CN115545347A - 基于大数据分析的电力系统风险预测系统及方法 - Google Patents
基于大数据分析的电力系统风险预测系统及方法 Download PDFInfo
- Publication number
- CN115545347A CN115545347A CN202211420108.7A CN202211420108A CN115545347A CN 115545347 A CN115545347 A CN 115545347A CN 202211420108 A CN202211420108 A CN 202211420108A CN 115545347 A CN115545347 A CN 115545347A
- Authority
- CN
- China
- Prior art keywords
- risk prediction
- real
- time dynamic
- fluctuation
- dynamic risk
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000007405 data analysis Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 46
- 238000003860 storage Methods 0.000 claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 24
- 230000002159 abnormal effect Effects 0.000 claims description 48
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 description 62
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及基于大数据分析的电力系统风险预测系统及方法，包括：采集电力系统中电力的生产、存储、调度、运行的数据；利用所述电力系统中数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据；利用所述边缘计算网络进行实时动态风险预测更新所述边缘计算网络进行实时动态风险预测更新的波动均值；计算所述边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值；当计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值时，将所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台。
Description
技术领域
本发明涉及电力系统领域，尤其涉及基于大数据分析的电力系统风险预测系统及方法。
背景技术
近年来，世界范围内发生了多次大规模停电事故，造成了非常大的影响。这些事故大多是由于一个或几个正在运行元件的故障引起大范围的潮流转移，导致部分线路过载跳闸、电压崩溃，继而发生连锁故障。实际上，在潮流转移初期，并不是所有线路都会过载，而是只有部分潮流急剧变化，甚至引发连锁跳闸。电力系统是一个复杂的非线性系统，如何在系统受到扰动后及时的发现这些脆弱部分，也就是辨识电网中关键节点和关键线路，具有重要的应用研究价值。
在以往的确定性评估方法中，一般只采用故障前后有功潮流的各种因子来进行电网的脆弱性评估，而假设系统中的无功充足、节点电压的变化情况忽略不计。实际上，当电网发生故障时，一条线路的断开必然使本线路的潮流转移至其余线路，这样其余线路的有功潮流可能会显著增加，由此导致的电流增加还会使得输电线路上的无功损耗增加，加重了线路上的电压损耗，在没有充足的无功补偿时，节点电压必然会下降，严重时甚至会发生电压崩溃，同样会导致电网的大面积停电。所以节点电压权重因素也需要引入脆弱性评估因子中。
因此，为避免电力系统发生大规模停电事故，必须建立更准确、全面的电力系统风险评估体系，及时对脆弱部分采取相应措施，保证系统更加安全稳定的运行。
发明内容
基于此，有必要针对随机进行边缘计算网络进行实时动态风险预测更新发出问题，提供一种提升动态风险管理吸引力和动态风险管理体验的基于大数据分析的电力系统风险预测系统及方法，以及相应的边缘计算网络进行实时动态风险预测更新管理系统。
基于大数据分析的电力系统风险预测系统及方法，包括：
采集电力系统中电力的生产、存储、调度、运行的数据；
利用所述电力系统中电力的生产、存储、调度、运行的数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据；
利用所述边缘计算网络进行实时动态风险预测更新所述边缘计算网络进行实时动态风险预测更新的波动均值；
计算所述边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值；
当计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值时，将所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台；当计算所述边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值时，重新进行所述电力系统中电力的生产、存储、调度、运行的数据计算、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值。
一种边缘计算网络进行实时动态风险预测更新管理系统，包括：
电力系统运行合规性数据建设模块，用于采集电力系统中电力的生产、存储、调度、运行的数据；
边缘计算网络进行实时动态风险预测更新使用模块，与所述电力系统运行合规性数据建设模块相连，用于利用所述电力系统中电力的生产、存储、调度、运行的数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据；
波动均值模块，与所述边缘计算网络进行实时动态风险预测更新使用模块相连，用于计算所述边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新的波动均值；
波动均值决策模块，与所述波动均值模块相连，用于计算所述边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值；
变电站数据传输模块，与边缘计算网络进行实时动态风险预测更新使用模块和波动均值决策模块相连，用于利用来自波动均值决策模块的表明边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值的信号而将边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台。
有益效果：
上述边缘计算网络进行实时动态风险预测更新的管理方法与管理系统，计算边缘计算网络进行实时动态风险预测更新的波动均值并与预设的波动限定值相比较，从而通过对于边缘计算网络进行实时动态风险预测更新的波动均值的管理来实现对边缘计算网络进行实时动态风险预测更新的管理，相比于既有的随机调配边缘计算网络进行实时动态风险预测更新所带来的预测麻烦、准确度较低的问题，本发明各实施方式的基于大数据分析的电力系统风险预测系统及方法可以通过对于边缘计算网络进行实时动态风险预测更新的波动均值的管理而实现对动态风险管理难度、可操作性以及边缘计算网络进行实时动态风险预测更新的横向差异的管理，提升变电站数据控制平台的使用性，提高预警的准确性。
