CN112053086B - 基于大数据电网运行诊断***的工作方法 - Google Patents
基于大数据电网运行诊断***的工作方法 Download PDFInfo
- Publication number
- CN112053086B CN112053086B CN202010985984.9A CN202010985984A CN112053086B CN 112053086 B CN112053086 B CN 112053086B CN 202010985984 A CN202010985984 A CN 202010985984A CN 112053086 B CN112053086 B CN 112053086B
- Authority
- CN
- China
- Prior art keywords
- data
- model
- load
- real
- distribution network
- 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 29
- 238000003745 diagnosis Methods 0.000 title claims abstract description 19
- 238000009826 distribution Methods 0.000 claims abstract description 74
- 238000013439 planning Methods 0.000 claims abstract description 45
- 238000011161 development Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000005065 mining Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 79
- 238000005259 measurement Methods 0.000 claims description 48
- 238000007726 management method Methods 0.000 claims description 42
- 230000003068 static effect Effects 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000035515 penetration Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 5
- 238000007418 data mining Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 14
- 230000008595 infiltration Effects 0.000 abstract description 3
- 238000001764 infiltration Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000005192 partition Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000009365 direct transmission Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000012097 association analysis method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种基于大数据电网运行诊断***的工作方法,包括配电网基础数据接入,根据配电网接入的基础数据进行配电网分类负荷规划模型构建,负荷渗透模型和电网拓扑模型,根据电网负荷渗透模型和电网拓扑模型以及模糊关联挖掘算法和负荷修正算法建立电网负荷仿真计算模型,最后根据配电网现状网负荷数据和规划发展负荷数据结合配电网负荷规划模型的规律性分析及相关性分析,在电网负荷仿真计算模型的基础上实现配电网运行状态预测;本发明通过配电网状态预测,提高配电网运行诊断水平,实现了配电网运行情况评估以及设备运行水平和负载率的精准评估。
Description
技术领域
本发明涉及电网运行状态预测的技术领域,尤其涉及一种基于大数据电网运行诊断***的工作方法。
背景技术
电网负荷数据模型是电网规划、建设和发展的一个重要环节,科学的负荷模型建立对于电网规划,建设与改造至关重要。对于电网的经济建设、合理布局以及提高供电可靠性均具有重要的指导意义。
根据国家电网公司“泛在电力物联网建设大纲”及河南电力公司“泛在电力物联网建设方案”的建设要求,需进一步提高地区电网发展规划的管理水平,为实现电网运行更安全、管理更精益、投资更精准的战略目标奠定坚实基础。
