CN117748502B - 一种智能识别训练数据分析方法 - Google Patents
一种智能识别训练数据分析方法 Download PDFInfo
- Publication number
- CN117748502B CN117748502B CN202410190298.0A CN202410190298A CN117748502B CN 117748502 B CN117748502 B CN 117748502B CN 202410190298 A CN202410190298 A CN 202410190298A CN 117748502 B CN117748502 B CN 117748502B
- Authority
- CN
- China
- Prior art keywords
- power station
- scheduling
- power
- designated
- time period
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007405 data analysis Methods 0.000 title claims abstract description 11
- 238000012549 training Methods 0.000 title claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 32
- 230000008901 benefit Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 62
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 20
- 230000005611 electricity Effects 0.000 claims description 18
- 238000005265 energy consumption Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 238000009472 formulation Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000011234 economic evaluation Methods 0.000 claims description 3
- 231100000817 safety factor Toxicity 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于数据处理技术领域，涉及到一种智能识别训练数据分析方法，首先通过各指定发电站的输送安全裕度、供电稳定指数、供电安全指数，综合分析各指定发电站的调度安全系数，其次通过计算各指定发电站调度时间段内的参照供电电量、参照负载用电量、参照供电输送损耗电量和参照调度输送损耗电量，准确预估各指定发电站在调度时间段内针对参照发电站的可调度电量，合理分析各指定发电站的调度充盈系数，接着结合参照供电成本、参照输电成本和电力能源对应的供电经济效益影响权重，实现对各指定发电站的调度经济系数分析，最后结合调度安全、经济性和充盈程度三个维度考量，为参照发电站制定调度方案，提高调度可靠性。
Description
技术领域
本发明属于数据处理技术领域，涉及到一种智能识别训练数据分析方法。
背景技术
随着能源结构的转型和电力市场的逐步开放，供电运行的复杂性和不确定性显著增加，可能存在某发电站因维护、技术故障或资源短缺等原因，无法满足其供电区域的电力需求，必须迅速从同一供电区域内的其他发电站进行电力调度，以补充不足的供电能力的情况，此时不仅要求电网运营能够实时监测和分析电力供需状况，还要求能够快速制定调度决策，以最小的代价实现电力供需的平衡，而传统的电力调度依赖人工经验和规则，难以应对日益增长的数据处理需求和实时调度决策的挑战，因此智能识别训练数据分析方法的开发显得尤为重要。
现有的对发电站进行电力调度方案制定的数据分析方法中还存在以下几个方面的问题：1、现有方法为某发电站进行适配调度发电站推荐分析时侧重关注各候选发电站的可调度电量问题，通常选择可为该发电站提供更多调度空间的候选发电站作为适配调度发电站，不仅未考虑候选发电站的运行安全性、稳定性和潜在的调度输送风险，可能导致选择的发电站在实际调度中面临安全隐患，还欠缺对候选发电站的供电成本和输送成本的考量，导致调度经济成本过高，使得电力调度不具有协同性、整体稳定性和经济效益。
2、现有方法在针对各候选发电站的可调度电量分析具有不全面性，忽视变电站申请调度电量应与负载实际用电需求量相匹配的理论事实，使得可调度电量分析过程中缺失对电力输送损耗的考量，进而导致各候选发电站的可调度电量被高估，影响电力调度方案制定的准确性和可靠性。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种智能识别训练数据分析方法。
本发明的目的可以通过以下技术方案实现：本发明提供一种智能识别训练数据分析方法，包括：S1.调度请求接收：接收目标区域某发电站的调度请求信息，包括调度时间段和调度电量，并将目标区域该发电站记为参照发电站。
S2.发电站数据采集：将目标区域除参照发电站外的其余各发电站记为各指定发电站，采集各指定发电站的基础电力参数、当前运行参数和历史负载参数。
