CN113872204A - 一种基于电网图拓扑计算的用电负荷性质确定方法及装置 - Google Patents

一种基于电网图拓扑计算的用电负荷性质确定方法及装置 Download PDF

Info

Publication number
CN113872204A
CN113872204A CN202111464857.5A CN202111464857A CN113872204A CN 113872204 A CN113872204 A CN 113872204A CN 202111464857 A CN202111464857 A CN 202111464857A CN 113872204 A CN113872204 A CN 113872204A
Authority
CN
China
Prior art keywords
load
distribution transformer
determining
clustering
target
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
CN202111464857.5A
Other languages
English (en)
Other versions
CN113872204B (zh
Inventor
杨小磊
高昆仑
路轶
赵保华
何明
林剑超
袁佳逻
胡佳佳
邓雯雯
谢彬
杨晓磊
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.)
Global Energy Interconnection Research Institute
State Grid Sichuan Electric Power Co Ltd
Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd
Original Assignee
Global Energy Interconnection Research Institute
State Grid Sichuan Electric Power Co Ltd
Electric Power Research Institute of State Grid Sichuan Electric Power 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 Global Energy Interconnection Research Institute, State Grid Sichuan Electric Power Co Ltd, Electric Power Research Institute of State Grid Sichuan Electric Power Co Ltd filed Critical Global Energy Interconnection Research Institute
Priority to CN202111464857.5A priority Critical patent/CN113872204B/zh
Publication of CN113872204A publication Critical patent/CN113872204A/zh
Application granted granted Critical
Publication of CN113872204B publication Critical patent/CN113872204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于电网图拓扑计算的用电负荷性质确定方法及装置，其中该方法包括：遍历目标区域的电网图拓扑，确定目标区域内的一个或多个目标配变；关联与目标配变对应的营销台户，获取与目标配变连接的用户的负荷特性曲线；按照负荷特性曲线对用户进行聚类，得到多个聚类簇；将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质。通过执行本发明保证了负荷特性的完整体现和用户的准确聚类并依据实际需求进行自定义划分。

