CN117056848A - 一种用于提升电力系统决策的监测数据质量分析方法 - Google Patents

一种用于提升电力系统决策的监测数据质量分析方法 Download PDF

Info

Publication number
CN117056848A
CN117056848A CN202311302087.3A CN202311302087A CN117056848A CN 117056848 A CN117056848 A CN 117056848A CN 202311302087 A CN202311302087 A CN 202311302087A CN 117056848 A CN117056848 A CN 117056848A
Authority
CN
China
Prior art keywords
target area
subarea
data
power
time point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311302087.3A
Other languages
English (en)
Other versions
CN117056848B (zh
Inventor
陈莉娟
施志勇
徐文峰
夏勇军
罗宾
刘焱
阮羚
张庆敏
卫婧怡
李硕瑜
刘轲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Central China Technology Development Of Electric Power Co ltd
Original Assignee
Hubei Central China Technology Development Of Electric Power Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hubei Central China Technology Development Of Electric Power Co ltd filed Critical Hubei Central China Technology Development Of Electric Power Co ltd
Priority to CN202311302087.3A priority Critical patent/CN117056848B/zh
Publication of CN117056848A publication Critical patent/CN117056848A/zh
Application granted granted Critical
Publication of CN117056848B publication Critical patent/CN117056848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/2433Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/27Regression, e.g. linear or logistic regression

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电力系统监测数据质量分析领域,具体公开一种用于提升电力系统决策的监测数据质量分析方法,本发明通过对区域的原始电力数据进行异常值检测处理,进一步根据区域的历史电力数据、经济数据、人口数据和发电设备数据,对区域的原始电力数据依次进行一次校正和二次校正,得到区域的预估电力数据趋势曲线并进行下一步分析,通过对原始电力数据依次进行内部数据间的对比、历史数据间的对比和关联数据间的对比,实现原始电力数据的校准优化;结合区域的预估用电量趋势曲线和预估发电量趋势曲线,判断区域的供电能力是否满足负荷需要,并进行反馈,从而提高地区电力系统决策的准确性和可靠性。

