CN116596512B - 一种基于信息系统的电力运维安全强化方法和系统 - Google Patents
一种基于信息系统的电力运维安全强化方法和系统 Download PDFInfo
- Publication number
- CN116596512B CN116596512B CN202310577142.3A CN202310577142A CN116596512B CN 116596512 B CN116596512 B CN 116596512B CN 202310577142 A CN202310577142 A CN 202310577142A CN 116596512 B CN116596512 B CN 116596512B
- Authority
- CN
- China
- Prior art keywords
- power transmission
- distribution
- power
- user
- target
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005728 strengthening Methods 0.000 title abstract description 4
- 238000009826 distribution Methods 0.000 claims abstract description 276
- 230000005540 biological transmission Effects 0.000 claims abstract description 259
- 230000005611 electricity Effects 0.000 claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 claims description 35
- 239000013598 vector Substances 0.000 claims description 29
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 description 29
- 230000008859 change Effects 0.000 description 20
- 230000005856 abnormality Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000012549 training Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本说明书实施例提供一种基于信息系统的电力运维安全强化方法,该方法包括:从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据;至少基于用电数据,确定目标区域在未来时段的用户侧负荷;基于输配电数据以及未来时段的所述用户侧负荷,确定检修时间窗口;基于检修时间窗口,确定电力运维方案,电力运维方案包括目标检修点位、目标检修点位的检修时间、人员调度方案中至少一种。
Description
技术领域
本说明书涉及电网信息安全技术领域,特别涉及一种基于信息系统的电力运维安全强化方法和系统。
背景技术
当前的电力运维服务,是为了维护电力系统的安全稳定运行,保证电能质量,针对配电设施、用电设施,进行规划设计、安装调试、运行监测、维护保养、设备检修等专业服务。随着产品的不断升级,需要更加智能化的电力运维服务,以保证用户的用电安全和用电质量。
针对电力运维安全及效率问题,CN112165157A提出一种基于电力运维平台的能效分析方法,该申请重点针对的是用户是否存在用电设备管理不规范,能源效率降低,用电成本超出预算等问题,并通过过阈报警等方式解决。但是其分析方法仅涉及过阈报警等,有时并不能适用于复杂多变的用电环境,导致其分析准确度无法得到保证。因此,为了解决以上问题,需要一种基于信息系统的电力运维安全强化方法和系统。
发明内容
本说明书一个或多个实施例提供一种基于信息系统的电力运维安全强化方法,基于处理器执行,所述方法包括:从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据;至少基于所述用电数据,确定目标区域在未来时段的用户侧负荷;基于所述输配电数据以及所述未来时段的所述用户侧负荷,确定检修时间窗口;基于所述检修时间窗口,确定电力运维方案,所述电力运维方案包括目标检修点位、所述目标检修点位的检修时间、人员调度方案中至少一种。
本说明书一个或多个实施例提供一种基于信息系统的电力运维安全强化系统,所述系统包括:获取数据模块,用于从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据;第一确定模块,用于至少基于所述用电数据,确定目标区域在未来时段的用户侧负荷;第二确定模块,用于基于所述输配电数据以及所述未来时段的所述用户侧负荷,确定检修时间窗口;确定方案模块,用于基于所述检修时间窗口,确定电力运维方案,所述电力运维方案包括目标检修点位、所述目标检修点位的检修时间、人员调度方案中至少一种。
本说明书一个或多个实施例提供一种基于信息系统的电力运维安全强化装置,包括处理器,所述处理器用于执行上述的任意一项的基于信息系统的电力运维安全强化方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行上述的任意一项的基于信息系统的电力运维安全强化方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的一种基于信息系统的电力运维安全强化系统的模块示意图;
图2是根据本说明书一些实施例所示的一种基于信息系统的电力运维安全强化方法的示例性流程图;
图3是根据本说明书一些实施例所示的负荷预测模型的示例性示意图;
图4是根据本说明书一些实施例所示的确定检修时间窗口的示例性流程图;
图5a是根据本说明书一些实施例所示的电力输配图谱的示例性示意图;
图5b是根据本说明书一些实施例所示的输配电波动预测模型的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
电力运维是城市重要的保障电力系统的安全稳定运行的方式,包括风电运维、光伏运维、水电运维、核电运维等。电力运维工作包括停送电操作,线路施工维护,变电所施工维护,信息通信,带电作业,电网建设,物质供应,配网施工维护等。
传统的电力运维由于用户用电的不合理、不规范以及偶发事件,难以及时获取数据并进行预警,可能存在部分区域超负荷、紧急停电等风险。
鉴于此,本说明书一些实施例中,期望提供一种改进的电力运维安全强化方法,通过精准识别用电风险数据并确定更具针对性的电力运维方案,以保证用户的用电安全和用电质量。
图1是根据本说明书一些实施例所示的基于信息系统的电力运维安全强化系统的模块示意图。
如图1所示,基于信息系统的电力运维安全强化系统100可以包括获取数据模块110、第一确定模块120、第二确定模块130和确定方案模块140。
获取数据模块110是指用于获取预测未来时段的用户侧负荷相关的数据的模块。例如,获取数据模块110可以用于从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据。
第一确定模块120是指用于预测未来时段的用户侧负荷的模块。例如,第一确定模块120可以用于至少基于用电数据,确定目标区域在未来时段的用户侧负荷。
