CN117543606A - 基于大数据推演的节点等效视在功率评估方法及装置 - Google Patents
基于大数据推演的节点等效视在功率评估方法及装置 Download PDFInfo
- Publication number
- CN117543606A CN117543606A CN202311486433.8A CN202311486433A CN117543606A CN 117543606 A CN117543606 A CN 117543606A CN 202311486433 A CN202311486433 A CN 202311486433A CN 117543606 A CN117543606 A CN 117543606A
- Authority
- CN
- China
- Prior art keywords
- current
- value
- power
- apparent power
- equivalent apparent
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims description 81
- 238000012549 training Methods 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011835 investigation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- 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
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请公开了一种基于大数据推演的节点等效视在功率评估方法及装置,涉及电力系统技术领域,解决了目前存在采用简单统计或线性模型无法反应出电力系统存在的各种问题,导致对计量节点的等效视在功率状态的评估不准确的问题。该方法包括:确定等效视在功率的多元线性模型,将当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入多元线性模型中,得到当前等效视在功率预测值,基于当前有功功率的数值和当前等效视在功率预测值确定待评估计量节点的功率因数,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低。
Description
技术领域
本申请属于电力系统技术领域,更具体地,涉及一种基于大数据推演的节点等效视在功率评估方法、装置、计算机设备及可读存储介质。
背景技术
在电力系统中,准确评估计量节点的等效视在功率状态对于确保系统稳定运行至关重要。目前,在对计量节点的等效视在功率状态评估过程中,主要基于基础电流和电压数据采用简单统计或线性模型估算功率因素,在实际应用中,由于电力系统常常存在复杂的电力质量问题,可能引发功率因素下降、电压波动以及谐波干扰等现象,而采用简单统计或线性模型往往会忽视其他关键参数(例如,负序电流不平度、谐波电压、谐波电流等)的影响,无法反应出电力系统存在的各种问题,导致对计量节点的等效视在功率状态的评估不准确,进而影响电力系统的稳定性。
发明内容
有鉴于此,本发明提供了一种基于大数据推演的节点等效视在功率评估方法、装置、计算机设备及可读存储介质,主要目的在于解决目前存在采用简单统计或线性模型无法反应出电力系统存在的各种问题,导致对计量节点的等效视在功率状态的评估不准确的问题。
依据本申请第一发明,提供了一种基于大数据推演的节点等效视在功率评估方法,包括:
确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值;
将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
可选地,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
建立视在功率与特征参数的多项式回归模型,所述多项式回归模型为多个第一多项式之和,且每个第一多项式由初始模型参数和特征参数构成;
确定特征参数为负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率之和,将负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率对所述多项式回归模型中的特征参数进行替换,得到多元线性式,所述多元线性式为多个第二多项式之和,且每个第二多项式由模型参数和单项式构成,单项式由负序电流不平衡度、谐波电压畸变率和谐波电流畸变率组成;
基于所述多元线性式建立所述等效视在功率的初始多元线性模型,其中,所述初始多元线性模型是将所述单项式矩阵与模型参数矩阵相乘得到的,且所述单项式矩阵由预设行数乘以预设列数的单项式组成,所述模型参数矩阵由所述预设列数个模型参数组成。
可选地,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
获取训练数据集,所述训练数据集包括多个训练例,每个训练例包括历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值以及等效视在功率实际值;
从所述训练数据集中提取所述预设行数个训练例,将每个训练例包括的历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值输入所述多元线性模型中,得到所述预设行数个等效视在功率预测值;
从每个训练例中提取对应的等效视在功率实际值,基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,基于所述预设列数个目标模型参数得到目标模型参数矩阵;
采用所述目标模型参数矩阵对所述初始多元线性模型中的所述模型参数矩阵进行更新,得到所述等效视在功率的多元线性模型。
可选地,所述基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,包括:
获取所述多元线性模型的目标函数,所述目标函数是基于所述模型参数矩阵、所述单项式矩阵和实际等效视在功率矩阵构成的,其中,所述实际等效视在功率矩阵由所述预设行数个实际等效视在功率组成;
对所述目标函数求导,得到求导后的函数,并令所述求导后的函数等于零,通过变换得到所述模型参数矩阵与所述单项式矩阵、所述实际等效视在功率矩阵之间的关系式;