Description

一种用于提升电力系统决策的监测数据质量分析方法
技术领域
本发明涉及电力系统监测数据质量分析领域,涉及到一种用于提升电力系统决策的监测数据质量分析方法。
背景技术
随着经济的发展,人们对电能的质量要求和需求量逐渐变高,要想使电力系统的发展能够跟上人们的需求,就需要科学合理地进行电力系统规划决策,电力系统规划决策是所在供电区域国民经济和社会发展的重要组成部分,同时也是电力企业自身长远发展规划的重要基础之一。
电力系统规划决策的任务是研究负荷增长的规律,改造和加强现有电网结构,逐步解决薄弱环节,扩大供电能力,提高供电质量和安全可靠性,使电网能满足并适度超前于供电区域内的经济发展要求。
现有的电力系统规划决策的方法存在一些不足:一方面,现有方法在获取与电力系统决策相关的电力数据后,并未对获取的电力数据进行鉴别和预处理,而是直接进行下一步分析,若获取的电力数据中存在失真值或者错误值,会影响基于电力数据分析的电力系统决策的准确性,容易出现误判。
另一方面,现有方法在判断地区内的供电能力是否满足用电需要时,仅分析地区的用电量增长规律进而作出判断,过于片面,没有将地区的用电量增长趋势和发电量增长趋势综合进行比对分析,进而使得地区电力供需状态判断结果的可靠性不足。
发明内容
针对上述问题,本发明提出了一种用于提升电力系统决策的监测数据质量分析方法,具体技术方案如下:一种用于提升电力系统决策的监测数据质量分析方法,包括如下步骤:步骤一、目标地区电力数据采集:采集目标地区各子区域当前的电力数据,将其记为目标地区各子区域的原始电力数据,其中原始电力数据包括监测周期内各采样时间点的总用电量和总发电量。
步骤二、目标地区电力数据预处理:对目标地区各子区域的原始电力数据进行异常值检测处理,进一步获取目标地区各子区域的粗略用电量趋势曲线和粗略发电量趋势曲线。
步骤三、目标地区电力数据一次校正:获取目标地区各子区域的历史电力数据,进一步对目标地区各子区域的粗略用电量趋势曲线和粗略发电量趋势曲线进行校正,得到目标地区各子区域的参考用电量趋势曲线和参考发电量趋势曲线。
步骤四、目标地区电力数据二次校正:获取目标地区各子区域的经济数据、人口数据和发电设备数据,进一步对目标地区各子区域的参考用电量趋势曲线和参考发电量趋势曲线进行校正,得到目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线。
步骤五、目标地区电力数据分析处理:根据目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线,获取目标地区各子区域电力平衡对应的预测时间点,进一步判断目标地区各子区域的供电能力是否满足负荷需要,若不满足负荷需要,则获取供电能力不满足负荷需要的各子区域,并进行反馈。
在上述实施例的基础上,所述步骤一的具体分析过程为:按照预设的原则对目标地区进行划分,得到目标地区的各子区域。
设定监测周期的时长,并按照预设的等时间间隔原则在监测周期内设置各采样时间点,通过目标地区的能源管理部门获取目标地区各子区域在监测周期内各采样时间点的总用电量和总发电量,将其分别记为和/>,/>表示第/>个采样时间点的编号,/>,/>表示第/>个子区域的编号,/>
在上述实施例的基础上,所述步骤二的具体过程包括:根据目标地区各子区域在监测周期内各采样时间点的总用电量,得到目标地区各子区域在监测周期内的总用电量平均值和总用电量中位数,将其分别记为
通过分析公式得到目标地区各子区域在监测周期内各采样时间点的总用电量的数值离群系数/>,其中/>表示采样时间点的数量。
在上述实施例的基础上,所述步骤二的具体过程还包括:将目标地区各子区域在监测周期内各采样时间点的总用电量的数值离群系数与预设的数值离群系数阈值进行比较,若目标地区某子区域在监测周期内某采样时间点的总用电量的数值离群系数大于预设的数值离群系数阈值,则目标地区该子区域在监测周期内该采样时间点的总用电量的数值存在异常,并将目标地区该子区域在监测周期内该采样时间点的总用电量数值记为异常用电量数据值,统计目标地区各子区域的各异常用电量数据值,获取目标地区各子区域的异常用电量数据值的数量,将其记为
在上述实施例的基础上,所述步骤二的具体过程还包括:根据目标地区各子区域在监测周期内各采样时间点的总用电量,分别获取目标地区各子区域中各异常用电量数据值的采样时间点的相邻上一采样时间点和相邻下一采样时间点对应的总用电量,将其分别记为目标地区各子区域中各异常用电量数据值的前对照值和后对照值,并分别表示为和/>,/>表示第/>个异常用电量数据值的编号,/>
通过分析公式得到目标地区各子区域中各异常用电量数据值的替代值/>,其中/>表示预设的异常用电量数据值的替代值修正量。
将目标地区各子区域的各异常用电量数据值更换为其对应的替代值,得到异常值检测处理后的目标地区各子区域在监测周期内各采样时间点的总用电量,将其记为目标地区各子区域在监测周期内各采样时间点的基准总用电量。
在上述实施例的基础上,所述步骤二的具体过程还包括:以采样时间点为自变量、以基准总用电量为因变量建立坐标系,根据目标地区各子区域在监测周期内各采样时间点的基准总用电量,在坐标系中标出对应的数据点,利用数学回归分析方法,获取目标地区各子区域在监测周期内总用电量对应的回归曲线,将其记为目标地区各子区域的粗略用电量趋势曲线。
同理,根据目标地区各子区域的粗略用电量趋势曲线的分析方法,获取目标地区各子区域的粗略发电量趋势曲线。
在上述实施例的基础上,所述步骤三的具体分析过程为:设定历史周期的时长,获取历史周期中各历史年份中监测周期内各采样时间点目标地区各子区域的总用电量和总发电量。
