CN116523493A - 配电网运行维护辅助决策分析方法、***及存储介质 - Google Patents
配电网运行维护辅助决策分析方法、***及存储介质 Download PDFInfo
- Publication number
- CN116523493A CN116523493A CN202310310452.9A CN202310310452A CN116523493A CN 116523493 A CN116523493 A CN 116523493A CN 202310310452 A CN202310310452 A CN 202310310452A CN 116523493 A CN116523493 A CN 116523493A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution network
- value
- power distribution
- attribute
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 167
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000012423 maintenance Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 238000004146 energy storage Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012850 discrimination method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网运行维护辅助决策分析方法、***及存储介质,所述方法包括:根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;根据配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模;基于数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过指标阈值则存在故障,否则表示运行正常。本发明提供的方法通过仿真模型对数据进行各种维度的分析,获得全面、有效的故障诊断,具有较强实用性。
Description
技术领域
本发明属于城市配电网运行仿真技术领域,特别是涉及一种配电网运行维护辅助决策分析方法、***、计算机设备及存储介质。
背景技术
随着配电自动化、用电信息采集等应用***的推广应用,配电网中产生指数级增长的海量异构、高维多态的数据。因此,配电网运维检修工作是一项复杂的***工程,具有规模大、不确定因素多和涉及领域广的特点,当配电网出现运行故障时,周围居民很容易会出现局部断电或者大范围断电的情况,这种情况的普遍发生会对该地区造成难以估量的负面影响,因此配电网的运维检修工作的重要性显而易见。
现有技术中,针对配电网的运维检修手段一般采用如下步骤:相关人员需要搜集目标配电网发展的历史数据,充分分析配电网的特点并进行深入研究,同时要对配电网运行健康状态和配电业务的薄弱环节有比较全面的了解。由于历史数据非常庞杂而无序,因此分析起来非常困难,要么仅仅采用划分地域进行分别分析,要么只能针对数据的某几个属性数据进行分析,其得到的分析结果跟实际的运行状况相差很大,难以给出有效的运行决策。
国内外对配电网的维护管理工作非常重视,为了有效提高配电网的运行维护能力,计算机运行仿真辅助决策***成为现代配电网规划建设不可或缺的工具,缩短了故障恢复时间,提升了服务水平。目前应用于配电网运维管控仿真软件众多,比较知名的国内外电力***仿真软件有:PSMSP、NPM、PSS/E、ETMP、PSMPMG、DigSilent和NETOMSG等。这些软件虽然为配电网仿真计算分析提供了有利工具,但实际应用起来,具有如下缺陷:(一)需要搭建复杂的硬件平台,将大量的分布式电源、微电网、大容量充电器、储能装置等接入配电网,其环境搭建复杂,兼容性差,成本高;(二)软件方面需要专门的技术人员使用配电网仿真计算分析工具进行数据分析,其需要人工对庞杂的数据进行预处理出需要的信息,然后再使用计算分析工具进行逐一分析,而分析的数据接口则是固定的几种数据属性,无法根据技术人员的实际需要进行扩展,因此其不仅使用困难,而且最终得到的故障诊断很容易发生误判。
发明内容
为了解决上述现有技术的不足,本发明提供了一种配电网运行维护辅助决策分析方法、***、计算机设备及存储介质,通过该方法构建的仿真模型可以对数据进行各种维度的分析,从而获得全面、有效的故障诊断,判断精准,具有较强的实用性。
本发明的第一个目的在于提供一种配电网运行维护辅助决策分析方法。
本发明的第二个目的在于提供一种配电网运行维护辅助决策分析***。
本发明的第三个目的在于提供一种计算机设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种配电网运行维护辅助决策分析方法,所述方法包括:
根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
进一步的,所述根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库,包括:
基础数据记为M={M1,M2,…Mi,…,Mx},其中,x为基础数据的个数;
运行数据记为N={N1,N2,…Ni,…,Ny},其中,y为运行数据的个数;
