CN117149750A - 数据处理方法、装置、设备、存储介质和计算机程序产品 - Google Patents
数据处理方法、装置、设备、存储介质和计算机程序产品 Download PDFInfo
- Publication number
- CN117149750A CN117149750A CN202310990322.4A CN202310990322A CN117149750A CN 117149750 A CN117149750 A CN 117149750A CN 202310990322 A CN202310990322 A CN 202310990322A CN 117149750 A CN117149750 A CN 117149750A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- electrical
- equipment
- electrical data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004590 computer program Methods 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title abstract description 14
- 238000013499 data model Methods 0.000 claims abstract description 111
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 11
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 230000002547 anomalous effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 14
- 238000012937 correction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种数据处理方法、装置、设备、存储介质和计算机程序产品。所述方法包括:获取电力系统中各电力设备的特征参数,根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;根据特征参数得到各电力设备的状态参数,根据状态参数将图数据模型划分为多个子图数据模型;在各子图数据模型中,确定电气数据存在异常的目标设备节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。采用本方法能够提升在超大规模电力系统中生成目标电气数据的效率和准确度。
Description
技术领域
本申请涉及电力系统技术领域,特别是涉及一种数据处理方法、装置、设备、存储介质和计算机程序产品。
背景技术
随着电力系统中海量分布式电力设备的接入,主配电网即高低压电网之间有功、无功电流双向流动情况增加,为了保证电力系统稳定运行,需对高低压电网数据模型进行拼接,得到全网模型,以便根据全网模型对电力系统的电压幅值等状态量进行预测和优化分析。
现有技术中,电力系统中各电力设备的特征参数及有功功率、无功功率等电气数据的组织形式为CIM(Common Information Model,通用信息模型)文件,在读取CIM文件后通常会用关系型数据库对各电力设备的特征参数、电气数据以及拓扑连接关系进行存储。例如调用关系型数据库中的数据对高低压电网数据模型进行拼接时,若某些电力设备的电气数据存在缺失或错误,则会利用在线参数估计算法结合传统的潮流计算模型,对缺失或错误的电气数据进行估算。
然而,传统方法在节点数量多、电气数据丰富且多区域的超大规模电力系统中,生成电气数据的估算值的效率低下、准确度不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升电气数据的估算值的生成效率、准确度的数据处理方法、装置、设备、存储介质和计算机程序产品。
第一方面,本申请提供了一种数据处理方法。方法包括:
获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;
根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;
在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
在其中一个实施例中,电气数据中包括用于表征电气数据是否异常的质量标识;根据其他设备节点的电气数据得到目标设备节点的目标电气数据,包括:
根据其他设备节点的质量标识判断其他设备节点的电气数据是否异常,若其他设备节点的电气数据正常,则根据其他设备节点的电气数据确定目标电气数据;若其他设备节点的电气数据存在异常,则根据其他设备节点的电气数据获取等效模型,并根据等效模型确定目标电气数据。
