CN116128117A - 基于数字孪生的配电线路线损预测方法和装置 - Google Patents
基于数字孪生的配电线路线损预测方法和装置 Download PDFInfo
- Publication number
- CN116128117A CN116128117A CN202211712633.6A CN202211712633A CN116128117A CN 116128117 A CN116128117 A CN 116128117A CN 202211712633 A CN202211712633 A CN 202211712633A CN 116128117 A CN116128117 A CN 116128117A
- Authority
- CN
- China
- Prior art keywords
- phase
- distribution
- distribution transformer
- determining
- line
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 591
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000007704 transition Effects 0.000 claims abstract description 160
- 238000013507 mapping Methods 0.000 claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 52
- 230000005611 electricity Effects 0.000 claims description 27
- 238000004140 cleaning Methods 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (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
本申请提供了一种基于数字孪生的配电线路线损预测方法和装置,本申请实施例首先基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定目标配电线路对应的线损映射集合;再基于目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定目标配电线路下一时刻的三相负荷;最后基于目标配电线路下一时刻的三相负荷和线损映射集合,确定目标配电线路下一时刻的线损率。本申请实施例基于预设历史时段和当前时刻的数据来深入挖掘目标配电线路的线损变化规律,能够客观准确地预测目标配电线路的线损率,对降低中配电线路损耗、提高电能利用效率有着重要的指导意义。
Description
技术领域
本申请涉及配电线路线损分析管理技术领域,特别是涉及一种基于数字孪生的配电线路线损预测方法和装置。
背景技术
我国配电网规模不断增大,然而配电损耗问题随着负荷容量的不断提升而日趋严重,由于配电网线损增大会导致发电和输电设备容量增加,因此造成电力成本提高和电力资源浪费。我国配电网发展结构不合理,配电损耗管理缺乏指导,目前中低压配电线损耗已占整个电力线损耗的50%左右,配电网线损导致配网经济性运行面临严峻挑战。
相关技术中,通常使用机器学习技术,通过构建计算模型进行线损预测,典型的计算模型有大数据分析技术、回归分析技术等,然而,上述方法所需要的收集的资料较多,需耗费大量的人力物力,并且在计算过程太依赖数据的收集与准确性,而且无法根据现有条件预测未来配电线路线损的情况。精确的配电线路线损预测可以帮助电力部门了解未来线损变化情况,为降损措施制定有效的参考,提升配电网的经济运行性。
发明内容
本申请提供一种基于数字孪生的配电线路线损预测方法和装置,以提高配电线路线损预测的精度,以达到指导配电线路线损管理与增效运行的目的。
为了解决上述问题,本申请采用了以下的技术方案:
第一方面,本申请实施例提供了一种基于数字孪生的配电线路线损预测方法,所述方法包括:
基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定所述目标配电线路对应的线损映射集合;所述线损映射集合用于表征所述目标配电线路的三相负荷与线损率之间的映射关系;
基于所述目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个所述配电变压器各自对应的下一时刻的三相负荷;
将所述每个所述配电变压器各自对应的下一时刻的三相负荷之和,确定为所述目标配电线路下一时刻的三相负荷;
基于所述目标配电线路下一时刻的三相负荷和所述线损映射集合,确定所述目标配电线路下一时刻的线损率。
在本申请一实施例中,基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定所述目标配电线路对应的线损映射集合的步骤,包括:
按照预设时间间隔,将所述预设历史时段划分为n个时间段,每个时间段对应一个时间节点;n为大于1的正整数;
针对任一时间节点,获取目标配电线路在所述时间节点的三相负荷数据;并基于所述目标配电线路在所述时间节点对应的时间段内的供电量数据以及每个所述配电变压器在所述时间段内的售电量数据,确定所述目标配电线路在所述时间节点对应的线损率;
基于n个所述时间节点各自对应的三相负荷数据和线损率,确定所述目标配电线路对应的线损映射集合。
在本申请一实施例中,基于所述目标配电线路在所述时间节点对应的时间段内的供电量数据以及每个所述配电变压器在所述时间段内的售电量数据,确定所述目标配电线路在所述时间节点对应的线损率的步骤,包括:
获取每个所述配电变压器在所述时间节点的第一电量示数以及所述时间节点的下一个时间节点的第二电量示数;并获取所述目标配电线路在所述时间节点的第一关口电量示数以及所述时间节点的下一个时间节点的第二关口电量示数;
基于每个所述配电变压器各自对应的第一电量示数、第二电量示数和电表倍率,确定每个所述配电变压器在所述时间节点各自对应的时间段内的售电量数据,并基于每个所述配电变压器各自对应的售电量数据,确定总售电量数据;
基于所述第一关口电量示数、所述第二关口电量示数以及所述目标配电线路对应的电表倍率,确定所述目标配电线路在所述时间节点对应的时间段内的供电量数据;
基于所述总售电量数据和所述目标配电线路在所述时间节点对应的时间段内的供电量数据,确定所述目标配电线路在所述时间节点对应的线损率。
在本申请一实施例中,基于所述目标配电线路下一时刻的三相负荷和所述线损映射集合,确定所述目标配电线路下一时刻的线损率的步骤,包括:
在所述线损映射集合中确定与所述目标配电线路下一时刻的三相负荷最接近的目标三相负荷;
基于所述线损映射集合,确定所述目标三相负荷对应的目标线损率;
将所述目标线损率确定为所述目标配电线路下一时刻的线损率。
在本申请一实施例中,所述三相负荷状态转移概率包括三相有功功率状态转移概率和三相无功功率状态转移概率;所述三相负荷状态转移概率矩阵包括三相有功功率状态转移概率矩阵和三相无功功率状态转移概率矩阵;
基于所述目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个所述配电变压器各自对应的下一时刻的三相负荷的步骤,包括:
基于每个所述配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相有功功率状态转移概率分布;并基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率;
基于每个所述配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相无功功率状态转移概率分布;并基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率;