为规范市域配电网规划工作流程,提高市域配电网建设的决策水平,完善电网企业的工作效率与管理水平,急需开展适用于市域配电网负荷发展的诊断评估方法及***的研究工作,构建精准的电网负荷仿真计算模型,从而进一步提高市域配电网规划和建设的精细化水平,提升规划工作的科学性和有效性。
开展适用于市域配电网负荷发展的诊断评估方法及***的研究工作,有助于提升电网企业的核心竞争力,促进电网企业的发展、加快配电网建设,提高资源的利用率,充分发挥市域配电网建设资金的社会效益及经济效益,避免投资浪费。
发明内容
针对背景技术中的技术问题,本发明提出一种基于大数据电网运行诊断***的工作方法,可加快市域配电网建设、优化配电网网架结构、改善配电网电能质量;减少停电对社会生活造成的影响、提高供电可靠率;促进电网、设备、用户三方业务的融合,更好的适应地区经济社会的发展需求。
为了达到上述目的,本发明的技术方案是这样实现的:
一种基于大数据电网运行诊断***的工作方法,包括如下步骤:
S1,接入配电网基础数据:从D5000、OMS、TMR及GIS***中采集实时运行数据、静态管理数据和综合历史数据,通过数据逻辑链条将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对共同形成闭环数据结构;
S2,配电网分类负荷规划模型:根据步骤S1中配电网接入管理中提供全网各电压等级的线路和设备多时段的各类基础数据,在综合考虑供电拓扑网络结构情况下,基于全网实时运行负荷的数据结果,确立现状网负荷,结合规划发展的各项要求,确立规划发展负荷,形成配电网分类负荷规划模型;
S3,根据步骤S2中分类负荷规划模型,在现有供电拓扑网络结构上,利用现状网负荷和规划发展负荷,结合现有电网实际负荷及各种相关因素,最终形成适应于分类负荷的电网负荷渗透模型和电网拓扑模型;
S4,配电网负荷仿真计算模型:根据步骤S3中电网负荷渗透模型和电网拓扑模型,结合气象信息、负荷转供、小电源及运行方式数据,利用模糊关联挖掘算法,实现负荷规划模型的相关性分析,利用负荷修正算法,建立配电网负荷仿真计算模型;
S5,根据配电网现状网负荷数据和规划发展符合数据,结合配电网规划模型的规律性分析及相关性分析以及配电网负荷仿真计算模型实现电网负荷运行状态预测及配电网运行情况评估。
优选地,所述步骤S1中数据逻辑链条利用数据库的逻辑结构,并结合可拓理论对于数据挖掘的分析方法实现将实时动态数据与综合历史数据相结合、实时动态数据与同步管理数据相关联以及同步管理数据与综合历史数据相比对的闭环数据结构。
优选地,所述步骤S5中电网负荷运行状态预测包括电网间隔状态,以电网间隔中各量测的历史运行数据为基础,挖掘得到间隔历史运行模型,然后基于间隔历史运行模型,对间隔实时运行的状态进行判断,计算间隔实时运行状态与历史运行模型的差别以确定当前运行是否存在异常,同时定位间隔中各个分量对偏差的贡献程度,最终实现面向电网间隔及其相关量测的预测告警。
优选地,所述间隔历史运行模型构建及间隔实时运行状态预测方法,包括以下步骤:
A1,首先读取反映间隔正常运行的历史数据集,每组数据都包括间隔的关键量测即有功P、无功Q、电流I及断路器状态B, (P,Q,I,B)组成间隔历史数据向量,从历史数据向量集中得到间隔历史运行的最大向量(Pmax,Qmax,Imax,1)以及最小向量(Pmin,Qmin,Imin,0),将历史数据向量集标准化,标准化时断路器状态B不变,另外3 个量测P,Q,I的标准化方式为:
A2,随后根据模型构建的参数,包括对各历史向量聚类的初始范围向量、扩展范围向量,依次处理标准化后的数据向量(P′,Q′,I′),根据数据向量集的最大向量、最小向量将其标准化,第一个向量自成一个类模型,其后的向量根据其与各个类模型的距离差、类模型范围以及扩展范围确定是否需要与某个类模型结合,然后确定其所在的类模型(属于某个当前已有类模型或者自成一个新的类模型),直到所有间隔历史数据向量被处理一遍,至此得到若干个类模型,总称为间隔历史运行模型;
A3,根据步骤A1和A2产生的间隔历史运行模型已经覆盖了间隔几乎所有正常运行下的状态,包含多个聚类模型即正常状态,在调度自动化***实时运行中,根据采集得到的实时量测数据向量,得到与其距离最近的历史运行聚类模型即近似模型;
A4,根据步骤A3,在计算每个历史模型的距离时,包括如下准则:
A41,如果断路器状态为1,那么只与断路器状态为1的历史模型计算距离;如果断路器状态为0,则只与断路器状态为0的历史模型计算距离;
A42,如果量测实时值大于该模型的对应量测的上限值,那么该量测分量的距离为实时值减去模型对应分量的上限值;
A43,如果量测实时值在该模型的对应量测的上限值和下限值之间,那么该量测分量的距离为0;
A44,如果量测实时值小于该模型的对应量测的下限值,那么该量测分量的距离为模型对应分量的下限值减去实时值;
A5,根据步骤A3中确定的近似模型,计算得到该时间间隔运行关键量测的预测值,除了断路器状态的预测值与实时值相同外,其他的量测预测值计算遵循如下准则:
A51,如果量测实时值大于近似模型对应量测的上限值,那么该量测当前状态预测值即为上限值;
A52,如果量测实时值在近似模型对应量测的上限值和下限值之间,那么该量测当前状态预测值即为其自身;
A53,如果量测实时值小于近似模型对应量测的下限值,那么该量测当前状态预测值即为下限值;如果实时运行向量与预测向量的差大于设定的经验值,即预测向量与其近似模型的距离较大,那么说明此时该间隔出现了运行异常的情况,则求出每个量测对该异常的贡献程度以供偏差定位,同时进行告警;如果该实时运行向量与预测向量相差较小,则认为此时该间隔运行状态正常;至此,实现配电网间隔运行状态的预测。
与现有技术相比,本发明的有益效果:
本发明通过配电网状态预测,提高配电网运行诊断水平,实现了配电网运行情况评估以及设备运行水平和负载率的精准评估,有助于提升电网企业的核心竞争力,促进电网企业的发展、加快配电网建设,提高资源的利用率,充分发挥市域配电网建设资金的社会效益及经济效益,避免投资浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明步骤S1中基础数据体系示意图。
图2为本发明步骤S1中基础数据体系结构图。
图3为本发明步骤S1中数据逻辑链条的应用过程示意图。
图4为本发明步骤S2中分类负荷规划模型实现过程示意图。
图5为本发明步骤S2中负荷渗透模型和电网拓扑模型实现过程示意图。
图6为本发明步骤S3中配电网仿真计算模型实现过程示意图。
图7为本发明步骤S4中负荷修正算法实现过程示意图。
图8为本发明步骤S5中电网负荷发展诊断预测过程示意图。
图9为本发明中间隔历史运行模型构建流程图。
图10为全网运行情况评估示意图。
图11为设备运行情况评估示意图。
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付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。
一种基于大数据电网运行诊断***的工作方法,包括如下步骤:
如图1~图3所示,S1,接入配电网基础数据:从D5000、OMS、 TMR及GIS***中采集实时运行数据、静态管理数据和综合历史数据,通过数据逻辑链条将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对共同形成闭环数据结构,数据逻辑链条利用数据库的逻辑结构,并结合可拓理论对于数据挖掘的分析方法实现将实时动态数据与综合历史数据相结合、实时动态数据与同步管理数据相关联以及同步管理数据与综合历史数据相比对的闭环数据结构。
本项发明建立了多源数据实时关联反馈信息链,以各级数据间的实时同步、分类储存、互联互通与多源共享为基础,从数据采集、分类、交换、存储、品质加工、计算分析、配送直到最终业务应用的全环节数据供应,均围绕应用需求定制,实现数据应用的最优化,通过数据逻辑链条,使各类调控运行数据从采集到应用各环节实现了专有集成、无缝整合,共同满足业务应用需求,达到结果准确、响应快速、资源节约的数据服务效果。
实时运行数据包括告警直传信息、光字牌信息和遥测量信息,变电站告警直传信息是电网运行业务的主要关注对象。以变电站监控***的单一事件或综合分析结果为信息源,经过规范化处理,生成标准的告警条文。告警信息筛选以监控业务需求为依据,以相关告警分类为标准,应注重信息的完整性与传输的可靠性。告警条文的标准化处理由变电站监控***完成,经由图形网关机(或远动工作站)直接以文本格式传送到调度主站,实时接入来自I 区D5000***直传实时数据,过滤出市域配电网范围内的厂站,主要同步告警直传信息中的告警时间、告警厂站、告警内容、设备名称、告警分级等内容,并按照时间、厂站、设备、告警分类(五类)、告警分级进行存储。同时对同一信息数量再按照年、月、日进行数量累加;
光字牌信息为硬接点信息,一次设备、二次设备及辅助设备以电气触点方式接入测控装置或智能终端的信号,***实时接入来自 I区D5000***遥信变位数据,过滤出市域配电网范围内的厂站,按照发生时间、厂站ID、遥信内容、遥信ID、间隔ID、遥信状态进行存储,并与《前置遥信定义表》进行关联,找出每条遥信数据对应的点号一并存储;
遥测量信息主要包括反映一次设备、二次设备运行工况的量测数据和位置状态,一次设备量测数据是反映电网和设备运行状况的电气和非电气变化量信息,二次设备量测数据是反映设备运行状况的电气和非电气变化量信息,一次设备位置状态是反映电网和设备运行状况的状态量信息,二次设备位置状态反映二次设备压板投退等运行状况的状态量信息,遥测数据实时通过I区同步到 III区历史库中。
静态管理数据包括运行管理数据和专业管理数据,运行管理数据主要涵盖电网运行管理工作中的异常缺陷数据、日前检修计划数据、变电站传动共管移交状态管控数据、AVC闭环管控数据、开关实控数据及远方操作数据、事故障碍数据、日度月度报表数据等;数据在III区OMS***各相应模块中提取并储存使用;闭环管理数据主要包含电网运行业务闭环管理相关内容及环节节点信息;本项发明主要涉及设备缺陷流程数据及设备台账数据、变电站信息接入与验收流程数据等,数据通过数据在III区OMS***各相应模块中同步提取并储存使用;