在一些实施例中,第一确定模块可以进一步用于基于目标用户的历史用电数据序列,通过负荷预测模型,预测目标用户在未来时段的单用户负荷;基于目标区域的各个目标用户的单用户负荷,确定目标区域在未来时段区域负荷。
第二确定模块130是指用于确定检修时间窗口的模块。例如,第二确定模块130可以用于基于输配电数据以及未来时段的用户侧负荷,确定检修时间窗口。
在一些实施例中,第二确定模块可以进一步用于:基于用电数据记录,确定所述目标用户在至少一个时段的设备使用强度特征;基于至少一个时段的设备使用强度特征、用电设备信息,通过向量匹配确定所述目标用户在至少一个时段的输配电波动承受度;基于输配电数据以及用户侧负荷、输配电波动承受度,评估生产用电设备风险;基于用户侧负荷以及生产用电设备风险,确定检修时间窗口。
在一些实施例中,第二确定模块可以进一步用于:基于电网分布信息、用户侧负荷,构建电力输配图谱;基于电力输配图谱、输配电数据,通过输配电波动预测模型,预测电力输配图谱中的用户节点的输配电波动信息;基于输配电波动信息、输配电波动承受度,确定目标用户的生产用电设备风险。
确定方案模块140是指用于确定电力运维方案的模块。例如,确定方案模块140可以用于基于检修时间窗口,确定电力运维方案,电力运维方案包括目标检修点位、目标检修点位的检修时间、人员调度方案中至少一种。
关于上述模块的相应功能的具体说明,可以参见图2至图5a、5b及其相关描述。
应当理解,图1所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,基于信息系统的电力运维安全强化系统可以基于处理器实现,可以将基于信息系统的电力运维安全强化系统包括的各个模块集成于处理器内以基于处理器实现相应的操作。
需要注意的是,以上对于基于信息系统的电力运维安全强化系统100及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的获取数据模块110、第一确定模块120、第二确定模块130和确定方案模块140可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的基于信息系统的电力运维安全强化方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由处理器执行。
步骤210,从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据。
在一些实施例中,输电侧、配电侧、用户侧可以为基于电能的使用流向确定的对象。例如,输电侧可以是发电厂等发电场所。配电侧可以是配电所、配电站等配电场所。用户侧可以是具体的用电单位。
输配电数据可以是与输电侧或配电侧输出的电能相关的数据。其中,电能相关的数据可以包括输电侧和/或配电侧输送出的电压(如包括交流电的幅值、频率、相位等)、电流、功率等数据。
在一些实施例中,处理器可以通过分析输电侧和配电侧监测的电力传输信息,获取输配电数据。
目标用户可以是用电量满足预设要求的用电单位。例如目标用户可以包括月用电量超过预设阈值的企业、商超等单位。月用电量阈值可以提前预设。
目标用户的用电数据可以是反映目标用户用电情况的数据。例如,用电数据可以包括与目标用户使用的电能相关的数据、目标用户的用电设备数据、目标用户在预设历史时间段内的用电量等。
在一些实施例中,处理器可以基于目标用户注册的用电设备确定目标用户的用电设备数据,以及基于电网监测数据确定目标用户在预设历史时间段内的用电量及与使用的电能相关的数据等。
处理器也可以基于其他方式确定输配电数据和目标用户的用电数据。例如,基于获取相应人员的输入。
步骤220,至少基于用电数据,确定目标区域在未来时段的用户侧负荷。
目标区域可以是电力运维单位需要负责电力运维管理的所有区域。
未来时段可以是未来一个或多个时间段。例如,未来时段可以包括未来一小时、未来一天等。
用户侧负荷可以是与目标区域的目标用户的用电量相关的信息。例如,用户侧负荷可以包括目标区域的每一个目标用户的用电负荷量大小以及目标区域中负荷分布情况等。
在一些实施例中,用户侧负荷包括单用户负荷和区域负荷。
单用户负荷可以是单个目标用户在未来时段的用电负荷。例如,单用户负荷可以包括相应目标用户在未来时段需求的电量、电压、电流等数据。
区域负荷可以是目标区域在未来时段的用电负荷。例如,区域负荷可以是目标区域内所有目标用户在未来时段的单用户负荷以及小负荷用户在未来时段的用电负荷总和。其中,小负荷用户可以是目标区域内除目标用户外的其余用户,如家庭用户等。
在一些实施例中,区域负荷还可以包括目标区域内的负荷分布信息。负荷分布信息是指可以表征目标区域中配电负荷在各个层级输电电网中分布的信息。在一些实施例中,负荷分布信息可以使用分级菜单显示,一级菜单显示总负荷,二级菜单显示每个一级变电站/变电所/变压器对应的配电负荷,三级菜单显示每个一级变电站/变电所/变压器下面的多个二级变电站/变电所/变压器对应的配电负荷等,以此类推。上述输电电网的层级可以基于目标区域的电网信息获取。
在一些实施例中,处理器可以基于多种方式实现确定未来时段的用户侧负荷。例如,处理器可以将目标区域在历史同时期的平均用户侧负荷,作为在未来时段的用户侧负荷。
在一些实施例中,处理器可以基于目标用户的历史用电数据序列,通过负荷预测模型,预测目标用户在未来时段的单用户负荷;基于目标区域的各个目标用户的单用户负荷,确定目标区域在未来时段的区域负荷。
历史用电数据序列可以是目标用户在过去一段时间的用电数据序列。用电数据序列可以是表征目标用户在多个连续时段内的用电量的序列。例如,历史用电数据序列可以是目标用户在过去一周中每天的用电量组成的用电数据序列或者过去一天中每小时用电量组成的用电数据序列等。
在一些实施例中,用电数据序列还包括使用强度特征序列、输配电数据序列。
使用强度特征序列可以是表征用户的用电设备使用强度的序列。例如,强度特征序列可以包括用电设备使用时长、目标用户所有设备使用功率等元素。
在一些实施例中,处理器可以基于用电设备的功率以及电表监测的用电数据记录,确定生产用电设备的强度特征序列。用电设备的功率可以基于用户提供的用电设备清单确定。
输配电数据序列可以是表征用户负荷可能受输配电大小以及波动情况影响的序列。例如,输配电数据序列可以包括输配电大小、输配电的波动情况和用户的负荷情况等元素。其中,输配电大小可以基于如输配电的电压、电流、功率等数据表征。输配电的波动情况可以基于一段时间内输配电的电压、电流、功率等数据的变化情况表征。用户的负荷情况可以基于一段时间内电表监测的用户的用电量等数据表征。
在一些实施例中,处理器可以基于电网信息以及用户电表的监测确定输配电数据序列。
在一些实施例中,负荷预测模型可以为机器学习模型,例如,卷积神经网络模型等。关于负荷预测模型的更多说明参见图3的相应内容。
在本说明书的一些实施例中,基于使用强度特征序列和输配电数据序列构建用电数据序列。可以更加准确地获取目标用户的用电数据序列,让用电数据序列更加符合用户的实际情况。进而使得预测的用户侧负荷更具有针对性,且更准确。
在一些实施例中,区域负荷还包括区域损耗负荷。损耗负荷为电能在电网中传送所产生的电能损耗。确定区域损耗负荷包括:基于历史数据进行统计拟合,确定输配电数据、区域用电负荷与区域损耗负荷之间的映射关系(如函数关系),根据映射关系以及区域用电负荷确定区域损耗负荷。
在一些实施例中,区域损耗负荷可以包括各个层级的输电电网的损耗负荷。区域损耗负荷可以采用分层级显示,例如可以在各个层级对应的菜单下显示该层级输电电网的损耗负荷。
各级输电电网的损耗负荷可以为其输送电能的功率与使用的电能的功率的差值。
区域用电负荷是指目标区域的用电设备真实使用的负荷。区域用电负荷可以相关于目标区域的各个目标用户的单用户负荷。例如,区域用电负荷可以是区域内所有用户的用电设备产生的负荷。
在一些实施例中,处理器可以基于历史数据进行统计拟合,确定输配电数据、区域用电负荷与区域损耗负荷之间的映射关系。基于该映射关系以及获取到的当前的输配电数据、区域用电负荷,可以确定当前的区域损耗负荷。在本说明书的一些实施例中,通过处理器确定区域损耗负荷,并将其作为区域负荷的组成。使得获取的区域负荷更加准确,进而提升基于区域负荷确定的用户侧负荷的准确性,使得最终确定的检修时间窗口更加准确。
在本说明书的一些实施例中,处理器基于多个用户的输配电数据和用电数据确定未来时段的区域负荷。可以更加准确地预测确定区域中未来时段的区域负荷大小,进而使得确定的检修时间窗口以及电力运维方案更符合实际需求。
步骤230,基于输配电数据以及未来时段的用户侧负荷,确定检修时间窗口。
检修时间窗口可以是运维人员对目标用户进行检修的时间段,不同的目标用户的检修时间窗口不同。
在一些实施例中,处理器可以基于查表等方式确定检修时间窗口。例如,可以基于历史经验预设输配电数据以及未来时段的用户侧负荷与检修时间窗口的对照表,进而通过查表获取合适的检修时间窗口。
在一些实施例中,检修时间窗口可以基于输配电数据以及用户侧负荷确定。关于确定检修时间窗口的更多细节可以参见图4及其相关描述。
步骤240,基于检修时间窗口,确定电力运维方案,电力运维方案包括目标检修点位、目标检修点位的检修时间、人员调度方案中至少一种。
电力运维方案可以是目标用户的检修安排的具体方案。
目标检修点位可以是目标用户需要检修的用电设备的位置。
目标检修点位的检修时间可以是运维人员对目标检修点位进行检修的时间。目标检修点位的检修时间是检修时间窗口对应的时间段中的至少一部分时间。例如,可以包括开始检修时间和结束检修时间等。
人员调度方案可以是对运维人员进行任务分配的方案。如可以包括对目标检修点位进行检修的人员工号等。
在一些实施例中,处理器可以通过多种方式实现基于检修时间窗口,确定电力运维方案。
仅作为示例的,处理器可以根据检修时间窗口确定在该检修时间窗口没有任务安排的运维人员,再基于各个运维人员的当前定位以及未来检修计划,确定在检修时间窗口的开始时间点时,距离目标用户位置最近的运维人员为检修执行人员。目标检修点位可以包括目标用户所使用的用电设备的位置以及目标用户周边的输电电网对应的输电设备位置等。目标检修点位的检修时间可以包括,基于预设检修优先等级,对用电设备及输电设备按照优先等级由高至低的顺序进行检修时的预计检修时间序列。预计检修时间序列中一个元素可以对应一个设备的预计开始检修时间。
在本说明书的一些实施例中,处理器通过获取的输配电数据以及各目标用户的用电数据,确定电力运维方案。可以让电力运维的方案更加合理,减少了调度时间,并提高了区域电力运维的效率。
图3是根据本说明书一些实施例所示的负荷预测模型的示例性示意图。
在一些实施例中,负荷预测模型的输入可以是目标用户的历史用电数据序列310和目标时段330-2,负荷预测模型的输出可以是目标时段的单用户负荷350。
在一些实施例中,负荷预测模型为机器学习模型,包括数据处理层320和负荷预测层340。
数据处理层320用于确定用户的用电特征,数据处理层320的输入可以包括目标用户的历史用电数据序列310,输出可以包括用电特征330-1。数据处理层可以是LongShort-TermMemory(LSTM)模型。
关于目标用户的历史用电数据序列310的更多说明可以参见图2及其相关描述。
用电特征330-1是可以表征目标用户的具体用电情况的特征序列。例如,用电特征330-1可以包括历史用电数据序列310对应的历史时间段内目标用户的平均用电量、高负荷时段和低负荷时段等特征。
负荷预测层340用于确定用户的用电负荷,负荷预测层340的输入可以包括用电特征330-1和目标时段330-2,输出可以包括目标时段的单用户负荷350,负荷预测层的模型类型可以是神经网络模型。
目标时段330-2可以是需要预测目标用户对应的单用户负荷的时段。例如,未来一小时、未来一天等。
关于单用户负荷的更多说明可以参见图2及其相关描述。
在一些实施例中,数据处理层320的输出可以作为负荷预测层340的输入,数据处理层320、负荷预测层340可以通过联合训练得到。
在一些实施例中,联合训练的样本数据包括样本用户的历史用电数据序列和样本目标时段,标签为样本用户在样本目标时段的单用户负荷。标签可以基于样本用户的历史用电数据通过人工标注获取。
训练时,可以将历史用电数据序列输入数据处理层,得到数据处理层输出的用电特征;将用电特征作为训练样本数据,和样本目标时段输入负荷预测层,得到负荷预测层输出的目标时段的单用户负荷。基于样本目标时段的单用户负荷和负荷预测层输出的目标时段的单用户负荷构建损失函数,同步更新数据处理层和负荷预测层的参数。通过参数更新,得到训练好的数据处理层和负荷预测层。
本说明书一些实施例中,通过负荷预测模型对历史用电数据序列进行处理,可以考虑到用电数据与时间的联系,准确分析用电数据的变化,使预测结果更准确。同时,通过负荷预测模型确定目标时段的单用户负荷,可以提高对目标用户负荷的预测效率。
图4是根据本说明书一些实施例所示的确定检修时间窗口的流程图。
步骤410,基于用电数据记录,确定目标用户在至少一个时段的设备使用强度特征。
用电数据记录是指目标用户的历史用电记录,可以包括目标用户的历史用电量、用电设备使用功率、用电时长等各种电能相关数据。
在一些实施例中,处理器可以通过从终端(例如,电能表)获取用电数据记录。在一些实施例中,处理器还可以从存储设备获取用电数据记录。
至少一个时段可以是预设的一个或多个历史时段。
设备使用强度特征是与生产用电设备的用电量相关的各种信息。在一些实施例中,设备使用强度特征可以包括目标用户的用电设备的使用数量、使用时长、使用功率等,使用时长、使用功率是指目标用户的所有用电设备的使用时长、使用功率。
其中,生产用电设备可以是该用户所使用的所有工业生产用电设备等。目标用户可以是指用电量较大的群体,例如,企业、工厂、商超、工地等单位。
在一些实施例中,处理器可以基于用电数据记录,通过多种方式获得设备使用强度特征。例如,处理器可以根据用户安装时提供的用电设备清单,查询获取生产用电设备的用电功率,根据由电能表监测的用电数据记录、常规用电设备,确定生产用电设备使用强度特征。其中,用电设备可以包括生产用电设备、常规用电设备等。常规用电设备可以是指普通照明、空调等用电设备。
在一些实施例中,处理器可以基于用电数据记录与常规用电设备的用电功率,确定正在使用的生产用电设备的用电功率;基于正在使用的生产用电设备的用电功率,处理器可以判断开启的生产用电设备的数量或占比。
在一些实施例中,处理器可以基于一个时段的用电数据记录,确定生产用电设备在一个时段内的使用时长。
需要说明的是,目标用户需要根据规定向供电企业报备的用电信息,用电信息可以包含有用电设备清单中的用电设备功率。
步骤420,基于至少一个时段的设备使用强度特征、用电设备信息,通过向量匹配确定目标用户在至少一个时段的输配电波动承受度。
用电设备信息是指与用电设备自身相关的信息。例如,用电设备信息可以包括用电设备类型、用电设备功率等。
用电设备信息可以通过多种方式确定。例如,处理器可以从其他存储有用电设备信息的存储空间或设备中获取用电设备信息。
输配电波动承受度是指目标用户的生产用电设备可以承受的输配电波动情况。不同生产用电设备在不同时段对应的输配电波动承受度不同。