Description

一种基于电网图拓扑计算的用电负荷性质确定方法及装置
技术领域
本发明涉及电力系统领域，具体涉及一种基于电网图拓扑计算的用电负荷性质确定方法及装置。
背景技术
在目前的电力系统中，负责供电的电源侧和受电的用户侧存在信息隔离，电力经营管理者通过各电压等级的变电站获取供电负荷数据，主网的最小感知单位仅至10kV馈线，主网仅能感知到配变，无法感知到各配变连接的用户，因此在10kV配电网侧建立用电客户台账时，需要通过用户-变压器户变关系获取具体用户的负荷性质，通过用户-变压器户变关系获取具体用户的负荷性质往往只根据用户所属行业划分，无法满足对电网负荷预测以及对电网的规划等服务的需求。又由于用户无法被主网所感知，用户的负荷数据和供电的电源点数据被分割在两套系统中，电力经营管理者无法根据实际需求对用电客户的负荷进行自定义划分，从而为精准开展电网负荷预测以及后续的电网规划和电力客户服务带来了不便。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的电力经营管理者无法根据实际需求对用户的负荷性质进行自定义划分的缺陷，从而提供一种基于电网图拓扑计算的用电负荷性质确定方法及装置。
本发明第一方面提供了一种基于电网图拓扑计算的用电负荷性质确定方法，包括：遍历目标区域的电网图拓扑，确定目标区域内的一个或多个目标配变；关联与目标配变对应的营销台户，获取与目标配变连接的用户的负荷特性曲线；按照负荷特性曲线对用户进行聚类，得到多个聚类簇；将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质。
可选地，在本发明提供的基于电网图拓扑计算的用电负荷性质确定方法中，按照负荷特性曲线对用户进行聚类，得到多个聚类簇，包括：根据不同数量的聚类中心对应的聚类结果计算以不同数量的聚类中心对用户进行聚类时的分类适确性指标值；根据分类适确性指标值最小时对应的聚类结果确定多个聚类簇。
可选地，本发明提供的基于电网图拓扑计算的用电负荷性质确定方法还包括：关联与各目标配变对应的营销台账，根据营销台账获取各目标配变的配变参数；根据配变参数评估各目标配变的工作状态。
可选地，在本发明提供的基于电网图拓扑计算的用电负荷性质确定方法中，配变参数包括配变容量、互感器变比、二次有功负荷值，根据配变参数评估各目标配变的工作状态包括：根据配变容量、互感器变比、二次有功负荷值计算各目标配变的负载率；根据各目标配变的当前时间点的负载率和当前时间点之前的各时间点的负载率确定各目标配变的过载状况。
可选地，在本发明提供的基于电网图拓扑计算的用电负荷性质确定方法中，配变参数包括计量装置处电压值、三相电流，根据配变参数评估各目标配变的工作状态包括：根据目标配变的计量装置处电压值评估目标配变的低电压状况；根据目标配变的三相电流评估目标配变的不平衡状况。
可选地，本发明提供的基于电网图拓扑计算的用电负荷性质确定方法还包括：根 据电网图拓扑的各层级中各用户的负荷数值和负荷性质，确定各层级中各类性质负荷分类 占比：
Figure 439795DEST_PATH_IMAGE001
，其中，
Figure 313073DEST_PATH_IMAGE002
表示当前层级中第m类负荷性质 的负荷占比，
Figure 427660DEST_PATH_IMAGE003
表示当前层级中第n个负荷性质为第m类负荷性质的用户的负荷数值，
Figure 224845DEST_PATH_IMAGE004
表示负荷性质为第m类负荷性质的用户总数，K表示聚类簇的数量。
可选地，本发明提供的基于电网图拓扑计算的用电负荷性质确定方法还包括：根 据电网图拓扑的各层级中各配变的负载和工作状态，确定各层级中处于不同工作状态的配 变的占比：
Figure 944540DEST_PATH_IMAGE005
，其中，
Figure 51036DEST_PATH_IMAGE006
表示处于第i种工作状态的配变在当前层级中的占 比，
Figure 652919DEST_PATH_IMAGE007
表示当前层级中处于第i种工作状态的第j个配变的负载，
Figure 440746DEST_PATH_IMAGE008
表示当前层级中处于 第i种工作状态的配变的总数，P表示当前层级中各配变的负载的和。
本发明第二方面提供了一种基于电网图拓扑计算的用电负荷性质确定装置，包括：电网图拓扑遍历模块，用于遍历目标区域的电网图拓扑，确定目标区域内的一个或多个目标配变；负荷数值获取模块，用于关联与目标配变对应的营销台户，获取与目标配变连接的用户的负荷特性曲线；聚类模块，用于按照负荷特性曲线对用户进行聚类，得到多个聚类簇；负荷性质确定模块，用于将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质。
本发明第三方面提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第一方面提供的基于电网图拓扑计算的用电负荷性质确定方法。
本发明第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的基于电网图拓扑计算的用电负荷性质确定方法。
本发明技术方案，具有如下优点：
在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定方法及装置中，遍历目标区域的电网图拓扑确定目标区域内的目标配变后，通过关联与目标配变对应的营销台户实现对用户的感知，从而能够获取用户的负荷特性曲线，在获取用户的负荷特性曲线后，先按照负荷特性曲线对用户进行聚类，得到多个聚类簇，然后将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，最后根据聚类结果确定各聚类簇中的用户对应的负荷性质，由于模板库中包括多种不同的分类模板，且不同的分类模板对应有不同的划分标准，因此，通过实施本发明实施例能够根据实际需求对用户进行分类，无需依赖营销档案系统内对用户既定的行业分类和框架化特质，保证了负荷特性的完整体现和用户的准确聚类并依据实际需求进行自定义划分。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例中基于电网图拓扑计算的用电负荷性质确定方法的一个具体示例的流程图；
图2为本发明实施例中遍历电网图拓扑形成的树状图；
