发明内容
为解决电网负荷估算方法复杂、准确率不高的问题,在本发明的第一方面提供了一种基于分布式光纤测温的电网负荷估算方法,包括如下步骤:获取待预测地区的电缆节点数据库、居民用电总负荷数据库、电网总负荷数据库和气温数据库,所述电缆节点数据库包括电缆节点分布、电缆节点位置、电缆节点的温度分布、电缆的温度变化、电缆的材料性能参数、电缆的电气性能参数、电缆故障类型及其对应的电缆的材料性能参数基准值和电气性能参数基准值;根据所述电缆节点数据库、人体舒适度指数、气温、居民用电总负荷和电网总负荷构建匹配关系数据库;利用主成分分析法对所述匹配关系数据库中的不同类别数据进行降维,将降维后的不同类别数据进行融合并映射到多维向量中;将所述多维向量、电网总负荷分别作为样本和标签,训练LSTM神经网络直至其误差低于阈值且趋于稳定,得到训练好的LSTM神经网络;将待预测地区的实时电缆节点数据和实时气温输入到所述训练好的LSTM神经网络中,得到电网总负荷的估算值;所述实时电缆节点数据包括电缆节点的实时温度分布和电缆的实时温度变化。
在本发明的一些实施例中,所述根据所述电缆节点数据库、人体舒适度指数、气温、居民用电负荷和电网总负荷建立匹配关系数据库包括如下步骤:从电缆节点数据库中提取用于居民用电的电缆节点的温度分布和温度变化,根据所述温度分布、温度变化和电缆的电气性能参数和居民用电总负荷建立居民用电的电缆节点负荷与居民用电总负荷匹配关系,构建第一匹配关系数据库;根据人体舒适度指数、气温、居民用电负荷和电网总负荷建立电网总负荷的分布关系,构建第二匹配关系数据库;将所述第一匹配关系数据库与第二匹配关系数据库融合,得到居民用电的电缆节点负荷、居民用总电负荷和电网总负荷的匹配关系数据库。
进一步的,所述人体舒适度指数的计算方法为:
ssd=(1.818t+18.18)*(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2,其中ssd为人体舒适度指数,t为平均气温,f为相对湿度,v为风速。
进一步的,所述利用主成分分析法对所述匹配关系数据库进行降维,并映射到多维向量中包括如下步骤:通过第一匹配关系数据库对电缆节点数据库进行降维,得到第一特征向量;通过第二匹配关系数据库对人体舒适度指数、气温、居民用电总负荷和电网总负荷进行降维,得到第二特征向量;将所述第一特征向量和第二特征向量融合并映射到多维向量中。
在本发明的一些实施例中,所述LSTM神经网络包括输入层、隐藏层和softmax层,所述隐藏层的激活函数为sigmoid函数。优选的,所述LSTM神经网络通过时间方向传播算法优化。
本发明的第二方面,提供了一种基于分布式光纤测温的电网负荷估算装置,包括获取模块、构建模块、映射模块、训练模块、估算模块,所述获取模块,用于获取待预测地区的电缆节点数据库,所述电缆节点数据库包括电缆节点分布、电缆节点位置、电缆节点的温度分布、电缆的温度变化、电缆的材料性能参数、电缆的电气性能参数、电缆故障类型及其对应的电缆的材料性能参数基准值和电气性能参数基准值;所述构建模块,用于根据所述电缆节点数据库、人体舒适度指数、气温、居民用电总负荷和电网总负荷构建匹配关系数据库;所述映射模块,用于利用主成分分析法对所述匹配关系数据库中的不同类别数据进行降维,将降维后的不同类别数据进行融合并映射到多维向量中;所述训练模块,用于将所述多维向量、电网总负荷分别作为样本和标签,训练LSTM神经网络直至其误差低于阈值且趋于稳定,得到训练好的LSTM神经网络;所述估算模块,用于将待预测地区的实时电缆节点数据和实时气温输入到所述训练好的LSTM神经网络中,得到电网总负荷的估算值;所述实时电缆节点数据包括电缆节点的实时温度分布和电缆的实时温度变化。
