CN117595488A - 一种基于负荷动态匹配的电力调度监控方法及系统 - Google Patents

一种基于负荷动态匹配的电力调度监控方法及系统 Download PDF

Info

Publication number
CN117595488A
CN117595488A CN202311374815.1A CN202311374815A CN117595488A CN 117595488 A CN117595488 A CN 117595488A CN 202311374815 A CN202311374815 A CN 202311374815A CN 117595488 A CN117595488 A CN 117595488A
Authority
CN
China
Prior art keywords
power
area
power consumption
station
model
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
CN202311374815.1A
Other languages
English (en)
Inventor
王崇安
成艳
夏永平
张艳丽
古丽妮萨·伊卜拉伊木
委晓翠
梁平
陈浩
郑营营
扈添杰
马伟军
王进堃
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.)
Hami Power Supply Co Of State Grid Xinjiang Electric Power Co ltd
Original Assignee
Hami Power Supply Co Of State Grid Xinjiang 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 Hami Power Supply Co Of State Grid Xinjiang Electric Power Co ltd filed Critical Hami Power Supply Co Of State Grid Xinjiang Electric Power Co ltd
Priority to CN202311374815.1A priority Critical patent/CN117595488A/zh
Publication of CN117595488A publication Critical patent/CN117595488A/zh
Pending legal-status Critical Current

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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • G06N3/0985—Hyperparameter optimisation; Meta-learning; Learning-to-learn
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (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

本发明为一种基于负荷动态匹配的电力调度监控方法及系统，涉及电网监控技术领域，该方法在获取电网的电量调度和监控的权限后执行，包括区域用电数据获取，调用监控目标下的各个独立区域的电量使用情况，得到各个目标区域的用电数据，根据所述用电模型对目标区域的用电情况进行预测，上下浮动一定阈值得到用电量区间；根据预测结果，以预测区间的高于下限的50％进行电量供应；以初分配进行供应，并实时监测每个区域的供电情况，并进行记录，根据实际用电情况，以最近路径为依据进行电量分配；将每个地方的实际用电数据输入所述用电模型，对所述用电模型进行完善，具有合理分配不同区域的电量，成本低，布设简单的特点。