输配电波动情况可以是指实际输配电电压的幅值、频率、相位等相对于标准输配电电压的变化情况,例如,标准的交流电的U-t曲线是一个正弦波,但是实际输配电的U-t曲线可能由于产电入网及输电损耗、电涌产生等,出现电压在幅值、频率、相位等方面的变化,出现这些变化即为发生输配电波动。输配电波动信息可以包括实际输配电的电压信号与标准的交流电电压信号的差,用于反应实际输配电相对于标准交流电的频率、幅值、相位等的变化、变化的时间点,变化的频率等。
在一些实施例中,输配电波动承受度可以包括设备运行波动承受程度、设备损耗波动承受程度。设备运行波动承受程度可以是指设备正常运行可以承受的输配电波动情况。例如,设备运行波动承受程度可以包括保证生产用电设备正常运行时的最小输配电波动或最大电压输配电波动。设备损耗波动承受程度可以是指设备正常运行损耗可以承受的输配电波动情况。设备损耗波动承受程度可以包括保证生产用电设备正常损耗时的最小输配电波动或最大电压输配电波动。
在一些实施例中,处理器可以基于一个时段中目标用户的设备使用强度特征、用电设备信息构建该时段的目标用户的设备特征向量;基于设备特征向量在异常参考数据库中检索至少满足预设检索条件的至少一个参考向量;基于至少一个参考向量对应的设备运行信息确定目标用户的该时段的输配电波动承受度。
设备特征向量是用于表示用电设备在使用过程中的有关信息的向量。例如,基于设备特征向量可以表征设备使用强度特征、用电设备信息。
异常参考数据库是用于存储、索引和查询参考向量的数据库。例如,异常参考数据库中包括多个参考向量及其对应的设备运行信息。参考向量可以基于历史设备使用强度特征、历史用电设备信息构建,异常参考数据库中保存有每个参考向量对应的设备运行信息。
设备运行信息是指用电设备在运行过程中的信息。例如,设备运行信息可以包括设备正常、设备异常等。设备异常可以包括设备运行异常、设备损耗异常等。设备运行异常可以包括用电设备无法正常工作、用电设备短路等。设备损耗异常可以包括介质损耗、线路损耗等。设备正常可以是指设备处于正常工作状态。
设备运行信息可以通过多种方式确定。例如,处理器可以实时查询用户反馈的设备运行信息。用户可以通过各种输入方式在用户终端上输入设备运行信息。当用户未反馈设备异常信息,则表示用电设备没有出现异常;当用户反馈了设备异常信息,则认为当前设备运行信息为设备异常,可以基于获取用户的进一步输入确定是设备运行异常、设备损耗异常。
预设检索条件可以指用于确定关联向量的判断条件。在一些实施例中,预设检索条件可以包括向量距离小于距离阈值、向量距离最小等。向量距离可以为欧式距离等。
在一些实施例中,处理器可以基于设备特征向量在异常参考数据库中检索,将满足预设检索条件的参考向量确定为关联向量,获得关联向量对应的设备运行信息。
在一些实施例中,处理器可以基于关联向量对应的设备运行信息,通过多种方式确定输配电波动承受度。例如,处理器可以基于从包含设备运行信息与输配电波动承受度对照关系的表格中,通过查表确定目标用户在至少一个时段的输配电波动承受度。
在一些实施例中,处理器可以基于关联向量的设备运行信息,将出现设备异常信息的最小输配电波动和未出现异常的最大输配电波动的平均值,作为输配电波动承受程度。
最小输配电波动是指输配电波动变化的最小值。例如,最小输配电波动可以是输配电压幅值波动的最小值。
最大输配电波动是指输配电波动变化的最大值。例如,最大输配电波动可以是输配电压幅值波动的最大值。
在一些实施例中,处理器可以将出现设备运行异常的最小输配电波动、未出现设备运行异常的最大输配电波动的平均值,作为设备运行波动承受程度。
在一些实施例中,处理器可以将出现设备损耗异常的最小输配电波动、未出现设备损耗异常的最大输配电波动的平均值,作为设备损耗波动承受程度。
本说明书的一些实施例,通过该方法确定的输配电波动承受程度,更能避免由于前期数据不足导致输配电波动承受程度偏差太大(例如,数据量较少的时候,出现异常的最小输配电波动并不代表设备能够承受的波动极限),而且随着数据库的丰富补充,有利于提高输配电波动的准确性。
本说明书的一些实施例,通过向量数据库,获得参考向量,可以获得比直接基于经验预设确定参考向量更好的效果,节省人力与时间资源;根据用户反馈信息确定的设备运行信息更准确,更能真实反馈生产用电设备对不同输配电波动的承受程度。
步骤430,基于输配电数据以及用户侧负荷、输配电波动承受度,评估生产用电设备风险。
生产用电设备风险是指在生产用电设备在运行过程中,生产用电设备可能会发生异常或故障风险的概率。例如生产用电设备风险可以指生产用电设备短路、设备漏电、设备内部元件损坏导致功耗异常等风险发生的概率。
在一些实施例中,生产用电设备风险可以包括设备运行异常风险、设备损耗异常风险。设备运行异常风险是指用电设备在发生输配电波动时,发生设备运行异常的概率。设备损耗异常风险是指用电设备在发生输配电波动时,发生设备损耗异常的概率。
在一些实施例中,处理器可以基于输配电数据以及用户侧负荷、输配电波动承受度,通过多种方式评估生产用电设备风险。例如,处理器可以预设输配电数据以及用户侧负荷、输配电波动承受度与生产用电设备风险的对应关系,基于查表的方式,确定生产用电设备风险。
在一些实施例中,处理器可以分别确定设备运行异常风险、设备损耗异常风险,基于设备运行异常风险、设备损耗异常风险的均值,确定生产用电设备风险。均值可以是算数平均值或加权求和值。权重可以是基于经验或系统默认设置。关于设备运行异常风险、设备损耗异常风险的更多内容,可以参见图4下文的相关描述。
在一些实施例中,处理器可以通过多种方式,确定设备运行异常风险、设备损耗异常风险。例如,处理器可以对历史数据进行统计分析,确定历史相同输配电数据、用户侧负荷、输配电波动承受度情况下,发生设备运行异常的概率、设备损耗异常的概率,将设备运行异常的概率、设备损耗异常的概率直接确定为设备运行异常风险、设备损耗异常风险。
在一些实施例中,处理器可以通过输配电波动预测模型预测输配电波动信息;基于输配电波动信息、输配电波动承受度,确定目标用户的所述生产用电设备风险。关于通过输配电波动预测模型预测输配电波动信息以及确定目标用户的所述生产用电设备风险的更多内容,可以参见图5b的相关描述。
步骤440,基于用户侧负荷以及生产用电设备风险,确定检修时间窗口。
在一些实施例中,处理器可以基于用户侧负荷以及生产用电设备风险,通过多种方式确定检修时间窗口。例如,处理器可以将用户侧负荷较小和/或生产用电设备风险较高的一个时间段确定为检修时间窗口。
在一些实施例中,处理器可以对于每个目标用户,基于该目标用户的生产用电设备风险及其发生时段、低负荷的时段,确定多个候选检修时间窗口;结合目标用户对应的输配电数据、目标用户的目标用户负荷,通过检修波动预测模型预测在每个候选检修时间窗口进行检修所造成的电网检修波动变化特征;检修波动预测模型为机器学习模型;基于电网检修波动变化特征确定检修时间窗口。
发生时段是指生产用电设备风险高于预设风险阈值的时段。低负荷的时段是指未来时段区域负荷低于预设负荷阈值的时段。预设风险阈值、预设负荷阈值可以是系统默认值等。关于生产设备用电风险的更多内容,可以参见图5b的相关描述。
候选检修时间窗口是用来确定检修时间的候选时段。
在一些实施例中,处理器可以获得生产用电设备风险较高的目标时段,在目标时段之前的部分时段中,选择至少一个低负荷时段,将至少一个低负荷时段作为候选检修时间窗口。其中,目标时段之前的部分时段与目标时段的间隔距离需要小于预设值,即检修也不能提前过早。
电网检修波动变化特征是指与检修过程中引起的输配电波动相关的特征。当多条线路同时进行供电,需要断开一条线路进行检修时,待断开线路的供电量需要转移到其他线路上,在转移的过程中及转移后,转移的供电量会对目标用户的输配电数据的造成影响。因此,可以进一步通过检修波动预测模型预测每个候选检修时间窗口进行检修所造成的电网检修波动变化特征。
在一些实施例中,电网检修波动变化特征可以包括电网检修的输配电波动等。在一些实施例中,电网检修波动变化特征可以用向量的方式表示为(A1,A2,A3,…),其中,A1,A2,A3等分别表示电网检修过程中的输配电电压的幅值、频率、相位等相对于标准输配电电压的变化信息,用于反应检修过程中输配电波动的时间、频率、幅值等信息。
在一些实施例中,检修波动预测模型可以是神经网络模型等机器学习模型。
在一些实施例中,检修波动预测模型的输入可以包括候选检修时间窗口、目标用户对应的输配电数据、目标用户的目标用户负荷,检修波动预测模型的输出可以包括候选检修时间窗口进行检修所造成的电网检修波动变化特征。
其中,目标用户对应的输配电数据可以是指该对目标用户进行配电的配电站/配电所的输配电数据,配电站/配电所可以对多个目标用户进行配电。目标用户的目标用户负荷可以是指该目标用户的用电负荷。入户线缆数量可以是指配电站/配电所进行配电的目标用户的数量。
在一些实施例中,检修波动预测模型可以通过大量带有第一标签的第一训练样本训练得到。在一些实施例中,第一训练样本可以包括多组样本数据,每组样本数据包括:历史检修时间窗口、该历史检修时间窗口对应的时段下,样本目标用户对应的输配电数据、该时段的样本目标用户的目标用户负荷、入户线缆数量,第一训练样本可以通过历史数据获取。在一些实施例中,第一标签为在历史检修时间窗口进行检修所造成的历史电网检修波动变化特征,第一标签可以由处理器或人为标注确定。例如,可以在检修时,监测断掉某条线路之前的波动信息以及断掉一条线路之后的波动信息,将两个波动信息的差值作为电网检修波动变化特征的标签。
本说明书的一些实施例,通过检修波动预测模型确定电网检修波动变化特征,可以提高确定的电网检修波动变化特征的准确性,能够对目标用户的输配电波动变化信息异常进行有效监测,从而能够及时对异常进行处理。
本说明书的一些实施例,通过预测在每个候选检修时间窗口进行检修所造成的电网检修波动变化特征,可以在发生用电设备风险之前,获得合适的检修时间窗口,减少输配电波动变化对目标用户设备的损耗。
在一些实施例中,处理器可以基于电网检修波动变化特征,通过多种方式确定检修时间窗口。例如,处理器可以对电网检修波动变化特征按照波动大小进行排序,选取最小波动的电网检修波动变化特征对应的候选检修时间窗口,确定为检修时间窗口。
本说明书一些实施例,在确定时间检修窗口的时候,考虑检修对输配电带来的波动,选取最小波动的电网检修波动变化特征对应的检修时间窗口,可以避免由于检修导致设备异常。
在一些实施例中,处理器可以基于候选检修时间窗口对应的电网检修波动变化特征、该候选检修时间窗口对应的未来时段的输配电波动信息,确定叠加后的输配电波动信息;基于叠加后的输配电波动信息,判断检修生产用电设备风险;基于检修生产用电设备风险确定检修时间窗口。
输配电波动信息是指在输电、配电过程中的电能变化信息。例如,输配电波动信息可以包括实际输配电的电压信号与标准的交流电电压信号的差。关于输配电波动信息的更多内容,可以参见图5b的相关描述。
在一些实施例中,输配电波动信息可以基于指输配电波动电压随时间变化的曲线表征。
关于电网检修波动变化特征的更多内容,可以参见上文的相关描述。
叠加后的输配电波动信息是指综合考虑检修和原输配电所造成的输配电波动信息。原输配电所造成的输配电波动信息是指在不进行检修时,候选检修时间窗口对应的未来时段的输配电波动信息。候选检修时间窗口对应的未来时段的输配电波动信息可以通过输配电波动预测模型进行预测,关于输配电波动预测模型的更多内容,可以参见图5b的相关描述。
在一些实施例中,当某个候选检修时间窗口为检修时间窗口时,处理器可以将电网检修波动变化特征、该候选检修时间窗口对应的未来时段的输配电波动信息进行叠加,获得叠加后的输配电波动信息。叠加可以是指电网检修波动变化特征与该候选检修时间窗口对应的未来时段的输配电波动信息中电压或电压的振幅、频率、初相位等数据的加和。例如,对于输配电波动信息的频率f1(即每小时发生多少次波动,单位:次/小时),电网检修波动变化特征的频率f2,若两者在时间点上没有重合,则叠加后的输配电波动信息的频率为f1+f2。
检修生产用电设备风险是指当对目标检修点位进行检修时,目标用户的用电设备可能会发生异常或故障风险的概率。
在一些实施例中,处理器可以基于叠加后的输配电波动信息与目标用户在对应时段的输配电波动承受程度,判断检修生产用电设备风险。例如,对于某一时段,当叠加后的输配电波动信息的电压均低于两种输配电波动承受程度(即设备运行波动承受程度、设备损耗波动承受程度)的电压,则判断不存在两种生产用电设备风险(即设备运行异常风险、设备损耗异常风险);当叠加后的输配电波动信息的电压高于设备运行波动承受程度的电压,则判断存在设备运行异常风险,两者的差距越大,风险越大;当叠加后的输配电波动信息的电压高于设备损耗波动承受程度的电压,则判断存在设备损耗异常风险,两者的差距越大,风险越大。
在一些实施例中,处理器可以在接近发生时段的多个候选检修时间窗口中,选择检修生产用电设备风险最小的作为检修时间窗口。接近可以是指距离发生时段在预设时间范围内。预设时间范围可以是系统默认值等。
本说明书的一些实施例,考虑检修对输配电波动的影响,提高生产用电设备风险预测的准确性,避免对生产用电设备的损耗。
本说明书的一些实施例,通过确定输配电波动承受度,可以获得目标用户对不同程度的输配电信息的承受程度,有利于后续对生产用电设备风险的评估,从而提高电力运维的能力和效率。
应当注意的是,上述有关流程400的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程400进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
在一些实施例中,处理器可以基于电网分布信息、用户侧负荷,构建电力输配图谱;基于电力输配图谱、输配电数据,通过输配电波动预测模型,预测电力输配图谱中的用户节点的输配电波动信息;输配电波动预测模型为机器学习模型;基于输配电波动信息、输配电波动承受度,确定目标用户的生产用电设备风险。
电网分布信息是指电网中输电侧、配电侧以及用户侧的布局分布信息。例如,电网分布信息可以包括发电厂、输电线路、配电所和目标用户等的布局分布信息。
电力输配图谱510是用于表示输配电系统和目标用户之间关系的图谱。在一些实施例中,电力输配图谱是由节点和边组成的数据结构,边连接节点,节点和边可以具有属性。
节点可以包括用户节点、输配电节点。其中用户节点与目标用户对应,输配电节点与输配电设备对应。目标用户节点属性可以反映与目标用户的用电负荷相关的信息。输配电节点属性可以反映与输配电节点的用电负荷相关的信息。例如,用户节点属性可以包括目标用户在未来时段的目标用户负荷,输配电节点属性可以包括配电所的区域负荷等,区域符合可以包括区域用电负荷和区域损耗负荷等。输配电设备可以包括输变电系统、配电系统中的升压站、变电站等。
边可以与输电线缆对应,如基于输电线缆直接连接的两个节点之间具有边。边属性可以反映输电线缆自身的参数。例如,边的属性可以包括电缆的长度、规格、数量等。
节点和边的特征可以基于基础数据用各种方法确定。数据来源可以是其他实施例中说明的方法,也可以是其他方法。数据可以包括当前的数据,也可以包括历史数据。
在一些实施例中,处理器可以基于电力输配图谱,通过输配电波动预测模型,预测电力输配图谱中的用户节点的输配电波动信息。
关于输配电波动信息的更多内容,可以参见图4的相关描述。
在一些实施例中,波动预测模型可以是图神经网络模型(GraphNeural Network,GNN),也可以是其他图模型,例如图卷积神经网络模型(GCNN),或者在图神经网络模型中增加其他处理层、修改其处理方法等。
在一些实施例中,波动预测模型520输入可以是电力输配图谱510,其中电力输配图谱中的用户节点输出对应其输配电波动信息530。例如,假设电力输配图谱中有6个节点(序号A~F),其中A、B、C与目标用户对应,D、E、F与输配电设备对应,则波动预测模型的输出可以是[(A,a),(B,b),(C,c)],代表预测的目标用户A的输配电波动信息为a,预测的目标用户B的输配电波动信息为b,预测的目标用户C的输配电波动信息为c。
波动预测模型可以基于训练数据训练获得。训练数据包括第二训练样本以及第二标签。例如,第二训练样本可以包括历史电力输配图谱,第二标签可以为历史电力输配图谱中用户节点对应的历史输配电波动信息。第二训练样本可以基于历史数据确定的,第二标签以由处理器或人为标注确定。
本说明书的一些实施例,通过波动预测模型对电力输配图谱、输配电数据进行处理,可以利用机器学习模型的自学习能力,从大量电力输配图谱、输配电数据中找到规律,获取到电力输配图谱、输配电数据与输配电波动信息的关联关系,提高确定输配电波动信息的准确度和效率。
在一些实施例中,处理器可以基于目标用户的输配电波动信息与输配电波动承受程度,判断检修生产用电设备风险。例如,对于某一时段,当输配电波动信息的电压均低于两种输配电波动承受程度的电压,则判断不存在两种生产用电设备风险;当输配电波动信息的电压高于设备运行波动承受程度的电压,则判断存在设备运行异常风险,两者的差距越大,风险越大;当输配电波动信息的电压高于设备损耗波动承受程度的电压,则判断存在设备损耗异常风险,两者的差距越大,风险越大。
本说明书的一些实施例,基于目标用户的输配电波动承受度,对输配电波动信息进行判断,便于提前进行风险预警;综合输配电方面的因素和目标用户自身因素,可以降低用电质量不良(比如电压波动过大、闪变等)对用户用电可靠性的影响,减少对目标用户用电设备的损失。
本说明书的一个或多个实施例中还提供一种基于信息系统的电力运维安全强化装置,包括处理器,所述处理器用于执行如上任一实施例所述的基于信息系统的电力运维安全强化方法。
本说明书的一个或多个实施例中还提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机运行如上述任一实施例所述的基于信息系统的电力运维安全强化方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种基于信息系统的电力运维安全强化方法,基于处理器执行,其特征在于,所述方法包括:
从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据;
至少基于所述用电数据,确定目标区域在未来时段的用户侧负荷;
基于所述输配电数据以及所述未来时段的所述用户侧负荷,确定检修时间窗口,其中,所述基于所述输配电数据以及所述未来时段的所述用户侧负荷,确定检修时间窗口包括:
基于用电数据记录,确定所述目标用户在至少一个时段的设备使用强度特征;
基于所述至少一个时段的所述设备使用强度特征、用电设备信息,通过向量匹配确定所述目标用户在所述至少一个时段的输配电波动承受度;
基于所述输配电数据以及所述用户侧负荷、所述输配电波动承受度,评估生产用电设备风险;
基于所述用户侧负荷以及所述生产用电设备风险,确定检修时间窗口;
基于所述检修时间窗口,确定电力运维方案,所述电力运维方案包括目标检修点位、所述目标检修点位的检修时间、人员调度方案中至少一种。
2.根据权利要求1所述的方法,其特征在于,所述至少基于所述用电数据,确定目标区域在未来时段的用户侧负荷包括:
基于所述目标用户的历史用电数据序列,通过负荷预测模型,预测所述目标用户在未来时段的单用户负荷;所述负荷预测模型为机器学习模型;
基于所述目标区域的各个所述目标用户的所述单用户负荷,确定所述目标区域在所述未来时段的区域负荷。
3.根据权利要求1所述的方法,其特征在于,所述基于所述输配电数据以及所述用户侧负荷、所述输配电波动承受度,评估生产用电设备风险包括:
基于电网分布信息、所述用户侧负荷,构建电力输配图谱;
基于所述电力输配图谱、所述输配电数据,通过输配电波动预测模型,预测所述电力输配图谱中的用户节点的输配电波动信息;所述输配电波动预测模型为机器学习模型;
基于所述输配电波动信息、所述输配电波动承受度,确定所述目标用户的所述生产用电设备风险。
4.一种基于信息系统的电力运维安全强化系统,所述系统包括:
获取数据模块,用于从输电侧、配电侧获取输配电数据,以及从用户侧获取目标用户的用电数据;
第一确定模块,用于至少基于所述用电数据,确定目标区域在未来时段的用户侧负荷;
第二确定模块,用于基于所述输配电数据以及所述未来时段的所述用户侧负荷,确定检修时间窗口,其中,所述第二确定模块进一步用于:
基于用电数据记录,确定所述目标用户在至少一个时段的设备使用强度特征;
基于所述至少一个时段的所述设备使用强度特征、用电设备信息,通过向量匹配确定所述目标用户在所述至少一个时段的输配电波动承受度;
基于所述输配电数据以及所述用户侧负荷、所述输配电波动承受度,评估生产用电设备风险;
基于所述用户侧负荷以及所述生产用电设备风险,确定检修时间窗口;
确定方案模块,用于基于所述检修时间窗口,确定电力运维方案,所述电力运维方案包括目标检修点位、所述目标检修点位的检修时间、人员调度方案中至少一种。
5.根据权利要求4所述的系统,其特征在于,所述第一确定模块进一步用于:
基于所述目标用户的历史用电数据序列,通过负荷预测模型,预测所述目标用户在未来时段的单用户负荷;所述负荷预测模型为机器学习模型;
基于所述目标区域的各个所述目标用户的所述单用户负荷,确定所述目标区域在所述未来时段的区域负荷。
6.根据权利要求4所述的系统,其特征在于,所述第二确定模块进一步用于:
基于电网分布信息、所述用户侧负荷,构建电力输配图谱;
基于所述电力输配图谱、所述输配电数据,通过输配电波动预测模型,预测所述电力输配图谱中的用户节点的输配电波动信息;所述输配电波动预测模型为机器学习模型;
基于所述输配电波动信息、所述输配电波动承受度,确定所述目标用户的所述生产用电设备风险。
7.一种基于信息系统的电力运维安全强化装置,包括处理器,所述处理器用于执行权利要求1-3中任一所述的基于信息系统的电力运维安全强化方法。
8.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1-3中任一所述的基于信息系统的电力运维安全强化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310577142.3A CN116596512B (zh) | 2023-05-22 | 2023-05-22 | 一种基于信息系统的电力运维安全强化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310577142.3A CN116596512B (zh) | 2023-05-22 | 2023-05-22 | 一种基于信息系统的电力运维安全强化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116596512A CN116596512A (zh) | 2023-08-15 |
CN116596512B true CN116596512B (zh) | 2024-05-10 |
Family
ID=87598779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310577142.3A Active CN116596512B (zh) | 2023-05-22 | 2023-05-22 | 一种基于信息系统的电力运维安全强化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596512B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060409B (zh) * | 2023-10-13 | 2023-12-29 | 国网甘肃省电力公司白银供电公司 | 电力线路运行状态自动化检测分析方法及系统 |
CN117474191B (zh) * | 2023-12-28 | 2024-04-05 | 成都秦川物联网科技股份有限公司 | 基于智能水表的gis巡检管理方法、物联网系统及装置 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296465A (zh) * | 2016-08-23 | 2017-01-04 | 四川大学 | 一种智能电网异常用电行为检测方法 |
CN109063863A (zh) * | 2018-10-24 | 2018-12-21 | 广东电网有限责任公司 | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 |
EP3483803A1 (en) * | 2017-11-13 | 2019-05-15 | GE Energy Power Conversion Technology Ltd. | Maintenance optimization system through predictive analysis and usage intensity |
CN110826916A (zh) * | 2019-11-07 | 2020-02-21 | 深圳供电局有限公司 | 一种增量配电网调控及展示系统 |
CN111178727A (zh) * | 2019-12-24 | 2020-05-19 | 苏州艾尼斯特电气科技有限公司 | 一种景区配电运维系统、用户端 |
CN111191828A (zh) * | 2019-12-24 | 2020-05-22 | 江苏海恩德电气有限公司 | 基于动态、静态维修站的配电系统及其配置方法 |
CN111369021A (zh) * | 2020-03-06 | 2020-07-03 | 中国南方电网有限责任公司 | 一种输变电设备的自动检修方法 |
CN112215374A (zh) * | 2020-10-28 | 2021-01-12 | 中国电力科学研究院有限公司 | 电网中长期检修计划的校核方法、系统、设备及介质 |
CN112862012A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 一种基于lstm模型的运维系统异常预警方法、装置及设备 |
CN113191575A (zh) * | 2021-06-16 | 2021-07-30 | 广东电网有限责任公司 | 配电网检修停电方式的优化方法、装置、终端和存储介质 |
CN113469379A (zh) * | 2021-06-24 | 2021-10-01 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种基于大数据中心的海上风电场运维管理方法及装置 |
CN114169625A (zh) * | 2021-12-13 | 2022-03-11 | 国网江苏省电力有限公司经济技术研究院 | 电力系统的短期负荷预测方法及装置 |
CN114330771A (zh) * | 2021-12-28 | 2022-04-12 | 国家电网有限公司 | 基于负荷分析的电网检修调度方法 |
CN114399113A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 一种天然气管网管理方法和系统 |
CN114881252A (zh) * | 2022-03-07 | 2022-08-09 | 北京智芯微电子科技有限公司 | 配电线路运维方法及系统 |
CN115062802A (zh) * | 2022-06-28 | 2022-09-16 | 中能融合智慧科技有限公司 | 一种集约化的风电机组运维排程方法和系统 |
CN115687950A (zh) * | 2022-11-15 | 2023-02-03 | 深圳供电局有限公司 | 一种电力系统负荷波动分析方法和系统 |
CN115775072A (zh) * | 2022-11-23 | 2023-03-10 | 盛隆电气集团有限公司 | 一种基于大数据的能源管理方法及系统 |
CN115796434A (zh) * | 2023-01-29 | 2023-03-14 | 北京飞利信信息安全技术有限公司 | 一种用于配电网的管控方法、装置、电子设备及存储介质 |
CN116071047A (zh) * | 2023-02-03 | 2023-05-05 | 南方电网数字平台科技(广东)有限公司 | 一种停电计划生成方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140316838A1 (en) * | 2011-12-08 | 2014-10-23 | Vestas Wind Systems A/S | Decision support system (dss) for maintenance of a plurality of renewable energy generators in a renewable power plant |
-
2023
- 2023-05-22 CN CN202310577142.3A patent/CN116596512B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296465A (zh) * | 2016-08-23 | 2017-01-04 | 四川大学 | 一种智能电网异常用电行为检测方法 |
EP3483803A1 (en) * | 2017-11-13 | 2019-05-15 | GE Energy Power Conversion Technology Ltd. | Maintenance optimization system through predictive analysis and usage intensity |
CN109063863A (zh) * | 2018-10-24 | 2018-12-21 | 广东电网有限责任公司 | 考虑区域设备全寿命周期费用-效能比的配网检修计划优化方法 |
CN110826916A (zh) * | 2019-11-07 | 2020-02-21 | 深圳供电局有限公司 | 一种增量配电网调控及展示系统 |
CN111178727A (zh) * | 2019-12-24 | 2020-05-19 | 苏州艾尼斯特电气科技有限公司 | 一种景区配电运维系统、用户端 |
CN111191828A (zh) * | 2019-12-24 | 2020-05-22 | 江苏海恩德电气有限公司 | 基于动态、静态维修站的配电系统及其配置方法 |
CN111369021A (zh) * | 2020-03-06 | 2020-07-03 | 中国南方电网有限责任公司 | 一种输变电设备的自动检修方法 |
CN112215374A (zh) * | 2020-10-28 | 2021-01-12 | 中国电力科学研究院有限公司 | 电网中长期检修计划的校核方法、系统、设备及介质 |
CN112862012A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 一种基于lstm模型的运维系统异常预警方法、装置及设备 |
CN113191575A (zh) * | 2021-06-16 | 2021-07-30 | 广东电网有限责任公司 | 配电网检修停电方式的优化方法、装置、终端和存储介质 |
CN113469379A (zh) * | 2021-06-24 | 2021-10-01 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种基于大数据中心的海上风电场运维管理方法及装置 |
CN114169625A (zh) * | 2021-12-13 | 2022-03-11 | 国网江苏省电力有限公司经济技术研究院 | 电力系统的短期负荷预测方法及装置 |
CN114330771A (zh) * | 2021-12-28 | 2022-04-12 | 国家电网有限公司 | 基于负荷分析的电网检修调度方法 |
CN114399113A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 一种天然气管网管理方法和系统 |
CN114881252A (zh) * | 2022-03-07 | 2022-08-09 | 北京智芯微电子科技有限公司 | 配电线路运维方法及系统 |
CN115062802A (zh) * | 2022-06-28 | 2022-09-16 | 中能融合智慧科技有限公司 | 一种集约化的风电机组运维排程方法和系统 |
CN115687950A (zh) * | 2022-11-15 | 2023-02-03 | 深圳供电局有限公司 | 一种电力系统负荷波动分析方法和系统 |
CN115775072A (zh) * | 2022-11-23 | 2023-03-10 | 盛隆电气集团有限公司 | 一种基于大数据的能源管理方法及系统 |
CN115796434A (zh) * | 2023-01-29 | 2023-03-14 | 北京飞利信信息安全技术有限公司 | 一种用于配电网的管控方法、装置、电子设备及存储介质 |
CN116071047A (zh) * | 2023-02-03 | 2023-05-05 | 南方电网数字平台科技(广东)有限公司 | 一种停电计划生成方法及装置 |
Non-Patent Citations (2)
Title |
---|
基于设备状态评价和电网损失风险的配电网检修计划优化模型;李二霞;亢超群;李玉凌;樊勇华;马国明;杜月;;高电压技术(第11期);第3751-3759页 * |
基于风险的输电线路多目标优化检修;陈钢;刘新苗;王炳焱;李高望;;广东电力(第11期);第62-68、81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116596512A (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110687874B (zh) | 用于分析电气系统中的电能质量事件的系统和方法 | |
CN116596512B (zh) | 一种基于信息系统的电力运维安全强化方法和系统 | |
CN103872782B (zh) | 一种电能质量数据综合服务系统 | |
CA2832950C (en) | Dynamic assessment system for high-voltage electrical components | |
CN112131441B (zh) | 一种快速识别用电异常行为的方法及系统 | |
US8290727B2 (en) | System and method for providing power distribution system information | |
US9158035B2 (en) | System and method of automated acquisition, correlation and display of power distribution grid operational parameters and weather events | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
CN106712296A (zh) | 一种电力的在线监测管理系统 | |
CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
CN116937575A (zh) | 一种网格系统用的能源监控管理系统 | |
Boardman | The role of integrated distribution management systems in smart grid implementations | |
Shendryk et al. | Decision making for energy management in smart grid | |
Luo et al. | Research and application of GIS‐based medium‐voltage distribution network comprehensive technical evaluation system | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN116823213A (zh) | 一种基于多层级、多状态配电网画像技术的风险智能诊断方法、设备及存储介质 | |
CN115965266A (zh) | 一种基于大数据的智能分析系统 | |
CN112256922B (zh) | 一种故障停电快速识别方法及系统 | |
CN114236306A (zh) | 基于配电主站的配电线区间绝缘劣化程度评价方法及系统 | |
CN109494882B (zh) | 一种变电站开关设备状态的诊断方法及系统 | |
CN112308348A (zh) | 一种中压线损异常智能分析方法 | |
CN104361422A (zh) | 一种基于经济评估的电力用户电能质量数据收集方法 | |
CN109523199B (zh) | 基于交互式配网gis平台的可视化外力破坏管控系统 | |
Qiao et al. | Research and implementation of abnormal outage behavior prediction and analysis system based on digital twinning technology | |
Balzer et al. | Tasks of the Asset Management |
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 |