CN114048925A - 一种电网综合运营预警方法、装置及终端设备 - Google Patents
一种电网综合运营预警方法、装置及终端设备 Download PDFInfo
- Publication number
- CN114048925A CN114048925A CN202111437270.5A CN202111437270A CN114048925A CN 114048925 A CN114048925 A CN 114048925A CN 202111437270 A CN202111437270 A CN 202111437270A CN 114048925 A CN114048925 A CN 114048925A
- Authority
- CN
- China
- Prior art keywords
- early warning
- power grid
- operation data
- target
- dynamic early
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 abstract description 12
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000005315 distribution function Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 231100001267 hazard identification Toxicity 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明适用于电网运维技术领域,提供了一种电网综合运营预警方法、装置及终端设备,该方法包括:获取目标电网的原始运营数据,对原始运营数据进行预处理,得到目标运营数据,目标运营数据的类别为至少一类;获取目标电网的各类运营数据对应的阈值范围;获取目标电网的动态预警模型,基于阈值范围调整动态预警模型,得到调整后的动态预警模型;将目标运营数据输入调整后的动态预警模型,得到目标电网综合运营的动态预警结果。本发明提供的电网综合运营预警分析方法能够避免工作人员主观判断对电网综合运营预警的影响,提高电网综合运营预警的准确性。
Description
技术领域
本发明属于电网运维技术领域,尤其涉及一种电网综合运营预警方法、装置及终端设备。
背景技术
为了电网的正常高效运行,电力企业需要对运营过程进行风险预警。传统上,此类风险预警方法包括建立指标评价体系的方法和构建企业运营指标联动关系的方法。其中建立指标评价体系需要分别确定评价维度、筛选评价指标、确定各个指标的权重,以上过程容易收到人为主观因数的影响,难以实现准确风险预警。
发明内容
有鉴于此,本发明实施例提供了一种电网综合运营预警方法、装置及终端设备,能够提高电网运营过程中预警的准确性。
本发明实施例的第一方面提供了一种电网综合运营预警方法,包括:
获取目标电网的原始运营数据,对所述原始运营数据进行预处理,得到目标运营数据,所述目标运营数据的类别为至少一类;
获取目标电网的各类运营数据对应的阈值范围;
获取所述目标电网的动态预警模型,基于所述阈值范围调整所述动态预警模型,得到调整后的动态预警模型;
将所述目标运营数据输入所述调整后的动态预警模型,得到所述目标电网综合运营的动态预警结果。
本发明实施例的第二方面提供了一种电网综合运营预警装置,其特征在于,包括:
运营数据获取模块,用于获取目标电网的原始运营数据,对所述原始运营数据进行预处理,得到目标运营数据,所述目标运营数据的类别为至少一类;
阈值范围获取模块,用于获取目标电网的各类运营数据对应的阈值范围;
动态预警模型获取模块,用于获取所述目标电网的动态预警模型,基于所述阈值范围调整所述动态预警模型,得到调整后的动态预警模型;
动态预警结果生成模块,用于将所述目标运营数据输入所述调整后的动态预警模型,得到所述目标电网综合运营的动态预警结果。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得电子设备执行上述第一方面中任一项所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例提供了一种电网综合运营预警方法、该方法包括获取目标电网的原始运营数据,对原始运营数据进行预处理,得到目标运营数据,目标运营数据的类别为至少一类;获取目标电网的各类运营数据对应的阈值范围;获取目标电网的动态预警模型,基于阈值范围调整动态预警模型,得到调整后的动态预警模型;将目标运营数据输入调整后的动态预警模型,得到目标电网综合运营的动态预警结果。本发明实施例提供的电网综合运营预警分析方法能够避免工作人员主观判断对电网综合运营预警的影响,提高电网综合运营预警的准确性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是现有技术中电网司机梯度预警的实现流程示意图;