将所述预设行数个等效视在功率实际值和每个等效视在功率实际值对应的负序电流不平衡度的数值、谐波电压畸变率的数值、谐波电流畸变率的数值代入所述关系式中,得到所述预设列数个目标模型参数。
可选地,所述基于所述当前有功功率的数值和所述当前等效在功率预测值确定所述待评估计量节点的功率因数,包括:
计算所述当前有功功率的数值和所述当前等效视在功率预测值的比值,得到所述待评估计量节点的功率因数。
可选地,所述方法还包括:
当检测到所述功率因数达到目标阈值时,则确定所述待评估计量节点的功率因素处于正常状态。
可选地,所述当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低之后,所述方法还包括:
生成用于指示功率因素过低的提醒信息,将所述提醒信息发送至维护人员所持终端,以使所述维护人员基于所述终端在接收到所述提醒信息时,对所述提醒信息指示的目标计量节点进行问题排查。
依据本申请第二方面,提供了一种基于大数据推演的节点等效视在功率评估装置,包括:
确定模型,用于确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
提取模块,用于从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值;
预测模块,用于将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
评估模块,用于从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
依据本申请第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述方法的步骤。
依据本申请第四方面,提供了一种可读存储介质,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7中任一项所述的方法的步骤。
借由上述技术方案,本申请提供了一种基于大数据推演的节点等效视在功率评估方法、装置、计算机设备及可读存储介质,本申请首先确定等效视在功率的多元线性模型,接着从电能表中读取待评估计量节点的当前电力数据,以及从当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值,随后将当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率输入多元线性模型中,得到待评估计量节点的当前等效视在功率预测值,最后从当前电力数据中提取当前有功功率的数值,基于当前有功功率的数值和当前等效视在功率预测值确定待评估计量节点的功率因数,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低。多元线性模型是关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的模型,负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率这三个电力质量参数可以反映出电力系统的复杂性,通过将待评估计量节点的当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入多元线性模型中,可以准确预测出待评估计量节点的当前等效视在功率预测值,进而通过当前等效视在功率预测值和待评估计量节点的当前有功功率的数值可以确定待评估计量节点的功率因数,将功率因数与目标阈值进行比对,若功率因数小于目标阈值,则可以确定待评估计量节点的功率因素过低,即通过比对可以知道等效视在功率状态,通过上述方法实现等效视在功率状态的准确评估,进而提高了电力系统的稳定性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请实施例提供的一种基于大数据推演的节点等效视在功率评估方法的流程图;
图2示出了本申请实施例提供的另一种基于大数据推演的节点等效视在功率评估方法的流程图;
图3A示出了本申请实施例提供的一种基于大数据推演的节点等效视在功率评估装置的结构示意图;
图3B示出了本申请实施例提供的一种基于大数据推演的节点等效视在功率评估装置的结构示意图;
图3C示出了本申请实施例提供的一种基于大数据推演的节点等效视在功率评估装置的结构示意图;
图3D示出了本申请实施例提供的一种基于大数据推演的节点等效视在功率评估装置的结构示意图;
图4示出了本申请实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是,可以对此处申请的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时,鉴于以下详细说明,本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例;然而,应当理解,所申请的实施例仅仅是本申请的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此,本文所申请的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供了一种基于大数据推演的节点等效视在功率评估方法,如图1所示,包括:
101、确定等效视在功率的多元线性模型。
在本申请实施例中,多元线性模型是预先训练好的,通过将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的,需要说明的是,目标模型参数可以理解为最优模型参数,基于最优模型参数得到的多元线性模型为最优模型。
102、从电能表中读取待评估计量节点的当前电力数据,以及从当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值。
103、将当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率输入多元线性模型中,得到待评估计量节点的当前等效视在功率预测值。
104、从当前电力数据中提取当前有功功率的数值,基于当前有功功率的数值和当前等效视在功率预测值确定待评估计量节点的功率因数,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低。
本申请实施例提供的方法,首先确定等效视在功率的多元线性模型,接着从电能表中读取待评估计量节点的当前电力数据,以及从当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值,随后将当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率输入多元线性模型中,得到待评估计量节点的当前等效视在功率预测值,最后从当前电力数据中提取当前有功功率的数值,基于当前有功功率的数值和当前等效视在功率预测值确定待评估计量节点的功率因数,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低。多元线性模型是关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的模型,负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率这三个电力质量参数可以反映出电力系统的复杂性,通过将待评估计量节点的当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入多元线性模型中,可以准确预测出待评估计量节点的当前等效视在功率预测值,进而通过当前等效视在功率预测值和待评估计量节点的当前有功功率的数值可以确定待评估计量节点的功率因数,将功率因数与目标阈值进行比对,若功率因数小于目标阈值,则可以确定待评估计量节点的功率因素过低,即通过比对可以知道等效视在功率状态,通过上述方法实现等效视在功率状态的准确评估,进而提高了电力系统的稳定性。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,本申请实施例提供了另一种基于大数据推演的节点等效视在功率评估方法,如图2所示,包括:
201、建立等效视在功率的初始多元线性模型,并对初始多元线性模型进行训练,更新模型参数,得到等效视在功率的多元线性模型。
在本申请实施例中,首先,要建立视在功率与特征参数的多项式回归模型,多项式回归模型为多个第一多项式之和,且每个第一多项式由初始模型参数和特征参数构成,具体公式为:
公式1:Se'=α0+α1h+α2h2+α3h3,
其中,Se'为视在功率,h为特征参数,α0、α1、α2、α3均为初始模型参数。
接着,确定特征参数,其中,特征参数等于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率之和,具体公式为:
公式2:
其中,为负序电流不平衡度,Tu为谐波电压畸变率,Ti为谐波电流畸变率。
随后,将负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率对多项式回归模型中的特征参数进行替换,得到多元线性式,也即,将公式2代入公式1中,得到多元线性式,多元线性式为多个第二多项式之和,且每个第二多项式由模型参数和单项式构成,单项式由负序电流不平衡度、谐波电压畸变率和谐波电流畸变率组成,具体公式为:
公式3:Se'=β0x0+β1x1+...+βn-1xn-1,
其中,n为单项式的个数,也即,后面的预设列数,x为关于负序电流不平衡度ir-、谐波电压畸变率Tu以及谐波电流畸变率Ti的单项式,β为模型参数。
最后,确定多元线性式之后,可以采用矩阵的方式表示多元线性式,进而得到等效视在功率的初始多元线性模型,初始多元线性模型是将单项式矩阵与模型参数矩阵相乘得到的,且单项式矩阵由预设行数乘以预设列数的单项式组成,模型参数矩阵由预设列数的模型参数组成,具体公式为:
公式4:S=Xβ,
其中,S为预测视在电能矩阵,且S=[S(1),...,S(m)]T,m为预测视在电能矩阵中预测视在电能的个数,也即后面的预设行数,S()为预测视在电能矩阵中一预测视在电能,X为具有预设行数m乘以预设列数n的单项式矩阵,且X=Xm×n=[x(1),x(2),...,x(m)]T,其中,β为模型参数矩阵,且β=[β0,β1,...βn-1]T。
进一步地,确定等效视在功率的初始多元线性模型之后,可以对该初始多元线性模型进行训练,即获取训练数据集,训练数据集包括多个训练例,每个训练例包括历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值以及等效视在功率实际值;从训练数据集中提取预设行数个训练例,将每个训练例包括的历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值输入多元线性模型中,得到预设行数个等效视在功率预测值;从每个训练例中提取对应的等效视在功率实际值,基于每个等效视在功率预测值和对应的等效视在功率实际值采用多元线性模型的目标函数得到预设列数个目标模型参数,基于预设列数个目标模型参数得到目标模型参数矩阵;采用目标模型参数矩阵对初始多元线性模型中的模型参数矩阵进行更新,得到等效视在功率的多元线性模型。
在本申请实施例的一个可选实施方式中,基于每个等效视在功率预测值和对应的等效视在功率实际值采用多元线性模型的目标函数得到预设列数个目标模型参数的具体过程为:
首先,获取多元线性模型的初始目标函数,初始目标函数表示为:
公式5:
其中,为训练数据集中第i个训练例中包括的实际等效视在功率,S(i)为预测视在电能矩阵中第i个预测等效视在功率。
接着,采用矩阵形式表示初始目标函数,得到目标函数,目标函数是基于模型参数矩阵、单项式矩阵和实际等效视在功率矩阵构成的,其中,实际等效视在功率矩阵由预设行数个实际等效视在功率组成,其具体表达式为:
公式6:
之后,由于J(β)的值最小时,β的取值即为目标模型参数,因此,将J(β)对β求导,得到公式7,即,求导后的函数,然后令公式7等于0,得到公式8,通过变换得到公式9,即,模型参数矩阵与单项式矩阵、实际等效视在功率矩阵之间的关系式;
公式7:J'(β)=0.5(2XTXβ-XTSe-XTSe),
公式8:XTXβ-XTSe=0,
公式9:β=(XTX)-1XTSe,
随后,将m个等效视在功率实际值和每个等效视在功率实际值对应的负序电流不平衡度的数值、谐波电压畸变率的数值、谐波电流畸变率的数值代入公式9中,可以得到n个目标模型参数,基于这n个目标模型参数可以得到目标模型参数矩阵。
最后,采用目标模型参数矩阵对初始多元线性模型中的模型参数矩阵进行更新,得到等效视在功率的多元线性模型。
202、从电能表中读取待评估计量节点的当前电力数据,以及从当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值。
