CN117077922A - 一种基于bp神经网络智能电网配电方法 - Google Patents

一种基于bp神经网络智能电网配电方法 Download PDF

Info

Publication number
CN117077922A
CN117077922A CN202310876734.5A CN202310876734A CN117077922A CN 117077922 A CN117077922 A CN 117077922A CN 202310876734 A CN202310876734 A CN 202310876734A CN 117077922 A CN117077922 A CN 117077922A
Authority
CN
China
Prior art keywords
power
data
load
processing
geographic
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
Application number
CN202310876734.5A
Other languages
English (en)
Inventor
王宣元
谢欢
黄天啸
刘蓁
王泽森
刘敦楠
赵天骐
夏雪
郝婧
罗婧
张涵之
李奇
孔帅皓
李维宇
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.)
Beijing Huadian Energy Internet Research Institute Co ltd
State Grid Jibei Electric Power Co Ltd
Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Original Assignee
Beijing Huadian Energy Internet Research Institute Co ltd
State Grid Jibei Electric Power Co Ltd
Electric Power Research Institute of State Grid Jibei 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 Beijing Huadian Energy Internet Research Institute Co ltd, State Grid Jibei Electric Power Co Ltd, Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd filed Critical Beijing Huadian Energy Internet Research Institute Co ltd
Priority to CN202310876734.5A priority Critical patent/CN117077922A/zh
Publication of CN117077922A publication Critical patent/CN117077922A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及智能电网调度技术领域，尤其涉及一种基于BP神经网络智能电网配电方法。所述方法包括以下步骤：利用电力管理系统获取电力资源数据；对电力资源数据进行数据预处理，生成标准电力资源数据；对标准电力资源数据进行地理特征分析处理，生成电力供应地理数据；利用GIS软件对电力供应地理数据进行三维建模处理，生成地理分布脉络图像；根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到第一电力目标点集；利用电力脉络分布公式对第一目标电力目标点集进行离散处理，得到第二电力目标点集；将第一电力目标点集和第二电力目标点集进行连接处理，生成电力供应连接通道；本发明通过对电力资源数据进行空间存储和模型构建，以实现基于BP神经网络智能电网配电方法。

Description

一种基于BP神经网络智能电网配电方法
技术领域
本发明涉及智能电网调度技术领域，尤其涉及一种基于BP神经网络智能电网配电方法。
背景技术
随着计算机和通信技术的迅速发展，智能电网的概念开始引起关注，20世纪90年代末到21世纪初，智能电表的出现为智能电网的建设奠定基础。智能电表能够实时监测电能消耗情况，为用户提供用电信息，并实现远程抄表和计费等功能，随后，感测技术的进步使智能电网得到了更多的支持。传感器和监测装置的发展使电网的各个节点能够收集大量的实时数据，包括电流、电压、负荷等信息，同时，通信技术的发展也使得这些数据能够迅速传输和分享，从而实现对电网运行状态的实时监控和分析，最近几年，物联网技术的发展为智能电网配电方法带来了新的机遇，通过物联网技术，智能电表、智能开关等设备可以实现互联互通，形成一个智能化的电力网络。这样的连接使得设备状态可以实时监测和远程控制，提高了电力系统运维的效率和响应速度。然而目前的智能电网技术仍然面临着一些缺陷，例如电网调度精度缺失，以及面对电网高负荷不能及时缓解负荷压力。
发明内容
基于此，有必要提供一种基于BP神经网络智能电网配电方法，以解决至少一个上述技术问题。
为实现上述目的，一种基于BP神经网络智能电网配电方法，所述方法包括以下步骤：
步骤S1：利用电力管理系统获取电力资源数据；对电力资源数据进行数据预处理，生成标准电力资源数据；
步骤S2：对标准电力资源数据进行地理特征分析处理，生成电力供应地理数据；利用GIS软件对电力供应地理数据进行三维建模处理，生成地理分布脉络图像；根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到第一电力目标点集；利用电力脉络分布公式对第一目标电力目标点集进行离散处理，得到第二电力目标点集；
步骤S3：将第一电力目标点集和第二电力目标点集进行连接处理，生成电力供应连接通道；根据将电力供应连接通道与地理分布脉络图像进行地理三维映射处理，得到地理电力供应连接通道；基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道；
步骤S4：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力流向通道；将电流传感器放置在所述模拟电力流向通道中进行数据采集，从而获取模拟电力流向数据；
步骤S5：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；将模拟电力负荷数据与预设的安全负荷阈值进行对比，生成高负荷电力流向数据；根据高负荷电力流向数据对模拟电力流向通道进行负荷电力监控节点设置处理，生成高负荷电力区域监控节点；
步骤S6：基于高负荷电力区域监控节点和高电力流向数据进行存储空间构建处理，生成电力存储空间；利用高电力负荷监控节点对模拟电力流向通道进行监控处理，生成电力存储状态和电力释放状态；
步骤S7：收集历史高电力流向数据；基于BP神经网络模型对历史高电力流向数据进行模型构建处理，生成智能电力调度模型；根据智能电力调度模型对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
本发明通过利用电力管理系统获取电力资源数据，对电力资源数据进行数据预处理，可以提供准确、实时的电力资源数据，有助于电力公司和用户更好地了解和管理自己的用电情况，优化用电成本和用电效率，改善电力管理和供电可靠性，实现电力资源的智能化利用；对标准电力资源数据进行地理特征分析处理，可以将电力资源的分布与地理信息关联起来，使电力供应的地理位置更为清晰明确，利用GIS软件对电力供应地理数据进行三维建模处理，可以可视化地显示电力资源的分布情况，并更好地理解和分析电力供应的地理分布脉络，根据激光点云技术对地理分布脉络图像进行电力源头标记处理，可以准确标记电力资源的起始点和供电源头，提供更精确的位置信息，利用电力脉络分布公式对第一目标电力目标点集进行离散处理，可以优化电力资源的分布情况，使电力传输更有效率；将第一电力目标点集和第二电力目标点集进行连接处理，可以建立完整的电力供应连接通道，确保电力资源之间的连通性和连续性，根据将电力供应连接通道与地理分布脉络图像进行地理三维映射处理，可以更好地理解电力供应通道在地理空间中的位置和形态，基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，可以确定最优地理电力供应通道，即具有最短距离或最佳效率的电力传输路径，有效优化电力传输的效率和质量，减少能量损耗和传输阻力，提高电力供应的可靠性和可持续性；根据最优地理电力供应通道进行电力模拟运输处理，可以了解电力在供应通道中的流向和分布，从而优化电力的传输和分配策略，将电流传感器放置在所述模拟电力流向通道中进行数据采集，可以获取模拟电力流向数据，改善电力供应的可靠性、可持续性和效率，提高能源系统的整体性能；利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，可以了解模拟电力流向数据段的电力负荷情况，将模拟电力负荷数据与预设的安全负荷阈值进行对比，可以及时识别高负荷区域，预测潜在的负荷过载问题，并采取相应的措施进行调整和管理，根据高负荷电力流向数据对模拟电力流向通道进行负荷电力监控节点设置处理，可以实时监测高负荷区域的电力参数，及时发现异常情况，预防电力事故的发生，并提供实时的监控和反馈；基于高负荷电力区域监控节点和高电力流向数据进行存储空间构建处理，提高数据的访问速度和准确性，利用高电力负荷监控节点对模拟电力流向通道进行监控处理，可以实时了解电力系统中的电力存储状态和电力释放状态，有助于优化电力储存设备的使用和控制，提高电力系统的能效和稳定性，收集历史高电力流向数据，基于BP神经网络模型对历史高电力流向数据进行模型构建处理，可以更准确地预测电力负荷、流向和系统运行状态，优化电力调度决策，减少供需不平衡和能源浪费的情况，根据智能电力调度模型对高负荷电力区域监控节点进行动态调整，可以实现高效的电力调度，提升能源利用效率，提高电力系统的稳定性，降低能源成本。因此，本发明通过对电网进行电力存储空间开辟以及智能电力调度，提高电网调度精度和及时缓解电网高负荷压力。