分析目标地区各子区域的历史用电量趋势曲线。
将目标地区各子区域的粗略用电量趋势曲线与其对应的历史用电量趋势曲线进行拟合,得到目标地区各子区域的参考用电量趋势曲线。
同理,根据目标地区各子区域的参考用电量趋势曲线的分析方法,获取目标地区各子区域的参考发电量趋势曲线。
在上述实施例的基础上,所述步骤四的具体分析过程包括:获取监测周期内各采样时间点目标地区各子区域的GDP值和人口数量,进一步获取监测周期内各采样时间点目标地区各子区域的GDP增长率和人口增长率,将其分别记为和/>
通过分析公式得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据的补偿量/>,其中/>表示预设的目标地区子区域参考用电量趋势曲线的数值校正量,/>表示自然常数,/>分别表示预设的GDP增长率阈值和人口增长率阈值,/>分别表示预设的GDP增长率和人口增长率的权值。
根据目标地区各子区域的参考用电量趋势曲线,得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据,将目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据加上其数据对应的补偿量,得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的新数据,进而对目标地区各子区域的参考用电量趋势曲线进行校正,得到目标地区各子区域的预估用电量趋势曲线。
在上述实施例的基础上,所述步骤四的具体分析过程还包括:获取监测周期内各采样时间点目标地区各子区域中发电设备的累计故障次数和累计停机时长,分析监测周期内各采样时间点目标地区各子区域发电设备的故障次数增长率和停机时长增长率,进一步获取目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据的补偿量,将其记为
根据目标地区各子区域的参考发电量趋势曲线,得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据,将目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据减去其数据对应的补偿量,得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的新数据,进而对目标地区各子区域的参考发电量趋势曲线进行校正,得到目标地区各子区域的预估发电量趋势曲线。
在上述实施例的基础上,所述步骤五的具体分析过程为:根据目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线,获取目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线首次相交的时间点,将其记为目标地区各子区域电力平衡对应的预测时间点。
将目标地区各子区域电力平衡对应的预测时间点与预设的目标地区各子区域的电网规划时间点进行比较,若目标地区某子区域电力平衡对应的预测时间点早于其子区域的电网规划时间点,则目标地区该子区域的供电能力不满足负荷需要,统计供电能力不满足负荷需要的各子区域,将其反馈至目标地区的能源管理部门。
相对于现有技术,本发明所述的一种用于提升电力系统决策的监测数据质量分析方法以下有益效果:1.本发明通过对区域的原始电力数据进行异常值检测处理,获取区域的粗略电力数据趋势曲线,并根据区域的历史电力数据、经济数据、人口数据和发电设备数据,对区域的粗略电力数据趋势曲线依次进行一次校正和二次校正,得到区域的预估电力数据趋势曲线并进行下一步分析;通过对原始电力数据依次进行内部数据间的对比、历史数据间的对比和关联数据间的对比,实现原始电力数据的校准优化,进而减少原始电力数据的失真,提高基于电力数据分析的电力系统决策的准确性,避免出现误判。
2.本发明通过区域的预估用电量趋势曲线和预估发电量趋势曲线,获取区域电力平衡对应的预测时间点,进一步判断区域的供电能力是否满足负荷需要,并进行反馈;通过将地区的用电量增长趋势和发电量增长趋势综合进行比对分析,进而作出判断,能够提高地区电力供需状态判断结果的可靠性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明的方法流程示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供的一种用于提升电力系统决策的监测数据质量分析方法,包括如下步骤:步骤一、目标地区电力数据采集:采集目标地区各子区域当前的电力数据,将其记为目标地区各子区域的原始电力数据,其中原始电力数据包括监测周期内各采样时间点的总用电量和总发电量。
作为一种优选方案,所述步骤一的具体分析过程为:按照预设的原则对目标地区进行划分,得到目标地区的各子区域。
设定监测周期的时长,并按照预设的等时间间隔原则在监测周期内设置各采样时间点,通过目标地区的能源管理部门获取目标地区各子区域在监测周期内各采样时间点的总用电量和总发电量,将其分别记为和/>,/>表示第/>个采样时间点的编号,/>,/>表示第/>个子区域的编号,/>
需要说明的是,目标地区电力的来源有统调电源和地方电源两种途径,其中统调电源是目标地区电网统一调度的各类大型的发电厂,地方电源是目标地区中各类小型的水电站和各企业自备的发电机组。
