CN113298402A - 基于人工智能的配网供电可靠性精细化方法与系统 - Google Patents

基于人工智能的配网供电可靠性精细化方法与系统 Download PDF

Info

Publication number
CN113298402A
CN113298402A CN202110618984.XA CN202110618984A CN113298402A CN 113298402 A CN113298402 A CN 113298402A CN 202110618984 A CN202110618984 A CN 202110618984A CN 113298402 A CN113298402 A CN 113298402A
Authority
CN
China
Prior art keywords
power
distribution network
distribution
risk
index
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
Application number
CN202110618984.XA
Other languages
English (en)
Other versions
CN113298402B (zh
Inventor
姜平
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.)
Jiangsu Dianbaida Intelligent Technology Co ltd
Original Assignee
Jiangsu Dianbaida Intelligent Technology 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 Jiangsu Dianbaida Intelligent Technology Co ltd filed Critical Jiangsu Dianbaida Intelligent Technology Co ltd
Priority to CN202110618984.XA priority Critical patent/CN113298402B/zh
Publication of CN113298402A publication Critical patent/CN113298402A/zh
Application granted granted Critical
Publication of CN113298402B publication Critical patent/CN113298402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于人工智能的配网供电可靠性精细化方法与系统。方法包括：根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定该电力调配方向的调配风险指数；对各电力调配方向的调配风险指数进行分析，得到危险电力调配方向；根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。本发明实现了配网供电精细化管理，提高了电力调配的可靠性。

Description

基于人工智能的配网供电可靠性精细化方法与系统
技术领域
本发明涉及智能电网、人工智能技术领域，具体涉及一种基于人工智能的配网供电可靠性精细化方法与系统。
背景技术
电力系统中，电网压力大、跳闸、短路、过载以及其他人为或环境因素会导致供电区域出现供电故障，造成局部或大范围的停电等现象。配网互连互通可以有效缓解区域停电或缺点带来的负面影响。然而，在这过程中如果电力调配不合理，可能引发二次故障。因此，需要对配网供电进行可靠性精细化管理。
发明内容
本发明提供了一种基于人工智能的配网供电可靠性精细化方法与系统。
一种基于人工智能的配网供电可靠性精细化方法，该方法包括：
根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定电力调配方向的调配风险指数；
根据调配风险指数选取电力输送配网无法满足输送需求时的备用输送配网，得到第一备用输送配网序列，根据调配风险指数选取电力接收配网无法满足配电需求时的备用输送配网，得到第二备用输送配网序列；对第一、第二备用输送配网序列中的周期循环片段进行去重处理；去重后序列中各备用输送配网对应的调配风险指数加权求和得到电力调配方向的多米诺风险指数；根据调配风险指数和多米诺风险指数确定电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向；
根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。
进一步地，所述供电压力协同指数通过如下方式获取：
获取电力调配方向中电力输送配网、电力接收配网在相同时间段内的供电压力指数序列，根据两供电压力指数序列的相关系数得到电力调配方向的供电压力协同指数。
进一步地，所述对各电力调配方向的调配风险指数进行分析，得到危险电力调配方向还包括：
构建包括若干条训练数据的训练集，每条训练数据包括电力调配方向信息、调配风险指数信息，训练数据的标签为危险值；将训练数据输入危险分析模型，根据危险值对危险分析模型进行优化；利用优化后的危险分析模型对各电力调配方向的调配风险指数进行分析，得到各电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向。
进一步地，所述电力调配方向的可靠性的获取方法包括：
利用电力调配方向中电力输送配网与电力接收配网的耗电诱导故障率以及电力调配方向的调配风险指数衡量电力调配方向的耗电风险；
利用电力调配方向中电力输送配网与电力接收配网的非耗电诱导故障率衡量电力调配方向的非耗电风险；
根据耗电风险与非耗电风险得到电力调配方向的可靠性。
进一步地，所述供电压力指数的计算方法包括：
配网对应配电区域的用电量与配网的配电容量的比值为配网的供电压力指数。
一种基于人工智能的配网供电可靠性精细化系统，该系统包括：
风险衡量模块，用于根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定电力调配方向的调配风险指数；
危险识别模块，用于根据调配风险指数选取电力输送配网无法满足输送需求时的备用输送配网，得到第一备用输送配网序列，根据调配风险指数选取电力接收配网无法满足配电需求时的备用输送配网，得到第二备用输送配网序列；对第一、第二备用输送配网序列中的周期循环片段进行去重处理；根据去重后序列中各备用输送配网对应的调配风险指数加权求和得到电力调配方向的多米诺风险指数；根据调配风险指数和多米诺风险指数确定电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向；
可靠性精细化模块，用于根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。
本发明的有益效果在于：
本发明通过供电压力、配网之间的关系得到调配风险指数、多米诺风险指数，从而得到危险值，提高了危险电力调配方向的衡量精度。根据可靠性电网电力调配策略，提高配网可靠性，尤其是提高了电网调配的可靠性，精细化电网的管理。
附图说明
图1为本发明流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1：
本实施例提供一种基于人工智能的配网供电可靠性精细化方法，包括：
步骤1，根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定电力调配方向的调配风险指数。
