CN117526318B - 配电网状态评估方法、装置、电子设备、存储介质 - Google Patents

配电网状态评估方法、装置、电子设备、存储介质 Download PDF

Info

Publication number
CN117526318B
CN117526318B CN202410017846.XA CN202410017846A CN117526318B CN 117526318 B CN117526318 B CN 117526318B CN 202410017846 A CN202410017846 A CN 202410017846A CN 117526318 B CN117526318 B CN 117526318B
Authority
CN
China
Prior art keywords
information
model
measurement
power distribution
distribution network
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
Application number
CN202410017846.XA
Other languages
English (en)
Other versions
CN117526318A (zh
Inventor
张维
田巍巍
周荣乐
蔡新华
李志�
郑志曜
李星
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.)
Zhejiang Huadian Equipment Inspection Institute
Zhuhai XJ Electric Co Ltd
Original Assignee
Zhejiang Huadian Equipment Inspection Institute
Zhuhai XJ Electric 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 Zhejiang Huadian Equipment Inspection Institute, Zhuhai XJ Electric Co Ltd filed Critical Zhejiang Huadian Equipment Inspection Institute
Priority to CN202410017846.XA priority Critical patent/CN117526318B/zh
Publication of CN117526318A publication Critical patent/CN117526318A/zh
Application granted granted Critical
Publication of CN117526318B publication Critical patent/CN117526318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出了一种配电网状态评估方法、装置、电子设备、存储介质，包括获取配电网的历史信息、量测信息以及量测信息的时序规律信息构建原始量测数据集；根据原始量测数据集构建第一模型，根据原始量测信息构建异常量测模型，计算配电网的评估值；根据评估值和配电网的真实状态信息值构建分布规律映射模型；获取分布规律映射模型的参数值构建第二模型并根据量测信息对配电网状态进行评估。通过构建第一模型对量测信息进行降噪处理，降低量测信息的平均误差和均方根误差，构建系统中未知噪声的分布规律映射模型，提供可靠的量测数据至第二模型中，评估模型在强非高斯噪声环境下，降低滤波模型与真实模型的差距，提高滤波模型的精度和稳定性。

Description

配电网状态评估方法、装置、电子设备、存储介质
技术领域
本发明涉及配电网状态评估技术领域，特别涉及一种配电网状态评估方法、装置、电子设备、存储介质。
背景技术
状态评估作为配电管理系统的重要技术环节，通过利用数据采集与监视控制系统、广域测量系统等量测设备中采集的实时量测信息对系统状态进行实时推断，但现有技术中的量测信息都是由数据采集与监视控制系统进行采集，在数据采集与传送环节会受到量测噪声和传递噪声等非高斯噪声的干扰，导致量测信息中存在异常数据，滤波模型的精度较低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种配电网状态评估方法、装置、电子设备、存储介质，能够提升配电网滤波模型的精度。
第一方面，本发明实施例提供了一种配电网状态评估方法，包括：
获取配电网的历史信息、量测信息以及所述量测信息的时序规律信息，根据所述历史信息、所述量测信息和所述时序规律信息构建原始量测数据集；
根据所述原始量测数据集构建第一模型，根据原始量测信息构建异常量测模型，所述第一模型和所述异常量测模型根据所述配电网的原始量测信息计算所述配电网的评估值；
根据所述评估值和所述配电网的真实状态信息值的差值构建分布规律映射模型，其中，所述分布规律映射模型至少包括所述配电网的未知噪声分布信息；
所述分布规律映射模型获取所述分布规律映射模型的参数值，根据所述参数值构建第二模型；
所述第二模型根据所述量测信息对所述配电网状态进行评估。
在本发明的一些实施例中，所述根据所述原始量测数据集构建第一模型后，所述方法还包括：
通过所述第一模型获取所述原始量测数据集的多个本征模函数和一个残余分量数据集；
根据所述本征模函数和所述残余分量数据集获取所述原始量测数据集的时序特征信息，并获取所述时序特征信息的去噪信息集；
根据所述去噪信息集构建异常量测模型。
在本发明的一些实施例中，所述根据所述去噪信息集构建异常量测模型，包括：
获取所述配电网的状态数据信息和所述原始量测数据集的单一时段量测信息的所有极值点，获取所述极值点的第一极值和第二极值；
根据所述第一极值和所述第二极值获取所述状态数据信息的第一均值曲线和第二均值曲线；
计算所述单一时段量测信息和所述第一均值曲线的差值，获取所述原始量测信息的去低频量测分量；
计算所述去低频量测分量和所述第二均值曲线的差值，获取所述原始量测信息的中间过程分量；
根据所述去低频量测分量计算所述单一时段量测信息的一阶IMF分量，根据所述中间过程分量计算所述单利时间段量测信息的剩余分量；
所述根据所述低频量测分量、所述中间过程分量、所述一阶IMF分量和所述剩余分量构建异常量测模型，通过所述异常量测模型对所述第一模型进行降噪处理。
在本发明的一些实施例中，所述第一模型和所述异常量测模型根据所述配电网的原始量测信息计算所述配电网的评估值，包括：
所述异常量测模型对所述原始量测信息添加高斯白噪声，获取初始白噪声分量和高斯白噪声分量；
根据所述一阶白噪声IMF分量和所述剩余白噪声分量获取白噪声量测信息，对所述原始量测信息中的原始噪声进行掩盖，其中，所述高斯白噪声的均值为零。
在本发明的一些实施例中，所述根据所述参数值构建第二模型，包括：
获取所述配电网的历史量测数据信息、配电网状态数据信息和残差噪声信息，根据预设的核岭回归模型学习所述历史量测数据信息和所述配电网状态数据信息的映射关系，获取所述历史量测数据信息和所述配电网状态数据信息的数据集合；
根据所述数据集合和所述残差噪声信息构建所述第二模型。
在本发明的一些实施例中，所述通过所述异常量测模型对所述第一模型进行降噪处理，包括：
所述异常量测模型根据所述一阶IMF分量和所述原始量测信息的嵌入维数对所述一阶IMF进行合并，获取所述原始量测信息的向量序列；
获取所述向量序列的第一极值和第二极值，计算所述第一极值和所述第二极值差值的绝对值；
根据所述绝对值计算所述一阶IMF分量的矢量比值，根据所述矢量比值计算所述一阶IMF分量的矢量平均值；
根据所述矢量比值和所述矢量平均值计算所述向量序列的样本熵。
在本发明的一些实施例中，所述第二模型根据所述量测信息对所述配电网状态进行评估，包括：
所述分布规律映射模型对所述量测信息进行不良状态检测；
当所述量测信息不存在异常数据时，所述量测信息输入至所述第二模型中，获取分解量测去噪信息，所述第二模型根据预设时刻信息对所述量测信息进行状态评估，获取所述量测信息的状态评估信息；
所述第二模型对所述状态评估信息进行残差评估并整合；
当所述量测信息存在异常数据时，根据所述原始量测信息构建的异常量测模型预测所述预设时刻的所述量测信息，获取异常量测信息；
所述异常量测模型对所述异常量测信息进行重建，获取重建量测信息；
所述第二模型对所述时刻的所述重建量测信息进行状态评估。
第二方面，本发明实施例提供了一种配电网状态评估装置，包括少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上述第一方面所述的配电网状态评估方法。
第三方面，本发明实施例提供了一种电子设备，包括有如上述第二方面所述的配电网状态评估装置。
第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上述第一方面所述的配电网状态评估方法。
根据本发明实施例的配电网状态评估方法，至少具有如下有益效果：
获取配电网的历史信息、量测信息以及量测信息的时序规律信息，根据历史信息、量测信息和时序规律信息构建原始量测数据集；根据原始量测数据集构建第一模型，根据原始量测信息构建异常量测模型，第一模型和异常量测模型根据配电网的原始量测信息计算配电网的评估值；根据评估值和配电网的真实状态信息值的差值构建分布规律映射模型，其中，分布规律映射模型至少包括配电网的未知噪声分布信息；分布规律映射模型获取分布规律映射模型的参数值，根据参数值构建第二模型；第二模型根据所述量测信息对配电网状态进行评估。通过构建第一模型对量测信息进行降噪处理，从而降低量测信息的平均误差和均方根误差，使得量测信息更为接近真实量测值，根据配电系统真实状态与第一模型评估结果之间的误差，构建系统中未知噪声的分布规律映射模型，从而提供可靠的量测数据至第二模型中，通过学习量测数据在训练过程中，量测信息与残差之间的关系，从而获取更接近于真实状态模型的第二模型，最终通过测试集测试第二模型的计算效果，使得配电系统中的评估模型能够在强非高斯噪声环境下，通过分离量测信息中的噪声数据实现量测信息的精细化，降低滤波模型与真实模型的差距，从而提高滤波模型的精度和稳定性。
附图说明
图1是本发明一个实施例提供的配电网状态评估方法的流程图；
图2是本发明一个实施例提供的根据原始量测数据集构建第一模型后的流程图；
图3是本发明一个实施例提供的根据去噪信息集构建异常量测模型的流程图；
图4是本发明一个实施例提供的根据第一模型和异常量测模型根据配电网的原始量测信息计算配电网的评估值的流程图；
图5是本发明一个实施例提供的根据参数值构建第二模型的流程图；
图6是本发明一个实施例提供的通过异常量测模型对第一模型进行降噪处理的流程图；
图7是本发明一个实施例提供的第二模型根据量测信息对配电网状态进行评估的流程图；
图8是本发明另一个实施例提供的配电网状态评估装置的结构图；
图9是本发明一个实施例提供的基于第一模型对第二模型进行求解的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明实施例提供了一种配电网状态评估方法，获取配电网的历史信息、量测信息以及量测信息的时序规律信息，根据历史信息、量测信息和时序规律信息构建原始量测数据集；根据原始量测数据集构建第一模型，根据原始量测信息构建异常量测模型，第一模型和异常量测模型根据配电网的原始量测信息计算配电网的评估值；根据评估值和配电网的真实状态信息值的差值构建分布规律映射模型，其中，分布规律映射模型至少包括配电网的未知噪声分布信息；分布规律映射模型获取分布规律映射模型的参数值，根据参数值构建第二模型；第二模型根据所述量测信息对配电网状态进行评估。通过构建第一模型对量测信息进行降噪处理，从而降低量测信息的平均误差和均方根误差，使得量测信息更为接近真实量测值，根据配电系统真实状态与第一模型评估结果之间的误差，构建系统中未知噪声的分布规律映射模型，从而提供可靠的量测数据至第二模型中，通过学习量测数据在训练过程中，量测信息与残差之间的关系，从而获取更接近于真实状态模型的第二模型，最终通过测试集测试第二模型的计算效果，使得配电系统中的评估模型能够在强非高斯噪声环境下，通过分离量测信息中的噪声数据实现量测信息的精细化，降低滤波模型与真实模型的差距，从而提高滤波模型的精度和稳定性。
下面基于附图，对本发明实施例的控制方法作进一步阐述。
参照图1，图1为本发明实施例提供的一种配电网状态评估方法的流程图，该配电网状态评估方法包括但不限于有以下步骤：
步骤S11，获取配电网的历史信息、量测信息以及量测信息的时序规律信息，根据历史信息、量测信息和时序规律信息构建原始量测数据集；
需要说明的是，通过配电网中的数据采集模块采集配电网节点电压幅值、相角、支路功率、电流资源信息、配电网历史信息和量测信息，并根据配电网的历史运行数据，使用CAGN学习量测信息中的时序规律，基于上述获取的信息并进行整合，建立配电网的原始量测数据集，
步骤S12，根据原始量测数据集构建第一模型，根据原始量测信息构建异常量测模型，第一模型和异常量测模型根据配电网的原始量测信息计算配电网的评估值；
需要说明的是，对原始量测数据进行分解，形成本征模函数与参与分量数据集，通过DBSCAN辨识量测数据是否缺失数据或存在异常数据，以挖掘数据集包含的局部与整体变化规律为目标，提取原始量测数据的时序特征，从而建立可提供去噪信息集的第一模型，通过第一模型计算配电网的评估值。
步骤S13，根据评估值和配电网的真实状态信息值的差值构建分布规律映射模型，其中，分布规律映射模型至少包括配电网的未知噪声分布信息；
需要说明的是，通过第一模型学习配电网的真实状态与评估值之间的差值，基于参数模型方法建立配电网中未知噪声的分布规律映射模型，从而获取噪声的特性、分布规律和噪声来源。
步骤S14，分布规律映射模型获取分布规律映射模型的参数值，根据参数值构建第二模型；
需要说明的是，通过获取分布规律模型的参数值，更新第一模型的参数权重，从而构建第二模型，其中，第二模型为预测辅助状态估计模型。
步骤S15，第二模型根据量测信息对配电网状态进行评估。
需要说明的是，第二模型构建完成后，根据量测信息以及预设的测试集对第二模型的计算效果进行测试，从而实现配电网状态的评估，
需要说明的是，通过构建第一模型对量测信息进行降噪处理，从而降低量测信息的平均误差和均方根误差，使得量测信息更为接近真实量测值，根据配电系统真实状态与第一模型评估结果之间的误差，构建系统中未知噪声的分布规律映射模型，从而提供可靠的量测数据至第二模型中，通过学习量测数据在训练过程中，量测信息与残差之间的关系，从而获取更接近于真实状态模型的第二模型，最终通过测试集测试第二模型的计算效果，使得配电系统中的评估模型能够在强非高斯噪声环境下，通过分离量测信息中的噪声数据实现量测信息的精细化，降低滤波模型与真实模型的差距，从而提高滤波模型的精度和稳定性。
另外，在一实施例中，参照图2，在图1所示实施例的步骤S11中，还包括但不限于有以下步骤：
S21，通过第一模型获取原始量测数据集的多个本征模函数和一个残余分量数据集；
S22，根据本征模函数和残余分量数据集获取原始量测数据集的时序特征信息，并获取时序特征信息的去噪信息集；
S23，根据去噪信息集构建异常量测模型。
需要说明的是，本实施例通过第一模型获取原始量测数据的本征模函数和残余分量数据集，挖掘数据集包含的局部与整体变化规律，从而提取原始量测数据的时序特征，形成去噪信息集，具体地，当时序特征的序列样本为有限值时，第一模型可以表示为：
；
其中，
；
其中，为原始量测信息；m为白噪声的扰动次数；/>为第i次加入白噪声/>后量测信息/>的k阶IMF分量；/>为剩余分量。
另外，在一实施例中，参照图3，在图2所示实施例的步骤S23中，还包括但不限于有以下步骤：
S31，获取配电网的状态数据信息和原始量测数据集的单一时段量测信息的所有极值点，获取极值点的第一极值和第二极值；
S32，根据第一极值和第二极值获取状态数据信息的第一均值曲线和第二均值曲线；
S33，计算单一时段量测信息和第一均值曲线的差值，获取原始量测信息的去低频量测分量；
S34，计算去低频量测分量和第二均值曲线的差值，获取原始量测信息的中间过程分量；
S35，根据去低频量测分量计算单一时段量测信息的一阶IMF分量，根据中间过程分量计算单一时段量测信息的剩余分量；
S36，根据低频量测分量、中间过程分量、一阶IMF分量和剩余分量构建异常量测模型，通过异常量测模型对第一模型进行降噪处理。
需要说明的是，本实施例通过获取单一时段量测信息的所有极值点，采用三次样条差值方法分别选出极值点的第一极值和第二极值，其中，第一极值为单一时段量测信息的极大值，第二极值为单一时段量测信息的极小值，将极大值和极小值连接，得到异常量测模型的上下包络线，根据上下包络曲线获取第一均值曲线和第二均值曲线，并计算第一均值曲线和第二均值曲线的差值，获取原始量测信息的去低频量测分量，根据去低频量测分量计算单一时段量测信息的一阶IMF分量，根据中间过程分量计算单一量测时段量测信息的剩余分量，根据低频量测分量、中间过程分量、一阶IMF分量和剩余分量构建异常量测模型，从而对第一模型进行降噪处理。
根据以下公式计算去低频量测分量和中间过程分量：
；
其中，为单一时段的量测信息；/>为中间过程分量；/>，/>分别为/>和/>使用三次样条差值得到的上下包络线的均值曲线；/>为去低频量测分量；
根据以下公式构建异常量测模型，处理重建异常数据：
；
其中，，/>分别为量测信息/>的一阶IMF分量与剩余量测分量。
当异常量测模型构建完成后，可通过以下公式对剩余量测分量进行分解，直至剩余分量为单调函数：
；
；
其中，为一个单调函数，表示n阶剩余分量。
另外，在一实施例中，参照图4，在图1所示实施例的步骤S12中，还包括但不限于有以下步骤：
S41，异常量测模型对原始量测信息添加高斯白噪声，获取初始白噪声量测分量和高斯白噪声分量；
S42，根据初始白噪声分量和高斯白噪声分量，对原始量测信息中的原始噪声进行掩盖，其中，高斯白噪声的均值为零。
需要说明的是，本实施例通过将集合模态分析法使用噪声协助，首先对原始量测信息添加均值为零的高斯白噪声，通过以下公式计算初始白噪声量测分量和高斯白噪声分量：
；
其中，为经白噪声处理后的量测信息；/>为白噪声。
对白噪声处理后的高斯白噪声分量通过第一模型进行分解，可通过以下公式表达：
；
其中，m为白噪声的扰动次数；为第i次加入白噪声/>后量测信息/>的k阶IMF分量；/>为剩余分量；/>为量测信息与最终IMF分量和之间的差值。
另外，在一实施例中，参照图5，在图1所示实施例的步骤S14中，还包括但不限于有以下步骤：
S51，获取配电网的历史量测数据信息、配电网状态数据信息和残差噪声信息，根据预设的核岭回归模型学习历史量测数据信息和配电网状态数据信息的映射关系，获取历史量测数据信息和配电网状态数据信息的数据集合；
S52，根据数据集合和残差噪声信息构建第二模型。
需要说明的是，本实施例通过获取配电网的历史量测数据信息、配电网状态数据信息和残差噪声信息，根据预设的核岭回归模型，通过核岭回归模型学习历史量测数据信息和配电网状态数据信息的映射关系，获取历史量测数据信息和配电网状态数据信息的数据集合，可采用以下公式表达：
；
其中，Z为历史量测数据信息，X为配电网数据状态信息，为数据集合。
第二模型可通过如下公式表达：
；
其中，为核岭回归模型，/>用于近似计算未知估计残差的噪声，其服从分布。
进一步地，本实施例通过学习核岭回归模型与真实估计模型剪得估计残差信息之间的非线性关系，可采用如下公式表达：
；
其中，；/>代表两侧输入；/>代表代表KRRSE模型与真实模型的误差；/>。
另外，在一实施例中，参照图6，在图3所示实施例的步骤S36中，还包括但不限于有以下步骤：
S61，异常量测模型根据一阶IMF分量和原始量测信息的嵌入维数对一阶IMF进行合并，获取原始量测信息的向量序列；
S62，获取向量序列的第一极值和第二极值，计算第一极值和所述第二极值差值的绝对值；
S63，根据绝对值计算一阶IMF分量的矢量比值，根据矢量比值计算一阶IMF分量的矢量平均值；
S64，根据矢量比值和矢量平均值计算向量序列的样本熵。
需要说明的是，本实施例通过计算原始量测信息的每个一阶IMF分量与原始量测信息的样本熵系数从而去除量测信息中时序复杂度最高的噪声分量，实现对量测信息的降噪处理。
通过以下公式合并量测信息IMF分量，组成向量序列：
；
其中，n为嵌入维数；为一阶IMF分量组成的向量序列。
通过以下公式求取各自IMF分量对应元素的最大差值的绝对值：
其中，为距离各自IMF分量对应元素的最大差值的绝对值。
通过以下公式计算矢量比值的对应均值：
；
其中，r为相似容限；为距离IMF分量对应元素最大差值的绝对值；/>为/>与/>之间距离/>小于δ的j个数与纵分量的比值；为n+1点矢量比值的平均值。
通过以下公式求取向量序列的样本熵：
；
其中，为序列样本熵。
另外，在一实施例中，参照图7和图9，在图1所示实施例的步骤S15中，还包括但不限于有以下步骤：
S71，分布规律映射模型对量测信息进行不良状态检测；
S72，当量测信息不存在异常数据时，量测信息输入至第二模型中，获取分解量测去噪信息，第二模型根据预设时刻信息对量测信息进行状态评估，获取量测信息的状态评估信息；
S73，第二模型对状态评估信息进行残差评估并整合；
S74，当量测信息存在异常数据时，根据原始量测信息构建的异常量测模型预测预设时刻的量测信息，获取异常量测信息；
S75，异常量测模型对异常量测信息进行重建，获取重建量测信息；
S76，第二模型对预设时刻的重建量测信息进行状态评估。
需要说明的是，本实施例通过分布规律映射模型判断配电网量测信息是否存在不良状态，当量测信息不存在异常数据时，通过第二模型对量测信息进行分解和去噪处理，并根据预设时刻信息对量测信息进行状态评估，获取量测信息的状态评估信息，通过对状态评估信息的残差进行评价和整合，从而进一步提高配电网状态评估的精确性和可靠性；当量测信息存在异常数据时，根据原始量测信息构建的异常量测模型预测预设时刻的量测信息，获取异常量测信息，进而提高第二模型的模型精度和准确性，通过重建量测信息能够对异常数据进行纠正，进一步提高量测信息的精度，通过第二模型对与设施科的重建量测信息进行配电网的状态评估，降低滤波模型与真实模型的差距，从而提高滤波模型的精度和稳定性。
如图8所示，图8是本发明一个实施例提供的配电网状态评估装置的结构图。本发明还提供了一种配电网状态评估装置，包括：
处理器801，可以采用通用的中央处理器(Central Processing Unit，CPU)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器802，可以采用只读存储器（Read Only Memory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器802可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器802中，并由处理器801来调用执行本申请实施例的配电网状态评估方法；
输入/输出接口803，用于实现信息输入及输出；
通信接口804，用于实现本装置与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；
总线805，在设备的各个组件（例如处理器801、存储器802、输入/输出接口803和通信接口804）之间传输信息；
其中处理器801、存储器802、输入/输出接口803和通信接口804通过总线805实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种电子设备，包括如上所述的配电网状态评估装置。
本申请实施例还提供了一种存储介质，存储介质为计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述配电网状态评估方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，实现了以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质（或非暂时性介质）和通信介质（或暂时性介质）。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息（诸如计算机可读指令、数据结构、程序模块或其他数据）的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘（DVD）或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包括计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的共享条件下还可作出种种等同的变形或替换，这些等同的变形或替换均包括在本发明权利要求所限定的范围内。

Claims (9)

1.一种配电网状态评估方法，其特征在于，包括：
获取配电网的历史信息、量测信息以及所述量测信息的时序规律信息，根据所述历史信息、所述量测信息和所述时序规律信息构建原始量测数据集；
根据所述原始量测数据集构建第一模型，通过所述第一模型获取所述原始量测数据集的多个本征模函数和一个残余分量数据集；根据所述本征模函数和所述残余分量数据集获取所述原始量测数据集的时序特征信息，并获取所述时序特征信息的去噪信息集；根据所述去噪信息集构建异常量测模型，所述第一模型和所述异常量测模型根据所述配电网的原始量测信息计算所述配电网的评估值，根据所述原始量测数据集构建第一模型，具体包括对所述原始量测数据进行分解，形成本征模函数与参与分量数据集，辨识所述原始量测数据集的数据情况，获取所述原始量测数据集的整体变化规律，提取所述原始量测数据的时序特征，建立可提供去噪信息集的所述第一模型；
根据所述评估值和所述配电网的真实状态信息值的差值构建分布规律映射模型，其中，所述分布规律映射模型至少包括所述配电网的未知噪声分布信息；
所述分布规律映射模型获取所述分布规律映射模型的参数值，根据所述参数值构建第二模型；
所述第二模型根据所述量测信息对所述配电网状态进行评估。
2.根据权利要求1所述的配电网状态评估方法，其特征在于，所述根据所述去噪信息集构建异常量测模型，包括：
获取所述配电网的状态数据信息和所述原始量测数据集的单一时段量测信息的所有极值点，获取所述极值点的第一极值和第二极值；
根据所述第一极值和所述第二极值获取所述状态数据信息的第一均值曲线和第二均值曲线；
计算所述单一时段量测信息和所述第一均值曲线的差值，获取所述原始量测信息的去低频量测分量；
计算所述去低频量测分量和所述第二均值曲线的差值，获取所述原始量测信息的中间过程分量；
根据所述去低频量测分量计算所述单一时段量测信息的一阶IMF分量，根据所述中间过程分量计算所述单一时间段量测信息的剩余分量；
所述根据所述低频量测分量、所述中间过程分量、所述一阶IMF分量和所述剩余分量构建异常量测模型，通过所述异常量测模型对所述第一模型进行降噪处理。
3.根据权利要求1所述的配电网状态评估方法，其特征在于，所述第一模型和所述异常量测模型根据所述配电网的原始量测信息计算所述配电网的评估值，包括：
所述异常量测模型对所述原始量测信息添加高斯白噪声，获取初始白噪声分量和高斯白噪声分量；
根据所述初始白噪声分量和所述高斯白噪声分量获取白噪声量测信息，对所述原始量测信息中的原始噪声进行掩盖，其中，所述高斯白噪声的均值为零。
4.根据权利要求1所述的配电网状态评估方法，其特征在于，根据所述参数值构建第二模型，包括：
获取所述配电网的历史量测数据信息、配电网状态数据信息和残差噪声信息，根据预设的核岭回归模型学习所述历史量测数据信息和所述配电网状态数据信息的映射关系，获取所述历史量测数据信息和所述配电网状态数据信息的数据集合；
根据所述数据集合和所述残差噪声信息构建所述第二模型。
5.根据权利要求2所述的配电网状态评估方法，其特征在于，所述通过所述异常量测模型对所述第一模型进行降噪处理，包括：
所述异常量测模型根据所述一阶IMF分量和所述原始量测信息的嵌入维数对所述一阶IMF进行合并，获取所述原始量测信息的向量序列；
获取所述向量序列的第一极值和第二极值，计算所述第一极值和所述第二极值差值的绝对值；
根据所述绝对值计算所述一阶IMF分量的矢量比值，根据所述矢量比值计算所述一阶IMF分量的矢量平均值；
根据所述矢量比值和所述矢量平均值计算所述向量序列的样本熵。
6.根据权利要求1所述的配电网状态评估方法，其特征在于，所述第二模型根据所述量测信息对所述配电网状态进行评估，包括：
所述分布规律映射模型对所述量测信息进行不良状态检测；
当所述量测信息不存在异常数据时，所述量测信息输入至所述第二模型中，获取分解量测去噪信息，所述第二模型根据预设时刻信息对所述量测信息进行状态评估，获取所述量测信息的状态评估信息；
所述第二模型对所述状态评估信息进行残差评估并整合；
当所述量测信息存在异常数据时，根据所述原始量测信息构建的异常量测模型预测所述预设时刻的所述量测信息，获取异常量测信息；
所述异常量测模型对所述异常量测信息进行重建，获取重建量测信息；
所述第二模型对所述时刻的所述重建量测信息进行状态评估。
7.一种配电网状态评估装置，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至6任一项所述的配电网状态评估方法。
8.一种电子设备，其特征在于，包括权利要求7所述的配电网状态评估装置。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至6任一项所述的配电网状态评估方法。
CN202410017846.XA 2024-01-05 2024-01-05 配电网状态评估方法、装置、电子设备、存储介质 Active CN117526318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410017846.XA CN117526318B (zh) 2024-01-05 2024-01-05 配电网状态评估方法、装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410017846.XA CN117526318B (zh) 2024-01-05 2024-01-05 配电网状态评估方法、装置、电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN117526318A CN117526318A (zh) 2024-02-06
CN117526318B true CN117526318B (zh) 2024-05-10

Family

ID=89755352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410017846.XA Active CN117526318B (zh) 2024-01-05 2024-01-05 配电网状态评估方法、装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN117526318B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106370980A (zh) * 2016-09-21 2017-02-01 北京三清互联科技有限公司 一种配电网故障监测方法及系统
CN109063885A (zh) * 2018-05-29 2018-12-21 国网天津市电力公司 一种变电站异常量测数据预测方法
CN109903181A (zh) * 2019-01-23 2019-06-18 广州供电局有限公司 基于压缩感知的缺失数据集下的线损预测方法
CN110311376A (zh) * 2019-07-31 2019-10-08 三峡大学 一种电力系统动态安全评估综合模型及时空可视化方法
CN111983919A (zh) * 2020-07-14 2020-11-24 广东技术师范大学 一种emd-lms混合控制方法及控制系统
CN112884237A (zh) * 2021-03-11 2021-06-01 山东科技大学 配电网预测辅助状态估计方法及系统
CN117060350A (zh) * 2023-07-13 2023-11-14 珠海许继芝电网自动化有限公司 定值整定方法、系统、设备和介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661069B (zh) * 2009-09-25 2011-07-20 北京四方继保自动化股份有限公司 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法
CN105069535B (zh) * 2015-08-19 2020-07-24 中国电力科学研究院 一种基于arima模型的配电网运行可靠性的预测方法
US11320492B2 (en) * 2019-11-07 2022-05-03 Global Energy Interconnection Research Institute Co. Ltd Systems and methods of power system state estimation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106370980A (zh) * 2016-09-21 2017-02-01 北京三清互联科技有限公司 一种配电网故障监测方法及系统
CN109063885A (zh) * 2018-05-29 2018-12-21 国网天津市电力公司 一种变电站异常量测数据预测方法
CN109903181A (zh) * 2019-01-23 2019-06-18 广州供电局有限公司 基于压缩感知的缺失数据集下的线损预测方法
CN110311376A (zh) * 2019-07-31 2019-10-08 三峡大学 一种电力系统动态安全评估综合模型及时空可视化方法
CN111983919A (zh) * 2020-07-14 2020-11-24 广东技术师范大学 一种emd-lms混合控制方法及控制系统
CN112884237A (zh) * 2021-03-11 2021-06-01 山东科技大学 配电网预测辅助状态估计方法及系统
CN117060350A (zh) * 2023-07-13 2023-11-14 珠海许继芝电网自动化有限公司 定值整定方法、系统、设备和介质

Also Published As

Publication number Publication date
CN117526318A (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
KR102218734B1 (ko) 인공지능 기반 환경유해인자 고해상도 데이터 보간방법
CN114265882A (zh) 时序信号点异常检测方法、系统、设备及介质
CN116757378A (zh) 需求响应评估模型训练方法、应用评估方法及相关设备
CN110490132B (zh) 数据处理方法和装置
CN113808015B (zh) 输电线路区域气象参数的空间插值方法、装置及设备
CN117526318B (zh) 配电网状态评估方法、装置、电子设备、存储介质
CN112101313B (zh) 一种机房机器人巡检方法及系统
CN109657907B (zh) 地理国情监测数据的质量控制方法、装置和终端设备
CN115934484B (zh) 基于扩散模型数据增强的异常检测方法、存储介质及设备
CN115238245B (zh) 污染物监测方法、装置、存储介质及电子设备
CN116822366A (zh) 一种径流污染负荷计算模型构建和径流污染负荷计算方法
CN117035155A (zh) 一种水质预测方法
CN115266583B (zh) 环境光滤除方法、系统、计算机设备及计算机可读存储介质
CN110751201A (zh) 基于纹理特征变换的sar装备任务失效成因推理方法
CN116166642A (zh) 基于引导信息的时空数据填补方法、系统、设备及介质
CN115293735A (zh) 一种无人工厂工业互联网平台监测管理方法及系统
CN115267641A (zh) 同塔双回输电线路中电流互感器误差异常识别方法、系统
JP6950647B2 (ja) データ判定装置、方法、及びプログラム
CN117131465B (zh) 单管塔损伤识别方法、装置、电子设备及可读存储介质
CN117092309B (zh) 基于大数据的社区供水水质监测方法及系统
CN116125922B (zh) 一种基于平行式字典学习的复杂工业过程监测方法和系统
CN116524699B (zh) 一种基于区域分析的地质灾害预警方法及系统
CN115600131B (zh) 基于图形化测试平台的自动测试系统
CN115423221B (zh) 一种设施运行趋势预测方法
CN117909927B (zh) 基于多源数据融合模型的降水定量估计方法和装置

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