203、将当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入多元线性模型中,得到待评估计量节点的当前等效在功率预测值。
在本申请实施例中,确定多元线性模型之后,可以将提取的当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入到多元线性模型,多元线性模型直接输出待评估计量节点的当前等效视在功率预测值。
204、基于当前有功功率的数值和当前等效视在功率预测值确定待评估计量节点的功率因数,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低。
在本申请实施例中,还需要从当前电力数据中读取当前有功功率的数值,通过计算当前有功功率的数值和当前等效视在功率预测值的比值,可以得到待评估计量节点的功率因数,具体公式为:
其中,为功率因数,P为当前有功功率的数值,S为当前等效视在功率预测值。
之后,将功率因素与目标阈值进行比对,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低,此时,还可以进行预警,即生成用于指示功率因素过低的提醒信息,将提醒信息发送至维护人员所持终端,以使维护人员基于终端在接收到提醒信息时,对提醒信息指示的目标计量节点进行问题排查。
在本申请实施例的另一个可选实施方式中,当检测到功率因数达到目标阈值时,则可以确定待评估计量节点的功率因素处于正常状态。
本申请实施例提供的方法,多元线性模型是关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的模型,负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率这三个电力质量参数可以反映出电力系统的复杂性,通过将待评估计量节点的当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入多元线性模型中,可以准确预测出待评估计量节点的当前等效视在功率预测值,进而通过当前等效视在功率预测值和待评估计量节点的当前有功功率的数值可以确定待评估计量节点的功率因数,将功率因数与目标阈值进行比对,若功率因数小于目标阈值,则可以确定待评估计量节点的功率因素过低,即通过比对可以知道等效视在功率状态,通过上述方法实现等效视在功率状态的准确评估,进而提高了电力系统的稳定性。
进一步地,作为图1所述方法的具体实现,如图3A所示,本发明实施例提供了基于大数据推演的节点等效视在功率评估装置,包括:确定模块301、提取模块302、预测模块303和评估模块304。
该确定模型301,用于确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
该提取模块302,用于从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值;
该预测模块303,用于将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
该评估模块304,用于从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
在具体的应用场景中,如图3B所示,该装置还包括:建立模块305。
该建立模块305,用于建立视在功率与特征参数的多项式回归模型,所述多项式回归模型为多个第一多项式之和,且每个第一多项式由初始模型参数和特征参数构成;确定特征参数为负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率之和,将负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率对所述多项式回归模型中的特征参数进行替换,得到多元线性式,所述多元线性式为多个第二多项式之和,且每个第二多项式由模型参数和单项式构成,单项式由负序电流不平衡度、谐波电压畸变率和谐波电流畸变率组成;基于所述多元线性式建立所述等效视在功率的初始多元线性模型,其中,所述初始多元线性模型是将所述单项式矩阵与模型参数矩阵相乘得到的,且所述单项式矩阵由预设行数乘以预设列数的单项式组成,所述模型参数矩阵由所述预设列数个模型参数组成。
在具体的应用场景中,如图3C所示,该装置还包括:训练模块306。
该训练模块306,用于:获取训练数据集,所述训练数据集包括多个训练例,每个训练例包括历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值以及等效视在功率实际值;从所述训练数据集中提取所述预设行数个训练例,将每个训练例包括的历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值输入所述多元线性模型中,得到所述预设行数个等效视在功率预测值;从每个训练例中提取对应的等效视在功率实际值,基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,基于所述预设列数个目标模型参数得到目标模型参数矩阵;采用所述目标模型参数矩阵对所述初始多元线性模型中的所述模型参数矩阵进行更新,得到所述等效视在功率的多元线性模型。
在具体的应用场景中,该训练模块306,还用于:获取所述多元线性模型的目标函数,所述目标函数是基于所述模型参数矩阵、所述单项式矩阵和实际等效视在功率矩阵构成的,其中,所述实际等效视在功率矩阵由所述预设行数个实际等效视在功率组成;对所述目标函数求导,得到求导后的函数,并令所述求导后的函数等于零,通过变换得到所述模型参数矩阵与所述单项式矩阵、所述实际等效视在功率矩阵之间的关系式;将所述预设行数个等效视在功率实际值和每个等效视在功率实际值对应的负序电流不平衡度的数值、谐波电压畸变率的数值、谐波电流畸变率的数值代入所述关系式中,得到所述预设列数个目标模型参数。
在具体的应用场景中,该评估模块304,还用于:计算所述当前有功功率的数值和所述当前等效视在功率预测值的比值,得到所述待评估计量节点的功率因数。
在具体的应用场景中,该评估模块304,还用于:当检测到所述功率因数达到目标阈值时,则确定所述待评估计量节点的功率因素处于正常状态。
在具体的应用场景中,如图3D所示,该装置还包括:预警模块307。