获取待分析区域的配网信息，获取每个配网的配电区域，配网与配电区域一一对应。获取配电区域内每个位置每天的用电量，所有位置每天的用电量构成一个用电分布矩阵。实际中位置坐标是连续的，本实施例对位置进行离散化，对配电区域进行网格划分，优选地，按照100米×100米的网格尺寸进行网格划分，每个网格对应一个位置。
将配网对应配电区域的用电量与配网的配电容量的比值作为配网的供电压力指数。具体地，对于一个配电区域，获取一段时间内日用电分布矩阵，这些矩阵组成矩阵序列。获取每个位置对应用电序列的均值，计算所有位置对应均值的L1范数与配网容量的比值，称为配网(配电区域)的供电压力指数。需要说明的是，电力调配方向指由电力输送配网向电力接收配网调配(输送)电力，本发明以二元组的形式表示电力调配方向。例如<a,b>表示电力输送配网a向电力接收配网b输送电力。
接下来，需要获取供电压力协同指数。获取电力调配方向中电力输送配网、电力接收配网在相同时间段内的供电压力指数序列，根据两供电压力指数序列的相关系数得到该电力调配方向的供电压力协同指数。供电压力协同指数能够表征两个配网对应供电区域的供电压力的协同趋势。举例说明，若需要获取配网a与b之间的供电压力协同指数，首先获取a的用电压力随时间的变化序列，获取相同时间段内b的用电压力序列。然后，计算两个序列之间的相关系数，优选地，相关系数可基于皮尔逊相关系数的计算方法获得。可直接使用相关系数作为供电压力协同指数。优选地，若两个序列的相关系数为ρ，则以exp(ρ-1)作为<a,b>或<b,a>的供电压力协同指数。
在配网互连互通的情况下，电气连接的各配网之间可以实现电力输送。为了提高电力调配的可靠性，本发明根据电力调配方向的调配风险指数筛选出危险电力调配方向。电力调配方向的调配风险指数基于电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定。
首先，根据电力输送配网的供电压力指数确定电力输送配网的危险系数。获取预设时间段内电力输送配网的供电压力指数序列，然后根据序列中高于供电压力阈值的元素个数以及数值确定电力输送配网的危险系数。危险系数的衡量方式包括多种。一种实施方式是以超过供电压力阈值的元素个数的比例作为危险系数。还有一种实施方式是以超过供电压力阈值的元素之和衡量电力输送配网的危险系数。以<a,b>为例来说明第二种实施方式，获取预设时间段内a的供电压力指数序列的元素值之和a1，然后获取该序列中大于预设供电压力阈值的所有元素的和a2，令
Figure BDA0003098849680000031
表示配网a的危险系数。然后，确定电力调配方向的调配风险指数。优选地，以危险系数与供电压力协同指数的乘积作为电力调配方向的调配风险指数。
步骤2，对各电力调配方向的调配风险指数进行分析，得到危险电力调配方向。
通过步骤1，可获得各电力调配方向的调配风险指数。对各电力调配方向的调配风险指数进行分析，即可得到危险电力调配方向。一种实施方式是直接对待分析区域的所有电力调配方向调配风险指数进行分析，得到危险电力调配方向。还有一种实施方式是基于第一种实施方式的改进，结合人工智能神经网络技术实现。
第一种实施方式：针对任一电力调配方向，根据调配风险指数选取电力输送配网无法满足输送需求时的备用输送配网，得到第一备用输送配网序列，根据调配风险指数选取电力接收配网无法满足配电需求时的备用输送配网，得到第二备用输送配网序列；对第一、第二备用输送配网序列中的周期循环片段进行去重处理；根据去重后序列中相邻备用输送配网对应的调配风险指数得到该电力调配方向的多米诺风险指数；根据多米诺风险指数以及电力调配方向的调配风险指数确定该电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向。
所有电力调配方向的调配风险指数构成一个调配风险指数矩阵F，矩阵主对角线处元素为设定值，该设定值在调配风险指数取值范围之外。设f(x，y)表示调配风险指数矩阵上的第x行y列的元素值，表征配网x向配网y提供电力输送时对应的电力调配方向(或称为电力调配方案)<x，y>的调配风险指数，x、y从0开始取值，最大值为N-1，表示有N个配网。
