CN113902219A - 一种主变负载影响因素分析模型的分析方法 - Google Patents
一种主变负载影响因素分析模型的分析方法 Download PDFInfo
- Publication number
- CN113902219A CN113902219A CN202111316210.8A CN202111316210A CN113902219A CN 113902219 A CN113902219 A CN 113902219A CN 202111316210 A CN202111316210 A CN 202111316210A CN 113902219 A CN113902219 A CN 113902219A
- Authority
- CN
- China
- Prior art keywords
- main transformer
- evaluation
- factor
- influence factor
- model
- 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
Links
- 238000000556 factor analysis Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 217
- 238000013210 evaluation model Methods 0.000 claims abstract description 118
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000007547 defect Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004804 winding Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 239000002028 Biomass Substances 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 239000000945 filler Substances 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims 5
- 238000003672 processing method Methods 0.000 claims 1
- 238000012795 verification Methods 0.000 claims 1
- 238000012549 training Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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"
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Library & Information Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种主变负载影响因素分析模型的分析方法,该方法为:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库,通过建立考虑典型时间的主变负载影响因素评价模型、考虑电网拓扑结构的主变负载影响因素评价模型、考虑停电计划的主变负载影响因素评价模型、考虑主变参数的主变负载影响因素评价模型、考虑气象信息的主变负载影响因素评价模型,构建全面的主变负载影响因素分析模型,计算主变负载数据信息以及主变负载影响因素分析模型的相关系数,根据强关联主变负载影响因素评价因子,获得主变负载重要影响因素数据集。本发明大大提升主变负荷预测精度,并降低全网主变计算时会产生计算量,提高计算效率。
Description
技术领域
本发明涉及电力设备监控分析技术领域,具体涉及一种主变负载影响因素分析模型的分析方法。
背景技术
随着电网的快速发展,用电需求量不断增加,电网的用电负荷也逐年攀升。变压器作为核心电气设备,对电能的经济传输、灵活分配、安全稳定等具有重要意义。如何对主变设备运行负载进行有效监测分析,尤其是对设备在重过载等特殊情况下的运行数据进行分析,从而发现设备负载规律特性,故障情况下的负荷特性,对合理规划电网建设、调整运行方式,提高用电可靠性,有着极其重要的意义。
在电网中,主变之间由于用电性质、负荷变化趋势、网架结构变化等信息特点不尽相同,因此现有主变负荷预测中,可以全面考虑主变所受因素影响情况,利用主变负载影响因素分析模型全面主变负载预测输入变量来提升主变负荷预测精度,以解决主变负荷预测精度受输入变量未完全涵盖数据特征的影响、训练得到的主变负荷预测模型精度低等问题。但与此同时,全面考虑主变所受因素影响,主变负荷预测模型的输入变量过多,导致模型容易陷入过拟合,降低模型的准确性,并且过多的特征也会导致模型变得更加复杂,在训练和预测时的计算耗时增多,无法识别影响因素因子与主变负荷数据的关联关系,对全网主变计算时会产生计算量大、计算效率低等问题。
发明内容
本发明要解决的技术问题是:提供一种主变负载影响因素分析模型的分析方法,以解决现有技术中全面考虑主变所受因素影响,主变负荷预测模型的输入变量过多,导致模型容易陷入过拟合,降低模型的准确性,并且过多的特征也会导致模型变得更加复杂,在训练和预测时的计算耗时增多,无法识别影响因素因子与主变负荷数据的关联关系,对全网主变计算时会产生计算量大、计算效率低等问题。
本发明采取的技术方案为:一种主变负载影响因素分析模型的分析方法,该方法为:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库,通过建立考虑典型时间的主变负载影响因素评价模型ξ1、考虑电网拓扑结构的主变负载影响因素评价模型ξ2、考虑停电计划的主变负载影响因素评价模型ξ3、考虑主变参数的主变负载影响因素评价模型ξ4、考虑气象信息的主变负载影响因素评价模型ξ5,构建全面的主变负载影响因素分析模型,计算主变负载数据信息以及主变负载影响因素分析模型的相关系数,根据强关联主变负载影响因素评价因子,获得主变负载重要影响因素数据集。
一种主变负载影响因素分析模型的分析方法构建方法包括以下具体步骤:
步骤1:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库;
步骤2:利用步骤1得到的主变负载影响因素评价数据库,建立考虑典型时间的主变负载影响因素评价模型ξ1;
其中,考虑典型时间的主变负载影响因素评价模型ξ1包括长时间模型ξ11,短时间评价模型ξ12;
长时间评价模型ξ11包括春季评价因子、夏季评价因子、秋季评价因子、冬季评价因子。
短时间评价模型ξ12包括节日评价因子、双休日评价因子、工作日评价因子、特殊时期(如国庆、高考、重大会议等时期)保供电评价因子。
步骤3:利用步骤1得到的主变负载影响因素评价数据库,建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2;
其中,建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2包括主变所在变电站的运行主变数量评价模型ξ21,主变所在变电站的运行母线数量评价模型ξ22,主变所在变电站的运行出线数量评价模型ξ23,与主变所在变电站相邻的变电站数量评价模型ξ24,与主变所在变电站相邻的发电厂装机容量评价模型ξ25,与主变所在变电站相邻的储能装置容量评价模型ξ26;
主变所在变电站的运行主变数量评价模型ξ21包括单主变评价因子、双主变评价因子、三主变评价因子、四主变评价因子、五台及以上多主变评价因子;
主变所在变电站的运行母线数量评价模型ξ22包括高压侧母线数量评价因子、中压侧母线数量评价因子、低压侧母线数量评价因子;
主变所在变电站的运行出线数量评价模型ξ23包括高压侧出线数量评价因子、中压侧出线数量评价因子、低压侧出线数量评价因子;
与主变所在变电站相邻的发电厂装机容量评价模型ξ25包括火电厂装机容量评价因子、水电厂装机容量评价因子、风电场装机容量评价因子、光伏电站装机容量评价因子、燃气电站装机容量评价因子、垃圾电站装机容量评价因子、生物质装机容量评价因子;
步骤4:利用步骤1得到的主变负载影响因素评价数据库,建立考虑停电计划的主变负载影响因素评价模型ξ3;
其中,建立考虑停电计划的主变负载影响因素评价模型ξ3包括计划性停电评价模型ξ31,临时性停电评价模型ξ32;
计划性停电评价模型ξ31包括该主变检修停电评价因子、主变所在变电站的其他主变检修停电评价因子、主变所在变电站母线检修停电评价因子、主变所在变电站出线检修停电评价因子、主变所在变电站的相邻变电站(主变、母线、出线)停电评价因子、主变所在变电站的相邻的发电厂(机组、主变、母线、出线)检修停电评价因子;