Description

一种基于负荷动态匹配的电力调度监控方法及系统
技术领域
本发明涉及电网监控技术领域，涉及一种电力调度监控方法及系统，具体为基于负荷动态匹配的电力调度监控方法及系统。
背景技术
目前各电网公司的省调和各地调均根据自己的需求已建设有很多的信息化系统对电网运行管理提供支撑，但应用功能分散，独立部署及维护，各业务系统之间和省地两级之间主要通过电话、电子文档等方式进行的信息交互。随着电网规模的不断扩大，各电网公司信息化建设处于一个高速发展的过程中，形成了海量的电网运行及调度管理数据，这对电网运行的调度管理提出了更高的要求。同时，电网发展趋势正向“一体化管理”的战略方向发展，这就对数据的共享和集中管理提出了更为迫切的需求。
电力调度是为了保证电网安全稳定运行、对外可靠供电、各类电力生产工作有序进行而采用的一种有效管理手段。同时，由于区块链分布式计算、存储、验证数据等特性，使得它与电网调度中所需要的分布式数据的挖掘调度在技术需求、结构上有天然的耦合特性。因此，将区块链应用在电网中，有助于电力数据的有效挖掘与电网的安全稳定运行。
在不同区域间的电力调度存在波峰波谷，或者两区域间难免会存在供电不平衡，例如甲区域用电量过大时，而其周边的乙区域需求并不大，则可以从乙区域直接调用，更容易满足电力的合理分配，现有技术中，直接调用一方面对电站的功能性要求强成本高，一方面由于电站体量大，不易协调。
发明内容
本发明提出了一种基于负荷动态匹配的电力调度监控方法及系统，具有合理分配不同区域的电量，成本低，布设简单的特点。
本发明的技术方案如下：
一种基于负荷动态匹配的电力调度监控方法，该方法在获取电网的电量调度和监控的权限后执行，其特征在于，包括区域用电数据获取，调用监控目标下的各个独立区域的电量使用情况，得到各个目标区域的用电数据，
模型建立，对数据进行测试集和训练集区分，并借助机器学习算法建立目标区域的用电模型，根据所述用电模型对目标区域的用电情况进行预测，上下浮动一定阈值得到用电量区间；
初分配，根据预测结果，以预测区间的高于下限的50％进行电量供应；
动态监控，以初分配进行供应，并实时监测每个区域的供电情况，并进行记录，根据实际用电情况，以最近路径为依据进行电量分配；
模型反馈，将每个地方的实际用电数据输入所述用电模型，对所述用电模型进行完善。
作为本方案的进一步优化，在用电数据获取步骤中，以周为时间单位，通过每周数据的获取得到连续时间，在每周中以天为单位获取用电量信息，在将每天中0.5h为单位，在每个区域中，每天获取48个时间段内的详细用电情况，作为分析样本，并将预测目标。
作为本方案的进一步优化，在模型建立步骤中，应用支持向量回归模型为元模型的Stacking建立学习模型，根据当下时间，区域的事件以及用电模型，分析接下来时间段的估计用电量。
作为本方案的进一步优化，用电模型对每段时间的预测值为一固定数字ξ，所述用电模型给出预测结果值，并以该值的15％的强度上下浮动，预测区间为(85％ξ，115％ξ)。
作为本方案的进一步优化，每个区域的电站包括该区域的主控分配站和二级备站，其中主控分配站向该区域提供相邻两个区域的二极备站之间存在强联系，主控分配站进行主要供电，运作发电量为80％ξ，并由二极备站提供25％ξ的供电量。
作为本方案的进一步优化，在动态监控中，在第一时间区间段时，以第一时间区间段之前的数据调用用电模型对该事件区间段后的用电量进行预测。
作为本方案的进一步优化，当在当前时间区间段发生节点事件时，用电模型需要将当前时间区间的节点事件考虑进模型的输入量，包括目标区域中部分地区的通断电、检修、事故、用电量超预算和低于预算，以及节点事件的发生原因。
作为本方案的进一步优化，在动态监控中，主控分配站的供电量保持不变，当某一区域的主控分配站和二级备站的用电量105％ξ无法满足该地的用电情况时，检索相邻最近区域的二级备站，并检索这个区域的用电情况，如果邻近区域二级备站的发电量与主动分配站的发电量总和大于该地区的实际用电需求，则调用邻近区域的二级备站，向该某一区域进行供电支持；如果邻近区域二级备站的发电量与主动分配站的发电量总和小于该地区的实际用电需求，则继续向外延伸，寻找次相邻区域的二级备站，并检索次相邻区域的二级备站的发电量与主动分配站的发电量总和和该地区实际用电情况进行对比，若可以提供电量支持，则算则该次相邻区域，否则以距离为延伸继续找更远的二级备站知道存在一个区域的二级备站的发电量与主动分配站的发电量总和大于该地区的实际用电需求，则向目标区域进行电量调用。
一种基于负荷动态匹配的电力调度监控系统，该系统配合一种基于负荷动态匹配的电力调度监控方法，其特征在于，包括分布在不同用电目标区域的主控分配站和二级备站，每个区域分别设置有一个主控分配站和二级备站，每个目标区域的主控分配站，每个目标区域的二级备站之间设置有联系，其中主控分配站的供电量为预测值的80％，二级备站的供电量为预测值的25％，
采集端，所述采集端用于收集目标区域的用电数据，还可以通过目标区域的工程师对突发情况进行人为输入或修改，用于为计算方法提供数据支持，