优选地，步骤S3包括以下步骤：
步骤S31：利用最近邻连接对第一电力目标点集和第二电力目标点集进行随机连接处理，生成电力供应连接曲线；
步骤S32：将电力供应连接曲线和预设的标准连接曲线数量进行对比处理，剔除大于预设的标准连接曲线数量的电力供应连接曲线，从而得到标准电力供应连接曲线；
步骤S33：基于标准电力供应连接曲线进行电网通道构建处理，得到电力供应连接通道；
步骤S34：根据地理分布脉络图像进行地形分析处理，得到地势高度数据；根据地势高度数据对电力供应连接通道进行高度筛选处理，生成地理电力供应连接通道；
步骤S35：基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道。
本发明通过利用最近邻连接对第一电力目标点集和第二电力目标点集进行随机连接处理，可以建立起不同电力目标点之间的连接关系，形成供电路径，将电力供应连接曲线和预设的标准连接曲线数量进行对比处理，可以筛选出符合设定标准的连接曲线，排除过度交叉和复杂度较高的曲线，通过保留标准的电力供应连接曲线，可以提高连接路径的简洁性和操作可行性，基于标准电力供应连接曲线进行电网通道构建处理，可以明确电力供应的传输路径和连接关系，为电力调度系统提供可靠的电力传输通道，根据地理分布脉络图像进行地形分析处理，根据地势高度数据对电力供应连接通道进行高度筛选处理，可以确定电力供应连接通道在地势高度方面的合适性，避免电力通道与地形障碍物相冲突，提高电力供应的可靠性和安全性；基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，可以提高电力供应的效率和响应速度，减少能源浪费和传输成本。
优选地，步骤S4包括以下步骤：
步骤S41：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力供应通道；对电力设备进行实时数据模拟采集，获得设备模拟数据；
步骤S42：根据设备模拟数据和模拟电力供应通道进行电力注入处理，生成模拟电力流向通道；
步骤S43：确定电流传感器位置，将所述电流传感器放置在模拟电力流向通道中进行定位采集处理，获得传感器定位数据；利用电流传感器进行流动电力数据采集处理，获得模拟电力流向数据。
本发明通过根据最优地理电力供应通道进行电力模拟运输处理，模拟电力在实际供应通道中的传输情况，并获取电力供应的相关数据，对电力设备进行实时数据模拟采集，有助于评估电力供应的可行性，优化供应通道的选择，并为后续的电力调度和运输做出准确的决策；根据设备模拟数据和模拟电力供应通道进行电力注入处理，可以模拟电力在供应通道中的流向和分配情况，有助于评估电力供应的质量和稳定性，优化电力的流动路径，并控制电力的分配以满足需求；确定电流传感器位置，将所述电流传感器放置在模拟电力流向通道中进行定位采集处理，可以通过电流传感器的定位和数据采集，可以实时监测电力的流动情况，获取电流数据并分析电力流向的变化，利用电流传感器进行流动电力数据采集处理，可以监控电力供应的状态和性能，识别潜在问题并进行及时调整和优化。
优选地，步骤S5包括以下步骤：
步骤S51：利用预设的时间戳对模拟电力流向数据进行数据切割处理，得到模拟电力流向数据段；
步骤S52：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；
步骤S53：将模拟电力负荷数据与预设的安全负荷阈值进行对比，当模拟电力负荷数据大于预设的安全负荷阈值时，生成高负荷电力流向数据；当模拟电力负荷数据小于预设的安全负荷阈值时，生成低负荷电力流向数据；
步骤S54：基于均值计算公式对高负荷电力流向数据和低电力流向数据进行均值计算处理，生成均值负荷电力流向数据；根据均值负荷电力流向数据对模拟电力流向通道进行负荷电力区域划分处理，生成高负荷电力区域；对高负荷电力区域进行监控节点设置处理，生成高负荷电力区域监控节点。
本发明通过利用预设的时间戳对模拟电力流向数据进行数据切割处理，可以将时间上的局部特征提取出来，便于后续的电力负荷计算和分析；利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，可以确定模拟电力流向数据段的负荷状态，从而了解电力系统当前的电力需求；将模拟电力负荷数据与预设的安全负荷阈值进行对比，可以判断电力负荷是否超过预设的安全负荷阈值，根据负荷水平的不同，可以将电力流向数据分为高负荷和低负荷两类，这有助于后续的负荷管理和调度决策；基于均值计算公式对高负荷电力流向数据和低电力流向数据进行均值计算处理，可以通过均值计算和划分，确定电力系统中的高负荷区域，并设置监控节点对其进行实时监测和管理，根据均值负荷电力流向数据对模拟电力流向通道进行负荷电力区域划分处理，对高负荷电力区域进行监控节点设置处理，可以监测高负荷电力区域，可以及时发现潜在的过载问题，采取相应的调度措施，确保电力系统的稳定运行。
优选地，步骤S52中的电力节点容忍度公式具体如下：
式中，P表示为电力节点的电力负荷，n表示为电力节点数量，V表示为电力节点的电压值，I表示为电力节点的电流值，Z表示为电力节点的电阻值，θ表示为电力节点的电源相位角，f表示为电力节点的电源频率，L表示为电力节点的电感值，μ表示为电力节点容忍异常调整值。
本发明构建了一种电力节点容忍度公式，用于通过电力节点的电压值以及电力节点的电流值以及电力节点的电感值进行电力节点电力损耗计算，该电力节点容忍度公式可以根据电力节点的电源相位角和电力节点的电源频率对电力节点进行负荷容忍度评估，实现最佳的店里节点负荷预测，根据电力节点的电源频率和电力节点的电压值来评估电力节点受到的电压冲击差异，从而精确确定电力节点的电力负荷。在实际应用中，该公式可以根据节点电压稳定性的要求和输电能力的限制，建立节点的能量平衡方程，通过对能量平衡方程进行数学推导和求解，可以得到节点容忍度的表达式，从而评估节点对负荷波动的敏感程度，并为电力系统的运行和规划提供参考依据。该公式充分考虑了电力节点数量n，电力节点的电压值V，电力节点的电流值I，电力节点的电阻值Z，电力节点的电源相位角θ，电力节点的电源频率f，电力节点的电感值L，电力节点容忍异常调整值μ，根据电力节点的电压值V与以上各参数之间的相互关系构成了一种函数关系：
通过电力节点的电源频率与电力节点的电源相位角的相互作用关系，可以了解电力节点接收电力的方向变化情况，保证区域数据精确的情况下进行电力流向确定，利用电力节点的电感值，在保证数据准确的情况下减少数据冗余，节约了算力，使计算达到快速收敛，通过电力节点容忍异常调整值μ对电力目标点脉络分布进行调整，更加准确的生成电力脉络离散数据点的值K，提高了电力节点容忍度计算的准确性和可靠性。同时该公式中的电力节点的电源相位角、电力节点的电源频率等参数可以根据实际情况进行调整，从而适应不同的电力节点容忍度计算场景，提高了算法的适用性和灵活性。
优选地，步骤S6包括以下步骤：
步骤S61：基于高负荷电力流向数据和监控节点的位置对高负荷电力区域以及监控节点的位置进行区域标记处理，得到高负荷电力区域监控节点位置信息；
步骤S62：根据高负荷电力区域监控节点位置信息和模拟电力流向通道进行电力存储空间模型构建处理，生成电力存储空间；
步骤S63：利用高电力负荷监控节点对模拟电力流向通道进行监控处理，当高电力负荷监控节点没有发出警报时，将电力存储空间标记为电力存储状态，并进行电力存储；当高电力负荷监控节点发出警报时，则将电力存储空间标记为电力释放状态，并进行电力释放。
本发明通过基于高负荷电力流向数据和监控节点的位置对高负荷电力区域以及监控节点的位置进行区域标记处理，可以集中关注电力系统中容易出现高负荷的区域，并确保监控节点能够有效地监测该区域的电力状态；根据高负荷电力区域监控节点位置信息和模拟电力流向通道进行电力存储空间模型构建处理，可以减少高负荷电力区域的电力存储能力和需求，以便在后续的电力调度中进行合理的电力存储安排；利用高电力负荷监控节点对模拟电力流向通道进行监控处理，可以实现对高负荷区域电力存储的精确控制，以满足电力供需平衡的要求。
优选地，步骤S7包括以下步骤：
步骤S71：通过电力系统监测设备收集历史高负荷电力流向数据；将历史高负荷电力流向数据进行数据划分处理，得到模型训练集、模型验证集和模型测试集；
步骤S72：利用模型训练集对BP神经网络模型进行电力调度训练，生成电力调度预模型；根据模型验证集对电力预测预模型进行模型性能验证处理，生成电力调度中级模型；将模型测试集导入至电力调度中级模型进行模型性能测试处理，生成智能电力调度模型；
步骤S73：根据智能电力调度模型对电力资源数据进行电力负荷预测调度处理，生成电力负荷调度方案；根据电力负荷调度方案对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
本发明通过电力系统监测设备收集历史高负荷电力流向数据，将历史高负荷电力流向数据进行数据划分处理，为后续的模型训练和性能评估提供数据基础；利用模型训练集对BP神经网络模型进行电力调度训练，通过神经网络模型的训练和验证，生成智能电力调度模型，可以利用历史数据的特征来预测未来电力负荷情况并生成电力调度方案，根据智能电力调度模型对电力资源数据进行电力负荷预测调度处理，生成电力负荷调度方案；根据电力负荷调度方案对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略，可以实现对电力系统的动态调整和自动化电力调度策略的实施，优化电力分配和利用，提高电力系统的效率和稳定性。
本发明的有益效果在于通过对电力资源数据进行预处理和地理特征分析，可以生成标准电力资源数据和电力供应地理数据，能够提供更准确和详细的电力资源信息，为后续的决策和规划提供基础，利用GIS软件对电力供应地理数据进行三维建模处理，并通过激光点云技术进行电力源头标记，可以在地理脉络图像中准确定位电力源头，为电力供应通道的规划提供基础，通过连接处理和路径最短算法，生成电力供应连接通道，并根据最优地理电力供应通道进行模拟运输处理，可以帮助确定最佳的电力供应路径，优化电力输送的效率，并减少能量损耗，在模拟电力流向通道中放置电流传感器进行数据采集，根据电力节点容忍度公式进行电力负荷计算，可以实时获取电力流向和负荷数据，用于电力网络的监测和管理，根据模拟电力负荷数据和安全负荷阈值，生成高负荷电力流向数据，并设置负荷电力监控节点，可以实时监控高负荷电力区域，并建立电力存储空间，在高负荷时进行调度和管理，通过收集历史高电力流向数据，并构建BP神经网络模型，生成智能电力调度模型，基于智能电力调度模型，对高负荷电力区域监控节点进行动态调整，实现自动化的电力调度策略，可以提高电力系统的稳定性和效率，优化电力分配和调度。因此，本发明通过对电网进行电力存储空间开辟以及智能电力调度，提高电网调度精度和及时缓解电网高负荷压力。
附图说明
图1为一种基于BP神经网络智能电网配电方法的步骤流程示意图；
图2为图1中步骤S2的详细实施步骤流程示意图；
图3为图1中步骤S3的详细实施步骤流程示意图；
图4为图1中步骤S4的详细实施步骤流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的，请参阅图1至图4，一种基于BP神经网络智能电网配电方法，所述方法包括以下步骤：
步骤S1：利用电力管理系统获取电力资源数据；对电力资源数据进行数据预处理，生成标准电力资源数据；
步骤S2：对标准电力资源数据进行地理特征分析处理，生成电力供应地理数据；利用GIS软件对电力供应地理数据进行三维建模处理，生成地理分布脉络图像；根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到第一电力目标点集；利用电力脉络分布公式对第一目标电力目标点集进行离散处理，得到第二电力目标点集；
步骤S3：将第一电力目标点集和第二电力目标点集进行连接处理，生成电力供应连接通道；根据将电力供应连接通道与地理分布脉络图像进行地理三维映射处理，得到地理电力供应连接通道；基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道；
步骤S4：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力流向通道；将电流传感器放置在所述模拟电力流向通道中进行数据采集，从而获取模拟电力流向数据；
步骤S5：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；将模拟电力负荷数据与预设的安全负荷阈值进行对比，生成高负荷电力流向数据；根据高负荷电力流向数据对模拟电力流向通道进行负荷电力监控节点设置处理，生成高负荷电力区域监控节点；
步骤S6：基于高负荷电力区域监控节点和高电力流向数据进行存储空间构建处理，生成电力存储空间；利用高电力负荷监控节点对模拟电力流向通道进行监控处理，生成电力存储状态和电力释放状态；
步骤S7：收集历史高电力流向数据；基于BP神经网络模型对历史高电力流向数据进行模型构建处理，生成智能电力调度模型；根据智能电力调度模型对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
本发明通过利用电力管理系统获取电力资源数据，对电力资源数据进行数据预处理，可以提供准确、实时的电力资源数据，有助于电力公司和用户更好地了解和管理自己的用电情况，优化用电成本和用电效率，改善电力管理和供电可靠性，实现电力资源的智能化利用；对标准电力资源数据进行地理特征分析处理，可以将电力资源的分布与地理信息关联起来，使电力供应的地理位置更为清晰明确，利用GIS软件对电力供应地理数据进行三维建模处理，可以可视化地显示电力资源的分布情况，并更好地理解和分析电力供应的地理分布脉络，根据激光点云技术对地理分布脉络图像进行电力源头标记处理，可以准确标记电力资源的起始点和供电源头，提供更精确的位置信息，利用电力脉络分布公式对第一目标电力目标点集进行离散处理，可以优化电力资源的分布情况，使电力传输更有效率；将第一电力目标点集和第二电力目标点集进行连接处理，可以建立完整的电力供应连接通道，确保电力资源之间的连通性和连续性，根据将电力供应连接通道与地理分布脉络图像进行地理三维映射处理，可以更好地理解电力供应通道在地理空间中的位置和形态，基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，可以确定最优地理电力供应通道，即具有最短距离或最佳效率的电力传输路径，有效优化电力传输的效率和质量，减少能量损耗和传输阻力，提高电力供应的可靠性和可持续性；根据最优地理电力供应通道进行电力模拟运输处理，可以了解电力在供应通道中的流向和分布，从而优化电力的传输和分配策略，将电流传感器放置在所述模拟电力流向通道中进行数据采集，可以获取模拟电力流向数据，改善电力供应的可靠性、可持续性和效率，提高能源系统的整体性能；利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，可以了解模拟电力流向数据段的电力负荷情况，将模拟电力负荷数据与预设的安全负荷阈值进行对比，可以及时识别高负荷区域，预测潜在的负荷过载问题，并采取相应的措施进行调整和管理，根据高负荷电力流向数据对模拟电力流向通道进行负荷电力监控节点设置处理，可以实时监测高负荷区域的电力参数，及时发现异常情况，预防电力事故的发生，并提供实时的监控和反馈；基于高负荷电力区域监控节点和高电力流向数据进行存储空间构建处理，提高数据的访问速度和准确性，利用高电力负荷监控节点对模拟电力流向通道进行监控处理，可以实时了解电力系统中的电力存储状态和电力释放状态，有助于优化电力储存设备的使用和控制，提高电力系统的能效和稳定性，收集历史高电力流向数据，基于BP神经网络模型对历史高电力流向数据进行模型构建处理，可以更准确地预测电力负荷、流向和系统运行状态，优化电力调度决策，减少供需不平衡和能源浪费的情况，根据智能电力调度模型对高负荷电力区域监控节点进行动态调整，可以实现高效的电力调度，提升能源利用效率，提高电力系统的稳定性，降低能源成本。因此，本发明通过对电网进行电力存储空间开辟以及智能电力调度，提高电网调度精度和及时缓解电网高负荷压力。
本发明实施例中，参考图1所述，为本发明一种基于BP神经网络智能电网配电方法的步骤流程示意图，在本实例中，所述一种基于BP神经网络智能电网配电方法包括以下步骤：
步骤S1：利用电力管理系统获取电力资源数据；对电力资源数据进行数据预处理，生成标准电力资源数据；
本发明实施例中，通过使用电力管理系统连接到电力资源的数据源，例如智能电表、传感器、监测设备等，以获取实时的电力资源数据，其中电力资源数据包括电力供应量、负荷情况、电能消耗等指标，对电力资源数据进行数据预处理，其中数据预处理包括数据转换、数据缺失值填充、数据异常值处理、数据标准化，生成标准电力资源数据。
步骤S2：对标准电力资源数据进行地理特征分析处理，生成电力供应地理数据；利用GIS软件对电力供应地理数据进行三维建模处理，生成地理分布脉络图像；根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到第一电力目标点集；利用电力脉络分布公式对第一目标电力目标点集进行离散处理，得到第二电力目标点集；
本发明实施例中，通过使用地理信息系统(GIS)工具和技术对标准电力资源数据进行地理特征分析，使用地理信息系统(GIS)工具和技术对标准电力资源数据进行地理特征分析对电力资源数据进行地理位置的识别和标记，分析电力资源的空间分布和关联关系，通过使用地理编码、地理坐标转换等操作将电力资源数据与地理位置进行关联，形成地理信息数据，生成电力供应地理数据，利用GIS软件进行三维建模处理，将电力供应地理数据转化为三维模型，包括将地理数据导入GIS软件，设置地理坐标和高程信息，进行地理对象的建模和渲染，从而生成具有三维空间信息的模型，通过地图渲染功能、地图符号化和地理可视化技术将电力分布信息以图像形式展示出来，生成地理分布脉络图像，利用激光点云技术对地理分布脉络图像进行电力源头标记处理，其中激光点云技术可以通过激光测距仪或激光扫描仪等设备，获取地理分布脉络图像上各个点的三维坐标信息，然后根据标定的电力源头位置，对相关点进行标记和标识，根据电力源头标记的结果，将标记点集合起来，得到第一电力目标点集，利用电力脉络分布公式对第一电力目标点集进行离散处理，得到第二电力目标点集。
步骤S3：将第一电力目标点集和第二电力目标点集进行连接处理，生成电力供应连接通道；根据将电力供应连接通道与地理分布脉络图像进行地理三维映射处理，得到地理电力供应连接通道；基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道；
本发明实施例中，通过将第一电力目标点集和第二电力目标点集进行连接处理，形成电力供应连接通道，连接通道可以是直线、曲线或多段连续线段，在连接过程中，可以考虑电力资源之间的距离、位置关系和连通性等因素，通过将连接通道在地理分布脉络图像上进行投影，将其与地理数据和三维模型结合起来，以获取电力供应连接通道在地理空间的准确位置和形态，得到地理电力供应连接通道，基于路径最短算法对地理电力供应连接通道进行筛选，生成最优地理电力供应通道，通过考虑电力供应连接通道的长度、成本、电力传输效率等因素，找到连接通道中最短路径的最佳选择，生成最优地理电力供应通道。
步骤S4：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力流向通道；将电流传感器放置在所述模拟电力流向通道中进行数据采集，从而获取模拟电力流向数据；
本发明实施例中，通过根据最优地理电力供应通道，进行电力模拟运输处理，包括考虑电力输送的距离、传输能力、线损等因素，并基于这些因素进行电力流向的模拟传输计算，例如利用数学模型、电力网络理论和仿真算法等方法来模拟电力流动的情况，通过电力模拟运输处理，生成模拟电力流向通道，其中模拟电力流向通道表示电力在最优地理电力供应通道中的流动路径和方向，在所述模拟电力流向通道中放置电流传感器，并进行数据采集，电流传感器可以是专门用于测量电流的装置，可以通过测量电流的强度和方向来获取电力流向的数据，传感器将记录模拟电力流向通道中通过的电流数据，并将其转化为数字或模拟信号进行采集，通过电流传感器的数据采集，获取模拟电力流向数据。这些数据可以包括电流的强度、方向、波形等信息，以及在模拟电力流向通道中的位置和时间标记，从而获取模拟电力流向数据。
步骤S5：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；将模拟电力负荷数据与预设的安全负荷阈值进行对比，生成高负荷电力流向数据；根据高负荷电力流向数据对模拟电力流向通道进行负荷电力监控节点设置处理，生成高负荷电力区域监控节点；
本发明实施例中，通过利用电力节点容忍度公式，对模拟电力流向数据段进行电力负荷计算，电力节点容忍度公式是一个数学表达式，它将考虑负荷分布、供应能力和其他相关因素来计算电力负荷的预期值，生成模拟电力负荷数据，将模拟电力负荷数据与预设的安全负荷阈值进行对比，以确定是否存在高负荷情况，如果模拟电力负荷数据超过了预设的安全负荷阈值，那么可以将该段数据标记为高负荷电力流向数据，根据高负荷电力流向数据，对模拟电力流向通道进行负荷电力监控节点设置处理，监控节点可以是传感器、测量设备或其他监测手段，用于实时监测该区域的电力负荷情况，通过对模拟电力流向通道进行负荷电力监控节点设置处理，可以生成高负荷电力区域监控节点。
步骤S6：基于高负荷电力区域监控节点和高电力流向数据进行存储空间构建处理，生成电力存储空间；利用高电力负荷监控节点对模拟电力流向通道进行监控处理，生成电力存储状态和电力释放状态；
本发明实施例中，通过使用高负荷电力区域监控节点和高电力流向数据作为输入，进行存储空间的构建处理，将高负荷电力区域划分为不同的存储区域，并为每个区域分配相应的存储空间，存储空间可以是实际的设备或系统，用于存储电力资源，利用高电力负荷监控节点对模拟电力流向通道进行监控处理，生成电力存储状态，通过监控节点收集的数据，可以得到该区域的电力存储情况，包括当前存储容量、使用情况、剩余容量等信息，确定高负荷电力区域监控节点的位置和数量，以覆盖整个区域，在高负荷电力区域内部署传感器、测量设备或其他监测手段，用于实时监测电力负荷和存储情况，通过监控节点收集的实时数据，进行数据处理和分析，生成电力存储状态和电力释放状态，结合存储空间构建处理，将电力存储状态和电力释放状态映射到相应的存储区域和存储空间，以便实现电力存储和调度。
步骤S7：收集历史高电力流向数据；基于BP神经网络模型对历史高电力流向数据进行模型构建处理，生成智能电力调度模型；根据智能电力调度模型对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
本发明实施例中，通过监测设备、传感器或其他数据收集手段获取历史期间的高电力流向数据，包括各个时间点的电力负荷、电力供应来源以及电力调度情况等，使用收集到的历史高电力流向数据，构建BP神经网络模型，BP神经网络是一种常用的人工神经网络模型，适合用于建模和预测具有非线性关系的数据，通过对历史数据的训练和学习,BP神经网络可以识别出不同因素之间的关联性，并建立一个能够预测高电力流向的模型，即智能电力调度模型，根据智能电力调度模型的输出结果，对高负荷电力区域监控节点进行动态调整，包括调整监控节点的位置、数量和监测参数等，从而实现电力调度策略的自动化。
优选地，步骤S1包括以下步骤：
步骤S11：利用电力管理系统中内置的分布式数据采集器进行数据采集处理，获取多个电力设备的实时电力数据；将实时电力数据进行高级数据聚合处理，生成电力资源数据；
步骤S12：根据数据转换工具对电力资源数据进行异质性数据转换，生成电力资源转换数据；
步骤S13：通过最频繁值填充方法对电力资源转换数据进行缺失值填充处理，得到电力资源填充数据；根据四分位数方法对电力资源填充数据进行异常值处理，生成电力资源净化数据；
步骤S14：利用云计算技术对电力资源净化数据进行标准化处理，生成标准电力资源数据。
本发明通过利用电力管理系统中内置的分布式数据采集器进行数据采集处理，可以提供准确的电力消耗情况和负荷变化情况，将实时电力数据进行高级数据聚合处理，可以生成更全面、综合的电力资源数据，为后续的分析和建模提供更准确的数据基础；根据数据转换工具对电力资源数据进行异质性数据转换，可以提高电力调度系统的可操作性和一致性，减少数据误差和错误的可能性；通过最频繁值填充方法对电力资源转换数据进行缺失值填充处理，可以避免因为缺失值而导致的数据分析和建模的偏差，根据四分位数方法对电力资源填充数据进行异常值处理，可以排除掉那些偏离正常范围的异常数据点，保证数据的可靠性和可用性；利用云计算技术对电力资源净化数据进行标准化处理，可以消除不同数据来源和格式带来的差异，保证数据的质量和一致性，提高电力调度系统的精确性和准确性，促进数据的交流和共享。
本发明实施例中，通过使用电力管理系统中内置的分布式数据采集器，连接到多个电力设备并进行数据采集，这些设备可以包括电力表、传感器、监测装置等，通过采集器，可以获取每个设备的实时电力数据，将实时电力数据进行高级数据聚合处理，聚合处理包括对数据进行时间窗口划分、汇总计算、平均值或总和计算等操作，以生成电力资源数据，使用数据转换工具，对电力资源数据进行异质性数据转换，例如，将多个电力设备的数据转换为统一的时间序列数据或标准化的电力参数数据，如果电力数据中存在缺失值，可以采用最频繁值填充方法，即用变量的众数填充缺失值，利用四分位数方法可以识别和处理电力数据中的异常值，通过计算数据的各个四分位数，可以确定数据的上下限范围，并将超出范围的数据视为异常值，进行修正或移除，生成电力资源净化数据，利用云计算技术对电力资源净化数据进行标准化处理，将不同范围和分布的数据转换为具有相同均值和标准差的标准分布数据，生成标准电力资源数据。
优选地，步骤S2包括以下步骤：
步骤S21：对标准电力资源数据进行地理标签注入处理，生成地理标签电力数据；对地理标签电力数据进行地理特性分析处理，生成电力供应地理数据；
步骤S22：利用GIS软件对电力供应地理数据进行三维建模处理，得到三维地理模型；基于可视化工具对三维地理模型进行渲染绘制处理，生成地理分布脉络图像；
步骤S23：根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到标记数据集；对标记数据集进行数据筛选处理，得到第一电力目标点集；
步骤S24：通过电力脉络分布公式对第一电力目标点集进行激光点离散化处理，生成离散数据点；对离散数据点进行数据整合处理，生成第二电力目标点集。
本发明通过对标准电力资源数据进行地理标签注入处理，有助于电力调度系统更好地理解电力供应的地理特点，对地理标签电力数据进行地理特性分析处理，可以对电力供应地理数据进行进一步的分析和挖掘，生成有关地理特性的数据，为后续的调度决策提供更准确的依据；利用GIS软件对电力供应地理数据进行三维建模处理，可以更直观地呈现电力供应的地理分布情况，并为后续的可视化处理提供更丰富的数据基础，基于可视化工具对三维地理模型进行渲染绘制处理，可以提供直观的地理信息供调度员和决策者参考；根据激光点云技术对地理分布脉络图像进行电力源头标记处理，可以明确每个供电点的位置和属性，对标记数据集进行数据筛选处理，可以去除无效或冗余的数据点；通过电力脉络分布公式对第一电力目标点集进行激光点离散化处理，可以更细粒度地描述电力目标点及其周围的区域特征，对离散数据点进行数据整合处理，可以减少数据量和冗余，提高电力目标点数据的可用性和处理效率。
作为本发明的一个实例，参考图2所示，在本实例中所述步骤S2包括：
步骤S21：对标准电力资源数据进行地理标签注入处理，生成地理标签电力数据；对地理标签电力数据进行地理特性分析处理，生成电力供应地理数据；
本发明实施例中，通过确保标准电力资源数据中包含了每个电力设备的位置信息，例如经度和纬度坐标、区域或地址信息，将位置信息与标准电力资源数据进行关联和标注，例如将经纬度坐标转换为具体的地名或行政区划，或将地址字符串解析为标准化的地理位置信息，生成地理标签电力数据，通过利用可视化、聚类分析、空间关联分析等方法对地理标签电力数据进行地理特性分析，使用地理信息系统(GIS)或地理数据分析工具，对地理标签电力数据进行空间分析，包括寻找电力设备的热点区域、空间相关性、电力供应的空间分布模式等，根据上述分析结果和需求，生成电力供应地理数据。
步骤S22：利用GIS软件对电力供应地理数据进行三维建模处理，得到三维地理模型；基于可视化工具对三维地理模型进行渲染绘制处理，生成地理分布脉络图像；
本发明实施例中，通过使用GIS软件中的三维建模功能，将电力供应地理数据进行建模，包括创建电力设备、电力线路、变电站等三维模型，并将其与地理空间关联起来，根据地理数据的属性和特性，设置三维模型的属性和规则，例如，设置电力设备的形状、大小、颜色等，将电力供应地理数据与三维模型进行关联，将数据中的地理位置信息映射到相应的三维模型上，得到三维地理模型，使用可视化工具或GIS软件中的渲染功能，对三维地理模型进行渲染处理，包括设置光照效果、材质贴图、阴影效果等，根据需要，选择合适的视角和视觉效果，调整相机的位置和角度，以获得最佳的可视化效果，根据地理分布脉络的需求，选择适当的渲染风格和绘制技术，例如采用真实感渲染、抽象渲染、热力图等方式，在渲染绘制步骤完成后，可以从GIS软件中导出生成的三维地理模型图像或渲染结果，包括静态图像、视频或交互式的地理分布脉络图像。
步骤S23：根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到标记数据集；对标记数据集进行数据筛选处理，得到第一电力目标点集；
本发明实施例中，通过使用激光点云技术对地理分布脉络图像进行电力源头的标记处理，激光点云技术可以通过激光扫描设备或其他遥感技术获取地理空间中的点云数据，其中可能包含电力源头的信息，使用点云处理软件(如CloudCompare、FARO SCENE、AutoCAD Civil 3D等)或遥感软件(如ENVI、ArcGIS等)来提取电力源头的特征，根据电力源头的特征，如终端设备、变电站等，通过点云处理软件中的工具或算法，对点云数据进行标记，即将与电力源头相关的点云标记为电力源头，根据电力源头的特征，确定筛选条件，如特定的点云密度、高度范围或其他电力源头的属性，使用点云处理软件中的筛选工具或算法，根据筛选条件对标记的数据集进行过滤，仅保留符合条件的点云数据，对筛选后的点云数据进行处理，如去除离群点、噪声点或其他影响点云质量和准确性的因素，得到第一电力目标点集。
步骤S24：通过电力脉络分布公式对第一电力目标点集进行激光点离散化处理，生成离散数据点；对离散数据点进行数据整合处理，生成第二电力目标点集。
本发明实施例中，通过电力脉络分布公式对第一电力目标点集进行激光点离散化处理，计算每个点在离散化后的电力脉络中的位置，电力脉络分布公式涉及到对第一电力目标点集进行插值、拟合或其他数学运算，以获得每个点在电力脉络中的坐标，将计算得到的离散化后的点集作为离散数据点，代表电力脉络在空间中的分布，检查离散数据点的几何和拓扑关系，例如连接性和连续性，以确保生成的第二电力目标点集在空间上具有合理的结构，对离散数据点进行分类、聚类或其他数据整合算法，以生成更具结构化和细化的电力脉络点集，从而生成第二电力目标点集。
优选地，步骤S24中的电力脉络分布公式具体如下：
式中，K表示为电力脉络离散数据点的值，x表示为电力目标点的横坐标，y表示为电力目标点的纵坐标，r表示为电力目标点的高度，t表示为电力目标点的时间，u表示为电力目标点的平均横坐标，σ表示为电力目标点的横坐标的标准差，α表示为电力目标点的高度与角度的比例系数，m表示为电力目标点的个数，ε表示为电力脉络分布异常修正量。
本发明构建了一种电力脉络分布公式，用于通过电力目标点的横坐标以及电力目标点的纵坐标以及电力目标点的高度进行电力目标点空间坐标定位，该电力脉络分布公式可以根据电力目标点的高度与角度的比例系数和电力目标点的横坐标的标准差对电力目标点进行距离估算预测，实现最佳的电力目标点距离判断，根据电力目标点的时间和电力目标点的平均横坐标来评估电力目标点离散化差异，从而精确确定在电力目标点的时间内电力脉络离散数据点的值。在实际应用中，该公式可以将电力网络中的各个节点表示为离散的坐标点，并根据实际情况确定离散化的步长，通过计算每个离散点对应的电压、电流等参数值，得到一系列离散的数据点，用于描述电力网络在第一电力目标点集上的分布情况。该公式充分考虑了电力目标点的横坐标x，电力目标点的纵坐标y，电力目标点的高度r，电力目标点的时间t，电力目标点的平均横坐标u，电力目标点的横坐标的标准差σ，电力目标点的高度与角度的比例系数α，电力目标点的个数m，电力脉络分布异常修正量ε，在时间周期t内从高峰值到低峰值的电力变化量gt，电力负荷流转异常调整值ε，根据电力目标点的平均横坐标α与以上各参数之间的相互关系构成了一种函数关系：
通过电力目标点的高度与电力目标点的时间的相互作用关系，可以了解电力目标点的变化情况，保证区域数据精确的情况下进行电力目标点位置确定，利用电力目标点的横坐标的标准差，在保证数据准确的情况下减少数据冗余，节约了算力，使计算达到快速收敛，通过电力脉络分布异常修正量ε对电力目标点脉络分布进行调整，更加准确的生成电力脉络离散数据点的值K，提高了电力脉络分布的准确性和可靠性。同时该公式中的电力目标点的横坐标的标准差、电力目标点的时间等参数可以根据实际情况进行调整，从而适应不同的电力脉络分布场景，提高了算法的适用性和灵活性。
优选地，步骤S3包括以下步骤：
步骤S31：利用最近邻连接对第一电力目标点集和第二电力目标点集进行随机连接处理，生成电力供应连接曲线；
步骤S32：将电力供应连接曲线和预设的标准连接曲线数量进行对比处理，剔除大于预设的标准连接曲线数量的电力供应连接曲线，从而得到标准电力供应连接曲线；
步骤S33：基于标准电力供应连接曲线进行电网通道构建处理，得到电力供应连接通道；
步骤S34：根据地理分布脉络图像进行地形分析处理，得到地势高度数据；根据地势高度数据对电力供应连接通道进行高度筛选处理，生成地理电力供应连接通道；
步骤S35：基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道。
本发明通过利用最近邻连接对第一电力目标点集和第二电力目标点集进行随机连接处理，可以建立起不同电力目标点之间的连接关系，形成供电路径，将电力供应连接曲线和预设的标准连接曲线数量进行对比处理，可以筛选出符合设定标准的连接曲线，排除过度交叉和复杂度较高的曲线，通过保留标准的电力供应连接曲线，可以提高连接路径的简洁性和操作可行性，基于标准电力供应连接曲线进行电网通道构建处理，可以明确电力供应的传输路径和连接关系，为电力调度系统提供可靠的电力传输通道，根据地理分布脉络图像进行地形分析处理，根据地势高度数据对电力供应连接通道进行高度筛选处理，可以确定电力供应连接通道在地势高度方面的合适性，避免电力通道与地形障碍物相冲突，提高电力供应的可靠性和安全性；基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，可以提高电力供应的效率和响应速度，减少能源浪费和传输成本。
作为本发明的一个实例，参考图3所示，在本实例中所述步骤S3包括：
步骤S31：利用最近邻连接对第一电力目标点集和第二电力目标点集进行随机连接处理，生成电力供应连接曲线；
本发明实施例中，通过对第一电力目标点集和第二电力目标点集进行洗牌(随机排序)，以确保每次执行时得出的最近邻连接结果是不同的，然后对第一电力目标点集中的每个点，找到与其最近距离的第二电力目标点集中的点，对于每对最近邻点，使用其坐标信息和其他相关参数，可以计算出电力供应连接曲线的形状和特征，这些曲线可以是直线段、曲线段或其他形状，生成电力供应连接曲线。
步骤S32：将电力供应连接曲线和预设的标准连接曲线数量进行对比处理，剔除大于预设的标准连接曲线数量的电力供应连接曲线，从而得到标准电力供应连接曲线；
本发明实施例中，通过根据具体需求和系统规划，确定预设的标准连接曲线数量，例如根据电力系统的承载能力和负荷需求进行评估和确定，统计电力供应连接曲线的数量，并与预设的标准连接曲线数量进行对比，如果电力供应连接曲线的数量大于预设的标准连接曲线数量，进行下一步处理；否则，得到的电力供应连接曲线已经符合标准，无需剔除，如果电力供应连接曲线的数量超过预设的标准连接曲线数量，需要剔除多余的连接曲线，可以使用一些筛选算法进行剔除，例如按照特定的优先级、负荷需求或其他限制条件，对电力供应连接曲线进行评价和排序，然后根据评价结果，选择保留优先级高或符合特定要求的连接曲线，剔除其他连接曲线，直至达到预设的标准电力供应连接曲线数量。
步骤S33：基于标准电力供应连接曲线进行电网通道构建处理，得到电力供应连接通道；
本发明实施例中，通过确定电网通道的起点和终点，使用路径规划算法(如最短路径算法、最小生成树算法等)，基于标准电力供应连接曲线和起点终点信息，确定构建电网通道的最优路径，路径规划算法可以考虑电力系统的拓扑结构、传输能力、传输距离等因素，在确定的路径上，对电网通道进行优化，以满足电力系统的要求和限制条件，包括调整通道的宽度、位置、拓扑连接等，根据计划好的电网通道，建立实际的电力连接线路，包括电缆、输电线路等，得到电力供应连接通道。
步骤S34：根据地理分布脉络图像进行地形分析处理，得到地势高度数据；根据地势高度数据对电力供应连接通道进行高度筛选处理，生成地理电力供应连接通道；
本发明实施例中，通过利用通过图像处理技术、数字高程模型(DEM)、三维重建等方法根据图像中的亮度、颜色、纹理等特征，推断出地形的高度、起伏和曲率等信息，得到地势高度数据，结合地形分析结果，获取每个位置的地势高度数据，例如利用对地理坐标进行投影转换、栅格化处理或其他数据处理操作，以获得具体位置的高度数据，根据地势高度数据，对电力供应连接通道进行高度筛选处理，以生成地理电力供应连接通道，在高度筛选过程中，可以使用一些规则或限制条件来定义电力供应连接通道的高度要求，例如最大高度限制、可容忍高度变化范围等因素，生成地理电力供应连接通道。
步骤S35：基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道。
本发明实施例中，通过确定电力供应的起点和终点位置。起点通常是电力源或发电站，终点通常是电力负荷或用电设施，将地理电力供应连接通道转化为网络表示形式，其中每个节点表示连接通道上的一个关键位置，每条连接通道表示节点之间的连接，使用最短路径算法来寻找起点到终点的最短路径，例如Dijkstra算法、Bellman-Ford算法等最短路径算法，将节点和边的权重设置为适当的指标，以反映电力供应连接通道的优劣特征，权重可以基于路径长度、地形高度、电力传输损耗、拓扑限制等因素来确定，例如，较短的路径长度可以指示较低的传输损耗，较平坦的地形可以减少输电线路的建设和维护成本等，应用选择的最短路径算法，计算起点到终点的最短路径，通过将连接通道上的关键位置连接起来，形成一条连续的电力供应路径，即最优地理电力供应通道。
优选地，步骤S4包括以下步骤：
步骤S41：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力供应通道；对电力设备进行实时数据模拟采集，获得设备模拟数据；
步骤S42：根据设备模拟数据和模拟电力供应通道进行电力注入处理，生成模拟电力流向通道；
步骤S43：确定电流传感器位置，将所述电流传感器放置在模拟电力流向通道中进行定位采集处理，获得传感器定位数据；利用电流传感器进行流动电力数据采集处理，获得模拟电力流向数据。
本发明通过根据最优地理电力供应通道进行电力模拟运输处理，模拟电力在实际供应通道中的传输情况，并获取电力供应的相关数据，对电力设备进行实时数据模拟采集，有助于评估电力供应的可行性，优化供应通道的选择，并为后续的电力调度和运输做出准确的决策；根据设备模拟数据和模拟电力供应通道进行电力注入处理，可以模拟电力在供应通道中的流向和分配情况，有助于评估电力供应的质量和稳定性，优化电力的流动路径，并控制电力的分配以满足需求；确定电流传感器位置，将所述电流传感器放置在模拟电力流向通道中进行定位采集处理，可以通过电流传感器的定位和数据采集，可以实时监测电力的流动情况，获取电流数据并分析电力流向的变化，利用电流传感器进行流动电力数据采集处理，可以监控电力供应的状态和性能，识别潜在问题并进行及时调整和优化。
作为本发明的一个实例，参考图4所示，在本实例中所述步骤S4包括：
步骤S41：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力供应通道；对电力设备进行实时数据模拟采集，获得设备模拟数据；
本发明实施例中，通过将供应通道中的电力输送进行模拟，包括电压降、功率损耗、传输效率等参数的计算和分析，在电力模拟运输处理完成后，根据模拟结果生成模拟电力供应通道，模拟电力供应通道可以是电力输电线路、变电站之间的传输路径，也可以是在整个电力系统中的输电网络，使用传感器、监测设备或模拟器来对电力设备进行实时数据模拟采集，获得设备模拟数据，包括设备的实时状态、性能指标、故障信息等。
步骤S42：根据设备模拟数据和模拟电力供应通道进行电力注入处理，生成模拟电力流向通道；
本发明实施例中，通过根据设备模拟数据和模拟电力供应通道进行电力注入处理，将设备模拟数据中的电力注入到相应的电力供应通道中，以模拟电力的流向和分配情况，考虑电力输送的影响因素，如电压降、功率损耗、传输效率等，对注入的电力进行计算和分析，确定模拟电力的流向通道，在电力注入处理完成后，根据模拟电力的流向和分配情况生成模拟电力流向通道。
步骤S43：确定电流传感器位置，将所述电流传感器放置在模拟电力流向通道中进行定位采集处理，获得传感器定位数据；利用电流传感器进行流动电力数据采集处理，获得模拟电力流向数据。
本发明实施例中，通过对模拟电力流向通道的结构和特性进行分析，确定最佳的电流传感器位置，例如将电流传感器的位置选取在电力流向变化明显或重要节点附近，根据确定的电流传感器位置，在模拟电力流向通道中安装电流传感器，将电流传感器连接到数据采集系统或控制器，确保传感器的信号能够被准确采集和处理，使用位置传感器、GPS定位系统进行传感器定位数据的采集处理，获取电流传感器在模拟电力流向通道中的位置信息，利用已安装的电流传感器对流动电力进行数据采集，电流传感器可以测量通道中的电流变化，并将数据传输给数据采集系统进行处理，数据采集系统可以记录电流的实时数值，同时也可以进行数据处理和分析，以获得模拟电力流向数据。
优选地，步骤S5包括以下步骤：
步骤S51：利用预设的时间戳对模拟电力流向数据进行数据切割处理，得到模拟电力流向数据段；
步骤S52：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；
步骤S53：将模拟电力负荷数据与预设的安全负荷阈值进行对比，当模拟电力负荷数据大于预设的安全负荷阈值时，生成高负荷电力流向数据；当模拟电力负荷数据小于预设的安全负荷阈值时，生成低负荷电力流向数据；
步骤S54：基于均值计算公式对高负荷电力流向数据和低电力流向数据进行均值计算处理，生成均值负荷电力流向数据；根据均值负荷电力流向数据对模拟电力流向通道进行负荷电力区域划分处理，生成高负荷电力区域；对高负荷电力区域进行监控节点设置处理，生成高负荷电力区域监控节点。
本发明通过利用预设的时间戳对模拟电力流向数据进行数据切割处理，可以将时间上的局部特征提取出来，便于后续的电力负荷计算和分析；利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，可以确定模拟电力流向数据段的负荷状态，从而了解电力系统当前的电力需求；将模拟电力负荷数据与预设的安全负荷阈值进行对比，可以判断电力负荷是否超过预设的安全负荷阈值，根据负荷水平的不同，可以将电力流向数据分为高负荷和低负荷两类，这有助于后续的负荷管理和调度决策；基于均值计算公式对高负荷电力流向数据和低电力流向数据进行均值计算处理，可以通过均值计算和划分，确定电力系统中的高负荷区域，并设置监控节点对其进行实时监测和管理，根据均值负荷电力流向数据对模拟电力流向通道进行负荷电力区域划分处理，对高负荷电力区域进行监控节点设置处理，可以监测高负荷电力区域，可以及时发现潜在的过载问题，采取相应的调度措施，确保电力系统的稳定运行。
本发明实施例中，通过确定每个数据段的开始时间和结束时间，使用预设的时间戳作为切割数据的依据，将模拟电力流向数据按照时间戳进行切割，得到模拟电力流向数据段，对每个模拟电力流向数据段，使用电力节点容忍度公式计算电力负荷，电力节点容忍度公式可以基于电力系统的特定参数，如电压、电流和功率因数等进行计算，将计算得到的模拟电力负荷数据与预设的安全负荷阈值进行比较，如果模拟电力负荷数据大于预设的安全负荷阈值，则将该数据标记为高负荷电力流向数据，如果模拟电力负荷数据小于预设的安全负荷阈值，则将该数据标记为低负荷电力流向数据，对高负荷电力流向数据和低负荷电力流向数据分别进行均值计算处理，得到均值负荷电力流向数据，基于均值负荷电力流向数据可以进行负荷区域的划分，将模拟电力流向通道划分为高负荷电力区域和其他区域，在高负荷电力区域中设置监控节点，以便实时监测和管理该区域的电力流向情况。
优选地，步骤S52中的电力节点容忍度公式具体如下：
式中，P表示为电力节点的电力负荷，n表示为电力节点数量，V表示为电力节点的电压值，I表示为电力节点的电流值，Z表示为电力节点的电阻值，θ表示为电力节点的电源相位角，f表示为电力节点的电源频率，L表示为电力节点的电感值，μ表示为电力节点容忍异常调整值。
本发明构建了一种电力节点容忍度公式，用于通过电力节点的电压值以及电力节点的电流值以及电力节点的电感值进行电力节点电力损耗计算，该电力节点容忍度公式可以根据电力节点的电源相位角和电力节点的电源频率对电力节点进行负荷容忍度评估，实现最佳的店里节点负荷预测，根据电力节点的电源频率和电力节点的电压值来评估电力节点受到的电压冲击差异，从而精确确定电力节点的电力负荷。在实际应用中，该公式可以根据节点电压稳定性的要求和输电能力的限制，建立节点的能量平衡方程，通过对能量平衡方程进行数学推导和求解，可以得到节点容忍度的表达式，从而评估节点对负荷波动的敏感程度，并为电力系统的运行和规划提供参考依据。该公式充分考虑了电力节点数量n，电力节点的电压值V，电力节点的电流值I，电力节点的电阻值Z，电力节点的电源相位角θ，电力节点的电源频率f，电力节点的电感值L，电力节点容忍异常调整值μ，根据电力节点的电压值V与以上各参数之间的相互关系构成了一种函数关系：
通过电力节点的电源频率与电力节点的电源相位角的相互作用关系，可以了解电力节点接收电力的方向变化情况，保证区域数据精确的情况下进行电力流向确定，利用电力节点的电感值，在保证数据准确的情况下减少数据冗余，节约了算力，使计算达到快速收敛，通过电力节点容忍异常调整值μ对电力目标点脉络分布进行调整，更加准确的生成电力脉络离散数据点的值K，提高了电力节点容忍度计算的准确性和可靠性。同时该公式中的电力节点的电源相位角、电力节点的电源频率等参数可以根据实际情况进行调整，从而适应不同的电力节点容忍度计算场景，提高了算法的适用性和灵活性。
优选地，步骤S6包括以下步骤：
步骤S61：基于高负荷电力流向数据和监控节点的位置对高负荷电力区域以及监控节点的位置进行区域标记处理，得到高负荷电力区域监控节点位置信息；
步骤S62：根据高负荷电力区域监控节点位置信息和模拟电力流向通道进行电力存储空间模型构建处理，生成电力存储空间；
步骤S63：利用高电力负荷监控节点对模拟电力流向通道进行监控处理，当高电力负荷监控节点没有发出警报时，将电力存储空间标记为电力存储状态，并进行电力存储；当高电力负荷监控节点发出警报时，则将电力存储空间标记为电力释放状态，并进行电力释放。
本发明通过基于高负荷电力流向数据和监控节点的位置对高负荷电力区域以及监控节点的位置进行区域标记处理，可以集中关注电力系统中容易出现高负荷的区域，并确保监控节点能够有效地监测该区域的电力状态；根据高负荷电力区域监控节点位置信息和模拟电力流向通道进行电力存储空间模型构建处理，可以减少高负荷电力区域的电力存储能力和需求，以便在后续的电力调度中进行合理的电力存储安排；利用高电力负荷监控节点对模拟电力流向通道进行监控处理，可以实现对高负荷区域电力存储的精确控制，以满足电力供需平衡的要求。
本发明实施例中，通过分析高负荷电力流向数据以及监控节点的位置，可以确定高负荷电力区域，并对该区域内的监控节点位置进行标记，得到高负荷电力区域监控节点位置信息，利用高负荷电力区域监控节点位置信息和模拟电力流向通道，生成电力存储空间模型，通过将监控节点的位置信息和电力流向通道进行分析和建模，可以得到一个描述电力存储空间的模型，使用高电力负荷监控节点对模拟电力流向通道进行监控，如果高电力负荷监控节点没有发出警报信号，表示电力系统正常，此时将电力存储空间标记为电力存储状态，并进行电力存储操作，然而，如果高电力负荷监控节点发出警报信号，表示存在过载或其他问题，此时将电力存储空间标记为电力释放状态，并进行相应的电力释放措施。
优选地，步骤S7包括以下步骤：
步骤S71：通过电力系统监测设备收集历史高负荷电力流向数据；将历史高负荷电力流向数据进行数据划分处理，得到模型训练集、模型验证集和模型测试集；
步骤S72：利用模型训练集对BP神经网络模型进行电力调度训练，生成电力调度预模型；根据模型验证集对电力预测预模型进行模型性能验证处理，生成电力调度中级模型；将模型测试集导入至电力调度中级模型进行模型性能测试处理，生成智能电力调度模型；
步骤S73：根据智能电力调度模型对电力资源数据进行电力负荷预测调度处理，生成电力负荷调度方案；根据电力负荷调度方案对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
本发明通过电力系统监测设备收集历史高负荷电力流向数据，将历史高负荷电力流向数据进行数据划分处理，为后续的模型训练和性能评估提供数据基础；利用模型训练集对BP神经网络模型进行电力调度训练，通过神经网络模型的训练和验证，生成智能电力调度模型，可以利用历史数据的特征来预测未来电力负荷情况并生成电力调度方案，根据智能电力调度模型对电力资源数据进行电力负荷预测调度处理，生成电力负荷调度方案；根据电力负荷调度方案对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略，可以实现对电力系统的动态调整和自动化电力调度策略的实施，优化电力分配和利用，提高电力系统的效率和稳定性。
本发明实施例中，通过使用电力系统监测设备收集历史高负荷电力流向数据，对历史高负荷电力流向数据进行数据划分处理，将数据集划分为模型训练集、模型验证集和模型测试集，例如使用随机划分或按时间顺序划分，使用模型训练集对BP神经网络模型进行电力调度训练，生成电力调度预模型，利用模型验证集对电力预测预模型进行模型性能验证处理，通过评估模型在验证集上的预测准确性和性能，生成电力调度中级模型，将模型测试集导入至电力调度中级模型进行模型性能测试处理，评估模型在测试集上的性能，生成智能电力调度模型，利用智能电力调度模型对电力资源数据进行电力负荷预测调度处理，根据电力负荷调度方案对高负荷电力区域监控节点进行动态调整，对监控节点的位置或资源进行调整，以实现自动化电力调度策略。
本发明的有益效果在于通过对电力资源数据进行预处理和地理特征分析，可以生成标准电力资源数据和电力供应地理数据，能够提供更准确和详细的电力资源信息，为后续的决策和规划提供基础，利用GIS软件对电力供应地理数据进行三维建模处理，并通过激光点云技术进行电力源头标记，可以在地理脉络图像中准确定位电力源头，为电力供应通道的规划提供基础，通过连接处理和路径最短算法，生成电力供应连接通道，并根据最优地理电力供应通道进行模拟运输处理，可以帮助确定最佳的电力供应路径，优化电力输送的效率，并减少能量损耗，在模拟电力流向通道中放置电流传感器进行数据采集，根据电力节点容忍度公式进行电力负荷计算，可以实时获取电力流向和负荷数据，用于电力网络的监测和管理，根据模拟电力负荷数据和安全负荷阈值，生成高负荷电力流向数据，并设置负荷电力监控节点，可以实时监控高负荷电力区域，并建立电力存储空间，在高负荷时进行调度和管理，通过收集历史高电力流向数据，并构建BP神经网络模型，生成智能电力调度模型，基于智能电力调度模型，对高负荷电力区域监控节点进行动态调整，实现自动化的电力调度策略，可以提高电力系统的稳定性和效率，优化电力分配和调度。因此，本发明通过对电网进行电力存储空间开辟以及智能电力调度，提高电网调度精度和及时缓解电网高负荷压力。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于BP神经网络智能电网配电方法，其特征在于，包括以下步骤：
步骤S1：利用电力管理系统获取电力资源数据；对电力资源数据进行数据预处理，生成标准电力资源数据；
步骤S2：对标准电力资源数据进行地理特征分析处理，生成电力供应地理数据；利用GIS软件对电力供应地理数据进行三维建模处理，生成地理分布脉络图像；根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到第一电力目标点集；利用电力脉络分布公式对第一目标电力目标点集进行离散处理，得到第二电力目标点集；
步骤S3：将第一电力目标点集和第二电力目标点集进行连接处理，生成电力供应连接通道；根据将电力供应连接通道与地理分布脉络图像进行地理三维映射处理，得到地理电力供应连接通道；基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道；
步骤S4：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力流向通道；将电流传感器放置在所述模拟电力流向通道中进行数据采集，从而获取模拟电力流向数据；
步骤S5：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；将模拟电力负荷数据与预设的安全负荷阈值进行对比，生成高负荷电力流向数据；根据高负荷电力流向数据对模拟电力流向通道进行负荷电力监控节点设置处理，生成高负荷电力区域监控节点；
步骤S6：基于高负荷电力区域监控节点和高电力流向数据进行存储空间构建处理，生成电力存储空间；利用高电力负荷监控节点对模拟电力流向通道进行监控处理，生成电力存储状态和电力释放状态；
步骤S7：收集历史高电力流向数据；基于BP神经网络模型对历史高电力流向数据进行模型构建处理，生成智能电力调度模型；根据智能电力调度模型对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
2.根据权利要求1所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S1包括以下步骤：
步骤S11：利用电力管理系统中内置的分布式数据采集器进行数据采集处理，获取多个电力设备的实时电力数据；将实时电力数据进行高级数据聚合处理，生成电力资源数据；
步骤S12：根据数据转换工具对电力资源数据进行异质性数据转换，生成电力资源转换数据；
步骤S13：通过最频繁值填充方法对电力资源转换数据进行缺失值填充处理，得到电力资源填充数据；根据四分位数方法对电力资源填充数据进行异常值处理，生成电力资源净化数据；
步骤S14：利用云计算技术对电力资源净化数据进行标准化处理，生成标准电力资源数据。
3.根据权利要求2所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S2包括以下步骤：
步骤S21：对标准电力资源数据进行地理标签注入处理，生成地理标签电力数据；对地理标签电力数据进行地理特性分析处理，生成电力供应地理数据；
步骤S22：利用GIS软件对电力供应地理数据进行三维建模处理，得到三维地理模型；基于可视化工具对三维地理模型进行渲染绘制处理，生成地理分布脉络图像；
步骤S23：根据激光点云技术对地理分布脉络图像进行电力源头标记处理，得到标记数据集；对标记数据集进行数据筛选处理，得到第一电力目标点集；
步骤S24：通过电力脉络分布公式对第一电力目标点集进行激光点离散化处理，生成离散数据点；对离散数据点进行数据整合处理，生成第二电力目标点集。
4.根据权利要求3所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S24中的电力脉络分布公式如下所示：
式中，K表示为电力脉络离散数据点的值，x表示为电力目标点的横坐标，y表示为电力目标点的纵坐标，r表示为电力目标点的高度，t表示为电力目标点的时间，u表示为电力目标点的平均横坐标，σ表示为电力目标点的横坐标的标准差，α表示为电力目标点的高度与角度的比例系数，m表示为电力目标点的个数，3表示为电力脉络分布异常修正量。
5.根据权利要求3所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S3包括以下步骤：
步骤S31：利用最近邻连接对第一电力目标点集和第二电力目标点集进行随机连接处理，生成电力供应连接曲线；
步骤S32：将电力供应连接曲线和预设的标准连接曲线数量进行对比处理，剔除大于预设的标准连接曲线数量的电力供应连接曲线，从而得到标准电力供应连接曲线；
步骤S33：基于标准电力供应连接曲线进行电网通道构建处理，得到电力供应连接通道；
步骤S34：根据地理分布脉络图像进行地形分析处理，得到地势高度数据；根据地势高度数据对电力供应连接通道进行高度筛选处理，生成地理电力供应连接通道；
步骤S35：基于路径最短算法对地理电力供应连接通道进行最短路径筛选处理，生成最优地理电力供应通道。
6.根据权利要求5所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S4包括以下步骤：
步骤S41：根据最优地理电力供应通道进行电力模拟运输处理，生成模拟电力供应通道；对电力设备进行实时数据模拟采集，获得设备模拟数据；
步骤S42：根据设备模拟数据和模拟电力供应通道进行电力注入处理，生成模拟电力流向通道；
步骤S43：确定电流传感器位置，将所述电流传感器放置在模拟电力流向通道中进行定位采集处理，获得传感器定位数据；利用电流传感器进行流动电力数据采集处理，获得模拟电力流向数据。
7.根据权利要求6所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S5包括以下步骤：
步骤S51：利用预设的时间戳对模拟电力流向数据进行数据切割处理，得到模拟电力流向数据段；
步骤S52：利用电力节点容忍度公式对模拟电力流向数据段进行电力负荷计算，生成模拟电力负荷数据；
步骤S53：将模拟电力负荷数据与预设的安全负荷阈值进行对比，当模拟电力负荷数据大于预设的安全负荷阈值时，生成高负荷电力流向数据；当模拟电力负荷数据小于预设的安全负荷阈值时，生成低负荷电力流向数据；
步骤S54：基于均值计算公式对高负荷电力流向数据和低电力流向数据进行均值计算处理，生成均值负荷电力流向数据；根据均值负荷电力流向数据对模拟电力流向通道进行负荷电力区域划分处理，生成高负荷电力区域；对高负荷电力区域进行监控节点设置处理，生成高负荷电力区域监控节点。
8.根据权利要求6所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S52中的电力节点容忍度公式如下所示：
式中，P表示为电力节点的电力负荷，n表示为电力节点数量，V表示为电力节点的电压值，I表示为电力节点的电流值，Z表示为电力节点的电阻值，θ表示为电力节点的电源相位角，f表示为电力节点的电源频率，L表示为电力节点的电感值，μ表示为电力节点容忍异常调整值。
9.根据权利要求7所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S6包括以下步骤：
步骤S61：基于高负荷电力流向数据和监控节点的位置对高负荷电力区域以及监控节点的位置进行区域标记处理，得到高负荷电力区域监控节点位置信息；
步骤S62：根据高负荷电力区域监控节点位置信息和模拟电力流向通道进行电力存储空间模型构建处理，生成电力存储空间；
步骤S63：利用高电力负荷监控节点对模拟电力流向通道进行监控处理，当高电力负荷监控节点没有发出警报时，将电力存储空间标记为电力存储状态，并进行电力存储；当高电力负荷监控节点发出警报时，则将电力存储空间标记为电力释放状态，并进行电力释放。
10.根据权利要求9所述的一种基于BP神经网络智能电网配电方法，其特征在于，步骤S7包括以下步骤：
步骤S71：通过电力系统监测设备收集历史高负荷电力流向数据；将历史高负荷电力流向数据进行数据划分处理，得到模型训练集、模型验证集和模型测试集；
步骤S72：利用模型训练集对BP神经网络模型进行电力调度训练，生成电力调度预模型；根据模型验证集对电力预测预模型进行模型性能验证处理，生成电力调度中级模型；将模型测试集导入至电力调度中级模型进行模型性能测试处理，生成智能电力调度模型；
步骤S73：根据智能电力调度模型对电力资源数据进行电力负荷预测调度处理，生成电力负荷调度方案；根据电力负荷调度方案对高负荷电力区域监控节点进行动态调整，以实行自动化电力调度策略。
CN202310876734.5A 2023-07-17 2023-07-17 一种基于bp神经网络智能电网配电方法 Pending CN117077922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310876734.5A CN117077922A (zh) 2023-07-17 2023-07-17 一种基于bp神经网络智能电网配电方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310876734.5A CN117077922A (zh) 2023-07-17 2023-07-17 一种基于bp神经网络智能电网配电方法

Publications (1)

Publication Number Publication Date
CN117077922A true CN117077922A (zh) 2023-11-17

Family

ID=88705198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310876734.5A Pending CN117077922A (zh) 2023-07-17 2023-07-17 一种基于bp神经网络智能电网配电方法

Country Status (1)

Country Link
CN (1) CN117077922A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117807547A (zh) * 2024-02-29 2024-04-02 国网山东省电力公司经济技术研究院 一种区域级综合能源大规模数据清洗方法
CN117934202A (zh) * 2023-12-22 2024-04-26 斗桑杰 一种虚拟电厂调度封装模型的构建方法
CN118037016A (zh) * 2024-04-13 2024-05-14 国网湖北省电力有限公司武汉供电公司 一种基于深度学习的电力资源响应控制方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117934202A (zh) * 2023-12-22 2024-04-26 斗桑杰 一种虚拟电厂调度封装模型的构建方法
CN117807547A (zh) * 2024-02-29 2024-04-02 国网山东省电力公司经济技术研究院 一种区域级综合能源大规模数据清洗方法
CN117807547B (zh) * 2024-02-29 2024-05-10 国网山东省电力公司经济技术研究院 一种区域级综合能源大规模数据清洗方法
CN118037016A (zh) * 2024-04-13 2024-05-14 国网湖北省电力有限公司武汉供电公司 一种基于深度学习的电力资源响应控制方法及系统

Similar Documents

Publication Publication Date Title
CN117077922A (zh) 一种基于bp神经网络智能电网配电方法
CN116865258B (zh) 一种层级构造的分布式电源智能电网构建方法
CN106096810B (zh) 基于配电网运行数据与地理拓扑信息的规划方法及系统
CN109816161A (zh) 一种配电网运行辅助决策分析系统及其应用方法
CN116316614B (zh) 电网三维数字孪生系统、性能分析方法及相关装置
CN117934202B (zh) 一种虚拟电厂调度封装模型的构建方法
CN108632832B (zh) 网络覆盖分析方法及系统
CN111210058A (zh) 一种基于网格化的配电网自上而下负荷预测信息方法
CN107220758A (zh) 一种电网规划辅助系统
CN116546521A (zh) 一种基于数字孪生技术的移动通信网络覆盖优化方法
CN111524026A (zh) 一种电力资源分配方法及装置
CN113852204A (zh) 一种于数字孪生的变电站三维全景监视系统及方法
CN118094196B (zh) 基于数据分析的土地利用规划方法及规划系统
CN116579607A (zh) 一种多源数据协同的区域性尾矿库风险监测方法
CN117390590B (zh) 一种基于cim模型的数据管理方法及系统
CN117436334B (zh) 一种油浸式电力变压器温度场的仿真方法及系统
CN112926863B (zh) 基于六大预警中心的电网灾害综合监测系统
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN117057666A (zh) 一种数字化配电网的配电质量评估方法及系统
CN116488335A (zh) 一种城区尺度的电力能耗动态监测调配方法、系统及设备
Lühn et al. Multi-criteria analysis of grid expansion concepts on the low voltage level
CN110569710A (zh) 一种配电网台区改造价值评估系统及方法
CN117611108B (zh) 一种城乡建设用地有偿调剂的智能决策构建方法
CN118539432B (zh) 一种基于电网结构图的电网优化方法及装置
CN118232343B (zh) 基于风能预测的充放电动态控制方法及系统

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