步骤二、目标地区电力数据预处理:对目标地区各子区域的原始电力数据进行异常值检测处理,进一步获取目标地区各子区域的粗略用电量趋势曲线和粗略发电量趋势曲线。
作为一种优选方案,所述步骤二的具体过程包括:根据目标地区各子区域在监测周期内各采样时间点的总用电量,得到目标地区各子区域在监测周期内的总用电量平均值和总用电量中位数,将其分别记为
通过分析公式得到目标地区各子区域在监测周期内各采样时间点的总用电量的数值离群系数/>,其中/>表示采样时间点的数量。
作为一种优选方案,所述步骤二的具体过程还包括:将目标地区各子区域在监测周期内各采样时间点的总用电量的数值离群系数与预设的数值离群系数阈值进行比较,若目标地区某子区域在监测周期内某采样时间点的总用电量的数值离群系数大于预设的数值离群系数阈值,则目标地区该子区域在监测周期内该采样时间点的总用电量的数值存在异常,并将目标地区该子区域在监测周期内该采样时间点的总用电量数值记为异常用电量数据值,统计目标地区各子区域的各异常用电量数据值,获取目标地区各子区域的异常用电量数据值的数量,将其记为
作为一种优选方案,所述步骤二的具体过程还包括:根据目标地区各子区域在监测周期内各采样时间点的总用电量,分别获取目标地区各子区域中各异常用电量数据值的采样时间点的相邻上一采样时间点和相邻下一采样时间点对应的总用电量,将其分别记为目标地区各子区域中各异常用电量数据值的前对照值和后对照值,并分别表示为,/>表示第/>个异常用电量数据值的编号,/>
通过分析公式得到目标地区各子区域中各异常用电量数据值的替代值/>,其中/>表示预设的异常用电量数据值的替代值修正量。
将目标地区各子区域的各异常用电量数据值更换为其对应的替代值,得到异常值检测处理后的目标地区各子区域在监测周期内各采样时间点的总用电量,将其记为目标地区各子区域在监测周期内各采样时间点的基准总用电量。
作为一种优选方案,所述步骤二的具体过程还包括:以采样时间点为自变量、以基准总用电量为因变量建立坐标系,根据目标地区各子区域在监测周期内各采样时间点的基准总用电量,在坐标系中标出对应的数据点,利用数学回归分析方法,获取目标地区各子区域在监测周期内总用电量对应的回归曲线,将其记为目标地区各子区域的粗略用电量趋势曲线。
同理,根据目标地区各子区域的粗略用电量趋势曲线的分析方法,获取目标地区各子区域的粗略发电量趋势曲线。
步骤三、目标地区电力数据一次校正:获取目标地区各子区域的历史电力数据,进一步对目标地区各子区域的粗略用电量趋势曲线和粗略发电量趋势曲线进行校正,得到目标地区各子区域的参考用电量趋势曲线和参考发电量趋势曲线。
作为一种优选方案,所述步骤三的具体分析过程为:设定历史周期的时长,获取历史周期中各历史年份中监测周期内各采样时间点目标地区各子区域的总用电量和总发电量。
分析目标地区各子区域的历史用电量趋势曲线。
需要说明的是,获取目标地区各子区域的历史用电量趋势曲线,具体方法为:根据历史周期中各历史年份中监测周期内各采样时间点目标地区各子区域的总用电量,获取目标地区各子区域在历史周期中各历史年份监测周期内的用电量趋势曲线,对目标地区各子区域在历史周期中各历史年份监测周期内的用电量趋势曲线进行拟合,得到目标地区各子区域的历史用电量趋势曲线。
将目标地区各子区域的粗略用电量趋势曲线与其对应的历史用电量趋势曲线进行拟合,得到目标地区各子区域的参考用电量趋势曲线。
同理,根据目标地区各子区域的参考用电量趋势曲线的分析方法,获取目标地区各子区域的参考发电量趋势曲线。
作为一种优选方案,粗略用电量趋势曲线与其对应的历史用电量趋势曲线进行拟合的过程就是通过寻找一个与粗略用电量趋势曲线和历史用电量趋势曲线最匹配的拟合曲线来代替原来两条曲线,在实际操作过程中可以将两条曲线进行重合和优化。
需要说明的是,获取目标地区各子区域在历史周期中各历史年份监测周期内的用电量趋势曲线,具体方法为:以采样时间点为自变量、以总用电量为因变量建立坐标系,根据历史周期中各历史年份中监测周期内各采样时间点目标地区各子区域的总用电量,在坐标系中标出对应的数据点,利用数学回归分析方法,获取历史周期中各历史年份目标地区各子区域在监测周期内用电量对应的回归曲线,将其记为目标地区各子区域在历史周期中各历史年份监测周期内的用电量趋势曲线。
步骤四、目标地区电力数据二次校正:获取目标地区各子区域的经济数据、人口数据和发电设备数据,进一步对目标地区各子区域的参考用电量趋势曲线和参考发电量趋势曲线进行校正,得到目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线。
作为一种优选方案,所述步骤四的具体分析过程包括:获取监测周期内各采样时间点目标地区各子区域的GDP值和人口数量,进一步获取监测周期内各采样时间点目标地区各子区域的GDP增长率和人口增长率,将其分别记为和/>
通过分析公式得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据的补偿量/>,其中/>表示预设的目标地区子区域参考用电量趋势曲线的数值校正量,/>表示自然常数,/>分别表示预设的GDP增长率阈值和人口增长率阈值,/>分别表示预设的GDP增长率和人口增长率的权值。
根据目标地区各子区域的参考用电量趋势曲线,得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据,将目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据加上其数据对应的补偿量,得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的新数据,进而对目标地区各子区域的参考用电量趋势曲线进行校正,得到目标地区各子区域的预估用电量趋势曲线。
需要说明的是,可以通过目标地区的统计局获取监测周期内各采样时间点目标地区各子区域的GDP值和人口数量。
需要说明的是,获取监测周期内各采样时间点目标地区各子区域的GDP增长率,具体方法为:将监测周期内各采样时间点目标地区各子区域的GDP值记为
通过分析公式得到监测周期内各采样时间点目标地区各子区域的GDP增长率/>,其中/>表示监测周期内第/>个采样时间点目标地区第/>个子区域的GDP值。
需要说明的是,通过上述公式计算监测周期内第一个采样时间点目标地区各子区域的GDP增长率时,将监测周期内第一个采样时间点目标地区各子区域的GDP值与预设的目标地区各子区域的基准GDP值进行比较。
需要说明的是,获取监测周期内各采样时间点目标地区各子区域的人口增长率的方法与获取监测周期内各采样时间点目标地区各子区域的GDP增长率的方法,原理相同。
需要说明的是,监测周期内各采样时间点目标地区各子区域的人口增长率和GDP增长率可以为正数或者负数。
作为一种优选方案,所述步骤四的具体分析过程还包括:获取监测周期内各采样时间点目标地区各子区域中发电设备的累计故障次数和累计停机时长,分析监测周期内各采样时间点目标地区各子区域发电设备的故障次数增长率和停机时长增长率,进一步获取目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据的补偿量,将其记为
需要说明的是,获取目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据的补偿量,具体方法为:获取监测周期内各采样时间点目标地区各子区域发电设备的故障次数增长率和停机时长增长率,将其分别记为
通过分析公式得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据的补偿量/>,其中/>表示预设的目标地区子区域参考发电量趋势曲线的数值校正量,/>分别表示预设的发电设备的故障次数增长率和停机时长增长率的阈值,/>分别表示预设的发电设备的故障次数增长率和停机时长增长率的权值。
根据目标地区各子区域的参考发电量趋势曲线,得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据,将目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据减去其数据对应的补偿量,得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的新数据,进而对目标地区各子区域的参考发电量趋势曲线进行校正,得到目标地区各子区域的预估发电量趋势曲线。
需要说明的是,获取监测周期内各采样时间点目标地区各子区域发电设备的故障次数增长率和停机时长增长率的方法与获取监测周期内各采样时间点目标地区各子区域的GDP增长率的方法,原理相同。
需要说明的是,监测周期内各采样时间点目标地区各子区域发电设备的故障次数增长率和停机时长增长率可以为正数或者负数。
在本实施例中,本发明通过对区域的原始电力数据进行异常值检测处理,获取区域的粗略电力数据趋势曲线,并根据区域的历史电力数据、经济数据、人口数据和发电设备数据,对区域的粗略电力数据趋势曲线依次进行一次校正和二次校正,得到区域的预估电力数据趋势曲线并进行下一步分析;通过对原始电力数据依次进行内部数据间的对比、历史数据间的对比和关联数据间的对比,实现原始电力数据的校准优化,进而减少原始电力数据的失真,提高基于电力数据分析的电力系统决策的准确性,避免出现误判。
步骤五、目标地区电力数据分析处理:根据目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线,获取目标地区各子区域电力平衡对应的预测时间点,进一步判断目标地区各子区域的供电能力是否满足负荷需要,若不满足负荷需要,则获取供电能力不满足负荷需要的各子区域,并进行反馈。
作为一种优选方案,所述步骤五的具体分析过程为:根据目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线,获取目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线首次相交的时间点,将其记为目标地区各子区域电力平衡对应的预测时间点。
将目标地区各子区域电力平衡对应的预测时间点与预设的目标地区各子区域的电网规划时间点进行比较,若目标地区某子区域电力平衡对应的预测时间点早于其子区域的电网规划时间点,则目标地区该子区域的供电能力不满足负荷需要,统计供电能力不满足负荷需要的各子区域,将其反馈至目标地区的能源管理部门。
需要说明的是,获取目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线首次相交的时间点,可以通过曲线图像直观得到,也可以通过获取目标地区各子区域预估用电量趋势曲线和预估发电量趋势曲线对应的函数进而计算得到。
在本实施例中,本发明通过区域的预估用电量趋势曲线和预估发电量趋势曲线,获取区域电力平衡对应的预测时间点,进一步判断区域的供电能力是否满足负荷需要,并进行反馈;通过将地区的用电量增长趋势和发电量增长趋势综合进行比对分析,进而作出判断,能够提高地区电力供需状态判断结果的可靠性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。

