CN114139781A - 一种电力系统的运行趋势预测方法及系统 - Google Patents

一种电力系统的运行趋势预测方法及系统 Download PDF

Info

Publication number
CN114139781A
CN114139781A CN202111361723.0A CN202111361723A CN114139781A CN 114139781 A CN114139781 A CN 114139781A CN 202111361723 A CN202111361723 A CN 202111361723A CN 114139781 A CN114139781 A CN 114139781A
Authority
CN
China
Prior art keywords
data
power
module
trend
power system
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
CN202111361723.0A
Other languages
English (en)
Inventor
廖爽
郑旭
蔡杰
徐小琴
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.)
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Hubei 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 Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Priority to CN202111361723.0A priority Critical patent/CN114139781A/zh
Publication of CN114139781A publication Critical patent/CN114139781A/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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种电力系统的运行趋势预测方法及系统，该方法先确定包含电力系统的电力信息、运行条件以及运行状态数据的目标数据集，再针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合，然后将关联融合后的数据输入训练好的趋势预测模型中，得到电力系统的运行趋势预测结果。该方法不仅满足了当前的大数据业务需求，提高了电力系统运行趋势的预测准确度，而且有利于未来电力系统的故障排查。

Description

一种电力系统的运行趋势预测方法及系统
技术领域
本发明属于信息处理技术领域，具体涉及一种电力系统的运行趋势预测方法及系统。
背景技术
近年来，随着中国的电力需求的持续增长，电能在中国终端能源消费中的比重稳步提高。对电力系统的运行状态进行及时有效的趋势分析，有利于保障系统的正常运行。当前，对于电力系统的运行状态评价主要还是依赖于运维人员的经验判断，虽然这种方式在一定程度上能够有效进行趋势分析，但是，由于现有的运维管理技术无法满足数据中心日益发展的大数据业务需求，其仍然存在趋势预测不准确的问题。
发明内容
本发明的目的是克服现有技术中存在的趋势预测不准确问题，提供一种能够提高预测准确度的电力系统的运行趋势预测方法及系统。
为实现以上目的，本发明提供了以下技术方案：
一种电力系统的运行趋势预测方法，依次包括以下步骤：
步骤A、确定目标数据集，所述目标数据集包括电力系统的电力信息、运行条件以及运行状态数据；
步骤B、针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合；
步骤C、将关联融合后的数据输入训练好的趋势预测模型中，得到电力系统的运行趋势预测结果。
所述步骤B依次包括以下步骤：
步骤B1、针对目标数据集中的数据，确定各目标关联对象，即与某运行条件相关的各运行状态以及与各运行状态相关的电力信息；