图2是本发明实施例提供的电网综合运营预警方法的实现流程示意图;
图3是本发明实施例提供的电网综合运营预警方法的又一实现流程示意图;
图4是本发明实施例提供的电网综合运营预警方法的静态预警结果示意图;
图5是本发明实施例提供的电网综合运营预警装置的结构示意图;
图6是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
传统上,进行电网运营预警的方法包括网络层次分析法和四级梯度预警预控方法。
网络层次分析法的主要步骤包括,建立递阶层次结构指标体系,将指标体系的层级结构分为目标层、准则层和指标层。其中,目标层即为对公司运营指标做出综合评价,准则层用于评价利润、资产负债、***率等,而指标层为分布在各属性上的底层指标。利用判断矩阵,分析目标层与各准则之间的关系,进行各准则之间的重要性比较。最周进行层次总排序,并进行一致性检验。若总排序的结果具有满意的一致性,则检验通过,各指标的特征向量就是指标评价体系的权重。网络层次分析法能够在复杂决策中通过网络结构反映***元素间的相互影响关系。
四级梯度预警预控方法基于***工程学思想,将***工程的思想应用于电网运行生产过程的四个重要环节,针对各自开展预警分析和预防性控制,在周计划、日计划、操作前和实时四个时间梯度上递进的环节进行相应的预警预控工作,加强电网企业管理和风险防控。
然而以上方法的定量数据较少,定性成分较多,难以准确反应公司运营指标之间的相互关系。在评价指标过多时,数据的统计量大,权重难以确定。
图1示出了现有技术中四级梯度预警方法的实现流程示意图。参见图1,在四级梯度预警方法中,分别监测***的实时运行状态、未来15分钟即操作前的运行状态、日检修计划和周检修计划,从而进行电网模型的合并与重建。其中,操作前的运行状态用于进行超短期负荷预测,日前检修计划用于扩展短期负荷预测,周检修计划用于进行短期负荷预警。进一步的,根据合并和重建后的电网模型进行安全预警和状态识别,从而实现紧急控制、预防控制、增强控制、刷新稳控策略表。另一方面,根据合并和重建后的电网模型,可以进行安全校验和安全隐患识别,从而实现告警和策略的调整。
然而,四级梯度预警预控方法是基于假设条件进行的风险预测,其预测结果相对于实际情况并不完全合理,导致潮流预报可能出现不收敛的情况。同时,由于四级梯度预警预控方法需要以内部电网的模型为基础,当新设备投运时不能及时加入新设备模型并更新数据,该方法的计算结果可能出现误差。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图2示出了本发明实施例提供的电网综合运营预警方法的实现流程示意图。参见图2,本发明实施例提供的电网综合运营预警方法可以包括步骤S101至S104。
S101:获取目标电网的原始运营数据,对原始运营数据进行预处理,得到目标运营数据,目标运营数据的类别为至少一类。
在一些实施例中,对原始运营数据进行预处理包括:对原始运营数据进行无量纲化处理。
在一些实施例中,对原始运营数据进行预处理,包括对时间异常的原始运营数据进行调整;对数据明显异常的原始运营数据进行人工核实。
S102:获取目标电网的各类运营数据对应的阈值范围。
在一些实施例中,S102之前,本发明实施例提供的电网综合运营预警方法还可以包括:设定各个指标的阈值范围。
阈值范围的设计基于大样本历史数据,采用随机数试验模拟法和历史值赋权相结合非方法实现,可以根据绩效指标的发展趋势设定阈值。
在一个具体的示例中,设定某一指标的阈值范围的具体实现过程如下:
S201:获取目标电网的历史运营数据,对历史运营数据进行无量纲化处理。
无量纲处理公式包括:
其中,X1为指标的满意值;X0为指标的不容许值上限;xi为指标的实际值;di表示指标xi无量纲化后的值。
S202:获取各个年份历史数据的权重范围,通过随机数试验模拟方法确定各类运营数据的阈值范围。
具体的,设定各个年份的权重范围及权重分布函数,通过随机数试验模拟对指标i的阈值进行确定。
在一个具体的示例中,表1示出了各年历史运营数据的权重分布情况。
表1权重范围设定表
在表1中,差值为历史运营数据的年份与当前年份的差值,权值为各个历史运营数据占据的权值范围。
在一些实施例中,基于运营绩效指标发展的不确定性,参考各种概率分布函数与运营绩效指标发展的匹配度,使用正态分布函数对权值进行描述。
在一些实施例中,设定各年历史运营数据的权重范围以及权重的分布函数,通过随机数试验模拟的方式确定未来的指标阈值。
进一步的,对设定权值范围和权值分布函数进行多次模拟,表2示出了某次模拟的结果。
表2权值模拟结果表
在一些实施例中,基于归一化公式将权值模拟结果中的权值进行归一化处理,可以得到各年的权重。
进一步的,基于指标阈值计算公式和历史运营数据的各年权重,计算本次模拟的指标阈值。
在一些实施例中,S202包括:在权重范围的约束下多次进行随机数模拟试验,得到多个初始阈值范围。计算多个初始阈值范围的平均值作为阈值范围。
可选的,S202还可以包括:进行多次模拟,根据多次模拟结果绘制指标阈值分布图,通过对阈值分布图的分析,以模拟结果的最小值为阈值下限,以模拟结果的最大值为阈值上限,以模拟结果的均值作为阈值的最可能值。