Claims (10)

1.一种用于提升电力系统决策的监测数据质量分析方法,其特征在于,包括如下步骤:
步骤一、目标地区电力数据采集:采集目标地区各子区域当前的电力数据,将其记为目标地区各子区域的原始电力数据,其中原始电力数据包括监测周期内各采样时间点的总用电量和总发电量;
步骤二、目标地区电力数据预处理:对目标地区各子区域的原始电力数据进行异常值检测处理,进一步获取目标地区各子区域的粗略用电量趋势曲线和粗略发电量趋势曲线;
步骤三、目标地区电力数据一次校正:获取目标地区各子区域的历史电力数据,进一步对目标地区各子区域的粗略用电量趋势曲线和粗略发电量趋势曲线进行校正,得到目标地区各子区域的参考用电量趋势曲线和参考发电量趋势曲线;
步骤四、目标地区电力数据二次校正:获取目标地区各子区域的经济数据、人口数据和发电设备数据,进一步对目标地区各子区域的参考用电量趋势曲线和参考发电量趋势曲线进行校正,得到目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线;
步骤五、目标地区电力数据分析处理:根据目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线,获取目标地区各子区域电力平衡对应的预测时间点,进一步判断目标地区各子区域的供电能力是否满足负荷需要,若不满足负荷需要,则获取供电能力不满足负荷需要的各子区域,并进行反馈。
2.根据权利要求1所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤一的具体分析过程为:
按照预设的原则对目标地区进行划分,得到目标地区的各子区域;
设定监测周期的时长,并按照预设的等时间间隔原则在监测周期内设置各采样时间点,通过目标地区的能源管理部门获取目标地区各子区域在监测周期内各采样时间点的总用电量和总发电量,将其分别记为和/>,/>表示第/>个采样时间点的编号,/>,/>表示第/>个子区域的编号,/>
3.根据权利要求2所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤二的具体过程包括:
根据目标地区各子区域在监测周期内各采样时间点的总用电量,得到目标地区各子区域在监测周期内的总用电量平均值和总用电量中位数,将其分别记为
通过分析公式得到目标地区各子区域在监测周期内各采样时间点的总用电量的数值离群系数/>,其中/>表示采样时间点的数量。
4.根据权利要求3所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤二的具体过程还包括:
将目标地区各子区域在监测周期内各采样时间点的总用电量的数值离群系数与预设的数值离群系数阈值进行比较,若目标地区某子区域在监测周期内某采样时间点的总用电量的数值离群系数大于预设的数值离群系数阈值,则目标地区该子区域在监测周期内该采样时间点的总用电量的数值存在异常,并将目标地区该子区域在监测周期内该采样时间点的总用电量数值记为异常用电量数据值,统计目标地区各子区域的各异常用电量数据值,获取目标地区各子区域的异常用电量数据值的数量,将其记为
5.根据权利要求4所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤二的具体过程还包括:
根据目标地区各子区域在监测周期内各采样时间点的总用电量,分别获取目标地区各子区域中各异常用电量数据值的采样时间点的相邻上一采样时间点和相邻下一采样时间点对应的总用电量,将其分别记为目标地区各子区域中各异常用电量数据值的前对照值和后对照值,并分别表示为和/>,/>表示第/>个异常用电量数据值的编号,/>
通过分析公式得到目标地区各子区域中各异常用电量数据值的替代值/>,其中/>表示预设的异常用电量数据值的替代值修正量;
将目标地区各子区域的各异常用电量数据值更换为其对应的替代值,得到异常值检测处理后的目标地区各子区域在监测周期内各采样时间点的总用电量,将其记为目标地区各子区域在监测周期内各采样时间点的基准总用电量。
6.根据权利要求5所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤二的具体过程还包括:
以采样时间点为自变量、以基准总用电量为因变量建立坐标系,根据目标地区各子区域在监测周期内各采样时间点的基准总用电量,在坐标系中标出对应的数据点,利用数学回归分析方法,获取目标地区各子区域在监测周期内总用电量对应的回归曲线,将其记为目标地区各子区域的粗略用电量趋势曲线;
同理,根据目标地区各子区域的粗略用电量趋势曲线的分析方法,获取目标地区各子区域的粗略发电量趋势曲线。
7.根据权利要求1所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤三的具体分析过程为:
设定历史周期的时长,获取历史周期中各历史年份中监测周期内各采样时间点目标地区各子区域的总用电量和总发电量;
分析目标地区各子区域的历史用电量趋势曲线;
将目标地区各子区域的粗略用电量趋势曲线与其对应的历史用电量趋势曲线进行拟合,得到目标地区各子区域的参考用电量趋势曲线;
同理,根据目标地区各子区域的参考用电量趋势曲线的分析方法,获取目标地区各子区域的参考发电量趋势曲线。
8.根据权利要求2所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤四的具体分析过程包括:
获取监测周期内各采样时间点目标地区各子区域的GDP值和人口数量,进一步获取监测周期内各采样时间点目标地区各子区域的GDP增长率和人口增长率,将其分别记为
通过分析公式得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据的补偿量/>,其中/>表示预设的目标地区子区域参考用电量趋势曲线的数值校正量,/>表示自然常数,/>分别表示预设的GDP增长率阈值和人口增长率阈值,/>分别表示预设的GDP增长率和人口增长率的权值;
根据目标地区各子区域的参考用电量趋势曲线,得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据,将目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的数据加上其数据对应的补偿量,得到目标地区各子区域参考用电量趋势曲线在监测周期内各采样时间点的新数据,进而对目标地区各子区域的参考用电量趋势曲线进行校正,得到目标地区各子区域的预估用电量趋势曲线。
9.根据权利要求8所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤四的具体分析过程还包括:
获取监测周期内各采样时间点目标地区各子区域中发电设备的累计故障次数和累计停机时长,分析监测周期内各采样时间点目标地区各子区域发电设备的故障次数增长率和停机时长增长率,进一步获取目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据的补偿量,将其记为
根据目标地区各子区域的参考发电量趋势曲线,得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据,将目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的数据减去其数据对应的补偿量,得到目标地区各子区域参考发电量趋势曲线在监测周期内各采样时间点的新数据,进而对目标地区各子区域的参考发电量趋势曲线进行校正,得到目标地区各子区域的预估发电量趋势曲线。
10.根据权利要求1所述的一种用于提升电力系统决策的监测数据质量分析方法,其特征在于:所述步骤五的具体分析过程为:
根据目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线,获取目标地区各子区域的预估用电量趋势曲线和预估发电量趋势曲线首次相交的时间点,将其记为目标地区各子区域电力平衡对应的预测时间点;
将目标地区各子区域电力平衡对应的预测时间点与预设的目标地区各子区域的电网规划时间点进行比较,若目标地区某子区域电力平衡对应的预测时间点早于其子区域的电网规划时间点,则目标地区该子区域的供电能力不满足负荷需要,统计供电能力不满足负荷需要的各子区域,将其反馈至目标地区的能源管理部门。
CN202311302087.3A 2023-10-10 2023-10-10 一种用于提升电力系统决策的监测数据质量分析方法 Active CN117056848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311302087.3A CN117056848B (zh) 2023-10-10 2023-10-10 一种用于提升电力系统决策的监测数据质量分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311302087.3A CN117056848B (zh) 2023-10-10 2023-10-10 一种用于提升电力系统决策的监测数据质量分析方法