然后，将电力输送配网作为电力接收配网，选取能够为电力输送配网提供电力且调配风险指数最小的配网作为第一个备用输送配网，然后将第一个备用输送配网作为电力接收配网，选取能够为第一个备用输送配网提供电力且调配风险指数最小的配网作为第二个备用输送配网，以此类推，得到第一备用输送配网序列。同理，可得第二输送配网序列。举例说明如下。获取矩阵F上第x列上最小的元素对应的电力调配方向为<x1，x>，即矩阵F上第x列最小的元素在第x1行，该电力调配方向表示给x提供电力调配方案的所有方案中最小调配风险指数为f(x1，x)。当x出现故障等不能够满足电力输送需求时，可利用电力调配方案<x1，x>对x进行电力输送，x1即为x的一个备用输送配网，f(x1，x)能够反映电力调配方向<x，y>的多米诺风险指数。同理，获取矩阵F上第y列上除f(x，y)以外最小的元素对应的电力调配方向<y1，y>。当y出现故障等导致不能满足配电需求时，可利用电力调配方向<y1，y>对y所在区域进行电力输送，y1即为y的一个备用输送配网，f(y1，y)可以反映电力调配方向<x，y>的多米诺风险指数。同理，可以再针对<x1，x>、<y1，y>分别进行分析，获取当两个电力输送配网x1、y1出现不能满足需求时的备用输送配网x2、y2。以此类推，可以得到第一备用输送配网序列L1＝{xM-1，xM-2，...，xm，...x1，x0＝x}和第二备用输送配网序列L2＝{yM-1，yM-2，...，ym，...y1，y0＝y}。其中M为序列长度，ym表示矩阵F上第ym-1列最小值所在的行，相邻元素(配网)的调配风险指数为f(ym-1，ym)，同理可得另一序列中各参数的含义。以上两个备用输送网序列能够反映电力调配方向<x，y>的多米诺风险指数。
第一备用输送配网序列与第二备用输送配网序列中可能存在周期的序列片段，将呈现周期变化的序列片段删除掉，获得的结果为
Figure BDA0003098849680000051
(长度为M1)、
Figure BDA0003098849680000052
(长度为M2)。根据去重后序列中相邻配网对应电力调配方向的风险值得到电力调配方向的多米诺风险指数。优选地，电力调配方案<x，y>的多米诺安全指数q(x，y)＝(1-θ)*(exp(-A1)+exp(-A2))，其中，A1、A2分别为电力输送配网与电力接收配网的多米诺风险指数，
Figure BDA0003098849680000053
θ为去重后两序列中相同配网数量与两序列元素之和的比例。电力调配方向的危险值为调配风险指数与电力调配方向的多米诺风险指数的乘积：f(x，y)*(1-q(x，y))，电力调配方向的多米诺风险指数与多米诺安全指数呈反比，多米诺风险指数：(1-q(x，y))。
第二种实施方式：将调配风险指数矩阵输入神经网络中输出一个与输入矩阵等大小的危险源矩阵，用于表征电力调配危险源，该矩阵是单通道矩阵。危险源矩阵上的元素g(x，y)值较大时表示电力调配方案是存在危险的、不安全的，这些危险的电力调配方案<x，y>的集合就是危险电力调配方向。本发明使用无监督的方法训练网络：获取输出的危险源矩阵G上的一个元素g(x，y)、输入的矩阵F上的对应的元素f(x，y)，构建损失函数L＝(g(x，y)-f(x，y)(1-q(x，y)))2。将矩阵F输入网络中，获得G，根据损失函数更新网络中的权重参数，使网络收敛。当网络收敛后可直接使用。
以上两种实施方式可获得所有电力调配方向的危险值，根据危险值即可确定危险电力调配方向。具体地，可以设置危险值阈值或危险电力调配方向个数，从而确定危险电力调配方向。
步骤3，根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。
对于危险电力调配方向，应当提供备用电力调配方案即分配备用电力输送配网。根据步骤2即可得到各个电力调配方向的危险值。一种实施方式是：根据多米诺风险指数确定电力调配方向的可靠性，为危险电力调配方向中电力输送配网。在一段时间内，每个配网的多米诺风险指数相对固定，将除当前输送配网和/或接收配网以外的多米诺风险指数最小的配网作为危险电力调配方向的备用电力输送配网。
实施例2：
本实施例提供一种基于人工智能的配网供电可靠性精细化方法。在实施例1的基础上，提供另一种可靠性获取方法：获取危险电力调配方向<x，y>中的配网y，获取所有危险电力调配方向中电力接收配网为y的电力输送配网集合，获取除电力输送配网集合中元素以外的其他任意一个配网y1，这两个配网构成一个新的电力调配方案<y1，y>，这个方案的可靠性为：获取电力调配方案<y1，y>的耗电风险q1＝e1*(1+α)，表征方案中两个配网共同出现耗电诱导故障的风险；获取电力调配方案<y1，y>的非耗电风险q2＝e2，表征两个配网的非耗电诱导故障的风险。其中e1为y、y1耗电诱导故障率的均值，e2表示y、y1非耗电诱导故障率的均值，α表示电力调配方案的调配风险指数。耗电诱导故障率指由于耗电过大而引起故障的概率，非耗电诱导故障指耗电过大这一因素以外其他因素引起故障的概率，可通过统计获得。电力调配方案<y1，y>的可靠性为α*exp(-q1)+β*exp(-q2)，α，β为常数参数，优选地，分别设置为0.7、0.3。
按照上述方法为各危险调配方向重新分配电力输送配网，获取所有新的电力调配方案以及每个方案的可靠性，计算所有重新分配的电力调配方案的可靠性均值。遍历所有可能的重新分配组合，可以得到每种组合的可靠性均值，每种组合中重新分配的电力输送配网应满足重复度要求，例如重复度低于2，可靠性最大的组合即为备用的电力调配方案。
实施例3：
本实施例提供一种基于人工智能的配网供电可靠性精细化方法。在实施例2的基础上，提高可靠性的精度。首先计算电力调配方案的联合程度：设a向b的最大供电量为w1，a的供电容量A，b的供电容量为B，w1/A表示a的调配压力，w1/B表示收益增益，那么电力调配方案的联合程度：
Figure BDA0003098849680000061
α、β为超参数，优选地，分别为0.9、0.1。当a与b不能进行电力调配时两者的联合程度为0。电力调配方案<y1，y>，这个方案的可靠性为：获取电力调配方案<y1，y>的耗电风险q1＝e1*(1+α)/f，表征方案中两个配网共同出现耗电诱导故障的风险；获取电力调配方案<y1，y>的非耗电风险q2＝e2/f，表征两个配网的非耗电诱导故障的风险。其中e1为y、y1耗电诱导故障率的均值，e2表示y、y1非耗电故障率的均值，α表示电力调配方案的调配风险指数。电力调配方案<y1，y>的可靠性为α*exp(-q1)+β*exp(-q2)，α、β为常数参数。按照上述方法为各危险调配方向重新分配电力输送配网，获取所有新的电力调配方案以及每个方案的可靠性，计算所有重新分配的电力调配方案的可靠性均值。遍历所有可能的重新分配组合，可以得到每种组合的可靠性均值，每种组合中重新分配的电力输送配网应满足重复度要求，例如重复度低于2，可靠性最大的组合即为备用的电力调配方案。此外，实施例2、3的可靠性还可以结合多米诺风险指数进行可靠性衡量，从而得到备用的电力调配方案。
实施例4：
本实施例提供一种基于人工智能的配网供电可靠性精细化系统，该系统包括：
风险衡量模块，用于根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定电力调配方向的调配风险指数；
危险识别模块，用于根据调配风险指数选取电力输送配网无法满足输送需求时的备用输送配网，得到第一备用输送配网序列，根据调配风险指数选取电力接收配网无法满足配电需求时的备用输送配网，得到第二备用输送配网序列；对第一、第二备用输送配网序列中的周期循环片段进行去重处理；根据去重后序列中各备用输送配网对应的调配风险指数得到电力调配方向的多米诺风险指数；根据调配风险指数和多米诺风险指数确定电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向；
可靠性精细化模块，用于根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。
以上实施例仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的配网供电可靠性精细化方法，其特征在于，该方法包括：
根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定电力调配方向的调配风险指数；
根据调配风险指数选取电力输送配网无法满足输送需求时的备用输送配网，得到第一备用输送配网序列，根据调配风险指数选取电力接收配网无法满足配电需求时的备用输送配网，得到第二备用输送配网序列；对第一、第二备用输送配网序列中的周期循环片段进行去重处理；去重后序列中各备用输送配网对应的调配风险指数加权求和，得到电力调配方向的多米诺风险指数；根据调配风险指数和多米诺风险指数确定电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向；
根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。