后台，所述后台用于数据的处理和模型的建立，采集端间数据采集后发送至后台，后台对数据进行实时处理和监控，并将监控和调节的结果反馈至所述主控分配站和所述二级备站，并实时调控起供电量，以及调整每个所述二级备站之间的电量分配。
所述后台包括包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行一种基于负荷动态匹配的电力调度监控方法，所述后台还包括计算机可读存储介质，其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行一种基于负荷动态匹配的电力调度监控方法。
本发明的工作原理及有益效果为：
本申请中每个用电的目标区域设置有一个现有的主控分配站，主控分配站的供电量大，造价成本高从而只为本区域服务，而二级备站的供电量远小于主控分配站，也就是远小于现在的电厂，相当于一个电厂的附属电站，因此其造价成本也远低于主控分配站，其配套的电力调度系统和级别更低，存在灵活的特点，容易实现跨区域的用电传递，例如在当地发生供电量不足时可以直接从周期供电量足的区域，调用其二级备站进行电能的输送。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都涉及本发明保护的范围。
一种基于负荷动态匹配的电力调度监控方法，该方法在获取电网的电量调度和监控的权限后执行，包括区域用电数据获取，调用监控目标下的各个独立区域的电量使用情况，得到各个目标区域的用电数据，以周为时间单位，通过每周数据的获取得到连续时间，在每周中以天为单位获取用电量信息，在将每天中0.5h为单位，在每个区域中，每天获取48个时间段内的详细用电情况，作为分析样本，并将预测目标。
模型建立，对数据进行测试集和训练集区分，并借助机器学习算法建立目标区域的用电模型，根据所述用电模型对目标区域的用电情况进行预测，上下浮动一定阈值得到用电量区间，在模型建立步骤中，应用支持向量回归模型为元模型的Stacking建立学习模型，根据当下时间，区域的事件以及用电模型，分析接下来时间段的估计用电量。
决策树及其变种是一类将输入空间分成不同的区域，每个区域有独立参数的算法。决策树算法充分利用了树形模型，根节点到一个叶子节点是一条分类的路径规则，每个叶子节点象征一个判断类别。先将样本分成不同的子集，再进行分割递推，直至每个子集得到同类型的样本，从根节点开始测试，到子树再到叶子节点，即可得出预测类别。此方法的特点是结构简单、处理数据效率较高。
基本思想可概括如下：首先，要利用一种变换将空间高维化，当然这种变换是非线性的，然后，在新的复杂空间取最优线性分类表面[8]。由此种方式获得的分类函数在形式上类似于神经网络算法。支持向量机是统计学习领域中一个代表性算法，但它与传统方式的思维方法很不同，输入空间、提高维度从而将问题简短化，使问题归结为线性可分的经典解问题。支持向量机应用于垃圾邮件识别，人脸识别等多种分类问题。
人工神经网络与神经元组成的异常复杂的网络此大体相似，是个体单元互相连接而成，每个单元有数值量的输入和输出，形式可以为实数或线性组合函数。它先要以一种学习准则去学习，然后才能进行工作。当网络判断错误时，通过学习使其减少犯同样错误的可能性。此方法有很强的泛化能力和非线性映射能力，可以对信息量少的系统进行模型处理。从功能模拟角度看具有并行性，且传递信息速度极快。
初分配，根据预测结果，以预测区间的高于下限的50％进行电量供应；初分配是根据用电模型计算出的接下来时间段，也就是接下来半个小时该区域所需的模型，以半个小时为区间，可以给后台充分的计算时间以及对当下和前以时间单位的分析保存时间，极大降低了硬件系统的计算压力。
动态监控，以初分配进行供应，并实时监测每个区域的供电情况，并进行记录，根据实际用电情况，以最近路径为依据进行电量分配，用电模型对每段时间的预测值为一固定数字ξ，所述用电模型给出预测结果值，并以该值的15％的强度上下浮动，预测区间为(85％ξ，115％ξ)，每个区域的电站包括该区域的主控分配站和二级备站，其中主控分配站向该区域提供相邻两个区域的二极备站之间存在强联系，主控分配站进行主要供电，运作发电量为80％ξ，并由二极备站提供25％ξ的供电量，
主控分配站的供电量保持不变，当某一区域的主控分配站和二级备站的用电量105％ξ无法满足该地的用电情况时，检索相邻最近区域的二级备站，并检索这个区域的用电情况，如果邻近区域二级备站的发电量与主动分配站的发电量总和大于该地区的实际用电需求，则调用邻近区域的二级备站，向该某一区域进行供电支持；如果邻近区域二级备站的发电量与主动分配站的发电量总和小于该地区的实际用电需求，则继续向外延伸，寻找次相邻区域的二级备站，并检索次相邻区域的二级备站的发电量与主动分配站的发电量总和和该地区实际用电情况进行对比，若可以提供电量支持，则算则该次相邻区域，否则以距离为延伸继续找更远的二级备站知道存在一个区域的二级备站的发电量与主动分配站的发电量总和大于该地区的实际用电需求，则向目标区域进行电量调用。