临时性停电评价模型ξ32包括主变所在变电站的所有断路器合位信号评价因子、主变所在变电站的保护装置动作信息评价因子、主变所在变电站的稳控装置动作信息评价因子、主变所在变电站的相邻变电站内所有断路器合位信号评价因子、主变所在变电站的相邻变电站内保护装置动作信息评价因子、主变所在变电站的相邻变电站内稳控装置动作信息评价因子;
步骤5:利用步骤1得到的主变负载影响因素评价数据库,建立考虑主变参数的主变负载影响因素评价模型ξ4。
其中,建立考虑主变参数的主变负载影响因素评价模型ξ4包括主变本体参数评价模型ξ41和主变运行参数评价模型ξ42;
主变本体参数评价模型ξ41包括主变容量评价因子、主变投运年限评价因子、主变老化评价因子;
主变运行参数评价模型ξ42包括油温高告警信息评价因子、绕温高告警信息评价因子、轻瓦斯告警信息评价因子、油位低告警信息评价因子、主变状态评价结果评价因子、绕组缺陷信息评价因子、铁芯缺陷信息评价因子、箱壳缺陷信息评价因子、风冷控制系统缺陷信息评价因子、变压器漏油缺陷信息评价因子等;
步骤6:利用步骤1得到的主变负载影响因素评价数据库,建立考虑气象信息的主变负载影响因素评价模型ξ5;
建立考虑气象信息的主变负载影响因素评价模型ξ5,包括主变所在区域的温度评价因子、湿度评价因子、大气压力评价因子、海拔高度评价因子、风速评价因子、风向评价因子、光照强度评价因子、净辐射量评价因子、降水量评价因子等;
步骤7:结合步骤2-6,构建主变负载影响因素分析模型ψ={ξ1,ξ2,ξ3,ξ4,ξ5};
步骤8:对主变负载影响因素分析模型ψ={ξ1,ξ2,ξ3,ξ4,ξ5}中的缺失值进行处理,主要方法如下:
(1)对于需要填充数据分析模型中第η个评价因子ψη,根据给定的距离度量Γ,找到样本空间中距离它最接近的k个样本,并记下这k个样本和它的距离d1,d2,...,dk;选择的距离度量Γ为欧式距离,两个g维向量Xi=(Xi1,Xi2,...,Xig)与Xj=(Xji,Xj2,...,Xjg)间的欧式距离为:
(2)根据距离值计算这k个最近样本的加权平均数来作为填充数据ψη,填充数据ψη和k个最近样本的关系如下:
其中,Wi是第i个样本的权重值:
(3)处理后得到完整的主变负载影响因素分析模型ψaf={ξ1af,ξ2af,ξ3af,ξ4af,ξ5af}。
步骤9:利用步骤8得到处理后完整的主变负载影响因素分析模型ψaf={ξ1af,ξ2af,ξ3af,ξ4af,ξ5af}进行归一化处理。
通过线性变换公式把原始数据缩放到[0,1]的范围内,归一化后得到的主变负载影响因素分析模型ψnorm计算公式如下:
其中,ψaf表示原始的数据序列,ψafmin表示原始数据中的最小值,ψafmax表示原始数据中的最大值。
步骤10:计算步骤1中的主变负载数据信息RLO以及步骤9得到的归一化后得到的主变负载影响因素分析模型ψnorm的相关系数。
第i台主变负载和影响因素分析模型的两两之间的相关系数计算公式如下:
相关系数r取值区间为[-1,1],-1表示完全负相关,+1表示完全正相关,0表示线性不相关。
步骤11:对第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子,记作第i台主变负载重要影响因素数据集θi。
本发明的有益效果:与现有技术相比,本发明综合考虑到了主变负载影响因素,并构建对应的模型,大大提升主变负荷预测精度,并且采用相关系数法分析影响因素,获得主变负载重要影响因素数据集,降低全网主变计算时会产生计算量,提高计算效率,以解决现有技术中全面考虑主变所受因素影响,主变负荷预测模型的输入变量过多,导致模型容易陷入过拟合,降低模型的准确性,并且过多的特征也会导致模型变得更加复杂,在训练和预测时的计算耗时增多,无法识别影响因素因子与主变负荷数据的关联关系,对全网主变计算时会产生计算量大、计算效率低等问题。
具体实施方式
下面结合具体的实施例对本发明进行进一步介绍。
实施例1:一种主变负载影响因素分析模型的分析方法,该方法为:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库,通过建立考虑典型时间的主变负载影响因素评价模型ξ1、考虑电网拓扑结构的主变负载影响因素评价模型ξ2、考虑停电计划的主变负载影响因素评价模型ξ3、考虑主变参数的主变负载影响因素评价模型ξ4、考虑气象信息的主变负载影响因素评价模型ξ5,构建全面的主变负载影响因素分析模型,计算主变负载数据信息以及主变负载影响因素分析模型的相关系数,根据强关联主变负载影响因素评价因子,获得主变负载重要影响因素数据集。
一种主变负载影响因素分析模型的分析方法构建方法包括以下具体步骤:
步骤1:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库;
步骤2:利用步骤1得到的主变负载影响因素评价数据库,建立考虑典型时间的主变负载影响因素评价模型ξ1;
其中,考虑典型时间的主变负载影响因素评价模型ξ1包括长时间模型ξ11,短时间评价模型ξ12;
长时间评价模型ξ11包括春季评价因子、夏季评价因子、秋季评价因子、冬季评价因子。
短时间评价模型ξ12包括节日评价因子、双休日评价因子、工作日评价因子、特殊时期(如国庆、高考、重大会议等时期)保供电评价因子。
步骤3:利用步骤1得到的主变负载影响因素评价数据库,建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2;
其中,建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2包括主变所在变电站的运行主变数量评价模型ξ21,主变所在变电站的运行母线数量评价模型ξ22,主变所在变电站的运行出线数量评价模型ξ23,与主变所在变电站相邻的变电站数量评价模型ξ24,与主变所在变电站相邻的发电厂装机容量评价模型ξ25,与主变所在变电站相邻的储能装置容量评价模型ξ26;
主变所在变电站的运行主变数量评价模型ξ21包括单主变评价因子、双主变评价因子、三主变评价因子、四主变评价因子、五台及以上多主变评价因子;
主变所在变电站的运行母线数量评价模型ξ22包括高压侧母线数量评价因子、中压侧母线数量评价因子、低压侧母线数量评价因子;
主变所在变电站的运行出线数量评价模型ξ23包括高压侧出线数量评价因子、中压侧出线数量评价因子、低压侧出线数量评价因子;
与主变所在变电站相邻的发电厂装机容量评价模型ξ25包括火电厂装机容量评价因子、水电厂装机容量评价因子、风电场装机容量评价因子、光伏电站装机容量评价因子、燃气电站装机容量评价因子、垃圾电站装机容量评价因子、生物质装机容量评价因子;
步骤4:利用步骤1得到的主变负载影响因素评价数据库,建立考虑停电计划的主变负载影响因素评价模型ξ3;
其中,建立考虑停电计划的主变负载影响因素评价模型ξ3包括计划性停电评价模型ξ31,临时性停电评价模型ξ32;
计划性停电评价模型ξ31包括该主变检修停电评价因子、主变所在变电站的其他主变检修停电评价因子、主变所在变电站母线检修停电评价因子、主变所在变电站出线检修停电评价因子、主变所在变电站的相邻变电站(主变、母线、出线)停电评价因子、主变所在变电站的相邻的发电厂(机组、主变、母线、出线)检修停电评价因子;
临时性停电评价模型ξ32包括主变所在变电站的所有断路器合位信号评价因子、主变所在变电站的保护装置动作信息评价因子、主变所在变电站的稳控装置动作信息评价因子、主变所在变电站的相邻变电站内所有断路器合位信号评价因子、主变所在变电站的相邻变电站内保护装置动作信息评价因子、主变所在变电站的相邻变电站内稳控装置动作信息评价因子;
步骤5:利用步骤1得到的主变负载影响因素评价数据库,建立考虑主变参数的主变负载影响因素评价模型ξ4。
其中,建立考虑主变参数的主变负载影响因素评价模型ξ4包括主变本体参数评价模型ξ41和主变运行参数评价模型ξ42;
主变本体参数评价模型ξ41包括主变容量评价因子、主变投运年限评价因子、主变老化评价因子;
主变运行参数评价模型ξ42包括油温高告警信息评价因子、绕温高告警信息评价因子、轻瓦斯告警信息评价因子、油位低告警信息评价因子、主变状态评价结果评价因子、绕组缺陷信息评价因子、铁芯缺陷信息评价因子、箱壳缺陷信息评价因子、风冷控制系统缺陷信息评价因子、变压器漏油缺陷信息评价因子等;
步骤6:利用步骤1得到的主变负载影响因素评价数据库,建立考虑气象信息的主变负载影响因素评价模型ξ5;
建立考虑气象信息的主变负载影响因素评价模型ξ5,包括主变所在区域的温度评价因子、湿度评价因子、大气压力评价因子、海拔高度评价因子、风速评价因子、风向评价因子、光照强度评价因子、净辐射量评价因子、降水量评价因子等;
步骤7:结合步骤2-6,构建主变负载影响因素分析模型ψ={ξ1,ξ2,ξ3,ξ4,ξ5};
步骤8:对主变负载影响因素分析模型ψ={ξ1,ξ2,ξ3,ξ4,ξ5}中的缺失值进行处理,主要方法如下:
(1)对于需要填充数据分析模型中第η个评价因子ψη,根据给定的距离度量Γ,找到样本空间中距离它最接近的k个样本,并记下这k个样本和它的距离d1,d2,...,dk;选择的距离度量Γ为欧式距离,两个g维向量Xi=(Xi1,Xi2,...,Xig)与Xj=(Xji,Xj2,...,Xjg)间的欧式距离为:
(2)根据距离值计算这k个最近样本的加权平均数来作为填充数据ψη,填充数据ψη和k个最近样本的关系如下:
其中,Wi是第i个样本的权重值:
(3)处理后得到完整的主变负载影响因素分析模型ψaf={ξ1af,ξ2af,ξ3af,ξ4af,ξ5af}。
步骤9:利用步骤8得到处理后完整的主变负载影响因素分析模型ψaf={ξ1af,ξ2af,ξ3af,ξ4af,ξ5af}进行归一化处理。
通过线性变换公式把原始数据缩放到[0,1]的范围内,归一化后得到的主变负载影响因素分析模型ψnorm计算公式如下:
其中,ψaf表示原始的数据序列,ψafmin表示原始数据中的最小值,ψafmax表示原始数据中的最大值。
步骤10:计算步骤1中的主变负载数据信息RLO以及步骤9得到的归一化后得到的主变负载影响因素分析模型ψnorm的相关系数。
第i台主变负载和影响因素分析模型的两两之间的相关系数计算公式如下:
相关系数r取值区间为[-1,1],-1表示完全负相关,+1表示完全正相关,0表示线性不相关。
步骤11:对第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子,记作第i台主变负载重要影响因素数据集θi。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内,因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种主变负载影响因素分析模型的分析方法,其特征在于:该方法为:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库,通过建立考虑典型时间的主变负载影响因素评价模型ξ1、考虑电网拓扑结构的主变负载影响因素评价模型ξ2、考虑停电计划的主变负载影响因素评价模型ξ3、考虑主变参数的主变负载影响因素评价模型ξ4、考虑气象信息的主变负载影响因素评价模型ξ5,构建全面的主变负载影响因素分析模型,计算主变负载数据信息以及主变负载影响因素分析模型的相关系数,根据强关联主变负载影响因素评价因子,获得主变负载重要影响因素数据集。
2.根据权利要求1所述的一种主变负载影响因素分析模型的分析方法,其特征在于:该方法具体步骤如下:
步骤1:收集全面分析与主变负载特性有关的数据信息,构建主变负载影响因素评价数据库;
步骤2:利用步骤1得到的主变负载影响因素评价数据库,建立考虑典型时间的主变负载影响因素评价模型ξ1;
步骤3:利用步骤1得到的主变负载影响因素评价数据库,建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2;
步骤4:利用步骤1得到的主变负载影响因素评价数据库,建立考虑停电计划的主变负载影响因素评价模型ξ3;
步骤5:利用步骤1得到的主变负载影响因素评价数据库,建立考虑主变参数的主变负载影响因素评价模型ξ4;
步骤6:利用步骤1得到的主变负载影响因素评价数据库,建立考虑气象信息的主变负载影响因素评价模型ξ5;
步骤7:结合步骤2-6,构建主变负载影响因素分析模型ψ={ξ1,ξ2,ξ3,ξ4,ξ5};
步骤8:对主变负载影响因素分析模型ψ={ξ1,ξ2,ξ3,ξ4,ξ5}中的缺失值进行处理;
步骤9:利用步骤8得到处理后完整的主变负载影响因素分析模型ψaf={ξ1af,ξ2af,ξ3af,ξ4af,ξ5af}进行归一化处理
步骤10:计算步骤1中的主变负载数据信息RLO以及步骤9得到的归一化后得到的主变负载影响因素分析模型ψnorm的相关系数
步骤11:对第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子,记作第i台主变负载重要影响因素数据集θi。
3.根据权利要求2所述的一种主变负载影响因素分析模型的分析方法,其特征在于:步骤2中考虑典型时间的主变负载影响因素评价模型ξ1包括长时间模型ξ11和短时间评价模型ξ12,
其中,长时间评价模型ξ11包括春季评价因子、夏季评价因子、秋季评价因子、冬季评价因子;
短时间评价模型ξ12包括节日评价因子、双休日评价因子、工作日评价因子、特殊时期保供电评价因子。
4.根据权利要求2所述的一种主变负载影响因素分析模型的分析方法,其特征在于:步骤3中,建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2包括主变所在变电站的运行主变数量评价模型ξ21,主变所在变电站的运行母线数量评价模型ξ22,主变所在变电站的运行出线数量评价模型ξ23,与主变所在变电站相邻的变电站数量评价模型ξ24,与主变所在变电站相邻的发电厂装机容量评价模型ξ25,与主变所在变电站相邻的储能装置容量评价模型ξ26;
