CN115936448B - 一种基于大数据的城市配电网电力评估系统及方法 - Google Patents
一种基于大数据的城市配电网电力评估系统及方法 Download PDFInfo
- Publication number
- CN115936448B CN115936448B CN202310101746.0A CN202310101746A CN115936448B CN 115936448 B CN115936448 B CN 115936448B CN 202310101746 A CN202310101746 A CN 202310101746A CN 115936448 B CN115936448 B CN 115936448B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- power
- fault
- score
- standard
- 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.)
- Active
Links
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)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明属于电力系统评估技术领域，具体涉及一种基于大数据的城市配电网电力评估系统及方法，该发明本发明能够基于相邻位次的历史用电数据的偏差值，将历史用电数据分为多个评估集，而后再计算多个评估集内故障的发生概率，并使用风险预估模型计算出下一个评价集中电力故障的预估发生概率，同样的，根据已发生的电力故障的发生原因和对电力系统的影响程度确定电力故障的综合故障得分，然后将二者一同输入至故障评估模型并导出电力系统的综合评估得分，最后根据综合评估得分判定电力系统的运行是否异常即可。
Description
技术领域
本发明属于电力系统评估技术领域，具体涉及一种基于大数据的城市配电网电力评估系统及方法。
背景技术
在城市配电网中，电力系统的稳定性决定着整个市区的用电是否异常，故而便需要对电力系统进行实时监测，并依据得到的监测数据进行评估，再根据评估结果来判断电力系统的运行是否存在异常，同时监管人员或者维护人员也能够根据评估结果作出相应的维保方案，保证城市配电网中的电力系统能够长期且稳定的方式运行。
电力系统在运行过程中，其所产生的损耗也是逐渐增加的，进而电力系统的运行会有阶段性的起伏性，在对电力系统进行评估时，传统的方式多是对电力系统所有的历史用电数据进行统一评估，缺乏针对电力系统损耗进行分析的过程，从而也就会导致电力系统的评估结果出现较大的误差，基于此，本方案提供了一种对电力系统历史用电数据阶段性分析且评估的方法。
发明内容
本发明的目的是提供一种基于大数据的城市配电网电力评估系统及方法，能够对历史用电数据进行分区处理，对不同运行阶段的历史用电数据进行分析，保证了对电力系统评估结果的准确性。
本发明采取的技术方案具体如下：
一种基于大数据的城市配电网电力评估方法，包括：
获取城市配电网中的电力信息；
从所述电力信息中获取历史用电数据，并将所述历史用电数据进行分区处理，得到多个评估集；
获取多个所述评估集首尾节点之间的时长，并标定为评估时长；
将所述评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率，并将电路故障的发生概率输入至风险预估模型，得到下一评估集中电力故障的预估发生概率；
获取所有电力故障的发生原因，并将所有电力故障的发生原因标定为电力运行风险指标；
获取各项所述电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项所述电力运行风险指标的综合故障得分；
将所述电力运行风险指标的综合故障得分以及电力故障的发生概率输入至故障评估模型中，得到电力系统的综合评估得分；
获取标准评估阈值，并与所述电力系统的综合评估得分相比较；
若所述电力系统的综合评估得分小于或等于标准评估阈值，则表明电力系统运行异常，并生成告警信号；
若所述电力系统的综合评估得分大于标准评估阈值，则表明电力系统运行正常。
在一种优选方案中，所述将所述历史用电数据进行分区处理，得到多个评估集的步骤，包括：
将所有历史用电数据按时间先后顺序进行排列；
对相邻位次的历史用电数据进行比较，得到多个偏差值；
获取标准评判阈值，并逐一与多个所述偏差值进行比较；
若所述标准评判阈值小于或等于偏差值，则表明相邻历史用电数据的起伏度不符合标准，并将此节点标定为待评估节点，且获取与待评估节点相邻的评估区间，再判断所述评估区间内偏差值的连续性；
若评估区间内的偏差值连续，则将所述待评估节点标定为分离点，并将分离点之前的历史用电数据构建为评估集；
若评估区间内的偏差值不连续，则将所述标准评判阈值继续比对下一位次的偏差值；
若所述标准评判阈值大于偏差值，则表明电力系统运行正常，且将所述标准评判阈值继续比对下一位次的偏差值。
在一种优选方案中，所述判断所述评估区间内偏差值的连续性的步骤，包括：
获取所述评估区间内的偏差值；
将所有所述偏差值分别与标准评判阈值进行逐一比较；
若所述标准评判阈值大于任意一个所述偏差值，则判定所述评估区间内的偏差值不连续；
若所有所述偏差值均大于或等于标准评判阈值，则判定所述评估区间内的偏差值连续。
在一种优选方案中，得到多个偏差值之后的步骤，包括：
将多个所述偏差值代入至趋势变化模型中，得到历史用电数据的偏离趋势值；
获取标准偏离值，并与所述偏离趋势值进行比对；
若所述偏离趋势值大于或者等于标准偏离值，则判定所述评估区间内的偏差值连续；
若所述偏离趋势值小于标准偏离值，则判定所述评估区间内的偏差值不连续。
在一种优选方案中，所述将所述评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率的步骤，包括：
获取每个评估集中的故障节点数量，以及评估节点的总量；
计算所述故障节点数量占评估节点总量的比例，得到每个评估集中电力故障的发生概率；
汇总所有所述评估集中电力故障的发生概率，并输入至风险预估模型，得到电力故障的预估发生概率。
在一种优选方案中，所述获取各项所述电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项所述电力运行风险指标的综合故障得分的步骤，包括：
从所述数据转化模型中获取评价得分；
获取各项所述电力系统的故障程度，并进行分级处理，得到每个故障节点的故障等级；
以所述故障等级为评价条件，确定每个故障等级的评价得分，并汇总为综合故障得分。
在一种优选方案中，所述将所述电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分的步骤，包括：
获取各项所述电力运行风险指标的综合故障得分和对应电力故障的预估发生概率；
从所述故障评估模型中获取目标函数；
将各项所述电力运行风险指标的故障得分和对应电力故障的预估发生概率代入至目标函数，得到电力系统的综合评估得分。
在一种优选方案中，判定所述电力系统的综合评估得分小于或等于标准评估阈值，并生成告警信号的步骤包括：
获取多级评估区间以及对应的告警等级，并与所述电力系统的综合评估得分相比较；
确定所述电力系统的综合评估得分对应的评估区间；
确定与评估区间对应的告警等级，并生成对应级别的告警信号。
本发明还提供了，一种基于大数据的城市配电网电力评估系统，应用于上述的基于大数据的城市配电网电力评估方法，包括：
第一获取模块，所述第一获取模块用于获取城市配电网中的电力信息；
分区模块，所述分区模块用于从所述电力信息中获取历史用电数据，并将所述历史用电数据进行分区处理，得到多个评估集；
第二获取模块，所述第二获取模块用于获取多个所述评估集首尾节点之间的时长，并标定为评估时长；
计算模块，所述计算模块用于将所述评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率，并将电路故障的发生概率输入至数据转化模型，得到下一评估集中电力故障的预估发生概率；
第三获取模块，所述第三获取模块用于获取所有电力故障的发生原因，并将所有电力故障的发生原因标定为电力运行风险指标；
数据转化模块，所述数据转化模块用于获取各项所述电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项所述电力运行风险指标的综合故障得分；
评估模块，所述评估模块用于将所述电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分；
判定模块，所述判定模块用于获取标准评估阈值，并与所述电力系统的综合评估得分相比较；
若所述电力系统的综合评估得分小于或等于标准评估阈值，则表明电力系统运行异常，并生成告警信号；
若所述电力系统的综合评估得分大于标准评估阈值，则表明电力系统运行正常。
以及，一种基于大数据的城市配电网电力评估终端，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于大数据的城市配电网电力评估方法。
本发明取得的技术效果为：
本发明能够基于相邻位次的历史用电数据的偏差值，将历史用电数据分为多个评估集，而后再计算多个评估集内故障的发生概率，并使用风险预估模型计算出下一个评价集中电力故障的预估发生概率，同样的，根据已发生的电力故障的发生原因和对电力系统的影响程度确定电力故障的综合故障得分，然后将二者一同输入至故障评估模型并导出电力系统的综合评估得分，最后根据综合评估得分判定电力系统的运行是否异常即可。
附图说明
图1是本发明的实施例所提供的方法流程示意图；
图2是本发明的实施例所提供的系统模块图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1和图2所示，本发明提供了一种基于大数据的城市配电网电力评估方法，包括：
S1、获取城市配电网中的电力信息；
S2、从电力信息中获取历史用电数据，并将历史用电数据进行分区处理，得到多个评估集；
S3、获取多个评估集首尾节点之间的时长，并标定为评估时长；
S4、将评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率，并将电路故障的发生概率输入至风险预估模型，得到下一评估集中电力故障的预估发生概率；
S5、获取所有电力故障的发生原因，并将所有电力故障的发生原因标定为电力运行风险指标；
S6、获取各项电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项电力运行风险指标的综合故障得分；
S7、将电力运行风险指标的综合故障得分以及电力故障的发生概率输入至故障评估模型中，得到电力系统的综合评估得分；
S8、获取标准评估阈值，并与电力系统的综合评估得分相比较；
若电力系统的综合评估得分小于或等于标准评估阈值，则表明电力系统运行异常，并生成告警信号；
若电力系统的综合评估得分大于标准评估阈值，则表明电力系统运行正常。
如上述步骤S1-S8所述，在城市配电网中，电力系统的稳定性决定着整个市区的用电是否异常，故而便需要对电力系统进行实时监测，并依据得到的监测数据进行评估，从而来判断电力系统的运行是否存在异常，本实施方式中，以已经获取的历史用电数据为评估依据，对电力系统进行评分处理，并依据其最终得分情况来确定是否发出告警信号来通知维修人员进行维护，首先，对历史用电数据进行分区处理，从而得到多个评估集，其分区依据是以相邻位次的历史用电数据的偏差值为基础，判断其偏差值是否存在连续性，从而减少因历史用电数据的起伏而导致的误差，进而便可得到多个评估集，基于这些评估集构建相应的评估时长，而后再等分为多个评估节点，需要补充的是，每个评估集的评估时长可能不相同，但是在确定评估节点时，相邻评估节点之间的时间段应当一致，进而后续在确定故障节点的发生概率时的评判依据具有一致性，在确定故障节点之后，便可统计每个故障的发生原因，每个故障发生时，故障发生原因可能并不相同，如电流或电压过载、供电线路损坏以及自然灾害的影响等，由此可见，每种故障对电力系统的影响程度也就不会相同，这些故障在发生之后，需要记录下故障原因，并将其确定为电力运行风险指标，当然，也可在电力系统建设初期，根据电力工作人员的经验判断进行预设，在电力系统运行期间发生与设置外的故障原因后，将其加入其中，作为评判电力系统综合得分的依据之一，同时根据各种故障的影响程度进行分级处理，便可得到多个故障等级，本实施方式采用数据转化模型，将不同程度的故障等级从文本数据转化为标准化的数字数据，再配合后续的故障评估模型，可以输出直观的数字数据，便于监管人员作出判断，在得出电力系统的综合评估得分之后，通过预设的标准评估阈值进行比对，判断电力系统的运行时否异常，并在电力系统被判定为异常的情况下，能够生成告警信号，从而监管人员以及维修人员能够及时的制定出相应的维护方案。
在一个较佳的实施方式中，将历史用电数据进行分区处理，得到多个评估集的步骤，包括：
S201、将所有历史用电数据按时间先后顺序进行排列；
S202、对相邻位次的历史用电数据进行比较，得到多个偏差值；
S203、获取标准评判阈值，并逐一与多个偏差值进行比较；
S204、若标准评判阈值小于或等于偏差值，则表明相邻历史用电数据的起伏度不符合标准，并将此节点标定为待评估节点，且获取与待评估节点相邻的评估区间，再判断评估区间内偏差值的连续性；
若评估区间内的偏差值连续，则将待评估节点标定为分离点，并将分离点之前的历史用电数据构建为评估集；
若评估区间内的偏差值不连续，则将标准评判阈值继续比对下一位次的偏差值；
S205、若标准评判阈值大于偏差值，则表明电力系统运行正常，且将标准评判阈值继续比对下一位次的偏差值。
如上述步骤S201-S205所述，历史用电数据包括电压数据、电流数据、用电设备输出功率等，在对相邻位次的历史用电数据进行比较时，均是独立执行的，进而可以得到多个偏差值，从而在设定标准评判阈值时，也需要根据不同的历史用电数据进行设定，只要其中存在任意一项偏差值大于标准评判阈值的情况，就判定为其不符合标准，而后在根据偏差值的连续性进行进一步的判断，确定历史用电数据的分离点，基于此便可得到多个评估集，在此，需要说明的是，在判断偏差值连续性时需要设定相应的评估区间，例如，评估区间内设定有5个评估节点，这5个评估节点下的偏差值均大于标准评判阈值，则表明偏差值连续，反之，这5个评估节点下的偏差值存在任意小于标准评判阈值的情况，则表明偏差值不连续，判定其为电力系统历史用电数据的正常起伏，当然，评估区间内设定的评估节点的数量还需要根据实际情况进行设置，在此就不加以具体的限制。
在一个较佳的实施方式中，判断评估区间内偏差值的连续性的步骤，包括：
S206、获取评估区间内的偏差值；
S207、将所有偏差值分别与标准评判阈值进行逐一比较；
