CN117852848A - 基于大数据配置电力系统的数据信息管理系统 - Google Patents
基于大数据配置电力系统的数据信息管理系统 Download PDFInfo
- Publication number
- CN117852848A CN117852848A CN202410263322.9A CN202410263322A CN117852848A CN 117852848 A CN117852848 A CN 117852848A CN 202410263322 A CN202410263322 A CN 202410263322A CN 117852848 A CN117852848 A CN 117852848A
- Authority
- CN
- China
- Prior art keywords
- target
- value
- power
- scheduling
- electric quantity
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000010248 power generation Methods 0.000 claims description 36
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 27
- 230000005611 electricity Effects 0.000 claims description 16
- 230000001939 inductive effect Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000000540 analysis of variance Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于大数据配置电力系统的数据信息管理系统，包括数据采集单元、数据处理单元、计算分析单元和调度处理单元，本发明涉及信息管理技术领域。该基于大数据配置电力系统的数据信息管理系统，能够实现对电力系统的数据采集、处理和分析，以提高电力系统的运行效率和供电可靠性，通过采集多个目标发电站在目标时段的发电量和若干个目标区域内所有目标用户分别在目标时段内的用电量，对数据进行整合处理和分析，通过比较调度优先级系数，可确定每个发电站的具体调度输出量和每个区域的具体调度纳入量，确保供需平衡且符合电网的安全运行要求，实现对电力系统供需情况的全面了解，为调度决策提供科学依据。
Description
技术领域
本发明涉及信息管理技术领域，具体为基于大数据配置电力系统的数据信息管理系统。
背景技术
在电力系统的运行和管理中，如何有效地进行电力调度是至关重要的。传统的电力调度方法主要依赖于人工经验和简单的计算模型，无法处理复杂的电力系统和大规模的数据，也无法实时响应电力系统的变化。
随着大数据技术的发展，通过采集和分析电力系统中的大量数据，可以更准确地了解电力系统的运行状态，预测未来的电力需求，从而进行更有效的电力调度。然而，现有的基于大数据的电力调度系统仍然存在一些问题。首先，数据采集和处理的效率低下，无法实时响应电力系统的变化。其次，数据分析的准确性不高，无法提供准确的电力调度建议。最后，电力调度的策略过于简单，无法考虑到电力系统的各种复杂因素。
因此，需要新的基于大数据配置电力系统的数据信息管理系统，能够实时采集和处理电力系统中的发电量和用电量，通过详细的数据分析，提供准确的电力调度建议。
发明内容
针对现有技术的不足，本发明提供了基于大数据配置电力系统的数据信息管理系统，解决了背景技术中所提出的问题。
为实现以上目的，本发明通过以下技术方案予以实现：基于大数据配置电力系统的数据信息管理系统，包括：
数据采集单元，用于采集电力系统中多个目标发电站在目标时段的发电量和若干个目标区域内所有目标用户分别在目标时段内的用电量；
数据处理单元，用于依据预设指定周期内的多个目标时段的发电量和用电量，统计各个目标时段内目标发电站的总发电量和目标区域的总用电量，并计算时段内的发电量与用电量之差，以及统计各个目标发电站及其对应目标区域的发电量和用电量并计算出它们之间的电量差，随后根据电量差的正负值，将其分为三个集合：正值归集合一、负值归集合二和零值归集合三；
计算分析单元，用于对整合处理后的数据进行配置分析，并计算得出对应的调度输出值DSj和调度纳入值DNj；其中，调度输出值DSj表示为目标发电站对相应目标区域供电充足，且该目标发电站可为其他目标区域提供电能的电量值，其中，调度纳入值DNj表示为目标发电站对相应目标区域供电不足，且该目标区域需要从其他目标发电站调用电能的电量值；
调度处理单元，用于依据整合处理后的数据以及配置分析后得出的调度输出值和调度纳入值，计算各个目标发电站与各个目标区域之间的调度优先级系数，之后依据调度优先级系数选定相应的调配目标；其中，调配目标表示为目标发电站与目标区域之间的调配确定结果。
优选的，所述数据处理单元的具体方式如下：
Step11、获取各个标准时段目标发电站对应的目标区域；
Step12、在各个目标时段，统计出所有目标发电站的发电量总和以及所有目标区域的用电量总和；
Step13、计算出对应目标时段，相应发电量总和与对应用电量总和之间的电量和差值，并将发电量总和记为FHi，将用电量总和记为YHi，将电量和差值记为HCi，其中i=1、2、……n，表示为指定周期内目标时段的数量为n个；
Step14、在对应目标时段，统计出目标发电站及其对应的目标区域相应的发电量和用电量；
Step15、计算出发电量与对应用电量之间的电量差，并将发电量与对应用电量，以及对应得到的电量差分别标记为Fj，i、Yj，i、DCj，i，j=1、2、……m，表示为对应目标时段内目标发电站和目标区域的数量均为m个；
Step16、依据电量差的正负值，将电量差划分为3个集合，将差值为正值的所有电量差归纳为集合一，将差值为负值的所有电量差归纳为集合二，将差值为0的所有电量差归纳为集合三。
优选的，其中，电量和差值的计算公式为：HCi=FHi-YHi；
电量差的计算公式为：DCj，i=Fj，i-Yj，i，式中，在计算时，所有j的值相同，所有i的值相同。
优选的，所述计算分析单元的配置分析方式如下：
Step21、在一个目标时段中，即令i的值为1；
当HCi的值为正数，即表示发电量过剩，则获取从集合一中所有DCj，1；
随后通过公式Bj，i=DCj，i/HCi，计算得到各个电量差的比值Bj，i；
当HCi的值为负数，即表示用电量过多，则获取从集合二中所有DCj，1；
随后通过公式Bj，i=|DCj，i|/|HCi|，计算得到各个电量差的比值Bj，i；
Step22、通过方差分析方式，分析出一个目标发电站中通过Fj，i计算出相应的发电分析值FFj；在一个目标发电站对应的目标区域中，通过Yj，i计算出相应的用电分析值YYj；在所有目标发电站中通过FHi计算出的发电总和分析值FZ；在所有目标区域中通过YHi计算出的用电总和分析值YZ；通过各个电量差的比值Bj，i计算出的电量差占比分析值CF；
上述方差分析的方式如下：
在一个目标发电站中，即令j的值为1，获取所有目标时段的Fj，i；
利用方差计算公式，计算出所有目标时段的Fj，i之间的离散程度值LD；
然后将离散程度值与对应预设的离散阈值进行比较：
若离散程度值＞离散阈值，则表示各个发电量之间的离散程度过大，之后按照｜Fj，i-Fp｜从大到小的顺序依次删除对应的Fj，i值并对应计算剩余的离散程度值，直至离散程度值≤离散阈值，其中，Fp表示参与计算对应离散程度值时，所用的所有Fj，i的平均值；
之后获取离散程度值≤离散阈值时，参与计算相应离散程度值的Fj，i，并求取对应所有Fj，i的平均值，接着将其值标记为发电分析值FFj；
其中，用电分析值YYj、发电总和分析值FZ、用电总和分析值YZ、电量差占比分析值CF的具体计算方式均与发电分析值FFj所用的方差分析方式相同；
Step23、通过公式BFj=FFj/FZ，计算出各个目标发电站的发电占比BFj；
通过公式BYj=YYj/YZ，计算出各个目标区域的用电占比BYj；
Step24、对所有目标时段对应的集合一进行重复提取处理，随后获取重复提取处理后该所有目标发电站对应的FFj，以及目标发电站对应目标区域的YYj；
然后通过DSj=（FFj-YYj）*CF，计算出各个目标发电站与相应目标区域的调度输出值DSj；
Step25、同时在所有目标时段对应的集合二中，利用集合的交集提取所有集合二中均含有的目标发电站；
随后获取该所有目标发电站对应的FFj，以及目标发电站对应目标区域的YYj；
然后通过公式DNj=（FFj-YYj）*CF，计算出各个目标发电站与相应目标区域的调度纳入值DNj。
优选的，在Step22中，方差分析方式如下，且选取发电分析值进行分析：
在一个目标发电站中，即令j的值为1，获取所有目标时段的Fj，i；
再利用方差计算公式，计算出所有目标时段的Fj，i之间的离散程度值；
然后将离散程度值与对应预设的离散阈值进行比较：
若离散程度值＞离散阈值，则表示各个发电量之间的离散程度过大，之后按照｜Fj，i-Fp｜从大到小的顺序依次删除对应的Fj，i值并对应计算剩余的离散程度值，直至离散程度值≤离散阈值，其中，Fp表示参与计算对应离散程度值时，所用的所有Fj，i的平均值；
之后获取离散程度值≤离散阈值时，参与计算相应离散程度值的Fj，i，并求取对应所有Fj，i的平均值，接着将其值标记为发电分析值FFj。
优选的，在Step24中，重复提取处理方式为：
在所有目标时段对应的集合一中，利用集合的交集提取所有集合一中均含有的目标发电站。
优选的，调度处理单元的具体方式如下：
Step31、获取各个目标发电站与相应目标区域的调度输出值DSj；
同时获取各个目标发电站与相应目标区域的调度纳入值DNj；
Step32、计算出所有调度输出值之和，并将其记为SH，同时计算出所有调度纳入值之和，并将其记为NH；
Step33、通过公式BH=SH/NH，计算出调度输出值之和与调度纳入值之和的比例系数BH；
Step34、随后获取各个目标发电站与各个目标区域之间的地理距离，并根据各个目标发电站与各个目标区域之间的地理距离，以及调度输出值DSj和调度纳入值DNj，计算各个目标发电站与各个目标区域之间的调度优先级系数；
调度优先级系数的具体计算方式如下：
以一个可调度电量的目标发电站和一个需调度电量的目标区域为例；
获取该目标发电站至该目标区域的地理距离L；
同时获取该目标发电站的调度输出值DSj和该目标区域的调度纳入值DNj；
之后通过公式：；计算得出相应的调度优先级系数DY，式中，Yy为预设值，且YC与Yy的比较结果不同，即计算DY所用的公式不同，β、λ1、λ2均为预设的比例系数，且式中的DS和DN分别为该目标发电站的调度输出值DSj和该目标区域的调度纳入值DNj对应的代入值。
其中，调度优先级系数的计算方式还采用线性规划、最短路径算法中的任意一种；
Step35、以一个可调度电量的目标发电站为基准，获取其与其他需调度电量的目标区域通过调度优先级系数，并按照从大到小的顺序进行排序；
接着获取值最大的调度优先级系数所对应的目标区域作为调配目标；
然后按照该方式获取其他可调度电量的目标发电站对应排序后的调度优先级系数，并确定相应的调配目标。
优选的，其中，若两个及两个以上对应的目标区域为同一组，则将其对应的调度优先级系数进行比较，并选取值最大的调度优先级系数所对应的目标发电站作为该目标区域的调配目标，其他目标发电站则在对应排序后的调度优先级系数中选取值次大的一组目标区域的作为调配目标，以此类推。
优选的，还包括：用户交互界面，用于提供一个直观的用户界面，供系统操作员查看分析调配结果，并支持操作员进行手动调整和决策输入。
本发明提供了基于大数据配置电力系统的数据信息管理系统。与现有技术相比具备以下有益效果：
本发明通过大数据配置，可以实时采集和处理电力系统中的发电量和用电量，并通过对数据进行预处理，有效提高数据分析的效率和准确性；
本发明通过计算分析单元，可以对整合处理后的数据进行详细的配置分析，包括发电量和用电量的比值、离散程度值等，从而更好地理解电力系统的运行状态；
本发明通过调度处理单元，可以根据分析结果进行调度处理，包括计算调度输出值和调度纳入值，以及确定最佳的发电站到区域的调度方案，以最小化总成本或最大化效率；
本发明通过计算各个目标发电站与各个目标区域之间的调度优先级系数的步骤，进一步提高了调度的准确性和效率，通过比较调度优先级系数，可以确定每个发电站的具体调度输出量和每个区域的具体调度纳入量，确保供需平衡且符合电网的安全运行要求；
本发明通过用户交互界面，系统操作员不仅可以查看分析调配结果，还可以进行手动调整和决策输入，进一步提高了系统的可操作性和灵活性。
附图说明
图1为本发明的系统框图。
具体实施方式
下面将结合本发明的附图，对本发明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。
实施例一
请参阅图1，本发明提供技术方案：基于大数据配置电力系统的数据信息管理系统，包括：
数据采集单元，用于在电力系统中，采集多个目标发电站在目标时段的发电量和若干个目标区域内所有目标用户分别在目标时段内的用电量；
数据处理单元，用于对预设指定周期内的多个目标时段的发电量和用电量进行整合处理；
Step11、获取各个标准时段目标发电站对应的目标区域；
Step12、在各个目标时段，统计出所有目标发电站的发电量总和以及所有目标区域的用电量总和；
Step13、计算出对应目标时段，相应发电量总和与对应用电量总和之间的电量和差值，并将发电量总和记为FHi，将用电量总和记为YHi，将电量和差值记为HCi，其中i=1、2、……n，表示为指定周期内目标时段的数量为n个；
其计算公式为：HCi=FHi-YHi；
Step14、在对应目标时段，统计出目标发电站及其对应的目标区域相应的发电量和用电量；
Step15、计算出发电量与对应用电量之间的电量差，并将发电量与对应用电量，以及对应得到的电量差分别标记为Fj，i、Yj，i、DCj，i，j=1、2、……m，表示为对应目标时段内目标发电站和目标区域的数量均为m个；
其计算公式为：DCj，i=Fj，i-Yj，i，式中，在计算时，所有j的值相同，所有i的值相同；
Step16、依据电量差的正负值，将电量差划分为3个集合，将差值为正值的所有电量差归纳为集合一，将差值为负值的所有电量差归纳为集合二，将差值为0的所有电量差归纳为集合三；
本实施例通过大数据配置，可以实时采集和处理电力系统中的发电量和用电量，并通过对数据进行预处理，有效提高数据分析的效率和准确性；
计算分析单元，用于对整合处理后的数据进行配置分析，配置分析方式如下：
Step21、在一个目标时段中，即令i的值为1；
当HCi的值为正数，即表示发电量过剩，则获取从集合一中所有DCj，1；
随后通过公式Bj，i=DCj，i/HCi，计算得到各个电量差的比值Bj，i；
当HCi的值为负数，即表示用电量过多，则获取从集合二中所有DCj，1；
随后通过公式Bj，i=|DCj，i|/|HCi|，计算得到各个电量差的比值Bj，i；
Step22、在一个目标发电站中，即令j的值为1，获取所有目标时段的Fj，i；
再利用方差计算公式，计算出所有目标时段的Fj，i之间的离散程度值LD；
然后将离散程度值与对应预设的离散阈值进行比较：
若离散程度值＞离散阈值，则表示各个发电量之间的离散程度过大，之后按照｜Fj，i-Fp｜从大到小的顺序依次删除对应的Fj，i值并对应计算剩余的离散程度值，直至离散程度值≤离散阈值，其中，Fp表示参与计算对应离散程度值时，所用的所有Fj，i的平均值；
之后获取离散程度值≤离散阈值时，参与计算相应离散程度值的Fj，i，并求取对应所有Fj，i的平均值，接着将其值标记为发电分析值FFj；
以此类推，在一个目标发电站对应的目标区域中，通过Yj，i计算出相应的用电分析值YYj；在所有目标发电站中通过FHi计算出的发电总和分析值FZ；在所有目标区域中通过YHi计算出的用电总和分析值YZ；通过各个电量差的比值Bj，i计算出的电量差占比分析值CF；