电网特征评价数据G={G1,G2,…Gi,…,Gz},其中,z为电网特征评价数据的个数;所述电网特征评价数据包含但不限于***输出功率、实时运行电压、实时运行电流、三相电波形、三相电压不平衡度、供电频率偏差、实时电压偏差、实时电压波动、实时功率偏差属性;
根据基础数据的属性特征值和电网特征评价数据的属性特征值,构建基础数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合;
根据运行数据的属性特征值和电网特征评价数据的属性特征值,构建运行数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合。
进一步的,mwik是基础数据Mi与电网特征评价数据Gk在配电网数据关联计算时的加权值,满足其中,m表示基础数据Mi与电网特征评价数据Gk的交集个数,k=1,…,z;
nwik是运行数据Ni与电网特征评价数据Gk属性在配电网数据关联计算时的加权值,满足
进一步的,所述基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,包括:
用户根据电网需求预设基础数据M的基础权重值为δ,δ∈[0,1],则运行数据N的运行权重值为1-δ;
计算基础数据的属性特征值m′i与电网特征评价数据的某一属性特征值g′k的综合关联值match_mk;
计算运行数据属性特征值n′i与电网特征评价数据的某一属性特征值g′k的综合关联值match_nk;
基于配电网数据与电网特征评价数据的第k个特征属性的关联值Vk为:Vk=match_mk*δ+match_nk*(1-δ);
根据所述关联值,获得配电网数据与用户待测的性能数据关系,从而实现***运行状态的预测趋势。
进一步的,match_mk的计算过程如下:
针对基础数据中任一属性特征值m′i,找出在Mi所在的特征值位置索引值,以及找出g′k在G k所在的特征值位置;
根据索引值和特征值位置,在基础数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合中找出相应的关联值msi′,则:
match_nk的计算过程如下:
针对运行数据中任一属性特征值n′i,找出在Ni所在的特征值位置索引值,以及找出g′k在G k所在的特征值位置;
根据索引值和特征值位置,在运行数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合中找出相应的关联值nsi′,则
进一步的,所述配电网采集数据的获取,包括:
利用预先构建的集成协议接口转换器采集基础数据,同时启动外部数据补充服务,采集运行数据;
将获取的基础数据和运行数据进行分类管理并存储至数据库。
进一步的,所述方法还包括:
若有故障,则对对应的电网特征评价数据进行二次分析,以获得精确的风险分析并提供优化方案。
本发明的第二个目的可以通过采取如下技术方案达到:
一种配电网运行维护辅助决策分析***,所述***包括:
数据库构建单元,用于根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
仿真模型建立单元,用于根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
数据分析单元,用于基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的配电网运行维护辅助决策分析方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的配电网运行维护辅助决策分析方法。
本发明相对于现有技术具有如下的有益效果:
本发明提供的方法,通过构建仿真模型对数据进行各种维度的分析,从而获得全面而有效的故障诊断,且判断精准。该方法具有较强的实用性。
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示出的结构获得其他的附图。
图1为本发明实施例1的配电网运行维护辅助决策分析方法的流程图。
图2为本发明实施例2的配电网运行维护辅助决策分析***的结构框图。
图3为本发明实施例3的计算机设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,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作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。应当理解,描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
实施例1:
如图1所示,本实施例提供的配电网运行维护辅助决策分析方法,包括以下步骤:
S101、根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系关联的数据库。
其中,配电网综合评价指标体系是现有技术,其具体评价指标可根据用户的配电网进行个性化调整,不影响本申请的辅助决策分析。配电网采集数据包括基础数据和运行数据,配电网采集数据是通过如下方法采集的:利用预先构建的集成协议接口转换器采集基础数据,同时启动外部数据补充服务,采集运行数据,将获取到的基础数据和运行数据进行分类管理并存储至数据库。
进一步的,步骤S101具体包括:
(1)配电网数据包括基础数据M和运行数据N,M记为{M1,M2,…Mi,…,Mx},其中,Mi的属性特征值记为{mi1,mi2,mi3,…,miti},列表如表1所示。
表1基础数据的属性特征值列表
其中,mij是基础数据属性Mi的属性特征值,mij(i=1,…,x;j=1,…,ti)的下标中,i是指第i个的基础数据属性,j是指Mi属性的第j个属性特征值,ti是表示Mi的属性特征值的个数;特征值判别方法Δi(i=1,…,x)是判别基础数据属性组Mi(i=1,…,x)各特征值的方法;关联数据集是判别方法Δi中使用的相关数据的集合;特征值判别标准σij是对应基础数据属性Mi确认各个特征值mij(i=1,…,x;j=1,…,ti)的判断标准值。
运行数据属性集N记为{N1,N2,…Ni,…,Ny},其中,Ni的属性特征值记为{ni1,ni2,ni3,…,niri},列表如表2所示。
表2运行数据的属性特征值列表
运行数据属性 | 属性特征值 | 特征值判别方法 | 关联数据集 | 特征值判别标准 |
N1 | n11,n12,n13,…,n1r1 | Δx+1 | Dx+1 | η11,η12,η13,…,η1r1 |
N2 | n21,n22,n23,…,n2r2 | Δx+2 | Dx+2 | η21,η22,η23,…,η2r2 |
Ni | ni1,ni2,ni3,…,niri | Δx+3 | Dx+3 | η31,η32,η33,…,η3r3 |
… | … | … | … | |
Ny | ny1,ny2,ny3,…,nyry | Δx+y | Dx+y | Hy1,ηy2,ηy3,…,ηyry |
其中,nij是运行数据属性Ni的属性特征值,nij(i=1,…,y;j=1,…,ri)的下标中,i是指第i个的运行数据属性,j是指Ni属性的第j个属性特征值,ri是表示Ni的属性特征值的个数。特征值判别方法Δx+i(i=1,…,y)是判别基础数据属性组Ni(i=1,…,y)各特征值的方法;关联数据集是判别方法Δx+i中使用的相关数据集合;特征值判别标准ηij是对应Ni属性确认各个特征值nij的判别标准值。
(2)定义电网特征评价数据G。
该电网特征评价数据G包含但不限于***输出功率、实时运行电压、实时运行电流、三相电波形、三相电压不平衡度、供电频率偏差、实时电压偏差、实时电压波动、实时功率偏差属性。
电网特征评价数据G记为{G1,G2,…Gi,…,Gz},其中,Gi的属性特征值记为{gi1,gi2,gi3,…,gipi},列表如表3所示。
表3电网特征评价数据的属性特征值列表
电网特征评价数据G | 属性特征值 |
G1 | g11,g12,g13,…,g1p1 |
G2 | g21,g22,g23,…,g2p2 |
Gi | gi1,gi2,gi3,…,gipi |
… | … |
Gz | gz1,gz2,gz3,…,gzpz |
其中,gij是Gi电网特征评价属性所罗列的属性特征值,gij(i=1,…,z;j=1,…,pi)的下标中,i是指第i个的电网特征评价属性,j是指Gi属性的第j个属性特征值,pi是表示Gi的属性特征值的个数,i,j,pi,z均为自然数。
(3)根据配电网数据与电网运行状态的知识,构建基础数据M的属性特征值与电网特征评价数据Gk(k=1,…,z)的属性特征值的关联权重值和关联值集合,k为自然数,列表如表4所示。
表4基础数据与电网特征评价数据的属性特征值的关联权重值和关联值集合列表
基础数据属性 | 属性特征值 | Gk属性关联权重值 | 与Gk的属性特征值的关联值集合 |
M1 | m11,m12,m13,…,m1t1 | mw1k | MS11,MS12,MS13,…,MS1t1 |
M2 | m21,m22,m23,…,m2t2 | mw2k | MS21,MS22,MS23,…,MS2t2 |
Mi | mi1,mi2,mi3,…,miti | mwik | MSi1,MSi2,MSi3,…,MSiti |
… | … | … | … |
Mx | mx1,mx2,mx3,…,mxtx | mwxk | MSx1,MSx2,MSx3,…,MSxtx |
其中MSij为Mi的属性特征值mij与电网特征评价数据Gk的所有属性特征值的关联值的集合,mxq为基础数据属性Mi的mij特征值与电网特征信息Gk属性的第q个特征值的关联值;mwik是基础数据属性Mi与电网特征信息Gk属性在配电网数据关联计算时的加权值,满足
(4)根据配电网数据与电网运行的知识,构建运行数据属性组N的属性特征值与电网特征评价数据Gk(k=1,…,z)属性的特征值关联权重值和关联值集合,列表如表5所示。
表5运行数据与电网特征评价数据的属性特征值的关联权重值和关联值集合
运行数据属性组 | 属性特征值 | Gk属性关联权重值 | 与Gk的属性特征值的关联值集合 |
N1 | n11,n12,n13,…,n1r1 | nw1k | NM11,NM12,NM13,…,NM1r1 |
N2 | n21,n22,n23,…,n2r2 | nw2k | NM21,NM22,NM23,…,NM2r2 |
Ni | ni1,ni2,ni3,…,niri | nwik | NMi1,NMi2,NMi3,…,NMiri |
… | … | … | … |
Ny | ny1,ny2,ny3,…,nyry | nwyk | NMy1,NMy2,NMy3,…,NMyry |
其中NMij为Ni的属性特征值nij与电网特征评价数据Gk的所有属性特征值的关联值{nm1,…,nmpk}的集合,nmq(q=1,…,pk)为客观特征Ni属性的nij特征值与电网特征信息Gk属性的第q个特征值的关联值;nwik是基础数据属性ni与电网特征信息Gk属性在配电网数据关联计算时加权值,满足