若标准评判阈值大于任意一个偏差值，则判定评估区间内的偏差值不连续；
若所有偏差值均大于或等于标准评判阈值，则判定评估区间内的偏差值连续。
如上述步骤S206-S207所述，获取评估区间内的偏差值时，按照评估节点的先后顺序逐一获取，在获取到偏差值之后，立即与标准评判阈值进行比较，若是该偏差值大于或等于标准评判阈值，则继续获取下一评估节点的偏差值，而若是偏差值小于标准评估阈值，则说明此情况为电力系统历史用电数据的正常起伏，并且停止获取下一评估节点的偏差值，从而便可相应的减少电力系统评估过程中的计算量。
在一个较佳的实施方式中，得到多个偏差值之后的步骤，包括：
S208、将多个偏差值代入至趋势变化模型中，得到历史用电数据的偏离趋势值；
S209、获取标准偏离值，并与偏离趋势值进行比对；
若偏离趋势值大于或者等于标准偏离值，则判定评估区间内的偏差值连续；
若偏离趋势值小于标准偏离值，则判定评估区间内的偏差值不连续。
如上述步骤S208-S209所述，趋势变化模型中的标准函数为：
式中，Q表示历史用电数据的偏离趋势值，n表示偏差值的总数量，Pi表示区间1～n中的偏差值，需要补充的是，此处参与运算的偏差值均大于或等于标准评判阈值，基于此便可得到相邻评估节点下的偏离趋势值，偏离趋势值大于或等于标准偏离值时，即表明偏差值连续，在此情况下，若是检测到下一评估节点的偏差值小于标准偏差阈值，则舍弃此评估节点下的偏差值，并继续获取下一评估节点下的偏差值，并判断其是否大于标准偏差阈值，若大于，则判定此节点为评估集的分离点，反之，若是其仍小于标准偏离阈值，则判定偏差值不连续，并继续比对下一位次的偏差值；
需要进一步的补充的是，偏差趋势值与标准偏离值的比对结果的优先级高于偏差值与标准评判阈值的优先级。
在一个较佳的实施方式中，将评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率的步骤，包括：
S401、获取每个评估集中的故障节点数量，以及评估节点的总量；
S402、计算故障节点数量占评估节点总量的比例，得到每个评估集中电力故障的发生概率；
S403、汇总所有评估集中电力故障的发生概率，并输入至风险预估模型，得到电力故障的预估发生概率。
如上述步骤S401-S403所述，由于每个评估集中故障节点的数量以及评估节点的数量不同，且不同评估集中，电力系统运行过程中发生风险的概率并不一致，一般情况下，随着电力系统运行周期的延长，其发生风险的概率也在相应的增加，基于此，在已知电力故障的方发生概率的基础上，利用风险预估模型对电力系统后续发生电力故障的预估发生概率进行预估，其中，风险预估模型中的标准函数为：
式中，K表示电力故障的预估发生概率，Ra表示当前电力故障的发生概率，m表示评估集的总数量，Rj表示区间1～m中电力故障的发生概率，
表示多个评估集下电力故障发生概率的均值，基于上式，能够对下一评估集中电力故障的发生概率进行预测，并将其标定为预估发生概率。
在一个较佳的实施方式中，获取各项电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项电力运行风险指标的综合故障得分的步骤，包括：
S601、从数据转化模型中获取评价得分；
S602、获取各项电力系统的故障程度，并进行分级处理，得到每个故障节点的故障等级；
S603、以故障等级为评价条件，确定每个故障等级的评价得分，并汇总为综合故障得分。
如上述步骤S601-S603所述，数据转化模型是用于将文本数据转化为数字数据，此处所提及的文本数据为故障节点的故障等级，例如，将电力系统的故障等级分为五个等级，其故障等级越高，对电力系统造成的影响程度也越深，基于此，在数据转化模型中预设五个与故障等级相对应的评价得分，而后根据电力系统中每个故障节点对应的评价得分，之后，将这些评价得分进行求和并取平均值，便可得到数字化的综合故障得分，为后续对电力系统的运行状态提供有效的数据支持。
在一个较佳的实施方式中，将电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分的步骤，包括：
S701、获取各项电力运行风险指标的综合故障得分和电力故障的预估发生概率；
S702、从故障评估模型中获取目标函数；
S703、将各项电力运行风险指标的综合故障得分和电力故障的预估发生概率代入至目标函数，得到电力系统的综合评估得分。
如上述步骤S701-S703所述，故障评估模型中的目标函数为：D＝Z×G，其中，D表示电力系统的综合评估得分，Z表示综合故障得分，G表示预估发生概率，其中，故障得分的取值优选为1～100，进而，综合故障得分的取值也为1～100，进而最终得到的电力系统的综合评估得分取值也会在1～100，有利于监管人员直观的做出判断。
在一个较佳的实施方式中，判定电力系统的综合评估得分小于或等于标准评估阈值，并生成告警信号的步骤包括：
S801、获取多级评估区间以及对应的告警等级，并与电力系统的综合评估得分相比较；
S802、确定电力系统的综合评估得分对应的评估区间；
S803、确定与评估区间对应的告警等级，并生成对应级别的告警信号。
如上述步骤S801-S803所述，在确定电力系统的综合评估得分小于或等于标准评估阈值时，则需要生成告警信号，本实施方式中，设定了多级评估区间，使其对应多个故障等级，在告警信号发出之后，监管人员能够根据告警信号判断出对应的故障等级，从而维修人员也能够根据评估所得的故障等级确定相应的维修方案。
本发明还提供了，一种基于大数据的城市配电网电力评估系统，应用于上述的基于大数据的城市配电网电力评估方法，包括：
第一获取模块，第一获取模块用于获取城市配电网中的电力信息；
分区模块，分区模块用于从电力信息中获取历史用电数据，并将历史用电数据进行分区处理，得到多个评估集；
第二获取模块，第二获取模块用于获取多个评估集首尾节点之间的时长，并标定为评估时长；
计算模块，计算模块用于将评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率，并将电路故障的发生概率输入至数据转化模型，得到下一评估集中电力故障的预估发生概率；
第三获取模块，第三获取模块用于获取所有电力故障的发生原因，并将所有电力故障的发生原因标定为电力运行风险指标；
数据转化模块，数据转化模块用于获取各项电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项电力运行风险指标的综合故障得分；
评估模块，评估模块用于将电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分；
判定模块，判定模块用于获取标准评估阈值，并与电力系统的综合评估得分相比较；
若电力系统的综合评估得分小于或等于标准评估阈值，则表明电力系统运行异常，并生成告警信号；
若电力系统的综合评估得分大于标准评估阈值，则表明电力系统运行正常。
上述中，历史用电数据为实时采集节点之前所有的用电数据，这些用电数据包括多个，注入电压数据、电流数据以及用电设备输出功率数据等，具体应视实际情况而定，其数量多少并不会影响该评估系统的正常运行，而计算模块是用于计算电力故障的发生概率，并基于风险预估模型求出下一个评估集中的预估发生概率，而后通过数据转化模块计算出各项运行风险指标的综合评估得分，再通过故障评估模型便可输出电力系统的综合评估得分，最后再使用判定模块根据综合评估得分判定电力系统的运行是否异常即可，此处所涉及的判定条件以及输出过程均可采用if……else等条件函数进行逐级嵌套。
以及，一种基于大数据的城市配电网电力评估终端，包括：
至少一个处理器；
以及与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于大数据的城市配电网电力评估方。
本领域技术人员可以理解，本发明所述的电力评估终端可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备。这些设备具有存储在其内的计算机程序或应用程序，这些计算机程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如，计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中，所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random AccessMemory，随机存储器)、EPROM(Erasable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (7)
1.一种基于大数据的城市配电网电力评估方法，其特征在于：包括：
获取城市配电网中的电力信息；
从所述电力信息中获取历史用电数据，并将所述历史用电数据进行分区处理，得到多个评估集；
获取多个所述评估集首尾节点之间的时长，并标定为评估时长；
将所述评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率，并将电路故障的发生概率输入至风险预估模型，得到下一评估集中电力故障的预估发生概率；
所述将所述评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率的步骤，包括：
获取每个评估集中的故障节点数量，以及评估节点的总量；
计算所述故障节点数量占评估节点总量的比例，得到每个评估集中电力故障的发生概率；
汇总所有所述评估集中电力故障的发生概率，并输入至风险预估模型，得到电力故障的预估发生概率；
其中，风险预估模型中的标准函数为：
式中，K表示电力故障的预估发生概率，Ra表示当前电力故障的发生概率，m表示评估集的总数量，Rj表示区间1～m中电力故障的发生概率，
表示多个评估集下电力故障发生概率的均值；
获取所有电力故障的发生原因，并将所有电力故障的发生原因标定为电力运行风险指标；
获取各项所述电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项所述电力运行风险指标的综合故障得分；
所述获取各项所述电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项所述电力运行风险指标的综合故障得分的步骤，包括：
从所述数据转化模型中获取评价得分；
获取各项所述电力系统的故障程度，并进行分级处理，得到每个故障节点的故障等级；
以所述故障等级为评价条件，确定每个故障等级的评价得分，并汇总为综合故障得分；
将所述电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分；
所述将所述电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分的步骤，包括：
获取各项所述电力运行风险指标的综合故障得分和电力故障的预估发生概率；
从所述故障评估模型中获取目标函数；
将各项所述电力运行风险指标的综合故障得分和电力故障的预估发生概率代入至目标函数，得到电力系统的综合评估得分；
故障评估模型中的目标函数为：D＝Z×G，其中，D表示电力系统的综合评估得分，Z表示综合故障得分，G表示预估发生概率；
获取标准评估阈值，并与所述电力系统的综合评估得分相比较；
若所述电力系统的综合评估得分小于或等于标准评估阈值，则表明电力系统运行异常，并生成告警信号；
若所述电力系统的综合评估得分大于标准评估阈值，则表明电力系统运行正常。
2.根据权利要求1所述的一种基于大数据的城市配电网电力评估方法，其特征在于：所述将所述历史用电数据进行分区处理，得到多个评估集的步骤，包括：
将所有历史用电数据按时间先后顺序进行排列；
对相邻位次的历史用电数据进行比较，得到多个偏差值；
获取标准评判阈值，并逐一与多个所述偏差值进行比较；
若所述标准评判阈值小于或等于偏差值，则表明相邻历史用电数据的起伏度不符合标准，并将此节点标定为待评估节点，且获取与待评估节点相邻的评估区间，再判断所述评估区间内偏差值的连续性；
若评估区间内的偏差值连续，则将所述待评估节点标定为分离点，并将分离点之前的历史用电数据构建为评估集；
若评估区间内的偏差值不连续，则将所述标准评判阈值继续比对下一位次的偏差值；
若所述标准评判阈值大于偏差值，则表明电力系统运行正常，且将所述标准评判阈值继续比对下一位次的偏差值。
3.根据权利要求2所述的一种基于大数据的城市配电网电力评估方法，其特征在于：所述判断所述评估区间内偏差值的连续性的步骤，包括：
获取所述评估区间内的偏差值；
将所有所述偏差值分别与标准评判阈值进行逐一比较；
若所述标准评判阈值大于任意一个所述偏差值，则判定所述评估区间内的偏差值不连续；
若所有所述偏差值均大于或等于标准评判阈值，则判定所述评估区间内的偏差值连续。
4.根据权利要求2所述的一种基于大数据的城市配电网电力评估方法，其特征在于：得到多个偏差值之后的步骤，包括：
将多个所述偏差值代入至趋势变化模型中，得到历史用电数据的偏离趋势值；
趋势变化模型中的标准函数为：
式中，Q表示历史用电数据的偏离趋势值，n表示偏差值的总数量，Pi表示区间1～n中的偏差值；
获取标准偏离值，并与所述偏离趋势值进行比对；
若所述偏离趋势值大于或者等于标准偏离值，则判定所述评估区间内的偏差值连续；
若所述偏离趋势值小于标准偏离值，则判定所述评估区间内的偏差值不连续。
5.根据权利要求1所述的一种基于大数据的城市配电网电力评估方法，其特征在于：判定所述电力系统的综合评估得分小于或等于标准评估阈值，并生成告警信号的步骤包括：
获取多级评估区间以及对应的告警等级，并与所述电力系统的综合评估得分相比较；
确定所述电力系统的综合评估得分对应的评估区间；
确定与评估区间对应的告警等级，并生成对应级别的告警信号。
6.一种基于大数据的城市配电网电力评估系统，应用于权利要求1至5中任意一项所述的基于大数据的城市配电网电力评估方法，其特征在于：包括：
第一获取模块，所述第一获取模块用于获取城市配电网中的电力信息；
分区模块，所述分区模块用于从所述电力信息中获取历史用电数据，并将所述历史用电数据进行分区处理，得到多个评估集；
第二获取模块，所述第二获取模块用于获取多个所述评估集首尾节点之间的时长，并标定为评估时长；
计算模块，所述计算模块用于将所述评估时长等分为多个评估节点，且获取电力故障点对应的故障节点，得到电力故障的发生概率，并将电路故障的发生概率输入至数据转化模型，得到下一评估集中电力故障的预估发生概率；
第三获取模块，所述第三获取模块用于获取所有电力故障的发生原因，并将所有电力故障的发生原因标定为电力运行风险指标；
数据转化模块，所述数据转化模块用于获取各项所述电力运行风险指标下电力系统的故障程度，并输入至数据转化模型中，得到各项所述电力运行风险指标的综合故障得分；
评估模块，所述评估模块用于将所述电力运行风险指标的综合故障得分以及电力故障的预估发生概率输入至故障评估模型中，得到电力系统的综合评估得分；
判定模块，所述判定模块用于获取标准评估阈值，并与所述电力系统的综合评估得分相比较；
若所述电力系统的综合评估得分小于或等于标准评估阈值，则表明电力系统运行异常，并生成告警信号；
若所述电力系统的综合评估得分大于标准评估阈值，则表明电力系统运行正常。
7.一种基于大数据的城市配电网电力评估终端，其特征在于：包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5中任意一项所述的基于大数据的城市配电网电力评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310101746.0A CN115936448B (zh) | 2023-02-13 | 2023-02-13 | 一种基于大数据的城市配电网电力评估系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310101746.0A CN115936448B (zh) | 2023-02-13 | 2023-02-13 | 一种基于大数据的城市配电网电力评估系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115936448A CN115936448A (zh) | 2023-04-07 |
| CN115936448B true CN115936448B (zh) | 2023-05-16 |
Family
ID=85822026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310101746.0A Active CN115936448B (zh) | 2023-02-13 | 2023-02-13 | 一种基于大数据的城市配电网电力评估系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115936448B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116207866B (zh) * | 2023-05-05 | 2023-07-21 | 攀枝花钢城集团瑞泰电器有限公司 | 一种配电网电能质量综合评估系统及其治理方法 |
| CN116308306B (zh) * | 2023-05-25 | 2023-07-28 | 南京中汇电气科技有限公司 | 一种基于5g的新能源场站智慧管理系统及方法 |
| CN116684452B (zh) * | 2023-08-04 | 2023-10-03 | 华云天下(南京)科技有限公司 | 一种基于aigc大模型的知识中台构建方法及系统 |
| CN117057579B (zh) * | 2023-08-31 | 2024-04-02 | 浙江万胜智通科技有限公司 | 一种分布式配电网的运行维护方法及系统 |
| CN117074844A (zh) * | 2023-10-18 | 2023-11-17 | 松原市何悦科技有限公司 | 高压电网输电线路的智能化实时在线监测系统 |
| CN117113157B (zh) * | 2023-10-23 | 2024-02-09 | 国网安徽省电力有限公司合肥供电公司 | 一种基于人工智能的台区用电故障检测系统 |
| CN117709717B (zh) * | 2023-12-13 | 2024-10-01 | 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 |
| CN117726232B (zh) * | 2023-12-22 | 2024-06-14 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种电力系统服务用户的综合评价方法 |
| CN117970036B (zh) * | 2024-03-29 | 2024-07-09 | 杭州欣美成套电器制造有限公司 | 一种配电网电缆设备状态评估方法与系统 |
| CN118014405B (zh) * | 2024-04-09 | 2024-07-12 | 山东骥诚电气科技有限公司 | 一种基于数据处理的电力故障预警系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400310B (zh) * | 2013-08-08 | 2017-04-26 | 华北电力大学（保定） | 考虑历史数据趋势预测的配电网电气设备状态评估方法 |
| CN106934728A (zh) * | 2017-05-09 | 2017-07-07 | 四川金信石信息技术有限公司 | 一种电网安全风险管控智能评估方法 |
| CN113095648A (zh) * | 2021-04-01 | 2021-07-09 | 南京邮电大学 | 基于数据驱动的配电网故障停电风险指标评估方法及系统 |
| CN113420992A (zh) * | 2021-06-25 | 2021-09-21 | 国网山东省电力公司汶上县供电公司 | 一种电力系统网络风险评估方法与系统 |
| 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 |
| CN114118858A (zh) * | 2021-12-06 | 2022-03-01 | 南方电网能源发展研究院有限责任公司 | 电力安全智能评估方法、装置、设备、介质和程序产品 |
| 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 |
| CN115345466A (zh) * | 2022-08-10 | 2022-11-15 | 国网江苏省电力有限公司泰州供电分公司 | 基于网架拓扑与多源数据融合的配电网在线评估系统 |
| CN115392697A (zh) * | 2022-08-24 | 2022-11-25 | 国网山东省电力公司经济技术研究院 | 一种数据-模型混合驱动的电力系统安全评估方法及系统 |
| CN115641231A (zh) * | 2022-11-01 | 2023-01-24 | 国网内蒙古东部电力有限公司经济技术研究院 | 一种电力系统典型场景提取方法、系统、电子设备及介质 |
-
2023
- 2023-02-13 CN CN202310101746.0A patent/CN115936448B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115936448A (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115936448B (zh) | 一种基于大数据的城市配电网电力评估系统及方法 | |
| CN115689393B (zh) | 一种基于物联网的电力系统实时动态监测系统及方法 | |
| CN107220775B (zh) | 一种考虑信息系统作用的有源配电网多视角协同脆弱性评估方法 | |
| WO2009005810A1 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
| CN116308306B (zh) | 一种基于5g的新能源场站智慧管理系统及方法 | |
| CN118035916B (zh) | 一种农村电网供电故障异常检测方法 | |
| CN112330187A (zh) | 一种地下设施水灾风险评估方法、系统、终端及存储介质 | |
| CN112381272A (zh) | 一种电网负荷预测方法、系统、终端及存储介质 | |
| CN112668821A (zh) | 一种基于风沙区域绝缘子故障概率的配电线路风险分析方法 | |
| CN117392815A (zh) | 一种基于物联网的二次供水用的报警方法及系统 | |
| CN116739347A (zh) | 电网风险评估方法、装置、存储介质及计算机设备 | |
| CN113055249A (zh) | 一种关键基础设施网络弹性检测方法及系统 | |
| CN116544946A (zh) | 一种电网调度控制模型的构建方法 | |
| CN115001149A (zh) | 一种储能控制方法、装置及微网 | |
| CN117978628A (zh) | 一种基于智慧园区通信控制方法及系统 | |
| CN113541211A (zh) | 一种确定交直流配电网韧性的方法及系统 | |
| CN107292431A (zh) | 基于动态贝叶斯网络的电力通信网业务可靠性预测方法 | |
| CN110674242A (zh) | 一种实现配电网线损数据分析和评估降损系统的方法 | |
| CN115580018A (zh) | 储能系统安全监测方法、装置、设备及存储介质 | |
| CN114429240A (zh) | 高速公路设备运行状态监测方法及装置 | |
| CN111221479B (zh) | 一种判断存储容量变化量异常的方法、系统及存储介质 | |
| CN112684403A (zh) | 一种基于数据检测的智能电表的故障检测方法 | |
| CN112736878B (zh) | 一种电网连锁故障告警方法及系统 | |
| CN116365520B (zh) | 输电线路设备风险预测方法、装置和计算机设备 | |
| Al-Bahrani et al. | Generation Reliability Enhancement based on Reliability Indices |
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 |