CN115775047A - 一种区域电力供需分析预测方法、系统及存储介质 - Google Patents
一种区域电力供需分析预测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115775047A CN115775047A CN202211558463.0A CN202211558463A CN115775047A CN 115775047 A CN115775047 A CN 115775047A CN 202211558463 A CN202211558463 A CN 202211558463A CN 115775047 A CN115775047 A CN 115775047A
- Authority
- CN
- China
- Prior art keywords
- power supply
- value
- equipment terminal
- demand
- data
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000012423 maintenance Methods 0.000 claims abstract description 47
- 230000005611 electricity Effects 0.000 claims abstract description 43
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims 1
- 238000013024 troubleshooting Methods 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域电力供需分析预测方法、系统及存储介质，涉及电力系统规划技术领域，包括：获得历史用电需求数据；进行分析获得用电需求标准数据；计算用电需求预测值；计算各个供电节点的供电设备终端的需求运行数据；计算供电设备终端的故障风险值；判断供电设备终端的故障风险值是否大于预设的风险阈值；计算供电节点的运行指数；计算取每个供电节点的维护优先值；按照供电节点的维护优先值为每个供电节点进行维护优先级排序。本发明的优点在于：依据预测出的分析时间段内的用电需求预测值，进行供电节点的维护优先级计算，为工作人员的风险排查维护提供精准化数据支持，可实现精准化的进行供电节点维护，保障区域用电需求。
Description
技术领域
本发明涉及电力系统规划技术领域，具体是涉及一种区域电力供需分析预测方法、系统及存储介质。
背景技术
电力系统由发电、供电(输电、变电、配电)、用电设施以及为保障其正常运行所需的调节控制及继电保护和安全自动装置、计量装置、调度自动化、电力通信等二次设施构成的统一整体。
为满足各地区国民经济日益增长的用电需要，建立一个便于电能生产与消费的集中管理、统一调度和分配，减少总装机容量，节省动力设施投资，且有利于地区能源资源的合理开发利用的电力网络系统是至关重要的，而为保障区域用电需求，对供电线路上各个供电节点的维护是十分必要的，尤其是在区域用电峰值期，如节假日，大型活动期间，保证电力系统的稳定供电是至关重要的，而现有技术由于缺乏针对于区域用电峰值期各供电节点的风险分析预测，导致无法精准的进行供电节点维护，难以发现区域电力线路中的隐藏故障风险点，导致区域电力需求无法得到满足。
发明内容
为解决上述技术问题，提供一种区域电力供需分析预测方法、系统及存储介质，本技术方案解决了上述的现有技术由于缺乏针对于区域用电峰值期各供电节点的风险分析预测，导致无法精准的进行供电节点维护，难以发现区域电力线路中的隐藏故障风险点，导致区域电力需求无法得到满足的问题。
为达到以上目的，本发明采用的技术方案为：
一种区域电力供需分析预测方法，包括：
确定目标区域的预测分析时间段，从数据库中调取目标区域在预测分析时间段的历史用电数据，获得历史用电需求数据；
对历史用电需求数据进行分析，基于峰度检验法对历史用电需求数据进行处理，剔除其中的异常值，获得用电需求标准数据；
根据用电需求标准数据进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值；
根据用电需求预测值计算供电线路上各个供电节点的供电设备终端的需求运行数据；
根据供电设备终端的需求运行数据和供电设备终端的状态数据进行供电设备终端的故障风险值计算，获得供电设备终端的故障风险值；
判断供电设备终端的故障风险值是否大于预设的风险阈值，若是，则判定为供电设备终端的故障风险高，若否，则判定为供电设备终端的故障风险低；
对于故障风险高的供电设备终端，获取该供电设备终端对供电节点的重要权值，根据供电节点中所有故障风险高的供电设备终端的故障风险值和供电设备终端对供电节点重要权值进行计算供电节点的运行指数；
获取每个供电节点的重要系数，根据供电节点的重要系数的和供电节点的运行指数进行供电节点的维护优先值计算，获取每个供电节点的维护优先值；
按照供电节点的维护优先值为每个供电节点进行维护优先级排序，其中，所述供电节点的维护优先值越大，其维护优先级越高；
按照维护优先级对目标区域的供电节点的供电设备终端进行设备升级或维护。
优选的，所述用电需求标准数据的获取方法具体包括：
将历史用电需求数据按照从小到大的顺序进行排列；
确定检出水平，并根据检出水平确定峰度检验的临界值；
基于峰度检验公式计算每一个历史用电需求数据的峰度观测值；
判断历史用电需求数据的峰度观测值是否大于峰度检验的临界值，若是，则判定该点为异常点，若否，则判定该点为非异常点；
剔除历史用电需求数据中的所有异常点，得到用电需求标准数据；
其中，所述历史用电需求数据的峰度观测值的计算公式为：
式中，bk(n)为按照从小到大的排序数排列在第n位的历史用电需求数据的峰度观测值，n为历史用电需求数据按照从小到大的排序数，xi为按照从小到大的顺序排列在n之前的历史用电需求数据，
为所有历史用电需求数据的平均值。
优选的，所述用电需求预测值的计算公式为：
式中，P为用电需求预测值，m为用电需求标准数据个数，x’i为用电需求标准数据。
优选的，所述供电设备终端的故障风险值的计算步骤具体包括：
建立故障风险值预测模型，所述故障风险值预测模型的表达式为：
式中，G为故障风险值预测值，M为供电设备终端的异常运行值，L为供电设备终端的服役时长，α、β1和β2均为故障风险值预测模型的系数；
求解故障风险值预测模型的系数；
根据供电设备终端的需求运行数据确定供电设备终端的异常运行值；
将供电设备终端的异常运行值和供电设备终端的服役时长代入故障风险值预测模型中，得出供电设备终端的故障风险值。
优选的，所述供电设备终端的异常运行值的确定方法为：
判断供电设备终端的需求运行数据是否小于供电设备终端的额定运行数据，若是，则供电设备终端的异常运行值为0，若否，则按照异常运行值计算公式进行计算，所述异常运行值计算公式为：
式中，U为供电设备终端的需求运行数据，U0为供电设备终端的额定运行数据，T为供电设备终端在需求运行数据下的运行时间。
优选的，所述供电节点的运行指数的计算模型表达式为：
式中，K为供电节点的运行指数；S为供电节点中的故障风险高的供电设备终端个数，μj为第j个供电设备终端对供电节点的重要权值，Gj为第j个供电设备终端的故障风险值预测值。
优选的，所述供电节点的重要系数的获取方法为：
按照供电优先级为供电线路上的末端供电节点进行重要系数赋值；
获取每个供电节点的子节点的重要系数；
供电节点的所有子节点的重要系数之和为该供电节点的重要系数。
优选的，所述供电节点的维护优先值计算表达式为：
H＝σ×K
式中，H为供电节点的维护优先值，σ为供电节点的重要系数，K为供电节点的运行指数。
进一步的，提出一种区域电力供需分析预测系统，用于实现如上述的区域电力供需分析预测方法，包括：
处理器，处理器用于进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值、进行供电设备终端的故障风险值计算、进行计算供电节点的运行指数、为每个供电节点进行维护优先级排序；
存储器，存储器与所述处理器相耦合，存储器用于存储历史用电数据和供电设备终端的状态数据；
输入输出模块，输入输出模块与所述处理器电性连接，所述输入输出模块用于输入供电设备终端对供电节点的重要权值、输入供电线路上的末端供电节点的重要系数、输出供电节点的维护优先级。
再进一步的，提出一种计算机可读存储介质，其上存储有计算机可读程序，所述计算机可读程序被调用时执行如上述的区域电力供需分析预测方法。
与现有技术相比，本发明的有益效果在于：
本发明提出一种基于区域用电需求预测的供电节点的故障风险预测方案，依据预测出的分析时间段内的用电需求预测值，计算出各供电节点中的供电设备终端的需求运行数据，并进行供电设备终端的故障风险预测，同时依据供电节点中的供电设备的风险预测供电节点的运行指数，并依据供电节点的重要系数和供电节点的运行指数进行排序出供电节点的维护优先级，此方案可以精准高效的分析预测出区域用电峰值期各供电节点的故障风险，进而为工作人员的风险排查维护提供精准化数据支持，可实现精准化的进行供电节点维护，消除区域电力线路中的隐藏故障风险点，极大的保证了区域用电需求。
附图说明
图1为本发明中的区域电力供需分析预测系统结构框图；
图2为本发明中的区域电力供需分析预测方法流程图；