Publications (2)

Publication Number Publication Date
CN117056848A true CN117056848A (zh) 2023-11-14
CN117056848B CN117056848B (zh) 2023-12-29

Family

ID=88653824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311302087.3A Active CN117056848B (zh) 2023-10-10 2023-10-10 一种用于提升电力系统决策的监测数据质量分析方法

Country Status (1)

Country Link
CN (1) CN117056848B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117353300A (zh) * 2023-12-04 2024-01-05 拓锐科技有限公司 一种基于大数据的农村用电需求量分析方法

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200277A (zh) * 2014-08-12 2014-12-10 南方电网科学研究院有限责任公司 一种中长期电力负荷预测模型建立方法
CN106844594A (zh) * 2017-01-12 2017-06-13 南京大学 一种基于大数据的电力优化配置方法
CN106991528A (zh) * 2017-03-25 2017-07-28 国网福建省电力有限公司 一种适应多类型电源发电特征的电力系统电力电量平衡辅助分析计算系统
CN109727446A (zh) * 2019-01-15 2019-05-07 华北电力大学(保定) 一种用电数据异常值的识别与处理方法
CN109842140A (zh) * 2019-03-04 2019-06-04 曹麾 高压配网峰谷负荷平衡智能管控方法
CN113780660A (zh) * 2021-09-13 2021-12-10 广东电网有限责任公司 一种居民用电量预测方法、系统及存储介质
CN114186713A (zh) * 2021-11-17 2022-03-15 广西电网有限责任公司 一种考虑远景发展情景约束的中长期用电量预测方法
CN114519460A (zh) * 2022-01-30 2022-05-20 河南农业大学 一种基于离散多变量灰色预测的电力预测系统
KR20220075078A (ko) * 2020-11-27 2022-06-07 주식회사 비온시이노베이터 건물 일체형 태양광 발전 설비의 경제적 운영을 위한 에너지 관리 모니터링 및 그 제어 방법
CN115423209A (zh) * 2022-09-27 2022-12-02 中国长江三峡集团有限公司 一种电力负荷需求预测方法、装置、电子设备及存储介质
WO2023010759A1 (zh) * 2021-08-04 2023-02-09 国网江苏省电力有限公司南通供电分公司 基于配售电竞争态势下区域配电网网格化负荷区间预测方法
CN115713160A (zh) * 2022-11-25 2023-02-24 特变电工股份有限公司新疆变压器厂 新能源发电的电能调配方法、装置、电子设备及存储介质
CN115907033A (zh) * 2022-12-02 2023-04-04 湖北华中电力科技开发有限责任公司 一种基于机器学习算法预测每小时用电量的方法及系统
CN116073372A (zh) * 2023-02-01 2023-05-05 江苏杰拉尔智能科技有限公司 一种基于智慧用电的安全监控管理系统及方法
CN116231689A (zh) * 2022-11-01 2023-06-06 中国计量大学 一种电能量分类预储及动态调整的微电网集群协同策略
KR102572167B1 (ko) * 2023-03-21 2023-08-29 서교정보통신 주식회사 탄소중립을 위해 신재생 에너지를 이용하여 첨두 전력을 줄일 수 있는 발전제어 시스템
CN116703135A (zh) * 2023-08-10 2023-09-05 安徽博诺思信息科技有限公司 一种电力线路建设规划分析评估方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200277A (zh) * 2014-08-12 2014-12-10 南方电网科学研究院有限责任公司 一种中长期电力负荷预测模型建立方法
CN106844594A (zh) * 2017-01-12 2017-06-13 南京大学 一种基于大数据的电力优化配置方法
CN106991528A (zh) * 2017-03-25 2017-07-28 国网福建省电力有限公司 一种适应多类型电源发电特征的电力系统电力电量平衡辅助分析计算系统
CN109727446A (zh) * 2019-01-15 2019-05-07 华北电力大学(保定) 一种用电数据异常值的识别与处理方法
CN109842140A (zh) * 2019-03-04 2019-06-04 曹麾 高压配网峰谷负荷平衡智能管控方法
KR20220075078A (ko) * 2020-11-27 2022-06-07 주식회사 비온시이노베이터 건물 일체형 태양광 발전 설비의 경제적 운영을 위한 에너지 관리 모니터링 및 그 제어 방법
WO2023010759A1 (zh) * 2021-08-04 2023-02-09 国网江苏省电力有限公司南通供电分公司 基于配售电竞争态势下区域配电网网格化负荷区间预测方法
CN113780660A (zh) * 2021-09-13 2021-12-10 广东电网有限责任公司 一种居民用电量预测方法、系统及存储介质
CN114186713A (zh) * 2021-11-17 2022-03-15 广西电网有限责任公司 一种考虑远景发展情景约束的中长期用电量预测方法
CN114519460A (zh) * 2022-01-30 2022-05-20 河南农业大学 一种基于离散多变量灰色预测的电力预测系统
CN115423209A (zh) * 2022-09-27 2022-12-02 中国长江三峡集团有限公司 一种电力负荷需求预测方法、装置、电子设备及存储介质
CN116231689A (zh) * 2022-11-01 2023-06-06 中国计量大学 一种电能量分类预储及动态调整的微电网集群协同策略
CN115713160A (zh) * 2022-11-25 2023-02-24 特变电工股份有限公司新疆变压器厂 新能源发电的电能调配方法、装置、电子设备及存储介质
CN115907033A (zh) * 2022-12-02 2023-04-04 湖北华中电力科技开发有限责任公司 一种基于机器学习算法预测每小时用电量的方法及系统
CN116073372A (zh) * 2023-02-01 2023-05-05 江苏杰拉尔智能科技有限公司 一种基于智慧用电的安全监控管理系统及方法
KR102572167B1 (ko) * 2023-03-21 2023-08-29 서교정보통신 주식회사 탄소중립을 위해 신재생 에너지를 이용하여 첨두 전력을 줄일 수 있는 발전제어 시스템
CN116703135A (zh) * 2023-08-10 2023-09-05 安徽博诺思信息科技有限公司 一种电力线路建设规划分析评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杜鹏;申永成;张晓磊;: "电网规划负荷预测方法的研究", 科技创新与应用, no. 01 *
谢谦;: "电力负荷预测方法在配网规划中的应用", 科技风, no. 24 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117353300A (zh) * 2023-12-04 2024-01-05 拓锐科技有限公司 一种基于大数据的农村用电需求量分析方法
CN117353300B (zh) * 2023-12-04 2024-02-23 拓锐科技有限公司 一种基于大数据的农村用电需求量分析方法