综合历史数据包括实时历史数据库、运行管理类历史数据以及相关***数据
如图4~图5所示,S2,配电网分类负荷规划模型:根据步骤S1 中配电网接入管理中提供全网各电压等级的线路和设备多时段的各类基础数据,在综合考虑供电拓扑网络结构情况下,基于全网实时运行负荷的数据结果,确立现状网负荷,结合规划发展的各项要求,确立规划发展负荷,形成配电网分类负荷规划模型;通过配电网基础数据接入管理中提供全网各电压等级的线路和设备多时段的各类基础数据,在综合考虑供电拓扑网络结构情况下,基于全网实时运行负荷的数据结果,确立现状网负荷,结合规划发展的各项要求,确立规划发展负荷,形成配电网分类负荷规划模型;为了进一步提高全网各电压等级的负荷规划模型的准确性,需结合现状网负荷和规划发展负荷数据,开展年、季、月、周、日各时间段负荷规划模型的规律性分析;
如图6所示,S3,根据步骤S2中分类负荷规划模型,在现有供电拓扑网络结构上,利用现状网负荷和规划发展负荷,结合现有电网实际负荷及各种相关因素,最终形成适应于分类负荷的电网负荷渗透模型和电网拓扑模型;本项发明对I区D5000***历史库中的告警直传信息、调度直采数据进行同步存储,采用数据集管理和实时历史数据管理两种方式实现;数据集可以对不同设备所属数据的独特性进行诠释,例如主变类设备可以通过主变负荷、主变油温、绕组油温及设备异常故障硬接点等数据,综合体现主变的运行状态,通过数据集管理可以将历史信息进行适应性分类储存;实时历史数据管理是在历史数据保存的基础上,将实时数据与历史相同数据进行叠加储存,由于数据信息的内容、分级、厂站等主要信息一致,只需对时间和次数进行储存和叠加。有效减少历史数据容量,加快历史数据统计时间,提升历史数据调用效率;
运行管理类历史数据主要采取对III区OMS***中各模块中监控业务管理类历史数据进行分类存储,主要涵盖设备异常数据、设备缺陷数据、事故障碍数据、变电站移交流程数据、变电站集中监控信息传动数据等内容进行分类存数,为本项发明中各算法提供运行管理类历史数据的支撑;
相关***数据:除OMS***外,III区中的其他***数据也有参考价值,继电保护故障信息***中变电站及设备的故障录波图、故障保护动作情况及故障测距等信息的数据提取;实现对输变电在线监测数据的定向提取。这些***数据的实时同步有助于综合评估受控站的实时运行状况,为配电网诊断评估提供更加全面的数据支撑。
如图7所示,S4,配电网负荷仿真计算模型:根据步骤S3中电网负荷渗透模型和电网拓扑模型,结合气象信息、负荷转供、小电源及运行方式数据,利用模糊关联挖掘算法,实现负荷规划模型的相关性分析,利用负荷修正算法,建立配电网负荷仿真计算模型;本项发明将模糊关联规则挖掘引入仿真计算数据关联规则挖掘中,避免了传统量化关联规则挖掘边界划分过硬的缺点。将模糊概念应用于数据挖掘算法,就是将经典的Apriori算法拓展到模糊属性事务中,为事务的每种模糊属性确定划分的数目,然后把每个属性的所有可能值映射到模糊集中,查找出其支持度大于用户所给定的最小支持度的大项集,这些大项集经处理后便产生模糊关联规则,最后输出人们感兴趣的规则。具体的挖掘算法如下所述。
输入:n个事务构成的事务数据库D,每个事务数据由m个项目组成;隶属度函数集合,第i(i=1,2,…n)个事务数据中第j(j=1,2,…m) 个项目可用k个隶属函数μi(Rjs),(s=1,2,…k)来描述;给定最小支持度和最小置信度。
输出:一组模糊关联规则。
步骤3:对每一分区Rjs,(1≤j≤m,1≤s≤k),检查每一模糊集对应的权值weightjs是否大于或等于预先给定的最小支持度。如果分区 Rjs,(1≤j≤m,1≤s≤k)满足以上条件,则将其放入频繁一项集L1中,即
L1={Rjs|weightjs≥minsupport,1≤j≤m,1≤s≤k}
步骤4:设r=1,这里r表示当前保留在频繁项集中项目的数量。
步骤5:用Apriori算法从频繁项集Lr中产生候选项集Cr+1,其中Lr在两个项目集中有r-1个项目是相同的,而其它的项目不同,且属于同一项目的两个分区不能同时出现在候选项集Cr+1同一项中。
步骤6:对候选项集Cr+1中每个新生成的r+1项集t=(t1,t2,…tr+1)作如下处理:
A)对每一事务数据Ti,(i=1,2,…n),计算候选大项集中项目t在其上的隶属度:
B)计算候选大项集中各项目的权值
C)如果weightt大于或等于给定的最小支持度minsupport,则将项目t=(t1,t2,…tr+1)放入Lr+1中。
步骤7:如果Lr+1为空,则执行下一步;否则置r=r+1且重复步骤 5至步骤7。
如图8所示,步骤8:为所有的具有项目(t1,t2,…tq)的大q(q≥2)项集t构造关联规则,其步骤如下:
A)形成所有可能的模糊关联规则
B)计算所有模糊关联规则的置信度,输出置信度大于或等于给定的最小置信度的规则