图3为本发明实施例中对测试区域的电网图拓扑；
图4为本发明实施例中聚类中心的数量与分类适确性指标值的对应关系图；
图5a为本发明实施例中负载率日曲线示意图；
图5b为本发明实施例中各类性质负荷分类占比示意图；
图6为本发明实施例中基于电网图拓扑计算的用电负荷性质确定装置的一个具体示例的原理框图；
图7为本发明实施例中计算机设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种基于电网图拓扑计算的用电负荷性质确定方法，该方法可以在调控云上执行，如图1所示，该方法包括：
步骤S11：遍历目标区域的电网图拓扑，确定目标区域内的一个或多个目标配变。
在一可选实施例中，电网图拓扑是指用户-配电变压器-配电变压器所属线路-线路关联主变-指定地理位置及高层级区域电网的拓扑关系，高层级区域可以为县、省等，电网图拓扑分为多个层级，目标区域可以为某一个配电变压器所在区域，或，包含多个配电变压器的区域，或，一条线路所对应的区域，或一台主变所对应的区域等。在遍历目标区域的电网图拓扑时，只需要以目标区域所在层级为起始位置自顶向下遍历即可，示例性地，当目标区域为包含多个主变的指定地理位置时，所遍历的电网图拓扑包含配电变压器-配电变压器所属线路-线路关联主变-指定地理位置。
步骤S12：关联与目标配变对应的营销台户，获取与目标配变连接的用户的负荷特性曲线。由于无法直接通过主网感知各配变所连接的用户，因此，采用关联目标配变对应的营销台户的方式实现对用户的感知，营销台户中记载有各目标配变所连接的用户。
在一可选实施例中，目标区域对图拓扑中的各顶点具有包含关系，且主变至用户是线性路径，在对目标区域的电网图拓扑进行遍历时，以目标区域、主变、10kV线路、配变、用户为顶点，以地区-主变连接线、母线、配网导线为拓扑关系中的边，其中地区-主变连接线表示某主变和它所在的地区的拓扑关系，使用基于电网一张图的深度优先搜索算法对电网图拓扑进行遍历，其基本逻辑如下：当目标区域内有t台主变时，由主变1出发，沿母线和10kV线路1到达其邻接的第一台配变S11 1，配变通过营销台户向下拓展读取其下挂的所有用户Z11 11、……Z11 1n，再从配变S11 1出发，访问与S11 1邻接但还没有访问过的顶点S11 2并通过营销台户读取该配变下挂的所有用户Z11 21……Z11 2n；然后再从S11 2出发，进行类似的访问，重复执行以上步骤，直至到达所有的邻接顶点都被访问过的顶点配变S11 u及其用户为止。接着依次退回线路、主变、区域，退到前一次访问的顶点，看是否还有其它没有被访问的邻接线路、主变；如果有，则访问此线路、主变，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中最后一台主变m最后一条线路b最末配变Smb u下的最后一个用户Zmb un被访问过为止。
在一可选实施例中，在确定目标区域内的用户时，除了以上述逻辑进行循环搜索外，最后还会用配变、用户计量点的经纬度进行匹配，以精准关联处于选定范围内而所属变电站处于范围外的负荷。在一具体实施例中，以树状五层四度关系为例，将每一层的顶点定义为A1，G1-Gx，H1-Hy，J1-Jw，K1-Kv，遍历后可以得到如图2所示的树状图。由图2可知，区域A1内共有用户K1、K2……Kv，其中，主变G1所供用户为K1、K2……K11，出线H1所供用户为K1、K2……K7，台区J1下的用户为K1、K2、K3。
在一具体实施例中，如图3所示，以某供电公司供区（简称测试区域）为例，根据测试区域电网图拓扑关系，电网一张图自动计算可以得出其供电范围内的配电变压器共有506台，形成所供配变列表配变1、配变2……配变506，根据各配变的营销台户可以得到测试区域内包含用户1、用户2……用户35066。
在一可选实施例中，在遍历目标区域内的电网图拓扑确定目标区域内的目标配变，并根据与目标配变对应的营销台户确定目标区域内的用户后，还可以以用户为拓扑末端计算供电范围，形成主变压器所供用户列表、区域内配变、用户列表，为监控用电情况及电网调控提供便利。
本发明实施例中遍历电网图拓扑时，电网的层级可按照深度优先搜索模型进行自定义，在面对庞大的待分析用户群体和复杂多样的配网线路、频繁的电力系统新投异动时具有更高的计算效率、更强的地区适应性，实现全网数据贯通。并且，通过遍历电网图拓扑，以及关联营销台账，将配电变压器负荷转化为网络中的负荷成分，解决现有系统中变电站负荷成分无法分析的问题，从而能够有效的指导电网规划、线路改接，提升电网服务用户的水平。
在一可选实施例中，在获取用户的负荷特性曲线时，先获取用户在不同时刻的负荷数据，然后根据各时刻的负荷数据形成该用户的负荷特性曲线。不同时刻的负荷数据可以为一天内每隔15分钟获取的负荷数据。
在一可选实施例中，由于不同类型的客户、不同区域台区间实际负荷差距很大，为了对负荷特性进行聚类分析、消除特性指标之间的量纲影响，在根据各时刻的负荷数据形成该用户的负荷特性曲线时，需要进行数据标准化处理，根据经过标准化处理的负荷数据形成负荷特性曲线，具体实施例中，可以采用任意相关技术对负荷数据进行标准化处理，示例性地，在本发明实施例中，为使输出数据区间为[0,1]，保证聚类计算的速度，使用Min-Max scaling模型进行标准化处理：
Figure 811685DEST_PATH_IMAGE009
，
其中t表示第t个15分钟所对应的时刻，Xtnorm表示将第t个15分钟对应的负荷数值进行标准化处理后的负荷数值，Xt表示第t个15分钟对应的负荷数值，max(Xh)和min(Xh)分别表示用户历史每日最大负荷值均值和历史每日最小值均值。
在一具体实施例中，在秋季的某一天，对用户K1-K35066的负荷数值进行标准化处理后得到的值如下表1所示。由于96点负荷数据不能一一列举，此处选择关键节点展示：
表1
用户 时刻 0:00 3:30 7:00 10:30 14:00 15:45 17:30 19:15 21:00 22:45
K1 0.25 0.02 0.51 0.43 0.43 0.39 0.71 0.89 0.88 0.70
K2 0.33 0.01 0.47 0.42 0.48 0.44 0.66 0.90 0.81 0.67
K3 0.71 0.77 0.75 0.13 0.78 0.74 0.11 0.14 0.66 0.81
……
K35066 0.10 0.01 0.47 0.77 0.62 0.59 0.60 0.86 0.67 0.55