图3为本发明中的用电需求标准数据的获取方法流程图；
图4为本发明中的供电设备终端的故障风险值的计算方法流程图；
图5为本发明中的供电设备终端的异常运行值的确定方法流程图；
图6为本发明中的电力节点连接示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
参照图1所示，一种区域电力供需分析预测系统，包括：
处理器，处理器用于进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值、进行供电设备终端的故障风险值计算、进行计算供电节点的运行指数、为每个供电节点进行维护优先级排序；
存储器，存储器与所述处理器相耦合，存储器用于存储历史用电数据和供电设备终端的状态数据；
输入输出模块，输入输出模块与所述处理器电性连接，所述输入输出模块用于输入供电设备终端对供电节点的重要权值、输入供电线路上的末端供电节点的重要系数、输出供电节点的维护优先级。
上述区域电力供需分析预测系统的工作流程为：
步骤一：处理器从存储器中调取目标区域在预测分析时间段的历史用电数据，并剔除其中的异常值；
步骤二：处理器根据预测分析时间段的历史用电数据进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值；
步骤三：处理器根据供电线路上各个供电节点连接状态，分析计算出供电线路上各个供电节点的供电设备终端的需求运行数据；
步骤四：处理器从存储器中调取各个供电节点的供电设备终端的状态数据，并根据根据供电设备终端的需求运行数据和供电设备终端的状态数据进行供电设备终端的故障风险值计算；
步骤五：通过输入输出模块输入供电设备终端对供电节点的重要权值，处理器进行计算供电节点的运行指数；
步骤六：通过输入输出模块输入供电线路上的末端供电节点的重要系数，处理器根据供电线路上各个供电节点连接状态，计算出每个供电节点的重要系数；
步骤七：处理器进行进行计算供电节点的运行指数，并按照供电节点的维护优先值为为每个供电节点进行维护优先级排序；
步骤八：输入输出模块以可视化信号输出供电节点的维护优先级。
请参阅图2所示，为进一步的说明本方案，以下结合上述区域电力供需分析预测系统提出一种区域电力供需分析预测方法，包括：
确定目标区域的预测分析时间段，从数据库中调取目标区域在预测分析时间段的历史用电数据，获得历史用电需求数据；
对历史用电需求数据进行分析，基于峰度检验法对历史用电需求数据进行处理，剔除其中的异常值，获得用电需求标准数据；
根据用电需求标准数据进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值；
根据用电需求预测值计算供电线路上各个供电节点的供电设备终端的需求运行数据；
根据供电设备终端的需求运行数据和供电设备终端的状态数据进行供电设备终端的故障风险值计算，获得供电设备终端的故障风险值；
判断供电设备终端的故障风险值是否大于预设的风险阈值，若是，则判定为供电设备终端的故障风险高，若否，则判定为供电设备终端的故障风险低；
对于故障风险高的供电设备终端，获取该供电设备终端对供电节点的重要权值，根据供电节点中所有故障风险高的供电设备终端的故障风险值和供电设备终端对供电节点重要权值进行计算供电节点的运行指数；
获取每个供电节点的重要系数，根据供电节点的重要系数的和供电节点的运行指数进行供电节点的维护优先值计算，获取每个供电节点的维护优先值；
按照供电节点的维护优先值为每个供电节点进行维护优先级排序，其中，所述供电节点的维护优先值越大，其维护优先级越高；
按照维护优先级对目标区域的供电节点的供电设备终端进行设备升级或维护。
依据预测出的分析时间段内的用电需求预测值，计算出各供电节点中的供电设备终端的需求运行数据，并进行供电设备终端的故障风险预测，同时依据供电节点中的供电设备的风险预测供电节点的运行指数，并依据供电节点的重要系数和供电节点的运行指数进行排序出供电节点的维护优先级，为工作人员的风险排查维护提供精准化数据支持，实现电力线路的高效维护，保障区域用电需求峰值期的供电稳定性。
请参阅图3所示，所述用电需求标准数据的获取方法具体包括：
将历史用电需求数据按照从小到大的顺序进行排列；
确定检出水平，并根据检出水平确定峰度检验的临界值；
基于峰度检验公式计算每一个历史用电需求数据的峰度观测值；
判断历史用电需求数据的峰度观测值是否大于峰度检验的临界值，若是，则判定该点为异常点，若否，则判定该点为非异常点；
剔除历史用电需求数据中的所有异常点，得到用电需求标准数据；
其中，所述历史用电需求数据的峰度观测值的计算公式为：
式中，bk(n)为按照从小到大的排序数排列在第n位的历史用电需求数据的峰度观测值，n为历史用电需求数据按照从小到大的排序数，xi为按照从小到大的顺序排列在n之前的历史用电需求数据，
为所有历史用电需求数据的平均值。
通过峰度检验法，对用电需求历史数据进行异常点剔除，可有效的效降低用电需求历史数据中存在的干扰变量对计算预测结果的影响，保留的数据可以更加真实的反应区域电力需求情况，为后续的用电需求预测值计算提供了精准的数据支撑，保证了后续分析预测结果的精准度。
所述用电需求预测值的计算公式为：
式中，P为用电需求预测值，m为用电需求标准数据个数，x’i为用电需求标准数据。
本方案中，针对于用电需求预测值的计算采用用电需求标准数据为数据支撑，并在计算时，采用用电需求预测分布中的最大值作为用电需求预测值，可保证预测结果能够满足目标区域在预测分析时间段内的用电需求。
请参阅图4所示，所述供电设备终端的故障风险值的计算步骤具体包括：
建立故障风险值预测模型，所述故障风险值预测模型的表达式为：
式中，G为故障风险值预测值，M为供电设备终端的异常运行值，L为供电设备终端的服役时长，α、β1和β2均为故障风险值预测模型的系数；
求解故障风险值预测模型的系数；
根据供电设备终端的需求运行数据确定供电设备终端的异常运行值；
将供电设备终端的异常运行值和供电设备终端的服役时长代入故障风险值预测模型中，得出供电设备终端的故障风险值。
请参阅图5所示，所述供电设备终端的异常运行值的确定方法为：
判断供电设备终端的需求运行数据是否小于供电设备终端的额定运行数据，若是，则供电设备终端的异常运行值为0，若否，则按照异常运行值计算公式进行计算，所述异常运行值计算公式为：
式中，U为供电设备终端的需求运行数据，U0为供电设备终端的额定运行数据，T为供电设备终端在需求运行数据下的运行时间。
本方案提出的故障风险值预测模型是基于Logistic回归模型原理建立的，建立故障风险预测模型，Logistic回归模型是一种广义的线性回归分析模型，常用于数据挖掘，结果预测等领域；
本方案提出的故障风险值预测模型通过对供电设备终端在预测分析时间段内所需要实现的运行数据和供电设备终端自身的服役时长进行综合评判该供电力设备终端在预测分析时间段内发生故障的概率，可快速准确的进行电力设备终端的故障预测；
本方案中，对于异常运行值的确定，当供电设备终端的需求运行数据小于供电设备终端的额定运行数据时，此时的供电设备终端处于正常运行状态，则对异常运行值赋0值，此时只需根据供电设备终端自身的服役时长进行故障风险预测。
所述供电节点的运行指数的计算模型表达式为：
式中，K为供电节点的运行指数；S为供电节点中的故障风险高的供电设备终端个数，μj为第j个供电设备终端对供电节点的重要权值，Gj为第j个供电设备终端的故障风险值预测值。
所述供电节点的重要系数的获取方法为：
按照供电优先级为供电线路上的末端供电节点进行重要系数赋值；
获取每个供电节点的子节点的重要系数；
供电节点的所有子节点的重要系数之和为该供电节点的重要系数。
请参阅图6所示，在进行供电节点的重要系数确定中，首先需要根据末端供电节点，即图6中的3级节点对应的工作状态，对所有的3级节点进行重要系数赋值，2级节点的重要系数即为所有作为其子节点的3级节点的重要系数之和，1级节点的重要系数即为所有作为其子节点的2级节点的重要系数之和；
需要说明的是，图6仅仅为展示本方案中的重要系数计算原理，其并不构成对本方案的限制，本领域的技术人员在不脱离本方案的基础上，任可对其他形式的电力节点连接关系线路进行重要系数确定；
可以理解的是，对于1级节点和2级节点，其发生故障时，区域电力线路系统受影响的范围越大，因此对于1级节点和2级节点的重要系数根据其自身的子节点数进行确定。
进一步的，提出提出一种计算机可读存储介质，其上存储有计算机可读程序，所述计算机可读程序被调用时执行如上述的区域电力供需分析预测方法；
可以理解的是，存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，DVD；或者半导体介质例如固态硬盘SolidStateDisk，SSD等。
综上所述，本发明的优点在于：依据预测出的分析时间段内的用电需求预测值，进行供电节点的维护优先级计算，为工作人员的风险排查维护提供精准化数据支持，可实现精准化的进行供电节点维护，保障区域用电需求。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (10)
1.一种区域电力供需分析预测方法，其特征在于，包括：
确定目标区域的预测分析时间段，从数据库中调取目标区域在预测分析时间段的历史用电数据，获得历史用电需求数据；
对历史用电需求数据进行分析，基于峰度检验法对历史用电需求数据进行处理，剔除其中的异常值，获得用电需求标准数据；