S102、根据配电网采集数据,建立仿真模型,包括对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模。
进一步的,步骤S102具体包括:
收集配电网数据模型相关数据,该数据包括基础特征数据和运行特征数据,利用基础特征数据和运行特征数据的各属性特征值的判别方法Δi(i=1,…,x+y),按照特征值判别标准σij和ηij,对收集到数据进行主运行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合AES={m’1,m’2,…m’x,n’1,n’2,…n’y},并存储;其中,m’1,m’2,…m’x为基础特征数据,n’1,n’2,…n’y为运行特征数据。
本实施例将属性特征值的判别方法设为不确定的Δ,具有非常好的可扩展性,其具体使用时可根据配电网技术人员的分析使用喜好进行自行扩展。
S103、利用仿真模型对配电网采集数据进行数据分析,可以选择一个维度或者多个维度进行分析。
其中,维度也可以被称角度。
在数据分析时,获取某维度的特征值集合并存储,获得该维度下的电网特征信息数据GGI={g’1,g’2,…g’z},将该维度下的电网特征信息数据与配电网综合评价指标体系的相应指标阈值进行比对,如果超过相应指标阈值则认为有故障,如果在相应指标阈值范围内,则认为运行正常。
进一步的,步骤S103利用仿真模型进行数据分析具体包括:
(1)用户根据自己电网需求预设基础数据属性M的基础权重值为δ,δ∈[0,1],则运行数据属性N的运行权重值为1-δ;***设定基础权重值δ的初始值为δ0,δ0∈[0,1];
(2)令基础数据属性特征值m’i(i=1,…,x)与电网特征信息GGI的某一属性的特征值g’k的综合关联值为match_mk,令运行数据属性特征值n’i(i=1,…,y)与电网特征信息GGI的某一属性的特征值g’k的综合关联值为match_nk;其中,match_mk计算如下:针对基础数据属性特征值m’i(i=1,…,x),找出在属性Mi(i=1,…,x)所在的特征值位置索引值ind(i)(i=1,…,x),找出g’k在属性G k所在的特征值位置ind_k,通过这两个索引值在表4中找出两者相应的关联值msi′,则:
match_nk计算如下:针对运行数据属性特征值n’i(i=1,…,y),找出在属性Ni(i=1,…,y)所在的特征值位置索引值ind(i)(i=1,…,y),找出g’k在属性Gk所在的特征值位置ind_k,通过这两个索引值在表4中找出两者相应的关联值ns′i,则:
(3)基于配电网数据与电网特征信息的第k个特征属性的关联值Vk由下式决定:Vk=match_mk*δ+match_nk*(1-δ)。
通过上述计算,即可获得配电网数据与与用户待测的性能数据关系,从而实现***运行状态的预测趋势,方便快捷。
S104、对所有有故障的相关电网特征信息数据进行二次分析,以获得精确的风险分析并提供优化方案。
此外,本申请的上述过程可以通过可视化界面显示出来,使用时,技术人员只需要根据自身需要输入相关属性值及其对应的指标阈值,则可获得该数据分析结果。此外,可视化界面还可用于展示仿真模型的实时运行信息或者数学模型曲线变化。
本领域技术人员可以理解,实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2:
如图2所示,本实施例提供了一种配电网运行维护辅助决策分析***,该***包括数据库构建单元201、仿真模型建立单元202和数据分析单元203,其中:
数据库构建单元201,用于根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
仿真模型建立单元202,用于根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
数据分析单元203,用于基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
本实施例中各个模块的具体实现可以参见上述实施例1,在此不再一一赘述;需要说明的是,本实施例提供的***仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
实施例3:
本实施例提供了一种计算机设备,该计算机设备可以为计算机,如图3所示,其通过***总线301连接的处理器302、存储器、输入装置303、显示器304和网络接口305,该处理器用于提供计算和控制能力,该存储器包括非易失性存储介质306和内存储器307,该非易失性存储介质306存储有操作***、计算机程序和数据库,该内存储器307为非易失性存储介质中的操作***和计算机程序的运行提供环境,处理器302执行存储器存储的计算机程序时,实现上述实施例1的配电网运行维护辅助决策分析方法,如下:
根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
实施例4:
本实施例提供了一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时,实现上述实施例1的配电网运行维护辅助决策分析方法,如下:
根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
需要说明的是,本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述,本发明提供的配电网运行维护辅助决策分析方法,包括:根据配电网采集数据与配电网综合评价指标体系的知识构建配电网数据与配电网综合评价指标体系关联的数据库;建立仿真模型,根据获取到的基础数据和运行数据,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模;利用仿真模型进行数据分析,选择一个维度或者多个维度进行分析,将该维度下的电网特征信息数据与配电网综合评价指标体系的相应指标阈值进行比对,如果超过相应指标阈值则认为有故障,如果在相应指标阈值范围内,则认为运行正常。本发明提供的方法通过构建模型进行各种维度的分析,从而获得全面而有效的故障诊断,且判断精准。因此,该方法具有较强的实用性。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (10)
1.一种配电网运行维护辅助决策分析方法,其特征在于,所述方法包括:
根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
2.根据权利要求1所述的配电网运行维护辅助决策分析方法,其特征在于,所述根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库,包括:
基础数据记为M={M1,M2,…Mi,…,Mx},其中,x为基础数据的个数;
运行数据记为N={N1,N2,…Ni,…,Ny},其中,y为运行数据的个数;
电网特征评价数据G={G1,G2,…Gi,…,Gz},其中,z为电网特征评价数据的个数;所述电网特征评价数据包含但不限于***输出功率、实时运行电压、实时运行电流、三相电波形、三相电压不平衡度、供电频率偏差、实时电压偏差、实时电压波动、实时功率偏差属性;
根据基础数据的属性特征值和电网特征评价数据的属性特征值,构建基础数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合;
根据运行数据的属性特征值和电网特征评价数据的属性特征值,构建运行数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合。
3.根据权利要求2所述的配电网运行维护辅助决策分析方法,其特征在于,mwik是基础数据Mi与电网特征评价数据Gk在配电网数据关联计算时的加权值,满足其中,m表示基础数据Mi与电网特征评价数据Gk的交集个数,k=1,…,z;
nwik是运行数据Ni与电网特征评价数据Gk属性在配电网数据关联计算时的加权值,满足
4.根据权利要求3所述的配电网运行维护辅助决策分析方法,其特征在于,所述基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,包括:
用户根据电网需求预设基础数据M的基础权重值为δ,δ∈[0,1],则运行数据N的运行权重值为1-δ;
计算基础数据的属性特征值m′i与电网特征评价数据的某一属性特征值g′k的综合关联值match_mk;
计算运行数据属性特征值n′i与电网特征评价数据的某一属性特征值g′k的综合关联值match_nk;
基于配电网数据与电网特征评价数据的第k个特征属性的关联值Vk为:Vk=match_mk*δ+match_nk*(1-δ);
根据所述关联值,获得配电网数据与用户待测的性能数据关系,从而实现***运行状态的预测趋势。
5.根据权利要求4所述的配电网运行维护辅助决策分析方法,其特征在于,match_mk的计算过程如下:
针对基础数据中任一属性特征值m′i,找出在Mi所在的特征值位置索引值,以及找出g′k在Gk所在的特征值位置;
根据索引值和特征值位置,在基础数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合中找出相应的关联值ms′i,则:
match_nk的计算过程如下:
针对运行数据中任一属性特征值n′i,找出在Ni所在的特征值位置索引值,以及找出g′k在Gk所在的特征值位置;
根据索引值和特征值位置,在运行数据的属性特征值与电网特征评价数据的属性特征值的关联权重值和关联值集合中找出相应的关联值ns′i,则
6.根据权利要求1所述的配电网运行维护辅助决策分析方法,其特征在于,所述配电网采集数据的获取,包括:
利用预先构建的集成协议接口转换器采集基础数据,同时启动外部数据补充服务,采集运行数据;
将获取的基础数据和运行数据进行分类管理并存储至数据库。
7.根据权利要求1-6任一项所述的配电网运行维护辅助决策分析方法,其特征在于,所述方法还包括:
若有故障,则对对应的电网特征评价数据进行二次分析,以获得精确的风险分析并提供优化方案。
8.一种配电网运行维护辅助决策分析***,其特征在于,所述***包括:
数据库构建单元,用于根据配电网采集数据与配电网综合评价指标体系构建配电网数据与配电网综合评价指标体系相关联的数据库;所述配电网采集数据包括基础数据和运行数据;
仿真模型建立单元,用于根据所述配电网采集数据建立仿真模型,对微电网***中的各种供热、供电、储能单元的数据及单元级控制器进行单元级建模,包括:利用基础数据和运行数据的各属性特征值的判别方法,按照基础数据的特征值判别标准和运行数据的特征值判别标准,对所述配电网采集数据进行数据属性特征值归类判别,形成体现配电网数据的属性特征值集合并存储至数据库;
数据分析单元,用于基于所述数据库,利用仿真模型对配电网采集数据进行数据分析,选择至少一个维度进行分析,获得该维度下的电网特征评价数据,将电网特征评价数据与配电网综合评价指标体系的相应指标阈值进行比对,若超过相应指标阈值则表示存在故障,否则表示运行正常。
9.一种计算机设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1-7任一项所述的配电网运行维护辅助决策分析方法。