2.如权利要求1所述的方法，其特征在于，所述供电协同指数通过如下方式获取：
获取电力调配方向中电力输送配网、电力接收配网在相同时间段内的供电压力指数序列，根据两供电压力指数序列的相关系数得到电力调配方向的供电压力协同指数。
3.如权利要求1所述的方法，其特征在于，所述对各电力调配方向的调配风险指数进行分析，得到危险电力调配方向还包括：
构建包括若干条训练数据的训练集，每条训练数据包括电力调配方向信息、调配风险指数信息，训练数据的标签为危险值；将训练数据输入危险分析模型，根据危险值对危险分析模型进行训练优化；利用训练好的危险分析模型对各电力调配方向的调配风险指数进行分析，得到各电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向。
4.如权利要求1所述的方法，其特征在于，所述电力调配方向的可靠性的获取方法包括：
利用电力调配方向中电力输送配网与电力接收配网的耗电诱导故障率以及电力调配方向的调配风险指数衡量电力调配方向的耗电风险；
利用电力调配方向中电力输送配网与电力接收配网的非耗电诱导故障率衡量电力调配方向的非耗电风险；
根据耗电风险与非耗电风险得到电力调配方向的可靠性。
5.如权利要求1所述的方法，其特征在于，所述供电压力指数的计算方法包括：
配网对应配电区域的用电量与配网的配电容量的比值为配网的供电压力指数。
6.一种基于人工智能的配网供电可靠性精细化系统，其特征在于，该系统包括：
风险衡量模块，用于根据电力输送配网的供电压力指数、电力输送配网与电力接收配网的供电压力协同指数确定电力调配方向的调配风险指数；
危险识别模块，用于根据调配风险指数选取电力输送配网无法满足输送需求时的备用输送配网，得到第一备用输送配网序列，根据调配风险指数选取电力接收配网无法满足配电需求时的备用输送配网，得到第二备用输送配网序列；对第一、第二备用输送配网序列中的周期循环片段进行去重处理；去重后序列中各备用输送配网对应的调配风险指数加权求和得到电力调配方向的多米诺风险指数；根据调配风险指数和多米诺风险指数确定电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向；
可靠性精细化模块，用于根据电力调配方向的可靠性，为危险电力调配方向分配备用电力输送配网。
7.如权利要求6所述的系统，其特征在于，所述供电压力协同指数通过如下方式获取：
获取电力调配方向中电力输送配网、电力接收配网在相同时间段内的供电压力指数序列，根据两供电压力指数序列的相关系数得到电力调配方向的供电压力协同指数。
8.如权利要求6所述的系统，其特征在于，所述对各电力调配方向的调配风险指数进行分析，得到危险电力调配方向还包括：
构建包括若干条训练数据的训练集，每条训练数据包括电力调配方向信息、调配风险指数信息，训练数据的标签为危险值；将训练数据输入危险分析模型，根据危险值对危险分析模型进行训练优化；利用训练好的危险分析模型对各电力调配方向的调配风险指数进行分析，得到各电力调配方向的危险值；根据各电力调配方向的危险值确定危险电力调配方向。
9.如权利要求6所述的系统，其特征在于，所述电力调配方向的可靠性的获取方法包括：
利用电力调配方向中电力输送配网与电力接收配网的耗电诱导故障率以及电力调配方向的调配风险指数衡量电力调配方向的耗电风险；
利用电力调配方向中电力输送配网与电力接收配网的非耗电诱导故障率衡量电力调配方向的非耗电风险；
根据耗电风险与非耗电风险得到电力调配方向的可靠性。
10.如权利要求6所述的系统，其特征在于，所述供电压力指数的计算方法包括：
将配网对应配电区域的用电量与配网的配电容量的比值作为配网的供电压力指数。
CN202110618984.XA 2021-06-03 2021-06-03 基于人工智能的配网供电可靠性精细化方法与系统 Active CN113298402B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110618984.XA CN113298402B (zh) 2021-06-03 2021-06-03 基于人工智能的配网供电可靠性精细化方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110618984.XA CN113298402B (zh) 2021-06-03 2021-06-03 基于人工智能的配网供电可靠性精细化方法与系统