步骤S13：按照负荷特性曲线对用户进行聚类，得到多个聚类簇。在具体实施过程中，可以采用任意相关技术对负荷特性曲线进行聚类。
步骤S14：将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质。
在一可选实施例中，模板库中的分类模板包括且不限于基于社会属性特性分类的模板、基于价值属性特性分类的模板、基于行业标准分类的模板、基于时间敏感特性分类的模板等，每个分类模板中包括多种不同符合性质对应的负荷特性曲线，示例性地，基于行业标准分类的模板中包括公共服务及管理类、居民生活用电类、工业类、房地产类、批发和零售类、运输仓储邮政类等行业对应的负荷特性曲线。
将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类后，会得到簇心负荷特性曲线与用于表征负荷性质的负荷特性曲线的一一对应关系，将与簇心负荷特性曲线对应的荷特性曲线所表征的负荷性质确定为与该簇心处于同一聚类簇的各用户的负荷性质。
在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定方法中，遍历目标区域的电网图拓扑确定目标区域内的目标配变后，通过关联与目标配变对应的营销台户实现对用户的感知，从而能够获取用户的负荷特性曲线，在获取用户的负荷特性曲线后，先按照负荷特性曲线对用户进行聚类，得到多个聚类簇，然后将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，最后根据聚类结果确定各聚类簇中的用户对应的负荷性质，由于模板库中包括多种不同的分类模板，且不同的分类模板对应有不同的划分标准，因此，通过实施本发明实施例能够根据实际需求对用户进行分类，无需依赖营销档案系统内对用户既定的行业分类和框架化特质，保证了负荷特性的完整体现和用户的准确聚类并依据实际需求进行自定义划分。
在一可选实施例中，在确定各用户的负荷性质后，还包括：结合用户的负荷性质建立用户的标签档案。还可以通过云端计算对负荷性质相同的用户进行二层分析，例如，对于同属居民的用户，导入不同年龄群体典型用电曲线对各用户进行年龄评估等，从而得到用户的画像信息，将用户画像信息储存于云端图数据库内。
在一可选实施例中，上述步骤S13具体包括：
首先，根据不同数量的聚类中心对应的聚类结果计算以不同数量的聚类中心对用户进行聚类时的分类适确性指标值，计算分类适确性指标值的公式为：
Figure 899919DEST_PATH_IMAGE010
，
Figure 520256DEST_PATH_IMAGE011
，
其中，K表示聚类数，
Figure 908512DEST_PATH_IMAGE012
表示任意两类用户的类内平均距离之和，
Figure 884690DEST_PATH_IMAGE013
表示簇心ck和cj之间的欧式距离。
然后，根据分类适确性指标值最小时对应的聚类结果确定多个聚类簇。
在一可选实施例中，可以采用k-means聚类方法对所有用户进行聚类，k-means算法的目标函数为：
Figure 270671DEST_PATH_IMAGE014
，
其中，
Figure 112726DEST_PATH_IMAGE015
表示负荷样本到簇心的均值向量之间的距离。
在一具体实施例中，以上述步骤S12中的33066个用户为样本进行聚类计算，得到分类适确性指标IDBI值与分类K值的关系如图4所示，由图4可知，当聚类数K=7时，分类适确性指标取到最小，因此可以根据聚类数为7时的聚类结果确定多个聚类簇，选择模板库中的一个分类模板与各聚类簇的簇心负荷特性曲线再次聚类。示例性地，若选择基于行业标准分类的模板中的负荷特性曲线与各簇心特性曲线聚类，可以根据聚类结果将用户分为公共服务及管理类、居民生活用电类、工业类、房地产类、批发和零售类、运输仓储邮政类、其他类。
在一可选实施例中，在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定方法中，在执行上述步骤S14之后，还包括：
首先，关联与各目标配变对应的营销台账，根据营销台账获取各目标配变的配变参数。在本发明实施例中，目标配变的营销台账中包含目标配变运行过程中的参数。
然后，根据配变参数评估各目标配变的工作状态。
受限于算力、带宽、与主网割裂等因素，营销用电采集主站无法实现对巨量配变运行数据的深入挖掘，但是在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定方法在获取到目标配变的配变参数后，在调控云中计算，不会受到算力、带宽、与主网割裂等因素的影响，实现了对配变运行数据的伸入挖掘。
在一可选实施例中，配变参数包括配变容量、互感器变比、二次有功负荷值，根据配变参数评估各目标配变的工作状态包括：
首先，根据配变容量、互感器变比、二次有功负荷值计算各目标配变的负载率：
Figure 39093DEST_PATH_IMAGE016
，
其中，
Figure 119045DEST_PATH_IMAGE017
表示配变的负载率，
Figure 941507DEST_PATH_IMAGE018
表示配变的二次有功负荷值，CT表示配变的电流 互感器变比，PT表示配变的电压互感器变比，C表示该公变的运行容量。
然后，根据各目标配变的当前时间点的负载率和当前时间点之前的各时间点的负载率确定各目标配变的过载状况。
在一可选实施例中，当
Figure 254546DEST_PATH_IMAGE019
时，表示目标配变当前处于重载点，当
Figure 984604DEST_PATH_IMAGE020
时，表示目标配变当前处于过载点。如果目标配变处在过载点且在此时 间点之前至少有两个过载点，则判定该目标配变目前处于过载状态；如果目标配变当前处 于重载点且在此时间点之前至少有两个重载点，则判定目标配变目前处于重载状态；若目 标配变在连续7个时间点均为过载点，则第七个时间点开始判定该目标配变处于严重过载 状态。
在一可选实施例中，配变参数包括计量装置处电压值、三相电流，根据配变参数评估各目标配变的工作状态的步骤具体包括：根据目标配变的计量装置处电压值评估目标配变的低电压状况，根据目标配变的三相电流评估目标配变的不平衡状况。