10.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-7任一项所述的配电网运行维护辅助决策分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310310452.9A CN116523493A (zh) | 2023-03-28 | 2023-03-28 | 配电网运行维护辅助决策分析方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310310452.9A CN116523493A (zh) | 2023-03-28 | 2023-03-28 | 配电网运行维护辅助决策分析方法、***及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116523493A true CN116523493A (zh) | 2023-08-01 |
Family
ID=87402043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310310452.9A Pending CN116523493A (zh) | 2023-03-28 | 2023-03-28 | 配电网运行维护辅助决策分析方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523493A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117277565A (zh) * | 2023-09-20 | 2023-12-22 | 国网河南省电力公司濮阳供电公司 | 一种用于配电网状态监测的通信***及方法 |
-
2023
- 2023-03-28 CN CN202310310452.9A patent/CN116523493A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117277565A (zh) * | 2023-09-20 | 2023-12-22 | 国网河南省电力公司濮阳供电公司 | 一种用于配电网状态监测的通信***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384210B (zh) | 一种基于检修风险收益的输变电设备检修优先级排序方法 | |
CN108320040B (zh) | 基于贝叶斯网络优化算法的采集终端故障预测方法及*** | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
CN103761690A (zh) | 基于电网***中电压无功控制***的评估方法 | |
CN105512448A (zh) | 一种配电网健康指数的评估方法 | |
CN105406461B (zh) | 一种配电网停电事件的负荷自适应动态监测方法 | |
CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
CN109378835A (zh) | 基于互信息冗余性最优的大规模电力***暂态稳定评估*** | |
CN105894212A (zh) | 一种电磁环网解合环综合评价方法 | |
CN116523493A (zh) | 配电网运行维护辅助决策分析方法、***及存储介质 | |
Guo et al. | Evidence-based approach to power transmission risk assessment with component failure risk analysis | |
CN114184996B (zh) | 低压台区智能电表的计量异常行为辨识方法及装置 | |
CN114529166A (zh) | 一种配电网运行安全风险预警方法及*** | |
CN111585277B (zh) | 一种基于混合集成模型的电力***动态安全评估方法 | |
CN117010573A (zh) | 一种智能配电节能优化方法及*** | |
CN116664098A (zh) | 一种光伏电站的异常检测方法及*** | |
CN108123436B (zh) | 基于主成分分析和多元回归算法的电压越限预测模型 | |
CN116151099A (zh) | 一种低压配电网负荷状态估计终端 | |
Ding et al. | Reliability evaluation of direct current distribution system for intelligent buildings based on big data analysis | |
CN112766579B (zh) | 一种基于自适应算法的充电***规划方法和装置 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN109767062B (zh) | 一种电网任务处置方案的动态生成方法 | |
CN117150714A (zh) | 一种配电网运行维护辅助决策分析方法及其*** | |
CN117057097A (zh) | 一种基于配电网仿真运行平台的测试*** | |
CN112818523B (zh) | 基于模糊评价模型的中低压直流计量点选择方法 |
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 |