Step23、通过公式BFj=FFj/FZ，计算出各个目标发电站的发电占比BFj；
通过公式BYj=YYj/YZ，计算出各个目标区域的用电占比BYj；
Step24、对所有目标时段对应的集合一进行重复提取处理，重复提取处理方式为：
在所有目标时段对应的集合一中，利用集合的交集提取所有集合一中均含有的目标发电站；
随后获取该所有目标发电站对应的FFj，以及目标发电站对应目标区域的YYj；
然后通过DSj=（FFj-YYj）*CF，计算出各个目标发电站与相应目标区域的调度输出值DSj；
其中，调度输出值DSj表示为目标发电站对相应目标区域供电充足，且该目标发电站可为其他目标区域提供电能的电量值；
Step25、同时在所有目标时段对应的集合二中，利用集合的交集提取所有集合二中均含有的目标发电站；
随后获取该所有目标发电站对应的FFj，以及目标发电站对应目标区域的YYj；
然后通过公式DNj=（FFj-YYj）*CF，计算出各个目标发电站与相应目标区域的调度纳入值DNj；
其中，调度纳入值DNj表示为目标发电站对相应目标区域供电不足，且该目标区域需要从其他目标发电站调用电能的电量值；
本实施例通过计算分析单元，可以对整合处理后的数据进行详细的配置分析，包括发电量和用电量的比值、离散程度值等，从而更好地理解电力系统的运行状态；
调度处理单元，用于依据整合处理后的数据以及配置分析后得出的结果，进行调度处理，调度处理方式如下：
Step31、获取各个目标发电站与相应目标区域的调度输出值DSj；
同时获取各个目标发电站与相应目标区域的调度纳入值DNj；
Step32、计算出所有调度输出值之和，并将其记为SH，同时计算出所有调度纳入值之和，并将其记为NH；
Step33、通过公式BH=SH/NH，计算出调度输出值之和与调度纳入值之和的比例系数BH；
Step34、将各个目标发电站与各个目标区域之间的地理距离，以及调度输出值DSj和调度纳入值DNj，计算各个目标发电站与各个目标区域之间的调度优先级系数；
其中，调度优先级系数的计算方式采用线性规划、最短路径算法中的任意一种；
线性规划：线性规划是一种优化技术，用于在一组线性不等式约束下，找到最优的线性目标函数值。在这个问题中，可以构建一个线性规划模型，其中目标函数和约束条件都与地理距离、调度输出值和调度纳入值有关。通过求解这个模型，可以得到每个发电站与每个区域之间的最优调度优先级系数；
最短路径算法：最短路径算法用于在加权图中找出两个节点之间的最短路径。在这里，可以将发电站和区域视为图的节点，地理距离视为边的权重；通过应用最短路径算法，可以找到每对发电站和区域之间的最短路径，进而计算出调度优先级系数；
其中，线性规划、最短路径算法为现有技术，故此不做赘述；
Step35、确定每个发电站的具体调度输出量和每个区域的具体调度纳入量，确保供需平衡且符合电网的安全运行要求。
本实施例通过调度处理单元，可以根据分析结果进行调度处理，包括计算调度输出值和调度纳入值，以及确定最佳的发电站到区域的调度方案，以最小化总成本或最大化效率。
综合所述，本实施例通过对各个目标时段的发电量和用电量进行统计分析，计算出电量差值，并根据电量差的正负值将电量差划分为三个集合；通过对电量差占比进行分析，可以确定各个目标发电站和目标区域的供需情况，为调度决策提供参考；此外，通过计算离散程度值并与预设的离散阈值进行比较，可以评估各个发电量之间的离散程度，从而为调度决策提供更全面的信息。
实施例二
作为本发明的实施例二，本申请在具体实施时，相较于实施例一，本实施例的技术方案与实施例一的区别仅在于：
本实施例在实施例一中步骤Step33之后，还用以获取各个目标发电站与各个目标区域之间地理距离，并根据各个目标发电站与各个目标区域之间的地理距离，以及调度输出值DSj和调度纳入值DNj，计算各个目标发电站与各个目标区域之间的调度优先级系数；
具体计算方式如下：
以一个可调度电量的目标发电站和一个需调度电量的目标区域为例；
获取该目标发电站至该目标区域的地理距离L；
同时获取该目标发电站的调度输出值DSj和该目标区域的调度纳入值DNj；
之后通过公式：；计算得出相应的调度优先级系数DY，式中，Yy为预设值，且YC与Yy的比较结果不同，即计算DY所用的公式不同，β、λ1、λ2均为预设的比例系数，且式中的DS和DN分别为该目标发电站的调度输出值DSj和该目标区域的调度纳入值DNj对应的代入值；
之后以一个可调度电量的目标发电站为基准，获取其与其他需调度电量的目标区域通过调度优先级系数，并按照从大到小的顺序进行排序；
接着获取值最大的调度优先级系数所对应的目标区域作为调配目标；
然后按照该方式获取其他可调度电量的目标发电站对应排序后的调度优先级系数，并确定相应的调配目标；
其中，若两个及两个以上对应的目标区域为同一组，则将其对应的调度优先级系数进行比较，并选取值最大的调度优先级系数所对应的目标发电站作为该目标区域的调配目标，其他目标发电站则在对应排序后的调度优先级系数中选取值次大的一组目标区域的作为调配目标，以此类推。
本实施例在实施例一的基础上，增加了计算各个目标发电站与各个目标区域之间的调度优先级系数的步骤，进一步提高了调度的准确性和效率，通过比较调度优先级系数，可以确定每个发电站的具体调度输出量和每个区域的具体调度纳入量，确保供需平衡且符合电网的安全运行要求。
本实施例考虑了各个目标发电站与各个目标区域之间的地理距离，并计算了调度优先级系数。通过调度优先级系数的计算和排序，可以确定最佳的发电站到区域的调度方案，以最小化总成本或最大化效率；这种方法可以更好地考虑实际调度过程中的地理因素，提高调度决策的准确性和可靠性。
实施例三
作为本发明的实施例三，本申请在具体实施时，相较于实施例一和实施例二，本实施例的技术方案是在于将上述实施例一和实施例二的方案进行组合实施，本实施例的技术方案与实施例一和实施例二的区别仅在于，本实施例中还包括：
用户交互界面，用于提供一个直观的用户界面，供系统操作员查看分析调配结果，并支持操作员进行手动调整和决策输入。
本实施例在实施例一和实施例二的基础上，将两种方案进行组合实施，既保留了实施例一的数据处理和配置分析的优点，又增加了实施例二的调度优先级系数的计算，使得整个系统更加完善和高效，并通过用户交互界面，系统操作员不仅可以查看分析调配结果，还可以进行手动调整和决策输入，进一步提高了系统的可操作性和灵活性。
实施例四
作为本发明的实施例四，本申请在具体实施时，相较于实施例一、实施例二和实施例三，本实施例的技术方案是在于将上述实施例一、实施例二和实施例三的方案进行组合实施。
综合所述，本发明能够实现对电力系统的数据采集、处理和分析，以提高电力系统的运行效率和供电可靠性，通过采集多个目标发电站在目标时段的发电量和若干个目标区域内所有目标用户分别在目标时段内的用电量，对数据进行整合处理和分析，可以实现对电力系统供需情况的全面了解，为调度决策提供科学依据。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上对本发明的一个实施例进行了详细说明，但内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (10)
1.基于大数据配置电力系统的数据信息管理系统，其特征在于，包括：
数据采集单元，用于采集电力系统中多个目标发电站在目标时段的发电量和若干个目标区域内所有目标用户分别在目标时段内的用电量；
数据处理单元，用于依据预设指定周期内的多个目标时段的发电量和用电量，统计各个目标时段内目标发电站的总发电量和目标区域的总用电量，并计算时段内的发电量与用电量之差，以及统计各个目标发电站及其对应目标区域的发电量和用电量并计算出它们之间的电量差，随后根据电量差的正负值，将其分为三个集合：正值归集合一、负值归集合二和零值归集合三；
计算分析单元，用于对整合处理后的数据进行配置分析，并计算得出对应的调度输出值DSj和调度纳入值DNj；其中，调度输出值DSj表示为目标发电站对相应目标区域供电充足，且该目标发电站可为其他目标区域提供电能的电量值，其中，调度纳入值DNj表示为目标发电站对相应目标区域供电不足，且该目标区域需要从其他目标发电站调用电能的电量值，且j=1、2、……m，表示为对应目标时段内目标发电站和目标区域的数量均为m个；
调度处理单元，用于依据整合处理后的数据以及配置分析后得出的调度输出值和调度纳入值，计算各个目标发电站与各个目标区域之间的调度优先级系数，之后依据调度优先级系数选定相应的调配目标；其中，调配目标表示为目标发电站与目标区域之间的调配确定结果。
2.根据权利要求1所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：所述数据处理单元的具体方式如下：
Step11、获取各个标准时段目标发电站对应的目标区域；
Step12、在各个目标时段，统计出所有目标发电站的发电量总和以及所有目标区域的用电量总和；
Step13、计算出对应目标时段，相应发电量总和与对应用电量总和之间的电量和差值，并将发电量总和记为FHi，将用电量总和记为YHi，将电量和差值记为HCi，其中i=1、2、……n，表示为指定周期内目标时段的数量为n个；
Step14、在对应目标时段，统计出目标发电站及其对应的目标区域相应的发电量和用电量；
Step15、计算出发电量与对应用电量之间的电量差，并将发电量与对应用电量，以及对应得到的电量差分别标记为Fj，i、Yj，i、DCj，i；
Step16、依据电量差的正负值，将电量差划分为3个集合，将差值为正值的所有电量差归纳为集合一，将差值为负值的所有电量差归纳为集合二，将差值为0的所有电量差归纳为集合三。
3.根据权利要求2所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：其中，电量和差值的计算公式为：HCi=FHi-YHi；
电量差的计算公式为：DCj，i=Fj，i-Yj，i，式中，在计算时，所有j的值相同，所有i的值相同。
4.根据权利要求2所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：所述计算分析单元的配置分析方式如下：
Step21、在一个目标时段中，即令i的值为1；
当HCi的值为正数，即表示发电量过剩，则获取从集合一中所有DCj，1；
随后通过公式Bj，i=DCj，i/HCi，计算得到各个电量差的比值Bj，i；
当HCi的值为负数，即表示用电量过多，则获取从集合二中所有DCj，1；
随后通过公式Bj，i=|DCj，i|/|HCi|，计算得到各个电量差的比值Bj，i；
Step22、通过方差分析方式，分析出一个目标发电站中通过Fj，i计算出相应的发电分析值FFj；在一个目标发电站对应的目标区域中，通过Yj，i计算出相应的用电分析值YYj；在所有目标发电站中通过FHi计算出的发电总和分析值FZ；在所有目标区域中通过YHi计算出的用电总和分析值YZ；通过各个电量差的比值Bj，i计算出的电量差占比分析值CF；
上述方差分析的方式如下：
在一个目标发电站中，即令j的值为1，获取所有目标时段的Fj，i；
利用方差计算公式，计算出所有目标时段的Fj，i之间的离散程度值LD；
然后将离散程度值与对应预设的离散阈值进行比较：
若离散程度值＞离散阈值，则表示各个发电量之间的离散程度过大，之后按照｜Fj，i-Fp｜从大到小的顺序依次删除对应的Fj，i值并对应计算剩余的离散程度值，直至离散程度值≤离散阈值，其中，Fp表示参与计算对应离散程度值时，所用的所有Fj，i的平均值；
之后获取离散程度值≤离散阈值时，参与计算相应离散程度值的Fj，i，并求取对应所有Fj，i的平均值，接着将其值标记为发电分析值FFj；
其中，用电分析值YYj、发电总和分析值FZ、用电总和分析值YZ、电量差占比分析值CF的具体计算方式均与发电分析值FFj所用的方差分析方式相同；
Step23、通过公式BFj=FFj/FZ，计算出各个目标发电站的发电占比BFj；
通过公式BYj=YYj/YZ，计算出各个目标区域的用电占比BYj；
Step24、对所有目标时段对应的集合一进行重复提取处理，随后获取重复提取处理后该所有目标发电站对应的FFj，以及目标发电站对应目标区域的YYj；
然后通过DSj=（FFj-YYj）*CF，计算出各个目标发电站与相应目标区域的调度输出值DSj；
Step25、同时在所有目标时段对应的集合二中，利用集合的交集提取所有集合二中均含有的目标发电站；
随后获取该所有目标发电站对应的FFj，以及目标发电站对应目标区域的YYj；
然后通过公式DNj=（FFj-YYj）*CF，计算出各个目标发电站与相应目标区域的调度纳入值DNj。
5.根据权利要求4所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：在Step22中，方差分析方式如下，且选取发电分析值进行分析：
在一个目标发电站中，即令j的值为1，获取所有目标时段的Fj，i；
再利用方差计算公式，计算出所有目标时段的Fj，i之间的离散程度值；
然后将离散程度值与对应预设的离散阈值进行比较：
若离散程度值＞离散阈值，则表示各个发电量之间的离散程度过大，之后按照｜Fj，i-Fp｜从大到小的顺序依次删除对应的Fj，i值并对应计算剩余的离散程度值，直至离散程度值≤离散阈值，其中，Fp表示参与计算对应离散程度值时，所用的所有Fj，i的平均值；
之后获取离散程度值≤离散阈值时，参与计算相应离散程度值的Fj，i，并求取对应所有Fj，i的平均值，接着将其值标记为发电分析值FFj。
6.根据权利要求4所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：在Step24中，重复提取处理方式为：
在所有目标时段对应的集合一中，利用集合的交集提取所有集合一中均含有的目标发电站。
7.根据权利要求4所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：调度处理单元的具体方式如下：
Step31、获取各个目标发电站与相应目标区域的调度输出值DSj；
同时获取各个目标发电站与相应目标区域的调度纳入值DNj；
Step32、计算出所有调度输出值之和，并将其记为SH，同时计算出所有调度纳入值之和，并将其记为NH；
Step33、通过公式BH=SH/NH，计算出调度输出值之和与调度纳入值之和的比例系数BH；
Step34、随后获取各个目标发电站与各个目标区域之间的地理距离，并根据各个目标发电站与各个目标区域之间的地理距离，以及调度输出值DSj和调度纳入值DNj，计算各个目标发电站与各个目标区域之间的调度优先级系数；
Step35、以一个可调度电量的目标发电站为基准，获取其与其他需调度电量的目标区域通过调度优先级系数，并按照从大到小的顺序进行排序；
接着获取值最大的调度优先级系数所对应的目标区域作为调配目标；
然后按照该方式获取其他可调度电量的目标发电站对应排序后的调度优先级系数，并确定相应的调配目标。
8.根据权利要求7所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：其中，若两个及两个以上对应的目标区域为同一组，则将其对应的调度优先级系数进行比较，并选取值最大的调度优先级系数所对应的目标发电站作为该目标区域的调配目标，其他目标发电站则在对应排序后的调度优先级系数中选取值次大的一组目标区域作为调配目标，以此类推。
9.根据权利要求7所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：在Step34中，调度优先级系数的具体计算方式如下：
以一个可调度电量的目标发电站和一个需调度电量的目标区域为例；
获取该目标发电站至该目标区域的地理距离L；
同时获取该目标发电站的调度输出值DSj和该目标区域的调度纳入值DNj；
之后通过公式：；计算得出相应的调度优先级系数DY，式中，Yy为预设值，且YC与Yy的比较结果不同，即计算DY所用的公式不同，β、λ1、λ2均为预设的比例系数，且式中的DS和DN分别为该目标发电站的调度输出值DSj和该目标区域的调度纳入值DNj对应的代入值。
10.根据权利要求1所述的基于大数据配置电力系统的数据信息管理系统，其特征在于：还包括：用户交互界面，用于提供一个直观的用户界面，供系统操作员查看分析调配结果，并支持操作员进行手动调整和决策输入。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410263322.9A CN117852848A (zh) | 2024-03-08 | 2024-03-08 | 基于大数据配置电力系统的数据信息管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410263322.9A CN117852848A (zh) | 2024-03-08 | 2024-03-08 | 基于大数据配置电力系统的数据信息管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117852848A true CN117852848A (zh) | 2024-04-09 |
Family
ID=90536746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410263322.9A Pending CN117852848A (zh) | 2024-03-08 | 2024-03-08 | 基于大数据配置电力系统的数据信息管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117852848A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111126882A (zh) * | 2020-01-14 | 2020-05-08 | 国网河北省电力有限公司经济技术研究院 | 虚拟变电站调度方法及终端设备 |
| US20200271088A1 (en) * | 2017-12-22 | 2020-08-27 | Dalian University Of Technology | Method for multi-objective optimal operations of cascade hydropower plants based on relative target proximity and marginal analysis priciple |
| CN113408966A (zh) * | 2021-08-18 | 2021-09-17 | 新风光电子科技股份有限公司 | 一种提高智能电网区域综合利用效率的方法 |
| 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 |
| CN114336615A (zh) * | 2022-01-04 | 2022-04-12 | 温州爱梅斯信息技术有限公司 | 一种基于输电环境大数据分析的电力资源调度智能管理系统 |
| CN114552671A (zh) * | 2022-04-24 | 2022-05-27 | 南通腾顺太阳能电力科技有限公司 | 分散式光伏发电站的管理系统 |
| CN115796023A (zh) * | 2022-11-23 | 2023-03-14 | 国网新疆电力有限公司电力科学研究院 | 一种基于碳配额的电力系统调度方法、装置及设备 |
| 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 |
| CN117394370A (zh) * | 2023-12-12 | 2024-01-12 | 北京本果信息技术有限公司 | 一种供电网智能动态节电调度系统及方法 |
| CN117424262A (zh) * | 2023-12-18 | 2024-01-19 | 江苏创迪电气有限公司 | 一种自调控式的电网储能容量配置方法 |
| CN117595488A (zh) * | 2023-10-20 | 2024-02-23 | 国网新疆电力有限公司哈密供电公司 | 一种基于负荷动态匹配的电力调度监控方法及系统 |
-
2024
- 2024-03-08 CN CN202410263322.9A patent/CN117852848A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200271088A1 (en) * | 2017-12-22 | 2020-08-27 | Dalian University Of Technology | Method for multi-objective optimal operations of cascade hydropower plants based on relative target proximity and marginal analysis priciple |
| CN111126882A (zh) * | 2020-01-14 | 2020-05-08 | 国网河北省电力有限公司经济技术研究院 | 虚拟变电站调度方法及终端设备 |
| 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 |
| CN113408966A (zh) * | 2021-08-18 | 2021-09-17 | 新风光电子科技股份有限公司 | 一种提高智能电网区域综合利用效率的方法 |
| CN114336615A (zh) * | 2022-01-04 | 2022-04-12 | 温州爱梅斯信息技术有限公司 | 一种基于输电环境大数据分析的电力资源调度智能管理系统 |
| CN114552671A (zh) * | 2022-04-24 | 2022-05-27 | 南通腾顺太阳能电力科技有限公司 | 分散式光伏发电站的管理系统 |
| CN115796023A (zh) * | 2022-11-23 | 2023-03-14 | 国网新疆电力有限公司电力科学研究院 | 一种基于碳配额的电力系统调度方法、装置及设备 |
| 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 |
| CN117595488A (zh) * | 2023-10-20 | 2024-02-23 | 国网新疆电力有限公司哈密供电公司 | 一种基于负荷动态匹配的电力调度监控方法及系统 |
| CN117394370A (zh) * | 2023-12-12 | 2024-01-12 | 北京本果信息技术有限公司 | 一种供电网智能动态节电调度系统及方法 |
| CN117424262A (zh) * | 2023-12-18 | 2024-01-19 | 江苏创迪电气有限公司 | 一种自调控式的电网储能容量配置方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘敦楠;徐玉杰;曾伟民;杨先贵;刘江平;范旻;: "省级电网多元能源协调套期优化的购电模型", 电力系统自动化, no. 07, 10 April 2015 (2015-04-10) * |
| 张利升;武新宇;曹瑞;王学敏;严凌志;程春田;: "多受端梯级水电站厂网多目标协调优化调度模型", 电网技术, no. 12, 7 July 2018 (2018-07-07) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110048420B (zh) | 一种配电网随机优化调度的方法、装置和介质 | |
| CN109598416B (zh) | 一种复材车间的动态排产系统及排产方法 | |
| CN111027872B (zh) | 一种区域用户的用电成熟度确定方法及系统 | |
| CN108876132B (zh) | 基于云的工业企业能效服务推荐方法和系统 | |
| CN104537432B (zh) | 基于证据推理的电力系统多目标优化调度的决策方法 | |
| CN109819032B (zh) | 一种联合考虑基站选择与计算迁移的云机器人任务分配方法 | |
| CN106682763A (zh) | 一种用于大量样本数据的电力负荷优化预测方法 | |
| CN109617099B (zh) | 一种虚拟储能协调控制系统及其方法 | |
| CN102915510A (zh) | 基于多级模糊综合评价模型的电力项目网络后评价系统 | |
| CN114256836B (zh) | 一种新能源电站共享储能的容量优化配置方法 | |
| CN112994097A (zh) | 一种基于智能配变终端系统的高比例分布式光伏协同控制方法 | |
| CN112215512A (zh) | 计及微电网功能特性的综合评价指标权重量化方法及系统 | |
| CN106712111A (zh) | 有源配电网环境下多目标模糊优化的多能源经济调度方法 | |
| CN115811135A (zh) | 一种基于电网调峰调频的充换电设备智能监测调控系统 | |
| CN115564197A (zh) | 用户侧灵活性资源响应潜力评估方法、系统、设备和介质 | |
| CN112953007A (zh) | 配电网调度方法、装置及系统、处理器、电子设备 | |
| CN108808657B (zh) | 一种电力负荷短期预测方法 | |
| CN117852848A (zh) | 基于大数据配置电力系统的数据信息管理系统 | |
| CN114069642A (zh) | 一种考虑用户满意度的温控负荷综合调峰方法 | |
| CN111987720A (zh) | 多通道限额约束下受端电网受电及供电裕度区间评估方法 | |
| CN117060473A (zh) | 一种智能配电网储能优化配置方法 | |
| CN116911545A (zh) | 一种分布式柔性资源参与负荷调节响应的方法及系统 | |
| CN111160384A (zh) | 一种移动储能车调度优化方法、系统及装置 | |
| CN115564180A (zh) | 一种基于大数据分析的电力网络可靠性评估方法 | |
| CN115310832A (zh) | 一种多种群优化算法的双资源约束柔性作业车间调度方法及装置 |
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 |