S3.调度路径获取：基于目标区域的电网拓扑结构框架，获取各指定发电站与参照发电站供电区域的各调度线路，记为各指定发电站的调度路径，采集各指定发电站的调度路径的基础布设参数。
S4.调度安全评估：基于各指定发电站的当前运行参数以及调度路径的基础布设参数，解析各指定发电站的调度安全系数，/>为各指定发电站的编号，/>。
S5.调度充盈评估：基于各指定发电站的历史负载参数以及调度路径的基础布设参数，预估各指定发电站在调度时间段内针对参照发电站的可调度电量，解析各指定发电站的调度充盈系数。
S6.调度经济评估：基于各指定发电站的基础电力参数以及调度路径的基础布设参数，解析各指定发电站的调度经济系数。
S7.调度方案制定：基于各指定发电站的调度安全系数、调度充盈系数和调度经济系数，计算各指定发电站的综合调度能力系数，据此为参照发电站制定调度方案。
优选地，所述基础电力参数包括电力能源类型及其标准能量转化效率范围、单位电力能源消耗对应的供电成本、发电设备额定功率对应的电力能源消耗量。
所述当前运行参数包括设备运行参数和线路运行参数，其中设备运行参数包括监测时间段内各监测时间点发电设备的电力能源消耗量、振动幅值和运行温度值，线路运行参数包括监测时间段内各监测时间点供电路径的输入端供应电量、输出端供应电量以及实际负载用电量。
所述历史负载参数包括历史各年各天各单位时间段的负载用电量。
所述基础布设参数包括各调度线路的长度、设定供电比例、线材类型和变压次数。
优选地，所述解析各指定发电站的调度安全系数，包括：根据各指定发电站的基础电力参数中电力能源类型及其标准能量转化效率范围，获取各指定发电站电力能源的合理能量转化率以及能量转化率合理偏差值/>。
提取各指定发电站的设备运行参数中监测时间段内各监测时间点发电设备的电力能源消耗量、振动幅值/>和运行温度值/>，/>为监测时间段内各监测时间点的编号，，结合各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输入端供应电量/>，由公式/>得到各指定发电站监测时间段内各监测时间点的实际能量转化效率，计算各指定发电站的供电安全指数/>，，其中/>为预设的发电机合理的振动幅阈值、运行温度阈值，/>为监测时间段内监测时间点数量，/>为自然常数。
提取各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输出端供应电量和实际负载用电量，以时间为横轴以电能为纵轴，分别构建各指定发电站的供电曲线和负载曲线，并一同导入Matlab软件内，采用测量工具获取各指定发电站的供电曲线长度、供电曲线和负载曲线的重合线段长度/>，采用曲线拟合工具生成各指定发电站的供电曲线、负载曲线的拟合函数，记为/>、/>，获取监测时间段内各监测时间点中的起始监测时间点和结束监测时间点，分别记为/>，计算各指定发电站的供电稳定指数/>，/>，其中/>为预设的函数面积合理偏差阈值。
优选地，所述解析各指定发电站的调度安全系数，还包括：根据各指定发电站调度路径的基础布设参数中各调度线路的设定供电比例，/>为各调度线路的编号，，结合参照发电站的调度时间段对应时长/>和调度电量/>，计算各指定发电站各调度线路的参照线路容量/>，/>。
提取各指定发电站调度路径的基础布设参数中各调度线路的线材类型，根据WEB云端存储的线材生产制造商规定各类线材的标准线路容量，获取各指定发电站各调度线路的标准线路容量，进而计算各指定发电站的输送安全裕度/>，/>。
分析各指定发电站的调度安全系数，其计算公式为：。
优选地，所述预估各指定发电站在调度时间段内针对参照发电站的可调度电量，包括：根据各指定发电站的基础电力参数中发电设备额定功率对应的电力能源消耗量，结合各指定发电站监测时间段内各监测时间点的实际能量转化效率/>，计算各指定发电站调度时间段内的参照供电电量/>，/>。
提取各指定发电站的历史负载参数中历史各年各天各单位时间段的负载用电量，根据当天所处季节以及调度时间段，筛选出各指定发电站历史各年相同季节内各天调度时间段内各单位时间段的负载用电量，将各单位时间段的负载用电量进行累加，得到各指定发电站历史各年相同季节内各天调度时间段内的负载用电量，/>为历史各年的编号，，/>为相同季节内各天的编号，/>，计算各指定发电站调度时间段内的参照负载用电量/>，/>，其中分别为历史年份数量、相同季节内天数。
根据各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输入端供应电量和输出端供应电量/>，计算各指定发电站调度时间段内的参照供电输送损耗电量/>，/>。
根据各指定发电站各调度线路的线材类型以及WEB云端存储的线材生产制造商规定各类线材单位输电距离下的标准线损率和单次变压下的基准线损率，获取各指定发电站各调度线路单位输电距离下的标准线损率和单次变压下的基准线损率/>，结合各指定发电站的调度路径的基础布设参数中各调度线路的长度/>和变压次数/>，计算各指定发电站调度时间段内的参照调度输送损耗电量/>，。
由公式得到各指定发电站在调度时间段内针对参照发电站的可调度电量。
优选地，所述解析各指定发电站的调度充盈系数，包括：提取参照发电站的调度电量，将各指定发电站在调度时间段内针对参照发电站的可调度电量与参照发电站的调度电量的比值作为各指定发电站的调度充盈系数。