基于每个所述配电变压器各自对应的下一时刻的三相有功功率和三相无功功率,确定每个所述配电变压器各自对应的下一时刻的三相负荷。
在本申请一实施例中,所述方法还包括:
基于每个所述配电变压器在n个所述时间节点各自对应的三相有功功率数据,确定每个所述配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个所述配电变压器在n个所述时间节点各自对应的三相无功功率数据,确定每个所述配电变压器在下一时刻的三相无功功率之和对应的第二取值范围;
基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率的步骤之后,所述方法还包括:
判断每个所述配电变压器下一时刻的三相有功功率之和是否位于所述第一取值范围内;
若否,则重复基于每个所述配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相有功功率状态转移概率分布;并基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率的步骤,直到每个所述配电变压器下一时刻的三相有功功率之和位于所述第一取值范围内;
基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率的步骤之后,所述方法还包括:
判断每个所述配电变压器下一时刻的三相无功功率之和是否位于所述第二取值范围内;
若否,则重复基于每个所述配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相无功功率状态转移概率分布;并基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率的步骤,直到每个所述配电变压器下一时刻的三相无功功率之和位于所述第二取值范围内。
在本申请一实施例中,基于每个所述配电变压器在n个所述时间节点各自对应的三相有功功率数据,确定每个所述配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个所述配电变压器在n个所述时间节点各自对应的三相无功功率数据,确定每个所述配电变压器在下一时刻的三相无功功率之和对应的第二取值范围的步骤,包括:
基于每个所述配电变压器在预设历史时段内的三相电流数据,对每个所述配电变压器进行聚类,得到预设数量的聚类簇;不同的聚类簇表征不同的用电行为;
基于每个所述聚类簇各自对应的预设有功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;基于每个所述聚类簇各自对应的预设无功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相无功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率;
针对任一时间节点,计算每个配电变压器在所述时间节点的有效三相有功功率之和以及有效三相无功功率之和,以分别得到n个整体三相有功功率以及n个整体三相无功功率;
基于n个所述整体三相有功功率中的最小值和最大值,,确定所述第一取值范围;并基于n个所述整体三相无功功率中的最小值和最大值,确定所述第二取值范围。
在本申请一实施例中,基于每个所述聚类簇各自对应的预设有功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;基于每个所述聚类簇各自对应的预设无功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相无功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率的步骤,包括:
针对任一时间节点,在任一所述配电变压器对应的三相有功功率大于所述配电变压器所属的聚类簇对应的预设有功功率波动区间的区间上限值时,将所述三相有功功率确定为所述区间上限值,或,在任一所述配电变压器对应的三相有功功率小于所述配电变压器所属的聚类簇对应的预设有功功率波动区间的区间下限值时,将所述三相有功功率确定为所述区间下限值,以得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;
针对任一时间节点,在任一所述配电变压器对应的三相无功功率大于所述配电变压器所属的聚类簇对应的预设无功功率波动区间的区间上限值时,将所述三相无功功率确定为所述区间上限值,或,在任一所述配电变压器对应的三相无功功率小于所述配电变压器所属的聚类簇对应的预设无功功率波动区间的区间下限值时,将所述三相无功功率确定为所述区间下限值,以得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率。
第二方面,基于相同发明构思,本申请实施例提供了一种基于数字孪生的配电线路线损预测装置,所述装置包括:
第一确定模块,用于基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定所述目标配电线路对应的线损映射集合;所述线损映射集合用于表征所述目标配电线路的三相负荷与线损率之间的映射关系;
第二确定模块,用于基于所述目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个所述配电变压器各自对应的下一时刻的三相负荷;;
第三确定模块,用于所述每个所述配电变压器各自对应的下一时刻的三相负荷之和,确定为所述目标配电线路下一时刻的三相负荷;
第四确定模块,用于基于所述目标配电线路下一时刻的三相负荷和所述线损映射集合,确定所述目标配电线路下一时刻的线损率。
在本申请一实施例中,所述第一确定模块包括:
时间划分子模块,用于按照预设时间间隔,将所述预设历史时段划分为n个时间段,每个时间段对应一个时间节点;n为大于1的正整数;
线损率确定子模块,用于针对任一时间节点,获取目标配电线路在所述时间节点的三相负荷数据;并基于所述目标配电线路在所述时间节点对应的时间段内的供电量数据以及每个所述配电变压器在所述时间段内的售电量数据,确定所述目标配电线路在所述时间节点对应的线损率;
线损映射集合确定子模块,用于基于n个所述时间节点各自对应的三相负荷数据和线损率,确定所述目标配电线路对应的线损映射集合。
在本申请一实施例中,所述线损率确定子模块包括:
电量示数获取单元,用于获取每个所述配电变压器在所述时间节点的第一电量示数以及所述时间节点的下一个时间节点的第二电量示数;并获取所述目标配电线路在所述时间节点的第一关口电量示数以及所述时间节点的下一个时间节点的第二关口电量示数;
总售电量数据确定单元,用于基于每个所述配电变压器各自对应的第一电量示数、第二电量示数和电表倍率,确定每个所述配电变压器在所述时间节点各自对应的时间段内的售电量数据,并基于每个所述配电变压器各自对应的售电量数据,确定总售电量数据;
供电量数据确定单元,用于基于所述第一关口电量示数、所述第二关口电量示数以及所述目标配电线路对应的电表倍率,确定所述目标配电线路在所述时间节点对应的时间段内的供电量数据;
线损率确定单元,用于基于所述总售电量数据和所述目标配电线路在所述时间节点对应的时间段内的供电量数据,确定所述目标配电线路在所述时间节点对应的线损率。
在本申请一实施例中,所述第四确定模块包括:
目标三相负荷确定子模块,用于在所述线损映射集合中确定与所述目标配电线路下一时刻的三相负荷最接近的目标三相负荷;
目标线损率确定子模块,用于基于所述线损映射集合,确定所述目标三相负荷对应的目标线损率;
线路线损率确定子模块,用于将所述目标线损率确定为所述目标配电线路下一时刻的线损率。
在本申请一实施例中,所述三相负荷状态转移概率包括三相有功功率状态转移概率和三相无功功率状态转移概率;所述三相负荷状态转移概率矩阵包括三相有功功率状态转移概率矩阵和三相无功功率状态转移概率矩阵;
所述第二确定模块包括:
三相有功功率确定子模块,用于基于每个所述配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相有功功率状态转移概率分布;并基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率;
三相无功功率确定子模块,用于基于每个所述配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相无功功率状态转移概率分布;并基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率;
三相负荷确定子模块,用于基于每个所述配电变压器各自对应的下一时刻的三相有功功率和三相无功功率,确定每个所述配电变压器各自对应的下一时刻的三相负荷。
在本申请一实施例中,所述装置还包括:
取值范围确定模块,用于基于每个所述配电变压器在n个所述时间节点各自对应的三相有功功率数据,确定每个所述配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个所述配电变压器在n个所述时间节点各自对应的三相无功功率数据,确定每个所述配电变压器在下一时刻的三相无功功率之和对应的第二取值范围;
第一判断模块,用于判断每个所述配电变压器下一时刻的三相有功功率之和是否位于所述第一取值范围内;
第一重复计算模块,用于在每个所述配电变压器下一时刻的三相有功功率之和未位于所述第一取值范围时,重复基于每个所述配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相有功功率状态转移概率分布;并基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率的步骤,直到每个所述配电变压器下一时刻的三相有功功率之和位于所述第一取值范围内;
第二判断模块,用于判断每个所述配电变压器下一时刻的三相无功功率之和是否位于所述第二取值范围内;
第二重复计算模块,用于在每个所述配电变压器下一时刻的三相无功功率之和未位于所述第二取值范围时,重复基于每个所述配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相无功功率状态转移概率分布;并基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率的步骤,直到每个所述配电变压器下一时刻的三相无功功率之和位于所述第二取值范围内。
在本申请一实施例中,所述取值范围确定模块包括:
聚类子模块,用于基于每个所述配电变压器在预设历史时段内的三相电流数据,对每个所述配电变压器进行聚类,得到预设数量的聚类簇;不同的聚类簇表征不同的用电行为;
清洗子模块,用于基于每个所述聚类簇各自对应的预设有功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;基于每个所述聚类簇各自对应的预设无功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相无功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率;
求和子模块,用于针对任一时间节点,计算每个配电变压器在所述时间节点的有效三相有功功率之和以及有效三相无功功率之和,,以分别得到n个整体三相有功功率以及n个整体三相无功功率;
取值范围确定子模块,用于基于n个所述整体三相有功功率中的最小值和最大值,确定所述第一取值范围;并基于n个所述整体三相无功功率中的最小值和最大值,确定所述第二取值范围。
在本申请一实施例中,所述清洗子模块包括:
三相有功功率清洗子单元,用于针对任一时间节点,在任一所述配电变压器对应的三相有功功率大于所述配电变压器所属的聚类簇对应的预设有功功率波动区间的区间上限值时,将所述三相有功功率确定为所述区间上限值,或,在任一所述配电变压器对应的三相有功功率小于所述配电变压器所属的聚类簇对应的预设有功功率波动区间的区间下限值时,,将所述三相有功功率确定为所述区间下限值,以得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;
三相无功功率清洗子单元,用于针对任一时间节点,在任一所述配电变压器对应的三相无功功率大于所述配电变压器所属的聚类簇对应的预设无功功率波动区间的区间上限值时,将所述三相无功功率确定为所述区间上限值,或,在任一所述配电变压器对应的三相无功功率小于所述配电变压器所属的聚类簇对应的预设无功功率波动区间的区间下限值时,,将所述三相无功功率确定为所述区间下限值,以得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率。
与现有技术相比,本申请包括以下优点:
本申请实施例提供的一种基于数字孪生的配电线路线损预测方法,包括:基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定目标配电线路对应的线损映射集合;线损映射集合用于表征目标配电线路的三相负荷与线损率之间的映射关系;基于目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个配电变压器各自对应的下一时刻的三相负荷;将每个配电变压器各自对应的下一时刻的三相负荷之和,确定为目标配电线路下一时刻的三相负荷;基于目标配电线路下一时刻的三相负荷和线损映射集合,确定目标配电线路下一时刻的线损率。本申请实施例相较于需要耗费大量的人力物力且计算复杂的预测模型,能够从中大量数据中提取出与线损核心特征密切相关的有价值数据,并基于预设历史时段和当前时刻的数据来深入挖掘目标配电线路的线损变化规律,能够客观准确地预测目标配电线路的线损率,对降低中配电线路损耗、提高电能利用效率、实现电网的经济运行有着重要的指导意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例中一种基于数字孪生的配电线路线损预测方法的步骤流程图。
图2是本申请一实施例中配电网的结构示意图。
图3是本申请一实施例中一种基于数字孪生的配电线路线损预测装置的功能模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,示出了本申请一种基于数字孪生的配电线路线损预测方法,该方法可以包括以下步骤:
S101:基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定目标配电线路对应的线损映射集合;线损映射集合用于表征目标配电线路的三相负荷与线损率之间的映射关系。
在本实施方式中,参照图2,示出了配电网的结构示意图,其中,配电线路分别连接有关口计量表和N个配电变压器(以下简称为配变);关口计量表用于采集配电线路的供电量数据,N个配变用于将配电线路的电量传输给不同区域的用户,以满足用户的用电需求。每个配变可以设置有对应的配变智能电表,用于采集每个配变各自对应的售电量数据,目标配电线路的三相负荷数据则是指N个配变在某一时刻的三相负荷之和。
在本实施方式中,为使线损映射集合能够准确反映目标配电线路的三相负荷与线损率之间的映射关系,可以将预设历史时段设置为30天,即获取目标配电线路在最近30天的三相负荷数据、供电量数据和售电量数据。在具体实现中,可以将30天划分为若干个时间段,进而根据任一时间段的供电量数据和售电量数据,计算该时间段对应的目标配电线路的线损率,然后将该时间段对应的目标配电线路的线损率和三相负荷数据做线损关系映射处理,进而得到每个时间段各自对应的目标配电线路的三相负荷与线损率之间的映射关系,进而得到线损映射集合。
S102:基于目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个配电变压器各自对应的下一时刻的三相负荷。
在本实施方式中,基于数字孪生技术,通过获取每个配变的三相有功/无功功率数据集,具体包括A相有功/无功功率数据集、B相有功/无功功率数据集和C相有功/无功功率数据集,可以得到每个配变对应的三相负荷状态转移概率;进而基于得到的A相有功/无功功率状态转移概率集、B相有功/无功功率状态转移概率集和C相有功/无功功率状态转移概率集,可以得到每个配变的三相负荷状态转移概率矩阵。
需要说明的是,在事件的发展过程中,从一种状态转变为另一种状态,就称为状态转移。事件的发展,随着时间的变化而变化所作的状态转移,或者说状态转移与时间的关系,就称为状态转移过程。在事件的发展变化过程中,从某一种状态出发,下一时刻转移到其它状态的可能性,称为状态转移概率。示例性的,若某个配变的A相有功功率存在Ei和Ej两种状态,则由状态Ei转为状态Ej的状态转移概率即为Pi j;假定A相有功功率有E1,E2,…,En,共n个可能的状态,记Pi j为从状态Ei转为状态Ej的状态转移概率,可以得到以下矩阵P,矩阵P即为状态转移概率矩阵:
在本实施方式中,基于目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,可以预测得到每个配电变压器各自对应的下一时刻的三相负荷。
S103:将每个配电变压器各自对应的下一时刻的三相负荷之和,确定为目标配电线路下一时刻的三相负荷。
S104:基于目标配电线路下一时刻的三相负荷和线损映射集合,确定目标配电线路下一时刻的线损率。
在本实施方式中,通过计算每个配电变压器各自对应的下一时刻的三相负荷之和,可以得到目标配电线路下一时刻的三相负荷,便可基于目标配电线路下一时刻的三相负荷,实现对目标配电线路下一时刻的线损率的预测。
在具体实现中,首先在线损映射集合中确定与目标配电线路下一时刻的三相负荷最接近的目标三相负荷;再基于线损映射集合,找到目标三相负荷对应的目标线损率;最后将目标线损率确定为目标配电线路下一时刻的线损率。
本申请实施例通过充分挖掘目标配电线路的历史数据规律,得到能够客观反映目标配电线路的三相负荷与线损率之间的映射关系的线损映射集合,进而通过预测目标配电线路下一时刻的三相负荷实现对线损率的准确预测,本申请实施例相较于需要耗费大量的人力物力且计算复杂的预测模型,能够从中大量数据中提取出与线损核心特征密切相关的有价值数据,并基于预设历史时段和当前时刻的数据来综合挖掘目标配电线路的线损变化规律,能够客观准确地预测目标配电线路的线损率,对降低中配电线路损耗、提高电能利用效率、实现电网的经济运行有着重要的指导意义。
在一个可行的实施方式中,S101具体可以包括以下步骤:
S101-1:按照预设时间间隔,将预设历史时段划分为n个时间段,每个时间段对应一个时间节点;n为大于1的正整数。
在本实施方式中,根据根据实际需求设置预设时间间隔,如可以设置为15分钟,即每15分钟采集一次关口计量表和配变智能电表的示数,其中,每个时间段包括时间起点和时间终点,可以将每个时间段的时间终点定义为每个时间段所对应一个时间节点。也就是说,某个时间段对应的线损率与该时间段对应的时间节点的三相负荷数据做映射关系处理。
S101-2:针对任一时间节点,获取目标配电线路在时间节点的三相负荷数据;并基于目标配电线路在时间节点对应的时间段内的供电量数据以及每个配电变压器在时间段内的售电量数据,确定目标配电线路在时间节点对应的线损率。
在本实施方式中,针对任一时间节点,可以首先获取每个配电变压器在时间节点的第一电量示数Pr以及时间节点的下一个时间节点的第二电量示数bPr;再基于每个配电变压器各自对应的第一电量示数Pr、第二电量示数bPr和电表倍率μr,确定每个配电变压器在时间节点各自对应的时间段内的售电量数据Er,并通过对N个配电变压器各自对应的售电量数据Er求和,便可得到总售电量数据∑NEr。
具体而言,在时间节点Tn,每个配电变压器在时间节点各自对应的时间段内的售电量数据Er可以按照以下公式计算:
Er=μr*(bPr-Pr) (2);
其中,r表示配电变压器的编号,r∈{1,2,...,N};Pn表示编号为r的配电变压器在时间节点Tn的第一电量示数;bPr表示编号为n的配电变压器在时间节点Tn的下一个时间节点的第二电量示数;μr表示编号为r的配电变压器对应的电表倍率。
在本实施方式中,通过关口计量表可以获取目标配电线路在时间节点的第一关口电量示数G以及时间节点的下一个时间节点的第二关口电量示数bG;进而基于第一关口电量示数G、第二关口电量示数bG以及目标配电线路对应的电表倍率μG,确定目标配电线路在时间节点对应的时间段内的供电量数据。
具体而言,目标配电线路在时间节点Tn对应的时间段内的供电量数据e可以按照以下公式计算:
e=μG*(bG-G) (3);
其中,G表示关口计量表在时间节点Tn的第一关口电量示数;bG表示关口计量表在时间节点Tn的下一个时间节点的第二关口电量示数;μG表示关口计量表的电表倍率。
在本实施方式中,基于每个时间段对应的总售电量数据∑NEr和目标配电线路在每个时间段内的供电量数据e,确定目标配电线路在时间节点对应的线损率R,具体可以按照以下公式计算:
Rn=((e-∑NEr)/e)*100% (4);
其中,Rn表示时间节点Tn对应的线损率;∑NEr表示时间节点Tn对应的时间段的总售电量数据;e表示时间节点Tn对应的时间段的供电量数据。
S101-3:基于n个时间节点各自对应的三相负荷数据和线损率,确定目标配电线路对应的线损映射集合。
在本实施方式中,基于n个时间节点各自对应的三相负荷数据Wn和线损率Rn,可以得到目标配电线路对应的线损映射集合Z,具体可以用以下公式表示:
Z={[W1,R1],[W2,R2],...,[Wn,Rn]} (5);
其中,Wn表示第n个时间节点对应的三相负荷数据;Rn表示第n个时间节点对应的线损率;[Wn,Rn]表示第n个时间节点对应的三相负荷数据和线损率之间的映射关系。
在本实施方式中,若出现相同的三相负荷数据Wn,则将相同的三相负荷数据Wn对应的线损率进行算术平均值计算,将计算结果作为三相负荷数据Wn对应的线损率。
在一个可行的实施方式中,三相负荷状态转移概率包括三相有功功率状态转移概率和三相无功功率状态转移概率;三相负荷状态转移概率矩阵包括三相有功功率状态转移概率矩阵和三相无功功率状态转移概率矩阵;S102具体可以包括以下子步骤:
S102-1:基于每个配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相有功功率状态转移概率分布;并基于三相有功功率状态转移概率分布,确定每个配电变压器下一时刻的三相有功功率。
S102-2:基于每个配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相无功功率状态转移概率分布;并基于三相无功功率状态转移概率分布,确定每个配电变压器下一时刻的三相无功功率。
S102-3:基于每个配电变压器各自对应的下一时刻的三相有功功率和三相无功功率,确定每个配电变压器各自对应的下一时刻的三相负荷。
在本实施方式中,从三相有功功率和三相无功功率两个方面计算每个配电变压器下一时刻的三相有功功率。一方面,从三相有功功率的角度出发,基于每个配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,计算每个配电变压器各自对应的下一时刻的三相有功功率;另一方面,从三相无功功率的角度出发,基于每个配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,计算每个配电变压器各自对应的下一时刻的三相无功功率;最后根据视在功率的平方等于有功功率的平方加上无功功率的平方,计算每个配电变压器各自对应的下一时刻的三相负荷。
在一个可行的实施方式中,基于数字孪生的配电线路线损预测方法还可以包括以下步骤:
S201:基于每个配电变压器在n个时间节点各自对应的三相有功功率数据,确定每个配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个配电变压器在n个时间节点各自对应的三相无功功率数据,确定每个配电变压器在下一时刻的三相无功功率之和对应的第二取值范围。
在本实施方式中,考虑到通过获取三相有功功率状态转移概率分布和三相无功功率状态转移概率分布,虽然能够较为准确地预测每个配电变压器下一时刻的三相有功功率和三相无功功率,但是仍可能存在一定的预测误差,如预测到的配电变压器下一时刻的三相有功功率和/或三相无功功率为异常数据,造成每个配电变压器各自对应的下一时刻的三相负荷同样为异常数据。因此,通过设置第一取值范围和第二取值范围,可以使预测得到的每个配电变压器下一时刻的三相有功功率之和以及三相无功功率之和限制在合理的取值范围内。
具体而言,S201可以包括以下子步骤:
S201-1:基于每个配电变压器在预设历史时段内的三相电流数据,对每个配电变压器进行聚类,得到预设数量的聚类簇;不同的聚类簇表征不同的用电行为。
在本实施方式中,可以采集配电线路挂接配变的配变智能电表接入相位情况,对每个配电变压器在预设历史时段内的三相电流数据进行聚类分析,并根据三相电流数据进行用电行为分析,划分出L类聚类簇,同一个聚类簇中的配变用电行为相近。示例性的,从区域角度出发,供给城市用电的配变和供给农村用电的配变对应的用电行为不同,新小区和旧小区的用电行为不同;从用电习惯的角度出发,不同的配变对应的用电高峰期不同,可以将用电高峰期相似的配变归在同一个聚类簇中;从配变智能电表接入相位角度出发,可以将A相电流偏大的配变归在同一个聚类簇,B相电流偏大的配变归在同一个聚类簇,C相电流偏大的配变归在同一个聚类簇,三相电流平衡的配变归在同一个聚类簇。
在本实施方式中,可以根据多维度多角度出发,将N个配变划分出L类配变,每一类配变共同组成同一个聚类簇。示例性的,若同时考虑配变智能电表接入相位和用电习惯,则可以将所有A相电流偏大的配变且用电高峰期相似的配变划分到同一个聚类簇中。
S201-2:基于每个聚类簇各自对应的预设有功功率波动区间,对每个聚类簇中的配电变压器在n个时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个时间节点各自对应的有效三相有功功率;基于每个聚类簇各自对应的预设无功功率波动区间,对每个聚类簇中的配电变压器在n个时间节点各自对应的三相无功功率进行清洗,得到每个配电变压器在n个时间节点各自对应的有效三相无功功率。
在本实施方式中,考虑到不同的聚类簇对应不同的用电行为,因此,可以为每个聚类簇设置对应的预设有功功率波动区间和预设无功功率波动区间,对每个配电变压器的三相有功功率和三相无功功率进行清洗,去除其中的无效和异常数据。
在具体实现中,设置预设有功功率波动区间为[Pl,Ph],预设无功功率波动区间为[Ql,Qh]。
针对任一时间节点,在任一配电变压器对应的三相有功功率Pz大于配电变压器所属的聚类簇对应的预设有功功率波动区间[Pl,Ph]的区间上限值Ph时,将三相有功功率Pz确定为区间上限值Ph,或,在任一配电变压器对应的三相有功功率Pz小于配电变压器所属的聚类簇对应的预设有功功率波动区间的区间下限值Pl时,将三相有功功率Pz确定为区间下限值Pl,进而实现对所有三相有功功率Pz的清洗,进而得到每个配电变压器在n个时间节点各自对应的有效三相有功功率。
针对任一时间节点,在任一配电变压器对应的三相无功功率Qz大于配电变压器所属的聚类簇对应的预设无功功率波动区间[Ql,Qh]的区间上限值Qh时,将三相无功功率Qz确定为区间上限值Qh,或,在任一配电变压器对应的三相无功功率Qz小于配电变压器所属的聚类簇对应的预设无功功率波动区间[Ql,Qh]的区间下限值Ql时,将三相无功功率Qz确定为区间下限值Ql,以得到每个配电变压器在n个时间节点各自对应的有效三相无功功率。
S201-3:针对任一时间节点,计算每个配电变压器在时间节点的有效三相有功功率之和以及有效三相无功功率之和,以分别得到n个整体三相有功功率以及n个整体三相无功功率。
在本实施方式中,设配电变压器有N个,则N个配电变压器在n个时间节点对应的n个整体三相有功功率具体可以用以下集合表示:
P={Pz1,Pz2…,Pzn} (6);
其中,n表示第n个时间节点;Pzn表示第n个时间节点对应的N个配电变压器的整体三相有功功率。
在本实施方式中,设配电变压器有N个,则N个配电变压器在n个时间节点对应的n个整体三相无功功率具体可以用以下集合表示:
Q={Qz1,Qz2…,Qzn} (7);
其中,n表示第n个时间节点;Qzn表示第n个时间节点对应的N个配电变压器的整体三相无功功率。
S201-4:基于n个整体三相有功功率中的最小值和最大值,确定第一取值范围;并基于n个整体三相无功功率中的最小值和最大值,确定第二取值范围。
在本实施方式中,取集合P中的最小值Pzmi n作为第一取值范围的下限值,取集合P中的最大值Pzmax作为第一取值范围的上限值,则可以得到第一取值范围[Pzmi n,Pzmax];取集合Q中的最小值Qzmi n作为第一取值范围的下限值,取集合Q中的最大值Qzmax作为第二取值范围的上限值,则可以得到第二取值范围[Qzmi n,Qzmax]。
在本实施方式中,基于三相无功功率状态转移概率分布,确定每个配电变压器下一时刻的三相无功功率的步骤之后,基于数字孪生的配电线路线损预测方法还可以包括以下步骤:
S202:判断每个配电变压器下一时刻的三相有功功率之和是否位于第一取值范围内。
S203:若否,则重复基于每个配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相有功功率状态转移概率分布;并基于三相有功功率状态转移概率分布,确定每个配电变压器下一时刻的三相有功功率的步骤,直到每个配电变压器下一时刻的三相有功功率之和位于第一取值范围内。
在本实施方式中,若预测得到的配电变压器下一时刻的三相有功功率之和,即整体三相有功功率未位于第一取值范围[Pzmi n,Pzmax]内,则重新预测每个配电变压器下一时刻的三相有功功率,直到重新计算得到整体三相有功功率位于第一取值范围[Pzmi n,Pzmax]内时,输出计算结果。
在本实施方式中,基于三相无功功率状态转移概率分布,确定每个配电变压器下一时刻的三相无功功率的步骤之后,基于数字孪生的配电线路线损预测方法还可以包括以下步骤:
S204:判断每个配电变压器下一时刻的三相无功功率之和是否位于第二取值范围内。
S205:若否,则重复基于每个配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相无功功率状态转移概率分布;并基于三相无功功率状态转移概率分布,确定每个配电变压器下一时刻的三相无功功率的步骤,直到每个配电变压器下一时刻的三相无功功率之和位于第二取值范围内。
在本实施方式中,若预测得到的配电变压器下一时刻的三相无功功率之和,即整体三相无功功率未位于第二取值范围[Qzmi n,Qzmax]内,则重新预测每个配电变压器下一时刻的三相无功功率,直到重新计算得到整体三相无功功率位于第二取值范围[Qzmi n,Qzmax]内时,输出计算结果。
在本实施方式中,基于根据不同配变的实际运行环境计算得到的第一取值范围[Pzmi n,Pzmax]和第二取值范围[Qzmi n,Qzmax],可以使预测得到的每个配电变压器下一时刻的三相有功功率之和以及三相无功功率之和限制在合理的取值范围内,进一步保证输出结果的合理性和准确性,提高预测精度。
第二方面,基于相同发明构思,参照图3,本申请实施例提供了一种基于数字孪生的配电线路线损预测装置300,该基于数字孪生的配电线路线损预测装置300包括:
第一确定模块301,用于基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定目标配电线路对应的线损映射集合;线损映射集合用于表征目标配电线路的三相负荷与线损率之间的映射关系;
第二确定模块302,用于基于目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个配电变压器各自对应的下一时刻的三相负荷;
第三确定模块303,用于每个配电变压器各自对应的下一时刻的三相负荷之和,确定为目标配电线路下一时刻的三相负荷;
第四确定模块304,用于基于目标配电线路下一时刻的三相负荷和线损映射集合,确定目标配电线路下一时刻的线损率。
在本申请一实施例中,第一确定模块301包括:
时间划分子模块,用于按照预设时间间隔,将预设历史时段划分为n个时间段,每个时间段对应一个时间节点;n为大于1的正整数;
线损率确定子模块,用于针对任一时间节点,获取目标配电线路在时间节点的三相负荷数据;并基于目标配电线路在时间节点对应的时间段内的供电量数据以及每个配电变压器在时间段内的售电量数据,确定目标配电线路在时间节点对应的线损率;
线损映射集合确定子模块,用于基于n个时间节点各自对应的三相负荷数据和线损率,确定目标配电线路对应的线损映射集合。
在本申请一实施例中,线损率确定子模块包括:
电量示数获取单元,用于获取每个配电变压器在时间节点的第一电量示数以及时间节点的下一个时间节点的第二电量示数;并获取目标配电线路在时间节点的第一关口电量示数以及时间节点的下一个时间节点的第二关口电量示数;
总售电量数据确定单元,用于基于每个配电变压器各自对应的第一电量示数、第二电量示数和电表倍率,确定每个配电变压器在时间节点各自对应的时间段内的售电量数据,并基于每个配电变压器各自对应的售电量数据,确定总售电量数据;
供电量数据确定单元,用于基于第一关口电量示数、第二关口电量示数以及目标配电线路对应的电表倍率,确定目标配电线路在时间节点对应的时间段内的供电量数据;
线损率确定单元,用于基于总售电量数据和目标配电线路在时间节点对应的时间段内的供电量数据,确定目标配电线路在时间节点对应的线损率。
在本申请一实施例中,第四确定模块304包括:
目标三相负荷确定子模块,用于在线损映射集合中确定与目标配电线路下一时刻的三相负荷最接近的目标三相负荷;
目标线损率确定子模块,用于基于线损映射集合,确定目标三相负荷对应的目标线损率;
线路线损率确定子模块,用于将目标线损率确定为目标配电线路下一时刻的线损率。
在本申请一实施例中,三相负荷状态转移概率包括三相有功功率状态转移概率和三相无功功率状态转移概率;三相负荷状态转移概率矩阵包括三相有功功率状态转移概率矩阵和三相无功功率状态转移概率矩阵;
第二确定模块302包括:
三相有功功率确定子模块,用于基于每个配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相有功功率状态转移概率分布;并基于三相有功功率状态转移概率分布,确定每个配电变压器下一时刻的三相有功功率;
三相无功功率确定子模块,用于基于每个配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相无功功率状态转移概率分布;并基于三相无功功率状态转移概率分布,确定每个配电变压器下一时刻的三相无功功率;
三相负荷确定子模块,用于基于每个配电变压器各自对应的下一时刻的三相有功功率和三相无功功率,确定每个配电变压器各自对应的下一时刻的三相负荷。
在本申请一实施例中,数字孪生的配电线路线损预测装置300还包括:
取值范围确定模块,用于基于每个配电变压器在n个时间节点各自对应的三相有功功率数据,确定每个配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个配电变压器在n个时间节点各自对应的三相无功功率数据,确定每个配电变压器在下一时刻的三相无功功率之和对应的第二取值范围;
第一判断模块,用于判断每个配电变压器下一时刻的三相有功功率之和是否位于第一取值范围内;
第一重复计算模块,用于在每个配电变压器下一时刻的三相有功功率之和未位于第一取值范围时,重复基于每个配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相有功功率状态转移概率分布;并基于三相有功功率状态转移概率分布,确定每个配电变压器下一时刻的三相有功功率的步骤,直到每个配电变压器下一时刻的三相有功功率之和位于第一取值范围内;
第二判断模块,用于判断每个配电变压器下一时刻的三相无功功率之和是否位于第二取值范围内;
第二重复计算模块,用于在每个配电变压器下一时刻的三相无功功率之和未位于第二取值范围时,重复基于每个配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个配电变压器下一时刻的三相无功功率状态转移概率分布;并基于三相无功功率状态转移概率分布,确定每个配电变压器下一时刻的三相无功功率的步骤,直到每个配电变压器下一时刻的三相无功功率之和位于第二取值范围内。
在本申请一实施例中,取值范围确定模块包括:
聚类子模块,用于基于每个配电变压器在预设历史时段内的三相电流数据,对每个配电变压器进行聚类,得到预设数量的聚类簇;不同的聚类簇表征不同的用电行为;
清洗子模块,用于基于每个聚类簇各自对应的预设有功功率波动区间,对每个聚类簇中的配电变压器在n个时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个时间节点各自对应的有效三相有功功率;基于每个聚类簇各自对应的预设无功功率波动区间,对每个聚类簇中的配电变压器在n个时间节点各自对应的三相无功功率进行清洗,,得到每个配电变压器在n个时间节点各自对应的有效三相无功功率;
求和子模块,用于针对任一时间节点,计算每个配电变压器在时间节点的有效三相有功功率之和以及有效三相无功功率之和,以分别得到n个整体三相有功功率以及n个整体三相无功功率;
取值范围确定子模块,用于基于n个整体三相有功功率中的最小值和最大值,确定第一取值范围;并基于n个整体三相无功功率中的最小值和最大值,确定第二取值范围。
在本申请一实施例中,清洗子模块包括:
三相有功功率清洗子单元,用于针对任一时间节点,在任一配电变压器对应的三相有功功率大于配电变压器所属的聚类簇对应的预设有功功率波动区间的区间上限值时,将三相有功功率确定为区间上限值,或,在任一配电变压器对应的三相有功功率小于配电变压器所属的聚类簇对应的预设有功功率波动区间的区间下限值时,将三相有功功率确定为区间下限值,以得到每个配电变压器在n个时间节点各自对应的有效三相有功功率;
三相无功功率清洗子单元,用于针对任一时间节点,在任一配电变压器对应的三相无功功率大于配电变压器所属的聚类簇对应的预设无功功率波动区间的区间上限值时,将三相无功功率确定为区间上限值,或,在任一配电变压器对应的三相无功功率小于配电变压器所属的聚类簇对应的预设无功功率波动区间的区间下限值时,将三相无功功率确定为区间下限值,以得到每个配电变压器在n个时间节点各自对应的有效三相无功功率。
需要说明的是,本申请实施例的基于数字孪生的配电线路线损预测装置300的具体实施方式参照前述本申请实施例第一方面提出的基于数字孪生的配电线路线损预测方法的具体实施方式,在此不再赘述。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他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、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于数字孪生的配电线路线损预测方法和装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于数字孪生的配电线路线损预测方法,其特征在于,所述方法包括:
基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定所述目标配电线路对应的线损映射集合;所述线损映射集合用于表征所述目标配电线路的三相负荷与线损率之间的映射关系;
基于所述目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个所述配电变压器各自对应的下一时刻的三相负荷;
将所述每个所述配电变压器各自对应的下一时刻的三相负荷之和,确定为所述目标配电线路下一时刻的三相负荷;
基于所述目标配电线路下一时刻的三相负荷和所述线损映射集合,确定所述目标配电线路下一时刻的线损率。
2.根据权利要求1所述的基于数字孪生的配电线路线损预测方法,其特征在于,基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定所述目标配电线路对应的线损映射集合的步骤,包括:
按照预设时间间隔,将所述预设历史时段划分为n个时间段,每个时间段对应一个时间节点;n为大于1的正整数;
针对任一时间节点,获取目标配电线路在所述时间节点的三相负荷数据;并基于所述目标配电线路在所述时间节点对应的时间段内的供电量数据以及每个所述配电变压器在所述时间段内的售电量数据,确定所述目标配电线路在所述时间节点对应的线损率;
基于n个所述时间节点各自对应的三相负荷数据和线损率,确定所述目标配电线路对应的线损映射集合。
3.根据权利要求2所述的基于数字孪生的配电线路线损预测方法,其特征在于,基于所述目标配电线路在所述时间节点对应的时间段内的供电量数据以及每个所述配电变压器在所述时间段内的售电量数据,确定所述目标配电线路在所述时间节点对应的线损率的步骤,包括:
获取每个所述配电变压器在所述时间节点的第一电量示数以及所述时间节点的下一个时间节点的第二电量示数;并获取所述目标配电线路在所述时间节点的第一关口电量示数以及所述时间节点的下一个时间节点的第二关口电量示数;
基于每个所述配电变压器各自对应的第一电量示数、第二电量示数和电表倍率,确定每个所述配电变压器在所述时间节点各自对应的时间段内的售电量数据,并基于每个所述配电变压器各自对应的售电量数据,确定总售电量数据;
基于所述第一关口电量示数、所述第二关口电量示数以及所述目标配电线路对应的电表倍率,确定所述目标配电线路在所述时间节点对应的时间段内的供电量数据;
基于所述总售电量数据和所述目标配电线路在所述时间节点对应的时间段内的供电量数据,确定所述目标配电线路在所述时间节点对应的线损率。
4.根据权利要求1所述的基于数字孪生的配电线路线损预测方法,其特征在于,基于所述目标配电线路下一时刻的三相负荷和所述线损映射集合,确定所述目标配电线路下一时刻的线损率的步骤,包括:
在所述线损映射集合中确定与所述目标配电线路下一时刻的三相负荷最接近的目标三相负荷;
基于所述线损映射集合,确定所述目标三相负荷对应的目标线损率;
将所述目标线损率确定为所述目标配电线路下一时刻的线损率。
5.根据权利要求2所述的基于数字孪生的配电线路线损预测方法,其特征在于,所述三相负荷状态转移概率包括三相有功功率状态转移概率和三相无功功率状态转移概率;所述三相负荷状态转移概率矩阵包括三相有功功率状态转移概率矩阵和三相无功功率状态转移概率矩阵;
基于所述目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个所述配电变压器各自对应的下一时刻的三相负荷的步骤,包括:
基于每个所述配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相有功功率状态转移概率分布;并基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率;
基于每个所述配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相无功功率状态转移概率分布;并基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率;
基于每个所述配电变压器各自对应的下一时刻的三相有功功率和三相无功功率,确定每个所述配电变压器各自对应的下一时刻的三相负荷。
6.根据权利要求5所述的基于数字孪生的配电线路线损预测方法,其特征在于,所述方法还包括:
基于每个所述配电变压器在n个所述时间节点各自对应的三相有功功率数据,确定每个所述配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个所述配电变压器在n个所述时间节点各自对应的三相无功功率数据,确定每个所述配电变压器在下一时刻的三相无功功率之和对应的第二取值范围;
基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率的步骤之后,所述方法还包括:
判断每个所述配电变压器下一时刻的三相有功功率之和是否位于所述第一取值范围内;
若否,则重复基于每个所述配电变压器当前时刻的三相有功功率状态转移概率和三相有功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相有功功率状态转移概率分布;并基于所述三相有功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相有功功率的步骤,直到每个所述配电变压器下一时刻的三相有功功率之和位于所述第一取值范围内;
基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率的步骤之后,所述方法还包括:
判断每个所述配电变压器下一时刻的三相无功功率之和是否位于所述第二取值范围内;
若否,则重复基于每个所述配电变压器当前时刻的三相无功功率状态转移概率和三相无功功率状态转移概率矩阵,确定每个所述配电变压器下一时刻的三相无功功率状态转移概率分布;并基于所述三相无功功率状态转移概率分布,确定每个所述配电变压器下一时刻的三相无功功率的步骤,直到每个所述配电变压器下一时刻的三相无功功率之和位于所述第二取值范围内。
7.根据权利要求6所述的基于数字孪生的配电线路线损预测方法,其特征在于,基于每个所述配电变压器在n个所述时间节点各自对应的三相有功功率数据,确定每个所述配电变压器在下一时刻的三相有功功率之和对应的第一取值范围;并基于每个所述配电变压器在n个所述时间节点各自对应的三相无功功率数据,确定每个所述配电变压器在下一时刻的三相无功功率之和对应的第二取值范围的步骤,包括:
基于每个所述配电变压器在所述预设历史时段内的三相电流数据,对每个所述配电变压器进行聚类,得到预设数量的聚类簇;不同的聚类簇表征不同的用电行为;
基于每个所述聚类簇各自对应的预设有功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;基于每个所述聚类簇各自对应的预设无功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相无功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率;
针对任一时间节点,计算每个配电变压器在所述时间节点的有效三相有功功率之和以及有效三相无功功率之和,以分别得到n个整体三相有功功率以及n个整体三相无功功率;
基于n个所述整体三相有功功率中的最小值和最大值,,确定所述第一取值范围;并基于n个所述整体三相无功功率中的最小值和最大值,确定所述第二取值范围。
8.根据权利要求7所述的基于数字孪生的配电线路线损预测方法,其特征在于,基于每个所述聚类簇各自对应的预设有功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相有功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;基于每个所述聚类簇各自对应的预设无功功率波动区间,对每个所述聚类簇中的配电变压器在n个所述时间节点各自对应的三相无功功率进行清洗,得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率的步骤,包括:
针对任一时间节点,在任一所述配电变压器对应的三相有功功率大于所述配电变压器所属的聚类簇对应的预设有功功率波动区间的区间上限值时,将所述三相有功功率确定为所述区间上限值,或,在任一所述配电变压器对应的三相有功功率小于所述配电变压器所属的聚类簇对应的预设有功功率波动区间的区间下限值时,将所述三相有功功率确定为所述区间下限值,以得到每个配电变压器在n个所述时间节点各自对应的有效三相有功功率;
针对任一时间节点,在任一所述配电变压器对应的三相无功功率大于所述配电变压器所属的聚类簇对应的预设无功功率波动区间的区间上限值时,将所述三相无功功率确定为所述区间上限值,或,在任一所述配电变压器对应的三相无功功率小于所述配电变压器所属的聚类簇对应的预设无功功率波动区间的区间下限值时,将所述三相无功功率确定为所述区间下限值,以得到每个配电变压器在n个所述时间节点各自对应的有效三相无功功率。
9.一种基于数字孪生的配电线路线损预测装置,其特征在于,所述装置包括:
第一确定模块,用于基于目标配电线路在预设历史时段内的三相负荷数据、供电量数据和售电量数据,确定所述目标配电线路对应的线损映射集合;所述线损映射集合用于表征所述目标配电线路的三相负荷与线损率之间的映射关系;
第二确定模块,用于基于所述目标配电线路上挂接的每个配电变压器各自对应的当前时刻的三相负荷状态转移概率及三相负荷状态转移概率矩阵,确定每个所述配电变压器各自对应的下一时刻的三相负荷;;
第三确定模块,用于所述每个所述配电变压器各自对应的下一时刻的三相负荷之和,确定为所述目标配电线路下一时刻的三相负荷;
第四确定模块,用于基于所述目标配电线路下一时刻的三相负荷和所述线损映射集合,确定所述目标配电线路下一时刻的线损率。
10.根据权利要求9所述的基于数字孪生的配电线路线损预测装置,其特征在于,所述第一确定模块包括:
时间划分子模块,用于按照预设时间间隔,将所述预设历史时段划分为n个时间段,每个时间段对应一个时间节点;n为大于1的正整数;
线损率确定子模块,用于针对任一时间节点,获取目标配电线路在所述时间节点的三相负荷数据;并基于所述目标配电线路在所述时间节点对应的时间段内的供电量数据以及每个所述配电变压器在所述时间段内的售电量数据,确定所述目标配电线路在所述时间节点对应的线损率;
线损映射集合确定子模块,用于基于n个所述时间节点各自对应的三相负荷数据和线损率,确定所述目标配电线路对应的线损映射集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211712633.6A CN116128117A (zh) | 2022-12-29 | 2022-12-29 | 基于数字孪生的配电线路线损预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211712633.6A CN116128117A (zh) | 2022-12-29 | 2022-12-29 | 基于数字孪生的配电线路线损预测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116128117A true CN116128117A (zh) | 2023-05-16 |
Family
ID=86294989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211712633.6A Pending CN116128117A (zh) | 2022-12-29 | 2022-12-29 | 基于数字孪生的配电线路线损预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128117A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116976701A (zh) * | 2023-08-01 | 2023-10-31 | 浙江稳山电气科技有限公司 | 一种电网线损水平的智能估测方法及系统 |
-
2022
- 2022-12-29 CN CN202211712633.6A patent/CN116128117A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116976701A (zh) * | 2023-08-01 | 2023-10-31 | 浙江稳山电气科技有限公司 | 一种电网线损水平的智能估测方法及系统 |
CN116976701B (zh) * | 2023-08-01 | 2024-03-19 | 浙江稳山电气科技有限公司 | 一种电网线损水平的智能估测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Coordination of hydro units with wind power generation using interval optimization | |
CN116646933A (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
CN106682763B (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
CN116128117A (zh) | 基于数字孪生的配电线路线损预测方法和装置 | |
CN116111597A (zh) | 一种中长期调度计划的潮流断面场景集构建方法、系统、存储器及设备 | |
CN109741213A (zh) | 一种零能耗建筑耗能控制方法及系统 | |
CN117183803A (zh) | 电动汽车充电控制方法、装置和计算机设备 | |
CN116756506A (zh) | 区域电缆网络碳排放检测方法、系统、装置及存储介质 | |
CN115689620A (zh) | 基于物理模型和数据驱动的煤价与电价传导模型构建方法 | |
CN111796143B (zh) | 一种配用电系统节能设备节能量计量方法 | |
Yin et al. | Economic and technical comparison of energy storage technologies for renewable accommodation | |
CN114142470A (zh) | 电力系统新能源电站配套储能合理规模测算方法及系统 | |
CN114462676A (zh) | 一种用户侧储能优化方法及系统 | |
CN111079966B (zh) | 一种广义负荷空间预测方法和系统 | |
CN111815022A (zh) | 一种基于延时坐标嵌入法的电力负荷预测方法 | |
CN117498467B (zh) | 一种基于多层级虚拟电厂的能量协调控制分配方法及系统 | |
CN112909969B (zh) | 应用于储能系统的容量置信度确定方法与装置 | |
CN117220419B (zh) | 一种电力调度方法、系统及存储介质 | |
CN108390407A (zh) | 分布式光伏接入量计算方法、装置及计算机设备 | |
CN111178733B (zh) | 一种基于等效电量函数法的弃风电量评估方法 | |
CN118071387B (zh) | 基于数字孪生的电力设施运行成本预测方法和系统 | |
Sauter et al. | On Robustness Regarding Modeling Errors in Predictive Energy Management Systems for Multi-Carrier Energy Grids | |
CN117236726A (zh) | 灵活性评估方法、装置、设备、存储介质和程序产品 | |
CN115078825A (zh) | 一种提升电表数据采集准确性的方法及系统 | |
HU et al. | OPTIMAL OPERATION STRATEGY FOR A WIND‐STORAGE INTEGRATED SYSTEM CONSIDERING THE TEMPORAL CORRELATION OF WIND POWER |
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 |