114693184A (zh) * | 2022-05-31 | 2022-07-01 | 广东电网有限责任公司佛山供电局 | 一种配网线路网架问题的自动分析方法、系统及设备 |
CN114693184B (zh) * | 2022-05-31 | 2022-11-22 | 广东电网有限责任公司佛山供电局 | 一种配网线路网架问题的自动分析方法、系统及设备 |
CN115564203A (zh) * | 2022-09-23 | 2023-01-03 | 杭州国辰智企科技有限公司 | 基于多维数据协同的设备实时性能评估系统及其方法 |
CN115663812A (zh) * | 2022-12-26 | 2023-01-31 | 常州金坛金能电力有限公司 | 直流输电系统可靠性评估方法及系统 |
CN115663812B (zh) * | 2022-12-26 | 2023-03-14 | 常州金坛金能电力有限公司 | 直流输电系统可靠性评估方法及系统 |
CN117808455A (zh) * | 2023-12-28 | 2024-04-02 | 江苏征途技术股份有限公司 | 基于配变智能融合终端的供电信息协同计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112561251B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112561251B (zh) | 配电网异常点检测方法、装置、计算机设备及存储介质 | |
CN107482626B (zh) | 一种区域电网关键节点识别方法 | |
CN112699913A (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN110705873B (zh) | 一种配电网运行状态画像分析方法 | |
CN113092935B (zh) | 一种识别小负荷线路拓扑的方法及系统、设备、存储介质 | |
Ma et al. | Topology identification of distribution networks using a split-EM based data-driven approach | |
CN112966385A (zh) | 配电网网架拓扑薄弱点辨识方法与系统 | |
Cale et al. | Clustering distribution feeders in the Arizona Public Service territory | |
CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
CN116845971A (zh) | 一种光伏并网低压台区拓扑结构自动识别方法 | |
CN116011158A (zh) | 一种低压台区的拓扑识别方法、系统及装置 | |
Anuradha et al. | Voltage-loss sensitivity based approach for optimal DG placement in distribution networks | |
Stefanidou-Voziki et al. | Feature selection and optimization of a ML fault location algorithm for low voltage grids | |
Grigoras et al. | Energy losses estimation in electrical distribution networks with a decision trees-based algorithm | |
CN111060755A (zh) | 一种电磁干扰诊断方法和装置 | |
De Almeida et al. | A pca-based consistency and sensitivity approach for assessing linkage methods in voltage sag studies | |
Dehghani et al. | Distribution feeder classification based on self organized maps (case study: Lorestan province, Iran) | |
Wei et al. | Fault location method for active distribution network based on SVM and feature search algorithm | |
Stefanidou-Voziki et al. | A practical fault location algorithm with increased adaptability for active low voltage grids | |
Zhou et al. | Research on Data Classification and Risk Level Perception of Weak Distribution Network | |
Crawford et al. | Identifying Features Correlating to Poor Performance of Distribution System Near-Real-Time Power Flow | |
CN113258672B (zh) | 一种配电台区智慧物联监测方法及系统 | |
CN115663801B (zh) | 一种基于谱聚类的低压台区拓扑识别方法 | |
Miller et al. | Probabilistic approach for distribution grid planning under consideration of line loading indicators | |
Ye et al. | Research on topology data check of distribution network based on graph computing |
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 |