CN112580886A - 一种基于人工智能电网线路规划方法及系统 - Google Patents

一种基于人工智能电网线路规划方法及系统 Download PDF

Info

Publication number
CN112580886A
CN112580886A CN202011560412.2A CN202011560412A CN112580886A CN 112580886 A CN112580886 A CN 112580886A CN 202011560412 A CN202011560412 A CN 202011560412A CN 112580886 A CN112580886 A CN 112580886A
Authority
CN
China
Prior art keywords
user load
transformer
user
information
planning
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
Application number
CN202011560412.2A
Other languages
English (en)
Inventor
童剑超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Zhifang Electric Power Design Co ltd
Original Assignee
Suzhou Zhifang Electric Power Design Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Zhifang Electric Power Design Co ltd filed Critical Suzhou Zhifang Electric Power Design Co ltd
Priority to CN202011560412.2A priority Critical patent/CN112580886A/zh
Publication of CN112580886A publication Critical patent/CN112580886A/zh
Pending legal-status Critical Current

Links

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Abstract

本申请涉及一种基于人工智能电网线路规划方法及系统，其方法包括包括以下步骤：获取待规划区域的GIS地理信息、变电站信息、电力设备信息和用户负荷信息，并区域内用户负荷进行分组，得到若干个用户负荷组；绘制每个用户负荷组的总负荷变化曲线，并生成预测曲线和变压器容量表并设置变压器；根据所述变电站信息、GIS地理信息和变压器容量表，规划得到变电站与变压器连接的主脉络连接图；根据所述GIS地理信息、用户负荷信息和变压器容量表，规划得到每个用户负荷组中变压器与各个用户负荷连接的次脉络连接图；将主脉络连接图和次脉络连接图组合得到配电布线图。本申请能够高效规划配电线路、节约配电布线成本，更加符合实际需求。