进一步的,所述构建模块包括第一匹配模块、第二匹配模块、融合模块,所述第一匹配模块,用于从电缆节点数据库中提取用于居民用电的电缆节点的温度分布和温度变化,根据所述温度分布、温度变化和电缆的电气性能参数和居民用电总负荷建立居民用电的电缆节点负荷与居民用电总负荷匹配关系,构建第一匹配关系数据库;所述第二匹配模块,用于根据人体舒适度指数、气温、居民用电负荷和电网总负荷建立电网总负荷的分布关系,构建第二匹配关系数据库;所述融合模块,用于将所述第一匹配关系数据库与第二匹配关系数据库融合,得到居民用电的电缆节点负荷、居民用总电负荷和电网总负荷的匹配关系数据库。
本发明的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明第一方面提供的方法。
本发明的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现本发明第一方面提供的方法。
本发明的有益效果是:
1.本发明挖掘了分布式光纤的测温数据以及居民用电总负荷、电网总负荷数据之间的关联,利用LSTM学习该关联,从而使电网负荷预测简单、准确;
2.分布式光纤的测温数据具有实时性,而居民用电总负荷与电网总负荷的关系一般跟人体舒适度指数、气温相关;例如夏季,气温每上升一度,居民用电总负荷会有相应的增长,直至达到峰值;而冬季,气温每下降一度,居民用电总负荷会有相应的增长,直至达到峰值;但此种关系属于统计特征,需要实时数据进行校正,而分布式光纤的测温数据与其形成互补;提高了预测模型的实时性;
3.LSTM神经网络在处理相较其他神经网络更具有时间特征,从而提高了模型的鲁棒性和泛化能力。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
参考图1,在本发明的第一方面提供了在本发明的第一方面提供了一种基于分布式光纤测温的电网负荷估算方法,包括如下步骤:S101.获取待预测地区的电缆节点数据库、居民用电总负荷数据库、电网总负荷数据库和气温数据库,所述电缆节点数据库包括电缆节点分布、电缆节点位置、电缆节点的温度分布、电缆的温度变化、电缆的材料性能参数、电缆的电气性能参数、电缆故障类型及其对应的电缆的材料性能参数基准值和电气性能参数基准值;S102.根据所述电缆节点数据库、人体舒适度指数、气温、居民用电总负荷和电网总负荷构建匹配关系数据库;S103.利用主成分分析法对所述匹配关系数据库中的不同类别数据进行降维,将降维后的不同类别数据进行融合并映射到多维向量中;S104.将所述多维向量、电网总负荷分别作为样本和标签,训练LSTM神经网络直至其误差低于阈值且趋于稳定,得到训练好的LSTM神经网络;S105.将待预测地区的实时电缆节点数据和实时气温输入到所述训练好的LSTM神经网络中,得到电网总负荷的估算值;所述实时电缆节点数据包括电缆节点的实时温度分布和电缆的实时温度变化。
在本发明的一些实施例的步骤S102中,所述根据所述电缆节点数据库、人体舒适度指数、气温、居民用电负荷和电网总负荷建立匹配关系数据库包括如下步骤:从电缆节点数据库中提取用于居民用电的电缆节点的温度分布和温度变化,根据所述温度分布、温度变化和电缆的电气性能参数和居民用电总负荷建立居民用电的电缆节点负荷与居民用电总负荷匹配关系,构建第一匹配关系数据库;根据人体舒适度指数、气温、居民用电负荷和电网总负荷建立电网总负荷的分布关系,构建第二匹配关系数据库;将所述第一匹配关系数据库与第二匹配关系数据库融合,得到居民用电的电缆节点负荷、居民用总电负荷和电网总负荷的匹配关系数据库。
具体地,第一匹配关系数据库构建步骤如下:以铠装测温光纤(光缆)为例,其由内