步骤9:兴趣度计算,输出兴趣度大于等于最小兴趣度的规则。模糊关联规则挖掘算法输出的具有模糊属性的关联规则,可以作为给定事务数据库D的潜在的元知识(meta-knowledge),这种模糊规则是专家***最广泛、最流行的知识形式,它基于演绎推理,易于被人理解,能保证推理的正确性。根据模糊化后的结果,无法确定规则的具体数值,通过模糊量清晰化确定规则前件与后件的具体数值。
本项发明根据市域配电网仿真计算的特点与需求,建立了一种基于整合电网负荷模型的模糊关联规则挖掘算法。随着市域配电网规模的不断发展,配电网仿真计算越来越复杂多样,配电网运行及管理工作面临着极大的挑战,需要更加客观***地对配电网运行特性与趋势进行描述,“模糊关联分析”代表了未来一种综合性的数据关联分析方法,通过综合性的管理分析功能深入发掘管理数据间的联系,并最终为优化和完善电力***数据网络提供可靠的参考依据;在充分考虑市域范围内全网各地区各产业结构、负荷、经济、气象、降水电网规划与建设等历史数据的基础上,开展负荷规划模型的相关性分析,梳理各电压等级各设备之间的负荷规划模型相关关系及相互影响。利用分析结果,设计一种具有较强适应性和灵活性的负荷修正算法,实现坏数据的检测和批量修正,提高负荷修正算法的灵活性与准确性;
如图9所示,S5,根据配电网现状网负荷数据和规划发展符合数据,结合配电网规划模型的规律性分析及相关性分析以及配电网负荷仿真计算模型实现电网负荷运行状态预测及配电网运行情况评估。所述步骤S5中电网负荷运行状态预测包括电网间隔状态,间隔是由若干相互关联的设备与设备之间的连线组成的设备集合,而将厂站内的断路器和刀闸按照其组成、功能、接线方式进行分组就得到了电网的间隔,间隔是运行人员进行电网业务管理、操作的重要组织形式。现有的在运***中,未见以电网间隔作为状态分类依据的功能,以电网间隔中各量测的历史运行数据为基础,挖掘得到间隔历史运行模型,然后基于间隔历史运行模型,对间隔实时运行的状态进行判断,计算间隔实时运行状态与历史运行模型的差别以确定当前运行是否存在异常,同时定位间隔中各个分量对偏差的贡献程度,最终实现面向电网间隔及其相关量测的预测告警。
所述间隔历史运行模型构建及间隔实时运行状态预测方法,包括
以下步骤:
A1,首先读取反映间隔正常运行的历史数据集,每组数据都包括间隔的关键量测即有功P、无功Q、电流I及断路器状态B, (P,Q,I,B)组成间隔历史数据向量,从历史数据向量集中得到间隔历史运行的最大向量(Pmax,Qmax,Imax,1)以及最小向量(Pmin,Qmin,Imin,0),将历史数据向量集标准化,标准化时断路器状态B不变,另外3 个量测P,Q,I的标准化方式为:
A2,随后根据模型构建的参数,包括对各历史向量聚类的初始范围向量、扩展范围向量,依次处理标准化后的数据向量(P′,Q′,I′),根据数据向量集的最大向量、最小向量将其标准化,第一个向量自成一个类模型,其后的向量根据其与各个类模型的距离差、类模型范围以及扩展范围确定是否需要与某个类模型结合,然后确定其所在的类模型(属于某个当前已有类模型或者自成一个新的类模型),直到所有间隔历史数据向量被处理一遍,至此得到若干个类模型,总称为间隔历史运行模型;
A3,根据步骤A1和A2产生的间隔历史运行模型已经覆盖了间隔几乎所有正常运行下的状态,包含多个聚类模型即正常状态,在调度自动化***实时运行中,根据采集得到的实时量测数据向量,得到与其距离最近的历史运行聚类模型即近似模型;
A4,根据步骤A3,在计算每个历史模型的距离时,包括如下准则:
A41,如果断路器状态为1,那么只与断路器状态为1的历史模型计算距离;如果断路器状态为0,则只与断路器状态为0的历史模型计算距离;
A42,如果量测实时值大于该模型的对应量测的上限值,那么该量测分量的距离为实时值减去模型对应分量的上限值;
A43,如果量测实时值在该模型的对应量测的上限值和下限值之间,那么该量测分量的距离为0;
A44,如果量测实时值小于该模型的对应量测的下限值,那么该量测分量的距离为模型对应分量的下限值减去实时值;
A5,根据步骤A3中确定的近似模型,计算得到该时间间隔运行关键量测的预测值,除了断路器状态的预测值与实时值相同外,其他的量测预测值计算遵循如下准则:
A51,如果量测实时值大于近似模型对应量测的上限值,那么该量测当前状态预测值即为上限值;
A52,如果量测实时值在近似模型对应量测的上限值和下限值之间,那么该量测当前状态预测值即为其自身;
A53,如果量测实时值小于近似模型对应量测的下限值,那么该量测当前状态预测值即为下限值;如果实时运行向量与预测向量的差大于设定的经验值,即预测向量与其近似模型的距离较大,那么说明此时该间隔出现了运行异常的情况,则求出每个量测对该异常的贡献程度以供偏差定位,同时进行告警;如果该实时运行向量与预测向量相差较小,则认为此时该间隔运行状态正常;至此,实现配电网间隔运行状态的预测,如图10和图11所示,利用电网负荷发展的诊断评估方法实现电网现状和负载率的精准评估,实现设备运行水平和负载率的精准评估,最终实现配电网运行情况的整体评估,包括稳定限额控制、遥控试验、主变重载、电压越限、有功越限、变电站负载率等精准的评估。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于大数据电网运行诊断***的工作方法,其特征在于,包括如下步骤:
S1,接入配电网基础数据:从D5000、OMS、TMR及GIS***中采集实时运行数据、静态管理数据和综合历史数据,通过数据逻辑链条将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对共同形成闭环数据结构;
S2,配电网分类负荷规划模型:根据步骤S1中配电网接入管理中提供全网各电压等级的线路和设备多时段的各类基础数据,在综合考虑供电拓扑网络结构情况下,基于全网实时运行负荷的数据结果,确立现状网负荷,结合规划发展的各项要求,确立规划发展负荷,形成配电网分类负荷规划模型;
S3,根据步骤S2中分类负荷规划模型,在现有供电拓扑网络结构上,利用现状网负荷和规划发展负荷,结合现有电网实际负荷及各种相关因素,最终形成适应于分类负荷的电网负荷渗透模型和电网拓扑模型;
S4,配电网负荷仿真计算模型:根据步骤S3中电网负荷渗透模型和电网拓扑模型,结合气象信息、负荷转供、小电源及运行方式数据,利用模糊关联挖掘算法,实现负荷规划模型的相关性分析,利用负荷修正算法,建立配电网负荷仿真计算模型;
S5,根据配电网现状网负荷数据和规划发展符合数据,结合配电网规划模型的规律性分析及相关性分析以及配电网负荷仿真计算模型实现电网负荷运行状态预测及配电网运行情况评估。
2.根据权利要求1所述的基于大数据电网运行诊断***的工作方法,其特征在于,所述步骤S1中数据逻辑链条利用数据库的逻辑结构,并结合可拓理论对于数据挖掘的分析方法实现将实时动态数据与综合历史数据相结合、实时动态数据与同步管理数据相关联以及同步管理数据与综合历史数据相比对的闭环数据结构。
3.根据权利要求1所述的基于大数据电网运行诊断***的工作方法,其特征在于,所述步骤S5中电网负荷运行状态预测包括电网间隔状态,以电网间隔中各量测的历史运行数据为基础,挖掘得到间隔历史运行模型,然后基于间隔历史运行模型,对间隔实时运行的状态进行判断,计算间隔实时运行状态与历史运行模型的差别以确定当前运行是否存在异常,同时定位间隔中各个分量对偏差的贡献程度,最终实现面向电网间隔及其相关量测的预测告警。
4.根据权利要求3所述的基于大数据电网运行诊断***的工作方法,其特征在于,所述间隔历史运行模型构建及间隔实时运行状态预测方法,包括以下步骤:
A1,首先读取反映间隔正常运行的历史数据集,每组数据都包括间隔的关键量测即有功P、无功Q、电流I及断路器状态B,(P,Q,I,B)组成间隔历史数据向量,从历史数据向量集中得到间隔历史运行的最大向量(Pmax,Qmax,Imax,1)以及最小向量(Pmin,Qmin,Imin,0),将历史数据向量集标准化,标准化时断路器状态B不变,另外3个量测P,Q,I的标准化方式为:
A2,随后根据模型构建的参数,包括对各历史向量聚类的初始范围向量、扩展范围向量,依次处理标准化后的数据向量(P′,Q′,I′),根据数据向量集的最大向量、最小向量将其标准化,第一个向量自成一个类模型,其后的向量根据其与各个类模型的距离差、类模型范围以及扩展范围确定是否需要与某个类模型结合,然后确定其所在的类模型,直到所有间隔历史数据向量被处理一遍,至此得到若干个类模型,总称为间隔历史运行模型;
A3,根据步骤A1和A2产生的间隔历史运行模型已经覆盖了间隔几乎所有正常运行下的状态,包含多个聚类模型即正常状态,在调度自动化***实时运行中,根据采集得到的实时量测数据向量,得到与其距离最近的历史运行聚类模型即近似模型;
A4,根据步骤A3,在计算每个历史模型的距离时,包括如下准则:
A41,如果断路器状态为1,那么只与断路器状态为1的历史模型计算距离;如果断路器状态为0,则只与断路器状态为0的历史模型计算距离;
A42,如果量测实时值大于该模型的对应量测的上限值,那么该量测分量的距离为实时值减去模型对应分量的上限值;
A43,如果量测实时值在该模型的对应量测的上限值和下限值之间,那么该量测分量的距离为0;
A44,如果量测实时值小于该模型的对应量测的下限值,那么该量测分量的距离为模型对应分量的下限值减去实时值;
A5,根据步骤A3中确定的近似模型,计算得到时间间隔运行关键量测的预测值,除了断路器状态的预测值与实时值相同外,其他的量测预测值计算遵循如下准则:
A51,如果量测实时值大于近似模型对应量测的上限值,那么该量测当前状态预测值即为上限值;
A52,如果量测实时值在近似模型对应量测的上限值和下限值之间,那么该量测当前状态预测值即为其自身;