Description

一种基于人工智能电网线路规划方法及系统
技术领域
本申请涉及电网规划技术的领域，尤其是涉及一种基于人工智能电网线路规划方法及系统。
背景技术
随着负荷的不断增长，用电可靠性要求的提高，配电自动化的要求，城市规划和环境的制约，以及社会、政治、经济、工业和人民生活水平的发展变化等因素，都会对配电网的发展产生深远的影响。此外，在配电网规划时还要考虑规划区在经济发展中的地位，如规划区是否为工业开发区、商业中心、经济作物区、旅游区、农业开发区、科技中心区等，以及规划区负荷发展对供电可靠性的要求。
电网规划又称输电系统规划，以负荷预测和电源规划为基础。电网规划确定在何时、何地投建何种类型的输电线路及其回路数，以达到规划周期内所需要的输电能力，在满足各项技术指标的前提下使输电系统的费用最小。
目前，部分城市谐波量超标，治理上还很落后，居民供电系统设计标准低，不适应居民生活质量提高的需要。大多数居民住宅区供电、配电系统是7 0年代~ 80年代前建设的，标准低、容量小(当时设计标准每户电力按0.5kW~1 kW配置容量) , 根本不适应现代家庭的空调、电热水器、电灶等大容量用电设备的需要,广大居民迫切要求提高供电能力。
针对上述中的相关技术，发明人认为配电线路规划较为耗费时间，较为耗费人力物力，且规划好的线路很难得到有效验证。
发明内容
为了改善配电线路规划较为耗费时间，且规划好的线路很难得到有效验证的问题，本申请提供一种基于人工智能电网线路规划方法及系统。
第一方面，本申请提供一种基于人工智能电网线路规划方法，采用如下的技术方案：
一种基于人工智能电网线路规划方法，包括以下步骤：
获取待规划区域的GIS地理信息；
获取待规划区域的变电站信息；
获取待规划区域的电力设备信息；
获取待规划区域的用户负荷信息，并根据所述用户负荷信息对区域内用户负荷进行分组，得到若干个用户负荷组；
根据用户负荷信息绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线；
基于所述预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器；
根据所述变电站信息、GIS地理信息和变压器容量表，规划得到变电站与变压器连接的主脉络连接图；
根据所述GIS地理信息、用户负荷信息和变压器容量表，规划得到每个用户负荷组中变压器与各个用户负荷连接的次脉络连接图；
将主脉络连接图和次脉络连接图组合得到配电布线图。
通过采用上述技术方案，自动获取待规划区域的GIS地理信息、变电站信息和用户负荷信息，并对用户负荷进行快速分组，进而以用户负荷组为基础，绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线，根据预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器，使得变压器能够适用于每个用户负荷组的用电需求，将变压器与变电站进行配电线路规划获取主脉络连接图，规划变压器与该用户负荷组内的用户负荷之间的配电线路得到次脉络连接图，有逻辑的进行两级规划，达到高效规划配电线路的效果，并且通过两级规划的设置，使得配电布线图更加简洁明了，便于布线实施的进行。同时通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求。
优选的，所述变压器容量表包括每个用户负荷组所需求的变压器容量规格信息和位置信息。
通过采用上述技术方案，通过变压器容量表的设置，便于电网布线规划有序进行和后期的布线施工。
优选的，根据所述用户负荷的图集对所述用户负荷进行分组，具体包括：根据用户负荷的图集按照用户负荷之间距离的远近对用户负荷进行分组，且每个用户负荷组的各个用户负荷的平均负荷总量小于预设定的标定负荷总量。
通过采用上述技术方案，根据用户负荷之间的距离为依据，对用户负荷进行分组，进一步降低布线的距离和难度，达到节约成本降低实施难度的效果。并且对于每个用户负荷组的平均负荷总量进行限制，能够平均电力压力，对电力设施进行保护，同时着眼未来为后续电力负荷总量提升预留负荷容量空间。
优选的，所述规划得到变电站与变压器连接的主脉络连接图具体包括：将变电站和变压器均标记为节点，并通过最小生成树算法生成主脉络连接图。
通过采用上述技术方案，通过最小生成树算法实现快速对变电站和每个用户负荷组的变压器进行线路规划，并且有效避免线缆重复铺设，降低布线长度，节约布线成本。
优选的，所述规划得到每个用户负荷组中变压器与各个用户负荷连接的次脉络连接图具体包括：将用户负荷组内的变压器和用户负荷均标记为节点，并通过最小生成树算法生成次脉络连接图。
通过采用上述技术方案，通过最小生成树算法实现快速对每个用户负荷组的变压器与用户负荷进行线路规划，并且有效避免线缆重复铺设，降低布线长度，节约布线成本。
优选的，所述GIS地理信息包括：道路、桥梁、隧道、山峰、湖泊、河流的任意一种或多种的组合。
通过采用上述技术方案，利用GIS地理信息的图集去实现配电线路规划，能够使得线路规划与实际需求相协调，减少工人工作量。
优选的，所述根据用户负荷信息绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线具体包括以下步骤：
获取每个用户负荷组的每个月份中每日的日度用户负荷平均总量；