优选地，所述解析各指定发电站的调度经济系数，包括：根据参照发电站的调度电量，结合各指定发电站的基础电力参数中的单位电力能源消耗对应的供电成本/>，计算各指定发电站的参照供电成本/>，/>。
根据各指定发电站各调度线路的线材类型以及WEB云端存储的线材生产制造商规定各类线材单位输电距离下的基准输电成本，获取各指定发电站各调度线路的单位输电距离下的基准输电成本，计算各指定发电站的参照输电成本/>，/>。
设定各类电力能源的供电经济效益影响权重，获取各指定发电站电力能源对应的供电经济效益影响权重，由公式/>得到各指定发电站的调度经济系数。
优选地，所述各指定发电站的综合调度能力系数的计算公式为：，其中/>为/>。
优选地，所述为参照发电站制定调度方案，包括：将综合调度能力系数大于0的各指定发电站记为各目标发电站，按照综合调度能力系数从大到小的数值顺序对各目标发电站进行排列，将排列顺序位于第一的目标发电站作为第一推荐调度发电站，若其在调度时间段内针对参照发电站的可调度电量大于或等于参照发电站的调度电量，则将第一推荐调度发电站反馈至电网中心，反之顺延排列顺序位于第二的目标发电站作为第二推荐调度发电站，若其与第一推荐调度发电站在调度时间段内针对参照发电站的累加值大于或等于参照发电站的调度电量，则将第一、二推荐调度发电站一同反馈至电网中心，以此类推，直至参照发电站的调度电量被满足。
相较于现有技术，本发明的有益效果如下：（1）本发明通过结合各指定发电站的输送安全裕度、供电稳定指数、供电安全指数，综合分析各指定发电站的调度安全系数，全面且准确地了解各指定发电站的供电设备运行状况、供电负载匹配状况以及调度路径线路容量状况，为调度方案制定后的安全执行奠定基础。
（2）本发明通过计算各指定发电站调度时间段内的参照供电电量、参照负载用电量、参照供电输送损耗电量和参照调度输送损耗电量，准确预估各指定发电站在调度时间段内针对参照发电站的可调度电量，并结合参照发电站的可调度电量，合理分析各指定发电站的调度充盈系数，不仅考虑各指定发电站的发电能力，还充分考虑了其对应供电区域实际的电力需求、供电和调度损耗，弥补现有方法对电力输送损耗的考量缺失，为调度方案制定提供更为可靠的数据支持。
（3）本发明通过结合参照供电成本、参照输电成本和电力能源对应的供电经济效益影响权重，实现对各指定发电站的调度经济系数分析，完善现有方法在这一层面的缺失，为参照发电站提供了更为精确的经济性调度分析，有助于降低运营成本和提高经济效益。
（4）本发明通过结合各指定发电站的调度安全系数、调度充盈系数和调度经济系数，计算各指定发电站的综合调度能力系数，确保参照发电站的调度电量被满足，从而为参照发电站制定调度方案，充分考虑了其调度安全、经济性和充盈程度三个维度，有助于提高电力调度的综合效益。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的方法实施步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供了一种智能识别训练数据分析方法，包括：S1.调度请求接收：接收目标区域某发电站的调度请求信息，包括调度时间段和调度电量，并将目标区域该发电站记为参照发电站。
S2.发电站数据采集：将目标区域除参照发电站外的其余各发电站记为各指定发电站，采集各指定发电站的基础电力参数、当前运行参数和历史负载参数。
需要说明的是，上述各指定发电站的基础电力参数、当前运行参数和历史负载参数均由其发电站监测控制管理中心提取得到的。
S3.调度路径获取：基于目标区域的电网拓扑结构框架，获取各指定发电站与参照发电站供电区域的各调度线路，记为各指定发电站的调度路径，采集各指定发电站的调度路径的基础布设参数。
需要说明的是，上述各指定发电站的调度路径的基础布设参数是由目标区域的电网管控中心提取得到的。
具体地，所述基础电力参数包括电力能源类型及其标准能量转化效率范围、单位电力能源消耗对应的供电成本、发电设备额定功率对应的电力能源消耗量。
所述当前运行参数包括设备运行参数和线路运行参数，其中设备运行参数包括监测时间段内各监测时间点发电设备的电力能源消耗量、振动幅值和运行温度值，线路运行参数包括监测时间段内各监测时间点供电路径的输入端供应电量、输出端供应电量以及实际负载用电量。
需要说明的是，上述发电设备指代发电站内的所有发电机组，其振动幅值和运行温度值分别为发电站内各发电机组振动幅值、运行温度值的计算均值。
所述历史负载参数包括历史各年各天各单位时间段的负载用电量。
所述基础布设参数包括各调度线路的长度、设定供电比例、线材类型和变压次数。
需要说明的是，在区域供电过程中，为了确保供电的可靠性和稳定性，通常采用多线路同时输送的方式。为了合理分配输送电量，各线路会有主次比例之分。这种主次比例关系在布设设计时，会由专业人员进行提前规划和设定，以实现最优化的电力输送和分配。
S4.调度安全评估：基于各指定发电站的当前运行参数以及调度路径的基础布设参数，解析各指定发电站的调度安全系数，/>为各指定发电站的编号，/>。
具体地，所述解析各指定发电站的调度安全系数，包括：根据各指定发电站的基础电力参数中电力能源类型及其标准能量转化效率范围，获取各指定发电站电力能源的合理能量转化率以及能量转化率合理偏差值/>。
需要说明是，各指定发电站电力能源的合理能量转化率以及能量转化率合理偏差值的获取方法为：提取各指定发电站的电力能源标准能量转化效率范围的上限值和下限值，将二者进行均值计算，将均值计算结果作为合理能量转化率，将上限值与均值间的差值作为能量转化率合理偏差值，进而得到各指定发电站电力能源的合理能量转化率以及能量转化率合理偏差值。