A53,如果量测实时值小于近似模型对应量测的下限值,那么该量测当前状态预测值即为下限值;如果实时运行向量与预测向量的差大于设定的经验值,即预测向量与其近似模型的距离较大,那么说明此时该间隔出现了运行异常的情况,则求出每个量测对该异常的贡献程度以供偏差定位,同时进行告警;如果该实时运行向量与预测向量相差较小,则认为此时该间隔运行状态正常;至此,实现配电网间隔运行状态的预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010985984.9A CN112053086B (zh) | 2020-09-18 | 2020-09-18 | 基于大数据电网运行诊断***的工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010985984.9A CN112053086B (zh) | 2020-09-18 | 2020-09-18 | 基于大数据电网运行诊断***的工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053086A CN112053086A (zh) | 2020-12-08 |
CN112053086B true CN112053086B (zh) | 2022-09-09 |
Family
ID=73603379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010985984.9A Active CN112053086B (zh) | 2020-09-18 | 2020-09-18 | 基于大数据电网运行诊断***的工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053086B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859162B (zh) * | 2023-02-21 | 2023-05-05 | 深圳市超业电力科技有限公司 | 基于物联网的配电***健康诊断方法及相关装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376384A (zh) * | 2014-11-27 | 2015-02-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测*** |
CN105654196A (zh) * | 2015-12-29 | 2016-06-08 | 中国电力科学研究院 | 一种基于电力大数据的自适应负荷预测选择方法 |
WO2017035703A1 (en) * | 2015-08-28 | 2017-03-09 | Accenture Global Services Limited | Electrical power transmission and distribution equipment event sequencing system |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110231342A1 (en) * | 2010-03-19 | 2011-09-22 | Marlex Engineering Inc. | Electricity usage planner |
CN104123675A (zh) * | 2013-04-27 | 2014-10-29 | 国家电网公司 | 基于全网数据的配电网仿真研究分析***及方法 |
CN106096810B (zh) * | 2016-05-26 | 2017-08-25 | 广东电网有限责任公司佛山供电局 | 基于配电网运行数据与地理拓扑信息的规划方法及*** |
CN106483947A (zh) * | 2016-09-21 | 2017-03-08 | 国网江苏省电力公司南通供电公司 | 基于大数据的配电网运行状态评估和预警方法 |
US10770898B2 (en) * | 2017-02-28 | 2020-09-08 | Screaming Power Inc. | Methods and systems for energy use normalization and forecasting |
CN108491969B (zh) * | 2018-03-16 | 2021-12-24 | 国家电网公司 | 基于大数据的空间负荷预测模型构建方法 |
CN109598386A (zh) * | 2018-12-12 | 2019-04-09 | 国网山东省电力公司临沂供电公司 | 一种基于深度学习的配网优化精准分析方法及*** |
CN109816161A (zh) * | 2019-01-14 | 2019-05-28 | 中国电力科学研究院有限公司 | 一种配电网运行辅助决策分析***及其应用方法 |
CN110990656A (zh) * | 2019-10-14 | 2020-04-10 | 广西电网有限责任公司贺州供电局 | 一种智能电网大数据可视化分析的*** |