在一可选实施例中，配变的计量装置处电压值低于标称电压的 7％时认为配变低电压运行。配变出口处的负荷电流不平衡度小于15％且中性线电流超过低压侧额定电流的25％时，认为配变三相不平衡运行。
在一具体实施例中，通过执行上述实施例中提供的基于电网图拓扑计算的用电负荷性质确定方法计算得到的某一区域内506台配变的运行状态如下表2所示，其中前两个标志位分别表示低电压、三相不平衡状态的存在与否，1表示存在，0表示不存在；第三个标志位表示重过载情况，0表示不存在，1表示重载，2表示过载，3表示严重过载：
表2
配变 时刻 0:00 3:30 7:00 10:30 14:00 15:45 17:30 19:15 21:00 22:45
J1 0/0/0 0/1/0 0/1/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0
J2 1/0/0 1/0/0 1/0/0 1/0/0 1/0/0 1/0/0 1/0/0 1/0/0 1/0/0 1/0/0
J3 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0
……
J403 0/0/0 0/0/0 0/0/0 0/0/0 1/0/3 1/0/3 1/0/3 1/0/0 0/0/0 0/0/0
……
J506 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0 0/0/0
在一可选实施例中，在执行上述步骤S14计算得到各用户的负荷性质后，还包括如下步骤：
根据电网图拓扑的各层级中各用户的负荷数值和负荷性质，确定各层级中各类性质负荷分类占比：
Figure 122325DEST_PATH_IMAGE021
，
其中，
Figure 912426DEST_PATH_IMAGE022
表示当前层级中第m类负荷性质的负荷占比，
Figure 197914DEST_PATH_IMAGE023
表示当前层级中第n个 负荷性质为第m类负荷性质的用户的负荷数值，
Figure 482396DEST_PATH_IMAGE024
表示负荷性质为第m类负荷性质的用户 总数，K表示聚类簇的数量。
在本发明实施例中，电网图拓扑的各层级依次为10kV馈线、各电压等级母线、主变、变电站、区域电网、地市级别电网、省级电网。
在一可选实施例中，在执行实施例计算得到各配变的工作状态后，还执行如下步骤：
根据电网图拓扑的各层级中各配变的负载和工作状态，确定各层级中处于不同工作状态的配变的占比：
Figure 740202DEST_PATH_IMAGE025
，
其中，
Figure 966784DEST_PATH_IMAGE026
表示处于第i种工作状态的配变在当前层级中的占比，
Figure 473989DEST_PATH_IMAGE027
表示当前层级 中处于第i种工作状态的第j个配变的负载，
Figure 749112DEST_PATH_IMAGE028
表示当前层级中处于第i种工作状态的配变 的总数，P表示当前层级中各配变的负载的和。示例性地，配变的工作状态包括低电压、三相 不平衡、重载、过载、严重过载情况等。
在一具体实施例中，通过以上实施例中提供的基于电网图拓扑计算的用电负荷性质确定方法对如图3所示的测试区域中用户的负荷进行计算，计算得到的各时段异常运行台区负载占比、当前时刻异常运行台区、各类型负荷占比如下表3、表4、表5所示，由于96点的数据和异常运行的配变不能一一列举，此处选择关键节点显示。
表3
状态 时刻 0:00 3:30 7:00 10:30 14:00 15:45 17:30 19:15 21:00 22:45
低电压 0.06% 0.05% 0.05% 0.08% 0.05% 0.05% 0.05% 0.09% 0.05% 0.05%
三相不平衡 0.11% 0.17% 0.32% 0.22% 0.23% 0.27% 0.19% 0.40% 0.21% 0.20%
重载 0.76% 0.59% 0.43% 0.38% 0.57% 0.74% 0.55% 0.61% 0.58% 0.46%
过载 0.00% 0.00% 0.00% 0.01% 0.00% 0.01% 0.01% 0.03% 0.02% 0.00%
严重过载 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.01% 0.00% 0.00%
表4
状态 时刻 10:30
低电压 J5、J77、J92、J264
三相不平衡 J35、J324、J86、J178
重载 J273、J406、J489
过载 J92
严重过载 Null
表5
类型 时刻 0:00 3:30 7:00 10:30 14:00 15:45 17:30 19:15 21:00 22:45
公共服务管理类 12.45% 12.49% 12.56% 9.84% 9.46% 9.12% 8.74% 8.78% 8.37% 10.53%
居民生活用电类 15.22% 12.64% 13.61% 13.08% 15.12% 12.72% 12.69% 12.99% 17.21% 20.77%
工业类 27.47% 28.21% 27.61% 33.98% 28.87% 34.17% 34.06% 33.35% 26.73% 21.85%
房地产类 6.90% 6.26% 6.17% 5.90% 6.47% 5.69% 5.64% 6.03% 7.58% 8.58%
批发和零售类 6.21% 6.92% 6.39% 7.19% 9.56% 9.43% 9.72% 9.83% 7.87% 6.98%
运输仓储邮政类 24.06% 25.57% 25.94% 22.25% 22.97% 21.46% 21.53% 21.81% 25.21% 23.97%
其他类 7.72% 7.90% 7.73% 7.76% 7.56% 7.41% 7.64% 7.22% 7.02% 7.31%
在本发明实施例中，根据区域负荷成分分析电网电能组成结构，从而能够及时应对电网中的潮流变化，提高负荷高峰出现时提前预知的准确性，延长了调度员进行运行方式调整时的判断时间，同时拓宽了变电站负荷数据的横向宽度，具有巨大的二次开发潜力。
在一可选实施例中，在执行以上实施例计算得到目标区域内的各类性质负荷分类占比后，可以将各类性质负荷分类占比转换为折线图、多边形雷达图等形式进行展示。