根据用电需求标准数据进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值；
根据用电需求预测值计算供电线路上各个供电节点的供电设备终端的需求运行数据；
根据供电设备终端的需求运行数据和供电设备终端的状态数据进行供电设备终端的故障风险值计算，获得供电设备终端的故障风险值；
判断供电设备终端的故障风险值是否大于预设的风险阈值，若是，则判定为供电设备终端的故障风险高，若否，则判定为供电设备终端的故障风险低；
对于故障风险高的供电设备终端，获取该供电设备终端对供电节点的重要权值，根据供电节点中所有故障风险高的供电设备终端的故障风险值和供电设备终端对供电节点重要权值进行计算供电节点的运行指数；
获取每个供电节点的重要系数，根据供电节点的重要系数的和供电节点的运行指数进行供电节点的维护优先值计算，获取每个供电节点的维护优先值；
按照供电节点的维护优先值为每个供电节点进行维护优先级排序，其中，所述供电节点的维护优先值越大，其维护优先级越高；
按照维护优先级对目标区域的供电节点的供电设备终端进行设备升级或维护。
2.根据权利要求1所述的一种区域电力供需分析预测方法，其特征在于，所述用电需求标准数据的获取方法具体包括：
将历史用电需求数据按照从小到大的顺序进行排列；
确定检出水平，并根据检出水平确定峰度检验的临界值；
基于峰度检验公式计算每一个历史用电需求数据的峰度观测值；
判断历史用电需求数据的峰度观测值是否大于峰度检验的临界值，若是，则判定该点为异常点，若否，则判定该点为非异常点；
剔除历史用电需求数据中的所有异常点，得到用电需求标准数据；
其中，所述历史用电需求数据的峰度观测值的计算公式为：
式中，bk(n)为按照从小到大的排序数排列在第n位的历史用电需求数据的峰度观测值，n为历史用电需求数据按照从小到大的排序数，xi为按照从小到大的顺序排列在n之前的历史用电需求数据，
为所有历史用电需求数据的平均值。
3.根据权利要求2所述的一种区域电力供需分析预测方法，其特征在于，所述用电需求预测值的计算公式为：
式中，P为用电需求预测值，m为用电需求标准数据个数，x’ i为用电需求标准数据。
4.根据权利要求1所述的一种区域电力供需分析预测方法，其特征在于，所述供电设备终端的故障风险值的计算步骤具体包括：
建立故障风险值预测模型，所述故障风险值预测模型的表达式为：
式中，G为故障风险值预测值，M为供电设备终端的异常运行值，L为供电设备终端的服役时长，α、β1和β2均为故障风险值预测模型的系数；
求解故障风险值预测模型的系数；
根据供电设备终端的需求运行数据确定供电设备终端的异常运行值；
将供电设备终端的异常运行值和供电设备终端的服役时长代入故障风险值预测模型中，得出供电设备终端的故障风险值。
5.根据权利要求4所述的一种区域电力供需分析预测方法，其特征在于，所述供电设备终端的异常运行值的确定方法为：
判断供电设备终端的需求运行数据是否小于供电设备终端的额定运行数据，若是，则供电设备终端的异常运行值为0，若否，则按照异常运行值计算公式进行计算，所述异常运行值计算公式为：
式中，U为供电设备终端的需求运行数据，U0为供电设备终端的额定运行数据，T为供电设备终端在需求运行数据下的运行时间。
6.根据权利要求1所述的一种区域电力供需分析预测方法，其特征在于，所述供电节点的运行指数的计算模型表达式为：
式中，K为供电节点的运行指数；S为供电节点中的故障风险高的供电设备终端个数，μj为第j个供电设备终端对供电节点的重要权值，Gj为第j个供电设备终端的故障风险值预测值。
7.根据权利要求6所述的一种区域电力供需分析预测方法，其特征在于，所述供电节点的重要系数的获取方法为：
按照供电优先级为供电线路上的末端供电节点进行重要系数赋值；
获取每个供电节点的子节点的重要系数；
供电节点的所有子节点的重要系数之和为该供电节点的重要系数。
8.根据权利要求7所述一种区域电力供需分析预测方法，其特征在于，所述供电节点的维护优先值计算表达式为：
H＝σ×K
式中，H为供电节点的维护优先值，σ为供电节点的重要系数，K为供电节点的运行指数。
9.一种区域电力供需分析预测系统，用于实现如权利要求1-8任一项所述的区域电力供需分析预测方法，其特征在于，包括：
处理器，处理器用于进行计算预测目标区域的在确定的预测分析时间段内的用电需求预测值、进行供电设备终端的故障风险值计算、进行计算供电节点的运行指数、为每个供电节点进行维护优先级排序；
存储器，存储器与所述处理器相耦合，存储器用于存储历史用电数据和供电设备终端的状态数据；
输入输出模块，输入输出模块与所述处理器电性连接，所述输入输出模块用于输入供电设备终端对供电节点的重要权值、输入供电线路上的末端供电节点的重要系数、输出供电节点的维护优先级。
10.一种计算机可读存储介质，其上存储有计算机可读程序，其特征在于，所述计算机可读程序被调用时执行如权利要求1-8任一项所述的区域电力供需分析预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211558463.0A CN115775047A (zh) | 2022-12-06 | 2022-12-06 | 一种区域电力供需分析预测方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211558463.0A CN115775047A (zh) | 2022-12-06 | 2022-12-06 | 一种区域电力供需分析预测方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115775047A true CN115775047A (zh) | 2023-03-10 |
Family
ID=85391559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211558463.0A Pending CN115775047A (zh) | 2022-12-06 | 2022-12-06 | 一种区域电力供需分析预测方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115775047A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117709717A (zh) * | 2023-12-13 | 2024-03-15 | 北京浩然五洲软件技术有限公司 | 一种电力计量数据的安全风险评估方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108375715A (zh) * | 2018-03-08 | 2018-08-07 | 中国电力科学研究院有限公司 | 一种配电网线路故障风险日预测方法及系统 |
| CN109921417A (zh) * | 2019-03-20 | 2019-06-21 | 国网浙江省电力有限公司嵊泗县供电公司 | 基于bpnn的检修需求指数分析最优停电检修方法 |
| CN112465353A (zh) * | 2020-11-27 | 2021-03-09 | 华能华家岭风力发电有限公司 | 一种丘陵风电场维检任务智能调度方法 |
| CN113722655A (zh) * | 2021-07-23 | 2021-11-30 | 广东电网有限责任公司广州供电局 | 一种基于风险评估的电力设备检修策略优化方法和系统 |
| CN114139946A (zh) * | 2021-11-30 | 2022-03-04 | 广东电网有限责任公司 | 一种输电线路的风险评估方法、系统、设备和介质 |
| CN115081883A (zh) * | 2022-06-24 | 2022-09-20 | 广西电网有限责任公司电力科学研究院 | 一种适用于配电网的运行风险评估方法及系统 |
| CN115333062A (zh) * | 2022-10-12 | 2022-11-11 | 国网浙江省电力有限公司宁波供电公司 | 一种配电网系统的故障处理方法及装置 |
| CN115425764A (zh) * | 2022-11-04 | 2022-12-02 | 广州泓盈信息科技有限公司 | 一种电力系统智能网络风险实时监控方法、系统及存储介质 |
-
2022
- 2022-12-06 CN CN202211558463.0A patent/CN115775047A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108375715A (zh) * | 2018-03-08 | 2018-08-07 | 中国电力科学研究院有限公司 | 一种配电网线路故障风险日预测方法及系统 |
| CN109921417A (zh) * | 2019-03-20 | 2019-06-21 | 国网浙江省电力有限公司嵊泗县供电公司 | 基于bpnn的检修需求指数分析最优停电检修方法 |
| CN112465353A (zh) * | 2020-11-27 | 2021-03-09 | 华能华家岭风力发电有限公司 | 一种丘陵风电场维检任务智能调度方法 |
| CN113722655A (zh) * | 2021-07-23 | 2021-11-30 | 广东电网有限责任公司广州供电局 | 一种基于风险评估的电力设备检修策略优化方法和系统 |
| CN114139946A (zh) * | 2021-11-30 | 2022-03-04 | 广东电网有限责任公司 | 一种输电线路的风险评估方法、系统、设备和介质 |
| CN115081883A (zh) * | 2022-06-24 | 2022-09-20 | 广西电网有限责任公司电力科学研究院 | 一种适用于配电网的运行风险评估方法及系统 |
| CN115333062A (zh) * | 2022-10-12 | 2022-11-11 | 国网浙江省电力有限公司宁波供电公司 | 一种配电网系统的故障处理方法及装置 |
| CN115425764A (zh) * | 2022-11-04 | 2022-12-02 | 广州泓盈信息科技有限公司 | 一种电力系统智能网络风险实时监控方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 陈鸿飞: "《柔性直流输电现场实用技术问答》", 机械工业出版社, pages: 185 - 186 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117709717A (zh) * | 2023-12-13 | 2024-03-15 | 北京浩然五洲软件技术有限公司 | 一种电力计量数据的安全风险评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114819415B (zh) | 一种基于数据分析的电力设备故障预测系统 | |
| CN116187593B (zh) | 一种配电网故障预测处理方法、装置、设备、存储介质 | |
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| CN114915546B (zh) | 一种停电用户定位方法、装置、设备、介质 | |
| CN115730864A (zh) | 基于物联网的智能能源管理平台 | |
| CN115775047A (zh) | 一种区域电力供需分析预测方法、系统及存储介质 | |
| CN111049193A (zh) | 一种风电系统多调度场景的备用需求动态评估方法 | |
| CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
| CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
| CN112713594B (zh) | 一种微电网仿真控制系统 | |
| CN112098715B (zh) | 基于5g和修正gcn图神经网络的电能监控与预警系统 | |
| CN117833360A (zh) | 基于分布式架构的构网型变流器控制方法及系统 | |
| CN112036718A (zh) | 一种考虑新能源不确定性的电力系统安全风险评估方法 | |
| CN115494347A (zh) | 台区用电异常用户确认方法、装置、设备及存储介质 | |
| CN114156865B (zh) | 一种考虑状态感知的低压配电网拓扑生成及故障预测方法 | |
| CN114282683A (zh) | 一种光伏电站组件的预警方法及系统 | |
| CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
| CN116345460B (zh) | 一种电力系统智能精准化电力分配方法、系统及存储介质 | |
| CN111369172A (zh) | 电力系统负荷保电控制方法、系统、设备和存储介质 | |
| CN115795913A (zh) | 配电网电压薄弱环节的分析诊断方法、装置、设备及介质 | |
| CN113300353B (zh) | 一种考虑n-1可靠性的电网分区负荷裕度计算方法及装置 | |
| CN115275985A (zh) | 供电网负荷均衡调度方法、装置、电子设备和介质 | |
| CN117318291A (zh) | 一种分布式光伏场站智能化管理系统及方法 | |
| CN115660632A (zh) | 一种考虑时变可靠度的配电终端状态自评价方法和装置 | |
| CN113726583A (zh) | 一种基于fsm模型的远动机通讯状态判断方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230310 |