步骤B2、对于各目标关联对象，基于其中各项数据的生成时间，以生成时间为聚合条件，将具备相同生成时间的多项数据关联融合在对应的目标集合中；
步骤B3、基于各设备的空间位置属性，对得到的各目标集合进行再次关联融合。
步骤C中，所述趋势预测模型的训练方法依次包括以下步骤：
步骤C1、获取原始样本数据和对抗样本数据，其中，所述原始样本数据包括已添加人工标注趋势分析结果的第一样本电力信息，所述对抗样本数据包括在原始样本数据的基础上施加干扰因素的第二样本电力信息；
步骤C2、将原始样本数据和对抗样本数据输入待训练的趋势预测模型中进行虚拟对抗训练，直至训练得到的预测结果与相应人工标注趋势分析结果之间的差异满足要求，此时即可得到训练好的趋势预测模型。
所述预测方法还包括特征字段提取步骤，该步骤位于步骤A、B之间；
所述特征字段提取步骤为：先通过文本分词提取出数据中的时间、空间位置信息字段，再将提取出的字段锁定。
所述预测方法还包括故障排查与预警步骤，该步骤位于步骤C之后；
所述故障排查与预警步骤为：基于电力系统的运行趋势预测结果判定未来一段时间内是否存在风险运行的趋势，若存在，则结合历史对应时间内的系统运行数据进行故障预排查，并根据排查结果进行反馈和预警。
步骤A中，所述电力信息包括电力设备信息、电力网络信息、电力管理信息以及电力环境信息中的至少一种；
所述电力系统的运行条件包括负荷水平、出力配置、系统界限中的至少一种；
所述电力系统的运行状态包括以下状态中的至少一种：
满足电力安全运行约束条件的正常运行状态；
满足电力安全运行约束条件且以安全调度为主的警戒状态；
不满足电力安全运行约束条件，但电力系统仍能同步运行的紧急状态；
负荷过大或者电源功率太大所导致的系统崩溃状态；
使崩溃后的若干个小系统向并列的大系统运行状态过渡的恢复状态；
所述步骤A依次包括以下步骤：
步骤A1、采集电力系统的电力信息、运行条件以及运行状态的原始数据；
步骤A2、对原始数据进行预处理，以得到目标数据集，所述预处理方式包括去除冗余数据、检测是否存在必要数据缺失且在确定存在必要数据缺失时进行数据补充中的至少一种。
一种电力系统的运行趋势预测系统，包括数据获取模块、关联融合模块、趋势分析模块，所述数据获取模块的输出端通过关联融合模块与趋势分析模块的输入端连接；
所述数据获取模块用于确定目标数据集，所述目标数据集包括电力系统的电力信息、运行条件以及运行状态数据；
所述关联融合模块用于针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合；
所述趋势分析模块用于将关联融合后的数据输入训练好的趋势预测模型中，输出电力系统的运行趋势预测结果。
所述数据获取模块包括数据采集模块、数据预处理模块，所述数据预处理模块的输入、输出端分别与数据采集模块的输出端、关联融合模块的输入端连接；
所述数据采集模块用于从外部系统采集电力系统的电力信息、运行条件以及运行状态的原始数据；
所述数据预处理模块用于对原始数据进行预处理，以得到目标数据集，所述预处理方式包括去除冗余数据、检测是否存在必要数据缺失且在确定存在必要数据缺失时进行数据补充中的至少一种。
所述预测系统还包括故障排查与预警模块，所述故障排查与预警模块的输入端与趋势分析模块的输出端连接；
所述故障排查与预警模块用于根据电力系统的运行趋势预测结果判定未来一段时间内是否存在风险运行的趋势，若存在，则结合历史对应时间内的系统运行数据进行故障预排查，并根据排查结果进行反馈和预警。
所述预测系统还包括特征字段提取模块，所述特征字段提取模块的输入、输出端分别与数据预处理模块的输出端、关联融合模块的输入端连接；
所述特征字段提取模块用于通过文本分词提取出数据中的时间、空间位置信息字段，并将提取出的字段锁定。
与现有技术相比，本发明的有益效果为：