到外依次包括内层光纤、螺旋铠装钢带、凯夫拉(KEVLAR,一种芳纶纤维材料产品的品牌名,
材料原名叫“聚对苯二甲酰对苯二胺)、高导热保护管;对于温度传感光缆(光纤)的传热分
析一般需要采取简化处理,即忽略温度传感光缆在轴向上的温度变化,只考虑其径向温度
变化,可以表示为一维稳态温度场的传热过程均为非稳态过程。假设温度传感光缆缆各层
半径依次为r1、r2、r3、r4并且r1<r2<r3<r4,温度传感光缆内表面的温度(光缆所处外界环
境未发生变化时的温度)为t1,外界环境的温度(温度发生变化并且达到稳定)为t4,当t4>
t1,温度传感光缆各层交界面处的温度分别为t2、t3,考虑到温度传感光缆各层材料是均匀
的、各项同性,因此温度传感光缆各层材料的热导率(导热系数,表征了介质材料的传热能
力)均为常数由内到外分别为
λ 1、
λ 2、 λ 3,则各层的热阻分别为
、
,利用热阻串联的定律可以得到,传感光缆的导热量计算公式为:
,式中
l为光缆的长度,φ为热
量;进一步,基于布里渊分布式测温光纤的傅里叶热传导方程:
,式中:
ρ表示物体的
密度、C表示物体的比热容、
λ表示物体的导热系数,
T表示物体的温度,
表示物体在单位
体积单位时间内所产生的热量,由于构成测温光缆的每层材料有所不同,因此每层均有其
对应的密度、比热容及导热系数。相应地,测温光纤内外(保护套内部)温度变化规律如下:
式中C
1、C
2分别为保护套和测温光纤的热容,R
1为保护套与外界环境的换热热阻,
R
2为测温光纤与保护套的换热热阻,T
1为保护套的温度,T
2为测温光纤的温度,
w 0表示为系
统无阻尼时的固有振动频率;故铠装温度传感光缆的动态测量方程:
,式中
为阻尼比;
它与测温光缆(测温光纤)所使用的材料的物理特性及材
料的长短尺寸等有关系。
可以理解,上述以铠装测温光纤为例,改变上述结构或材料,相应地阻尼比和固有振动频率的参数作适应性改变仍能上述方法进行测量。上述测量方式是基于布里渊散射的分布式测温光纤,但并不影响其用于拉曼散射的分布式测温光纤、背向瑞利散射的分布式测温光纤中。
OPGW(Optical Fiber Com posite Ground Wire,光纤复合架空地线光缆)兼具地线和通信光缆双中功能(敷设在输电电缆内部或地线),是将通信光缆和高压输电线上架空地线结合,将光缆技术和输电线技术相融合,成为多功能的架空地线。常见的OPGW分为铝管结构、铝钢复合结构、铜管结构;相应地,根据IEC60287标准建立电缆的暂态热路模型,计算故障时电缆的暂态温度,具体方法如下:
(1)根据电缆的结构和材料特性,利用IEC60287标准中介绍的热路模型构建方法建立电缆的热路模型;
(2)根据电缆各层材料的厚度、热阻系数、热容系数,利用IEC60287标准中介绍的损耗、热阻和热容计算公式计算金属层和绝缘层的损耗、各层的热阻和热容;
(3)根据电缆稳态时的温度、故障持续时间,利用建立好的热路模型计算故障结束时刻电缆各层及测温光纤的暂态温度。
由上可知,通过IEC60287标准的相关模型、傅里叶热传导方程以及OPGW测温光缆(光纤)的相关材料参数可以建立电缆节点的温度分布、电缆的温度变化、电缆的材料性能参数、电缆的电气性能参数、电缆故障类型之间的关联;作为每一个电缆节点的节点数据库,根据分布式光纤测温得到的居民用电的电缆节点负荷及其占整个地区的权重,便可构建居民用电的电缆节点负荷与居民用电总负荷匹配关系的第一匹配关系数据库。
具体地,气温、居民用电负荷、电网总负荷的匹配关系为:某地区平均温度每升高1℃,居民用电总负荷增长29.8万千瓦;某年最高温度由29℃上升到30℃时,1:00~9:.00的空调负荷增长在30万千瓦以下,12:00~4:00、21:0-23:00的空调负荷增长接近50万千瓦,其他时段空调负荷增长40万千瓦左右。负荷率从50.69%上升到59.29%,峰谷差率从90.39%下降到84.12%,对系统负荷特性的改善有所贡献。日用电量平均増长834.4万千瓦时。通过统计(线性回归)历年电网总负荷,得出某地区电网总负荷(单位为千瓦时)与温度(单位为摄氏度)之间的关系:
进一步的,所述人体舒适度指数的计算方法为:ssd=(1.818t+18.18)*(0.88+0.002f)+(t-32)/(45-t)-3.2v+18.2,其中ssd为人体舒适度指数,t为平均气温,f为相对湿度,v为风速。
进一步的,所述利用主成分分析法对所述匹配关系数据库进行降维,并映射到多维向量中包括如下步骤:通过第一匹配关系数据库对电缆节点数据库进行降维,得到第一特征向量;通过第二匹配关系数据库对人体舒适度指数、气温、居民用电总负荷和电网总负荷进行降维,得到第二特征向量;可以理解,由于人体舒适度指数与居民用电总负荷、电网总负荷存在关联性,以及气温也与居民用电总负荷和电网总负荷存在关联性,通过同一时刻居民用电总负荷和电网总负荷的具体数据对人体舒适度指数、气温进行降维,保留人体舒适度指数、气温中任意一个维度的数据;将所述第一特征向量和第二特征向量融合并映射到多维向量中。
在本发明的一些实施例的步骤S104中,所述LSTM神经网络包括输入层、隐藏层和softmax层,所述隐藏层的激活函数为sigmoid函数。可选的,激活函数为正切函数、ReLU(Rectified Linear Unit,修正线性单元)激活函数。优选的,所述LSTM神经网络通过时间方向传播算法优化。
参考图2,本发明的第二方面,提供了一种基于分布式光纤测温的电网负荷估算装置1,包括获取模块11、构建模块12、映射模块13、训练模块14、估算模块15,所述获取模块11,用于获取待预测地区的电缆节点数据库,所述电缆节点数据库包括电缆节点分布、电缆节点位置、电缆节点的温度分布、电缆的温度变化、电缆的材料性能参数、电缆的电气性能参数、电缆故障类型及其对应的电缆的材料性能参数基准值和电气性能参数基准值;所述构建模块12,用于根据所述电缆节点数据库、人体舒适度指数、气温、居民用电总负荷和电网总负荷构建匹配关系数据库;所述映射模块13,用于利用主成分分析法对所述匹配关系数据库中的不同类别数据进行降维,将降维后的不同类别数据进行融合并映射到多维向量中;所述训练模块14,用于将所述多维向量、电网总负荷分别作为样本和标签,训练LSTM神经网络直至其误差低于阈值且趋于稳定,得到训练好的LSTM神经网络;所述估算模块15,用于将待预测地区的实时电缆节点数据和实时气温输入到所述训练好的LSTM神经网络中,得到电网总负荷的估算值;所述实时电缆节点数据包括电缆节点的实时温度分布和电缆的实时温度变化。
进一步的,所述构建模块12包括第一匹配模块、第二匹配模块、融合模块,所述第一匹配模块,用于从电缆节点数据库中提取用于居民用电的电缆节点的温度分布和温度变化,根据所述温度分布、温度变化和电缆的电气性能参数和居民用电总负荷建立居民用电的电缆节点负荷与居民用电总负荷匹配关系,构建第一匹配关系数据库;所述第二匹配模块,用于根据人体舒适度指数、气温、居民用电负荷和电网总负荷建立电网总负荷的分布关系,构建第二匹配关系数据库;所述融合模块,用于将所述第一匹配关系数据库与第二匹配关系数据库融合,得到居民用电的电缆节点负荷、居民用总电负荷和电网总负荷的匹配关系数据库。
参考图3,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例,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。