在本发明实施例中，绘制出的负荷画像能反应区域用电结构变化和产业容量发展趋势，因时制宜、因地制宜的延伸支撑区域电网规划和设备变更，为分布式电源在未来的循序接入提供充足的大数据支持，为主动配电网的全面普及奠定基础。
在一具体实施例中，如图5a和图5b所示为负载率曲线和各类性质负荷占比的多边形雷达图，该区域内存在电厂，电厂负荷有功功率为负，曲线显示在图横轴下，10:30供电负荷20MWH。分析图5a和图5b可得：当天该站工业、运输仓储邮政业、居民生活用电、公共服务及管理、批发零售业、房地产业6类负荷用电靠前；居民用电在12点达到最大，负荷10-12MWH。房地产业用电8:45后开始活跃，12点达到顶点，14:00-21:00用电相对平稳。
在一具体实施例中，在某日10：30查询某220kV某站下负荷运行情况结果如下表6所示。
表6
结果
查询时间 10：30：47
厂站 220kV某站
异常运行配变数 11
低电压 Z馈线Z5台区、Y馈线Y69台区、X馈线X92台区、R馈线R73台区
三相不平衡 Z馈线Z88台区、T馈线T42台区、X馈线X36台区、R馈线R17台区
重载 Z馈线Z23台区、Z馈线Z40台区、X馈线Z49台区
过载 X馈线X92台区
严重过载 Null
在一可选实施例中，在云端执行上述步骤得到有关负荷的多种结果并将各结果进行存储后，可以在调控云上完成异常台区查询功能的部署，提供关联时间、馈线、区域的异常运行台区情况自定义查询功能。
本发明实施例还提供了一种基于电网图拓扑计算的用电负荷性质确定装置，如图6所示，包括：
电网图拓扑遍历模块21，用于遍历目标区域的电网图拓扑，确定目标区域内的一个或多个目标配变，详细内容参见上述实施例中对步骤S11的描述，在此不再赘述。
负荷数值获取模块22，用于关联与目标配变对应的营销台户，获取与目标配变连接的用户的负荷特性曲线，详细内容参见上述实施例中对步骤S12的描述，在此不再赘述。
聚类模块23，用于按照负荷特性曲线对用户进行聚类，得到多个聚类簇，详细内容参见上述实施例中对步骤S13的描述，在此不再赘述。
负荷性质确定模块24，用于将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质，详细内容参见上述实施例中对步骤S14的描述，在此不再赘述。
可选地，在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定装置中，聚类模块23具体包括：
分类适确性指标值计算子模块，用于根据不同数量的聚类中心对应的聚类结果计算以不同数量的聚类中心对用户进行聚类时的分类适确性指标值，详细内容参见上述方法实施例中的描述，在此不再赘述。
聚类簇确定子模块，用于根据分类适确性指标值最小时对应的聚类结果确定多个聚类簇，详细内容参见上述方法实施例中的描述，在此不再赘述。
可选地，本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定装置还包括：
配变参数获取模块，用于关联与各目标配变对应的营销台账，根据营销台账获取各目标配变的配变参数，详细内容参见上述方法实施例中的描述，在此不再赘述。
工作状态评估模块，用于根据配变参数评估各目标配变的工作状态，详细内容参见上述方法实施例中的描述，在此不再赘述。
可选地，在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定装置中，配变参数包括配变容量、互感器变比、二次有功负荷值，工作状态评估模块包括：
负载率计算子模块，用于根据配变容量、互感器变比、二次有功负荷值计算各目标配变的负载率；
过载状况确定子模块，用于根据各目标配变的当前时间点的负载率和当前时间点之前的各时间点的负载率确定各目标配变的过载状况。
可选地，在本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定装置中，变参数包括计量装置处电压值、三相电流，工作状态评估模块包括：
低电压状况确定子模块，用于根据目标配变的计量装置处电压值评估目标配变的低电压状况；
三相平衡状况确定子模块，用于根据目标配变的三相电流评估目标配变的不平衡状况。
可选地，本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定装置还包括：
负荷分类占比计算模块，用于根据电网图拓扑的各层级中各用户的负荷数值和负荷性质，确定各层级中各类性质负荷分类占比：
Figure 189321DEST_PATH_IMAGE029
，
其中，
Figure 307843DEST_PATH_IMAGE030
表示当前层级中第m类负荷性质的负荷占比，
Figure 771185DEST_PATH_IMAGE031
表示当前层级中第n个 负荷性质为第m类负荷性质的用户的负荷数值，
Figure 646737DEST_PATH_IMAGE032
表示负荷性质为第m类负荷性质的用户 总数，K表示聚类簇的数量。
可选地，本发明实施例提供的基于电网图拓扑计算的用电负荷性质确定装置还包括：
工作状态占比计算模块，用于根据电网图拓扑的各层级中各配变的负载和工作状态，确定各层级中处于不同工作状态的配变的占比：
Figure 675873DEST_PATH_IMAGE033
，
其中，
Figure 916362DEST_PATH_IMAGE034
表示处于第i种工作状态的配变在当前层级中的占比，
Figure 929317DEST_PATH_IMAGE035
表示当前层 级中处于第i种工作状态的第j个配变的负载，
Figure 93713DEST_PATH_IMAGE036
表示当前层级中处于第i种工作状态的配 变的总数，P表示当前层级中各配变的负载的和。
本发明实施例提供了一种计算机设备，如图7所示，该计算机设备主要包括一个或多个处理器31以及存储器32，图7中以一个处理器31为例。
该计算机设备还可以包括：输入装置33和输出装置34。
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图7中以通过总线连接为例。
处理器31可以为中央处理器（Central Processing Unit，CPU）。处理器31还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于电网图拓扑计算的用电负荷性质确定装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至基于电网图拓扑计算的用电负荷性质确定装置。输入装置33可接收用户输入的计算请求（或其他数字或字符信息），以及产生与基于电网图拓扑计算的用电负荷性质确定装置有关的键信号输入。输出装置34可包括显示屏等显示设备，用以输出计算结果。
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于电网图拓扑计算的用电负荷性质确定方法。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random AccessMemory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，包括：
遍历目标区域的电网图拓扑，确定所述目标区域内的一个或多个目标配变；
关联与所述目标配变对应的营销台户，获取与所述目标配变连接的用户的负荷特性曲线；
按照所述负荷特性曲线对所述用户进行聚类，得到多个聚类簇；
将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各所述聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质。
2.根据权利要求1所述的基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，按照所述负荷特性曲线对所述用户进行聚类，得到多个聚类簇，包括：
根据不同数量的聚类中心对应的聚类结果计算以不同数量的聚类中心对用户进行聚类时的分类适确性指标值；
根据分类适确性指标值最小时对应的聚类结果确定所述多个聚类簇。
3.根据权利要求1所述的基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，还包括：
关联与各目标配变对应的营销台账，根据所述营销台账获取各目标配变的配变参数；
根据所述配变参数评估各目标配变的工作状态。
4.根据权利要求3所述的基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，所述配变参数包括配变容量、互感器变比、二次有功负荷值，
根据所述配变参数评估各目标配变的工作状态包括：
根据所述配变容量、互感器变比、二次有功负荷值计算所述各目标配变的负载率；
根据所述各目标配变的当前时间点的负载率和当前时间点之前的各时间点的负载率确定所述各目标配变的过载状况。
5.根据权利要求3所述的基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，所述配变参数包括计量装置处电压值、三相电流，
根据所述配变参数评估各目标配变的工作状态包括：
根据目标配变的计量装置处电压值评估所述目标配变的低电压状况；
根据目标配变的三相电流评估所述目标配变的不平衡状况。
6.根据权利要求1所述的基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，还包括：
根据所述电网图拓扑的各层级中各用户的负荷数值和负荷性质，确定各层级中各类性质负荷分类占比：
Figure 991810DEST_PATH_IMAGE001
，
其中，
Figure 523285DEST_PATH_IMAGE002
表示当前层级中第m类负荷性质的负荷占比，
Figure 928859DEST_PATH_IMAGE003
表示当前层级中第n个负荷 性质为第m类负荷性质的用户的负荷数值，
Figure 384242DEST_PATH_IMAGE004
表示负荷性质为第m类负荷性质的用户总 数，K表示聚类簇的数量。
7.根据权利要求1、3-6中任一项所述的基于电网图拓扑计算的用电负荷性质确定方法，其特征在于，还包括：
根据所述电网图拓扑的各层级中各配变的负载和工作状态，确定各层级中处于不同工作状态的配变的占比：
Figure 129344DEST_PATH_IMAGE005
，
其中，
Figure 894038DEST_PATH_IMAGE006
表示处于第i种工作状态的配变在当前层级中的占比，
Figure 521328DEST_PATH_IMAGE007
表示当前层级中处 于第i种工作状态的第j个配变的负载，
Figure 967353DEST_PATH_IMAGE008
表示当前层级中处于第i种工作状态的配变的总 数，P表示当前层级中各配变的负载的和。
8.一种基于电网图拓扑计算的用电负荷性质确定装置，其特征在于，包括：
电网图拓扑遍历模块，用于遍历目标区域的电网图拓扑，确定所述目标区域内的一个或多个目标配变；
负荷数值获取模块，用于关联与所述目标配变对应的营销台户，获取与所述目标配变连接的用户的负荷特性曲线；
聚类模块，用于按照所述负荷特性曲线对所述用户进行聚类，得到多个聚类簇；
负荷性质确定模块，用于将各聚类簇的簇心负荷特性曲线与目标分类模板中的各负荷特性曲线聚类，根据聚类结果确定各所述聚类簇中的用户对应的负荷性质，模板库中包括多种分类模板，各分类模板的分类标准不同，各分类模板中包括多种负荷特性曲线，各负荷特性曲线对应不同的负荷性质。
9.一种计算机设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，从而执行如权利要求1-7中任一项所述的基于电网图拓扑计算的用电负荷性质确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-7中任一项所述的基于电网图拓扑计算的用电负荷性质确定方法。
CN202111464857.5A 2021-12-03 2021-12-03 一种基于电网图拓扑计算的用电负荷性质确定方法及装置 Active CN113872204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111464857.5A CN113872204B (zh) 2021-12-03 2021-12-03 一种基于电网图拓扑计算的用电负荷性质确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111464857.5A CN113872204B (zh) 2021-12-03 2021-12-03 一种基于电网图拓扑计算的用电负荷性质确定方法及装置

Publications (2)

Publication Number Publication Date
CN113872204A true CN113872204A (zh) 2021-12-31
CN113872204B CN113872204B (zh) 2022-03-22

Family

ID=78985729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111464857.5A Active CN113872204B (zh) 2021-12-03 2021-12-03 一种基于电网图拓扑计算的用电负荷性质确定方法及装置

Country Status (1)

Country Link
CN (1) CN113872204B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115579883A (zh) * 2022-11-04 2023-01-06 北京国电通网络技术有限公司 基于空间负荷特性的线路布局信息生成方法
CN115882611A (zh) * 2023-03-08 2023-03-31 北京清大高科系统控制有限公司 一种多源数据融合的有序用电监视方法及装置
CN116937577A (zh) * 2023-09-15 2023-10-24 北京清大高科系统控制有限公司 基于输配路径追踪的省地一体化负荷画像方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110825723A (zh) * 2019-10-09 2020-02-21 上海电力大学 一种基于用电负荷分析的居民用户分类方法
US20200144816A1 (en) * 2018-11-07 2020-05-07 Yishen Wang Submodular Load Clustering with Robust Principal Component Analysis
CN112508260A (zh) * 2020-12-03 2021-03-16 广东电网有限责任公司 基于对比学习的配电变压器中长期负荷预测方法及装置
CN112561138A (zh) * 2020-12-01 2021-03-26 广东电网有限责任公司广州供电局 电力负荷预测方法、装置、计算机设备和存储介质
CN113393028A (zh) * 2021-06-10 2021-09-14 国网江苏省电力有限公司南通供电分公司 一种基于数据挖掘技术的负荷预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200144816A1 (en) * 2018-11-07 2020-05-07 Yishen Wang Submodular Load Clustering with Robust Principal Component Analysis
CN110825723A (zh) * 2019-10-09 2020-02-21 上海电力大学 一种基于用电负荷分析的居民用户分类方法
CN112561138A (zh) * 2020-12-01 2021-03-26 广东电网有限责任公司广州供电局 电力负荷预测方法、装置、计算机设备和存储介质
CN112508260A (zh) * 2020-12-03 2021-03-16 广东电网有限责任公司 基于对比学习的配电变压器中长期负荷预测方法及装置
CN113393028A (zh) * 2021-06-10 2021-09-14 国网江苏省电力有限公司南通供电分公司 一种基于数据挖掘技术的负荷预测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115579883A (zh) * 2022-11-04 2023-01-06 北京国电通网络技术有限公司 基于空间负荷特性的线路布局信息生成方法
CN115579883B (zh) * 2022-11-04 2023-10-13 北京国电通网络技术有限公司 基于空间负荷特性的线路布局信息生成方法
CN115882611A (zh) * 2023-03-08 2023-03-31 北京清大高科系统控制有限公司 一种多源数据融合的有序用电监视方法及装置
CN116937577A (zh) * 2023-09-15 2023-10-24 北京清大高科系统控制有限公司 基于输配路径追踪的省地一体化负荷画像方法及装置
CN116937577B (zh) * 2023-09-15 2023-12-05 北京清大高科系统控制有限公司 基于输配路径追踪的省地一体化负荷画像方法及装置

Also Published As

Publication number Publication date
CN113872204B (zh) 2022-03-22

Similar Documents

Publication Publication Date Title
CN113872204B (zh) 一种基于电网图拓扑计算的用电负荷性质确定方法及装置
Schneider et al. Modern grid initiative distribution taxonomy final report
CN109873501B (zh) 一种低压配电网拓扑自动识别方法
CN104538958B (zh) 用电客户电网接入点的智能分析方法及系统
CN106372747B (zh) 基于随机森林的台区合理线损率估计方法
CN102982394A (zh) 配电网负荷参数辨识方法及系统
CN112288303B (zh) 确定线损率的方式、装置
CN111340327A (zh) 一种主配用一体化负荷分析平台及其实现方法
CN112688428A (zh) 一种基于物联网技术的10千伏电网同期线损治理方法
CN113723810A (zh) 基于图数据库的电网建模方法
CN114519514A (zh) 一种低压台区合理线损值测算方法、系统及计算机设备
CN112288172A (zh) 台区线损率的预测方法、装置
CN111105218A (zh) 一种基于全息影像技术的配电网运行监视方法
CN107862459B (zh) 一种基于大数据的计量设备状态评估方法及系统
CN113902583A (zh) 利用低压网络设备数据的配网侧运维方法及系统
WO2019140553A1 (zh) 配电系统的健康指数确定方法及装置、计算机存储介质
CN110289616B (zh) 一种基于网络分析的高压配电网项目动态选择方法
CN111680832A (zh) 一种基于大数据技术的智能配电网接入方法
CN111797145A (zh) 一种电力客户容忍度评价分类方法
CN115796711A (zh) 配电线路降损的辅助决策方法及装置
CN112421644B (zh) 一种配电物联网低压负荷接入方法
CN115618277A (zh) 一种运维工单成本量化的方法
CN115186975A (zh) 一种基于业务中台的电网线损管理方法及系统
CN115270947A (zh) 标准化能效服务模型构建方法、系统、终端及存储介质
Li et al. Distribution transformer mid-term heavy load and overload pre-warning based on logistic regression

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