Publications (2)

Publication Number Publication Date
CN113298402A true CN113298402A (zh) 2021-08-24
CN113298402B CN113298402B (zh) 2022-03-22

Family

ID=77326978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110618984.XA Active CN113298402B (zh) 2021-06-03 2021-06-03 基于人工智能的配网供电可靠性精细化方法与系统

Country Status (1)

Country Link
CN (1) CN113298402B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642942A (zh) * 2021-10-14 2021-11-12 启东通奕自动化设备有限公司 基于大数据分析的需求响应管理方法与系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447522A (zh) * 2016-06-30 2017-02-22 国网福建省电力有限公司电力科学研究院 一种全电压序列一体化电网的可靠性与风险评估方法
US20170206621A1 (en) * 2016-01-14 2017-07-20 Alibaba Group Holding Limited Systems and Methods for Determining the Effectiveness of Warehousing
US20170228834A1 (en) * 2011-07-25 2017-08-10 Clean Power Research, L.L.C. Generating A Risk-Adjusted Probabilistic Forecast Of Renewable Power Production For A Fleet With The Aid Of A Digital Computer
CN109472428A (zh) * 2018-01-24 2019-03-15 国网浙江省电力公司湖州供电公司 一种基于损失期望法的配电网运行风险评估方法
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
CN110378807A (zh) * 2019-07-24 2019-10-25 国网河北省电力有限公司石家庄供电分公司 一种供电风险预警管控装置及方法
US20200106298A1 (en) * 2018-09-27 2020-04-02 Amazon Technologies, Inc. Facility power distribution grid
CN111179117A (zh) * 2019-12-27 2020-05-19 天津大学 一种智能配电网态势感知效果评定的计算方法及装置
CN112839069A (zh) * 2019-11-22 2021-05-25 国网吉林省电力有限公司长春供电公司 一种智能配电网综合一体化在线监控服务平台系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170228834A1 (en) * 2011-07-25 2017-08-10 Clean Power Research, L.L.C. Generating A Risk-Adjusted Probabilistic Forecast Of Renewable Power Production For A Fleet With The Aid Of A Digital Computer
US20170206621A1 (en) * 2016-01-14 2017-07-20 Alibaba Group Holding Limited Systems and Methods for Determining the Effectiveness of Warehousing
CN106447522A (zh) * 2016-06-30 2017-02-22 国网福建省电力有限公司电力科学研究院 一种全电压序列一体化电网的可靠性与风险评估方法
CN109472428A (zh) * 2018-01-24 2019-03-15 国网浙江省电力公司湖州供电公司 一种基于损失期望法的配电网运行风险评估方法
US20200106298A1 (en) * 2018-09-27 2020-04-02 Amazon Technologies, Inc. Facility power distribution grid
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
CN110378807A (zh) * 2019-07-24 2019-10-25 国网河北省电力有限公司石家庄供电分公司 一种供电风险预警管控装置及方法
CN112839069A (zh) * 2019-11-22 2021-05-25 国网吉林省电力有限公司长春供电公司 一种智能配电网综合一体化在线监控服务平台系统及方法
CN111179117A (zh) * 2019-12-27 2020-05-19 天津大学 一种智能配电网态势感知效果评定的计算方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642942A (zh) * 2021-10-14 2021-11-12 启东通奕自动化设备有限公司 基于大数据分析的需求响应管理方法与系统
CN113642942B (zh) * 2021-10-14 2022-03-25 启东通奕自动化设备有限公司 基于大数据分析的需求响应管理方法与系统

Also Published As

Publication number Publication date
CN113298402B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN110516912B (zh) 一种配电台区户变关系的识别方法
CN112187518B (zh) 智能融合终端台区拓扑识别方法及系统
CN108306282B (zh) 一种以解决电网诊断问题为导向的配电网自动规划方法
CN108256723B (zh) 煤改电接入电网的经济效益评估方法及终端设备
WO1995030266A1 (en) Method for performing a voltage stability security assessment for a power transmission system
CN110854891B (zh) 一种配电网灾前资源配置方法及系统
CN111650431A (zh) 一种电表台区识别方法
CN113298402B (zh) 基于人工智能的配网供电可靠性精细化方法与系统
CN111612326A (zh) 一种配变供电可靠性的综合评估方法
CN107563641B (zh) 一种计及灾害偏好的配电网抗灾多场景差异化规划方法
CN110739719A (zh) 柔性多状态开关优化接入的两步式决策方法
CN113112136A (zh) 一种配电网可靠性综合评估方法及系统
CN110957724B (zh) 一种配电网运行方式及网架结构评估的方法
CN107944687B (zh) 一种面向电网公司保底服务的增量配电网综合评估方法
CN116029491B (zh) 一种电力调度管理系统及其控制方法
CN107994572B (zh) 一种配电网可靠性提升措施适用性量化分析方法
Nguyen et al. Multi-objective demand response allocation in restructured energy market
CN116644920A (zh) 一种智能停电管理方法及系统
CN113868821B (zh) 一种基于营配大数据融合的配网降损方法及终端机
CN109359870A (zh) 一种基于选择消去法的配电网故障恢复方案综合评估方法
CN113327047B (zh) 基于模糊综合模型的电力营销服务渠道决策方法及系统
CN113162056B (zh) 特高压电网自动电压控制方法和装置
CN113327006A (zh) 一种满足差异化可靠性需求的配电网供电恢复系统和方法
KR102220716B1 (ko) 배전계통 재구성 장치 및 그 방법
CN109242308B (zh) 计及负荷不确定性的配电网故障恢复方案区间评估方法

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