电力供应企业的安全不但与电力系统自身相关，而且还与自然环境和社会环境有关，内外部各种因素共同作用导致了突发事件的发生。从内部因素来说，电能的生产、输送、分配、消费是同时完成的，涉及电力系统发电、输电、配电、用电环节，突发灾害可能破坏其中某个环节，使得平衡关系被打破，进而影响电力系统的安全运行。从外部环境来说，处于自然环境中的电力设施还很容易受到自然灾害(如地震、水灾、风灾、雪灾、冰灾等)的毁坏。电力设施大多是无人值守，可能经常受到有意或无意的破坏，从而引发电力突发事件。因电力设施受到破坏、自身故障或缺陷导致的电力系统突发灾害。如输变电一次设备受到毁坏，其控制、保护设备故障引发系统事故，或者输变电控制、保护设备存在隐藏性缺陷使之不能正确动作而引发的重大事故，自然灾害导致突发事件。主要指气象灾害、地震灾害、地质灾害、海洋灾害、森林草原火灾等造成的大面积电力设施损坏和电气故障。我国地域广阔，电力供应企业经营范围广，管理设备多，面临灾害性气候频发，雨雪冰冻、雪灾、地质灾害等成为突发性事件的罪魁祸首。包括电力供应企业所管理的设备设施等所处环境多为崇山峻岭，沟壑纵横，微地形、微气候、煤矿采空区域等复杂环境多会发生环境污染等突发事件。
在第一时间区间段时，以第一时间区间段之前的数据调用用电模型对该事件区间段后的用电量进行预测。
当在当前时间区间段发生节点事件时，用电模型需要将当前时间区间的节点事件考虑进模型的输入量，包括目标区域中部分地区的通断电、检修、事故、用电量超预算和低于预算，以及节点事件的发生原因。
模型反馈，将每个地方的实际用电数据输入所述用电模型，对所述用电模型进行完善。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
具体实施例2，一种基于负荷动态匹配的电力调度监控系统，该系统配合,一种基于负荷动态匹配的电力调度监控方法，包括分布在不同用电目标区域的主控分配站和二级备站，每个区域分别设置有一个主控分配站和二级备站，每个目标区域的主控分配站，每个目标区域的二级备站之间设置有联系，其中主控分配站的供电量为预测值的80％，二级备站的供电量为预测值的25％，
采集端，所述采集端用于收集目标区域的用电数据，还可以通过目标区域的工程师对突发情况进行人为输入或修改，用于为计算方法提供数据支持，
后台，所述后台用于数据的处理和模型的建立，采集端间数据采集后发送至后台，后台对数据进行实时处理和监控，并将监控和调节的结果反馈至所述主控分配站和所述二级备站，并实时调控起供电量，以及调整每个所述二级备站之间的电量分配。
所述后台包括包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行基于负荷动态匹配的电力调度监控方法，所述后台还包括计算机可读存储介质，其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行基于负荷动态匹配的电力调度监控方法。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程和/或框描述了本发明的各个方面。应当理解，流程和/或框的每个方框以及流程和/或框中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程和/或框中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程和/或框中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程和/或框中的一个或多个方框中规定的功能/动作。
方案中的流程和框显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程或框中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于方案中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框和/或流程中的每个方框、以及框和/或流程中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于负荷动态匹配的电力调度监控方法，该方法在获取电网的电量调度和监控的权限后执行，其特征在于，包括区域用电数据获取，调用监控目标下的各个独立区域的电量使用情况，得到各个目标区域的用电数据，
模型建立，对数据进行测试集和训练集区分，并借助机器学习算法建立目标区域的用电模型，根据所述用电模型对目标区域的用电情况进行预测，上下浮动一定阈值得到用电量区间；
初分配，根据预测结果，以预测区间的高于下限的50％进行电量供应；
动态监控，以初分配进行供应，并实时监测每个区域的供电情况，并进行记录，根据实际用电情况，以最近路径为依据进行电量分配；
将每个地方的实际用电数据输入所述用电模型，对所述用电模型进行完善。
2.根据权利要求1所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，在用电数据获取步骤中，以周为时间单位，通过每周数据的获取得到连续时间，在每周中以天为单位获取用电量信息，在将每天中0.5h为单位，在每个区域中，每天获取48个时间段内的详细用电情况，作为分析样本，并将预测目标。
3.根据权利要求1所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，在模型建立步骤中，应用支持向量回归模型为元模型的Stacking建立学习模型，根据当下时间，区域的事件以及用电模型，分析接下来时间段的估计用电量。
4.根据权利要求1所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，用电模型对每段时间的预测值为一固定数字ξ，所述用电模型给出预测结果值，并以该值的15％的强度上下浮动，预测区间为(85％ξ，115％ξ)。
5.根据权利要求4所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，每个区域的电站包括该区域的主控分配站和二级备站，其中主控分配站向该区域提供相邻两个区域的二极备站之间存在强联系，主控分配站进行主要供电，运作发电量为80％ξ，并由二极备站提供25％ξ的供电量。
6.根据权利要求4所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，在动态监控中，在第一时间区间段时，以第一时间区间段之前的数据调用用电模型对该事件区间段后的用电量进行预测。
7.根据权利要求6所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，当在当前时间区间段发生节点事件时，用电模型需要将当前时间区间的节点事件考虑进模型的输入量，包括目标区域中部分地区的通断电、检修、事故、用电量超预算和低于预算，以及节点事件的发生原因。
8.根据权利要求5所述的一种基于负荷动态匹配的电力调度监控方法，其特征在于，在动态监控中，主控分配站的供电量保持不变，当某一区域的主控分配站和二级备站的用电量105％ξ无法满足该地的用电情况时，检索相邻最近区域的二级备站，并检索这个区域的用电情况，如果邻近区域二级备站的发电量与主动分配站的发电量总和大于该地区的实际用电需求，则调用邻近区域的二级备站，向该某一区域进行供电支持；如果邻近区域二级备站的发电量与主动分配站的发电量总和小于该地区的实际用电需求，则继续向外延伸，寻找次相邻区域的二级备站，并检索次相邻区域的二级备站的发电量与主动分配站的发电量总和和该地区实际用电情况进行对比，若可以提供电量支持，则算则该次相邻区域，否则以距离为延伸继续找更远的二级备站知道存在一个区域的二级备站的发电量与主动分配站的发电量总和大于该地区的实际用电需求，则向目标区域进行电量调用。
9.一种基于负荷动态匹配的电力调度监控系统，该系统配合权利要求1-8中任意一项一种基于负荷动态匹配的电力调度监控方法，其特征在于，包括分布在不同用电目标区域的主控分配站和二级备站，每个区域分别设置有一个主控分配站和二级备站，每个目标区域的主控分配站，每个目标区域的二级备站之间设置有联系，其中主控分配站的供电量为预测值的80％，二级备站的供电量为预测值的25％，
采集端，所述采集端用于收集目标区域的用电数据，还可以通过目标区域的工程师对突发情况进行人为输入或修改，用于为计算方法提供数据支持，
后台，所述后台用于数据的处理和模型的建立，采集端间数据采集后发送至后台，后台对数据进行实时处理和监控，并将监控和调节的结果反馈至所述主控分配站和所述二级备站，并实时调控起供电量，以及调整每个所述二级备站之间的电量分配。
10.根据权利要求9所述的一种基于负荷动态匹配的电力调度监控系统，其特征在于，所述后台包括包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行权利要求1至权利要求8中任一项所述的一种基于负荷动态匹配的电力调度监控方法，所述后台还包括计算机可读存储介质，其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行权利要求1至权利要求8中任一项所述的一种基于负荷动态匹配的电力调度监控方法。
CN202311374815.1A 2023-10-20 2023-10-20 一种基于负荷动态匹配的电力调度监控方法及系统 Pending CN117595488A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311374815.1A CN117595488A (zh) 2023-10-20 2023-10-20 一种基于负荷动态匹配的电力调度监控方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311374815.1A CN117595488A (zh) 2023-10-20 2023-10-20 一种基于负荷动态匹配的电力调度监控方法及系统