通过以上方法设定的阈值范围,可以避免传统上进行阈值设计时,对指标变化趋势不敏感,定量分析欠缺的问题。
S103:获取目标电网的动态预警模型,基于阈值范围调整动态预警模型,得到调整后的动态预警模型。
在一些实施例中,S103之前,本发明实施例提供的电网综合运营预警方法还可以包括:建立并训练动态预警模型。
在一些实施例中,建立并训练动态预警模型包括:
S301:建立初始动态预警模型。
S302:基于数据包络训练的方法训练初始动态预警模型,得到待验证动态预警模型。
S303:基于标准化判据方法验证待验证动态预警模型,将通过验证的待验证动态预警模型作为动态预警模型。
在一些实施例中,使用标准化判据和数据包络训练相结合的方法建立并训练动态预警模型,可以对指标的变化趋势进行预测,从而实现对指标进行动态预警的功能。
在一些实施例中,建立并训练动态预警模型包括:
驱动性指标预测分析。包括获取驱动性指标历史数据并进行无量纲化处理。设计数据包络训练预测模型,该模型包括输入层、隐含层以及输出层。设定不同的精度和训练次数进行训练,得到若干备选预测模型。对比各个备选预测模型的精度,得到最优驱动性指标预测值。
运营绩效指标预测分析。包括获取运营绩效指标历史数据并进行无量纲化处理。采用遗传算法优化数据包络训练模型,拟合驱动性指标与运营绩效指标权系数。以驱动性指标为输入层指标,运营绩效指标为输出层指标,设定隐含层参数进行数据包络训练拟合,得到二者的权系数关系。基于上述权系数关系,结合驱动性指标预测值,基于数据包络训练模型生成运营绩效指标预测值。
本实施例提供的动态预警模型能够结合启发式算法和统计学方法,运用报了训练预测方法与逻辑回归验证方法,对运营绩效指标进行动态预测。
图3示出了本发明实施例提供的基于数据包络训练方法的计算流程示意图。参见图3,在一个具体的示例中,数据包络训练方法的具体实现流程包括:确定网络拓扑结构,确定初始数据包络权值阈值长度,进而GA对初始值进行编码。另一方法输入数据并进行预处理,基于初始值编码将预处理后的数据进行包络训练,德奥误差作为适应度。循环进行选择操作、交叉操作、变异操作和计算适应度值,直至满足结束条件。在满足预设结束条件后,获取最优权值阈值,循环进行误差计算和权值阈值更新,直至满足结束条件,最后进行防治预测得到运营绩效指标预测值。
在一些实施例中,S303包括:基于标准化判据模型验证待验证动态预警模型。
基于标准化判据的验证方法包括:收集驱动性指标和运营绩效指标历史数据并进行标准化处理,转化为0、1数据。构建标准化判据模型,并输入标准化数据进行拟合,得到二者间的自由度比重关系。结合驱动性指标预测值,利用上述自由度比重关系,计算运营绩效指标预测值的标准值。对比通过数据包络训练模型得到的运营绩效指标的标准化预测值,验证数据包括训练模型的正确性。当检验正确率达到70%以上时,判定数据包络算法得出的结果是合理的。
在一个具体的实施例中,记P为某事件发生的概率,取值范围为[0,1],则有log itP=ln[P/(1-P)],值域为(-∞,+∞)。
标准化判据模型的线性回归方程可以包括:
其中,log itP为因变量;a是常数项,表示自变量取值全为0时,比数P/(1-P)的自然对数值;参数bm是标准化判据系数,表示当其它自变量取值不变时,该自变量取值增加一个单位引起比数P/(1-P)的自然对数值的变化量。
S104:将目标运营数据输入调整后的动态预警模型,得到目标电网综合运营的动态预警结果。
在本实施例中,最终预警结果的划分以数据包络训练模型为主,标准化判断判断结果为辅。
在一个具体的示例中,表3示出预警级别的判断标准。
表3预警级别判断标准
表3中,1表示存在风险,0表示不存在风险。
通过以上预警过程,可以避免传统上进行电网运营预警时存在的对关键指标异动的识别和预测功能不足的的缺陷,克服对大样本数据支持能力较弱的问题。
在一些实施例中,S101之后,方法还可以包括S105:基于目标运营数据对目标电网进行静态预警。
在一些实施例中,S105包括:对目标运营数据进行可视化展示静态预警包括对指标进行可视化展示,便于直观识别产生异常的关键指标。
在一些实施例中,进行静态预警包括:设定运营预警的多维度指标概况图。
图4示出了本发明实施例提供的电网综合运营预警方法的多维度指标概况图。参见图4,在一个具体的示例中,运营预警的多维度指标概况图由三个同心圆、五条等分线和连接指标值的线段组成,其中三个同心圆由内到外分别代表阈值范围的最低水平、平均水平和先进水平,五条等分线分别代表电网运营指标的坐标轴。可选的,根据当前电网综合运营预警方法的实际需要,设置等分线即电网运营指标的数量。
在多维度指标概况图上,根据目标电网当前的运营绩效进行评价计算,以圆心为零点,将综合评价值分别绘制在对应的坐标轴上,将坐标轴上的点依次连接得到的多边形即为对运营绩效进行综合分析的关键图形。
在本实施例中,将运营绩效指标进行分类,绘制成直观的多维度指标概况图,从而可以综合反映目标电网的运营情况。
本发明实施例通过选择恰当的权重分布函数和概率函数,对运营绩效指标进行预处理。进一步的,根据驱动性指标的历史值,利用数据包括训练法预测指标的未来值,利用标准化判据的方法验证数据包络训练预测结果的可信度,采用历史值加权与随机数试验模拟混合的方法进行阈值设定,采用数据包络训练和标准化判据相结合的预测方法进行动态预警分析。另一方面,利用多维度指标体系分析法构建静态预警模型,并根据核心指标值以及各指标的阈值绘制多维度指标概况预警图。
具体的,采用历史值加权与随机数试验模拟混合的方法进行阈值设定,基于大样本历史数据,根据绩效指标的发展变化趋势设定阈值,可以为电网企业运营动画预警提供支撑。基于随机数试验模拟的指标阈值设定算法,在选取不容许值和满意值时能够考虑时间因素,保证数据的合理性。动态预警分析采用数据包络训练和标准化判据相结合的预测方法,其中数据包络训练预测方法具分布式并行信息处理的特征,契合当下的运营监测大数据环境,标准化判据验证方法对指标预测结果进行验证,具有求解速度快,响应方便的特点。运营预警动态分析模型可对指标变化趋势进行预测,实现对指标动态预警的功能,有助于电网企业准确识别预警风险指标,对存在风险的指标采取相应的措施来避免风险扩大。另一方法,静态预警模型利用多维度指标体系分析法,在设定公司运营绩效预警阈值的基础上,绘制运营绩效指标多维度指标概况图,直观展示指标风险情况,便于识别产生异动的关键指标。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图5示出了本发明实施例提供的电网综合运营预警方法的结构示意图。参见图5,本发明实施例提供的电网综合运营预警方法50可以包括运营数据获取模块510、阈值范围获取模块520、动态预警模型获取模块530以及动态预警结果生成模块540。
运营数据获取模块510,用于获取目标电网的原始运营数据,对原始运营数据进行预处理,得到目标运营数据,目标运营数据的类别为至少一类。
阈值范围获取模块520,用于获取目标电网的各类运营数据对应的阈值范围。
动态预警模型获取模块530,用于获取目标电网的动态预警模型,基于阈值范围调整动态预警模型,得到调整后的动态预警模型。
动态预警结果生成模块540,用于将目标运营数据输入调整后的动态预警模型,得到目标电网综合运营的动态预警结果。
本发明提供的电网综合运营预警分析装置能够避免工作人员主观判断对电网综合运营预警的影响,提高电网综合运营预警的准确性。
在一些实施例中,电网综合运营预警装置还包括阈值范围生成模块,用于获取目标电网的历史运营数据,对历史运营数据进行无量纲化处理。获取各个年份历史数据的权重范围,通过随机数试验模拟方法确定各类运营数据的阈值范围。
在一些实施例中,阈值范围生成模块具体用于在权重范围的约束下多次进行随机数模拟试验,得到多个初始阈值范围。计算多个初始阈值范围的平均值作为阈值范围。
在一些实施例中,电网综合运营预警装置还包括动态预警模型生成模块,用于建立初始动态预警模型。基于数据包络训练的方法训练初始动态预警模型,得到待验证动态预警模型。基于标准化判据方法验证待验证动态预警模型,将通过验证的待验证动态预警模型作为动态预警模型。
在一些实施例中,动态预警模型生成模块具体用于基于标准化判据模型验证待验证动态预警模型;
标准化判据模型包括:
其中,P为概率,其值域为[0,1];log i tP=ln[P/(1-P)],其值域为(-∞,+∞);a是常数项,表示自变量取值全为0时,比数P/(1-P)的自然对数值;bm是标准化判据系数,表示当其它自变量取值不变时,自变量xm取值增加一个单位引起比数P/(1-P)的自然对数值的变化量。
在一些实施例中,电网综合运营预警装置还包括静态预警模块,用于基于目标运营数据对目标电网进行静态预警。
在一些实施例中,静态预警模块具体用于对目标运营数据进行可视化展示。
图6是本发明一实施例提供的终端设备的示意图。如图6所示,该实施例的终端设备60包括:处理器600、存储器610以及存储在所述存储器610中并可在所述处理器600上运行的计算机程序620,例如电网综合运营预警程序。所述处理器60执行所述计算机程序620时实现上述各个电网综合运营预警方法实施例中的步骤,例如图2所示的步骤S101至S104。或者,所述处理器600执行所述计算机程序620时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块510至540的功能。
示例性的,所述计算机程序620可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器610中,并由所述处理器600执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序620在所述终端设备60中的执行过程。例如,所述计算机程序620可以被分割成运营数据获取模块、阈值范围获取模块、动态预警模型获取模块以及动态预警结果生成模块。
所述终端设备60可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器600、存储器610。本领域技术人员可以理解,图6仅仅是终端设备60的示例,并不构成对终端设备60的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器600可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器610可以是所述终端设备60的内部存储单元,例如终端设备60的硬盘或内存。所述存储器610也可以是所述终端设备60的外部存储设备,例如所述终端设备60上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器610还可以既包括所述终端设备60的内部存储单元也包括外部存储设备。所述存储器610用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器610还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电网综合运营预警方法,其特征在于,包括:
获取目标电网的原始运营数据,对所述原始运营数据进行预处理,得到目标运营数据,所述目标运营数据的类别为至少一类;
获取目标电网的各类运营数据对应的阈值范围;
获取所述目标电网的动态预警模型,基于所述阈值范围调整所述动态预警模型,得到调整后的动态预警模型;
将所述目标运营数据输入所述调整后的动态预警模型,得到所述目标电网综合运营的动态预警结果。
2.如权利要求1所述的电网综合运营预警方法,其特征在于,所述获取目标电网的各类运营数据对应的阈值范围之前,所述方法还包括:
获取所述目标电网的历史运营数据,对所述历史运营数据进行无量纲化处理;
获取各个年份历史数据的权重范围,通过随机数试验模拟方法确定各类运营数据的阈值范围。
3.如权利要求2所述的电网综合运营预警方法,其特征在于,所述通过随机数试验模拟的方法确定各类运营数据的阈值范围包括:
在所述权重范围的约束下多次进行所述随机数模拟试验,得到多个初始阈值范围;
计算多个初始阈值范围的平均值作为所述阈值范围。
4.如权利要求1所述的电网综合运营预警方法,其特征在于,所述获取所述目标电网的动态预警模型之前,所述方法还包括:
建立初始动态预警模型;
基于数据包络训练的方法训练所述初始动态预警模型,得到待验证动态预警模型;
基于标准化判据方法验证所述待验证动态预警模型,将通过验证的所述待验证动态预警模型作为所述动态预警模型。
6.如权利要求1所述的电网综合运营预警方法,其特征在于,所述对所述原始运营数据进行预处理,得到目标运营数据之后,所述方法还包括:
基于所述目标运营数据对所述目标电网进行静态预警。
7.如权利要求6所述的电网综合运营预警方法,其特征在于,所述基于所述目标运营数据对所述目标电网进行静态预警,包括:
对所述目标运营数据进行可视化展示。
8.一种电网综合运营预警装置,其特征在于,包括:
运营数据获取模块,用于获取目标电网的原始运营数据,对所述原始运营数据进行预处理,得到目标运营数据,所述目标运营数据的类别为至少一类;
阈值范围获取模块,用于获取目标电网的各类运营数据对应的阈值范围;
动态预警模型获取模块,用于获取所述目标电网的动态预警模型,基于所述阈值范围调整所述动态预警模型,得到调整后的动态预警模型;
动态预警结果生成模块,用于将所述目标运营数据输入所述调整后的动态预警模型,得到所述目标电网综合运营的动态预警结果。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111437270.5A CN114048925A (zh) | 2021-11-29 | 2021-11-29 | 一种电网综合运营预警方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111437270.5A CN114048925A (zh) | 2021-11-29 | 2021-11-29 | 一种电网综合运营预警方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114048925A true CN114048925A (zh) | 2022-02-15 |
Family
ID=80211701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111437270.5A Pending CN114048925A (zh) | 2021-11-29 | 2021-11-29 | 一种电网综合运营预警方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048925A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811019A (zh) * | 2023-12-29 | 2024-04-02 | 广东汇丰综合能源有限公司 | 一种优化配电网状态的协同平抑方法、***及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警***的预警分析方法 |