1、本发明一种电力系统的运行趋势预测方法先确定包含电力系统的电力信息、运行条件以及运行状态数据的目标数据集，再针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合，然后将关联融合后的数据输入训练好的趋势预测模型中，得到电力系统的运行趋势预测结果，该方法基于目标数据集中的各项数据在时间以及空间上的关联关系进行关联融合，通过将各项独立的数据联合到一起，得到能够反映电力系统运行趋势的电力信息，即使面对海量数据也能有效分析出数据间的内在联系，不仅满足了当前的大数据业务需求，提高了电力系统运行趋势的预测准确度，而且基于趋势预测结果可以实现未来电力系统的故障排查。因此，本发明不仅满足了当前的大数据业务需求，提高了电力系统运行趋势的预测准确度，而且有利于未来电力系统的故障排查。
2、本发明一种电力系统的运行趋势预测方法中的数据关联融合先针对目标数据集中的数据，确定各目标关联对象，再对于各目标关联对象，基于其中各项数据的生成时间，以生成时间为聚合条件，将具备相同生成时间的多项数据关联融合在对应的目标集合中，最后基于各设备的空间位置属性，对得到的各目标集合进行再次关联融合，即采用先从时间维度上进行关联融合，再基于空间进行关联融合，与同时进行时间和空间上的关联，或者先分别从时间、空间上进行关联，再将关联数据融合在一起这两种融入方式相比，该方法具有更高的数据融合准确度，且数据间的关联性更强。因此，本发明的数据融合方法具有更高的准确度以及更强的数据关联性。
附图说明
图1为预测模型的结构框图。
具体实施方式
下面结合具体附图以及实施方式对本发明作进一步的说明。
本发明所述电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。电力系统的运行条件一般可以用三组方程式描述，其中，一组微分方程式用来描述系统元件及其控制的动态规律，两组代数方程式则分别构成电力系统正常运行的等式和不等式约束条件。
需要说明的是，等式约束条件是由电能本身性质决定的，即系统发出的有功功率和无功功率应在任一时刻与系统中随即变化的负荷功率（包括传输功率）相同。不等式约束条件涉及供电质量和电力设备安全运行的某些参数，它们应处于安全运行的范围内。根据不同的运行条件，本发明将电力系统的运行状态细分为以下几种状态：1、正常运行状态：满足电力安全运行等式和不等式约束条件，其是经济运行调度的基础；2、警戒状态：满足等式和不等式约束条件，但不等式约束已经接近上下限，当前状态下，主要以安全调度为主；3、紧急状态：虽然不等式约束遭到破坏，但等式约束仍能满足，且系统仍能同步运行；4、系统崩溃：不等式、等式约束同时不满足，且系统将解列成几个独立的小系统；5、恢复状态：使崩溃后的若干个小系统向并列的大系统运行状态过渡。
趋势预测模型：本申请中公开的趋势预测模型可以采用神经网络模型、支持向量机、逻辑回归模型、随机森林模型或梯度提升树模型等，基于所确定的训练目标，按照优化训练目标的方向（如最大或最小化训练目标），对应调整趋势预测模型的模型参数，该训练目标可以为全局训练目标，每次训练过程中，通过批量梯度下降优化算法，最小化所有样本的损失函数，以进行全局最优解的计算；也可以为单个样本训练目标或局部训练目标等，针对单个样本训练目标，可以采用随机梯度下降算法，通过最小化每个样本的损失函数，进行全局最优解的计算；对于局部训练目标，可以采用小批量梯度下降算法，在调整模型参数时，使用一部分样本来进行更新。
本发明所述预处理可通过以下方式实现：
（1）去除冗余数据：将先对数据集中的各项数据进行遍历，遍历过程中，再基于数据间的相似程度进行冗余数据的定位。例如，将遍历到的第一项数据作为基本比较对象，后续针对遍历到的每一项数据，会将当前遍历到的数据与基本比较对象进行相似性比较，以此类推，直到数据集中各项数据之间均比较完成时，则结束遍历。
（2）检测是否存在必要数据缺失：先确定所需的判断规则，后续将基于该判断规则进行必要数据缺失的判断。其中，判断规则的形式可以为“数据中时间信息、以及设备标识是必须的”等，基于该判断规则，计算机设备会对遍历到的各项数据分别进行数据解析，基于解析结果再进行必要数据缺失的判断。
（3）存在必要数据缺失时进行数据补充：对于时间信息缺失的情况，将基于数据的生成时间进行时间信息的补充；针对设备标识的缺失，可以基于不同时间点产生的同类型数据项，在确定该同类型数据项中记录有设备标识时，则基于该设备标识进行必要设备标识的补充。
（4）还可通过光滑噪声数据、识别或删除离群点等方式对初始数据进行处理，以确定数据的完整性以及准确性。
文本分词：文本分词即为将连续的字序列，按照一定的规范重新组合成词序列的过程。在英文的行文中，单词之间是以空格作为自然分界符，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，不过在词这一层上，中文比之英文要复杂得多、困难得多。因此，本发明采用基于字符串匹配的分词方法进行文本分词，该方法的实施原理：即是按照一定的策略将待分析的汉字串，与一个“充分大的”机器词典中的词条进行匹配，若在词典中找到某个字符串，则匹配成功（即识别出一个词）。
实施例1：
一种电力系统的运行趋势预测方法，依次按照以下步骤进行：
1、从外部系统采集电力系统的电力信息、运行条件以及运行状态的原始数据，所述电力信息包括电力设备信息、电力网络信息、电力管理信息以及电力环境信息中，所述电力系统的运行条件包括负荷水平、出力配置、系统界限，所述电力系统的运行状态包括以下状态：
满足电力安全运行约束条件的正常运行状态；
满足电力安全运行约束条件且以安全调度为主的警戒状态；
不满足电力安全运行约束条件，但电力系统仍能同步运行的紧急状态；
负荷过大或者电源功率太大所导致的系统崩溃状态；
使崩溃后的若干个小系统向并列的大系统运行状态过渡的恢复状态；
2、对原始数据进行预处理，以得到目标数据集，所述预处理方式包括去除冗余数据、检测是否存在必要数据缺失且在确定存在必要数据缺失时进行数据补充、通过光滑噪声数据、识别或删除离群点方式对初始数据进行处理，以确定数据的完整性以及准确性；
3、先基于字符串匹配的文本分词方法对目标数据集中的数据进行文本分词，以提取出数据中的时间、空间位置信息字段，再将提取出的字段锁定，；
4、针对目标数据集中的数据，确定各目标关联对象，即与某运行条件相关的各运行状态以及与各运行状态相关的电力信息；
5、对于各目标关联对象，基于其中各项数据的生成时间，以生成时间为聚合条件，将具备相同生成时间的多项数据关联融合在对应的目标集合中；
6、基于各设备的空间位置属性，对得到的各目标集合进行再次关联融合；
7、将关联融合后的数据输入训练好的趋势预测模型中，得到电力系统的运行趋势预测结果，其中，趋势预测模型的训练方法为：先获取原始样本数据和对抗样本数据，再将原始样本数据和对抗样本数据输入待训练的趋势预测模型中进行虚拟对抗训练，直至训练得到的预测结果与相应人工标注趋势分析结果之间的差异满足要求即可，其中，所述原始样本数据包括已添加人工标注趋势分析结果的第一样本电力信息，所述对抗样本数据包括在原始样本数据的基础上施加干扰因素的第二样本电力信息；
8、基于电力系统的运行趋势预测结果判定未来一段时间内是否存在风险运行的趋势，若存在，则结合历史对应时间内的系统运行数据进行故障预排查，并根据排查结果进行反馈和预警。
实施例2：
参见图1，一种电力系统的运行趋势预测系统，包括数据获取模块1、关联融合模块2、趋势分析模块3、故障排查与预警模块4、特征字段提取模块5，所述数据获取模块1包括数据采集模块11、数据预处理模块12，所述数据预处理模块12的输入端与数据采集模块11的输出端连接，数据预处理模块12的输出端依次通过特征字段提取模块5、关联融合模块2、趋势分析模块3与故障排查与预警模块4的输入端连接；
所述数据采集模块11用于从外部系统采集电力系统的电力信息、运行条件以及运行状态的原始数据；
所述数据预处理模块12用于对原始数据进行预处理，以得到目标数据集，所述预处理方式包括去除冗余数据、检测是否存在必要数据缺失且在确定存在必要数据缺失时进行数据补充中的至少一种；
所述特征字段提取模块5用于通过文本分词提取出数据中的时间、空间位置信息字段，并将提取出的字段锁定；
所述关联融合模块2用于针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合；
所述趋势分析模块3用于将关联融合后的数据输入训练好的趋势预测模型中，并输出电力系统的运行趋势预测结果；
所述故障排查与预警模块4用于根据电力系统的运行趋势预测结果判定未来一段时间内是否存在风险运行的趋势，若存在，则结合历史对应时间内的系统运行数据进行故障预排查，并根据排查结果进行反馈和预警。