主变所在变电站的运行主变数量评价模型ξ21包括单主变评价因子、双主变评价因子、三主变评价因子、四主变评价因子、五台及以上多主变评价因子;
主变所在变电站的运行母线数量评价模型ξ22包括高压侧母线数量评价因子、中压侧母线数量评价因子、低压侧母线数量评价因子;
主变所在变电站的运行出线数量评价模型ξ23包括高压侧出线数量评价因子、中压侧出线数量评价因子、低压侧出线数量评价因子;
与主变所在变电站相邻的发电厂装机容量评价模型ξ25包括火电厂装机容量评价因子、水电厂装机容量评价因子、风电场装机容量评价因子、光伏电站装机容量评价因子、燃气电站装机容量评价因子、垃圾电站装机容量评价因子、生物质装机容量评价因子。
5.根据权利要求2所述的一种主变负载影响因素分析模型的分析方法,其特征在于:完全验证方法为:步骤4中,建立考虑停电计划的主变负载影响因素评价模型ξ3包括计划性停电评价模型ξ31,临时性停电评价模型ξ32;
计划性停电评价模型ξ31包括该主变检修停电评价因子、主变所在变电站的其他主变检修停电评价因子、主变所在变电站母线检修停电评价因子、主变所在变电站出线检修停电评价因子、主变所在变电站的相邻变电站停电评价因子、主变所在变电站的相邻的发电厂检修停电评价因子;
临时性停电评价模型ξ32包括主变所在变电站的所有断路器合位信号评价因子、主变所在变电站的保护装置动作信息评价因子、主变所在变电站的稳控装置动作信息评价因子、主变所在变电站的相邻变电站内所有断路器合位信号评价因子、主变所在变电站的相邻变电站内保护装置动作信息评价因子、主变所在变电站的相邻变电站内稳控装置动作信息评价因子。
6.根据权利要求2所述的一种主变负载影响因素分析模型的分析方法,其特征在于:步骤(5)中,建立考虑主变参数的主变负载影响因素评价模型ξ4包括主变本体参数评价模型ξ41和主变运行参数评价模型ξ42;
主变本体参数评价模型ξ41包括主变容量评价因子、主变投运年限评价因子、主变老化评价因子;
主变运行参数评价模型ξ42包括油温高告警信息评价因子、绕温高告警信息评价因子、轻瓦斯告警信息评价因子、油位低告警信息评价因子、主变状态评价结果评价因子、绕组缺陷信息评价因子、铁芯缺陷信息评价因子、箱壳缺陷信息评价因子、风冷控制系统缺陷信息评价因子、变压器漏油缺陷信息评价因子。
7.根据权利要求2所述的一种主变负载影响因素分析模型的分析方法,其特征在于:步骤(6)中,建立考虑气象信息的主变负载影响因素评价模型ξ5包括主变所在区域的温度评价因子、湿度评价因子、大气压力评价因子、海拔高度评价因子、风速评价因子、风向评价因子、光照强度评价因子、净辐射量评价因子、降水量评价因子。
8.根据权利要求2所述的一种主变负载影响因素分析模型的分析方法,其特征在于:步骤8中,缺失值进行处理方法如下:
(1)对于需要填充数据分析模型中第η个评价因子ψη,根据给定的距离度量Γ,找到样本空间中距离它最接近的k个样本,并记下这k个样本和它的距离d1,d2,...,dk;选择的距离度量Γ为欧式距离,两个g维向量Xi=(Xi1,Xi2,...,Xig)与Xj=(Xji,Xj2,...,Xjg)间的欧式距离为:
(2)根据距离值计算这k个最近样本的加权平均数来作为填充数据ψη,填充数据ψη和k个最近样本的关系如下:
其中,Wi是第i个样本的权重值:
(3)处理后得到完整的主变负载影响因素分析模型ψaf={ξ1af,ξ2af,ξ3af,ξ4af,ξ5af}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316210.8A CN113902219A (zh) | 2021-11-08 | 2021-11-08 | 一种主变负载影响因素分析模型的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316210.8A CN113902219A (zh) | 2021-11-08 | 2021-11-08 | 一种主变负载影响因素分析模型的分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902219A true CN113902219A (zh) | 2022-01-07 |
Family
ID=79193519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111316210.8A Pending CN113902219A (zh) | 2021-11-08 | 2021-11-08 | 一种主变负载影响因素分析模型的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902219A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392735A (zh) * | 2022-08-30 | 2022-11-25 | 浙江正泰智维能源服务有限公司 | 光伏电站工作性能监测方法、系统、设备及介质 |
-
2021
- 2021-11-08 CN CN202111316210.8A patent/CN113902219A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115392735A (zh) * | 2022-08-30 | 2022-11-25 | 浙江正泰智维能源服务有限公司 | 光伏电站工作性能监测方法、系统、设备及介质 |
CN115392735B (zh) * | 2022-08-30 | 2024-04-23 | 浙江正泰智维能源服务有限公司 | 光伏电站工作性能监测方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
CN107292478B (zh) | 一种灾害对配电网影响态势的获取方法 | |
CN110927581B (zh) | 基于熵权法的储能设备运行状态多层级指标评估方法 | |
CN114742283A (zh) | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 | |
CN114994441A (zh) | 一种智能电力能效监测装置 | |
CN112241923B (zh) | 一种基于综合能源系统源荷等效外特性的配网电力平衡方法 | |
CN114386753A (zh) | 一种基于主变负载状况的设备风险综合分析预警方法 | |
CN114336608B (zh) | 一种考虑动态增容和重构的机组阻塞优化方法及系统 | |
CN113902219A (zh) | 一种主变负载影响因素分析模型的分析方法 | |
CN114936450A (zh) | 面向风电送出线路动态增容的数字孪生评估方法和系统 | |
Li et al. | A line-fault cause analysis method for distribution network based on decision-making tree and machine learning | |
CN105404933A (zh) | 一种为配电网提升供电可靠性的计算系统及计算方法 | |
CN111391694B (zh) | 一种充电站运行维护的多层次快速数据监测方法和系统 | |
CN112001569A (zh) | 一种基于多电压等级故障下的电网运行风险分析方法 | |
CN109918612B (zh) | 一种基于稀疏学习的台区拓扑结构校验方法 | |
CN113902226A (zh) | 一种考虑主变负载特性的主变负载影响因素分析方法 | |
Kumar et al. | The effect of solar power injection on aging of a distribution transformer | |
CN114462692A (zh) | 一种电网老旧设备技改策略优化调整方法 | |
CN110717725B (zh) | 基于大数据分析的电网项目选取方法 | |
CN115224684A (zh) | 基于免疫危险理论的智能配电网风险状态辨识方法及系统 | |
CN107742886B (zh) | 一种热电联合系统负荷峰值同时系数的预测方法 | |
CN111092430A (zh) | 一种适应于电力系统恢复的应急资源优化配置方法 | |
CN111628574A (zh) | 一种基于距离相关系数的电网电压量测异常识别方法 | |
CN113919596A (zh) | 一种主变负载影响因素分类预测方法 | |
CN114386749A (zh) | 一种基于主变负载状况的设备风险综合分析预警系统 |
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 |