附图说明
图1为本发明的基于大数据分析的电力系统风险预测方法的第一流程图；
图2为本发明的基于大数据分析的电力系统风险预测方法的第二流程图；
图3为本发明的基于大数据分析的电力系统风险预测方法的第三流程图；
图4为本发明的基于大数据分析的电力系统风险预测系统结构图；
图5为本发明的基于大数据分析的电力系统风险预测系统第一功能模块图；
图6为本发明的基于大数据分析的电力系统风险预测系统第二功能模块图；
图7为本发明的基于大数据分析的电力系统风险预测系统第三功能模块图；
图8为本发明的基于大数据分析的电力系统风险预测系统第四功能模块图；
图9为本发明的基于大数据分析的电力系统风险预测系统第五功能模块图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，下面结合附图和有具体实施例对本申请作进一步详细说明。
如图1所示，其为本发明一种实施方式的基于大数据分析的电力系统风险预测系统及方法的流程。
步骤102，采集电力系统中电力的生产、存储、调度、运行的数据。对于具有特定内容的动态风险管理而言，所述电力系统运行合规性数据优选地为利用该动态风险管理内容而计算的对于动态风险管理具有最大影响力的因素。通常地，获得所述电力系统运行合规性数据应当有利于完成依据动态风险管理内容而设定的变电站异常数据。例如，对于对抗类动态风险管理而言，该电力系统运行合规性数据可设置为具有最大战斗力的目标特征或者角色等。电力系统中电力的生产、存储、调度、运行的数据可以包括：电力系统运行合规性数据的数目、大小、位置等。
步骤104，利用所述电力系统中电力的生产、存储、调度、运行的数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据。
具体地，在所使用的边缘计算网络进行实时动态风险预测更新中，应当包括具有所电力系统运行合规性数据。边缘计算网络进行实时动态风险预测更新应当包括利用动态风险管理内容而计算的待调配到各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新，其中所述电力系统运行合规性数据包括在待调配到一个或多个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新中。示例地，电力系统运行合规性数据应当在使用边缘计算网络进行实时动态风险预测更新时使用并包括在所使用的边缘计算网络进行实时动态风险预测更新中。
步骤106，计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值。
具体地，可以利用所述待调配到各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新，而计算所述待调配到变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值。可以理解的是，利用随机调配方式所产生的边缘计算网络进行实时动态风险预测更新，在难度、可操作性等方面的差别也是随机的，从而在同一动态风险管理同一时段中可能出现超出预期的不平均，而这种超出预期的不平均，也是现有的随机调配原则影响用户预测麻烦和粘性的重要原因之一。利用本发明的一种实施方式，计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值，是作为管理现有的随机调配原则的重要手段。
步骤108，计算边缘计算网络进行实时动态风险预测更新的波动均值。
利用本发明的一种实施方式，可以基于步骤106所计算的各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值而计算该波动均值。当然，利用其他可行的实施方式，也可以通过对于所有所使用的边缘计算网络进行实时动态风险预测更新进行预设的运算，从而计算所使用的边缘计算网络进行实时动态风险预测更新的波动均值，在此情况下，亦可不进行步骤106的对于各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新波动均值的计算。
在本实施方式中，该波动均值体现边缘计算网络进行实时动态风险预测更新所体现的动态风险管理内容的难度、可操作性，以及所述各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新之间的差异。通过该波动均值，可以得到各个变电站数据控制平台所被调配的边缘计算网络进行实时动态风险预测更新的难度、可操作性的差别，进而可以区别于现有的随机调配原则中所体现的不在预期之中的难度、可操作性以及差异性。
步骤110，计算边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值。
具体地，该预设的波动限定值可以是利用边缘计算网络进行实时动态风险预测更新中所包含的各种动态风险管理元素、利用各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新之间所要的差别而设置的。在本实施方式中，当边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值时，表明总体动态风险管理的难度、可操作性以及各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新之间的差别超出了预期，则需要重新进行步骤102至步骤108所述的计算电力系统运行合规性数据、使用边缘计算网络进行实时动态风险预测更新、计算波动均值的过程，直至边缘计算网络进行实时动态风险预测更新的波动均值符合预期的难度、操作性和差异性期待，即波动限定值大于预设的波动限定值。
步骤112，若步骤110中计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值，则将所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台。
在本实施方式中，边缘计算网络进行实时动态风险预测更新的波动均值反映的是待调配到各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新总体难度、操作性以及个体之间的差别，若波动均值大于预设的波动限定值，表明各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的总体难度、操作性以及个体之间的差别符合所需要的预期，各个变电站数据控制平台可以利用该边缘计算网络进行实时动态风险预测更新开始进行动态风险管理。
在可选的实施方式中，可以在步骤106计算各个使用方的边缘计算网络进行实时动态风险预测更新波动均值之前、或者在步骤108计算边缘计算网络进行实时动态风险预测更新的波动均值之前，即将所使用的边缘计算网络进行实时动态风险预测更新调配到各个变电站数据控制平台。从而，在计算了边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值而需要重新进行电力系统中电力的生产、存储、调度、运行的数据计算以及使用边缘计算网络进行实时动态风险预测更新时，需要从各个变电站数据控制平台处删除或者撤回该调配的边缘计算网络进行实时动态风险预测更新。
如图2所示，其为本发明另一实施方式的基于大数据分析的电力系统风险预测系统及方法的流程。在图2中，与图1中相对应标号的步骤202至步骤212和图1中的步骤102至步骤112具有相似的内容，在此不予赘述。
步骤200，对风险信号进行规律输出，所述风险信号表明对边缘计算网络进行实时动态风险预测更新随机性的管理。
具体地，输出该风险信号表示的是本发明区别于现有的随机调配边缘计算网络进行实时动态风险预测更新的信息，亦即在潜在变电站数据控制平台意欲进入该动态风险管理内容之前，将会得到关于该动态风险管理内容区别于既有随机调配边缘计算网络进行实时动态风险预测更新的方式的提示。
步骤201，对风险正/负正/负反馈进行接收，并确定所述正/负反馈是否表明接受所述对边缘计算网络进行实时动态风险预测更新随机性的管理。
具体地，在前述步骤200的风险信号表明了该欲开始的动态风险管理内容区别于现有的随机调配动态风险管理内容的信息之后，潜在变电站数据控制平台可以依据该风险信号而提供正/负反馈，该正/负反馈表明是否接受所述对于边缘计算网络进行实时动态风险预测更新随机性的管理。
若所述正/负反馈表明了接受所述对于边缘计算网络进行实时动态风险预测更新随机性的管理，则继续进行步骤202及其后的各步骤，使用边缘计算网络进行实时动态风险预测更新并依据管理的边缘计算网络进行实时动态风险预测更新进行调配，以开始动态风险管理。
若所述正/负反馈表明不接受所述对于边缘计算网络进行实时动态风险预测更新随机性的管理，则对于该潜在的动态风险管理用户不开放该动态风险管理内容，继续进行步骤200、步骤201的对风险信号进行规律输出、对风险正/负正/负反馈进行接收并确定的过程。
利用该实施方式的基于大数据分析的电力系统风险预测系统及方法，可以在动态风险管理开始之前充分保证使用动态风险管理的各方明了本发明基于大数据分析的电力系统风险预测系统及方法对既有的边缘计算网络进行实时动态风险预测更新的随机调配方法的管理，保障变电站数据控制平台在参加之前的充分知情。在可选的实施方式中，该通知信息可以通过对话框、提示信息的方式发送到变电站数据控制平台，也可以通过设置专用的动态风险管理区域的方式来体现，其中在该专用的所调配的动态风险管理区域中，步骤200的信息输出可以体现为对于动态风险管理区域的标识、提示等方式；步骤201的接收反馈信息可以体现为变电站数据控制平台进入或不进入该专用的动态风险管理区域。
如图3所示，其为本发明另一种实施方式的基于大数据分析的电力系统风险预测系统及方法的流程。在图3中，与图1中相对应标号的步骤302至步骤312和图1中的步骤102至步骤112具有相似的内容，在此不予赘述。
本实施方式中，在步骤310计算边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值之后，若计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值，则进行步骤311，确定在该波动限定值下将所使用的边缘计算网络进行实时动态风险预测更新调配到各变电站数据控制平台的次数是否已经达到预设的次数限定值。
若步骤311中计算，在该波动限定值下将边缘计算网络进行实时动态风险预测更新调配到各变电站数据控制平台的次数尚未达到预设的次数限定值，则继续进行步骤312，将所使用的边缘计算网络进行实时动态风险预测更新调配到各个变电站数据控制平台。
步骤314，若步骤311中计算所调配的次数已经达到预设的次数限定值，则计算新的波动限定值，并随后进行步骤310以将边缘计算网络进行实时动态风险预测更新的波动均值与新的波动限定值进行比较。
通过该实施方式的基于大数据分析的电力系统风险预测系统及方法，可以实现对于边缘计算网络进行实时动态风险预测更新的波动限定值的动态调整。可选地，由于本发明的实施方式的基于大数据分析的电力系统风险预测系统及方法只在电力系统运行合规性数据、波动均值的方面对于边缘计算网络进行实时动态风险预测更新进行管理，对于波动限定值的动态管理可以利用除了电力系统运行合规性数据之外的其他边缘计算网络进行实时动态风险预测更新在随机调配和形成之中的随机性来进行边缘计算网络进行实时动态风险预测更新的管理，体现对于随机性的进一步管理。
本发明另一实施方式的基于大数据分析的电力系统风险预测系统及方法的流程。与图1中相对应标号的步骤402至步骤412和图1中的步骤102至步骤112具有相似的内容，在此不予赘述。
在该实施方式中，若步骤410计算待调配的边缘计算网络进行实时动态风险预测更新的波动均值不大于波动限定值而需要重新进行计算电力系统运行合规性数据、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值的过程时，步骤414，存档当前的边缘计算网络进行实时动态风险预测更新及其对应的各方波动均值。
步骤416，计算在当前波动均值与波动限定值的比较回合下，重复进行电力系统运行合规性数据、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值的重复次数是否达到预设的重复限定值。
在此，当前波动均值与波动限定值的比较回合是指，自上一次进行边缘计算网络进行实时动态风险预测更新的调配之后，利用步骤410所进行的边缘计算网络进行实时动态风险预测更新的波动均值与波动限定值的比较。
具体地，在利用电力系统中电力的生产、存储、调度、运行的数据而使用包括电力系统运行合规性数据的边缘计算网络进行实时动态风险预测更新之后，若波动均值不大于预设的波动限定值，则需要重新采集电力系统中电力的生产、存储、调度、运行的数据，并进而重新计算边缘计算网络进行实时动态风险预测更新，以计算相应的波动均值。然而，有可能出现的情况是，连续经过数次重新计算电力系统运行合规性数据、边缘计算网络进行实时动态风险预测更新之后，所得到的波动均值仍然不能大于预设的波动限定值，为节省重新计算电力系统运行合规性数据、边缘计算网络进行实时动态风险预测更新所需要的时间，有必要对这种重复次数进行限制。
若所述重复次数未达到预设的重复限定值，则继续进行步骤402至步骤410所述的计算电力系统运行合规性数据、边缘计算网络进行实时动态风险预测更新及其波动均值、并且与预设的波动限定值进行比较的过程。
步骤418，若在步骤416中计算在当前波动均值与波动限定值的比较回合下重复次数已经达到预设的重复限定值，则计算所存档的波动均值最大的边缘计算网络进行实时动态风险预测更新作为待调配的边缘计算网络进行实时动态风险预测更新，并继续进行步骤412，将该计算的待调配的边缘计算网络进行实时动态风险预测更新调配到各变电站数据控制平台，以开始动态风险管理。
利用本发明的该实施方式，为避免对于边缘计算网络进行实时动态风险预测更新的管理过于冗长而影响用户体验，有必要对于重复使用边缘计算网络进行实时动态风险预测更新的次数进行限制。若自上一次调配边缘计算网络进行实时动态风险预测更新到各个变电站数据控制平台之后，利用步骤410已经进行了达到重复限定值的次数的比较，则为了避免进一步计算电力系统运行合规性数据、使用边缘计算网络进行实时动态风险预测更新的过程耗费的时间，需要将上一次调配边缘计算网络进行实时动态风险预测更新之后所使用的各次边缘计算网络进行实时动态风险预测更新中具有最大的波动均值的一次边缘计算网络进行实时动态风险预测更新作为待调配的边缘计算网络进行实时动态风险预测更新而利用步骤412的过程调配给各个变电站数据控制平台。