Claims (10)

1.一种电力系统的运行趋势预测方法，其特征在于：
所述预测方法依次包括以下步骤：
步骤A、确定目标数据集，所述目标数据集包括电力系统的电力信息、运行条件以及运行状态数据；
步骤B、针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合；
步骤C、将关联融合后的数据输入训练好的趋势预测模型中，得到电力系统的运行趋势预测结果。
2.根据权利要求1所述的一种电力系统的运行趋势预测方法，其特征在于：
所述步骤B依次包括以下步骤：
步骤B1、针对目标数据集中的数据，确定各目标关联对象，即与某运行条件相关的各运行状态以及与各运行状态相关的电力信息；
步骤B2、对于各目标关联对象，基于其中各项数据的生成时间，以生成时间为聚合条件，将具备相同生成时间的多项数据关联融合在对应的目标集合中；
步骤B3、基于各设备的空间位置属性，对得到的各目标集合进行再次关联融合。
3.根据权利要求1或2所述的一种电力系统的运行趋势预测方法，其特征在于：
步骤C中，所述趋势预测模型的训练方法依次包括以下步骤：
步骤C1、获取原始样本数据和对抗样本数据，其中，所述原始样本数据包括已添加人工标注趋势分析结果的第一样本电力信息，所述对抗样本数据包括在原始样本数据的基础上施加干扰因素的第二样本电力信息；
步骤C2、将原始样本数据和对抗样本数据输入待训练的趋势预测模型中进行虚拟对抗训练，直至训练得到的预测结果与相应人工标注趋势分析结果之间的差异满足要求，此时即可得到训练好的趋势预测模型。
4.根据权利要求1或2所述的一种电力系统的运行趋势预测方法，其特征在于：
所述预测方法还包括特征字段提取步骤，该步骤位于步骤A、B之间；
所述特征字段提取步骤为：先通过文本分词提取出数据中的时间、空间位置信息字段，再将提取出的字段锁定。
5.根据权利要求1或2所述的一种电力系统的运行趋势预测方法，其特征在于：
所述预测方法还包括故障排查与预警步骤，该步骤位于步骤C之后；
所述故障排查与预警步骤为：基于电力系统的运行趋势预测结果判定未来一段时间内是否存在风险运行的趋势，若存在，则结合历史对应时间内的系统运行数据进行故障预排查，并根据排查结果进行反馈和预警。
6.根据权利要求1或2所述的一种电力系统的运行趋势预测方法，其特征在于：
步骤A中，所述电力信息包括电力设备信息、电力网络信息、电力管理信息以及电力环境信息中的至少一种；
所述电力系统的运行条件包括负荷水平、出力配置、系统界限中的至少一种；
所述电力系统的运行状态包括以下状态中的至少一种：
满足电力安全运行约束条件的正常运行状态；
满足电力安全运行约束条件且以安全调度为主的警戒状态；
不满足电力安全运行约束条件，但电力系统仍能同步运行的紧急状态；
负荷过大或者电源功率太大所导致的系统崩溃状态；
使崩溃后的若干个小系统向并列的大系统运行状态过渡的恢复状态；
所述步骤A依次包括以下步骤：
步骤A1、采集电力系统的电力信息、运行条件以及运行状态的原始数据；
步骤A2、对原始数据进行预处理，以得到目标数据集，所述预处理方式包括去除冗余数据、检测是否存在必要数据缺失且在确定存在必要数据缺失时进行数据补充中的至少一种。
7.一种电力系统的运行趋势预测系统，其特征在于：
所述预测系统包括数据获取模块（1）、关联融合模块（2）、趋势分析模块（3），所述数据获取模块（1）的输出端通过关联融合模块（2）与趋势分析模块（3）的输入端连接；
所述数据获取模块（1）用于确定目标数据集，所述目标数据集包括电力系统的电力信息、运行条件以及运行状态数据；
所述关联融合模块（2）用于针对目标数据集中的数据，在时间和空间上进行运行条件、运行状态与对应电力信息的关联融合；
所述趋势分析模块（3）用于将关联融合后的数据输入训练好的趋势预测模型中，输出电力系统的运行趋势预测结果。
8.根据权利要求7所述的一种电力系统的运行趋势预测系统，其特征在于：
所述数据获取模块（1）包括数据采集模块（11）、数据预处理模块（12），所述数据预处理模块（12）的输入、输出端分别与数据采集模块（11）的输出端、关联融合模块（2）的输入端连接；
所述数据采集模块（11）用于从外部系统采集电力系统的电力信息、运行条件以及运行状态的原始数据；
所述数据预处理模块（12）用于对原始数据进行预处理，以得到目标数据集，所述预处理方式包括去除冗余数据、检测是否存在必要数据缺失且在确定存在必要数据缺失时进行数据补充中的至少一种。
9.根据权利要求7所述的一种电力系统的运行趋势预测系统，其特征在于：
所述预测系统还包括故障排查与预警模块（4），所述故障排查与预警模块（4）的输入端与趋势分析模块（3）的输出端连接；
所述故障排查与预警模块（4）用于根据电力系统的运行趋势预测结果判定未来一段时间内是否存在风险运行的趋势，若存在，则结合历史对应时间内的系统运行数据进行故障预排查，并根据排查结果进行反馈和预警。
10.根据权利要求8所述的一种电力系统的运行趋势预测系统，其特征在于：
所述预测系统还包括特征字段提取模块（5），所述特征字段提取模块（5）的输入、输出端分别与数据预处理模块（12）的输出端、关联融合模块（2）的输入端连接；
所述特征字段提取模块（5）用于通过文本分词提取出数据中的时间、空间位置信息字段，并将提取出的字段锁定。
CN202111361723.0A 2021-11-17 2021-11-17 一种电力系统的运行趋势预测方法及系统 Pending CN114139781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111361723.0A CN114139781A (zh) 2021-11-17 2021-11-17 一种电力系统的运行趋势预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111361723.0A CN114139781A (zh) 2021-11-17 2021-11-17 一种电力系统的运行趋势预测方法及系统

Publications (1)

Publication Number Publication Date
CN114139781A true CN114139781A (zh) 2022-03-04

Family

ID=80389828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111361723.0A Pending CN114139781A (zh) 2021-11-17 2021-11-17 一种电力系统的运行趋势预测方法及系统

Country Status (1)

Country Link
CN (1) CN114139781A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116760115A (zh) * 2023-05-30 2023-09-15 中国南方电网有限责任公司 时空特征融合的电力系统机组组合优化方法及其系统
CN117708761A (zh) * 2024-02-06 2024-03-15 四川省亿尚农业旅游开发有限公司 一种融合多指标环境条件的朱顶红育苗系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116760115A (zh) * 2023-05-30 2023-09-15 中国南方电网有限责任公司 时空特征融合的电力系统机组组合优化方法及其系统
CN116760115B (zh) * 2023-05-30 2024-04-12 中国南方电网有限责任公司 时空特征融合的电力系统机组组合优化方法及其系统
CN117708761A (zh) * 2024-02-06 2024-03-15 四川省亿尚农业旅游开发有限公司 一种融合多指标环境条件的朱顶红育苗系统及方法
CN117708761B (zh) * 2024-02-06 2024-05-03 四川省亿尚农业旅游开发有限公司 一种融合多指标环境条件的朱顶红育苗系统及方法

Similar Documents

Publication Publication Date Title
CN112784965B (zh) 面向云环境下大规模多元时间序列数据异常检测方法
CN113723632A (zh) 一种基于知识图谱的工业设备故障诊断方法
CN110264440B (zh) 基于深度学习的大规模列车移位故障检测方法及系统
CN111078868A (zh) 基于知识图谱分析的装备试验体系规划决策的方法及系统
CN109726246A (zh) 一种基于数据挖掘和可视化的电网事故关联原因回溯方法
CN114139781A (zh) 一种电力系统的运行趋势预测方法及系统
CN111259947A (zh) 一种基于多模态学习的电力系统故障预警方法和系统
CN108664538A (zh) 一种输变电设备疑似家族性缺陷的自动辨识方法及系统
CN113268370B (zh) 一种根因告警分析方法、系统、设备及存储介质
CN106339455A (zh) 基于文本标签特征挖掘的网页正文提取方法
CN112685459A (zh) 一种基于K-means集群算法的攻击源特征识别方法
CN115269314A (zh) 一种基于日志的事务异常检测方法
CN116860551A (zh) 服务器的异常监测方法、装置、设备及存储介质
CN113065580B (zh) 一种基于多信息融合的电厂设备管理方法及系统
CN113674846A (zh) 基于lstm网络的医院智慧服务舆情监控平台
CN110716528A (zh) 基于专家系统的大型液压机远程故障诊断方法与装置
CN116704729A (zh) 一种基于大数据分析的工业窑炉预警系统及方法
CN116136897A (zh) 信息处理方法以及装置
CN116389062A (zh) 基于流量安全分析的工业控制系统行为监测方法及设备
CN115794798A (zh) 一种市场监管信息化标准管理与动态维护系统及方法
CN114510552A (zh) 一种基于分词技术的工业互联网产业链分类方法及系统
CN115217534A (zh) 一种汽轮机服役质量状态监测方法及系统
CN113659712A (zh) 一种电力设备大数据标签运行平台及方法
CN113779262A (zh) 广电干线光缆传输系统智能运维方法
CN112364088A (zh) 基于工厂数字化制造资源的可视化配置系统

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