根据用户负荷组单个月份中每日的日度用户负荷平均总量进行累加再除以该月份的日数，获取单个月份的月度用户负荷平均总量；
根据每个月份的月度用户负荷平均总量为节点绘制每个用户负荷组的总负荷变化曲线；
根据总负荷变化曲线上构建ARIMA模型，并生成预测曲线。
通过采用上述技术方案，先行绘制总负荷变化曲线,有效降低了ARIMA模型的构建难度，通过ARIMA模型能够较为准确的生成预测曲线，便于为每个用户负荷组配置合适容量的变压器，能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求。
优选的，所述基于所述预测曲线生成待规划区域的变压器容量表具体包括：根据预测曲线选取每个用户负荷组各个年度中月度用户负荷平均总量进行累加，再除以年数得到预测用户负荷平均总量；
根据预测用户负荷平均总量计算取整生成每个用户负荷组变压器额定容量，其中用户负荷组的预测用户负荷平均总量为变压器额定容量的50%-60%；
选取每个用户负荷组的中心位置为变压器的放置点，并生成各个用户负荷组的变压器位置信息；
将每个用户负荷组变压器额定容量和变压器位置信息汇总生成变压器容量表。
通过采用上述技术方案，通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求, 使得电力设施与电力使用情况匹配，为电力稳定传输提供保障。
第二方面，本申请提供一种基于人工智能电网线路规划系统，采用如下的技术方案：
一种基于人工智能电网线路规划系统，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述方法中任一种方法的计算机程序。
通过采用上述技术方案，根据预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器，使得变压器能够适用于每个用户负荷组的用电需求，将变压器与变电站进行配电线路规划获取主脉络连接图，规划变压器与该用户负荷组内的用户负荷之间的配电线路得到次脉络连接图，有逻辑的进行两级规划，达到高效规划配电线路的效果，并且通过两级规划的设置，使得配电布线图更加简洁明了，便于布线实施的进行。同时通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求。
第二方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行如上述方法中任一种方法的计算机程序。
通过采用上述技术方案，根据预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器，使得变压器能够适用于每个用户负荷组的用电需求，将变压器与变电站进行配电线路规划获取主脉络连接图，规划变压器与该用户负荷组内的用户负荷之间的配电线路得到次脉络连接图，有逻辑的进行两级规划，达到高效规划配电线路的效果，并且通过两级规划的设置，使得配电布线图更加简洁明了，便于布线实施的进行。同时通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求。
综上所述，本申请包括以下至少一种有益技术效果：
1.有逻辑的进行两级规划，达到高效规划配电线路的效果，并且通过两级规划的设置，使得配电布线图更加简洁明了，便于布线实施的进行。同时通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求；
2.先行绘制总负荷变化曲线,有效降低了ARIMA模型的构建难度，通过ARIMA模型能够较为准确的生成预测曲线，便于为每个用户负荷组配置合适容量的变压器，能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求；
3.通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求, 使得电力设施与电力使用情况匹配，为电力稳定传输提供保障。
附图说明
图1是本申请实施例中基于人工智能电网线路规划方法的方法框图；
图2是本申请实施例中预测曲线的生成方法的方法框图；
图3是本申请实施例中预测变压器设置方法的方法框图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本申请实施例公开一种基于人工智能电网线路规划方法。参照图1，一种基于人工智能电网线路规划方法包括以下步骤：
S1、获取待规划区域的GIS地理信息；
GIS地理信息包括：道路、桥梁、隧道、山峰、湖泊、河流的任意一种或多种的组合。配电网线路在实际中不能随意穿越湖泊、河流等，所以要在待规划区域中标注出道路、桥梁、隧道、山峰、湖泊、河流的形状和相对距离等地理信息，当然，有的待规划区域实际上，也许并不存在道路、桥梁、隧道、山峰、湖泊、河流中的任一种或多种，也就是说，GIS地理信息，包括：道路、桥梁、隧道、山峰、湖泊、河流的任意一种或多种的组合。利用GIS地理信息的图集去实现配电线路规划，能够使得线路规划与实际需求相协调，减少人工工作量。
S2、获取待规划区域的变电站信息；
S3、获取待规划区域的电力设备信息；电力设备信息包括待规划区域的电力设备的规格信息、安装使用时间信息和位置信息；
S4、获取待规划区域的用户负荷信息，并根据所述用户负荷信息对区域内用户负荷进行分组，得到若干个用户负荷组；
根据用户负荷的图集对用户负荷进行分组具体包括：根据用户负荷的图集按照用户负荷之间距离的远近对用户负荷进行分组，且每个用户负荷组的各个用户负荷的平均负荷总量小于预设定的标定负荷总量。根据用户负荷之间的距离为依据，对用户负荷进行分组，进一步降低布线的距离和难度，达到节约成本降低实施难度的效果。并且对于每个用户负荷组的平均负荷总量进行限制，能够平均电力压力，对电力设施进行保护，同时着眼未来为后续电力负荷总量提升预留负荷容量空间。
S5、根据用户负荷信息绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线；
S6、基于所述预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器；
S7、根据所述变电站信息、GIS地理信息和变压器容量表，规划得到变电站与变压器连接的主脉络连接图；
具体包括，将变电站和变压器均标记为节点，并通过最小生成树算法生成主脉络连接图，并计算变电站与变压器不同路线的距离、相邻变压器之间不同路线的的距离，进行比较后选择出最短路径汇总入主脉络连接图中。通过最小生成树算法实现快速对变电站和每个用户负荷组的变压器进行线路规划，并且有效避免线缆重复铺设，降低布线长度，节约布线成本。
S8、根据所述GIS地理信息、用户负荷信息和变压器容量表，规划得到每个用户负荷组中变压器与各个用户负荷连接的次脉络连接图；
具体包括：将用户负荷组内的变压器和用户负荷均标记为节点，并通过最小生成树算法生成次脉络连接图。并计算变压器与用户负荷不同路线的的距离和相邻用户负荷之间不同路线的的距离，进行比较后选择出最短路径汇总入主脉络连接图中。通过最小生成树算法实现快速对变电站和每个用户负荷组的变压器进行线路规划，并且有效避免线缆重复铺设，降低布线长度，节约布线成本。
S9、将主脉络连接图和次脉络连接图组合得到配电布线图。
自动获取待规划区域的GIS地理信息、变电站信息和用户负荷信息，并对用户负荷进行快速分组，进而以用户负荷组为基础，绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线，根据预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器，使得变压器能够适用于每个用户负荷组的用电需求，将变压器与变电站进行配电线路规划获取主脉络连接图，规划变压器与该用户负荷组内的用户负荷之间的配电线路得到次脉络连接图，有逻辑的进行两级规划，达到高效规划配电线路的效果，并且通过两级规划的设置，使得配电布线图更加简洁明了，便于布线实施的进行。同时通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求。
参照图2，所述根据用户负荷信息绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线具体包括以下步骤：
A1、获取每个用户负荷组的每个月份中每日的日度用户负荷平均总量；具体的在一日的24小时采集每个整点时刻的用户负荷组的负荷总量，取其中最高的x个数值，进行累加后除去x即可得到该日的度用户负荷平均总量，其中x小于24，x的具体数值根据地区不同手动设置，如在三班倒的工业园区域可以将x设置为12-18，如在居民区域可以将x设置为3-5。
A2、根据用户负荷组单个月份中每日的日度用户负荷平均总量进行累加再除以该月份的日数，获取单个月份的月度用户负荷平均总量；
A3、根据每个月份的月度用户负荷平均总量为节点绘制每个用户负荷组的总负荷变化曲线；
A4、根据总负荷变化曲线上构建ARIMA模型，并生成预测曲线；
A5、根据每个月份的月度用户负荷平均总量为节点绘制每个用户负荷组的总负荷变化曲线；
A6、根据总负荷变化曲线上构建ARIMA模型，并生成预测曲线。通过先行绘制总负荷变化曲线,能够有效降低了ARIMA模型的构建难度，并且通过ARIMA模型能够较为准确的生成预测曲线，便于为每个用户负荷组配置合适容量的变压器，能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求。
参照图3，所述基于所述预测曲线生成待规划区域的变压器容量表具体包括以下步骤：
B1、根据预测曲线选取每个用户负荷组各个年度中月度用户负荷平均总量进行累加，再除以年数得到预测用户负荷平均总量；
B2、根据预测用户负荷平均总量计算取整生成每个用户负荷组变压器额定容量，其中用户负荷组的预测用户负荷平均总量为变压器额定容量的50%-60%；
B3、选取每个用户负荷组的中心位置为变压器的放置点，并生成各个用户负荷组的变压器位置信息；
B4、将每个用户负荷组变压器额定容量和变压器位置信息汇总生成变压器容量表。通过预测曲线着眼未来使得变压器能够适应用户负荷组逐渐增高的用户负荷总量，降低设备更换频率，节约配电布线成本，更加符合实际需求, 使得电力设施与电力使用情况匹配，为电力稳定传输提供保障。
本申请实施例还公开一种基于人工智能电网线路规划系统，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述方法中的计算机程序，所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (10)

1.一种基于人工智能电网线路规划方法，其特征在于：包括以下步骤：
获取待规划区域的GIS地理信息；
获取待规划区域的变电站信息；
获取待规划区域的电力设备信息；
获取待规划区域的用户负荷信息，并根据所述用户负荷信息对区域内用户负荷进行分组，得到若干个用户负荷组；
根据用户负荷信息绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线；
基于所述预测曲线生成待规划区域的变压器容量表并依据该变压器容量表为每个用户负荷区域设置变压器；
根据所述变电站信息、GIS地理信息和变压器容量表，规划得到变电站与变压器连接的主脉络连接图；
根据所述GIS地理信息、用户负荷信息和变压器容量表，规划得到每个用户负荷组中变压器与各个用户负荷连接的次脉络连接图；
将主脉络连接图和次脉络连接图组合得到配电布线图。
2.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于：所述变压器容量表包括每个用户负荷组所需求的变压器容量规格信息和位置信息。
3.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于，根据所述用户负荷的图集对所述用户负荷进行分组，具体包括：根据用户负荷的图集按照用户负荷之间距离的远近对用户负荷进行分组，且每个用户负荷组的各个用户负荷的平均负荷总量小于预设定的标定负荷总量。
4.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于，所述规划得到变电站与变压器连接的主脉络连接图具体包括：将变电站和变压器均标记为节点，并通过最小生成树算法生成主脉络连接图。
5.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于，所述规划得到每个用户负荷组中变压器与各个用户负荷连接的次脉络连接图具体包括：将用户负荷组内的变压器和用户负荷均标记为节点，并通过最小生成树算法生成次脉络连接图。
6.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于：所述GIS地理信息包括：道路、桥梁、隧道、山峰、湖泊、河流的任意一种或多种的组合。
7.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于，所述根据用户负荷信息绘制每个用户负荷组的总负荷变化曲线，并根据总负荷变化曲线生成预测曲线具体包括以下步骤：
获取每个用户负荷组的每个月份中每日的日度用户负荷平均总量；
根据用户负荷组单个月份中每日的日度用户负荷平均总量进行累加再除以该月份的日数，获取单个月份的月度用户负荷平均总量；
根据每个月份的月度用户负荷平均总量为节点绘制每个用户负荷组的总负荷变化曲线；
根据总负荷变化曲线上构建ARIMA模型，并生成预测曲线。
8.根据权利要求1所述的一种基于人工智能电网线路规划方法，其特征在于：所述基于所述预测曲线生成待规划区域的变压器容量表具体包括：根据预测曲线选取每个用户负荷组各个年度中月度用户负荷平均总量进行累加，再除以年数得到预测用户负荷平均总量；
根据预测用户负荷平均总量计算取整生成每个用户负荷组变压器额定容量，其中用户负荷组的预测用户负荷平均总量为变压器额定容量的50%-60%；
选取每个用户负荷组的中心位置为变压器的放置点，并生成各个用户负荷组的变压器位置信息；
将每个用户负荷组变压器额定容量和变压器位置信息汇总生成变压器容量表。
9.一种基于人工智能电网线路规划系统，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1至8中任一种方法的计算机程序。
CN202011560412.2A 2020-12-25 2020-12-25 一种基于人工智能电网线路规划方法及系统 Pending CN112580886A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011560412.2A CN112580886A (zh) 2020-12-25 2020-12-25 一种基于人工智能电网线路规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011560412.2A CN112580886A (zh) 2020-12-25 2020-12-25 一种基于人工智能电网线路规划方法及系统

Publications (1)

Publication Number Publication Date
CN112580886A true CN112580886A (zh) 2021-03-30

Family

ID=75140482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011560412.2A Pending CN112580886A (zh) 2020-12-25 2020-12-25 一种基于人工智能电网线路规划方法及系统

Country Status (1)

Country Link
CN (1) CN112580886A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115203871A (zh) * 2022-07-15 2022-10-18 苏州互讯信息技术开发有限公司 一种电力线路用区域优化布线方法、系统及计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815660A (zh) * 2017-01-23 2017-06-09 东南大学 基于模拟退火算法的用户负荷组合优化方法
CN106952027A (zh) * 2017-03-11 2017-07-14 国网浙江省电力公司台州供电公司 一种10kV配电网线路规划接入容量计算方法
CN109086923A (zh) * 2018-07-20 2018-12-25 南方电网科学研究院有限责任公司 一种配电网线路规划方法、系统、计算机设备、介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106815660A (zh) * 2017-01-23 2017-06-09 东南大学 基于模拟退火算法的用户负荷组合优化方法
CN106952027A (zh) * 2017-03-11 2017-07-14 国网浙江省电力公司台州供电公司 一种10kV配电网线路规划接入容量计算方法
CN109086923A (zh) * 2018-07-20 2018-12-25 南方电网科学研究院有限责任公司 一种配电网线路规划方法、系统、计算机设备、介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115203871A (zh) * 2022-07-15 2022-10-18 苏州互讯信息技术开发有限公司 一种电力线路用区域优化布线方法、系统及计算机存储介质

Similar Documents

Publication Publication Date Title
Najafi et al. A framework for optimal planning in large distribution networks
CN107038530A (zh) 一种配电网统筹规划方法及系统
CN103093391A (zh) 城市配电网设置方法
CN112541618A (zh) 基于网格化的主动配电网规划方法及存储介质
Astero et al. Improvement of RES hosting capacity using a central energy storage system
Van den Bergh et al. The impact of bidding zone configurations on electricity market outcomes
CN104331847A (zh) 一种利用Delaunay三角剖分的供电分区方法
CN112580886A (zh) 一种基于人工智能电网线路规划方法及系统
CN105930927A (zh) 一种基于行业负荷预测技术的配电网规划方法
CN109829599B (zh) 基于高比例可再生能源的配电网的集群划分方法及装置
CN104573868A (zh) 一种配电网抢修网格划分方法及设备
CN112541617B (zh) 变电站的定容及选址方法、存储介质
CN111799841B (zh) 一种火电机组灵活性改造与输电规划联合决策方法及系统
CN112036686B (zh) 基于理论线损区间计算的低压配电台区线损评价方法
CN105322460A (zh) 一种雷暴天气下架空配电线路抗雷击规划方法
CN116029197A (zh) 以变电站为落点的综合能源搭载及容量优化配置方法
CN111539086B (zh) 一种储能电站多点布局方法及系统
CN114741858A (zh) 一种基于生长演化模型的多层级电网规划方法
CN111900765B (zh) 一种风电接入系统的动态无功规划方法及相关装置
Mueller et al. Congestion management of the german transmission grid through sector coupling: A modeling approach
CN112001525A (zh) 一种区域远景与近中期综合负荷预测方法
CN112598324B (zh) 受端主网架规划方法及终端设备
CN106602547A (zh) 一种配电网出线配置的方法及系统
CN110932306B (zh) 一种电网电压偏差约束指标分摊方法和系统
Mansor et al. Expansion planning of medium voltage distribution networks

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