提取各指定发电站的设备运行参数中监测时间段内各监测时间点发电设备的电力能源消耗量、振动幅值/>和运行温度值/>，/>为监测时间段内各监测时间点的编号，，结合各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输入端供应电量/>，由公式/>得到各指定发电站监测时间段内各监测时间点的实际能量转化效率，计算各指定发电站的供电安全指数/>，，其中/>为预设的发电机合理的振动幅阈值、运行温度阈值，/>为监测时间段内监测时间点数量，/>为自然常数。
提取各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输出端供应电量和实际负载用电量，以时间为横轴以电能为纵轴，分别构建各指定发电站的供电曲线和负载曲线，并一同导入Matlab软件内，采用测量工具获取各指定发电站的供电曲线长度、供电曲线和负载曲线的重合线段长度/>，采用曲线拟合工具生成各指定发电站的供电曲线、负载曲线的拟合函数，记为/>、/>，获取监测时间段内各监测时间点中的起始监测时间点和结束监测时间点，分别记为/>，计算各指定发电站的供电稳定指数/>，/>，其中/>为预设的函数面积合理偏差阈值。
需要说明的是，上述预设的函数面积合理偏差阈值是依据发电站供电与负载用电之间的合理匹配范围来设定的，通常情况下要求发电站的供电电量与负载用电量相吻合，但为应对电力需求的波动和不确定性，允许供电电量稍微比负载用电量偏大一点，进而依据允许偏差电量阈值，以设定比例关系转化为函数面积合理偏差阈值。
具体地，所述解析各指定发电站的调度安全系数，还包括：根据各指定发电站调度路径的基础布设参数中各调度线路的设定供电比例，/>为各调度线路的编号，，结合参照发电站的调度时间段对应时长/>和调度电量/>，计算各指定发电站各调度线路的参照线路容量/>，/>。
提取各指定发电站调度路径的基础布设参数中各调度线路的线材类型，根据WEB云端存储的线材生产制造商规定各类线材的标准线路容量，获取各指定发电站各调度线路的标准线路容量，进而计算各指定发电站的输送安全裕度/>，/>。
分析各指定发电站的调度安全系数，其计算公式为：。
本发明实施例通过结合各指定发电站的输送安全裕度、供电稳定指数、供电安全指数，综合分析各指定发电站的调度安全系数，全面且准确地了解各指定发电站的供电设备运行状况、供电负载匹配状况以及调度路径线路容量状况，为调度方案制定后的安全执行奠定基础。
S5.调度充盈评估：基于各指定发电站的历史负载参数以及调度路径的基础布设参数，预估各指定发电站在调度时间段内针对参照发电站的可调度电量，解析各指定发电站的调度充盈系数。
具体地，所述预估各指定发电站在调度时间段内针对参照发电站的可调度电量，包括：根据各指定发电站的基础电力参数中发电设备额定功率对应的电力能源消耗量，结合各指定发电站监测时间段内各监测时间点的实际能量转化效率/>，计算各指定发电站调度时间段内的参照供电电量/>，/>。
提取各指定发电站的历史负载参数中历史各年各天各单位时间段的负载用电量，根据当天所处季节以及调度时间段，筛选出各指定发电站历史各年相同季节内各天调度时间段内各单位时间段的负载用电量，将各单位时间段的负载用电量进行累加，得到各指定发电站历史各年相同季节内各天调度时间段内的负载用电量，/>为历史各年的编号，，/>为相同季节内各天的编号，/>，计算各指定发电站调度时间段内的参照负载用电量/>，/>，其中分别为历史年份数量、相同季节内天数。
根据各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输入端供应电量和输出端供应电量/>，计算各指定发电站调度时间段内的参照供电输送损耗电量/>，/>。
根据各指定发电站各调度线路的线材类型以及WEB云端存储的线材生产制造商规定各类线材单位输电距离下的标准线损率和单次变压下的基准线损率，获取各指定发电站各调度线路单位输电距离下的标准线损率和单次变压下的基准线损率/>，结合各指定发电站的调度路径的基础布设参数中各调度线路的长度/>和变压次数/>，计算各指定发电站调度时间段内的参照调度输送损耗电量/>，。
由公式得到各指定发电站在调度时间段内针对参照发电站的可调度电量。
具体地，所述解析各指定发电站的调度充盈系数，包括：提取参照发电站的调度电量，将各指定发电站在调度时间段内针对参照发电站的可调度电量与参照发电站的调度电量的比值作为各指定发电站的调度充盈系数。
本发明实施例通过计算各指定发电站调度时间段内的参照供电电量、参照负载用电量、参照供电输送损耗电量和参照调度输送损耗电量，准确预估各指定发电站在调度时间段内针对参照发电站的可调度电量，并结合参照发电站的可调度电量，合理分析各指定发电站的调度充盈系数，不仅考虑各指定发电站的发电能力，还充分考虑了其对应供电区域实际的电力需求、供电和调度损耗，弥补现有方法对电力输送损耗的考量缺失，为调度方案制定提供更为可靠的数据支持。
S6.调度经济评估：基于各指定发电站的基础电力参数以及调度路径的基础布设参数，解析各指定发电站的调度经济系数。
具体地，所述解析各指定发电站的调度经济系数，包括：根据参照发电站的调度电量，结合各指定发电站的基础电力参数中的单位电力能源消耗对应的供电成本/>，计算各指定发电站的参照供电成本/>，/>。
根据各指定发电站各调度线路的线材类型以及WEB云端存储的线材生产制造商规定各类线材单位输电距离下的基准输电成本，获取各指定发电站各调度线路的单位输电距离下的基准输电成本，计算各指定发电站的参照输电成本/>，/>。
设定各类电力能源的供电经济效益影响权重，获取各指定发电站电力能源对应的供电经济效益影响权重，由公式/>得到各指定发电站的调度经济系数。
需要说明的是，上述各类电力能源的供电经济效益影响权重的设定依据在于电力能源消耗对于环境的污染影响，化石燃料发电站会产生大量的二氧化碳和其他污染物，对环境造成负面影响，而可再生能源发电站则不会产生这些污染物，对环境的影响较小化，基于环境保护和可持续发展的考虑，将电力能源分为可再生能源和不可再生能源，并给予可再生能源更高的供电经济效益影响权重。
示例性地，风力、太阳能发电站的电力能源均为可再生能源，则设定风力、太阳能发电站的供电经济效益影响权重为0.7，火力发电站的电力能源为不可再生能源，则设定火力发电站的供电经济效益影响权重为0.3。
本发明实施例通过结合参照供电成本、参照输电成本和电力能源对应的供电经济效益影响权重，实现对各指定发电站的调度经济系数分析，完善现有方法在这一层面的缺失，为参照发电站提供了更为精确的经济性调度分析，有助于降低运营成本和提高经济效益。
S7.调度方案制定：基于各指定发电站的调度安全系数、调度充盈系数和调度经济系数，计算各指定发电站的综合调度能力系数，据此为参照发电站制定调度方案。
具体地，所述各指定发电站的综合调度能力系数的计算公式为：，其中/>为/>。
具体地，所述为参照发电站制定调度方案，包括：将综合调度能力系数大于0的各指定发电站记为各目标发电站，按照综合调度能力系数从大到小的数值顺序对各目标发电站进行排列，将排列顺序位于第一的目标发电站作为第一推荐调度发电站，若其在调度时间段内针对参照发电站的可调度电量大于或等于参照发电站的调度电量，则将第一推荐调度发电站反馈至电网中心，反之顺延排列顺序位于第二的目标发电站作为第二推荐调度发电站，若其与第一推荐调度发电站在调度时间段内针对参照发电站的累加值大于或等于参照发电站的调度电量，则将第一、二推荐调度发电站一同反馈至电网中心，以此类推直至参照发电站的调度电量被满足。
本发明实施例通过结合各指定发电站的调度安全系数、调度充盈系数和调度经济系数，计算各指定发电站的综合调度能力系数，确保参照发电站的调度电量被满足，从而为参照发电站制定调度方案，充分考虑了其调度安全、经济性和充盈程度三个维度，有助于提高电力调度的综合效益。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。
Claims (2)
1.一种智能识别训练数据分析方法，其特征在于，该方法包括：
S1.调度请求接收：接收目标区域某发电站的调度请求信息，包括调度时间段和调度电量，并将目标区域该发电站记为参照发电站；
S2.发电站数据采集：将目标区域除参照发电站外的其余各发电站记为各指定发电站，采集各指定发电站的基础电力参数、当前运行参数和历史负载参数；
S3.调度路径获取：基于目标区域的电网拓扑结构框架，获取各指定发电站与参照发电站供电区域的各调度线路，记为各指定发电站的调度路径,采集各指定发电站的调度路径的基础布设参数；
S4.调度安全评估：基于各指定发电站的当前运行参数以及调度路径的基础布设参数，解析各指定发电站的调度安全系数，/>为各指定发电站的编号，/>；
S5.调度充盈评估：基于各指定发电站的历史负载参数以及调度路径的基础布设参数，预估各指定发电站在调度时间段内针对参照发电站的可调度电量，解析各指定发电站的调度充盈系数；
S6.调度经济评估：基于各指定发电站的基础电力参数以及调度路径的基础布设参数，解析各指定发电站的调度经济系数；
S7.调度方案制定：基于各指定发电站的调度安全系数、调度充盈系数和调度经济系数，计算各指定发电站的综合调度能力系数，据此为参照发电站制定调度方案；
所述基础电力参数包括电力能源类型及其标准能量转化效率范围、单位电力能源消耗对应的供电成本、发电设备额定功率对应的电力能源消耗量；
所述当前运行参数包括设备运行参数和线路运行参数，其中设备运行参数包括监测时间段内各监测时间点发电设备的电力能源消耗量、振动幅值和运行温度值，线路运行参数包括监测时间段内各监测时间点供电路径的输入端供应电量、输出端供应电量以及实际负载用电量；
所述历史负载参数包括历史各年各天各单位时间段的负载用电量；
所述基础布设参数包括各调度线路的长度、设定供电比例、线材类型和变压次数；
所述解析各指定发电站的调度安全系数，包括：根据各指定发电站的基础电力参数中电力能源类型及其标准能量转化效率范围，获取各指定发电站电力能源的合理能量转化率以及能量转化率合理偏差值/>；
提取各指定发电站的设备运行参数中监测时间段内各监测时间点发电设备的电力能源消耗量、振动幅值/>和运行温度值/>，/>为监测时间段内各监测时间点的编号，，结合各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输入端供应电量/>，由公式/>得到各指定发电站监测时间段内各监测时间点的实际能量转化效率，计算各指定发电站的供电安全指数/>，，其中/>为预设的发电机合理的振动幅阈值、运行温度阈值，/>为监测时间段内监测时间点数量，/>为自然常数；
提取各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输出端供应电量和实际负载用电量，以时间为横轴以电能为纵轴，分别构建各指定发电站的供电曲线和负载曲线，并一同导入Matlab软件内，采用测量工具获取各指定发电站的供电曲线长度、供电曲线和负载曲线的重合线段长度/>，采用曲线拟合工具生成各指定发电站的供电曲线、负载曲线的拟合函数，记为/>、/>，获取监测时间段内各监测时间点中的起始监测时间点和结束监测时间点，分别记为/>，计算各指定发电站的供电稳定指数，/>，其中/>为预设的函数面积合理偏差阈值；
所述解析各指定发电站的调度安全系数，还包括：根据各指定发电站调度路径的基础布设参数中各调度线路的设定供电比例，/>为各调度线路的编号，/>，结合参照发电站的调度时间段对应时长/>和调度电量/>，计算各指定发电站各调度线路的参照线路容量/>，/>；
提取各指定发电站调度路径的基础布设参数中各调度线路的线材类型，根据WEB云端存储的线材生产制造商规定各类线材的标准线路容量，获取各指定发电站各调度线路的标准线路容量，进而计算各指定发电站的输送安全裕度/>，/>；
分析各指定发电站的调度安全系数，其计算公式为：/>；
所述预估各指定发电站在调度时间段内针对参照发电站的可调度电量，包括：根据各指定发电站的基础电力参数中发电设备额定功率对应的电力能源消耗量，结合各指定发电站监测时间段内各监测时间点的实际能量转化效率/>，计算各指定发电站调度时间段内的参照供电电量/>，/>；
提取各指定发电站的历史负载参数中历史各年各天各单位时间段的负载用电量，根据当天所处季节以及调度时间段，筛选出各指定发电站历史各年相同季节内各天调度时间段内各单位时间段的负载用电量，将各单位时间段的负载用电量进行累加，得到各指定发电站历史各年相同季节内各天调度时间段内的负载用电量，/>为历史各年的编号，，/>为相同季节内各天的编号，/>，计算各指定发电站调度时间段内的参照负载用电量/>，/>，其中/>分别为历史年份数量、相同季节内天数；
根据各指定发电站的线路运行参数中监测时间段内各监测时间点供电路径的输入端供应电量和输出端供应电量/>，计算各指定发电站调度时间段内的参照供电输送损耗电量/>，/>；
根据各指定发电站各调度线路的线材类型以及WEB云端存储的线材生产制造商规定各类线材单位输电距离下的标准线损率和单次变压下的基准线损率，获取各指定发电站各调度线路单位输电距离下的标准线损率和单次变压下的基准线损率/>，结合各指定发电站的调度路径的基础布设参数中各调度线路的长度/>和变压次数/>，计算各指定发电站调度时间段内的参照调度输送损耗电量/>，/>；
由公式得到各指定发电站在调度时间段内针对参照发电站的可调度电量；
所述解析各指定发电站的调度充盈系数，包括：提取参照发电站的调度电量，将各指定发电站在调度时间段内针对参照发电站的可调度电量与参照发电站的调度电量的比值作为各指定发电站的调度充盈系数；
所述解析各指定发电站的调度经济系数，包括：根据参照发电站的调度电量，结合各指定发电站的基础电力参数中的单位电力能源消耗对应的供电成本/>，计算各指定发电站的参照供电成本/>，/>；
根据各指定发电站各调度线路的线材类型以及WEB云端存储的线材生产制造商规定各类线材单位输电距离下的基准输电成本，获取各指定发电站各调度线路的单位输电距离下的基准输电成本，计算各指定发电站的参照输电成本/>，/>；
设定各类电力能源的供电经济效益影响权重，获取各指定发电站电力能源对应的供电经济效益影响权重，由公式/>得到各指定发电站的调度经济系数；
所述各指定发电站的综合调度能力系数的计算公式为：，其中/>为/>。
2.根据权利要求1所述的一种智能识别训练数据分析方法，其特征在于：所述为参照发电站制定调度方案，包括：将综合调度能力系数大于0的各指定发电站记为各目标发电站，按照综合调度能力系数从大到小的数值顺序对各目标发电站进行排列，将排列顺序位于第一的目标发电站作为第一推荐调度发电站，若其在调度时间段内针对参照发电站的可调度电量大于或等于参照发电站的调度电量，则将第一推荐调度发电站反馈至电网中心，反之顺延排列顺序位于第二的目标发电站作为第二推荐调度发电站，若其与第一推荐调度发电站在调度时间段内针对参照发电站的累加值大于或等于参照发电站的调度电量，则将第一、二推荐调度发电站一同反馈至电网中心，以此类推直至参照发电站的调度电量被满足。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410190298.0A CN117748502B (zh) | 2024-02-21 | 2024-02-21 | 一种智能识别训练数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410190298.0A CN117748502B (zh) | 2024-02-21 | 2024-02-21 | 一种智能识别训练数据分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117748502A CN117748502A (zh) | 2024-03-22 |
| CN117748502B true CN117748502B (zh) | 2024-05-14 |
Family
ID=90251236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410190298.0A Active CN117748502B (zh) | 2024-02-21 | 2024-02-21 | 一种智能识别训练数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117748502B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778550A (zh) * | 2015-04-15 | 2015-07-15 | 国网湖南省电力公司 | 一种基于实时运行数据的电网质量分析方法 |
| CN107767067A (zh) * | 2017-10-31 | 2018-03-06 | 国网福建省电力有限公司 | 基于大数据的配电网调度运行评价考核指标体系构建方法 |
| JP2018042456A (ja) * | 2016-09-08 | 2018-03-15 | 株式会社 ビーアイマトリックスＢｉ Ｍａｔｒｉｘ Ｃｏ．，Ｌｔｄ | 知能型電力使用環境における需用家向けにカスタマイズされた電力量スケジューリングシステム |
| WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
| CN114139761A (zh) * | 2021-09-30 | 2022-03-04 | 国网湖北省电力有限公司电力科学研究院 | 一种针对电网黑启动初始启动路径的深度优先搜索方法 |
| CN115085385A (zh) * | 2022-08-03 | 2022-09-20 | 国网安徽省电力有限公司宿州供电公司 | 一种电力网络安全监测分析方法 |
| CN116128167A (zh) * | 2023-04-17 | 2023-05-16 | 江苏图南数字科技有限公司 | 一种基于云计算实时监测的分布式光伏发电分析方法 |
| CN117335403A (zh) * | 2023-10-17 | 2024-01-02 | 拓锐科技有限公司 | 一种基于大数据的智能电网配网调度运行管理方法 |
| CN117374978A (zh) * | 2023-12-07 | 2024-01-09 | 国网江苏省电力有限公司南通供电分公司 | 结合知识图谱构建的并网调度管理方法及系统 |
-
2024
- 2024-02-21 CN CN202410190298.0A patent/CN117748502B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778550A (zh) * | 2015-04-15 | 2015-07-15 | 国网湖南省电力公司 | 一种基于实时运行数据的电网质量分析方法 |
| JP2018042456A (ja) * | 2016-09-08 | 2018-03-15 | 株式会社 ビーアイマトリックスＢｉ Ｍａｔｒｉｘ Ｃｏ．，Ｌｔｄ | 知能型電力使用環境における需用家向けにカスタマイズされた電力量スケジューリングシステム |
| CN107767067A (zh) * | 2017-10-31 | 2018-03-06 | 国网福建省电力有限公司 | 基于大数据的配电网调度运行评价考核指标体系构建方法 |
| WO2021244000A1 (zh) * | 2020-06-03 | 2021-12-09 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
| CN114139761A (zh) * | 2021-09-30 | 2022-03-04 | 国网湖北省电力有限公司电力科学研究院 | 一种针对电网黑启动初始启动路径的深度优先搜索方法 |
| CN115085385A (zh) * | 2022-08-03 | 2022-09-20 | 国网安徽省电力有限公司宿州供电公司 | 一种电力网络安全监测分析方法 |
| CN116128167A (zh) * | 2023-04-17 | 2023-05-16 | 江苏图南数字科技有限公司 | 一种基于云计算实时监测的分布式光伏发电分析方法 |
| CN117335403A (zh) * | 2023-10-17 | 2024-01-02 | 拓锐科技有限公司 | 一种基于大数据的智能电网配网调度运行管理方法 |
| CN117374978A (zh) * | 2023-12-07 | 2024-01-09 | 国网江苏省电力有限公司南通供电分公司 | 结合知识图谱构建的并网调度管理方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| Optimal energy management integration for a petrochemical plant under-considerations of uncertain power supplies;Wu T Y;《Power Systems》;20051231;第1431-1439页 * |
| 电力电量平衡评价指标体系及其综合评估方法研究;蒲天骄等;《电网技术》;20150131;第250-256页 * |
