发明内容
本发明解决的问题是电网系统现在仍然缺乏一种在极端事件下对配电网弹性能力的评估方法的技术问题,实现弹性配电网对极端事件恢复力的多时空维度定量评估的技术效果。
为解决上述问题,本发明提供一种信息数据时空协同的配电网弹性评估方法,获取配电网基准数据,并对配电网基准数据进行预处理,获取配电网标准数据;对待评估配电网进行极端事件概率预测,获取待评估配电网的极端事件聚类结果;基于极端事件聚类结果和配电网标准数据,得到待评估配电网的意外恢复线路模式;将意外恢复线路模式输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果。
与现有技术相比,采用该技术方案所达到的技术效果:通过配电网基准数据得到配电网标准数据,得到的标准数据更准确,偏差不会过大。极端事件的聚类分析,能够对待评估配电网可能会遇到的极端事件进行整合分类,最终获得统计后的面对极端事件的结果,也就是聚类结果。待评估配电网面对极端事件后的意外恢复线路,说明待评估配电网应对极端事件具有一定的弹性能力。将意外恢复线路模式输入弹性指标时空评估模型,弹性指标时空评估模型能够通过模型得到较为准确的弹性性能评价结果。
在本发明的一个实例中,获取配电网基准数据包括:配电网用电侧的需求数据和配电网供电侧的供应电力数据;对配电网基准数据进行预处理,获取配电网标准数据,具体还包括:获取配电网用电侧的历史电力使用数据,对历史电力使用数据进行归一标准化,得到标准历史电力使用数据;获取配电网供电侧的历史供应电力数据,对历史供应电力数据进行归一标准化,得到标准历史供应电力数据;对标准历史电力使用数据和标准历史供应电力数据进行配准,得到配电网标准数据;其中,配电网标准数据表示配电网用电侧和配电网供电侧的供需匹配度;供需匹配度至少包括供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度。
与现有技术相比,采用该技术方案所达到的技术效果:提供的对应场景表征数据配准方法,在获取历史电力使用数据对应的历史电力使用场景数据以及历史供应电力数据对应的历史供应电力场景数据后,直接通过配准预测的形式确定历史供应电力场景数据相对于历史电力使用场景数据的配准参数,从而通过配准参数对历史供应电力数据进行归一标准化,得到配准结果对应场景表征数据,从而能够在配准结果对应场景表征数据的基础上与历史电力使用数据进行局部比对,而无需通过对历史电力使用数据和历史供应电力数据进行配准后进行局部比对,提高了历史电力使用数据和历史供应电力数据中场景区域的比对效率以及准确率。
在本发明的一个实例中,对待评估配电网进行极端事件概率预测,获取待评估配电网的极端事件聚类结果,包括:获取待评估配电网用电侧区域的地理位置信息数据;基于地理位置信息数据,获取待评估配电网用电侧区域的极端事件概率信息;基于极端事件概率信息,结合配电网基准数据,得到待评估配电网的极端事件聚类结果;其中,地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息;极端事件聚类结果表示配电网用电侧的极端事件聚类分布。
与现有技术相比,采用该技术方案所达到的技术效果:地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息等多种类别的信息,通过贝叶斯极端事件图,得到地理位置信息数据状态集合的父节点,并通过公式计算出地理位置信息数据利用成功率P0,并根据每个状态的静态可达概率以及极端事件预测,可以进一步计算每个状态的预测期望。此时得到的预测期望为极端事件概率信息的某个单独的地理位置信息数据状态的预测期望。得到预测期望后,比较此预测期望与配电网原有的警报阈值,判断两者的大小关系,若预测值大于警报阈值,说明警报不能够针对现在可预测到的极端事件进行全面的警报作用,需要对极端事件概率信息进行加固,使静态预测值低于警报阈值方可投入使用。
在本发明的一个实例中,基于极端事件聚类结果和配电网标准数据,得到待评估配电网的意外恢复线路模式,包括:通过极端事件聚类结果,获取配电网供电侧的危险系数分布;基于危险系数分布,获取供需匹配度中各项内容的优先级;获取待评估配电网的线路基准数据分布;依据线路基准数据分布对经过优先级设置过后的供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度进行匹配,得到待评估配电网的意外恢复线路模式;其中,意外恢复线路模式表示待评估配电网的电路在极端事件下的线路恢复策略。
与现有技术相比,采用该技术方案所达到的技术效果:极端事件的发生会造成一定的配电网危险性,因此首先需要获取配电网的危险系数分布,得到配电网供电侧有哪些危险。并且在获取危险系数分布后,根据危险系数分布得到配电网中供需匹配度中,电网内的各项内容的优先级,得到配电网中各模块内容的优先等级,例如危险系数较大的,需要优先处理,优先级系数就会较大。得到优先级后,获取待评估配电网的线路基准数据,并根据基准数据分布将优先级设置过后的供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度进行匹配,得到待评估配电网的意外恢复线路模式。这样最终得到的意外恢复线路模式为配电网经过危险评估后,根据优先级得到的一个较为高效的电路恢复策略。由于该策略经过了优先级评估,并根据评估结果得到的,相比较通过其他途径的策略恢复线路的安全性和可靠性均增高。
在本发明的一个实例中,将意外恢复线路模式输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果,包括:获取意外恢复线路模式中的线路恢复顺序,结合线路基准数据分布,得到待评估配电网的线路性能分布;将线路性能分布输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果;其中,弹性性能评价结果表示待评估配电网对极端事件的恢复力的多时空维度定量评估结果。
与现有技术相比,采用该技术方案所达到的技术效果:弹性指标评估模型是对配电网针对极端事件能力的一个评估模型,判断配电网针对极端事件的弹性应对能力。本案中固定的弹性评估模型,将上述实施例中得到的配电网针对极端事件能够做出的意外回复线路意外恢复线路为配电网针对极端事件做出的应对恢复措施,也表示配电网针对极端事件的恢复能力。为了进一步准确并且科学的评估配电网应对极端事件的弹性能力,将配电网针对极端事件得到的意外恢复线路模式带入到弹性评估模型内,通过弹性评估模型最终得到针对配电网应对极端事件的弹性能力的结果。
再一方面,本发明提供一种信息数据时空协同的配电网弹性评估装置,装置包括:标准模块,标准模块获取配电网基准数据,并对配电网基准数据进行预处理,获取配电网标准数据;事件聚类模块,事件聚类模块对待评估配电网进行极端事件概率预测,获取待评估配电网的极端事件聚类结果;恢复模块,恢复模块基于极端事件聚类结果和配电网标准数据,得到待评估配电网的意外恢复线路模式;评价模块,评价模块将意外恢复线路模式输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果。
与现有技术相比,采用该技术方案所达到的技术效果:整个控制过程,通过标准模块、事件聚类模块、恢复模块和评价模块完成。通过配电网基准数据得到配电网标准数据,得到的标准数据更准确,偏差不会过大。极端事件的聚类分析,能够对待评估配电网可能会遇到的极端事件进行整合分类,最终获得统计后的面对极端事件的结果,也就是聚类结果。待评估配电网面对极端事件后的意外恢复线路,说明待评估配电网应对极端事件具有一定的弹性能力。将意外恢复线路模式输入弹性指标时空评估模型,弹性指标时空评估模型能够通过模型得到较为准确的弹性性能评价结果。
在本发明的一个实例中,标准模块具体用于:获取配电网基准数据包括:配电网用电侧的需求数据和配电网供电侧的供应电力数据;对配电网基准数据进行预处理,获取配电网标准数据,具体还包括:获取配电网用电侧的历史电力使用数据,对历史电力使用数据进行归一标准化,得到标准历史电力使用数据;获取配电网供电侧的历史供应电力数据,对历史供应电力数据进行归一标准化,得到标准历史供应电力数据;对标准历史电力使用数据和标准历史供应电力数据进行配准,得到配电网标准数据;其中,配电网标准数据表示配电网用电侧和配电网供电侧的供需匹配度;供需匹配度至少包括供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度。
与现有技术相比,采用该技术方案所达到的技术效果:该过程的控制方法步骤通过配电网中的标准模块进行评价。提供的对应场景表征数据配准方法,在获取历史电力使用数据的历史电力使用场景数据和历史供应电力数据的历史供应电力场景数据后,直接通过配准预测的形式确定历史供应电力场景数据相对于历史电力使用场景数据的配准参数,从而通过配准参数对历史供应电力数据进行归一标准化,得到配准结果对应场景表征数据,从而能够在配准结果对应场景表征数据的基础上与历史电力使用数据进行局部比对,而无需通过对历史电力使用数据和历史供应电力数据进行配准后进行局部比对,提高了历史电力使用数据和历史供应电力数据中场景区域的比对效率以及准确率。
在本发明的一个实例中,事件聚类模块对待评估配电网进行极端事件概率预测,获取待评估配电网的极端事件聚类结果,事件聚类模块具体用于:获取待评估配电网用电侧区域的地理位置信息数据;基于地理位置信息数据,获取待评估配电网用电侧区域的极端事件概率信息;基于极端事件概率信息,结合配电网基准数据,得到待评估配电网的极端事件聚类结果;其中,地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息;极端事件聚类结果表示配电网用电侧的极端事件聚类分布。
与现有技术相比,采用该技术方案所达到的技术效果:该过程的控制方法步骤通过配电网中的事件聚类模块进行评价。地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息等多种类别的信息,通过贝叶斯极端事件图,得到地理位置信息数据状态集合的父节点,并通过公式计算出地理位置信息数据利用成功率P0,并根据每个状态的静态可达概率以及极端事件预测,可以进一步计算每个状态的预测期望。此时得到的预测期望为极端事件概率信息的某个单独的地理位置信息数据状态的预测期望。得到预测期望后,比较此预测期望与配电网原有的警报阈值,判断两者的大小关系,若预测值大于警报阈值,说明警报不能够针对现在可预测到的极端事件进行全面的警报作用,需要对极端事件概率信息进行加固,使静态预测值低于警报阈值方可投入使用。
在本发明的一个实例中,恢复模块基于极端事件聚类结果和配电网标准数据,得到待评估配电网的意外恢复线路模式,恢复模块具体用于:通过极端事件聚类结果,获取配电网供电侧的危险系数分布;基于危险系数分布,获取供需匹配度中各项内容的优先级;获取待评估配电网的线路基准数据分布;依据线路基准数据分布对经过优先级设置过后的供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度进行匹配,得到待评估配电网的意外恢复线路模式;其中,意外恢复线路模式表示待评估配电网的电路在极端事件下的线路恢复策略。
与现有技术相比,采用该技术方案所达到的技术效果:该过程的控制方法步骤通过配电网中的恢复模块进行评价。极端事件的发生会造成一定的配电网危险性,因此首先需要获取配电网的危险系数分布,得到配电网供电侧有哪些危险。并且在获取危险系数分布后,根据危险系数分布得到配电网中供需匹配度中,电网内的各项内容的优先级,得到配电网中各模块内容的优先等级,例如危险系数较大的,需要优先处理,优先级系数就会较大。得到优先级后,获取待评估配电网的线路基准数据,并根据基准数据分布将优先级设置过后的供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度进行匹配,得到待评估配电网的意外恢复线路模式。这样最终得到的意外恢复线路模式为配电网经过危险评估后,根据优先级得到的一个较为高效的电路恢复策略。由于该策略经过了优先级评估,并根据评估结果得到的,相比较通过其他途径的策略恢复线路的安全性和可靠性均增高。
在本发明的一个实例中,评价模块将意外恢复线路模式输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果,评价模块具体用于:获取意外恢复线路模式中的线路恢复顺序,结合线路基准数据分布,得到待评估配电网的线路性能分布;将线路性能分布输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果;其中,弹性性能评价结果表示待评估配电网对极端事件的恢复力的多时空维度定量评估结果。
与现有技术相比,采用该技术方案所达到的技术效果:该过程的控制方法步骤通过配电网中的评价模块进行评价。弹性指标评估模型是对配电网针对极端事件能力的一个评估模型,判断配电网针对极端事件的弹性应对能力。本案中固定的弹性评估模型,将上述实施例中得到的配电网针对极端事件能够做出的意外回复线路意外恢复线路为配电网针对极端事件做出的应对恢复措施,也表示配电网针对极端事件的恢复能力。为了进一步准确并且科学的评估配电网应对极端事件的弹性能力,将配电网针对极端事件得到的意外恢复线路模式带入到弹性评估模型内,通过弹性评估模型最终得到针对配电网应对极端事件的弹性能力的结果。
采用本发明的技术方案后,能够达到如下技术效果:
(1)本方案通过配电网基准数据得到配电网标准数据,得到的标准数据更准确,偏差不会过大。极端事件的聚类分析,能够对待评估配电网可能会遇到的极端事件进行整合分类,最终获得统计后的面对极端事件的结果,也就是聚类结果。待评估配电网面对极端事件后的意外恢复线路,说明待评估配电网应对极端事件具有一定的弹性能力。将意外恢复线路模式输入弹性指标时空评估模型,弹性指标时空评估模型能够通过模型得到较为准确的弹性性能评价结果;
(2)在对配电网基准数据处理的过程中,提供的对应场景表征数据配准方法,在获取历史电力使用数据的历史电力使用场景数据和历史供应电力数据的历史供应电力场景数据后,直接通过配准预测的形式确定历史供应电力场景数据相对于历史电力使用场景数据的配准参数,从而通过配准参数对历史供应电力数据进行归一标准化,得到配准结果对应场景表征数据,从而能够在配准结果对应场景表征数据的基础上与历史电力使用数据进行局部比对,而无需通过对历史电力使用数据和历史供应电力数据进行配准后进行局部比对,提高了历史电力使用数据和历史供应电力数据中场景区域的比对效率以及准确率;
(3)在对极端事件的聚类结果进行计算的过程中,地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息等多种类别的信息,通过贝叶斯极端事件图,得到地理位置信息数据状态集合的父节点,并通过公式计算出地理位置信息数据利用成功率P0,并根据每个状态的静态可达概率以及极端事件预测,可以进一步计算每个状态的预测期望。此时得到的预测期望为极端事件概率信息的某个单独的地理位置信息数据状态的预测期望。得到预测期望后,比较此预测期望与配电网原有的警报阈值,判断两者的大小关系,若预测值大于警报阈值,说明警报不能够针对现在可预测到的极端事件进行全面的警报作用,需要对极端事件概率信息进行加固,使静态预测值低于警报阈值方可投入使用。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
实施例一:
在一个具体的实施例中,参见图1,本发明所请求保护的一种信息数据时空协同的配电网弹性评估方法的工作流程图,该方法包括步骤:
S100:获取配电网基准数据,并对配电网基准数据进行预处理,获取配电网标准数据;
S200:对待评估配电网进行极端事件概率预测,获取待评估配电网的极端事件聚类结果;
S300:基于极端事件聚类结果和配电网标准数据,得到待评估配电网的意外恢复线路模式;
S400:将意外恢复线路模式输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果。
在本实施例中,配电网的基准数据是配电网在正常运行下的数据,对配电网的基准数据进行处理,通过基准数据得到配电网的标准数据,得到的配电网的标准数据为配电网正常运行时最理想状态下的运行数据。
本案想要解决的技术问题是评估配电网在极端事件下的弹性能力,因此需要进行步骤S200,对待评估配电网需要面对的极端事件进行概率预测,得到待评估配电网面对极端事件的聚类结果。聚类分析方法是一种统计方法,聚类分析方法是将个体或者对象按相似程度划分类别,使得同一类中的元素之间的相似性比其他类的元素的相似性更强。目的在于使类间元素的同质性最大化和类与类间元素的异质性最大化。其主要依据是聚到同一个数据集中的样本应该彼此相似,而属于不同组的样本应该足够不相似。常用聚类方法:系统聚类法,K-均值法,模糊聚类法,有序样品的聚类,分解法,加入法。
进一步的,继续进行步骤S300,将聚类结果和配电网的标准数据进行整合,得到待评估配电网面对极端事件后的恢复线路。待评估配电网面对极端事件后的意外恢复线路,说明待评估配电网应对极端事件具有一定的弹性能力。
进一步的,为了评估此弹性能力,将意外恢复线路模式输入弹性指标时空评估模型,来评价待评估配电网应对极端事件的弹性能力。弹性指标时空评估模型是一种在多时空、多时间段下的,对配电网弹性应对能力的一种评估模型。
在本实施例中,通过配电网基准数据得到配电网标准数据,得到的标准数据更准确,偏差不会过大。极端事件的聚类分析,能够对待评估配电网可能会遇到的极端事件进行整合分类,最终获得统计后的面对极端事件的结果,也就是聚类结果。待评估配电网面对极端事件后的意外恢复线路,说明待评估配电网应对极端事件具有一定的弹性能力。将意外恢复线路模式输入弹性指标时空评估模型,弹性指标时空评估模型能够通过模型得到较为准确的弹性性能评价结果。