CN111429027B (zh) * | 2020-04-15 | 2023-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种基于大数据的地区输电网运行多维度分析方法 |
-
2020
- 2020-09-18 CN CN202010985984.9A patent/CN112053086B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376384A (zh) * | 2014-11-27 | 2015-02-25 | 广西大学 | 一种基于电力大数据分析的台风日最大日负荷预测*** |
WO2017035703A1 (en) * | 2015-08-28 | 2017-03-09 | Accenture Global Services Limited | Electrical power transmission and distribution equipment event sequencing system |
CN105654196A (zh) * | 2015-12-29 | 2016-06-08 | 中国电力科学研究院 | 一种基于电力大数据的自适应负荷预测选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112053086A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103296677B (zh) | 一种在线大电网恢复辅助决策*** | |
CN104331844B (zh) | 一种电网基建项目投资决策方法 | |
CN110782153A (zh) | 一种企业园区综合能效评估体系建模方法及*** | |
CN108830745A (zh) | 基于监控信息的电网连锁故障诊断、预警、评估*** | |
CN101888087A (zh) | 一种在配网终端中实现分布式超短期区域负荷预测的方法 | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN113406438B (zh) | 一种适用于低压台区的故障智能诊断方法及其运维*** | |
CN110264116A (zh) | 一种基于关系探索与回归树的电力***动态安全评估方法 | |
CN107527121A (zh) | 一种电网的信息***运行状态诊断预测的方法 | |
Liu et al. | Evaluating investment strategies for distribution networks based on yardstick competition and DEA | |
Du et al. | A hybrid group-making decision framework for regional distribution network outage loss assessment based on fuzzy best-worst and MARCOS methods | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN112053086B (zh) | 基于大数据电网运行诊断***的工作方法 | |
CN111105218A (zh) | 一种基于全息影像技术的配电网运行监视方法 | |
CN114204675A (zh) | 一种基于云边协同的配电台区电能数据采集终端 | |
CN112508254A (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN108321790A (zh) | 一种电网调控***及其工作方法 | |
CN112649696A (zh) | 电网异常状态识别方法 | |
CN110212642A (zh) | 一种基于大数据配网自动化终端远程运维*** | |
CN109739719A (zh) | 一种通信机房基础设施管理方法及装置 | |
Chen et al. | Multi-area economic generation and reserve dispatch | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及*** | |
CN113191740A (zh) | 一种计量资产管理*** | |
HAIZHU et al. | Research and implementation of intelligent analysis system for comprehensive outage management based on big data technology | |
CN117575308B (zh) | 分布式配电网的风险评估方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |