CN115730749A - 基于融合电力数据的电力调度风险预警方法及装置 - Google Patents
基于融合电力数据的电力调度风险预警方法及装置 Download PDFInfo
- Publication number
- CN115730749A CN115730749A CN202310013044.7A CN202310013044A CN115730749A CN 115730749 A CN115730749 A CN 115730749A CN 202310013044 A CN202310013044 A CN 202310013044A CN 115730749 A CN115730749 A CN 115730749A
- Authority
- CN
- China
- Prior art keywords
- power
- data
- risk
- index
- electric power
- 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 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000007499 fusion processing Methods 0.000 claims abstract description 11
- 238000009826 distribution Methods 0.000 claims description 32
- 238000007726 management method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000013524 data verification Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 10
- 238000010248 power generation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术，揭露了一种基于融合电力数据的电力调度风险预警方法及装置，包括：对获取的电力数据进行规范化处理和融合处理，得到电力系统的融合电力数据；根据预设的电力调度指标算法和所述融合电力数据生成所述电力系统的电力调度风险指标；对所述电力调度风险指标进行编码，得到电力调度风险指标的指标序列，对指标序列进行区域划分，得到指标序列的目标序列；根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。本发明还提出一种基于融合电力数据的电力调度风险预警装置。本发明可以提高基于融合电力数据的电力调度风险预警的效率。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于融合电力数据的电力调度风险预警方法及装置。
背景技术
我国电网线路错综复杂，为了保证电网的安全稳定运行，构建了一种电力调度管理模式，根据各种渠道采集电力调度信息，结合每时段的电网数据参数，平衡各个阶段的电网输送任务。电网运行过程中自身会存在运行风险，如果可以根据电网运行趋势，判断电力调度运行存在的安全风险概率，即可极大地减少电力事故，保证电网的安全性。
目前，我国电网中已经应用了配电自动化技术、信息化技术以及智能技术等多种技术，运行过程中存在着大量的配电网运行状态数据，一旦电力调度运行过程中出现风险，就会带来很大的经济损失和能源损失，因此每个电网总站都会配备多个电力调度运行安全风险预警器，其运行的核心是电力调度运行安全风险预警算法，但是传统的调度运行安全风险预警算法对于部分持续时间较长的电力调度运行任务的预警存在反应延迟的缺陷，降低了风险预警效率，因此如何提升电力调度时风险预警效率，成为了亟待解决的问题。
发明内容
本发明提供一种基于融合电力数据的电力调度风险预警方法及装置，其主要目的在于解决电力调度风险预警时效率较低的问题。
为实现上述目的，本发明提供的一种基于融合电力数据的电力调度风险预警方法，包括：
获取电力系统的电力数据，对所述电力数据进行规范化处理，得到所述电力数据的规范数据；
对所述规范数据进行融合处理，得到所述规范数据的融合电力数据；
根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，利用所述电力调度指标模型生成所述电力系统的电力调度风险指标；
对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，对所述指标序列进行区域划分，得到所述指标序列的目标序列；
根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。
可选地，所述对所述电力数据进行规范化处理，得到所述电力数据的规范数据，包括：
对所述电力数据进行数据校验，得到所述电力数据的一级数据；
对所述一级数据进行数据清洗，得到所述一级数据的二级数据；
对所述二级数据进行数据装载，得到所述二级数据的三级数据，确定所述三级数据为所述电力数据的规范数据。
可选地，所述对所述规范数据进行融合处理，得到所述规范数据的融合电力数据，包括：
对所述规范数据进行特征提取，得到所述规范数据的规范特征；
根据所述规范特征对所述规范数据进行数据分类，得到所述规范数据的分类数据；
选取所述分类数据中的电力数据为目标数据，利用所述目标数据和所述分类数据进行特征级融合，得到所述分类数据的融合数据；
生成所述融合数据的属性标签，利用所述属性标签和所述融合数据生成所述规范数据的融合电力数据。
可选地，所述利用所述电力调度指标模型生成所述电力系统的电力调度风险指标，包括：
根据所述电力调度指标模型确定所述电力系统的电压状态，根据所述电压状态确定所述电力系统的电力调度风险指标类别，其中，所述电力调度风险指标类别为：低电压安全风险指标、过负荷安全风险指标和电压失稳安全风险指标；
利用低电压指标算法生成所述电力系统的低电压安全风险指标；
生成所述电力系统的过负荷安全风险指标；
利用电压失稳指标算法生成所述电力系统的电压失稳安全风险指标。
可选地，所述利用低电压指标算法生成所述电力系统的低电压安全风险指标，包括：
利用如下低电压指标算法计算所述电力系统的低电压安全风险指标：
其中，
表示所述电力系统的低电压安全风险指标，
表示低电压指标的标
识，
表示所述低电压指标的总数，
表示预设故障集中的故障数目，
表示所述电力
系统的第
个低电压指标。
可选地，所述生成所述电力系统的过负荷安全风险指标，包括：
生成所述电力系统的过负荷安全风险指标的过负荷指标分布，其中，所述过负荷指标分布的分布条件为：
其中，
表示所述电力系统进行电力调度时运行线路的有功潮流百分比，
表
示有效有功潮流与最大潮流值的比，
表示
的期望值，
表示过负荷指标分
布的分布方差；
根据所述分布条件确定所述电力系统的电力调度任务的荷载比和有功潮流百分比，利用所述荷载比和所述有功潮流百分比生成所述电力调度任务的过负荷加权值；
利用所述过负荷加权值生成所述电力系统的过负荷安全风险指标。
可选地，所述利用电压失稳指标算法生成所述电力系统的电压失稳安全风险指标，包括：
确定所述电力系统的最大负载量和稳定度，根据所述最大负载量和所述稳定度生成所述电力系统的电压失稳安全风险指标。
可选地，所述根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，包括：
根据如下电力调度风险概率算法和所述目标序列生成所述电力系统的综合风险概率：
其中，
表示电力调度运行安全风险发生的风险概率，
表示电力调度状态的
最优适应度，
表示电力调度状态的平均适应度，
表示所述电力调度风险指标所代表的
序列号，
表示预设故障集中的故障数目，
表示所述目标序列中电力调度风险指标的综
合风险概率。
可选地，所述对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，包括：
利用如下编码公式对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列：
其中，
表示所述电力调度风险指标的指标序列，
表示所述电力调度风险指标的
总个数，
表示每个所述电力调度风险指标所代表的序列号，
表示风险状态函数，
表示
电力调度管理过程中同时运行的任务数。
为了解决上述问题，本发明还提供一种基于融合电力数据的电力调度风险预警装置，所述装置包括：
规范化数据模块，用于获取电力系统的电力数据，对所述电力数据进行规范化处理，得到所述电力数据的规范数据；
融合数据模块，用于对所述规范数据进行融合处理，得到所述规范数据的融合电力数据；
指标模型模块，用于根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，利用所述电力调度指标模型生成所述电力系统的电力调度风险指标；
指标编码模块，用于对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，对所述指标序列进行区域划分，得到所述指标序列的目标序列；
风险概率模块，用于根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。
本发明实施例通过对所述电力数据进行规范化处理，消除了所述电力数据之间的格式差别和数据错误，解决了因为所述电力数据因为不兼容而导致的速度问题，对所述规范数据进行融合处理是因为所述规范数据之间相互作用、相互影响，生成所述规范数据的融合电力数据凸显了所述规范数据中电力数据的特性，有助于电力调度时进行风险分析，根据预设的电力调度指标算法和所述融合电力数据生成所述电力系统的电力调度风险指标，是因为电力调度运行安全风险预警的本质是以系统上传的各个电力调度状态数据为基础，其中，电力调度随时间变化的情况直接反映了电力调度运行的安全状态，对所述电力调度风险指标进行编码，提高了所述电力调度风险指标的识别速度，同时，筛选出所述电力调度风险指标中的有效指标，降低了数据量，从而提高了运算速度，根据所述电力调度风险概率可以及时生成所述电力系统的风险预警信息，因此本发明提出基于融合电力数据的电力调度风险预警方法及装置，可以解决电力调度时风险预警效率较低的问题。
附图说明
图1为本发明一实施例提供的基于融合电力数据的电力调度风险预警方法的流程示意图；
图2为本发明一实施例提供的生成规范数据的流程示意图；
图3为本发明一实施例提供的生成电力调度风险指标的流程示意图；
图4为本发明一实施例提供的基于融合电力数据的电力调度风险预警装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于融合电力数据的电力调度风险预警方法。所述基于融合电力数据的电力调度风险预警方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于融合电力数据的电力调度风险预警方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于融合电力数据的电力调度风险预警方法的流程示意图。在本实施例中，所述基于融合电力数据的电力调度风险预警方法包括：
S1、获取电力系统的电力数据，对所述电力数据进行规范化处理，得到所述电力数据的规范数据。
在本发明实施例中，所述电力系统是指某一发电厂的电力系统，电力系统时经济发展和人类生活依赖的能量供给系统，所述电力数据是指某一发电厂的发电量、电厂信息和用电用户的相关信息等，其中，所述电力数据广域分布、种类众多，包括实时数据、历史数据、文本数据、多媒体数据、时间序列数据等各类结构化、半结构化数据以及非结构化数据，各类数据查询与处理的频度和性能要求也不尽相同，所述电力数据来源广泛化，分为内部数据和外部数据，电网内部数据主要来源于发电、输电、变电、配电、用电、调度六大环节相关业务系统；外部数据包括可反映经济、社会、政策、气象、用户特征、地理环境等影响电网规划和运行的数据。
详细地，所述对所述电力数据进行规范化处理是为了统一所述电力数据格式，便于所述后续的数据处理。
在本发明实施例中，参图2所示，所述对所述电力数据进行规范化处理，得到所述电力数据的规范数据，包括：
S21、对所述电力数据进行数据校验，得到所述电力数据的一级数据；
S22、对所述一级数据进行数据清洗，得到所述一级数据的二级数据；
S23、对所述二级数据进行数据装载，得到所述二级数据的三级数据，确定所述三级数据为所述电力数据的规范数据。
详细地，所述数据校验是为了保证数据的完整性进行的一种验证操作。通常用一种指定的算法对所述电力数据计算出的一个校验值，接收方用同样的算法计算一次校验值，如果两次计算得到的检验值相同，则说明数据是完整的，其中，所述数据校验可以利用奇偶校验、CRC校验、LRC校验、格雷码校验、和校验、异或校验等。
详细地，所述数据清洗目的在于删除重复信息、纠正存在的错误，并提供数据一致性，可以利用以下四种方法：丢弃部分数据、补全缺失的数据、不处理数据和真值转换法，其中，所述真值转换法是承认缺失值的存在，并将数据缺失作为数据分布规律的一部分，将变量的实际值和缺失作为输入维度参与后续数据处理和模型计算。
详细地，所述数据装载指将转换好的数据保存到数据仓库中去，便于后续的数据调取。
S2、对所述规范数据进行融合处理，得到所述规范数据的融合电力数据。
在本发明实施例中，所述规范数据需要整合经济、天气、人口以及其他社会性信息，才能真正体现出价值，例如：用电大户特别是大型工业生产企业，学校、医院等大型公共机构，商场、机场等大型商业物业，电力需求迅猛增长，电力数据增长迅速，所述融合电力数据不仅仅指的是电力领域的大数据，还指与电力有关领域的大数据，例如电力公共安全与气象数据有关，电压不稳定可能与用户用电量高低峰有关，以及电网规划与地理空间数据相关等等问题。
在本发明实施例中，所述对所述规范数据进行融合处理，得到所述规范数据的融合电力数据，包括：
对所述规范数据进行特征提取，得到所述规范数据的规范特征；
根据所述规范特征对所述规范数据进行数据分类，得到所述规范数据的分类数据；
选取所述分类数据中的电力数据为目标数据，利用所述目标数据和所述分类数据进行特征级融合，得到所述分类数据的融合数据；
生成所述融合数据的属性标签，利用所述属性标签和所述融合数据生成所述规范数据的融合电力数据。
详细地，所述对所述规范数据进行融合处理是指将所述规范数据于所述规范数据的来源或者环境特性结合，所述特征提取可以利用主成分分析法、利用参数模型或模板来进行检测特征点等。
详细地，所述根据所述规范特征对所述规范数据进行数据分类可以根据所述规范特征建立标签索引，根据所述标签索引进行所述规范数据的数据分类；所述目标数据是指所述分类数据中的电力数据，所述规范数据的融合处理是基于所述目标数据建立，是为了获得与电力相关的数据。
进一步地，所述属性标签可以是电压标签、功率标签、电流标签等，只要是与电流、电压或者功率相关的数据都属于这个属性标签之下。
S3、根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，利用所述电力调度指标模型生成所述电力系统的电力调度风险指标。
在本发明实施例中，所述根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，包括：
利用预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，其中，所述预设的电力调度指标算法为：
其中，
是根据所述融合电力数据确定的
时刻下电力系统的电压状态，
表示发生第
个风险事故的概率，
表示
时刻发生风险事件
的
概率，
是表示在第
个可能的运行条件下发生第
个风险事故的严重程度，
表示
时刻电力系统的有功功率，
表示第
个因设备缺陷而发生的安全风险，
是时
间标识，
是电力调度运行条件的标识，
是风险事故的标识。
详细地，所述预设的电力调度指标算法可以计算出所述电力系统的电力调度风险指标，所述电力系统在电力调度下的风险预警本质上是以各个系统上传的各个电力调度状态数据为基础，其中，所述电力调度风险指标可以反映电力调度随时间变化的情况，也可以反映出电力调度运行的安全状态。
在本发明实施例中，参图3所示，所述利用所述电力调度指标模型生成所述电力系统的电力调度风险指标，包括：
S31、根据所述电力调度指标模型确定所述电力系统的电压状态，根据所述电压状态确定所述电力系统的电力调度风险指标类别，其中，所述电力调度风险指标类别为：低电压安全风险指标、过负荷安全风险指标和电压失稳安全风险指标；
S32、利用低电压指标算法生成所述电力系统的低电压安全风险指标；
S33、生成所述电力系统的过负荷安全风险指标；
S34、利用电压失稳指标算法生成所述电力系统的电压失稳安全风险指标。
详细地，电力调度运行正常管理模式下的电压应该处于一个稳定的定值，电压不会出现波动，电力调度运行的所述低电压安全风险指标不是电压失稳安全风险的特殊情况，其指的是所述电力系统每条线路的运行电压相对于正常线路的电压都较低。
详细地，所述电力调度风险指标包括：低电压安全风险指标、过负荷安全风险指标和电压失稳安全风险指标，其中，所述电力调度风险指标是指所述电力系统在执行电力调度任务时所产生的风险值，所述低电压安全风险指标是指所述电力系统在电力调度进行时是低电压时的风险值，所述低电压安全风险指标是根据所述电力系统电力调度运行低电压安全风险概率与电压数值呈线性关系，计算出每一个电力调度管理分支的电压，并对其进行加权处理得出的。
详细地，过负荷就是超过了额定的负荷，即电力系统中用电负荷超出发电机的实际功率或变压器的额定功率，引起设备过载；电压失稳是指所述电力系统受到较大扰动后系统各节点电压不能维持平稳，电压失稳与负荷的动态特性密切相关，电压失稳是负荷失稳的一种外在表现，在实际的电力系统中，电压失稳通常发生在系统遭受大扰动、发电机保持了暂态稳定性的故障后的运行状态下。
详细地，所述利用低电压指标算法生成所述电力系统的低电压安全风险指标，包括：
利用如下低电压指标算法计算所述电力系统的低电压安全风险指标：
其中，
表示所述电力系统的低电压安全风险指标，
表示低电压指标的标
识，
表示所述低电压指标的总数，
表示预设故障集中的故障数目，
表示所述电力
系统的第
个低电压指标。
详细地，在电力调度运行安全风险事故中负荷风险引起的事故严重程度最高，因为一旦所述电力系统内呈现过负荷状态，由于电力调度管理本身就需要很好的运维环境和推力，在超负荷情况下，更是没有可能利用所述电力系统各个线路内的有效功率带动电网运行，最终使电力调度系统瘫痪，造成不可计量的经济损失和能源消耗。
进一步地，所述低电压指标算法是基于低电压安全风险出现的概率符合多维正态分布特点生成的，根据所述低电压指标算法确定所述低电压安全风险指标。
详细地，所述生成所述电力系统的过负荷安全风险指标，包括：
生成所述电力系统的过负荷安全风险指标的过负荷指标分布，其中，所述过负荷指标分布的分布条件为：
其中，
表示所述电力系统进行电力调度时运行线路的有功潮流百分比，
表
示有效有功潮流与最大潮流值的比，
表示
的期望值，
表示过负荷指标分
布的分布方差；
根据所述分布条件确定所述电力系统的电力调度任务的荷载比和有功潮流百分比，利用所述荷载比和所述有功潮流百分比生成所述电力调度任务的过负荷加权值；
利用所述过负荷加权值生成所述电力系统的过负荷安全风险指标。
详细地，电力调度运行安全风险中的低电压安全风险不同于电压失稳的安全风险指标，前者在电力调度过程中的电压必须时刻处于低值状态，但是后者发生的情况下整个线路的电压不同时处于一个状态，处于一个状态就不是失稳风险，而是失效风险。电压失稳安全风险波动规律满足正态分布，由两个相同的周期组成。
详细地，正常稳态运行情况下电力系统的功率分布和电压分布称为电力系统潮流分布，所述有功潮流百分比是指所述电力系统的有效有功潮流与最大潮流值的比，所述过负荷安全风险指标满足泊松分布，所述泊松分布就是所述过负荷指标分布的分布条件，可以根据所述分布条件确定所述过负荷安全风险指标是根据过负荷时安全风险概率与电力调度任务的有功潮流百分比产生的。
详细地，所述利用电压失稳指标算法生成所述电力系统的电压失稳安全风险指标，包括：
确定所述电力系统的最大负载量和稳定度，根据所述最大负载量和所述稳定度生成所述电力系统的电压失稳安全风险指标。
详细地，所述最大负载量和稳定度是每个电力系统独有的，根据所述电力系统的性质不同而不同，例如：所述电力系统是水力发电时与所述电力系统是火力发电是不一样的，所述电力系统的系统规模也决定了所述电力系统的最大负载量和稳定度。
详细地，所述根据所述最大负载量和所述稳定度生成所述电力系统的电压失稳安全风险指标是根据所有线路的过负荷风险指标总和和所述预设故障集中的故障数目确定的，所述所有线路的过负荷风险指标总和是根据所述最大负载量和所述稳定度生成的。
S4、对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，对所述指标序列进行区域划分，得到所述指标序列的目标序列。
在本发明实施例中，所述对所述电力调度风险指标进行编码是将电力调度线路和记录调度状态进行映射处理，提取电力调度运行参数，并对有效指标关联参数进行编码，其中，所述有效指标关联参数是指所述电力调度风险指标。
详细地，所述对所述电力调度风险指标进行编码是为了对所述电力调度风险指标进行有效性筛选和关联性存储，所述指标序号是为了区分所述电力调度风险指标的，例如：给映射后的所述低电压安全风险指标的数据加前缀“1”、给映射后过负荷安全风险指标的数据加前缀“2”、给映射后电压失稳安全风险指标的数据加前缀“3”等。
在本发明实施例中，所述对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，包括：
利用如下编码公式对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列：
其中，
表示所述电力调度风险指标的指标序列，
表示所述电力调度风险指标的
总个数，
表示每个所述电力调度风险指标所代表的序列号，
表示风险状态函数，
表示
电力调度管理过程中同时运行的任务数。
详细地，所述对所述指标序列进行区域划分是为了提高风险存在范围的查询速度，将每个具有关联性的指标初始化，使编码长度均为所述指标序列的序列长度。
S5、根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。
在本发明实施例中，所述根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，包括：
根据如下电力调度风险概率算法和所述目标序列生成所述电力系统的综合风险概率：
其中，
表示电力调度运行安全风险发生的风险概率，
表示电力调度状态的
最优适应度，
表示电力调度状态的平均适应度，
表示所述电力调度风险指标所代表的
序列号，
表示预设故障集中的故障数目，
表示所述目标序列中电力调度风险指标的综
合风险概率。
详细地，所述根据所述电力调度风险概率生成所述电力系统的风险预警信息是指当所述综合风险概率的计算结果为正数时，代表所述电力系统在执行电力调度任务时是存在风险的。
详细地，适应度是在遗传算法中出现的，所述适应度为所求问题
的函数
，即为函数的函数
，所述最优适应度是最大适应度的意思，个体的适应度指的是个
体在种群生存的优势程度度量，用于区分个体的“好与坏”，所述适应度使用适应度函数来
进行计算，所述适应度函数也叫评价函数，主要是通过个体特征从而判断个体的适应度。
本发明实施例通过对所述电力数据进行规范化处理，消除了所述电力数据之间的格式差别和数据错误，解决了因为所述电力数据因为不兼容而导致的速度问题，对所述规范数据进行融合处理是因为所述规范数据之间相互作用、相互影响，生成所述规范数据的融合电力数据凸显了所述规范数据中电力数据的特性，有助于电力调度时进行风险分析，根据预设的电力调度指标算法和所述融合电力数据生成所述电力系统的电力调度风险指标，是因为电力调度运行安全风险预警的本质是以系统上传的各个电力调度状态数据为基础，其中，电力调度随时间变化的情况直接反映了电力调度运行的安全状态，对所述电力调度风险指标进行编码，提高了所述电力调度风险指标的识别速度，同时，筛选出所述电力调度风险指标中的有效指标，降低了数据量，从而提高了运算速度，根据所述电力调度风险概率可以及时生成所述电力系统的风险预警信息，因此本发明提出基于融合电力数据的电力调度风险预警方法，可以解决电力调度风险预警效率较低的问题。
如图4所示，是本发明一实施例提供的基于融合电力数据的电力调度风险预警装置的功能模块图。
本发明所述基于融合电力数据的电力调度风险预警装置100可以安装于电子设备中。根据实现的功能，所述基于融合电力数据的电力调度风险预警装置100可以包括规范化数据模块101、融合数据模块102、指标模型模块103、指标编码模块104及风险概率模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述规范化数据模块101，用于获取电力系统的电力数据，对所述电力数据进行规范化处理，得到所述电力数据的规范数据；
所述融合数据模块102，用于对所述规范数据进行融合处理，得到所述规范数据的融合电力数据；
所述指标模型模块103，用于根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，利用所述电力调度指标模型生成所述电力系统的电力调度风险指标；
所述指标编码模块104，用于对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，对所述指标序列进行区域划分，得到所述指标序列的目标序列；
所述风险概率模块105，用于根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于融合电力数据的电力调度风险预警方法，其特征在于，所述方法包括：
获取电力系统的电力数据，对所述电力数据进行规范化处理，得到所述电力数据的规范数据；
对所述规范数据进行融合处理，得到所述规范数据的融合电力数据；
根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，利用所述电力调度指标模型生成所述电力系统的电力调度风险指标，其中，所述预设的电力调度指标算法为：
其中，
是根据所述融合电力数据确定的
时刻下电力系统的电压状态，
表
示发生第
个风险事故的概率，
表示
时刻发生风险事件
的概率，
是表示在第
个可能的运行条件下发生第
个风险事故的严重程度，
表
示
时刻电力系统的有功功率，
表示第
个因设备缺陷而发生的安全风险，
是时间标
识，
是电力调度运行条件的标识，
是风险事故的标识；
对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，对所述指标序列进行区域划分，得到所述指标序列的目标序列；
根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。
2.如权利要求1所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述对所述电力数据进行规范化处理，得到所述电力数据的规范数据，包括：
对所述电力数据进行数据校验，得到所述电力数据的一级数据；
对所述一级数据进行数据清洗，得到所述一级数据的二级数据；
对所述二级数据进行数据装载，得到所述二级数据的三级数据，确定所述三级数据为所述电力数据的规范数据。
3.如权利要求1所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述对所述规范数据进行融合处理，得到所述规范数据的融合电力数据，包括：
对所述规范数据进行特征提取，得到所述规范数据的规范特征；
根据所述规范特征对所述规范数据进行数据分类，得到所述规范数据的分类数据；
选取所述分类数据中的电力数据为目标数据，利用所述目标数据和所述分类数据进行特征级融合，得到所述分类数据的融合数据；
生成所述融合数据的属性标签，利用所述属性标签和所述融合数据生成所述规范数据的融合电力数据。
4.如权利要求1所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述利用所述电力调度指标模型生成所述电力系统的电力调度风险指标，包括：
根据所述电力调度指标模型确定所述电力系统的电压状态，根据所述电压状态确定所述电力系统的电力调度风险指标类别，其中，所述电力调度风险指标类别为：低电压安全风险指标、过负荷安全风险指标和电压失稳安全风险指标；
利用低电压指标算法生成所述电力系统的低电压安全风险指标；
生成所述电力系统的过负荷安全风险指标；
利用电压失稳指标算法生成所述电力系统的电压失稳安全风险指标。
5.如权利要求4所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述利用低电压指标算法生成所述电力系统的低电压安全风险指标，包括：
利用如下低电压指标算法计算所述电力系统的低电压安全风险指标：
其中，
表示所述电力系统的低电压安全风险指标，
表示低电压指标的标识，
表
示所述低电压指标的总数，
表示预设故障集中的故障数目，
表示所述电力系统的
第
个低电压指标。
6.如权利要求4所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述生成所述电力系统的过负荷安全风险指标，包括：
生成所述电力系统的过负荷安全风险指标的过负荷指标分布，其中，所述过负荷指标分布的分布条件为：
其中，
表示所述电力系统进行电力调度时运行线路的有功潮流百分比，
表示有
效有功潮流与最大潮流值的比，
表示
的期望值，
表示过负荷指标分布的
分布方差；
根据所述分布条件确定所述电力系统的电力调度任务的荷载比和有功潮流百分比，利用所述荷载比和所述有功潮流百分比生成所述电力调度任务的过负荷加权值；
利用所述过负荷加权值生成所述电力系统的过负荷安全风险指标。
7.如权利要求4所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述利用电压失稳指标算法生成所述电力系统的电压失稳安全风险指标，包括：
确定所述电力系统的最大负载量和稳定度，根据所述最大负载量和所述稳定度生成所述电力系统的电压失稳安全风险指标。
8.如权利要求1所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，包括：
根据如下电力调度风险概率算法和所述目标序列生成所述电力系统的综合风险概率：
其中，
表示电力调度运行安全风险发生的风险概率，
表示电力调度状态的最优适
应度，
表示电力调度状态的平均适应度，
表示所述电力调度风险指标所代表的序列
号，
表示预设故障集中的故障数目，
表示所述目标序列中电力调度风险指标的综合风
险概率。
9.如权利要求1至8中任一项所述的基于融合电力数据的电力调度风险预警方法，其特征在于，所述对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，包括：
利用如下编码公式对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列：
其中，
表示所述电力调度风险指标的指标序列，
表示所述电力调度风险指标的总个
数，
表示每个所述电力调度风险指标所代表的序列号，
表示风险状态函数，
表示电力
调度管理过程中同时运行的任务数。
10.一种基于融合电力数据的电力调度风险预警装置，其特征在于，所述装置包括：
规范化数据模块，用于获取电力系统的电力数据，对所述电力数据进行规范化处理，得到所述电力数据的规范数据；
融合数据模块，用于对所述规范数据进行融合处理，得到所述规范数据的融合电力数据；
指标模型模块，用于根据预设的电力调度指标算法和所述融合电力数据生成电力调度指标模型，利用所述电力调度指标模型生成所述电力系统的电力调度风险指标；
指标编码模块，用于对所述电力调度风险指标进行编码，得到所述电力调度风险指标的指标序列，对所述指标序列进行区域划分，得到所述指标序列的目标序列；
风险概率模块，用于根据所述目标序列和预设的电力调度风险概率算法确定所述电力系统的综合风险概率，根据所述电力调度风险概率生成所述电力系统的风险预警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310013044.7A CN115730749B (zh) | 2023-01-05 | 2023-01-05 | 基于融合电力数据的电力调度风险预警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310013044.7A CN115730749B (zh) | 2023-01-05 | 2023-01-05 | 基于融合电力数据的电力调度风险预警方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115730749A true CN115730749A (zh) | 2023-03-03 |
| CN115730749B CN115730749B (zh) | 2023-05-05 |
Family
ID=85301939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310013044.7A Active CN115730749B (zh) | 2023-01-05 | 2023-01-05 | 基于融合电力数据的电力调度风险预警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115730749B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116923168A (zh) * | 2023-06-21 | 2023-10-24 | 上海旋荣科技股份有限公司 | 基于变电站联网的充电桩电能调度系统及其调度方法 |
| CN117495114A (zh) * | 2024-01-03 | 2024-02-02 | 北京智盟信通科技有限公司 | 基于大数据分析的电力系统风险预测方法及系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101777766A (zh) * | 2010-03-03 | 2010-07-14 | 河南电力试验研究院 | 电网输电能力风险评估方法 |
| CN102737287A (zh) * | 2012-04-23 | 2012-10-17 | 中国电力科学研究院 | 一种地区电网在线供电风险评估系统 |
| CN103714491A (zh) * | 2013-12-16 | 2014-04-09 | 天津大学 | 一种基于风险的电网调度操作票最佳序列生成方法 |
| WO2014101636A1 (zh) * | 2012-12-31 | 2014-07-03 | 北京邮电大学 | 一种电力通信网风险评估方法 |
| CN104820953A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种配电网运行安全评估及报警系统 |
| CN105162117A (zh) * | 2015-09-11 | 2015-12-16 | 上海交通大学 | 一种智能配电网在线风险评估及安全预警的方法 |
| CN106655292A (zh) * | 2016-11-02 | 2017-05-10 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种特高压等级交直流混合电网稳定性分析方法 |
| CN106779407A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司杭州供电公司 | 一种基于数据池的电力数据融合方法 |
| CN106815674A (zh) * | 2016-12-07 | 2017-06-09 | 国网北京市电力公司 | 电力系统的风险评价方法及装置 |
| CN108805428A (zh) * | 2018-05-30 | 2018-11-13 | 南京南瑞继保电气有限公司 | 一种基于数据驱动的钢铁企业电力调度驾驶舱系统 |
| US20210126452A1 (en) * | 2019-10-25 | 2021-04-29 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for assessing reliability of electrical power transmission systems |
| CN114372596A (zh) * | 2022-03-21 | 2022-04-19 | 广东电网有限责任公司佛山供电局 | 一种基于数据融合的电力数据分析方法和系统 |
| CN115392372A (zh) * | 2022-08-24 | 2022-11-25 | 广东电网有限责任公司 | 一种电力数据处理方法、装置、介质以及电子设备 |
| CN115526738A (zh) * | 2022-11-09 | 2022-12-27 | 国网冀北电力有限公司计量中心 | 一种电力数据采集处理系统、方法、电子设备及存储介质 |
-
2023
- 2023-01-05 CN CN202310013044.7A patent/CN115730749B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101777766A (zh) * | 2010-03-03 | 2010-07-14 | 河南电力试验研究院 | 电网输电能力风险评估方法 |
| CN102737287A (zh) * | 2012-04-23 | 2012-10-17 | 中国电力科学研究院 | 一种地区电网在线供电风险评估系统 |
| WO2014101636A1 (zh) * | 2012-12-31 | 2014-07-03 | 北京邮电大学 | 一种电力通信网风险评估方法 |
| CN103714491A (zh) * | 2013-12-16 | 2014-04-09 | 天津大学 | 一种基于风险的电网调度操作票最佳序列生成方法 |
| CN104820953A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种配电网运行安全评估及报警系统 |
| CN105162117A (zh) * | 2015-09-11 | 2015-12-16 | 上海交通大学 | 一种智能配电网在线风险评估及安全预警的方法 |
| CN106655292A (zh) * | 2016-11-02 | 2017-05-10 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种特高压等级交直流混合电网稳定性分析方法 |
| CN106815674A (zh) * | 2016-12-07 | 2017-06-09 | 国网北京市电力公司 | 电力系统的风险评价方法及装置 |
| CN106779407A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司杭州供电公司 | 一种基于数据池的电力数据融合方法 |
| CN108805428A (zh) * | 2018-05-30 | 2018-11-13 | 南京南瑞继保电气有限公司 | 一种基于数据驱动的钢铁企业电力调度驾驶舱系统 |
| US20210126452A1 (en) * | 2019-10-25 | 2021-04-29 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for assessing reliability of electrical power transmission systems |
| CN114372596A (zh) * | 2022-03-21 | 2022-04-19 | 广东电网有限责任公司佛山供电局 | 一种基于数据融合的电力数据分析方法和系统 |
| CN115392372A (zh) * | 2022-08-24 | 2022-11-25 | 广东电网有限责任公司 | 一种电力数据处理方法、装置、介质以及电子设备 |
| CN115526738A (zh) * | 2022-11-09 | 2022-12-27 | 国网冀北电力有限公司计量中心 | 一种电力数据采集处理系统、方法、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 卢人杰: "基于大数据的电力调度运行安全风险预警算法研究" * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116923168A (zh) * | 2023-06-21 | 2023-10-24 | 上海旋荣科技股份有限公司 | 基于变电站联网的充电桩电能调度系统及其调度方法 |
| CN116923168B (zh) * | 2023-06-21 | 2024-04-26 | 上海旋荣科技股份有限公司 | 基于变电站联网的充电桩电能调度系统及其调度方法 |
| CN117495114A (zh) * | 2024-01-03 | 2024-02-02 | 北京智盟信通科技有限公司 | 基于大数据分析的电力系统风险预测方法及系统 |
| CN117495114B (zh) * | 2024-01-03 | 2024-03-22 | 北京智盟信通科技有限公司 | 基于大数据分析的电力系统风险预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115730749B (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
| CN101179195B (zh) | 配电网规划方案辅助决策系统 | |
| CN110807550B (zh) | 基于神经网络的配变重过载识别预警方法及终端设备 | |
| CN106570778A (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| CN113189451A (zh) | 配电网故障定位研判方法、系统、计算机设备和存储介质 | |
| CN111552686B (zh) | 一种电力数据质量评估方法及其装置 | |
| CN116500385B (zh) | 输电网监测校验方法、装置、设备和介质 | |
| CN114548800A (zh) | 基于电网知识图谱的未来态电网检修风险辨识方法及装置 | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
| CN113850017A (zh) | 一种基于潮流变化图谱的系统级故障分析系统及方法 | |
| 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 | |
| CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
| Liu et al. | The design and implementation of the enterprise level data platform and big data driven applications and analytics | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| CN115935201A (zh) | 一种针对重点应急装备gps及电气量数据采集的监测方法以及装置 | |
| CN114743703A (zh) | 核电站机组的可靠性分析方法、装置、设备和存储介质 | |
| CN113052250A (zh) | 基于气象灾害决策支持方法、系统、装置及介质 | |
| Lyu et al. | Two-Stage stochastic coordinated scheduling of integrated gas-electric distribution systems considering network reconfiguration | |
| CN117955245B (zh) | 电网的运行状态的确定方法、装置、存储介质和电子设备 | |
| CN112736878B (zh) | 一种电网连锁故障告警方法及系统 | |
| CN115544276B (zh) | 计量装置知识图谱构建方法和计量装置档案核查方法 | |
| CN116596405B (zh) | 纯数据驱动的电力系统分析方法及系统 | |
| Qian et al. | Architecture and business model of power grid marketing and distribution integration system based on middle platform technology | |
| Xue et al. | State evaluation method of distribution equipment based on health index in big data environment | |
| Xi et al. | Research on Cloud Security Power Grid Model Simulation System Based on Computer Big Data Technology |
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 |