实施例二:
在一个具体的实施例中,参见图2,S110:获取配电网基准数据包括:配电网用电侧的需求数据和配电网供电侧的供应电力数据;
S120:对配电网基准数据进行预处理,获取配电网标准数据,具体还包括:
S121:获取配电网用电侧的历史电力使用数据,对历史电力使用数据进行归一标准化,得到标准历史电力使用数据;
S122:获取配电网供电侧的历史供应电力数据,对历史供应电力数据进行归一标准化,得到标准历史供应电力数据;
S123:对标准历史电力使用数据和标准历史供应电力数据进行配准,得到配电网标准数据;
其中,配电网标准数据表示配电网用电侧和配电网供电侧的供需匹配度;
供需匹配度至少包括供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度。
在本实施例中,在步骤S110中,获取配电网基准数据。配电网具有用电侧和供电侧,因此获取的基准数据包括用电侧的需求数据,和供电侧的供应数据。
进一步的,在步骤S121-S122中,获取历史电力使用数据和历史供应电力数据,历史电力使用数据中包括标准历史电力使用数据,历史供应电力数据中包括标准历史供应电力数据,标准历史电力使用数据和标准历史供应电力数据为待配准的对应场景表征数据内容。
其中,标准历史电力使用数据和标准历史供应电力数据均通过相应的历史数据归一标准化得到。归一化能够将数据经过处理后限制在一定范围内,限制的范围能够自主的进行调整。归一化能够便于后面数据处理的方便,其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。
进一步的,对历史电力使用数据和历史供应电力数据进行场景聚类,得到与标准历史电力使用数据对应的历史电力使用场景数据,以及与标准历史供应电力数据对应的历史供应电力场景数据。
对历史电力使用场景数据和历史供应电力场景数据进行配准预测,得到历史供应电力场景数据相对于历史电力使用场景数据的配准参数,配准参数用于以矩阵的形式指示历史供应电力场景数据与历史电力使用场景数据配准时历史供应电力场景数据对应的场景类型;以配准参数对历史供应电力数据进行归一标准化,得到与历史电力使用数据匹配的配准结果对应场景表征数据。
进一步地,历史电力使用数据中包括标准历史电力使用数据,历史供应电力数据中包括标准历史供应电力数据,其中,标准历史电力使用数据和标准历史供应电力数据为待配准的对应场景表征数据内容。
历史电力使用数据和历史供应电力数据为存在一定相似度的对应场景的表征数据,在一些实施例中,历史电力使用数据和历史供应电力数据为针对目标物体进行不同形式的对应场景表征数据采集后得到的对应场景表征数据;或者,历史供应电力数据是对历史电力使用数据进行归一标准化得到的对应场景表征数据,本申请实施例对历史电力使用数据和历史供应电力数据的获取方式不加以限定。
可选地,历史电力使用数据为通过用电端服务器对用电数据进行场景聚类后得到的对应场景表征数据,历史供应电力数据为通过供电端服务器对供电数据进行场景聚类得到的对应场景表征数据。
示意性的,历史电力使用数据为通过用电端服务器的聚类算法对用电数据或供电数据进行预处理后,通过关联规则算法得到的对应场景表征数据;历史供应电力数据为通过供电端服务器的聚类算法对用电数据或供电数据进行预处理后,通过关联规则算法得到的对应场景表征数据,其中,历史电力使用数据和历史供应电力数据是针对同一块用电数据或供电数据进行得到的对应场景表征数据。在一些实施例中,通过用电端服务器的聚类算法对用电数据或供电数据进行预处理并得到历史电力使用数据后,对用电端服务器的聚类算法进行预测处理,并通过供电端服务器的聚类算法对用电数据或供电数据进行预处理。或者,在另一些实施例中,用电端服务器的聚类算法用于对用电数据或供电数据的第一场景进行预处理,供电端服务器的聚类算法用于对用电数据或供电数据的第二场景进行预处理。
可选地,根据预测得到的配准参数对历史供应电力数据进行转换,得到历史电力使用数据和历史供应电力数据的配准结果,即得到与历史电力使用数据匹配的配准结果对应场景表征数据。在一些实施例中,配准参数用于指示历史供应电力场景数据在历史供应电力数据上的电量场景、负载场景、覆盖场景、波动场景等场景类型。其中,针对电量场景,配准参数用于指示历史供应电力场景数据在历史供应电力数据上的单位线路供电量以及单位线路供电贡献度;针对负载场景,配准参数用于指示历史供应电力场景数据在历史供应电力数据上的单位线路负载量以及单位线路负载率;针对覆盖场景,配准参数用于指示历史供应电力场景数据在历史供应电力数据上的线路面积覆盖率;针对波动场景,配准参数用于指示历史供应电力场景数据在历史供应电力数据上的线路损耗率。
在一些实施例中,将历史供应电力数据中的线路位置与配准参数进行归一标准化计算,得到线路在归一标准化的配准结果对应场景表征数据的位置。
示意性的,配准参数对历史供应电力数据或历史电力使用数据的归一标准化如下公式一所示:
其中,
表示历史供应电力数据或历史电力使用数据中的线路i在历史
供应电力数据或历史电力使用数据中的x坐标数值,
表示历史供应电力数据或
历史电力使用数据中的线路i在历史供应电力数据或历史电力使用数据中的y坐标数值,
表示归一标准化的历史供应电力数据或历史电力使用数据中的线路i在配准结
果配电网中的x坐标数值,
表示归一标准化的历史供应电力数据或历史电力使
用数据中的线路i在配准结果配电网中的y坐标数值。针对历史供应电力数据或历史电力使
用数据中的线路点通过上述配准参数进行归一标准化,即得到归一标准化的标准历史供应
电力数据或历史电力使用数据在配准结果配电网中的状态。
分别为电量场景、负载场景、覆盖场景、波动场景
下的历史供应电力数据的聚类后数据;
分别为电量场景、负载场景、覆盖场景、波动场景
下的历史电力使用数据的聚类后数据;
步骤S123对标准历史电力使用数据和标准历史供应电力数据进行配准,得到配电网标准数据,还包括:配电网标准数据公式如下:
在本实施例中,提供的对应场景表征数据配准方法,在获取历史电力使用数据的历史电力使用场景数据和历史供应电力数据的历史供应电力场景数据后,直接通过配准预测的形式确定历史供应电力场景数据相对于历史电力使用场景数据的配准参数,从而通过配准参数对历史供应电力数据进行归一标准化,得到配准结果对应场景表征数据,从而能够在配准结果对应场景表征数据的基础上与历史电力使用数据进行局部比对,而无需通过对历史电力使用数据和历史供应电力数据进行配准后进行局部比对,提高了历史电力使用数据和历史供应电力数据中场景区域的比对效率以及准确率。
实施例三:
在一个具体的实施例中,参见图3,S200,对待评估配电网进行极端事件概率预测,获取待评估配电网的极端事件聚类结果,包括:
S210:获取待评估配电网用电侧区域的地理位置信息数据;
S220:基于地理位置信息数据,获取待评估配电网用电侧区域的极端事件概率信息;
S230:基于极端事件概率信息,结合配电网基准数据,得到待评估配电网的极端事件聚类结果;
其中,地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息;
极端事件聚类结果表示配电网用电侧的极端事件聚类分布。
在本实施例中,进一步地,定义贝叶斯极端事件图BAG为一个有向无环图,(S,E,R,P,T)其中:S表示地理位置信息数据状态集合,E表示极端事件图的边的集合,节点Si的父节点集合表示为
在未观测到系统中存在有极端事件的情况下,根据各极端事件地理位置信息数据的被利用概率与各地理位置信息数据间的依赖关系进行计算,计算得到从根节点到达该节点的最大概率,达到此最大概率的极端事件线路即为最大概率极端事件线路。
在基于贝叶斯极端事件图的预测评估方法中,地理位置信息数据利用成功率P0和极端事件预测事件预测T主要来自于经主要来自于经验赋值或漏洞评估方法,根据每个状态的静态可达概率以及极端事件预测,可以计算每个状态的预测期望
若极端事件概率信息的静态预测值己经大于警报阈值,则必须对极端事件概率信息进行加固,直至静态预测值低于警报阈值方可投入使用。结合每个配电网的基准数据JZ,计算出在未检测到极端事件的情况下,极端事件概率信息的静态预测值见下式。
结合配电网基准数据的适应度值和相对距离,对配电网基准数据进行自适应聚类,根据聚类结果对解空间进行划分,位于一个类中的所有配电网基准数据张成一个子空间。
基于各个子空间的配电网基准数据,计算均值和标准差,建立概率分布模型,并对所建立的概率分布模型进行校正;对各个子空间的概率分布模型分别采样,得到预先设定数目的新配电网基准数据,与从当前配电网基准数据集合中选出的优解共同组成新的配电网基准数据集;判断Extreme0值是否满足循环终止条件,当聚类循环满足终止条件时,终止循环;否则继续下一轮聚类;对聚类循环终止时得到的优解集合进行统计分析,并选出位于不同解区域的具有代表性的优解,作为该区域内极端事件聚类分布的最终解。
在本实施例中,地理位置信息数据包括气候信息、地质信息、经纬度信息和天气信息等多种类别的信息,通过贝叶斯极端事件图,得到地理位置信息数据状态集合的父节点,并通过公式计算出地理位置信息数据利用成功率P0,并根据每个状态的静态可达概率以及极端事件预测,可以进一步计算每个状态的预测期望。此时得到的预测期望为极端事件概率信息的某个单独的地理位置信息数据状态的预测期望。得到预测期望后,比较此预测期望与配电网原有的警报阈值,判断两者的大小关系,若预测值大于警报阈值,说明警报不能够针对现在可预测到的极端事件进行全面的警报作用,需要对极端事件概率信息进行加固,使静态预测值低于警报阈值才可投入使用。
实施例四:
在一个具体的实施例中,参见图4,S300,基于极端事件聚类结果和配电网标准数据,得到待评估配电网的意外恢复线路模式,包括:
S310:通过极端事件聚类结果,获取配电网供电侧的危险系数分布;
S320:基于危险系数分布,获取供需匹配度中各项内容的优先级;
S330:获取待评估配电网的线路基准数据分布;
S340:依据线路基准数据分布对经过优先级设置过后的供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度进行匹配,得到待评估配电网的意外恢复线路模式;
其中,意外恢复线路模式表示待评估配电网的电路在极端事件下的线路恢复策略。
在本实施例中,具体的,业务间的耦合关系主要从网络业务层考虑,可将下达的主业务进一步细分为不同的子业务,每个子业务实现的功能不同,这些所有的子业务合在一起共同达成主业务。业务耦合包括:串联关系、并联关系、混联关系以及表决关系。根据描述的业务间的耦合关系和资源共用将面向多业务的网络可靠性评估模型划分成四个维度:线路优先级相同、线路优先级不同。
线路优先级相同算法流程具体步骤包括:
输入两条线路匹配度:供需电量匹配度、供需负载匹配度和供需覆盖匹配度、供需波动匹配度,且两条匹配度优先级相同;
比较两条匹配度线路得到共用资源段C,利用供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度计算出共用资源段C的线路基准数据分布Pc;
计算供需电量匹配度、供需负载匹配度在共用资源段C处的极端事件聚类分布Pr1, Pr1=1-(1-Pnl)(1-Pc),Pn1为供需电量匹配度、供需负载匹配度异常下的线路意外恢复概率;
计算供需电量匹配度、供需负载匹配度的可靠度R1,R1=(剩余不重复线路段L1的极端事件聚类分布)(1-Pr1),计算供需电量匹配度、供需负载匹配度的及时性;
计算供需覆盖匹配度、供需波动匹配度在共用资源段C处的极端事件聚类分布Pr2,Pr2=1-(1-Pn2)(1-Pc),Pn2为供需覆盖匹配度、供需波动匹配度的线路意外恢复概率;
计算供需覆盖匹配度、供需波动匹配度的可靠度R2,R2=(剩余不重复线路段L2的极端事件聚类分布)(1-Pr2),计算供需覆盖匹配度、供需波动匹配度的及时性;
计算匹配度系统可靠度Rj,因为匹配度系统是并联关系(优先级相同),所以Rj=l-(1-Rl)(l-R2);
输出Rl、R2、Rj的及时性,基于R1、R2、Rj的排序得到配电网的电路在极端事件下的线路恢复策略。
线路优先级不同算法流程包括:
设供需电量匹配度、供需负载匹配度在共用资源处的执行时间为t1,在共用资源处可停留的最长时间为Tmc1;
其中,供需电量匹配度、供需负载匹配度允许的正常范围为
;
供需电量匹配度、供需负载匹配度在共用资源处单次执行极端事件聚类分布的概率为Ponce1;
故供需电量匹配度、供需负载匹配度在共用资源处失效的概率为:
;类似的,供需覆盖匹配度、供需波动匹配度
在共用资源处的执行时间为t
2 ,在共用资源处可停留的最长时间为T
mc2;
输入两条线路匹配度:供需电量匹配度、供需负载匹配度和供需覆盖匹配度、供需波动匹配度,两条匹配度优先级不同,供需电量匹配度、供需负载匹配度优先级高于供需覆盖匹配度、供需波动匹配度;
比较两条匹配度线路得到共用资源段C,利用供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度计算出共用资源段C的线路基准数据分布Pc;
根据优先级不同供需电量匹配度、供需负载匹配度的计算公式
计算供需电量匹配度、供需负载匹配度在共用资源段C处的极端事件聚类分布Pr1, Pr1=1-(1-Pn1)(l-P1),Pn1为供需电量匹配度、供需负载匹配度异常下的线路意外恢复概率;
计算供需电量匹配度、供需负载匹配度的可靠度R1,R1=(剩余不重复线路段L1的极端事件聚类分布)(1-Pr1),计算供需电量匹配度、供需负载匹配度的及时性;
根据优先级不同供需覆盖匹配度、供需波动匹配度的计算公式
计算供需覆盖匹配度、供需波动匹配度在共用资源段C处的极端事件聚类分布Pr2,Pr2=1-(1-Pn2)(1-P2),Pn2为供需覆盖匹配度、供需波动匹配度异常下的线路意外恢复概率;
计算供需覆盖匹配度、供需波动匹配度的可靠度R2,R2=(剩余不重复线路段L2的极端事件聚类分布)(1-Pr2),计算供需覆盖匹配度、供需波动匹配度的及时性;
计算匹配度系统可靠度Rj,因为匹配度系统是串联关系(优先级不同),所以Rj=R1*R2;
输出R1、R2、Rj的及时性,基于R1、R2、Rj的排序得到配电网的电路在极端事件下的线路恢复策略。
在本实施例中,极端事件的发生会造成一定的配电网危险性,因此首先需要获取配电网的危险系数分布,得到配电网供电侧有哪些危险。并且在获取危险系数分布后,根据危险系数分布得到配电网中供需匹配度中,电网内的各项内容的优先级,得到配电网中各模块内容的优先等级,例如危险系数较大的,需要优先处理,优先级系数就会较大。得到优先级后,获取待评估配电网的线路基准数据,并根据基准数据分布将优先级设置过后的供需电量匹配度、供需负载匹配度、供需覆盖匹配度、供需波动匹配度进行匹配,得到待评估配电网的意外恢复线路模式。这样最终得到的意外恢复线路模式为配电网经过危险评估后,根据优先级得到的一个较为高效的电路恢复策略。由于该策略经过了优先级评估,并根据评估结果得到的,相比较通过其他途径的策略恢复线路的安全性和可靠性均增高。
实施例五:
在一个具体的实施例中,参见图5,将意外恢复线路模式输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果,包括:
S410:获取意外恢复线路模式中的线路恢复顺序,结合线路基准数据分布,得到待评估配电网的线路性能分布;
S420:将线路性能分布输入弹性指标时空评估模型,得到待评估配电网的弹性性能评价结果;
其中,弹性性能评价结果表示待评估配电网对极端事件的恢复力的多时空维度定量评估结果。
在本实施例中,进一步地,弹性指标时空评估模型通过模糊层次综合评价建立,确立脆弱性评估指标权重;
弹性指标时空评估模型Mst表示为:
RE1表示意外恢复线路模式中的第一条待恢复线路的基准数据值;REN表示意外恢复线路模式中的中间一条最接近线路数中位数的待恢复线路的基准数据值;REL表示意外恢复线路模式中的最后一条待恢复线路的基准数据值;
设置第一阈值Mst(T);
当配电网对极端事件的恢复力的模型评估值Mst大于第一阈值Mst(T),认为上述配电网对极端事件的恢复力合格,否则认定为不合格。
在本实施例中,弹性指标评估模型是对配电网针对极端事件能力的一个评估模型,判断配电网针对极端事件的弹性应对能力。本案中固定的弹性评估模型,将上述实施例中得到的配电网针对极端事件能够做出的意外回复线路意外恢复线路为配电网针对极端事件做出的应对恢复措施,也表示配电网针对极端事件的恢复能力。为了进一步准确并且科学的评估配电网应对极端事件的弹性能力,将配电网针对极端事件得到的意外恢复线路模式带入到弹性评估模型内,通过弹性评估模型最终得到针对配电网应对极端事件的弹性能力的结果。
在一个具体的实施例中,配电网具有多个模块,用于完成上述控制步骤,参见图6,包括:标准模块、事件聚类模块、恢复模块和评价模块。
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤。应当理解的是,前面或后面的步骤不一定按照顺序来精确的进行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中。
本领域技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成,程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义,这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。