CN117833217A - 一种配电变压器负载调整方法、装置、设备以及介质 - Google Patents
一种配电变压器负载调整方法、装置、设备以及介质 Download PDFInfo
- Publication number
- CN117833217A CN117833217A CN202311722846.1A CN202311722846A CN117833217A CN 117833217 A CN117833217 A CN 117833217A CN 202311722846 A CN202311722846 A CN 202311722846A CN 117833217 A CN117833217 A CN 117833217A
- Authority
- CN
- China
- Prior art keywords
- load
- distribution
- data
- distribution transformer
- actual
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 295
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000009469 supplementation Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 230000005856 abnormality Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电变压器负载调整方法、装置、设备以及介质,对目标厂站内的每个配电变压器,基于预设时刻,确定配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据;其中,负载数据包括电流数据、电压数据或功率因数数据;基于预测负载数据和实际负载数据,确定配电变压器的实际配电结果;其中,实际配电结果包括欠载配电结果或过载配电结果;对目标厂站内的各配电变压器,将欠载配电结果的配电变压器上的目标负载转接至过载配电结果的配电变压器上,以完成负载分配调整。本发明可以主动调整配电变压器的运行状态,以避免潜在的过载风险,提高电网可靠性和稳定性,提高了电力资源利用率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种配电变压器负载调整方法、装置、设备以及介质。
背景技术
在实际的电力系统中,一个变电厂站内通常会包含多个配电变压器,它们共同为该厂站提供电力,而这些配电变压器之间的负载分布可能是不均衡的。目前,通常是解决一个目标厂站内单个配电变压器供电的问题,无法对一个厂站的所有配电变压器进行整体调整,存在过载、欠载等不均衡负荷的技术问题,从而影响电力系统的可靠性和稳定性。
发明内容
本发明提供了一种配电变压器负载调整方法、装置、设备以及介质,以主动调整配电变压器的运行状态,以避免潜在的过载风险,提高电网可靠性和稳定性,提高电力资源的利用率。
根据本发明的第一方面,提供了一种配电变压器负载调整方法,该方法包括:
对目标厂站内的每个配电变压器,基于预设时刻,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据;其中,所述负载数据包括电流数据、电压数据或功率因数数据;
基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果;其中,所述实际配电结果包括欠载配电结果或过载配电结果;
对所述目标厂站内的各配电变压器,将所述欠载配电结果的配电变压器上的目标负载转接至所述过载配电结果的配电变压器上,以完成负载分配调整。
根据本发明的第二方面,提供了一种配电变压器负载调整装置,该装置包括:
负载数据获取模块,用于对目标厂站内的每个配电变压器,基于预设时刻,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据;其中,所述负载数据包括电流数据、电压数据或功率因数数据;
配电结果确定模块,用于基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果;其中,所述实际配电结果包括欠载配电结果或过载配电结果;
负载调整模块,用于对所述目标厂站内的各配电变压器,将所述欠载配电结果的配电变压器上的目标负载转接至所述过载配电结果的配电变压器上,以完成负载分配调整。
根据本发明的第三方面,提供了一种电子设备,电子设备包括:
至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的配电变压器负载调整方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的配电变压器负载调整方法。
本发明实施例的技术方案,对目标厂站内的每个配电变压器,基于预设时刻,确定配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据,其中,负载数据包括电流数据、电压数据或功率因数数据,进而,基于预测负载数据和实际负载数据,确定配电变压器的实际配电结果,其中,实际配电结果包括欠载配电结果或过载配电结果,从而,对目标厂站内的各配电变压器,将欠载配电结果的配电变压器上的目标负载转接至过载配电结果的配电变压器上,以完成负载分配调整。本发明可以主动调整配电变压器的运行状态,以避免潜在的过载风险,提高电网可靠性和稳定性,提高电力资源的利用率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中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是根据本发明实施例一提供的一种配电变压器负载调整方法的流程图;
图2是根据本发明实施例二提供的一种配电变压器负载调整方法的流程图;
图3是根据本发明实施例三提供的一种配电变压器负载调整装置的结构示意图;
图4是实现本发明实施例的配电变压器负载调整方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
在介绍本发明实施例提供的技术方案之前,可以先对本方案的具体应用场景进行示例性说明。在实际应用中,可以通过目标厂站内的多个配电变压器构成配电系统,在配电变压器为负载提供电能的场景中,负载均衡具有以下多方面的有益效果,具体包括:(1)高流量处理:当一个配电变压器面临高流量时,负载均衡可以帮助分散请求的负载,将流量均匀分配到多个配电变压器上,以确保配电系统能够高效处理大量负载请求。(2)高可用性和容错性:通过监控配电变压器的健康状态,并在配电变压器故障或超载的情况下将请求转发到其他可用的配电变压器上。这提供了高可用性和容错性,使配电系统能够继续运行而不会出现单点故障。(3)性能优化:通过将负载请求路由到最佳的配电变压器上,以提供最佳性能和响应时间。通过动态调整负载分配策略,可以平衡配电系统中各个配电变压器的负载,避免出现性能瓶颈或资源浪费。(4)水平扩展:负载均衡使得配电系统可以更容易地进行水平扩展,即通过增加服务器或节点来增加配电系统的处理能力和吞吐量。可以自动将负载流量分配到新添加的服务器上,实现系统的横向扩展,而无需对整个配电系统进行大规模的修改。(5)资源利用率最大化:负载均衡可以根据配电变压器的负载情况和性能能力,将请求分配到最适合的配电变压器上,以最大化资源的利用率。这有助于减少资源浪费,提高系统的效率和成本效益。(6)弹性和灵活性:负载均衡可以根据业务需求和流量模式进行动态调整和配置,以适应不同的工作负载和变化的环境。这提供了系统的弹性和灵活性,使其能够适应不断变化的需求和条件。因此,对多个配电变压器进行负载均衡处理,对提高电力资源利用率,保障电力系统的可靠性和稳定性是至关重要的。
图1是本发明实施例一提供的一种配电变压器负载调整方法的流程图,本实施例可适用于对多个配电变压器进行负载均衡调整的情况,该方法可以由配电变压器负载调整装置来执行,该配电变压器负载调整装置可以采用硬件和/或软件的形式实现,该配电变压器负载调整装置可配置于终端和/或服务器中。如图1所示,该方法包括:
S110、对目标厂站内的每个配电变压器,基于预设时刻,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据。
在本实施例中,目标厂站内包括多个配电变压器。配电变压器是给多个需电设备提供电能的硬件设备,这些需电设备可以称之为配电变压器的负载。
其中,负载数据可以是配电变压器输出的电流数据、电压数据或功率因数数据。预设时刻可以是预先设定的时间点。目标厂站可以包括风力发电厂站和光伏发电厂站。预设区域内的一个风力发电厂可以被认为是一个目标厂站;预设区域内的一个光伏发电厂也可以被认为是一个目标厂站。
其中,下一预测时间段可以是以预设时刻为时间起点,以预设时长为步长,所确定的时间段。示例性的,预设时刻为每天的零点时刻,例如,预设时刻为1月2日的0:00时刻,预设时长为1天,则相对于预设时刻1月2日的0:00的下一预测时间段为1月2日的0:00-1月3日的0:00这一时间段。
其中,预测负载数据可以是根据历史数据预测的下一预测时间段内配电变压器对应的负载数据。实际负载数据是下一预测时间段内配电变压器实际产生的负载数据。
具体的,可以预先设定定时任务,根据定时任务,对目标厂站内的各个配电变压器,周期性的,每到预设时刻,确定当前预设时刻下一预测时间段对应的预测负载数据以及实际负载数据。
对于目标厂站内的各配电变压器,确定下一预测时间段的预测负载数据以及实际负载数据的具体方式都是相同的,接下来以一个配电变压器为例进行具体说明。
可选的,确定配电变压器在预设时刻下一预测时间段对应的预测负载数据,包括:
(1)基于预设时刻,获取在预设时刻上一预设时间段对应的历史负载数据、气象数据、日期数据。
其中,历史负荷数据为当前时刻之前的实际负荷数据,气象数据可以包括温度数据、湿度数据、风向数据等,日期数据为上一预设时间段对应的具体日期以及具体星期数据。
示例性的,预设时刻为1月2日的0:00时刻,上一预设时间段为1月1日的0:00-1月2日的0:00这一时间段,则获取1月1日的0:00-1月2日的0:00这一时间段内各个负载数据采样时间点对应的历史负载数据:{a,b,c,…}、这个时间段内的气象数据:{温度数据,湿度数据,风向数据},以及这个时间段对应的日期数据:{1月1日,星期X}。
(2)基于所述历史负载数据、气象数据、日期数据以及预先训练好的负载预测模型,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据。
其中,负载预测模型可以是神经网络预测模型。例如,负载预测模型可以是LSTM网络、支持向量机网络、遗传算法网络、粒子群算法网络等。
示例性的,预设时刻下一预测时间段为1月2日的0:00-1月3日的0:00这一时间段,将步骤(1)中获取到的1月1日的0:00-1月2日的0:00这一时间段历史负载数据、气象数据、日期数据输入至预先训练好的负载预测模型,得到配电变压器在预设时刻下一预测时间段对应的预测负载数据。
可选的,确定所述配电变压器在预设时刻下一预测时间段对应的实际负载数据,包括:获取所述下一预测时间段内各个时刻对应的当前负载数据;对各所述当前负载数据进行平均处理,得到所述预设时刻下一预测时间段对应的实际负载数据。
在本实施例中,负载数据的采集周期是预先设定好的。例如,可以是每隔5秒采集一次负载数据。若下一预测时间段为1天,每隔5秒钟采集一次当前负载数据,则可以得到17280个当前负载数据,对这17280个当前负载数据进行平均处理,可以得到预设时刻下一预测时间段对应的实际负载数据。
特别的,对于各个时刻对应的当前负载数据,可以对当前负载数据进行数据预处理,从而得到更加适应于数据分析处理的标准化数据。可选的,对当前负载数据进行数据预处理,其中,数据预处理步骤包括去除异常值、补充缺失数据、归一化处理、标准化处理中的至少一种,从而可以确保数据在相同的尺度上进行处理。
S120、基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果。
其中,所述实际配电结果包括欠载配电结果或过载配电结果。欠载配电结果表示配电变压器当前实际上接入的负载不足,可以为其增加接入负载。过载配电结果表示配电变压器当前实际上接入的负载过量,可以为其减少接入负载。
具体的,确定配电变压器的实际配电结果,具体包括:确定所述预测负载数据和所述实际负载数据之间的负载差值;若所述负载差值为正数,且所述负载差值的绝对值大于预设阈值,确定所述配电变压器的实际配电结果为欠载配电结果;若所述负载差值为负数,且所述负载差值的绝对值大于预设阈值,确定所述配电变压器的实际配电结果为过载配电结果。
在本实施例中,预先设定的误差阈值称之为预设阈值,在具体应用过程中,对预测负载数据和实际负载数据作差运算,得到负载差值。如果负载差值为正数,并且负载差值的绝对值大于预设阈值,则表明预测负载数据大于实际负载数据,此时,配电变压器的实际配电结果为欠载配电结果;如果负载差值为负数,并且负载差值的绝对值大于预设阈值,则表明预测负载数据小于实际负载数据,此时,配电变压器的实际配电结果为过载配电结果。基于此,可以确定目标厂站内每个配电变压器的实际配电结果。
需要特别说明的是,还有另外一种情况,即为负载差值的绝对值小于预设阈值,此时,认为配电变压器的实际接入负载与预测接入负载的差异是可以忽略的,该配电变压器的接入负载是相对合理的,无需调整。
S130、对所述目标厂站内的各配电变压器,将所述欠载配电结果的配电变压器上的目标负载转接至所述过载配电结果的配电变压器上,以完成负载分配调整。
在本实施例中,对于目标厂站内的各配电变压器,实际配电结果为已知量,可以将实际配电结果为欠载配电结果的配电变压器确定为第一配电变压器,将实际配电结果为过载配电结果的配电变压器确定为第二配电变压器;将第二配电变压器上的目标负载接入第一配电变压器上,以完成负载分配调整。
特别的,每个配电变压器都对应一个预设限制负载阈值,用于表征配电变压器可以为负载供电的最大极限值。在进行负载分配调整的过程中,对于每个配电变压器而言,配电变压器上的总负载配电量不超过预设限制负载阈值,从而保证每个配电变压器的安全运行。
本发明实施例的技术方案,对目标厂站内的每个配电变压器,基于预设时刻,确定配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据,其中,负载数据包括电流数据、电压数据或功率因数数据,进而,基于预测负载数据和实际负载数据,确定配电变压器的实际配电结果,其中,实际配电结果包括欠载配电结果或过载配电结果,从而,对目标厂站内的各配电变压器,将欠载配电结果的配电变压器上的目标负载转接至过载配电结果的配电变压器上,以完成负载分配调整。本发明可以主动调整配电变压器的运行状态,以避免潜在的过载风险,提高电网可靠性和稳定性,提高电力资源的利用率。
在上述实施例的基础上,在得到实际负载数据的基础上,可以根据实际负载数据进行异常检测和风险提示,具体可以包括:基于实际负载数据和预先设定的正常设备阈值范围,确定变压器检测结果;若变压器检测结果为异常检测结果,则进行变压器异常警告。
在本实施例中,对于每一个配电变压器而言,可以预设配电变压器正常运行的情况下的正常设备阈值范围。变压器检测结果包括常检测结果和异常检测结果。
具体的,对每个配电变压器而言,在获取配电变压器实际负载数据的基础上,确定配电变压器实际负载数据是否位于正常设备阈值范围内;若是,则变压器检测结果为正常检测结果;若否,则变压器检测结果为异常检测结果。基于此,当变压器检测结果为异常检测结果,可以发出变压器异常警告信息。例如,可以将变压器异常警告信息发送至操作用户的目标终端。将变压器异常警告信息发送至相应的目标终端还可以包括下述至少一种方式:将变压器异常警告信息上报至目标终端设备;上报包括邮件、语音通话以及信息推送中的至少一种;将变压器异常警告信息反馈至目标监控系统,并展示于监控显示页面中。从而,可以减少配电变压器的损失。
实施例二
在本发明实施例中,以一个具体的实施方式介绍配电变压器负载调整方法。如图2所示,配电变压器负载调整方法的具体步骤如下:
(1)实时负载数据采集。从传感器和智能仪表获取配电变压器的电流、电压等实时数据。使用通信协议(如Modbus、OPC等)与数据源建立连接,实时获取当前负载数据,并基于当前负载数据,确定实际负载数据。
(2)负载数据预处理。对采集的数据进行清洗包括去除异常值、处理缺失数据等。数据归一化、标准化,确保数据在相同的尺度上进行处理。
(3)数据特征提取。从预处理的数据中提取有用的特征,例如,负载变化趋势、功率因数、负载波动等。可以使用信号处理技术,如傅里叶变换、小波变换等来提取频域和时域特征。
(4)数据建模。使用智能算法进行数据建模,如机器学习(例如,支持向量机、神经网络)或优化算法(例如,遗传算法、粒子群算法)。将历史特征数据作为输入训练模型以预测负载情况。
(5)模型优化和验证。优化模型的参数和结构,以提高模型的准确性和泛化能力使用交叉验证、迭代优化等技术进行模型验证和评估。
(6)生成负载分配调整控制方式。基于模型预测输出的预测负载数据以及实际负载数据之间的差异,生成针对配电变压器的负载分配调整控制方式。
(7)控制信号生成。将负载分配方式转化为具体的控制信号,用于控制配电变压器的运行。根据分配方式生成调整变压器输出功率、电压控制等的控制命令。
(8)控制信号传输。将生成的控制信号传送给配电变压器系统进行执行,通过通信协议将控制命令传输至操作装置。
(9)反馈检测。实时监测控制信号的执行情况,以及配电变压器的实际负载状态通过传感器和智能仪表获取反馈数据,如实际电流、温度、功率等。
(10)优化迭代。基于反馈数据对模型进行优化迭代,以提高负载管理和优化控制的性能,可以使用在线学习技术,动态更新模型参数,以适应实时变化的负载情况。
(11)用户界面报告。提供用户界面,用于监控系统运行状态、查看负载信息和生成报告。还可以显示实时负载曲线、模型预测结果、优化控制策略等。生成历史数据报告用于分析和评估系统性能。
特别的,在上述实施例的基础上,在对多个配电变压器进行负载均衡和优化的过程中,还可以从能源成本优化的角度进一步提高资源利用率。例如,考虑电能价格波动和供需情况,设计一个智能算法来控制配电变压器负载,以在能源成本最低的情况下运行。在具体执行过程中,可以通过实时监测市场电价、负载预测和能源存储等因素,动态调整变压器的运行参数。从而,在电能价格较低的时段,系统可以自动调整负载分配,将更多的负载转移到这个时段,以降低能源成本。
本发明实施例提供的技术方案,通过可以根据实时监测和预测数据,动态调整每个配电变压器的负载,使其在系统容量范围内保持均衡,优化调节每个配电变压器的接入负载和输出功率,这种综合考虑多个配电变压器的优化策略可以带来更全面的系统性能提升,而不仅仅是解决单个配电变压器的问题。本方案有效的利用系统资源,降低了系统过载风险,提高了能源利用效率,减少了电网运行成本,提高了电力系统的可靠性和稳定性。
实施例三
图3是本发明实施例三提供的一种配电变压器负载调整装置的结构示意图。如图3所示,该装置包括:负载数据获取模块310、配电结果确定模块320以及负载调整模块330。
其中,负载数据获取模块310,用于对目标厂站内的每个配电变压器,基于预设时刻,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据;其中,所述负载数据包括电流数据、电压数据或功率因数数据;
配电结果确定模块320,用于基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果;其中,所述实际配电结果包括欠载配电结果或过载配电结果;
负载调整模块330,用于对所述目标厂站内的各配电变压器,将所述欠载配电结果的配电变压器上的目标负载转接至所述过载配电结果的配电变压器上,以完成负载分配调整。
本发明实施例的技术方案,对目标厂站内的每个配电变压器,基于预设时刻,确定配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据,其中,负载数据包括电流数据、电压数据或功率因数数据,进而,基于预测负载数据和实际负载数据,确定配电变压器的实际配电结果,其中,实际配电结果包括欠载配电结果或过载配电结果,从而,对目标厂站内的各配电变压器,将欠载配电结果的配电变压器上的目标负载转接至过载配电结果的配电变压器上,以完成负载分配调整。本发明可以主动调整配电变压器的运行状态,以避免潜在的过载风险,提高电网可靠性和稳定性,提高电力资源的利用率。
可选的,每个所述配电变压器上的总负载配电量小于的预设限制负载阈值。
可选的,负载数据获取模块310包括:预测数据确定子模块和实际数据确定子模块;
其中,预测数据确定子模块,包括:
历史数据获取单元,用于基于预设时刻,获取在预设时刻上一预设时间段对应的历史负载数据、气象数据、日期数据;
预测数据确定单元,用于基于所述历史负载数据、气象数据、日期数据以及预先训练好的负载预测模型,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据。
实际数据确定子模块,包括:
当前数据获取单元,用于获取所述下一预测时间段内各个时刻对应的当前负载数据;
实际数据确定单元,用于对各所述当前负载数据进行平均处理,得到所述预设时刻下一预测时间段对应的实际负载数据。
优选的,所述当前数据获取单元还包括数据预处理子单元,具体用于对所述当前负载数据进行数据预处理;其中,所述数据预处理步骤包括去除异常值、补充缺失数据、归一化处理、标准化处理中的至少一种。
可选的,配电结果确定模块320,包括:
负载差值确定单元,用于确定所述预测负载数据和所述实际负载数据之间的负载差值;
欠载配电确定单元,用于若所述负载差值为正数,且所述负载差值的绝对值大于预设阈值,确定所述配电变压器的实际配电结果为欠载配电结果;
过载配电确定单元,用于若所述负载差值为负数,且所述负载差值的绝对值大于预设阈值,确定所述配电变压器的实际配电结果为过载配电结果。
可选的,配电变压器负载调整装置还包括:数据异常报警模块,具体用于基于所述实际负载数据和预先设定的正常设备阈值范围,确定变压器检测结果;若所述变压器检测结果为异常检测结果,则进行变压器异常警告。
本发明实施例所提供的基本电费异常检测装置可执行本发明任意实施例所提供的基本电费异常检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如配电变压器负载调整方法。
在一些实施例中,配电变压器负载调整方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的配电变压器负载调整方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行配电变压器负载调整方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程配电变压器负载调整装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种配电变压器负载调整方法,其特征在于,包括:
对目标厂站内的每个配电变压器,基于预设时刻,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据;其中,所述负载数据包括电流数据、电压数据或功率因数数据;
基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果;其中,所述实际配电结果包括欠载配电结果或过载配电结果;
对所述目标厂站内的各配电变压器,将所述欠载配电结果的配电变压器上的目标负载转接至所述过载配电结果的配电变压器上,以完成负载分配调整。
2.根据权利要求1所述的方法,其特征在于,所述确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据,包括:
基于预设时刻,获取在预设时刻上一预设时间段对应的历史负载数据、气象数据、日期数据;
基于所述历史负载数据、气象数据、日期数据以及预先训练好的负载预测模型,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据。
3.根据权利要求1所述的方法,其特征在于,所述确定所述配电变压器在预设时刻下一预测时间段对应的实际负载数据,包括:
获取所述下一预测时间段内各个时刻对应的当前负载数据;
对各所述当前负载数据进行平均处理,得到所述预设时刻下一预测时间段对应的实际负载数据。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:对所述当前负载数据进行数据预处理;其中,所述数据预处理步骤包括去除异常值、补充缺失数据、归一化处理、标准化处理中的至少一种。
5.根据权利要求1所述的方法,其特征在于,所述基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果,包括
确定所述预测负载数据和所述实际负载数据之间的负载差值;
若所述负载差值为正数,且所述负载差值的绝对值大于预设阈值,确定所述配电变压器的实际配电结果为欠载配电结果;
若所述负载差值为负数,且所述负载差值的绝对值大于预设阈值,确定所述配电变压器的实际配电结果为过载配电结果。
6.根据权利要求1所述的方法,其特征在于,每个所述配电变压器上的总负载配电量小于的预设限制负载阈值。
7.根据权利要求1所述的方法,其特征在于,还包括:
基于所述实际负载数据和预先设定的正常设备阈值范围,确定变压器检测结果;
若所述变压器检测结果为异常检测结果,则进行变压器异常警告。
8.一种配电变压器负载调整装置,其特征在于,包括:
负载数据获取模块,用于对目标厂站内的每个配电变压器,基于预设时刻,确定所述配电变压器在预设时刻下一预测时间段对应的预测负载数据以及实际负载数据;其中,所述负载数据包括电流数据、电压数据或功率因数数据;
配电结果确定模块,用于基于所述预测负载数据和所述实际负载数据,确定所述配电变压器的实际配电结果;其中,所述实际配电结果包括欠载配电结果或过载配电结果;
负载调整模块,用于对所述目标厂站内的各配电变压器,将所述欠载配电结果的配电变压器上的目标负载转接至所述过载配电结果的配电变压器上,以完成负载分配调整。
9.一种电子设备,其特征在于,电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如权利要求1-7任一项的配电变压器负载调整方法。
10.一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一项的配电变压器负载调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311722846.1A CN117833217A (zh) | 2023-12-14 | 2023-12-14 | 一种配电变压器负载调整方法、装置、设备以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311722846.1A CN117833217A (zh) | 2023-12-14 | 2023-12-14 | 一种配电变压器负载调整方法、装置、设备以及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117833217A true CN117833217A (zh) | 2024-04-05 |
Family
ID=90512707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311722846.1A Pending CN117833217A (zh) | 2023-12-14 | 2023-12-14 | 一种配电变压器负载调整方法、装置、设备以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117833217A (zh) |
-
2023
- 2023-12-14 CN CN202311722846.1A patent/CN117833217A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2601957C2 (ru) | Способ и устройство управления энергетическими услугами на основе рыночных данных | |
EP3455913B1 (en) | Systems and methods for regulating a microgrid | |
CA3032409C (en) | Distributed resource electrical demand forecasting system and method | |
CN113190693B (zh) | 储能系统的数据处理方法、装置、电子设备及存储介质 | |
CN112070301A (zh) | 一种用户用电量调整方法、系统及设备 | |
CN115860383A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
WO2021033024A1 (en) | Hybrid machine learning and simulation based system for forecasting in electricity systems | |
CN115034927A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN202815533U (zh) | 基于云计算的水电站监控系统 | |
CN117833217A (zh) | 一种配电变压器负载调整方法、装置、设备以及介质 | |
CN115511453A (zh) | 一种数据处理方法、装置、设备及系统 | |
CN115494347A (zh) | 台区用电异常用户确认方法、装置、设备及存储介质 | |
CN115018293A (zh) | 一种供电线路负荷分析方法、装置、设备及存储介质 | |
CN114580968A (zh) | 一种用电管理方法、装置、设备和存储介质 | |
CN115036930A (zh) | 一种电力负荷控制方法、装置、电子设备及存储介质 | |
CN115912503A (zh) | 一种微网发电的调度方法、装置、设备及存储介质 | |
CN114977289A (zh) | 一种配电网中孤网运行的预测方法、装置和存储介质 | |
CN114186494A (zh) | 负荷确定方法、模型训练方法、装置以及电子设备 | |
CN115907380A (zh) | 用电负荷管理方法、装置、电子设备及存储介质 | |
CN115034672A (zh) | 一种停电损失确定方法、装置、设备及存储介质 | |
CN117252444A (zh) | 配电网规划方法、装置、电子设备及存储介质 | |
CN116247670A (zh) | 变电站变压器n-1负荷转供分析方法、装置、设备及介质 | |
CN117252612A (zh) | 一种供售电方案的确定方法、装置、电子设备及存储介质 | |
CN115456455A (zh) | 一种储能配置方法、装置、设备及存储介质 | |
CN117526380A (zh) | 一种充电功率调整方法、装置、控制系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |