CN117895659B - 一种智能电网自动化调度方法及系统 - Google Patents
一种智能电网自动化调度方法及系统 Download PDFInfo
- Publication number
- CN117895659B CN117895659B CN202410288041.9A CN202410288041A CN117895659B CN 117895659 B CN117895659 B CN 117895659B CN 202410288041 A CN202410288041 A CN 202410288041A CN 117895659 B CN117895659 B CN 117895659B
- Authority
- CN
- China
- Prior art keywords
- threshold
- data
- load
- value
- equipment
- 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 21
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000005611 electricity Effects 0.000 claims description 76
- 238000012423 maintenance Methods 0.000 claims description 66
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000000556 factor analysis Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 239000000178 monomer Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 15
- 230000001965 increasing effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program 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
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000005612 types of electricity Effects 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
本发明公开了一种智能电网自动化调度方法及系统,涉及供电控制技术领域,系统包括实时监控模块、成长分析模块、安全分析模块、调度管理模块和计划生成模块,并给出了该系统的调度方法。本发明通过成长分析模块与实时监控模块相配合,在电网使用时,能够根据以往的用电数据对未来的用电数据进行实时预测,并且与该区域的负荷阈值PQ阈进行比对,一方面方便工作人员了解区域用电量的变化,提前做好应对措施,另一方面不同于传统直接增加备用电源的方式,采用不同区域电力相互调配的方式,也能够在一定的程度上降低用电高峰区域主网或配网设备的负荷,同时降低了相应的成本。
Description
技术领域
本发明涉及供电控制技术领域,具体为一种智能电网自动化调度方法及系统。
背景技术
智能电网就是电网的智能化,也被称为“电网2.0”,是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用,实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标,其主要特征包括自愈、激励和保护用户、抵御攻击、提供满足用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行等。
目前,在整体不存在电源性缺电的行业背景下,对于电网来说,电力的供应主要受电网的下送能力影响,由于地区负荷增长快,容积率偏低,部分地区主网或配网设备重过载,在设备因检修或故障停电的N-1情况下,需要用户执行错峰轮休进行限电,给电力调度部门的停电安排、电网方式调整等工作带来巨大挑战。
随着科技的发展,居民的耗电量不断地上升,需要的备用电源的数量在不断地增多,造成成本急速增长,然而在实际使用时,用电量跟随用电人群流动,会出现在不同时间、不同区域用电量不同的情况,此时最佳的方案不是直接增加备用电源,而是通过电力调度的方式实现电力的供给。在电力调度无法满足情况时,采用备用电源的方式,而在正常运行时,往往是故障停电的情况下导致部分设备无法正常工作,从而导致其他设备负荷急剧增加,因此该种情况需要进行调度。为了电网更加平稳的运行,需要工作人员了解电力设备的运行情况,在用电低谷期实现电网设备的维护。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种智能电网自动化调度方法及系统,一方面方便工作人员了解区域用电量的变化,提前做好应对措施,另一方面采用不同区域电力相互调配的方式,能够在一定程度上降低用电高峰区域主网或配网设备的负荷,同时降低了相应的成本。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种智能电网自动化调度系统,包括实时监控模块、成长分析模块、安全分析模块、调度管理模块和计划生成模块:
实时监控模块,用于实时获取电网运行的参数,电网运行的参数包括变电站环境数据、变电站设备运行数据、线路监测数据、电力巡检数据和维修设备数据,并且对获取的数据进行预处理;
成长分析模块,用于接收实时监控模块传输的数据,并且根据电网运行规律与趋势分析,构建负荷预测模型,根据各个区域供电设备和输电设备制定负荷阈值PQ阈,并且将负荷预测模型生成的预测值PQ区与负荷阈值PQ阈进行比对,判断预测值是否超过负荷阈值;
安全分析模块,用于接收实时监控模块传输的数据,并且构建故障预测模型,预测设备出现故障的故障率P故障,并且将预测故障率P故障与设定的维护阈值P阈进行比对,判断预测故障率是否大于等于维护阈值;
调度管理模块,调取相关工作人员工作数据,并且根据工作数据制定业务工作表;
计划生成模块,获取成长分析模块阈值比对结果、安全分析模块阈值比对结果以及业务工作表,在预测值PQ区超过负荷阈值PQ阈时制定调度计划,在预测故障率P故障大于等于维护阈值P阈时制定维修计划。
本发明一种智能电网自动化调度系统,通过成长分析模块与实时监控模块相配合,电网在使用时,根据以往的用电数据对未来的用电数据进行实时预测,并且与该区域的负荷阈值PQ阈进行比对,一方面方便工作人员了解区域用电量的变化,提前做好应对措施,另一方面不同于传统直接增加备用电源的方式,采用不同区域电力相互调配的方式,也能够在一定的程度上降低用电高峰区域主网或配网设备的负荷,同时降低了相应的成本,综合使用效果好。
优选的,负荷预测模型的处理过程为:
S1、因素分类:根据用电类型将用电进行分类;
S2、电力统计:获取实时监控模块传输的数据,按照24h统计不同分类单体在上年度常态环境下的用电负荷平均数值,并生成区域曲线用电负荷曲线,用电负荷平均数值通过以下公式计算:
;
其中,PQ均K为第K种用电类型在常态环境下不同时间点的电负荷平均数值,PQn为同种环境下采集n个数据,W原为第K种用电类型的数量;
S3、影响因素分析:分析用电负荷的影响因素,并通过控制变量法统计分析数据,获得各个影响因素对于不同用电类型用电负荷的影响因子系数;
S4、预测计算:根据获得的影响因子计算各个区域的负荷预测值;
;
式中,PQ区为区域内随着时间变化的总负荷预测值,W预为不同用电类型的数量,λK为第K种用电类型的年度用电增长比例,δ总为所有影响因子系数之和,δ总的计算公式如下;
;
其中,i为用电负荷影响因素的数量。
优选的,负荷预测模型生成的预测值与负荷阈值进行比对:当PQ区<PQ阈值时,视为正常状态,计算阈值差值,并且将阈值差值和预测结果输送至计划生成模块;
当PQ区>PQ阈值时,视为异常状态,计算阈值差值,并且将阈值差值和预测结果输送至计划生成模块。
优选的,故障预测模型预测的过程如下:
Ⅰ、数据获取:获取设备的故障数据以及维修数据;
Ⅱ、损耗计算:获取设备在单位时间内的损耗率,损耗率的计算公式如下:
;
式中,P损耗为设备在单位时间的损耗率,PM为该类型处于相同阶段的M个设备在相同环境一段时间的耗损率,TM为该类型处于相同阶段的M设备耗损所用时长,M为该类型处于相同阶段设备的数量;
Ⅲ、影响因素分析:分析外界环境对设备工作的影响因素,并且确定影响因素的权重影响;
Ⅳ、故障预测:预测设备的故障率,预测故障率的公式如下:
;
式中,P故障为设备出现故障的故障率,P损耗为设备在单位时间的损耗率,T用为使用状态距离上次维护的时间段,θ总为每个时间段影响因素对设备的故障率的影响,η为影响因素的修正比例。
优选的,影响因素分析的步骤如下:
A、影响程度判断:分析设备的故障数据以及维修数据,对比数据,计算各个影响因素与设备故障率的相关程度;
B、影响因素确定:将计算的相关程度与设定阈值比较,将不在阈值范围内的影响因素剔除;
C、影响因素计算:通过相关程度以及采集的实际损耗数据的比例对影响因素进行赋值。
优选的,计算各个影响因素与设备故障率的相关程度的公式如下:
;
式中,cov(x,y)是x因素与故障率y的协方差,var(x)是x因素的标准差,var(y)是y因素的标准差,|R(x,y)|越大,相关程度越高,采用控制变量法,获取多组数据,进行多次计算,取R(x,y)的平均值。
优选的,θ总的计算公式如下:
;
式中,L为设备故障率影响因素的数量,θL为第L项影响因子对故障率的影响系数。
优选的,所述安全分析模块分析将预测的结果与设定的维护阈值进行比对:
当P故障<P阈值时,视为正常状态;
当P故障≥P阈值时,视为异常状态,此时将分析的结果以及P故障对应设备的位置发送至计划生成模块。
优选的,所述计划生成模块接收到成长分析模块发送的异常状态数据时,检索成长分析模块同一时间发送的正常状态数据,比对正常状态阈值差值与异常状态下阈值差值,当正常状态阈值差值大于异常状态下阈值差值时,生成调度计划,并且将计划发布给业务工作表中对应的电力调度技术人员:
所述计划生成模块接收到安全分析模块发送的异常状态数据时,生成维护计划,并且将计划发布给业务工作表中对应的电力维护技术人员。
本发明一种智能电网自动化调度系统,通过成长分析模块与安全分析模块相配合,在电网使用时,安全分析模块能够提前预测各个区域主网或配网设备的状态,并且根据成长分析模块预测的用电预测值制定维护计划,在各个区域的用电低谷期对主网或配网设备进行维护,保证各个区域的主网或配网设备能够在用电高峰期正常运行,从而降低电网调度行为,保障各个区域的正常供电,同时有效降低用电成本,具有良好的使用前景。
优选的,一种智能电网自动化调度方法,包括如下步骤:
步骤一、实时获取电网运行的参数,并且对获取的数据进行预处理;
步骤二、根据电网运行规律与趋势分析,构建负荷预测模型,根据各个区域供电设备和输电设备制定负荷阈值,并且将负荷预测模型生成的预测值PQ区与负荷阈值PQ阈进行比对,判断是否超过阈值;
步骤三、获取成长分析模块阈值比对结果,在出现结果预测值PQ区超过负荷阈值PQ阈时,筛选能够满足异常区域用电负荷阈值差值的正常状态阈值对应区域,并且获取业务工作表,制定调度计划;
步骤四、构建故障预测模型,预测设备出现故障的可能性,并且将预测的结果与设定的维护阈值进行比对,判断是否超过阈值;
步骤五、获取安全分析模块阈值比对结果,在出现结果预测值P故障大于等于维护阈值P阈时,生成维护计划,并且将计划发布给业务工作表中对应的电力维护技术人员。
本发明涉及的算法可以通过电子设备执行,电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,通过处理器执行软件实现上述的算法。
(三)有益效果
本发明具备以下有益效果:
本发明通过成长分析模块与实时监控模块相配合,电网在使用时,根据以往的用电数据对未来的用电数据进行实时预测,并且与该区域的负荷阈值PQ阈进行比对,一方面方便工作人员了解为了区域用电量的变化,提前做好应对措施,另一方面不同于传统直接增加备用电源的方式,采用不同区域电力相互调配的方式,也能够在一定的程度上降低用电高峰区域主网或配网设备的负荷,同时降低了相应的成本,综合使用效果好。
本发明通过成长分析模块与安全分析模块相配合,在电网使用时,安全分析模块能够提前预测各个区域主网或配网设备的状态,并且根据成长分析模块预测的用电预测值制定维护计划,在各个区域的用电低谷期对主网或配网设备进行维护,保证各个区域的主网或配网设备能够在用电高峰期正常运行,从而降低电网调度行为,保障各个区域的正常供电,同时有效降低用电成本,增强了整体系统的适用性,具有良好的使用前景。
附图说明
图1为本发明智能电网自动化调度系统的模块化结构图;
图2为本发明智能电网自动化调度方法的步骤流程图。
具体实施方式
下面结合附图对本发明进行清楚、完整的描述。
实施例1:如图1所示,本发明提供一种智能电网自动化调度系统,包括实时监控模块、成长分析模块、安全分析模块、调度管理模块和计划生成模块:
实时监控模块,用于实时获取电网运行的参数,电网运行的参数包括变电站环境数据、变电站设备运行数据、线路监测数据、电力巡检数据和维修设备数据,并且对获取的数据进行预处理;
成长分析模块,用于接收实时监控模块传输的数据,并且根据电网运行规律与趋势分析,构建负荷预测模型,根据各个区域供电设备和输电设备制定负荷阈值PQ阈,并且将负荷预测模型生成的预测值PQ区与负荷阈值PQ阈进行比对,判断预测值是否超过负荷阈值;
安全分析模块,用于接收实时监控模块传输的数据,并且构建故障预测模型,预测设备出现故障的故障率P故障,并且将预测故障率P故障与设定的维护阈值P阈进行比对,判断预测故障率是否大于等于维护阈值;
调度管理模块,调取相关工作人员工作数据,并且根据工作数据制定业务工作表;
计划生成模块,获取成长分析模块阈值比对结果、安全分析模块阈值比对结果以及业务工作表,在预测值PQ区超过负荷阈值PQ阈时制定调度计划,在预测故障率P故障大于等于维护阈值P阈时制定维修计划。
电网在实际使用时,出现断电等情况主要在于没有做好预防措施以及电力集中使用,造成用电负荷急剧增加,电网负荷超过设备承载能力,从而导致变电站相关设备出现故障,在此影响下,为了保障居民正常用电,通常采用接入备用电源的方式,但是备用电源的用电负荷小于电网负荷,此时,只能通过限电的方式减缓压力,而且当用电高峰期较长时,备用电源持续工作能力有限,其无法满足正常需求。
为了改善上述情况,本专利从源头出发,预测用电负荷,并且提前做好措施,能够避免用电高峰期时电网负荷超过设备承载能力的情况,而且预测变电站相关设备的工作状态,在用电低谷期对相关设备进行维护,从而保障变电站相关设备在用电高峰期能够正常的运行,从而能够减少备用电源的使用,降低供电成本。
本发明一种智能电网自动化调度系统,通过成长分析模块与实时监控模块相配合,电网在使用时,根据以往的用电数据对未来的用电数据进行实时预测,并且与该区域的负荷阈值PQ阈进行比对,一方面方便工作人员了解区域用电量的变化,提前做好应对措施,另一方面不同于传统直接增加备用电源的方式,采用不同区域电力相互调配的方式,也能够在一定的程度上降低用电高峰区域主网或配网设备的负荷,同时降低了相应的成本,综合使用效果好。
负荷预测模型的处理过程为:
S1、因素分类:根据用电类型将用电进行分类;
用电类型包括居民生活用电、商业用电、非工业用电、大工业用电、普通工业用电以及农业生产用电;
S2、电力统计:获取实时监控模块传输的数据,按照24h统计不同分类单体在上年度常态环境下的用电负荷平均数值,并生成区域曲线用电负荷曲线,用电负荷平均数值通过以下公式计算:
;
其中,PQ均K为第K种用电类型在常态环境下不同时间点的电负荷平均数值,PQn为同种环境下采集n个数据,W原为第K种用电类型的数量;
在计算用电负荷时居民生活用电以户为单位,农业生产用电、非工业用电、商业用电和普通工业用电以规模为单位。
例如:第K种用电类型为居民生活用电,在常态(工作日、20℃,湿度45,空气质量优)下的12点采集区域内1000户(W原)的用电数据约6500kW·h(PQn)10次(n),此时得到的电负荷平均数值数据PQ均K=6500*10/1000/10=6.5kW·h。
例如:第K种用电类型为居民生活用电,在常态(工作日、20℃,湿度45%,空气质量优)下在12点时采集某个区域内1000户(W原)的用电数据约6500kW·h(PQn)10次(n),此时得到的电负荷平均数值数据PQ均K=6500*10/1000/10=6.5kW·h。
例如:第K种用电类型为商业用电,在常态(20℃,湿度45%,空气质量优)下12点采集区域内10个商业的用电数据,其中一个商店1000m2(W原),用电数据约2500kW·h(PQn)10次(n),此时需要单独计算得到的该商业的电负荷平均数值数据PQ均K=2500*10/1000/10=2.5kW·hm-2,此时需要计算其他商业的电负荷平均数值数据,最后叠加计算平均值,从而得到每平方商业用电数据PQ均K。
S3、影响因素分析:分析用电负荷的影响因素,并通过控制变量法统计分析数据,获得各个影响因素对于不同用电类型用电负荷的影响因子系数;
经分析用电负荷的影响因子系数主要为节假日、温度、湿度等,因不同节假日、不同温、不同湿度对用电负荷的影响不同,因此需要分析出所有的影响因子系数。
在分析节假日的影响因子系数时需要单独分析元旦、春节、清明节、端午节、中秋节、国庆节以及周六周日的影响因子系数。
在分析温度影响因子系数时分析所有摄氏度的影响因子系数。
在分析温度影响因子系数时分析所有湿度区间(差值通常取5%,可单独设置)的影响因子系数。
S4、预测计算:根据获得的影响因子计算各个区域的负荷预测值;
;
式中,PQ区为区域内随着时间变化的总负荷预测值,W预为不同用电类型的数量,λK为第K种用电类型的年度用电增长比例,δ总为所有影响因子系数之和,δ总的计算公式如下;
;
其中,i为用电负荷影响因素的数量。
第K种用电类型为居民生活用电时,W预为区域范围内居民的户数。
第K种用电类型为其他类型时,W预为区域范围内的面积(m2)。
因社会在发展,家庭电器的数量以及使用的频率在不断的增多,因此,需要补充λ进行调节。
为了避免实际使用值大于预测值,因此λ设计数值略高于正常用电增长比例,例如正常6%,那么λ设计为7-8%。
负荷预测模型生成的预测值与负荷阈值进行比对:当PQ区<PQ阈值时,视为正常状态,计算阈值差值,并且将阈值差值和预测结果输送至计划生成模块;
正常状态的阈值差值即能够调度的负荷值。
当PQ区>PQ阈值时,视为异常状态,计算阈值差值,并且将阈值差值和预测结果输送至计划生成模块。
异常状态的阈值差值即需要调度的负荷值,因全天是动态的,因此会出现部分区域在部分时间负荷过高的情况,需要进行调度,而在其他时间该地区负荷降低,可以调度给其他负荷高的区域,或者在集体负荷低时(夜晚)进行依次维护,维护时依靠依靠调度保证正常的电力供应。
故障预测模型预测的过程如下:
Ⅰ、数据获取:获取设备的故障数据以及维修数据;
Ⅱ、损耗计算:获取设备在单位时间内的损耗率,损耗率的计算公式如下:
;
式中,P损耗为设备在单位时间的损耗率,PM为该类型处于相同阶段的M个设备在相同环境一段时间的耗损率,TM为该类型处于相同阶段的M设备耗损所用时长,M为该类型处于相同阶段设备的数量;
例如,每维护一次,算一个阶段,采集3组(M)在第三阶段(维护过两次)变压器的数据,第一组变压器使用100天损耗40%,第二组变压器使用100天损耗46%,第三组变压器使用120天损耗48%,那么单位时间内的损耗率P损耗为(40/100+46/100+48/120)/3=0.42%。
Ⅲ、影响因素分析:分析外界环境对设备工作的影响因素,并且确定影响因素的权重影响;
外界环境对设备工作的影响因素主要为天气因素,例如温度和湿度,位于外部的设备还需要考虑风力等因素。
影响因素分析的步骤如下:
A、影响程度判断:分析设备的故障数据以及维修数据,对比数据,计算各个影响因素与设备故障率的相关程度;
计算各个影响因素与设备故障率的相关程度的公式如下:
;
式中,cov(x,y)是x因素与故障率y的协方差,var(x)是x因素的标准差,var(y)是y因素的标准差,|R(x,y)|越大,相关程度越高,采用控制变量法,获取多组数据,进行多次计算,取R(x,y)的平均值。
B、影响因素确定:将计算的相关程度与设定阈值比较,将不在阈值范围内的影响因素剔除;
例如,设定阈值为-0.1至0.1,将相关程度低于0.1的影响因素剔除。
C、影响因素计算:通过相关程度以及采集的实际损耗数据的比例对影响因素进行赋值。
赋值直接给影响因素附加影响比例,使得其能够直接乘以P损耗,直接计算,更加的方便。
Ⅳ、故障预测:预测设备的故障率,预测故障率的公式如下:
;
式中,P故障为设备出现故障的故障率,P损耗为设备在单位时间的损耗率,T用为使用状态距离上次维护的时间段(即为当前使用状态距离上次维护时间的时间段数量),θ总为每个时间段影响因素对设备的故障率的影响,η为影响因素的修正比例。
例如:变压器使用了10天,则需要汇总1-10天的损耗率数据,变压器损耗率为P损耗为设备在单位时间的损耗率添加影响因素对设备的故障率的影响,因变压器损耗率P损耗取均值,因此需要影响因素的修正比例进行修正,减少出现设备提前故障的情况。
θ总的计算公式如下:
;
式中,L为设备故障率影响因素的数量,θL为第L项影响因子对故障率的影响系数。
计算所有影响因素对损耗率的影响(不包括筛选去掉的影响因素),所得的预测值更加的精准。
安全分析模块分析将预测的结果与设定的维护阈值进行比对:
当P故障<P阈值时,视为正常状态;
当P故障≥P阈值时,视为异常状态,此时将分析的结果以及P故障对应设备的位置发送至计划生成模块。
P阈值设立为比正常故障维护时长早10天以上的故障率。
计划生成模块接收到成长分析模块发送的异常状态数据时,检索成长分析模块同一时间发送的正常状态数据,比对正常状态阈值差值与异常状态下阈值差值,当正常状态阈值差值大于异常状态下阈值差值时,生成调度计划,并且将计划发布给业务工作表中对应的电力调度技术人员:
当正常状态阈值差值均小于异常状态下阈值差值时,结合备用电源生成调度计划,调取的备用电源的用电负荷结合调度的用电负荷大于异常状态下阈值差值,从而保证各个区域电力的正常运行。
计划生成模块接收到安全分析模块发送的异常状态数据时,会生成维护计划,并且将计划发布给业务工作表中对应的电力维护技术人员,电力维护技术人员根据维护计划上的维护时间进行设备维护即可。
生成的维护计划中维护时间为用电低谷期。
本发明一种智能电网自动化调度系统,通过成长分析模块与安全分析模块相配合,在电网使用时,安全分析模块能够提前预测各个区域主网或配网设备的状态,并且根据成长分析模块预测的用电预测值制定维护计划,在各个区域的用电低谷期对主网或配网设备进行维护,保证各个区域的主网或配网设备能够在用电高峰期正常运行,从而降低电网调度行为,保障各个区域的正常供电,同时有效降低用电成本,具有良好的使用前景。
实施例2:如图2所示,本发明提供一种智能电网自动化调度方法,包括如下步骤:
步骤一、实时获取电网运行的参数,并且对获取的数据进行预处理;
步骤二、根据电网运行规律与趋势分析,构建负荷预测模型,根据各个区域供电设备和输电设备制定负荷阈值,并且将负荷预测模型生成的预测值PQ区与负荷阈值PQ阈进行比对,判断是否超过阈值;
步骤三、获取成长分析模块阈值比对结果,在出现结果预测值PQ区超过负荷阈值PQ阈时,筛选能够满足异常区域用电负荷阈值差值的正常状态阈值对应区域,并且获取业务工作表,制定调度计划,当正常状态阈值差值均小于异常状态下阈值差值时,结合备用电源生成调度计划,调取的备用电源的用电负荷结合调度的用电负荷大于异常状态下阈值差值,从而保证各个区域电力的正常运行;
步骤四、构建故障预测模型,预测设备出现故障的可能性,并且将预测的结果与设定的维护阈值进行比对,判断是否超过阈值;
步骤五、获取安全分析模块阈值比对结果,在出现结果预测值P故障大于等于维护阈值P阈时,生成维护计划,并且将计划发布给业务工作表中对应的电力维护技术人员,电力维护技术人员根据维护计划上的维护时间进行设备维护即可,生成的维护计划中维护时间为用电低谷期。
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,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
Claims (8)
1.一种智能电网自动化调度系统,其特征在于,包括:
实时监控模块,用于实时获取电网运行的参数,电网运行的参数包括变电站环境数据、变电站设备运行数据、线路监测数据、电力巡检数据和维修设备数据,并且对获取的数据进行预处理;
成长分析模块,用于接收实时监控模块传输的数据,并且根据电网运行规律与趋势分析,构建负荷预测模型,根据各个区域供电设备和输电设备制定负荷阈值PQ阈,并且将负荷预测模型生成的预测值PQ区与负荷阈值PQ阈进行比对,判断预测值是否超过负荷阈值;
负荷预测模型的处理过程为:
S1、因素分类:根据用电类型将用电进行分类;
S2、电力统计:获取实时监控模块传输的数据,按照24h统计不同分类单体在上年度常态环境下的用电负荷平均数值,并生成区域曲线用电负荷曲线,用电负荷平均数值通过以下公式计算:
其中,PQ均K为第K种用电类型在常态环境下不同时间点的电负荷平均数值,PQn为同种环境下采集n个数据,W原为第K种用电类型的数量;
S3、影响因素分析:分析用电负荷的影响因素,并通过控制变量法统计分析数据,获得各个影响因素对于不同用电类型用电负荷的影响因子系数;
S4、预测计算:根据获得的影响因子计算各个区域的负荷预测值;
式中,PQ区为区域内随着时间变化的总负荷预测值,W预为不同用电类型的数量,λK为第K种用电类型的年度用电增长比例,δ总为所有影响因子系数之和,δ总的计算公式如下;
其中,i为用电负荷影响因素的数量;
负荷预测模型生成的预测值与负荷阈值进行比对:当PQ区<PQ阈值时,视为正常状态,计算阈值差值,并且将阈值差值和预测结果输送至计划生成模块;
当PQ区>PQ阈值时,视为异常状态,计算阈值差值,并且将阈值差值和预测结果输送至计划生成模块;
安全分析模块,用于接收实时监控模块传输的数据,并且构建故障预测模型,预测设备出现故障的故障率P故障,并且将预测故障率P故障与设定的维护阈值P阈进行比对,判断预测故障率是否大于等于维护阈值;
调度管理模块,调取相关工作人员工作数据,并且根据工作数据制定业务工作表;
计划生成模块,获取成长分析模块阈值比对结果、安全分析模块阈值比对结果以及业务工作表,在预测值PQ区超过负荷阈值PQ阈时制定调度计划,在预测故障率P故障大于等于维护阈值P阈时制定维修计划。
2.根据权利要求1所述的一种智能电网自动化调度系统,其特征在于:故障预测模型预测的过程如下:
Ⅰ、数据获取:获取设备的故障数据以及维修数据;
Ⅱ、损耗计算:获取设备在单位时间内的损耗率,损耗率的计算公式如下:
式中,P损耗为设备在单位时间的损耗率,PM为该类型处于相同阶段的M个设备在相同环境一段时间的耗损率,TM为该类型处于相同阶段的M设备耗损所用时长,M为该类型处于相同阶段设备的数量;
Ⅲ、影响因素分析:分析外界环境对设备工作的影响因素,并且确定影响因素的权重影响;
Ⅳ、故障预测:预测设备的故障率,预测故障率的公式如下:
式中,P故障为设备出现故障的故障率,P损耗为设备在单位时间的损耗率,T用为使用状态距离上次维护的时间段,θ总为每个时间段影响因素对设备的故障率的影响,η为影响因素的修正比例。
3.根据权利要求2所述的一种智能电网自动化调度系统,其特征在于:影响因素分析的步骤如下:
A、影响程度判断:分析设备的故障数据以及维修数据,对比数据,计算各个影响因素与设备故障率的相关程度;
B、影响因素确定:将计算的相关程度与设定阈值比较,将不在阈值范围内的影响因素剔除;
C、影响因素计算:通过相关程度以及采集的实际损耗数据的比例对影响因素进行赋值。
4.根据权利要求3所述的一种智能电网自动化调度系统,其特征在于:计算各个影响因素与设备故障率的相关程度的公式如下:
式中,cov(x,y)是x因素与故障率y的协方差,var(x)是x因素的标准差,var(y)是y因素的标准差,|R(x,y)|越大,相关程度越高,采用控制变量法,获取多组数据,进行多次计算,取R(x,y)的平均值。
5.根据权利要求4所述的一种智能电网自动化调度系统,其特征在于:θ总的计算公式如下:
式中,L为设备故障率影响因素的数量,θL为第L项影响因子对故障率的影响系数。
6.根据权利要求5所述的一种智能电网自动化调度系统,其特征在于:所述安全分析模块分析将预测的结果与设定的维护阈值进行比对:
当P故障<P阈值时,视为正常状态;
当P故障≥P阈值时,视为异常状态,此时将分析的结果以及P故障对应设备的位置发送至计划生成模块。
7.根据权利要求6所述的一种智能电网自动化调度系统,其特征在于:所述计划生成模块接收到成长分析模块发送的异常状态数据时,检索成长分析模块同一时间发送的正常状态数据,比对正常状态阈值差值与异常状态下阈值差值,当正常状态阈值差值大于异常状态下阈值差值时,生成调度计划,并且将计划发布给业务工作表中对应的电力调度技术人员:
所述计划生成模块接收到安全分析模块发送的异常状态数据时,生成维护计划,并且将计划发布给业务工作表中对应的电力维护技术人员。
8.一种智能电网自动化调度方法,使用所述权利要求1至7中的任一种所述系统,其特征在于:包括如下步骤:
步骤一、实时获取电网运行的参数,并且对获取的数据进行预处理;
步骤二、根据电网运行规律与趋势分析,构建负荷预测模型,根据各个区域供电设备和输电设备制定负荷阈值,并且将负荷预测模型生成的预测值PQ区与负荷阈值PQ阈进行比对,判断是否超过阈值;
步骤三、获取成长分析模块阈值比对结果,在出现结果预测值PQ区超过负荷阈值PQ阈时,筛选能够满足异常区域用电负荷阈值差值的正常状态阈值对应区域,并且获取业务工作表,制定调度计划;
步骤四、构建故障预测模型,预测设备出现故障的可能性,并且将预测的结果与设定的维护阈值进行比对,判断是否超过阈值;
步骤五、获取安全分析模块阈值比对结果,在出现结果预测值P故障大于等于维护阈值P阈时,生成维护计划,并且将计划发布给业务工作表中对应的电力维护技术人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288041.9A CN117895659B (zh) | 2024-03-14 | 2024-03-14 | 一种智能电网自动化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410288041.9A CN117895659B (zh) | 2024-03-14 | 2024-03-14 | 一种智能电网自动化调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117895659A CN117895659A (zh) | 2024-04-16 |
CN117895659B true CN117895659B (zh) | 2024-05-31 |
Family
ID=90652030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410288041.9A Active CN117895659B (zh) | 2024-03-14 | 2024-03-14 | 一种智能电网自动化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117895659B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118074140A (zh) * | 2024-04-18 | 2024-05-24 | 宁波市电力设计院有限公司 | 一种优化增强配电网可靠性的规划方法以及规划系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663518A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于温度还原模型的年最大负荷预测方法 |
CN102682220A (zh) * | 2012-05-17 | 2012-09-19 | 鲁东大学 | 一种短期电力负荷预测方法 |
CN104408529A (zh) * | 2014-11-21 | 2015-03-11 | 广东工业大学 | 电网短期负荷预测方法 |
CN106570581A (zh) * | 2016-10-26 | 2017-04-19 | 东北电力大学 | 能源互联网环境下基于属性关联的负荷预测系统及其方法 |
CN106712296A (zh) * | 2017-01-09 | 2017-05-24 | 深圳市前海电能技术有限公司 | 一种电力的在线监测管理系统 |
CN109034521A (zh) * | 2018-06-07 | 2018-12-18 | 国电南瑞科技股份有限公司 | 一种电网调度控制系统的智能运维架构设计方法 |
KR101962739B1 (ko) * | 2018-08-27 | 2019-03-28 | 서울교통공사 | 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법 |
CN110503256A (zh) * | 2019-08-14 | 2019-11-26 | 北京国网信通埃森哲信息技术有限公司 | 基于大数据技术的短期负荷预测方法及系统 |
CN112052980A (zh) * | 2020-07-22 | 2020-12-08 | 国网河南省电力公司焦作供电公司 | 变电站配网线路故障分析预测方法 |
CN113595089A (zh) * | 2021-06-23 | 2021-11-02 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于需求侧管理的电能调控方法及系统 |
CN113962364A (zh) * | 2021-10-22 | 2022-01-21 | 四川大学 | 一种基于深度学习的多因素用电负荷预测方法 |
WO2022105944A1 (zh) * | 2020-11-18 | 2022-05-27 | 国网青海省电力公司经济技术研究院 | 考虑不同负荷结构和可靠性影响的10kV馈线最佳负载能力计算方法 |
CN114971094A (zh) * | 2022-08-02 | 2022-08-30 | 中国工业互联网研究院 | 基于边缘计算的电力负荷预测方法、装置、设备及介质 |
CN115471008A (zh) * | 2022-10-08 | 2022-12-13 | 西南石油大学 | 一种基于长短期记忆神经网络的燃气短期负荷预测方法 |
WO2023010759A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 |
CN116203352A (zh) * | 2023-03-16 | 2023-06-02 | 广东电网有限责任公司广州供电局 | 一种配电网的故障预警方法、装置、设备及介质 |
WO2024022194A1 (zh) * | 2022-07-26 | 2024-02-01 | 中国电力科学研究院有限公司 | 电网实时调度优化方法、系统、计算机设备及存储介质 |
CN117638928A (zh) * | 2024-01-26 | 2024-03-01 | 山西林业职业技术学院 | 一种基于云计算的智能配电网管理系统 |
-
2024
- 2024-03-14 CN CN202410288041.9A patent/CN117895659B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663518A (zh) * | 2012-03-31 | 2012-09-12 | 上海市电力公司 | 基于温度还原模型的年最大负荷预测方法 |
CN102682220A (zh) * | 2012-05-17 | 2012-09-19 | 鲁东大学 | 一种短期电力负荷预测方法 |
CN104408529A (zh) * | 2014-11-21 | 2015-03-11 | 广东工业大学 | 电网短期负荷预测方法 |
CN106570581A (zh) * | 2016-10-26 | 2017-04-19 | 东北电力大学 | 能源互联网环境下基于属性关联的负荷预测系统及其方法 |
CN106712296A (zh) * | 2017-01-09 | 2017-05-24 | 深圳市前海电能技术有限公司 | 一种电力的在线监测管理系统 |
WO2019233047A1 (zh) * | 2018-06-07 | 2019-12-12 | 国电南瑞科技股份有限公司 | 基于电网调度的运维方法 |
CN109034521A (zh) * | 2018-06-07 | 2018-12-18 | 国电南瑞科技股份有限公司 | 一种电网调度控制系统的智能运维架构设计方法 |
KR101962739B1 (ko) * | 2018-08-27 | 2019-03-28 | 서울교통공사 | 빅데이터 분석을 이용한 기계장비의 고장예측분석시스템 및 그 방법 |
CN110503256A (zh) * | 2019-08-14 | 2019-11-26 | 北京国网信通埃森哲信息技术有限公司 | 基于大数据技术的短期负荷预测方法及系统 |
CN112052980A (zh) * | 2020-07-22 | 2020-12-08 | 国网河南省电力公司焦作供电公司 | 变电站配网线路故障分析预测方法 |
WO2022105944A1 (zh) * | 2020-11-18 | 2022-05-27 | 国网青海省电力公司经济技术研究院 | 考虑不同负荷结构和可靠性影响的10kV馈线最佳负载能力计算方法 |
CN113595089A (zh) * | 2021-06-23 | 2021-11-02 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于需求侧管理的电能调控方法及系统 |
WO2023010759A1 (zh) * | 2021-08-04 | 2023-02-09 | 国网江苏省电力有限公司南通供电分公司 | 基于配售电竞争态势下区域配电网网格化负荷区间预测方法 |
CN113962364A (zh) * | 2021-10-22 | 2022-01-21 | 四川大学 | 一种基于深度学习的多因素用电负荷预测方法 |
WO2024022194A1 (zh) * | 2022-07-26 | 2024-02-01 | 中国电力科学研究院有限公司 | 电网实时调度优化方法、系统、计算机设备及存储介质 |
CN114971094A (zh) * | 2022-08-02 | 2022-08-30 | 中国工业互联网研究院 | 基于边缘计算的电力负荷预测方法、装置、设备及介质 |
CN115471008A (zh) * | 2022-10-08 | 2022-12-13 | 西南石油大学 | 一种基于长短期记忆神经网络的燃气短期负荷预测方法 |
CN116203352A (zh) * | 2023-03-16 | 2023-06-02 | 广东电网有限责任公司广州供电局 | 一种配电网的故障预警方法、装置、设备及介质 |
CN117638928A (zh) * | 2024-01-26 | 2024-03-01 | 山西林业职业技术学院 | 一种基于云计算的智能配电网管理系统 |
Non-Patent Citations (3)
Title |
---|
Design Requirements and Technical Architecture of a Fault- and Restoration-Based Load Forecasting Mechanism for Tanzania Secondary Distribution Electric Power Grid;Hussein Bakiri等;《2021 10th International Conference on Renewable Energy Research and Application (ICRERA)》;20211116;全文 * |
基于损失功率匹配的配电线路故障定位方法;杨喜行等;《中国电力》;20220831;第55卷(第8期);全文 * |
基于操作风险分析与控制的电网多时态分析技术;李普明;呼士召;马博;刘嘉宁;尹一江;罗文豪;;广东科技;20150925(第18期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117895659A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Evangelopoulos et al. | Optimal operation of smart distribution networks: A review of models, methods and future research | |
CN117895659B (zh) | 一种智能电网自动化调度方法及系统 | |
CN116646933B (zh) | 一种基于大数据的电力负荷调度方法及系统 | |
US8065041B2 (en) | Concentrating control method of generating sets for grid energy saving and reduction of SO2 discharge | |
US20150310366A1 (en) | Security region based security-constrained economic dispatching method | |
CN109828539B (zh) | 一种基于pdca体系的大数据供热能源管控平台系统 | |
CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能系统 | |
KR102512324B1 (ko) | 재생 에너지를 연계한 부하 예측 모델 기반의 전압 최적화 제어를 통한 보전 전압 강하를 위한 전압 제어 장치 | |
CN101082415A (zh) | 一种基于减少so2排放的发电机组实时集中控制方法 | |
CN111342459A (zh) | 一种电力需量决策分析系统及方法 | |
CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
CN116933952B (zh) | 基于物联网可视化的园区低碳能源调度系统 | |
Li et al. | Multi-stage power source and grid coordination planning method considering grid uniformity | |
CN116706905A (zh) | 基于电力系统的多能预测及调度方法、设备及存储介质 | |
Arakelyan et al. | Application of the basic principles of" Industry 4.0" in the intellectualization of automated control systems of modern thermal power plants | |
CN111598348A (zh) | 一种输电网均匀性规划优化方法、系统、介质及电子设备 | |
CN117117820A (zh) | 一种分布式新能源接入的配电网风险评估与协同平抑方法 | |
CN114157027B (zh) | 一种分布式光伏接入配电网运行的调控系统及方法 | |
Abadi et al. | A combined central-local volt/VAR approach in distribution systems with high PV uptake | |
Weiming Shen PhD | Load forecasting and equipment sequencing in a central heating and cooling plant: a case study | |
Yuan et al. | Short term load forecasting algorithm of substation bus based on multi source data characteristics | |
Wilson | Signal processing and control technology for conservation voltage reduction | |
CN115632487B (zh) | 一种智慧园区电力协调控制方法及系统 | |
Ye et al. | The Location and Capacity of Distributed Generation Based on Genetic Algorithm | |
Li et al. | Design of short term prediction system for interactive potential of power users based on artificial intelligence |
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 |