CN106209432A (zh) * | 2016-06-30 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于动态阈值的网络设备亚健康预警方法及装置 |
CN107578149A (zh) * | 2017-08-16 | 2018-01-12 | 国网浙江省电力公司经济技术研究院 | 一种电网企业关键数据分析方法 |
-
2021
- 2021-11-29 CN CN202111437270.5A patent/CN114048925A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915735A (zh) * | 2015-06-26 | 2015-09-16 | 国家电网公司 | 企业运营分析预警***的预警分析方法 |
CN106209432A (zh) * | 2016-06-30 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 基于动态阈值的网络设备亚健康预警方法及装置 |
CN107578149A (zh) * | 2017-08-16 | 2018-01-12 | 国网浙江省电力公司经济技术研究院 | 一种电网企业关键数据分析方法 |
Non-Patent Citations (1)
Title |
---|
郑景丽: "联盟能力与联盟治理的关系研究——基于不同联盟动机的分析", vol. 1, 31 August 2016, 天津大学出版社, pages: 106 - 108 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811019A (zh) * | 2023-12-29 | 2024-04-02 | 广东汇丰综合能源有限公司 | 一种优化配电网状态的协同平抑方法、***及可读存储介质 |
CN117811019B (zh) * | 2023-12-29 | 2024-07-23 | 广东汇丰综合能源有限公司 | 一种优化配电网状态的协同平抑方法、***及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112116184A (zh) | 使用历史检验数据的工厂风险估计 | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及*** | |
CN110717687A (zh) | 一种评价指数获取的方法及*** | |
CN113822488B (zh) | 融资租赁的风险预测方法、装置、计算机设备及存储介质 | |
CN111626855A (zh) | 债券信用利差预测方法及*** | |
CN114048925A (zh) | 一种电网综合运营预警方法、装置及终端设备 | |
CN113506175A (zh) | 中小企业风险预警模型优化方法、装置、设备和存储介质 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及*** | |
CN116776209A (zh) | 一种关口计量装置运行状态辨识方法、***、设备及介质 | |
CN116957534A (zh) | 一种预测智能电表更换数量的方法 | |
CN111047098A (zh) | 一种建筑工程进度及造价管理***、计算机设备及计算机可读存储介质 | |
CN114912739A (zh) | 环境与变电站运维费用关联模型的构建及应用方法 | |
CN114968821A (zh) | 基于强化学习的测试数据生成方法及装置 | |
CN115204501A (zh) | 企业评估方法、装置、计算机设备和存储介质 | |
CN114925895A (zh) | 维修器材预测方法、终端及存储介质 | |
CN112749742A (zh) | 源发风险分值的量化方法、量化装置及电子设备 | |
CN113919609A (zh) | 一种配电网模型质量综合评估方法和*** | |
CN112906765A (zh) | 一种基于rbf神经网络的客户洗钱风险等级划分方法及*** | |
KR102420952B1 (ko) | 인공지능을 이용한 대출 확대 가설 검정 시스템 및 이를 이용한 방법 | |
CN117852719B (zh) | 一种工程数据的全流程管理方法和*** | |
CN117436770B (zh) | 基于bim的建筑工程建设管理方法及*** | |
CN114565307A (zh) | 基于度量技术的评价方法、装置、设备及可读存储介质 | |
CN117705178A (zh) | 风电螺栓信息检测方法、装置、电子设备和存储介质 | |
CN114429268A (zh) | 一种配电网可靠性在线评估方法和*** |
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 |