利用本发明的以上各实施方式，计算边缘计算网络进行实时动态风险预测更新的波动均值并与预设的波动限定值相比较，从而通过对于边缘计算网络进行实时动态风险预测更新的波动均值的管理来实现对边缘计算网络进行实时动态风险预测更新的管理，相比于既有的随机调配边缘计算网络进行实时动态风险预测更新所带来的预测麻烦、准确度较低的问题，本发明各实施方式的基于大数据分析的电力系统风险预测系统及方法可以通过对于边缘计算网络进行实时动态风险预测更新的波动均值的管理而实现对动态风险管理难度、可操作性以及边缘计算网络进行实时动态风险预测更新的横向差异的管理，提升变电站数据控制平台的使用性，提高预警的准确性。
本发明另一实施方式的边缘计算网络进行实时动态风险预测更新的管理方法中，计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值的流程。
步骤502，计算电力系统运行合规性数据的波动均值。
具体地，在如图1中的步骤102、202、302、402采集电力系统中电力的生产、存储、调度、运行的数据，以及步骤104、204、304、404利用电力系统中电力的生产、存储、调度、运行的数据而计算了包括电力系统运行合规性数据的边缘计算网络进行实时动态风险预测更新之后，拟调配至各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新中可能包括或者不包括电力系统运行合规性数据。从而，在步骤502中，如果该变电站数据控制平台的边缘计算网络进行实时动态风险预测更新中包括该电力系统运行合规性数据，则计算该电力系统运行合规性数据的波动均值，如果不包括该电力系统运行合规性数据，则进入下一步骤以计算下一变电站异常数据的波动均值。类似地，可以理解的是，计算其他变电站异常数据的波动均值的过程中，也只在变电站数据控制平台的边缘计算网络进行实时动态风险预测更新中具有该变电站异常数据时才予以计算。
步骤504，计算再次变电站异常数据的波动均值。
如前所述，电力系统运行合规性数据通常为对于总体动态风险管理进度及操作具有较大影响力的变电站异常数据。进而，在电力系统运行合规性数据之后，还可以顺序地计算影响力稍弱的再次变电站异常数据的波动均值。
步骤506，计算最终变电站异常数据的波动均值。
通常而言，在拟调配到变电站数据控制平台的边缘计算网络进行实时动态风险预测更新中，可以包括多种变电站异常数据，可以依据各种类变电站异常数据的影响力大小而依次计算各种变电站异常数据的波动均值。
步骤508，利用所计算的各变电站异常数据的波动均值而计算变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值。
具体地，在计算了各种类变电站异常数据的波动均值之后，可以依据预设的方式来计算该变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值。在一种可选的实施方式中，一个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值可以是该边缘计算网络进行实时动态风险预测更新中所包括的所有变电站异常数据的波动均值之和，或者加权和。
以上步骤502至步骤506中仅示出了计算变电站数据控制平台的三种变电站异常数据的波动均值的过程，应当理解的是，对于一种动态风险管理内容而言，可能包括更多、更少的变电站异常数据，在此情况下，可以类似地计算出各种变电站异常数据的波动均值，并依据步骤508所示的过程计算变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值。此外，计算各种变电站异常数据的波动均值的过程也可以不是如上所述的依照变电站异常数据的影响力的顺序，其他任意的顺序也是可行的。
进一步地，所前所述，图1中步骤108、208、308、408所述的计算边缘计算网络进行实时动态风险预测更新的波动均值的过程，可以利用各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值来计算，亦可通过对于所有所使用的边缘计算网络进行实时动态风险预测更新进行预设的运算，从而计算所使用的边缘计算网络进行实时动态风险预测更新的波动均值。作为一种可选的实施方式，边缘计算网络进行实时动态风险预测更新的波动均值可以是各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值及波动均值差异的算法。示例地，若边缘计算网络进行实时动态风险预测更新拟调配至变电站数据控制平台甲、乙、丙，前述利用步骤502至步骤508所计算波动均值可以是表达式为：
其中，σ2为波动均值，X为变量，μ为总体均值，N为总体例数。
反映的是各变电站数据控制平台拟调配的边缘计算网络进行实时动态风险预测更新之间的差异性。
利用本发明进一步的可选的实施方式，每个种类的变电站异常数据的波动均值并不是固定的，而是可以动态调整的。利用本发明一种实施方式的变电站异常数据的波动均值进行动态调整的过程。应当理解的是，对于多种变电站异常数据，可以分别适用该实施方式中的变电站异常数据波动均值的动态调整，并且，其他可能的动态调整方式也是适用的。
步骤602，计算变电站异常数据的波动均值与初始信息。
具体地，对于一种计算的动态风险管理内容而言，变电站异常数据的预定出现频率是计算的，以该预期出现的比例作为变电站异常数据的初始信息。
步骤604，在进行了预设次数的边缘计算网络进行实时动态风险预测更新的调配后，计算变电站异常数据的再次信息。
可以理解的是，尽管如前所述，变电站异常数据的预定出现频率是计算的，但在有限次的边缘计算网络进行实时动态风险预测更新使用与调配中，变电站异常数据的出现未必完全符合预定出现频率，在该预设次数的边缘计算网络进行实时动态风险预测更新的调配中，该变电站异常数据的出现概率计算为变电站异常数据的再次信息。
步骤606，利用所述波动均值、初始信息与所述再次信息，计算变电站异常数据的新波动均值。
设步骤602中所计算的波动均值为：
其中，S2为样本波动均值，
为变量，
为样本均值，n为样本例数。
从而，可以理解的是，当在该预设次数的边缘计算网络进行实时动态风险预测更新调配中，如果变电站异常数据的出现概率大于预期，则调低该变电站异常数据的波动均值。
进一步地，若在动态风险管理进行过程中已经进行过变电站异常数据的波动均值的动态调整，则将前一次预设次数的边缘计算网络进行实时动态风险预测更新调配中变电站异常数据的波动均值、出现概率作为新一次动态调整中变电站异常数据的波动均值和出现的基准比例。亦即将前一次动态调整中的波动均值、再次信息作为后一次动态调整中的波动均值、初始信息。
通过本实施方式中对于变电站异常数据的波动均值的动态调整，可以避免在实际的边缘计算网络进行实时动态风险预测更新调配过程中因变电站异常数据出现的随机性而影响可操作性，从而进一步实现对于随机性的优化与管理。
利用本发明进一步的可选的实施方式，在前述的图1中，步骤110、步骤210、步骤310、步骤410中所进行比较的波动限定值并不是固定的，而是可以动态调整的。利用本发明一种实施方式的波动限定值进行动态调整的过程。应当理解的是，其他可能的动态调整方式也是适用的。
步骤702，计算初始波动限定值。
具体地，在动态风险管理开始之前，初始波动限定值是设置的默认初始值。
步骤704，在进行了预设次数的边缘计算网络进行实时动态风险预测更新的调配后，计算各次调配中边缘计算网络进行实时动态风险预测更新的波动均值的协方差。
具体地，在实际的边缘计算网络进行实时动态风险预测更新的调配过程中，实际上，符合大于波动限定值的条件的边缘计算网络进行实时动态风险预测更新的波动均值的分布可能是不均匀的，取预设次数的边缘计算网络进行实时动态风险预测更新调配中边缘计算网络进行实时动态风险预测更新的波动均值的协方差，可以反映出在该预设次数的边缘计算网络进行实时动态风险预测更新调配中的波动均值的调配状况。
步骤706，依据前述初始波动限定值与波动均值的协方差而计算新的波动限定值。
进一步地，若在动态风险管理进行过程中已经进行过波动限定值的动态调整，则将前一次预设次数的边缘计算网络进行实时动态风险预测更新调配中所使用的波动限定值作为新一次动态调整中的初始波动限定值。通过动态调整限定值，可以避免由于限定值的设置过高或过低而影响到边缘计算网络进行实时动态风险预测更新调配的进程。
如图4至图9所示，其为本发明一种实施方式的边缘计算网络进行实时动态风险预测更新管理系统的结构及功能示意图。
该边缘计算网络进行实时动态风险预测更新管理系统包括：
电力系统运行合规性数据建设模块，用于采集电力系统中电力的生产、存储、调度、运行的数据。
对于具有特定内容的动态风险管理而言，所述电力系统运行合规性数据优选地为利用该动态风险管理内容而计算的对于动态风险管理具有最大影响力的因素。通常地，获得所述电力系统运行合规性数据应当有利于完成依据动态风险管理内容而设定的变电站异常数据。例如，对于对抗类动态风险管理而言，该电力系统运行合规性数据可设置为具有最大战斗力的目标特征或者角色等。电力系统中电力的生产、存储、调度、运行的数据可以包括：电力系统运行合规性数据的数目、大小、位置等。
边缘计算网络进行实时动态风险预测更新使用模块，用于利用所述电力系统中电力的生产、存储、调度、运行的数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据。
具体地，在边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新中，应当包括具有所电力系统运行合规性数据。边缘计算网络进行实时动态风险预测更新应当包括利用动态风险管理内容而计算的待调配到各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新，其中所述电力系统运行合规性数据包括在待调配到一个或多个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新中。示例地，电力系统运行合规性数据应当在边缘计算网络进行实时动态风险预测更新使用模块使用边缘计算网络进行实时动态风险预测更新时被使用并包括在所使用的边缘计算网络进行实时动态风险预测更新中。
波动均值模块，用于计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值，以及计算边缘计算网络进行实时动态风险预测更新的波动均值。
具体地，波动均值模块可以利用边缘计算网络进行实时动态风险预测更新使用模块所使用的待调配到各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新，而计算所述待调配到变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值。可以理解的是，利用随机调配方式所产生的边缘计算网络进行实时动态风险预测更新，在难度、可操作性等方面的差别也是随机的，从而在同一动态风险管理同一时段中可能出现超出预期的不平均，而这种超出预期的不平均，也是现有的随机调配原则影响用户预测麻烦和粘性的重要原因之一。利用本发明的一种实施方式，利用波动均值模块计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值，是作为管理现有的随机调配原则的重要手段。
利用本发明的一种实施方式，波动均值模块可以基于所计算的各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值而计算边缘计算网络进行实时动态风险预测更新的波动均值。当然，利用其他可行的实施方式，也可以通过对于边缘计算网络进行实时动态风险预测更新使用模块所使用的所有的边缘计算网络进行实时动态风险预测更新进行预设的运算，从而计算边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新的波动均值，在此情况下，波动均值模块亦可不进行对于各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新波动均值的计算。
在本实施方式中，该波动均值体现边缘计算网络进行实时动态风险预测更新所体现的动态风险管理内容的难度、可操作性，以及所述各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新之间的差异。通过该波动均值，可以得到各个变电站数据控制平台所被调配的边缘计算网络进行实时动态风险预测更新的难度、可操作性的差别，进而可以区别于现有的随机调配原则中所体现的不在预期之中的难度、可操作性以及差异性。
波动均值决策模块，用于计算边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值。
具体地，该预设的波动限定值可以是利用边缘计算网络进行实时动态风险预测更新中所包含的各种动态风险管理元素、利用各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新之间所要的差别而设置的。在本实施方式中，当波动均值决策模块计算边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值时，表明总体动态风险管理的难度、可操作性以及各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新之间的差别超出了预期，则需要通知电力系统运行合规性数据建设模块、边缘计算网络进行实时动态风险预测更新使用模块、波动均值模块，以分别再次进行所述的计算电力系统运行合规性数据、使用边缘计算网络进行实时动态风险预测更新、计算波动均值的过程，直至波动均值决策模块计算所使用的边缘计算网络进行实时动态风险预测更新的波动均值符合预期的难度、操作性和差异性期待，即波动限定值大于预设的波动限定值。
变电站数据传输模块，与边缘计算网络进行实时动态风险预测更新使用模块和波动均值决策模块相连，用于利用来自波动均值决策模块的表明边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值的信号而将边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台。
在本实施方式中，边缘计算网络进行实时动态风险预测更新的波动均值反映的是待调配到各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新总体难度、操作性以及个体之间的差别，若波动均值大于预设的波动限定值，表明各个变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的总体难度、操作性以及个体之间的差别符合所需要的预期，各个变电站数据控制平台可以利用该边缘计算网络进行实时动态风险预测更新开始进行动态风险管理。