Publications (1)

Publication Number Publication Date
CN117595488A true CN117595488A (zh) 2024-02-23

Family

ID=89910504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311374815.1A Pending CN117595488A (zh) 2023-10-20 2023-10-20 一种基于负荷动态匹配的电力调度监控方法及系统

Country Status (1)

Country Link
CN (1) CN117595488A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117852848A (zh) * 2024-03-08 2024-04-09 山东黄金电力有限公司 基于大数据配置电力系统的数据信息管理系统
CN118199075A (zh) * 2024-04-28 2024-06-14 南京海迪自动化科技有限公司 基于用电基数预测的电源电力预分配系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117852848A (zh) * 2024-03-08 2024-04-09 山东黄金电力有限公司 基于大数据配置电力系统的数据信息管理系统
CN117852848B (zh) * 2024-03-08 2024-06-11 山东黄金电力有限公司 基于大数据配置电力系统的数据信息管理系统
CN118199075A (zh) * 2024-04-28 2024-06-14 南京海迪自动化科技有限公司 基于用电基数预测的电源电力预分配系统
CN118199075B (zh) * 2024-04-28 2024-08-30 南京海迪自动化科技有限公司 基于用电基数预测的电源电力预分配系统

Similar Documents

Publication Publication Date Title
Wang et al. Research and application of a hybrid forecasting framework based on multi-objective optimization for electrical power system
Dehghani et al. Optimal life-cycle resilience enhancement of aging power distribution systems: A MINLP-based preventive maintenance planning
CN117595488A (zh) 一种基于负荷动态匹配的电力调度监控方法及系统
Zhao et al. Resilient unit commitment for day-ahead market considering probabilistic impacts of hurricanes
Zhang et al. A comprehensive overview of modeling approaches and optimal control strategies for cyber-physical resilience in power systems
Ghasemi et al. A two-stage resilience improvement planning for power distribution systems against hurricanes
Dehghani et al. Multi-stage resilience management of smart power distribution systems: A stochastic robust optimization model
Chen et al. Stochastic dynamic economic dispatch of wind-integrated electricity and natural gas systems considering security risk constraints
KR20220012935A (ko) 도메인 간 데이터 상호작용 방법 및 장치
Amini et al. Electrical energy systems resilience: A comprehensive review on definitions, challenges, enhancements and future proceedings
Ahmed et al. A novel distributed approach for event-triggered economic dispatch of energy hubs under ramp-rate limits integrated with sustainable energy networks
Nasri et al. Probabilistic–proactive distribution network scheduling against a hurricane as a high impact–low probability event considering chaos theory
Wang et al. Short-term wind power probabilistic forecasting using a new neural computing approach: GMC-DeepNN-PF
Kadir et al. Reinforcement-Learning-Based Proactive Control for Enabling Power Grid Resilience to Wildfire
CN112821456B (zh) 基于迁移学习的分布式源-储-荷匹配方法及装置
CN114090667A (zh) 一种跨流域水电站群分布式智能综合管理平台
Zhang et al. Collaborative stochastic expansion planning of cyber‐physical system considering extreme scenarios
Famoso et al. A Dependability Neural Network Approach for Short-Term Production Estimation of a Wind Power Plant
Mohammadi et al. Towards tractable stochastic unit commitment for preventive operation during hurricanes
Daraghmi et al. Accurate and time‐efficient negative binomial linear model for electric load forecasting in IoE
CN115549075A (zh) 一种含微电网的配电网供电恢复方法及系统
Taheri et al. Toward operational resilience of smart energy networks in complex infrastructures
Wang et al. The Application Research of Deep Learning Based Method for Short-term Wind Speed Forecasting
Fischl Optimal system expansion: a critical review
De Caro et al. Review of Recent Trends in Power System Resilience-Oriented Decision-Making Methods

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