在其中一个实施例中,特征参数包括设备类型标识;根据其他设备节点的电气数据获取等效模型,并根据等效模型确定目标电气数据,包括:
获取各目标设备节点的目标设备类型标识,根据目标设备类型标识确定目标等效模型,并根据目标等效模型确定目标设备节点的目标电气数据。
在其中一个实施例中,根据目标设备类型标识确定目标等效模型,包括:
根据目标设备类型标识判断目标设备节点是否为端设备,若目标设备节点均为端设备,则确定目标等效模型用于根据电气数据正常的其他设备节点的电气数据确定目标电气数据;
若目标设备节点存在非端设备,则确定目标等效模型用于根据位于目标电气节点紧邻的上级电气节点对应的电气数据确定目标电气数据,上级电气节点位于目标电气节点电流方向上游。
在其中一个实施例中,根据等效模型确定目标电气数据,包括:
判断目标设备节点的数量是否等于预设阈值,若目标设备节点的数量等于预设阈值,则将目标等效模型的计算结果作为目标电气数据;若目标设备节点的数量不等于预设阈值,则根据目标等效模型的计算结果按照各目标设备节点的设备容量的比例关系进行分配,得到各目标电气数据。
在其中一个实施例中,状态参数包括各电力设备的位置信息和电压等级信息;根据状态参数将图数据模型划分为多个子图数据模型,包括:
根据各电力设备的位置信息和/或电压等级信息,将图数据模型划分为多个子图数据模型。
第二方面,本申请还提供了一种数据处理装置。装置包括:
图数据模型生成模块,用于获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;
图数据模型划分模块,用于根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;
电气数据处理模块,用于在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;
根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;
在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;
根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;
在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
第五方面,本申请还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;
根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;
在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
上述数据处理方法、装置、设备、存储介质和计算机程序产品,获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。本申请采用上述方法,先根据各电力设备的特征参数确定图数据模型,再根据各电力设备的状态参数,将图数据模型划分为多个子图数据模型,再在各个子图数据模型中根据其他设备节点的电气数据,分别同步计算电气数据存在异常的目标设备节点的目标电气数据,有利于提升在超大规模电力系统中生成目标电气数据的效率和准确度。
附图说明
图1为一个实施例中数据处理方法的应用环境图;
图2为一个实施例中数据处理方法的流程图;
图3为一个实施例中根据其他设备节点的电气数据确定目标电气数据的流程图;
图4为一个实施例中根据目标设备类型标识确定目标等效模型的流程图;
图5为一个实施例中根据目标设备节点的数量确定各目标电气数据的流程图;
图6为一个实施例中数据处理装置的结构框图;
图7为一个实施例中计算机设备的内部结构图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的数据处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,以该方法应用于图1中的终端为例进行说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤202,获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点。
其中,电力系统是一系列相互连接的电力设备,包括发电厂、变电站、输电线路、配电网以及与之相关的控制系统和保护装置。电力系统的主要功能是将发电厂产生的电能转输到终端用户,以满足人们的用电需求,同时,电力系统还需要确保电力的安全、可靠和高效供应,以及对电力负荷进行平衡和管理。电力设备的特征参数是用于描述电力设备特征的参数,包括电力设备的设备名称、设备编号、设备类型标识、具有连接关系的关联设备的设备编号等参数。图数据模型是一种表示和存储数据的方式,本申请的图数据模型中的设备节点对应具体的电力设备,电气节点是一种虚拟节点,用于存储从属于同一条输电线路上的各设备节点的电气数据,电气数据包括有功功率、无功功率以及电流大小等数据,电气数据可以以表格的形式进行存储,图数据模型中还包括用于表征各设备节点之间或设备节点与电气节点之间的连接关系的边。
示例性的,获取到电力系统中各电力设备的特征参数后,根据各电力设备的设备编号以及关联设备的设备编号,构建设备节点和边,根据设备类型标识确定端设备的设备节点,再根据端设备对应的设备节点确定多条输电线,并根据输电线的数量确定电气节点的数量,使每个电气节点对应一条输电线,并在电气节点与所属输电线上的多个设备节点之间设置连接边。
步骤204,根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型。
具体地,状态参数用于表征电力设备的当前状态信息,通常,从属于同一变站的各电力设备的状态参数是一致的,所以可以根据状态参数对电力系统中的各电力设备进行分组或分类,从而根据状态参数将图数据模型划分为多个子图数据模型,以便在各子图数据模型中分别且并行计算相应的目标电气数据,从而提升目标电气数据的生成效率。
步骤206,在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
其中,电气数据存在异常是在电力系统采集电气数据的过程中,用于采集或计算电气数据的设备可能会发生故障,导致电气数据的计算值发生错误甚至缺失,从而导致电气数据发生异常的情况。电力系统的目标特征参数用于表征电力系统的运行状态是否稳定,目标特征参数包括电压幅值、相角等状态量参数。当电力系统中各电力设备的电气数据均确定无误后,会利用状态估计方法对电力系统的运行状态进行预测,状态估计方法通常是基于电气数据,利用电力系统的模型方程平衡电力系统内外部各节点的状态量参数,包括各节点电压幅值和相位角等信息,以推测电力系统内各元件的工作状态(如电力变压器,线路等)和负荷状态,以实现对电力系统运行状态的监测和分析,以便及时发现电网故障或异常,并及时处理,从而确保电力系统的安全稳定运行。
具体地,由上述内容可知,电气节点中存储的是从属于同一条输电线路上的设备节点的电气数据,当与电气节点相连的一个或多个设备节点的电气数据存在异常时,根据与该电气节点相连的其他设备节点的电气数据得到目标设备节点的目标电气数据,以实现对异常的电气数据的修正,从而提升对电力系统运行状态预测的准确性。
上述数据处理方法中,先根据各电力设备的特征参数确定图数据模型,再将图数据模型划分为多个子图数据模型,再在各个子图数据模型中根据其他设备节点的电气数据,分别计算电气数据存在异常的目标设备节点的目标电气数据,有利于提升在超大规模电力系统中生成目标电气数据的效率和准确度。
在一个实施例中,如图3所示,电气数据中包括用于表征电气数据是否异常的质量标识;根据其他设备节点的电气数据得到目标设备节点的目标电气数据包括:
步骤302,根据其他设备节点的质量标识判断其他设备节点的电气数据是否异常,若其他设备节点的电气数据正常,则执行步骤304;否则,执行步骤306。
其中,由前述内容可知,电气节点中存储的电气数据可以通过表格的形式进行存储,在表格中,每个电气数据都具有一个质量标识,用于表征自身是否异常,即用于表征自身是否存在缺失或错误。质量标识可以是数字、字母、特殊符号等表达形式,例如,在本实施例中,质量标识是数字的表达形式,当质量标识为0时,表示对应的设备节点的电气数据缺失或者错误;当质量标识为1时,表示对应的设备节点的电气数据正常。
示例性的,当其他电气设备节点的电气数据均正常时,由于其他设备节点的电气数据都是实时监测且准确的,所以可以直接根据其他设备节点的电气数据对目标电气数据进行计算,但是,当其他电气设备节点的电气数据也存在异常时,表明与同一个电气节点相连的多个设备节点均存在电气数据异常的情况,此时,为了保证目标电气数据的准确性和可靠性,对于目标电气数据的计算方法需发生改变。
步骤304,根据其他设备节点的电气数据确定目标电气数据。
示例性的,根据其他设备节点的电气数据确定目标电气数据的公式如下:
∑jXij=∑Xim+∑Xik;
其中,X代表电气数据,X可以是有功功率P、无功功率Q或者电流I;i代表电气节点i,j代表与电气节点i相连的电力设备,m代表j中设备类型为端设备的电力设备,k代表j中设备类型为非端设备的电力设备。
步骤306,根据其他设备节点的电气数据获取等效模型,并根据等效模型确定目标电气数据。
示例性的,本实施例中的等效模型是指通过建立合理的模型和假设,利用已有的数据和其他相关信息来近似或推测异常的电气数据,以继续进行电力系统的分析和计算。在利用等效模型对异常的电气数据进行计算时,模型的准确性和适用性较为关键,对于不同的电气数据的缺失情况,可能需要利用不同的等效模型对异常的电气数据进行计算。
本实施例中,当电力系统中存在电气数据异常的目标设备节点和目标电气节点时,如果与目标电气节点相关联的其他电气设备节点的电气数据是正常的,则根据其他电气设备节点的电气数据直接计算目标电气数据;如果与目标电气节点相关联的其他设备节点的电气数据也是异常的,则根据等效模型确定目标电气数据,从而保证目标电气数据的准确性和可靠性。
在一个实施例中,特征参数包括设备类型标识;根据其他设备节点的电气数据获取等效模型,并根据等效模型确定目标电气数据,包括:
获取各目标设备节点的目标设备类型标识,根据目标设备类型标识确定目标等效模型,并根据目标等效模型确定目标设备节点的目标电气数据。
其中,设备类型标识用于表征电力设备的类型,设备类型标识可以是标识名称或者标识编号,本实施例中的各电力设备可以按照端设备和非端设备进行划分,端设备包括发电机、变压器、电动机、负荷设备等,上述内容提及的每个电气节点对应一条输电线路中,输电线路的两端即为端设备,非端设备包括变电站、开关设备、容抗器、母线等,故本实施例中的设备类型标识包括端设备和非端设备。
示例性的,由于端设备和非端设备的特性不一致,例如非线性、时变性等不一致,在实际应用中,不同类型的电力设备的可用数据量和精度也是有所不同的,某些端设备可能具有更详细和准确的电气数据,而非端设备的电气数据可能更有限或不完整,根据可用的电气数据,选择适当的等效模型可以在数据不完整的情况下进行分析和计算。
本实施例中,通过目标设备类型标识确定对应的等效模型,以根据等效模型得到相应的目标电气数据,有助于保证目标电气数据的准确性和可靠性。
在一个实施例中,如图4所示,根据目标设备类型标识确定目标等效模型包括:
步骤402,根据目标设备类型标识判断目标设备节点是否为端设备,若目标设备节点均为端设备,则执行步骤404;否则,执行步骤406。
示例性的,由上述内容可知,本实施例中的目标设备类型标识包括端设备和非端设备,获取到目标设备节点对应的目标设备类型标识后,根据目标设备类型标识确定目标设备节点是端设备还是非端设备。
步骤404,确定目标等效模型用于根据电气数据正常的其他设备节点的电气数据确定目标电气数据。
示例性的,由于电力系统中的各种电力设备之间存在电气连接和相互影响,非端设备如输电线路、变电站等通常是由一组电力设备或组件组成的复杂系统,这些电力设备之间通过导线、电缆等电气连接进行相互传输电力,因此,非端设备的电气行为和特性往往与连接到它们的其他电力设备相关,所以当目标设备节点存在非端设备时,由于与目标设备节点共同连接目标电气节点的其他设备节点与目标设备节点在同一条输电线路上,所以可以根据电气数据正常的其他设备节点的电气数据确定目标电气数据。
具体地,当目标设备节点均为端设备时,对应的目标等效模型为:
其中,Xie是该目标等效模型的计算结果,{iu}代表与电气节点i相连的且缺少电气数据的所有设备节点u的集合。
步骤406,确定目标等效模型用于根据位于目标电气节点紧邻的上级电气节点对应的电气数据确定目标电气数据,上级电气节点位于目标电气节点电流方向上游。
示例性的,由于电力系统中的电气节点之间存在电气连接和相互影响,且电力系统中的电流和电压在电气节点之间按照一定的规律和关系进行分配和传输,通过测量和分析上级电气节点的电气数据,包括电流和电压,可以计算出目标电气数据,值得注意的是,当根据上级电气节点对应的电气数据确定目标电气数据时,确定的是与目标电气节点相连的所有设备节点的电气数据的总和。
具体地,当目标设备节点中存在非端设备时,对应的目标等效模型为:
其中,i0为电气节点i的上级电气节点i0。
本实施例中,根据目标设备节点的类型是端设备还是非端设备,确定目标电气数据的计算方式,有助于保证目标电气数据的可靠性和准确性。
在一个实施例中,如图5所示,根据等效模型确定目标电气数据包括:
步骤502,判断目标设备节点的数量是否等于预设阈值,若目标设备节点的数量等于预设阈值,则执行步骤504;否则,执行步骤506。
示例性的,由于当目标设备节点的数量有多个时,根据等效模型计算出的目标电气数据是一个数值,而后续在计算整个电力系统的状态量数值时,需要采集各个电力设备的电气数据,即各个设备节点对应的电气数据,所以需根据等效模型计算出的目标电气数据,分别对多个目标设备节点缺失的电气数据进行赋值,以使每个设备节点都具有对应的电气数据。
步骤504,将目标等效模型的计算结果作为目标电气数据。
示例性的,本实施例中的预设阈值是1,当目标设备节点的数量为1时,表明与对应的电气节点连接的所有设备节点中,仅有一个设备节点的电气数据异常,所以可以将目标等效模型的计算结果作为目标电气数据,以实现对该设备节点异常的电气数据进行修正。
步骤506,根据目标等效模型的计算结果按照各目标设备节点的设备容量的比例关系进行分配,得到各目标电气数据。
示例性的,当目标设备节点的数量不为1,即大于1时,表明电气数据缺失的目标设备节点不止一个,此时,目标等效模型的计算结果是目标电气数据的总和。设备容量的比例关系可以是各个目标设备节点对应的各个电力设备的负荷容量的大小比例关系,例如,当目标设备节点的数量为2,且两个目标设备节点对应的电力设备均为两个相同设备容量的变压器时,此时的设备容量的比例关系为1:1,再将目标等效模型的输出结果按照1:1的比例进行分配,得到两个目标设备节点各自的目标电气数据。此外,由上述内容可知,当根据上级电气节点对应的电气数据确定目标电气数据时,确定的是与目标电气节点相连的所有设备节点的电气数据的总和,在计算各目标电气数据时,应先将上级电气节点对应的电气数据与电气数据正常的其他设备节点的电气数据相减得到差值,再根据设备容量的比例关系进行分配,得到各目标电气数据。
此外,在得到各目标电气数据后,可以为目标电气数据设置修正值标识,并将修正值标识保存在电气节点中,以便后续根据各设备节点的电气数据在计算电力系统的状态量数值时,可以识别出该目标电气数据是修正值,预示计算结果存在一定偏差。当并行处理完所有子图数据模型中缺失的电气数据后,进行状态估计计算,并保存等效模型构造情况,以便后续调取相关信息。
本实施例中,当目标设备节点不止一个时,根据各目标设备节点对应的设备容量的比例关系,对目标等效模型的输出结果进行分配,以保证目标电气数据的可靠性和准确性。
在一个实施例中,状态参数包括各电力设备的位置信息和电压等级信息;根据状态参数将图数据模型划分为多个子图数据模型包括:根据各电力设备的位置信息和/或电压等级信息,将图数据模型划分为多个子图数据模型。
其中,电力设备的位置信息是电力设备所属调度部门的位置信息,在电力系统中,调度部门包括电力调度中心、变电站、发电厂的运行部门、输电线路的巡检维护部门等,调度部门的位置信息是调度部门所在区域信息,例如,某变电站、某输电线路的巡检维护部门的位置信息均是A省B市东一区,则该变电站内的各从属电力设备、该输电线路的巡检维护部门所管辖的各电力设备的位置信息均是A省B市东一区。电压等级信息是电力设备可以处理或操作的电压范围或额定电压,通常有110KV、220KV、500KV等,例如,当某变电站的电压等级信息为220KV时,意味着该变电站是设计用于处理或操作220KV的电压,且在该变电站中的各个电力设备,如发电机、变压器、开关设备等,都将被设计为适应220KV的电压,也意味着这些设备的绝缘、额定电流和其他性能参数等都应满足220kV的电压等级要求。
示例性的,根据上述内容可知,可以根据调度部门的位置信息对电力系统中的各电力设备进行分组,将图数据模型划分为对应于不同调度部门的位置信息的多个子图数据模型;也可以根据电压等级信息,将图数据模型划分为多个子图数据模型,以使每个子图数据模型中的电力设备为具有相同电压等级的电力设备;也可以根据各电力设备的电压等级和位置信息对图数据模型进行划分,例如,在根据调度部门的位置信息对各电力设备进行分组后,还可以再根据各电力设备的电压等级信息继续分组;同理,在根据电压等级信息对各电力设备进行分组后,还可以再根据调度部门的位置信息进一步分组,以保证各子图数据模型中各电力设备的电气数据的相关性,有助于进一步提升目标电气数据的生成效率。
本实施例中,根据电力设备的位置信息和/或电压等级信息,将图数据模型划分为多个子图数据模型,以便同步对各个子图数据模型中缺失的电气数据进行计算,从而提升目标电气数据的生成效率。
本实施例采用上述方法,先根据各电力设备的特征参数确定图数据模型,再根据各电力设备的状态参数,将图数据模型划分为多个子图数据模型,再在各个子图数据模型中根据其他设备节点的电气数据,分别同步计算电气数据存在异常的目标设备节点的目标电气数据,有利于提升在超大规模电力系统中生成目标电气数据的效率和准确度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的数据处理方法的数据处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个数据处理装置实施例中的具体限定可以参见上文中对于数据处理方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种数据处理装置,包括:图数据模型生成模块602、图数据模型划分模块604和电气数据处理模块606,其中:
图数据模型生成模块602,用于获取电力系统中各电力设备的特征参数,并根据各特征参数确定图数据模型,图数据模型包括用于表征各电力设备的设备节点和存储各电力设备电气数据的电气节点;
图数据模型划分模块604,用于根据特征参数得到各电力设备的状态参数,并根据状态参数将图数据模型划分为多个子图数据模型;
电气数据处理模块606,用于在各子图数据模型中,确定电气数据存在异常的目标设备节点及目标电气节点,并确定与目标设备节点共同连接目标电气节点的其他设备节点,根据其他设备节点的电气数据得到目标设备节点的目标电气数据,以根据目标电气数据得到电力系统的目标特征参数。
在一个实施例中,电气数据处理模块606还用于:根据其他设备节点的质量标识判断其他设备节点的电气数据是否异常,若其他设备节点的电气数据正常,则根据其他设备节点的电气数据确定目标电气数据;若其他设备节点的电气数据存在异常,则根据其他设备节点的电气数据获取等效模型,并根据等效模型确定目标电气数据。
在一个实施例中,电气数据处理模块606还用于:获取各目标设备节点的目标设备类型标识,根据目标设备类型标识确定目标等效模型,并根据目标等效模型确定目标设备节点的目标电气数据。
在一个实施例中,电气数据处理模块606还用于:根据目标设备类型标识判断目标设备节点是否为端设备,若目标设备节点为端设备,则确定目标等效模型用于根据电气数据正常的其他设备节点的电气数据确定目标电气数据;
若目标设备节点存在非端设备,则确定目标等效模型用于根据位于目标电气节点紧邻的上级电气节点对应的电气数据确定目标电气数据,上级电气节点位于目标电气节点电流方向上游。
在一个实施例中,电气数据处理模块606还用于:判断目标设备节点的数量是否等于预设阈值,若目标设备节点的数量等于预设阈值,则将目标等效模型的计算结果作为目标电气数据;若目标设备节点的数量不等于预设阈值,则根据目标等效模型的计算结果按照各目标设备节点的设备容量的比例关系进行分配,得到各目标电气数据。
在一个实施例中,图数据模型划分模块604还用于:根据各电力设备的位置信息和/或电压等级信息,将图数据模型划分为多个子图数据模型。
上述数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储电力系统中各电力设备的特征参数、电气数据等相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据处理方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种数据处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7和图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种数据处理方法,其特征在于,所述方法包括:
获取电力系统中各电力设备的特征参数,并根据各所述特征参数确定图数据模型,所述图数据模型包括用于表征各所述电力设备的设备节点和存储各所述电力设备电气数据的电气节点;
根据所述特征参数得到各所述电力设备的状态参数,并根据所述状态参数将所述图数据模型划分为多个子图数据模型;
在各所述子图数据模型中,确定所述电气数据存在异常的目标设备节点及目标电气节点,并确定与所述目标设备节点共同连接所述目标电气节点的其他设备节点,根据所述其他设备节点的电气数据得到所述目标设备节点的目标电气数据,以根据所述目标电气数据得到所述电力系统的目标特征参数。
2.根据权利要求1所述的方法,其特征在于,所述电气数据中包括用于表征所述电气数据是否异常的质量标识;所述根据所述其他设备节点的电气数据得到所述目标设备节点的目标电气数据,包括:
根据所述其他设备节点的质量标识判断所述其他设备节点的电气数据是否异常,若所述其他设备节点的电气数据正常,则根据所述其他设备节点的电气数据确定所述目标电气数据;若所述其他设备节点的电气数据存在异常,则根据所述其他设备节点的电气数据获取等效模型,并根据所述等效模型确定所述目标电气数据。
3.根据权利要求2所述的方法,其特征在于,所述特征参数包括设备类型标识;所述根据所述其他设备节点的电气数据获取等效模型,并根据所述等效模型确定所述目标电气数据,包括:
获取各所述目标设备节点的目标设备类型标识,根据所述目标设备类型标识确定所述目标等效模型,并根据所述目标等效模型确定所述目标设备节点的目标电气数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标设备类型标识确定所述目标等效模型,包括:
根据所述目标设备类型标识判断所述目标设备节点是否为端设备,若所述目标设备节点均为端设备,则确定所述目标等效模型用于根据所述电气数据正常的所述其他设备节点的电气数据确定所述目标电气数据;
若所述目标设备节点存在非端设备,则确定所述目标等效模型用于根据位于所述目标电气节点紧邻的上级电气节点对应的电气数据确定所述目标电气数据,所述上级电气节点位于所述目标电气节点电流方向上游。
5.根据权利要求2所述的方法,其特征在于,所述根据所述等效模型确定所述目标电气数据,包括:
判断所述目标设备节点的数量是否等于预设阈值,若所述目标设备节点的数量等于预设阈值,则将所述目标等效模型的计算结果作为所述目标电气数据;若所述目标设备节点的数量不等于预设阈值,则根据所述目标等效模型的计算结果按照各所述目标设备节点的设备容量的比例关系进行分配,得到各所述目标电气数据。
6.根据权利要求1所述的方法,其特征在于,所述状态参数包括各所述电力设备的位置信息和电压等级信息;所述根据所述状态参数将所述图数据模型划分为多个子图数据模型,包括:
根据各所述电力设备的所述位置信息和/或所述电压等级信息,将所述图数据模型划分为多个所述子图数据模型。
7.一种数据处理装置,其特征在于,所述装置包括:
图数据模型生成模块,用于获取电力系统中各电力设备的特征参数,并根据各所述特征参数确定图数据模型,所述图数据模型包括用于表征各所述电力设备的设备节点和存储各所述电力设备电气数据的电气节点;
图数据模型划分模块,用于根据所述特征参数得到各所述电力设备的状态参数,并根据所述状态参数将所述图数据模型划分为多个子图数据模型;
电气数据处理模块,用于在各所述子图数据模型中,确定所述电气数据存在异常的目标设备节点及目标电气节点,并确定与所述目标设备节点共同连接所述目标电气节点的其他设备节点,根据所述其他设备节点的电气数据得到所述目标设备节点的目标电气数据,以根据所述目标电气数据得到所述电力系统的目标特征参数。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990322.4A CN117149750A (zh) | 2023-08-07 | 2023-08-07 | 数据处理方法、装置、设备、存储介质和计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990322.4A CN117149750A (zh) | 2023-08-07 | 2023-08-07 | 数据处理方法、装置、设备、存储介质和计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117149750A true CN117149750A (zh) | 2023-12-01 |
Family
ID=88897773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310990322.4A Pending CN117149750A (zh) | 2023-08-07 | 2023-08-07 | 数据处理方法、装置、设备、存储介质和计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117149750A (zh) |
-
2023
- 2023-08-07 CN CN202310990322.4A patent/CN117149750A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101179195B (zh) | 配电网规划方案辅助决策系统 | |
CN104835018B (zh) | 中压配电网网架的可靠性评估方法及装置 | |
Jiang et al. | Identification of voltage stability critical injection region in bulk power systems based on the relative gain of voltage coupling | |
CN112688431A (zh) | 一种基于大数据的配电网负荷过载可视化方法及系统 | |
CN116500385B (zh) | 输电网监测校验方法、装置、设备和介质 | |
CN115640935A (zh) | 电力系统碳排放量的计算方法、装置和计算机设备 | |
Turitsyn et al. | Fast algorithm for n-2 contingency problem | |
Xu et al. | Risk‐averse multi‐objective generation dispatch considering transient stability under load model uncertainty | |
CN113595246B (zh) | 微电网状态在线监测方法、装置、计算机设备和存储介质 | |
CN107146166B (zh) | 一种配网规划辅助系统 | |
CN117235664A (zh) | 配电通信设备的故障诊断方法、系统和计算机设备 | |
CN117149750A (zh) | 数据处理方法、装置、设备、存储介质和计算机程序产品 | |
CN116050696A (zh) | 全局电网维修方法、装置、计算机设备和存储介质 | |
CN114996635A (zh) | 一种配电网参数确定方法、装置、设备及存储介质 | |
Vrtal et al. | Power grid and data network simulator | |
CN112086969A (zh) | 基于Infomap算法的配电网边缘划分方法和装置 | |
CN116521951B (zh) | 500kV变电站母线接线型式识别方法、装置、设备和介质 | |
CN116979540B (zh) | 基于图技术的换流站潮流估计方法、装置、设备和介质 | |
CN116316616B (zh) | 配电网的故障处理方案确定方法、装置和计算机设备 | |
CN115118497B (zh) | 边缘网关的对点方法、装置、计算机设备、存储介质 | |
CN117879162A (zh) | 配电自动化覆盖的确定方法、装置、设备及存储介质 | |
CN112016833B (zh) | 电力网络的线损获取方法、装置、计算机设备和介质 | |
CN115469185A (zh) | 电压故障定位方法、系统、计算机设备和存储介质 | |
CN116613754A (zh) | 配电系统可靠性评估方法、模型训练方法、装置及设备 | |
CN117220279A (zh) | 基于图模型的电网数据分析方法、装置、设备和存储介质 |
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 |