该预警模块307,用于生成用于指示功率因素过低的提醒信息,将所述提醒信息发送至维护人员所持终端,以使所述维护人员基于所述终端在接收到所述提醒信息时,对所述提醒信息指示的目标计量节点进行问题排查。
本申请提供的装置,首先通过确定模块确定等效视在功率的多元线性模型,接着通过提取模块从电能表中读取待评估计量节点的当前电力数据,以及从当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值,随后通过预测模块将当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率输入多元线性模型中,得到待评估计量节点的当前等效视在功率预测值,最后通过评估模块从当前电力数据中提取当前有功功率的数值,基于当前有功功率的数值和当前等效视在功率预测值确定待评估计量节点的功率因数,当检测到功率因数未达到目标阈值时,则确定待评估计量节点的功率因素过低。多元线性模型是关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的模型,负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率这三个电力质量参数可以反映出电力系统的复杂性,通过将待评估计量节点的当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值输入多元线性模型中,可以准确预测出待评估计量节点的当前等效视在功率预测值,进而通过当前等效视在功率预测值和待评估计量节点的当前有功功率的数值可以确定待评估计量节点的功率因数,将功率因数与目标阈值进行比对,若功率因数小于目标阈值,则可以确定待评估计量节点的功率因素过低,即通过比对可以知道等效视在功率状态,通过上述方法实现等效视在功率状态的准确评估,进而提高了电力系统的稳定性。
需要说明的是,本发明实施例提供的一种电力零售合约的确定装置所涉及各功能单元的其他相应描述,可以参考图1和图3A至3D中的对应描述,此处不再赘述。
在示例性实施例中,参见图4,还提供了一种计算机设备,该计算机设备包括总线、处理器、存储器和通信接口,还可以包括输入输出接口和显示设备,其中,各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序,处理器,用于执行存储器上所存放的程序,执行上述实施例中的基于大数据推演的节点等效视在功率评估方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于大数据推演的节点等效视在功率评估方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种基于大数据推演的节点等效视在功率评估方法,其特征在于,包括:
确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值;
将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
2.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
建立视在功率与特征参数的多项式回归模型,所述多项式回归模型为多个第一多项式之和,且每个第一多项式由初始模型参数和特征参数构成;
确定特征参数为负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率之和,将负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率对所述多项式回归模型中的特征参数进行替换,得到多元线性式,所述多元线性式为多个第二多项式之和,且每个第二多项式由模型参数和单项式构成,单项式由负序电流不平衡度、谐波电压畸变率和谐波电流畸变率组成;
基于所述多元线性式建立所述等效视在功率的初始多元线性模型,其中,所述初始多元线性模型是将所述单项式矩阵与模型参数矩阵相乘得到的,且所述单项式矩阵由预设行数乘以预设列数的单项式组成,所述模型参数矩阵由所述预设列数个模型参数组成。
3.根据权利要求2所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
获取训练数据集,所述训练数据集包括多个训练例,每个训练例包括历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值以及等效视在功率实际值;
从所述训练数据集中提取所述预设行数个训练例,将每个训练例包括的历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值输入所述多元线性模型中,得到所述预设行数个等效视在功率预测值;
从每个训练例中提取对应的等效视在功率实际值,基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,基于所述预设列数个目标模型参数得到目标模型参数矩阵;
采用所述目标模型参数矩阵对所述初始多元线性模型中的所述模型参数矩阵进行更新,得到所述等效视在功率的多元线性模型。
4.根据权利要求3所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,包括:
获取所述多元线性模型的目标函数,所述目标函数是基于所述模型参数矩阵、所述单项式矩阵和实际等效视在功率矩阵构成的,其中,所述实际等效视在功率矩阵由所述预设行数个实际等效视在功率组成;
对所述目标函数求导,得到求导后的函数,并令所述求导后的函数等于零,通过变换得到所述模型参数矩阵与所述单项式矩阵、所述实际等效视在功率矩阵之间的关系式;
将所述预设行数个等效视在功率实际值和每个等效视在功率实际值对应的负序电流不平衡度的数值、谐波电压畸变率的数值、谐波电流畸变率的数值代入所述关系式中,得到所述预设列数个目标模型参数。
5.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述基于所述当前有功功率的数值和所述当前等效在功率预测值确定所述待评估计量节点的功率因数,包括:
计算所述当前有功功率的数值和所述当前等效视在功率预测值的比值,得到所述待评估计量节点的功率因数。
6.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述方法还包括:
当检测到所述功率因数达到目标阈值时,则确定所述待评估计量节点的功率因素处于正常状态。
7.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低之后,所述方法还包括:
生成用于指示功率因素过低的提醒信息,将所述提醒信息发送至维护人员所持终端,以使所述维护人员基于所述终端在接收到所述提醒信息时,对所述提醒信息指示的目标计量节点进行问题排查。
8.一种基于大数据推演的节点等效视在功率评估装置,其特征在于,包括:
确定模型,用于确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
提取模块,用于从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值;
预测模块,用于将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
评估模块,用于从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
9.一种计算机设备,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7中任一项所述方法的步骤。
10.一种可读存储介质,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7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486433.8A CN117543606A (zh) | 2023-11-08 | 2023-11-08 | 基于大数据推演的节点等效视在功率评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311486433.8A CN117543606A (zh) | 2023-11-08 | 2023-11-08 | 基于大数据推演的节点等效视在功率评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117543606A true CN117543606A (zh) | 2024-02-09 |
Family
ID=89791082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311486433.8A Pending CN117543606A (zh) | 2023-11-08 | 2023-11-08 | 基于大数据推演的节点等效视在功率评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117543606A (zh) |
-
2023
- 2023-11-08 CN CN202311486433.8A patent/CN117543606A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tencaliec et al. | Flexible semiparametric generalized Pareto modeling of the entire range of rainfall amount | |
EP3543941A1 (en) | Time-factor fusion collaborative filtering method, device, server and storage medium | |
CN109634820A (zh) | 一种云端移动端协同的故障预警方法、相关设备及系统 | |
CN115147012B (zh) | 一种基于神经网络模型的碳排放量核算方法及装置 | |
CN111898247A (zh) | 滑坡位移预测方法、设备及存储介质 | |
CN114290960A (zh) | 获取动力电池的电池健康度的方法、装置和车辆 | |
CN114399321A (zh) | 一种业务系统稳定性分析方法、装置和设备 | |
CN113889271A (zh) | 针对学生的心理健康测试方法及装置 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
CN116565861B (zh) | 一种配电网可靠性评估方法、系统、设备和介质 | |
CN113822693A (zh) | 用户购买力评价值的生成方法、装置、设备及存储介质 | |
CN117543606A (zh) | 基于大数据推演的节点等效视在功率评估方法及装置 | |
CN109241249B (zh) | 一种确定突发问题的方法及装置 | |
CN116542771A (zh) | 异常信息确定方法、装置、设备、介质及产品 | |
Khanzadi et al. | A novel metric for digital image quality assessment using entropy-based image complexity | |
Abdel-Hamid et al. | Inference and optimal design based on step—Partially accelerated life tests for the generalized Pareto distribution under progressive type-I censoring | |
CN113947938B (zh) | 基于人工智能的探测方法及相关产品 | |
CN112731150B (zh) | 电压暂降状态估计方法、装置、计算机设备和存储介质 | |
CN108876407B (zh) | 一种数据处理方法及电子设备 | |
CN113673811A (zh) | 一种基于session的在线学习绩效评估方法及装置 | |
CN117235366B (zh) | 基于内容关联性的协同推荐方法及系统 | |
CN109190803B (zh) | 预测方法、装置、计算设备及存储介质 | |
CN113392536B (zh) | 电力通信网络仿真评估方法、装置、计算机设备和介质 | |
CN113065651B (zh) | 一种图神经网络模型的节点修改方法和相关装置 | |
CN117332338A (zh) | 一种风险识别方法、系统、存储介质和电子设备 |
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 |