CN117895659B - 一种智能电网自动化调度方法及系统 - Google Patents

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

一种智能电网自动化调度方法及系统

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，PQ_n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，λ_K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，P_M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，T_M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，PQ_n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（PQ_n）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（PQ_n）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（PQ_n）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，λ_K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，P_M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，T_M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，PQ_n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，λ_K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，P_M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，T_M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。