在可选的实施方式中，该还可以包括寄存器，寄存器与边缘计算网络进行实时动态风险预测更新使用模块相连，用于寄存边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新。从而，当波动均值决策模块计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值时，变电站数据传输模块可以从寄存器中取出所寄存的边缘计算网络进行实时动态风险预测更新，并将边缘计算网络进行实时动态风险预测更新发送到各变电站数据控制平台。
在可选的实施方式中，变电站数据传输模块可以不依赖于波动均值决策模块的指示信号而直接将边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新或者寄存器所寄存的边缘计算网络进行实时动态风险预测更新调配到各个变电站数据控制平台。从而，在波动均值决策模块计算了边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值而需要重新进行电力系统中电力的生产、存储、调度、运行的数据计算以及使用边缘计算网络进行实时动态风险预测更新时，变电站数据传输模块需要发出命令到各变电站数据控制平台，以从各个变电站数据控制平台处删除或者撤回该调配的边缘计算网络进行实时动态风险预测更新。
利用本发明的以上各实施方式，计算边缘计算网络进行实时动态风险预测更新的波动均值并与预设的波动限定值相比较，从而通过对于边缘计算网络进行实时动态风险预测更新的波动均值的管理来实现对边缘计算网络进行实时动态风险预测更新的管理，相比于既有的随机调配边缘计算网络进行实时动态风险预测更新所带来的预测麻烦、准确度较低的问题，本发明各实施方式的边缘计算网络进行实时动态风险预测更新管理系统可以通过对于边缘计算网络进行实时动态风险预测更新的波动均值的管理而实现对动态风险管理难度、可操作性以及边缘计算网络进行实时动态风险预测更新的横向差异的管理，提升变电站数据控制平台的使用性，提高预警的准确性。
在本发明描述中，需要说明的是，除非另有计算的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解的是，在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。
Claims (10)
1.基于大数据分析的电力系统风险预测方法，其特征在于，包括：
采集电力系统中电力的生产、存储、调度、运行的数据；
利用所述电力系统中电力的生产、存储、调度、运行的数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据；
利用所述边缘计算网络进行实时动态风险预测更新所述边缘计算网络进行实时动态风险预测更新的波动均值；
计算所述边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值；
当计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值时，将所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台；
当计算所述边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值时，重新进行所述电力系统中电力的生产、存储、调度、运行的数据计算、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值。
2.利用权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，当计算所述边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值时，进一步包括：
存档当前的边缘计算网络进行实时动态风险预测更新及其对应的各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值、边缘计算网络进行实时动态风险预测更新的波动均值；
计算在自上一次进行边缘计算网络进行实时动态风险预测更新的调配之后，重复进行所述电力系统中电力的生产、存储、调度、运行的数据计算、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值的重复次数是否达到预设的重复限定值；
当计算所述重复次数已经达到预设的重复限定值时，计算所存档的波动均值最大的边缘计算网络进行实时动态风险预测更新作为待调配的边缘计算网络进行实时动态风险预测更新；
当计算所述重复次数未达到预设的重复限定值时，重新进行所述采集电力系统中电力的生产、存储、调度、运行的数据计算、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值。
3.利用权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，在计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值后进一步包括：
确定在该波动限定值下将所使用的边缘计算网络进行实时动态风险预测更新调配到各变电站数据控制平台的次数是否已经达到预设的次数限定值；
当计算所调配的次数已经达到预设的次数限定值时，计算新的波动限定值。
4.利用权利要求3所述基于大数据分析的电力系统风险预测方法，其特征在于，所述计算新的波动限定值包括：
计算初始波动限定值；
计算各次调配中边缘计算网络进行实时动态风险预测更新的波动均值的协方差；
依据前述初始波动限定值与波动均值的协方差而计算新的波动限定值，其中所述新的波动限定值为所述初始波动限定值与所述波动均值的协方差。
5.利用权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，利用所述边缘计算网络进行实时动态风险预测更新所述边缘计算网络进行实时动态风险预测更新的波动均值的步骤包括：
计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值；
将所述各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值及波动均值差异的算法作为所述边缘计算网络进行实时动态风险预测更新的波动均值。
6.利用权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于：
在将所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台的步骤之前，计算边缘计算网络进行实时动态风险预测更新中所包括的各变电站异常数据的相应波动均值与初始信息，所述初始信息为相应变电站异常数据的预定出现频率；
在进行了预设次数的边缘计算网络进行实时动态风险预测更新的调配后，计算各变电站异常数据的相应再次信息，所述再次信息为在所述预设次数的边缘计算网络进行实时动态风险预测更新的调配中相应变电站异常数据的出现概率；
利用所述波动均值、初始信息与所述再次信息，计算该变电站异常数据的新波动均值；
其中所述边缘计算网络进行实时动态风险预测更新包括所述各变电站异常数据，所述边缘计算网络进行实时动态风险预测更新的波动均值利用各变电站异常数据的波动均值而计算。
7.基于大数据分析的电力系统风险预测系统，其特征在于，包括：
电力系统运行合规性数据建设模块，用于采集电力系统中电力的生产、存储、调度、运行的数据；
边缘计算网络进行实时动态风险预测更新使用模块，用于利用所述电力系统中电力的生产、存储、调度、运行的数据使用边缘计算网络进行实时动态风险预测更新，所述边缘计算网络进行实时动态风险预测更新包括了电力系统运行合规性数据；
波动均值模块，用于计算所述边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新的波动均值；
波动均值决策模块，用于计算所述边缘计算网络进行实时动态风险预测更新的波动均值是否大于预设的波动限定值；
变电站数据传输模块，用于利用来自波动均值决策模块的表明边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值的信号而将边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新分别调配到各变电站数据控制平台；
变电站异常数据波动均值建设模块，用于更新波动均值模块所进行边缘计算网络进行实时动态风险预测更新的波动均值计算所需的各变电站异常数据的波动均值，其中所述变电站异常数据波动均值建设模块用于计算变电站异常数据的波动均值与初始信息，并用于利用边缘计算网络进行实时动态风险预测更新使用模块所使用的各次边缘计算网络进行实时动态风险预测更新中变电站异常数据的出现概率而计算变电站异常数据的再次信息，以及利用所述波动均值、初始信息、再次信息来计算变电站异常数据的新波动均值；
波动均值模块还用于计算各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值，以及用于利用所述各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值来计算所述边缘计算网络进行实时动态风险预测更新的波动均值，其中所述边缘计算网络进行实时动态风险预测更新的波动均值是所述各变电站数据控制平台的边缘计算网络进行实时动态风险预测更新的波动均值及波动均值差异的算法。
8.利用权利要求7所述的基于大数据分析的电力系统风险预测系统，其特征在于，所述波动均值决策模块，用于当计算所述边缘计算网络进行实时动态风险预测更新的波动均值不大于预设的波动限定值时，通知所述电力系统运行合规性数据建设模块、所述边缘计算网络进行实时动态风险预测更新使用模块与所述波动均值模块，以重新进行所述电力系统中电力的生产、存储、调度、运行的数据计算、使用边缘计算网络进行实时动态风险预测更新以及计算波动均值。
9.利用权利要求7所述的基于大数据分析的电力系统风险预测系统，其特征在于，进一步包括波动限定值模块，用于更新所述波动均值决策模块进行波动均值比较所用的波动限定值。
10.利用权利要求9所述的基于大数据分析的电力系统风险预测系统，其特征在于，所述变电站数据传输模块进一步用于记录利用波动均值决策模块的命令所发送边缘计算网络进行实时动态风险预测更新的次数，并用于在接收到波动均值决策模块的计算边缘计算网络进行实时动态风险预测更新的波动均值大于预设的波动限定值的命令后，确定在该波动限定值下将边缘计算网络进行实时动态风险预测更新使用模块所使用的边缘计算网络进行实时动态风险预测更新调配到各变电站数据控制平台的次数是否已经达到预设的次数限定值；
以及当变电站数据传输模块计算，进行边缘计算网络进行实时动态风险预测更新发送的次数达到预设的次数限定值时，进一步用于通知波动限定值模块进行波动限定值的更新，其中波动限定值模块用于利用波动均值模块所得到的各次边缘计算网络进行实时动态风险预测更新的波动均值，通过初始波动限定值与前述波动均值的协方差而计算新的波动限定值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211420108.7A CN115545347B (zh) | 2022-11-15 | 2022-11-15 | 基于大数据分析的电力系统风险预测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211420108.7A CN115545347B (zh) | 2022-11-15 | 2022-11-15 | 基于大数据分析的电力系统风险预测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115545347A true CN115545347A (zh) | 2022-12-30 |
| CN115545347B CN115545347B (zh) | 2023-07-28 |
Family
ID=84720574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211420108.7A Active CN115545347B (zh) | 2022-11-15 | 2022-11-15 | 基于大数据分析的电力系统风险预测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115545347B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246806A (zh) * | 2013-04-25 | 2013-08-14 | 浙江大学 | 一种含风电场电力系统的运行风险评估方法 |
| CN104376506A (zh) * | 2014-11-17 | 2015-02-25 | 三峡大学 | 一种基于确定性分析的电力系统风险评估方法 |
| CN106154084A (zh) * | 2016-07-18 | 2016-11-23 | 国家电网公司 | 电网负荷异常及运行风险实时监控预警方法 |
| CN110222896A (zh) * | 2019-06-10 | 2019-09-10 | 重庆大学 | 一种利用备用变压器降低变电站运行风险的方法 |
| CN110232642A (zh) * | 2019-06-28 | 2019-09-13 | 国网河北省电力有限公司经济技术研究院 | 一种面向停电风险预防的拓扑规划与优化方法 |
| CN110728457A (zh) * | 2019-10-17 | 2020-01-24 | 广西电网有限责任公司电力科学研究院 | 一种考虑配电网多层级薄弱环节的运行风险态势感知方法 |
| CN111913935A (zh) * | 2020-07-09 | 2020-11-10 | 河北工业大学 | 一种基于cim模型的风电场集控中心scada系统 |
| CN112614293A (zh) * | 2020-12-04 | 2021-04-06 | 广东电力通信科技有限公司 | 一种基于边缘计算的电力物联网安全预警方法及系统 |
| CN113077240A (zh) * | 2021-04-20 | 2021-07-06 | 广东电网有限责任公司 | 电能数据的自动核对方法、装置、设备及存储介质 |
| US11270243B1 (en) * | 2020-10-01 | 2022-03-08 | Electricfish Energy Inc. | System and method for electrical grid management, risk mitigation, and resilience |
| CN114582107A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 有限空间作业安全智能预警系统 |
| CN115051360A (zh) * | 2022-07-13 | 2022-09-13 | 天津大学 | 集成式知识迁移的电力系统运行风险在线计算方法与装置 |
-
2022
- 2022-11-15 CN CN202211420108.7A patent/CN115545347B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246806A (zh) * | 2013-04-25 | 2013-08-14 | 浙江大学 | 一种含风电场电力系统的运行风险评估方法 |
| CN104376506A (zh) * | 2014-11-17 | 2015-02-25 | 三峡大学 | 一种基于确定性分析的电力系统风险评估方法 |
| CN106154084A (zh) * | 2016-07-18 | 2016-11-23 | 国家电网公司 | 电网负荷异常及运行风险实时监控预警方法 |
| CN110222896A (zh) * | 2019-06-10 | 2019-09-10 | 重庆大学 | 一种利用备用变压器降低变电站运行风险的方法 |
| CN110232642A (zh) * | 2019-06-28 | 2019-09-13 | 国网河北省电力有限公司经济技术研究院 | 一种面向停电风险预防的拓扑规划与优化方法 |
| CN110728457A (zh) * | 2019-10-17 | 2020-01-24 | 广西电网有限责任公司电力科学研究院 | 一种考虑配电网多层级薄弱环节的运行风险态势感知方法 |
| CN111913935A (zh) * | 2020-07-09 | 2020-11-10 | 河北工业大学 | 一种基于cim模型的风电场集控中心scada系统 |
| US11270243B1 (en) * | 2020-10-01 | 2022-03-08 | Electricfish Energy Inc. | System and method for electrical grid management, risk mitigation, and resilience |
| CN112614293A (zh) * | 2020-12-04 | 2021-04-06 | 广东电力通信科技有限公司 | 一种基于边缘计算的电力物联网安全预警方法及系统 |
| CN113077240A (zh) * | 2021-04-20 | 2021-07-06 | 广东电网有限责任公司 | 电能数据的自动核对方法、装置、设备及存储介质 |
| CN114582107A (zh) * | 2022-03-01 | 2022-06-03 | 中用科技有限公司 | 有限空间作业安全智能预警系统 |
| CN115051360A (zh) * | 2022-07-13 | 2022-09-13 | 天津大学 | 集成式知识迁移的电力系统运行风险在线计算方法与装置 |
Non-Patent Citations (1)
| Title |
|---|
| 史慧杰 等: "输电网络运行风险的在线评估", 电网技术, vol. 29, no. 06, pages 43 - 48 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115545347B (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11221367B2 (en) | Evaluation device, energy storage system, evaluation method and non-transitory computer readable medium | |
| US9671807B2 (en) | Power grid stabilization system and power grid stabilization method | |
| WO2019237829A1 (zh) | 一种电池系统及电池健康状态的检测方法 | |
| EP4167417A1 (en) | Device power supply method, system, and related device | |
| WO2017158706A1 (ja) | 蓄電池評価装置、蓄電システムおよび蓄電池評価方法 | |
| CN110556902B (zh) | 一种充电方法及直流充电系统 | |
| JP2023535506A (ja) | 充電制御方法、装置、およびシステム、サーバ、ならびに媒体 | |
| CN114784394A (zh) | 用于储能系统电池管理优化的方法及电池安全管理系统 | |
| CN115545347A (zh) | 基于大数据分析的电力系统风险预测系统及方法 | |
| KR101811125B1 (ko) | 피크컷 모드 운전이 가능한 에너지 저장 시스템의 제어 방법 및 그 장치 | |
| CN108964282B (zh) | 电能质量监测装置的部署方法、装置和计算机可读介质 | |
| CN109167109B (zh) | 基于调频储能系统的双重多级功率限制保护系统 | |
| Lin et al. | Surrogate-assisted combinatorial optimization of ev fast charging stations | |
| CN114546100A (zh) | 一种数据中心供电调整方法及装置 | |
| CN109256791B (zh) | 一种储能单元的功率控制方法及功率控制设备 | |
| CN112419088A (zh) | 切负荷方法、系统、装置、计算机设备和存储介质 | |
| KR102568487B1 (ko) | 복수의 에너지 저장 장치를 제어하는 장치 및 방법 | |
| CN106340899A (zh) | 一种以减少用户停电损失目标的动态孤岛划分方法 | |
| KR101734148B1 (ko) | 송전선 과부하 해소를 위한 혼잡 관리 시스템 | |
| KR101734149B1 (ko) | 에너지 저장 장치를 이용한 송전선 과부하 관리 방법 | |
| Kavousi-Fard et al. | Multi-objective optimal operation of smart reconfigurable distribution grids. | |
| CN116544936B (zh) | 一种用于储能系统的智能控制调度方法及系统 | |
| CN118432087B (zh) | 基于光储充系统的配电网负荷曲线建模及预警方法 | |
| KR102547633B1 (ko) | 리튬이온 재사용(Reuse) 배터리로 구성된 ESS(Energy Storage System)를 관리하기 위한 배터리 관리 시스템 | |
| Tsormpatzoudis et al. | Rapid Evaluation of Battery System Rating For Frequency Response Operation |
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 |