Also Published As

Publication number Publication date
CN117056848B (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN117056848B (zh) 一种用于提升电力系统决策的监测数据质量分析方法
CN110518880B (zh) 一种光伏电站状态诊断方法及装置
CN109634944B (zh) 一种基于多维度时空分析的网损数据清洗方法
CN111693795B (zh) 一种基于智能电表的台区线损率评估以及异常判断方法
CN107730076B (zh) 一种区域配电网设备综合利用效率分析方法
WO2018209913A1 (zh) 一种考虑电压质量的配电网台区缺供电量预测方法
CN111488896A (zh) 一种基于多源数据挖掘的配电线路时变故障概率计算方法
CN116937575A (zh) 一种网格系统用的能源监控管理系统
CN116028887B (zh) 一种连续性工业生产数据的分析方法
CN111881961A (zh) 基于数据挖掘的配电网故障风险等级预测方法
CN104834305B (zh) 基于dms系统的配网自动化终端遥测异常分析系统及方法
CN105721719A (zh) 呼叫中心的故障检测系统及方法
CN110750760B (zh) 一种基于态势感知和控制图的异常理论线损检测方法
CN112308437A (zh) 基于大数据分析的线损治理方法、系统、装置和存储介质
CN108319573B (zh) 一种基于能源统计数据异常判断和修复的方法
CN115809805A (zh) 基于边缘计算的电网多源数据处理方法
CN115016976B (zh) 一种根因定位方法、装置、设备及存储介质
CN116385202A (zh) 台区线损分析系统及其分析方法、电子设备及存储介质
CN115267422A (zh) 一种用于复杂配电网线路故障的感知诊断定位方法
CN115528686A (zh) 基于边缘计算的分布式配电故障处理系统及方法
CN113986892A (zh) 一种火电机组煤耗预测、数据清洗方法及系统
CN114168662A (zh) 一种基于多数据源的配电网问题梳理分析方法及系统
CN108414851B (zh) 基于ems理论电量数据与采集电量数据的智能校核方法
CN114414938B (zh) 一种配电网故障的动态响应方法及系统
CN115049259B (zh) 一种基于多因素影响的预安排停运率测算方法

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
GR01 Patent grant
GR01 Patent grant