| 电网经济性与安全性的精益化协调方法;孙欣等;《电网技术》;20091231;第12-17页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117748502A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113746144B (zh) | 一种源网荷实时交互的电碳控制方法及其智能管理系统 | |
| CN106874630B (zh) | 基于电量消纳的区域电网新能源开发潜力评估方法 | |
| US8659186B2 (en) | Methods and systems for controlling a power conversion system | |
| Jabr et al. | Intermittent wind generation in optimal power flow dispatching | |
| CN112968441B (zh) | 一种应用于大规模风电基地的电网规划方法 | |
| Weinand et al. | Identification of potential off-grid municipalities with 100% renewable energy supply for future design of power grids | |
| Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
| CN115619288A (zh) | 一种分布式综合能源的利用评估方法及系统 | |
| Fan et al. | Scheduling framework using dynamic optimal power flow for battery energy storage systems | |
| CN107222167A (zh) | 一种光伏电站智能监控平台 | |
| CN105528668A (zh) | 一种风电并网电力系统动态环境经济调度方法 | |
| Qian et al. | Benefits of energy storage in power systems with high level of intermittent generation | |
| CN115330021A (zh) | 一种考虑沼气电热利用比的综合能源运行优化系统及方法 | |
| CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
| CN105391051A (zh) | 一种智能变电站能效提升改造节能量计算方法 | |
| CN117748502B (zh) | 一种智能识别训练数据分析方法 | |
| Kennedy et al. | Distributed generation as a balancing resource for wind generation | |
| Yu et al. | Day-ahead optimal dispatch of integrated energy system considering wind power forecasting and integrated demand response | |
| Hayes et al. | All-scale modelling of wind generation and responsive demand in power system studies | |
| CN113187672B (zh) | 一种风力发电站的潜能评估方法 | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| CN106203704A (zh) | 引入抽水蓄能装置的发电机组二氧化碳排放量测算方法 | |
| Yang et al. | Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission | |
| Zhang et al. | Cost-benefit analysis method for optimizing spinning reserve requirements with consideration of wind power generation under carbon trading environment | |
| Ghahramani et al. | Incorporation of demand response programs and wind turbines in optimal scheduling of smart distribution networks: A case study |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Intelligent Recognition Training Data Analysis Method Granted publication date: 20240514 Pledgee: Jinan area branch of Shandong free trade zone of Qilu Bank Co.,Ltd. Pledgor: SHANDONG HENGMAI INFORMATION & TECHNOLOGY Co.,Ltd. Registration number: Y2024980021731 |