CN116937575A - 一种网格***用的能源监控管理*** - Google Patents
一种网格***用的能源监控管理*** Download PDFInfo
- Publication number
- CN116937575A CN116937575A CN202311186398.8A CN202311186398A CN116937575A CN 116937575 A CN116937575 A CN 116937575A CN 202311186398 A CN202311186398 A CN 202311186398A CN 116937575 A CN116937575 A CN 116937575A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- nodes
- grid system
- node
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 230000005856 abnormality Effects 0.000 claims abstract description 58
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 238000012098 association analyses Methods 0.000 claims abstract description 8
- 238000012423 maintenance Methods 0.000 claims abstract description 7
- 238000013135 deep learning Methods 0.000 claims abstract description 4
- 238000003062 neural network model Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 34
- 238000011144 upstream manufacturing Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 238000013145 classification model Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/063—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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (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
本发明公开了一种网格***用的能源监控管理***,具体涉及能源监控技术领域,包括:搭建电力拓扑网络采集网格***的能源信息,识别电力拓扑网络中的异常信息,通过获取节点间的关联系数定位异常发生位置,将获取的信息传输至故障分析模块;基于深度学习神经网络模型训练得到故障类型;依据数据采集模块获取的能源信息分析得到网格***的异常趋势因子;基于发生的故障信息和异常趋势因子经过关联分析得到网格***的能源风险指数,将获取的能源风险指数与预设的能源评估指数进行对比,超出预设值的向运维人员进行预警,并采取管理措施,实时监测能源监控管理***的运行状态和参数,及时发现故障、异常和风险。
Description
技术领域
本发明涉及能源监控技术领域,更具体地说,本发明涉及一种网格***用的能源监控管理***。
背景技术
能源监控管理***对于网格***来说具有重要的意义,它能够提高能源利用效率、实现智能调控和优化、提供故障检测与预警、支持数据决策、促进可再生能源发展,同时提升用户的参与度,为实现可持续发展和绿色能源转型做出积极贡献。
在实际使用时,现有的网格***用的能源监控管理***仍旧存在较多缺点,如目前的网格化管理***已经应用于生活中,现有的网格***更多的是对人的监控和管理,缺少对网格内能源的监控与管理,不能实时监测和分析能源使用情况,不能帮助用户了解及时发现线路故障,不能实时监测能源***的运行状态和参数,及时发现故障、异常和风险,传统的能源监控管理方法存在数据采集不准确、监控精度低、反应时间慢的问题。因此,需要一种智能化、高效的能源监控管理***来监控和管理网格***的能源使用情况。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种网格***用的能源监控管理***,通过采集能源信息进行分析发现存在的故障和潜在的风险,***可以发出警报并通知相关人员,以便及时采取纠正措施,降低故障损失和维修成本,以解决上述背景技术中提出的问题。
技术方案。
为实现上述目的,本发明提供如下技术方案:一种网格***用的能源监控管理***,包括:
数据采集模块:用于采集网格***的能源信息,将采集的能源信息传输至异常识别与定位模块和异常趋势分析模块,搭建网格***的电力拓扑网络,通过电力拓扑网络包括源节点和若干子节点,通过电力拓扑网络子节点将采集的信息传输至异常识别与定位模块;
异常识别与定位模块:用于识别电力拓扑网络中的异常信息,定位异常发生位置,将获取的信息传输至故障分析模块;
故障分析模块:将获取的异常信息输入故障分类模型中得到故障类型,所述故障分类模型基于深度学习神经网络模型训练得到;
异常趋势分析模块:用于分析网格***的异常趋势,依据数据采集模块获取的能源信息分析得到网格***的异常趋势因子;
能源风险评估模块:用于获取网格***中的能源风险指数FZ,将获取的能源风险指数与预设的能源评估指数进行对比,超出预设值的向运维人员进行预警,并采取管理措施。
优选的,在数据采集模块中,获取网格***中的电力拓扑网络,电力拓扑网络包括源节点和若干子节点,若节点距离网格***的源节点越远,受上游节点的影响越大,计算电力拓扑网络节点的关联系数,关联系数越强,节点间发生故障时,强关联节点的异常值波动越大,通过监测关键节点,发现异常时,通过分析关联节点的异常波动,定位得到故障发生位置;关联系数的计算方式为:在节点之间设置故障,获取相邻节点a、b的波动系数,获取波动系数大的节点,则故障出在关联节点之间,计算节点ab间的关联系数,满足公式:
,其中,/>表示节点ab间的关联系数,jz表示节点ab间的距离,D1表示节点a的电力负荷,D2表示节点b的电力负荷,D表示节点ab间的电力负荷系数,满足公式/>,j1表示节点a距离输入源节点的距离,j2表示节点b距离输入源节点的距离,/>表示上游关键节点的电压波动系数,/>表示下游关键节点的电压波动系数,/>表示上游关键节点电流波动系数,/>表示下游关键节点的电流波动系数;设置关联系数阈值/>,将超出阈值的节点记为关联节点,否则为非关联节点,根据关联系数从子节点中筛选得到电力网络拓扑的关键节点,通过关键节点采集电力拓扑网络中的能源信息。
优选的,包括数据采集模块中包括监测资源分配单元,所述监测资源分配单元通过获取网格***的覆盖范围、用户、用户类型,通过设置关键节点的数量完成监测资源的分配,有效的利用监控资源,节约监控的能源消耗,监测资源分配单元包括下列步骤:
步骤101、获取网格***的特征,计算得到网格区域的能源监测需求系数,获取方式为:获取网格区域的特征,tui表示第i个特征,获取每个特征对于能源监测点数量的影响权重wi,通过关联分析得到网格的能源监测需求系数;
步骤102、评估关键节点的监测能力,获取监测点的响应速度、数据传输速度、预设响应速度、预期传输速度,评估关键节点的监测能力;
步骤103、基于能源监测需求系数和关键节点的监测能力,计算得到网格***的关键节点数量;
步骤104、根据电力拓扑网络节点的关联系数分配关键节点。
优选的,所述特征参数包括不限于:网格***的覆盖面积、用户数量、用户类型、故障次数、故障类型和故障影响因子。
优选的,所述数据采集模块和异常识别模块中间包括数据预处理模块将采集的数据按照类型汇总,去除异常数据后传输至数据分析模块。
优选的,所述异常识别与定位模块用于识别电力拓扑网络中的异常信息,定位异常位置,包括异常数据监测单元和异常定位单元,所述异常数据监测单元通过对采集的数据进行实时监测和分析,异常数据的识别方式为:将每个关键节点采集的能源数据与预设数值进行比较,超出预设值为异常数据的记为异常数据,将对应的关键节点记为异常节点;所述异常定位单元用于定位异常数据的发生位置,获取异常节点的位置信息,通过电力拓扑网络图得到异常节点上下游最近的关键节点,设上下游的关键节点有m个,则最多有s条电力线路,且,计算关键节点的异常指数,则完成异常信息的定位,将关键节点的关联系数记为/>,计算关键节点间的异常指数,满足公式,其中,yj表示第j条电力线路的异常指数,/>表示上游关键节点的电压波动系数,/>表示下游关键节点的电压波动系数,/>表示上游关键节点电流波动系数,/>表示下游关键节点的电流波动系数,以此类推得到关键节点的异常指数集合Y,记为/>,设置异常指数的预设值y预,当yj>y预,表明第j条电力线路存在异常,完成异常信息的定位。
优选的,所述异常趋势分析模块:获取网格***每日的电流、电压、电损,获取网格***中电流、电压、电损的预设值、同比和环比,通过公式:
获取网格***的异常趋势,其中,ra、ru、rs表示网格***在当日的供应电流、电压、电损的平均值,ca、cu、cs表示网格***实时电流、电压、电损,ya0、yu0、ys0表示电流、电压、电损的预设值,ta、tu、ts表示电流、电压、电损的同比,ha、hu、hs表示电流电压电损的环比,得到异常趋势因子,其中,λ1、λ2为系数因子根据实际情况设置,0≤λ1<1,0≤λ2<1,且λ1+λ2=1。
优选的,所述电损的获取方式为:通过智能电表获取用户端能耗总量,获取源节点的供电总量,电损参数满足公式,其中,cs表示电损参数,sd表示损失的电量,yd表示用户消耗的电量。
优选的,能源风险评估模块中能源风险指数的获取方式为:获取环境温度wd、故障发生次数m、第j次故障的影响系数gj、故障类型、异常趋势因子p、电力负荷平均值DF、故障类型影响因子wgi、电压波动系数b1、输电损耗系数,通过关联分析得到能源故障分析系数,通过公式:
计算得到能源故障风险系数,其中,f1表示极端天气影响因子,f2表示节假日活动影响因子。
优选的,预设的能源评估指数,当/>表示网格***中的能源风险处于正常状态,不需要采取措施,当/>,表示网格***中的能源风险处于风险状态,需要采取措施降低能源风险指数,措施包括不限于,进行能源的预测与调度,用于保证电压的稳定,通过检修输电电缆保证电流的稳定,降低能源故障。
优选的,本发明所述能源监控管理***包括负荷调度模块:
所述负荷调度模块根据实时负荷情况进行负荷平衡和优化调度,以确保能源供需平衡,并最大程度地满足用户需求,缩小电压的波动系数,获取每个网格***的负荷趋势,预测下一周期的电力负荷,根据预测的电力负荷进行网格***间的电力调度,电力负荷预测基于电力负荷预测模型获取,将网格***内的电力负荷数据经过预处理后,输入训练好的电力负荷预测模型中,得到网格区域的预测电力负荷。
优选的,负荷调度模块通过下列方式实现:
步骤S11、数据获取,获取数据的关键特征,包括气象特征矩阵、日类型特征矩阵和历史电荷特征矩阵;
步骤S12、数据修正:修正获取的关键特征矩阵,包括气象特征矩阵优化;
步骤S13、输入预测模型:将修正后的数据输入训练后的预测模型中,所述预测模型满足公式,其中,L1表示历史电力负荷影响分量,L2表示气象事项电力负荷影响分量,/>,L3表示节假日电力负荷影响分量,/>表示波动常数;
步骤S14、得到供电区域内n个网格***的预测电力负荷,记为Dy1,Dy2,…,Dyi,…,Dyn,Dyi表示第i个网格区域的预测电力负荷;
步骤S15、根据预测结果进行电力负荷的调度,获取每个网格区域的预测电力负荷DY,将第i个网格区域的电力负荷记为yi,通过公式计算得到每个网格区域的电力供应Gi,其中wi表示第i个网格区域的系数常数,完成电力负荷的调度,GY表示n个网格***的最大供应电力。
本发明的技术效果和优点:
(1)通过搭建电力拓扑网络并设置监测节点获取网格***中的异常信息,通过异常识别定位模块得到异常发生位置,通过故障分析模块得到故障类型;通过异常趋势分析模块得到网格***的异常趋势因子,监测网格***的异常趋势因子,评估网格***的潜在危险;基于发生的故障信息和异常趋势因子经过关联分析得到网格***的能源风险指数,将获取的能源风险指数与预设的能源评估指数进行对比,超出预设值的向运维人员进行预警,并采取管理措施,当,表示网格***中的能源风险处于正常状态,不需要采取措施,当/>,表示网格***中的能源风险处于风险状态,需要采取措施降低能源风险指数,以解决现有技术中的数据采集不准确、监控精度低、反应时间慢的问题。
(2)提供一种降低网格***电压波动的措施,基于网格***的历史数据预测网格***的电力负荷预测,通过网格***间的电力负荷调度降低网格***电压波动。
附图说明
图1为本发明的整体结构框图。
图2为本发明的监测资源分配流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整地传达给本领域的技术人员。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
实施例:本发明提供了如图1所示的一种网格***用的能源监控管理***,包括:
数据采集模块:用于采集网格***的能源信息,将采集的能源信息传输至异常识别与定位模块和异常趋势分析模块,搭建网格***的电力拓扑网络,电力拓扑网络包括源节点和若干子节点,通过电力拓扑网络子节点将采集的信息传输至异常识别与定位模块;
异常识别与定位模块:用于识别电力拓扑网络中的异常信息,定位异常发生位置,将获取的信息传输至故障分析模块;
故障分析模块:将获取的异常信息输入故障分类模型中得到故障类型,所述故障分类模型基于深度学习神经网络模型训练得到;
异常趋势分析模块:用于分析网格***的异常趋势,依据数据采集模块获取的能源信息分析得到网格***的异常趋势因子;
能源风险评估模块:用于获取网格***中的能源风险指数FZ,将获取的能源风险指数与预设的能源评估指数进行对比,超出预设值的向运维人员进行预警,并采取管理措施。
进一步的,在数据采集模块中,获取网格***中的电力拓扑网络,电力拓扑网络包括源节点和若干子节点,若节点距离网格***的源节点越远,受上游节点的影响越大,计算电力拓扑网络节点的关联系数,关联系数越强,节点间发生故障时,强关联节点的异常值波动越大,通过监测关键节点,发现异常时,通过分析关联节点的异常波动,定位得到故障发生位置;关联系数的计算方式为:在节点之间设置故障,获取相邻节点a、b的波动系数,获取波动系数大的节点,则故障出在关联节点之间,计算节点ab间的关联系数,满足公式:
,其中,/>表示节点ab间的关联系数,jz表示节点ab间的距离,D1表示节点a的电力负荷,D2表示节点b的电力负荷,D表示节点ab间的电力负荷系数,满足公式/>,j1表示节点a距离输入源节点的距离,j2表示节点b距离输入源节点的距离,/>表示上游关键节点的电压波动系数,/>表示下游关键节点的电压波动系数,/>表示上游关键节点电流波动系数,/>表示下游关键节点的电流波动系数,n表示节点a、b间的拓扑网络节点数量;设置关联系数阈值/>,将超出阈值的节点记为关联节点,否则为非关联节点,根据关联系数从子节点中筛选得到电力网络拓扑的关键节点,通过关键节点采集电力拓扑网络中的能源信息。
进一步的,在数据采集模块中,通过在关键节点安装传感器和智能设备采集能源数据,智能设备包括智能电表,将采集的数据通过物联网技术传输。
进一步的,包括数据采集模块中包括监测资源分配单元,所述监测资源分配单元通过获取网格***的覆盖范围、用户、用户类型,通过设置关键节点的数量完成监测资源的分配,有效的利用监控资源,节约监控的能源消耗,如图2所示,监测资源分配单元的实施过程包括下列步骤:
步骤101、获取网格***的特征,计算得到网格区域的能源监测需求系数,获取方式为:获取网格区域的特征,获取每个特征对于能源监测点数量的影响权重,通过关联分析得到网格的能源监测需求系数;
步骤102、评估关键节点的监测能力,获取监测点的响应速度、数据传输速度、预设响应速度、预期传输速度,评估关键节点的监测能力;
步骤103、基于能源监测需求系数和关键节点的监测能力,计算得到网格***的关键节点数量;
步骤104、根据电力拓扑网络节点的关联系数分配关键节点。
进一步的,所述特征参数包括不限于:网格***的覆盖面积、用户数量、用户类型、故障次数、故障类型和故障影响因子。
进一步的,所述数据采集模块和异常识别模块中间包括数据预处理模块将采集的数据按照类型汇总,去除异常数据后传输至数据分析模块。
进一步的,所述异常识别与定位模块用于识别电力拓扑网络中的异常信息,定位异常位置,包括异常数据监测单元和异常定位单元,所述异常数据监测单元通过对采集的数据进行实时监测和分析,异常数据的识别方式为:将每个关键节点采集的能源数据与预设数值进行比较,超出预设值为异常数据的记为异常数据,将对应的关键节点记为异常节点;所述异常定位单元用于定位异常数据的发生位置,获取异常节点的位置信息,通过电力拓扑网络图得到异常节点上下游最近的关键节点,设上下游的关键节点有m个,则最多有s条电力线路,且,计算关键节点的异常指数,则完成异常信息的定位,将关键节点的关联系数记为/>,计算关键节点间的异常指数,满足公式,其中,yj表示第j条电力线路的异常指数,/>表示上游关键节点的电压波动系数,/>表示下游关键节点的电压波动系数,/>表示上游关键节点电流波动系数,/>表示下游关键节点的电流波动系数,以此类推得到关键节点的异常指数集合Y,记为/>,设置异常指数的预设值y预,当yj>y预,表明第j条电力线路存在异常,完成异常信息的定位。
进一步的,所述异常趋势分析模块:获取网格***每日的电流、电压、电损,获取网格***中电流、电压、电损的预设值、同比和环比,通过公式:
获取网格***的异常趋势,其中,ra、ru、rs表示网格***在当日的供应电流、电压、电损的平均值,ca、cu、cs表示网格***实时电流、电压、电损,ya0、yu0、ys0表示电流、电压、电损的预设值,ta、tu、ts表示电流、电压、电损的同比,ha、hu、hs表示电流电压电损的环比,得到异常趋势因子,其中,λ1、λ2为系数因子根据实际情况设置,0≤λ1<1,0≤λ2<1,且λ1+λ2=1。
进一步的,所述电损的获取方式为:通过智能电表获取用户端能耗总量,获取源节点的供电总量,电损参数满足公式,其中,cs表示电损参数,sd表示损失的电量,yd表示用户消耗的电量。
进一步的,能源风险评估模块中能源风险指数的获取方式为:获取环境温度wd、故障发生次数m、第j次故障的影响系数gj、故障类型、异常趋势因子p、电力负荷平均值DF、故障类型影响因子wgi、电压波动系数b1、输电损耗系数,通过关联分析得到能源故障分析系数,通过公式:
计算得到能源故障风险系数,其中,f1表示极端天气影响因子,f2表示节假日活动影响因子。
进一步的,预设的能源评估指数,当/>表示网格***中的能源风险处于正常状态,不需要采取措施,当/>,表示网格***中的能源风险处于风险状态,需要采取措施降低能源风险指数,措施包括不限于,进行能源的预测与调度,用于保证电压的稳定,通过检修输电电缆保证电流的稳定,降低能源故障。
进一步的,本发明包括可视化展示与管理模块:将监控结果以图表、报表等形式进行展示,并提供相应的管理界面,使用户能够直观地了解网格***的能源使用情况,并进行调整和优化。
进一步的,本发明所述能源监控管理***包括负荷调度模块:
所述负荷调度模块根据实时负荷情况进行负荷平衡和优化调度,以确保能源供需平衡,并最大程度地满足用户需求,缩小电压的波动系数,获取每个网格***的负荷趋势,预测下一周期的电力负荷,根据预测的电力负荷进行网格***间的电力调度,电力负荷预测基于电力负荷预测模型获取,将网格***内的电力负荷数据经过预处理后,输入训练好的电力负荷预测模型中,得到网格区域的预测电力负荷。
进一步的负荷调度模块通过下列方式实现:
步骤S11、数据获取,获取数据的关键特征,包括气象特征矩阵、日类型特征矩阵和历史电荷特征矩阵;
步骤S12、数据修正:修正获取的关键特征矩阵,包括气象特征矩阵优化;
步骤S13、输入预测模型:将修正后的数据输入训练后的预测模型中,所述预测模型满足公式,其中,L1表示历史电力负荷影响分量,L2表示气象事项电力负荷影响分量,L3表示节假日电力负荷影响分量,/>表示波动常数;
步骤S14、得到供电区域内n个网格***的预测电力负荷,记为Dy1,Dy2,…,Dyi,…,Dyn,Dyi表示第i个网格区域的预测电力负荷;
步骤S15、根据预测结果进行电力负荷的调度,获取每个网格区域的预测电力负荷DY,将第i个网格区域的电力负荷记为yi,通过公式计算得到每个网格区域的电力供应Gi,其中wi表示第i个网格区域的系数常数,完成电力负荷的调度,GY表示n个网格***的最大供应电力。
通过搭建电力拓扑网络并设置监测节点获取网格***中的异常信息,通过异常识别定位模块得到异常发生位置,通过故障分析模块得到故障类型;通过异常趋势分析模块得到网格***的异常趋势因子,监测网格***的异常趋势因子,评估网格***的潜在危险;基于发生的故障信息和异常趋势因子经过关联分析得到网格***的能源风险指数,将获取的能源风险指数与预设的能源评估指数进行对比,超出预设值的向运维人员进行预警,并采取管理措施,当,表示网格***中的能源风险处于正常状态,不需要采取措施,当,表示网格***中的能源风险处于风险状态,需要采取措施降低能源风险指数,以解决现有技术中的数据采集不准确、监控精度低、反应时间慢的问题。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,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 (10)
1.一种网格***用的能源监控管理***,其特征在于:包括:
数据采集模块:用于采集网格***的能源信息,将采集的能源信息传输至异常识别与定位模块和异常趋势分析模块,搭建电力拓扑网络,电力拓扑网络包括源节点和若干子节点,通过电力拓扑网络子节点将采集的信息传输至异常识别与定位模块;
异常识别与定位模块:用于识别电力拓扑网络中的异常信息,定位异常发生位置,将获取的信息传输至故障分析模块;
故障分析模块:将获取的异常信息输入故障分类模型中得到故障类型,所述故障分类模型基于深度学习神经网络模型训练得到;
异常趋势分析模块:用于分析网格***的异常趋势,依据数据采集模块获取的能源信息分析得到网格***的异常趋势因子;
能源风险评估模块:用于获取网格***中的能源风险指数,将获取的能源风险指数与预设的能源评估指数进行对比,超出预设值的向运维人员进行预警,并采取管理措施。
2.根据权利要求1所述的一种网格***用的能源监控管理***,其特征在于:在数据采集模块中,获取网格***中的电力拓扑网络,电力拓扑网络包括源节点和若干子节点,计算电力拓扑网络节点的关联系数,关联系数的计算方式为:在节点之间设置故障,获取相邻节点a、b的波动系数,获取波动系数大的节点,则故障出在关联节点之间,计算节点ab间的关联系数,满足公式:
,
其中,表示节点ab间的关联系数,jz表示节点ab间的距离,D1表示节点a的电力负荷,D2表示节点b的电力负荷,D表示节点ab间的电力负荷系数,满足公式/>,j1表示节点a距离输入源节点的距离,j2表示节点b距离输入源节点的距离,/>表示上游关键节点的电压波动系数,/>表示下游关键节点的电压波动系数,/>表示上游关键节点电流波动系数,/>表示下游关键节点的电流波动系数;设置关联系数阈值/>,将超出阈值的节点记为关联节点,否则为非关联节点,根据关联系数从子节点中筛选得到电力网络拓扑的关键节点,通过关键节点采集电力拓扑网络中的能源信息。
3.根据权利要求1所述的一种网格***用的能源监控管理***,其特征在于:所述数据采集模块和异常识别模块中间包括数据预处理模块将采集的数据按照类型汇总,去除异常数据后传输至数据分析模块。
4.根据权利要求1所述的一种网格***用的能源监控管理***,其特征在于:所述异常识别与定位模块用于识别电力拓扑网络中的异常信息,定位异常位置,包括异常数据监测单元和异常定位单元,所述异常数据监测单元通过对采集的数据进行实时监测和分析,异常数据的识别方式为:将每个关键节点采集的能源数据与预设数值进行比较,超出预设值为异常数据的记为异常数据,将对应的关键节点记为异常节点;所述异常定位单元用于定位异常数据的发生位置,获取异常节点的位置信息,通过电力拓扑网络图得到异常节点上下游最近的关键节点,设上下游的关键节点有m个,则最多有s条电力线路,且,计算关键节点的异常指数,则完成异常信息的定位,将关键节点的关联系数记为,计算关键节点间的异常指数,满足公式,其中,yj表示第j条电力线路的异常指数,/>表示上游关键节点的电压波动系数,/>表示下游关键节点的电压波动系数,/>表示上游关键节点电流波动系数,/>表示下游关键节点的电流波动系数,以此类推得到关键节点的异常指数集合Y,记为/>,设置异常指数的预设值y预,当yj>y预,表明第j条电力线路存在异常,完成异常信息的定位。
5.根据权利要求4所述的一种网格***用的能源监控管理***,其特征在于:所述异常趋势分析模块:获取网格***每日的电流、电压、电损,获取网格***中电流、电压、电损的预设值、同比和环比,通过公式:
获取网格***的异常趋势,其中,ra、ru、rs表示网格***在当日的供应电流、电压、电损的平均值,ca、cu、cs表示网格***实时电流、电压、电损,ya0、yu0、ys0表示电流、电压、电损的预设值,ta、tu、ts表示电流、电压、电损的同比,ha、hu、hs表示电流电压电损的环比,得到异常趋势因子,其中,λ1、λ2为系数因子根据实际情况设置,0≤λ1<1,0≤λ2<1,且λ1+λ2=1。
6.根据权利要求5所述的一种网格***用的能源监控管理***,其特征在于:所述电损的获取方式为:通过智能电表获取用户端能耗总量,获取源节点的供电总量,电损参数满足公式,其中,cs表示电损参数,sd表示损失的电量,yd表示用户消耗的电量。
7.根据权利要求6所述的一种网格***用的能源监控管理***,其特征在于:能源风险评估模块中能源风险指数的获取方式为:获取环境温度wd、故障发生次数m、第j次故障的影响系数gj、故障类型、异常趋势因子p、电力负荷平均值DF、故障类型影响因子wgi、电压波动系数b1、输电损耗系数,通过关联分析得到能源故障分析系数,通过公式:
计算得到能源故障风险系数,其中,f1表示极端天气影响因子,f2表示节假日活动影响因子。
8.根据权利要求1所述的一种网格***用的能源监控管理***,其特征在于:预设的能源评估指数,当/>表示网格***中的能源风险处于正常状态,不需要采取措施,当,表示网格***中的能源风险处于风险状态,需要采取措施降低能源风险指数,措施包括不限于,进行能源的预测与调度,用于保证电压的稳定,通过检修输电电缆保证电流的稳定,降低能源故障。
9.根据权利要求8所述的一种网格***用的能源监控管理***,其特征在于:包括负荷调度模块:根据实时负荷情况进行负荷平衡和优化调度,以确保能源供需平衡,并最大程度地满足用户需求,缩小电压的波动系数,获取每个网格***的负荷趋势,预测下一周期的电力负荷,根据预测的电力负荷进行网格***间的电力调度,电力负荷预测基于电力负荷预测模型获取,将网格***内的电力负荷数据经过预处理后,输入训练好的电力负荷预测模型中,得到网格区域的预测电力负荷。
10.根据权利要求9所述的一种网格***用的能源监控管理***,其特征在于:负荷调度模块包括:
步骤S11、数据获取,获取数据的关键特征,包括气象特征矩阵、日类型特征矩阵和历史电荷特征矩阵;
步骤S12、数据修正:修正获取的关键特征矩阵,包括气象特征矩阵优化;
步骤S13、输入预测模型:将修正后的数据输入训练后的预测模型中,所述预测模型满足公式,其中,L1表示历史电力负荷影响分量,L2表示气象事项电力负荷影响分量,L3表示节假日电力负荷影响分量,/>表示波动常数;
步骤S14、得到供电区域内n个网格***的预测电力负荷,记为Dy1,Dy2,…,Dyi,…,Dyn,Dyi表示第i个网格区域的预测电力负荷;
步骤S15、根据预测结果进行电力负荷的调度,获取每个网格区域的预测电力负荷DY,将第i个网格区域的电力负荷记为yi,通过公式计算得到每个网格区域的电力供应Gi,其中wi表示第i个网格区域的系数常数,完成电力负荷的调度,GY表示n个网格***的最大供应电力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311186398.8A CN116937575A (zh) | 2023-09-14 | 2023-09-14 | 一种网格***用的能源监控管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311186398.8A CN116937575A (zh) | 2023-09-14 | 2023-09-14 | 一种网格***用的能源监控管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116937575A true CN116937575A (zh) | 2023-10-24 |
Family
ID=88394410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311186398.8A Withdrawn CN116937575A (zh) | 2023-09-14 | 2023-09-14 | 一种网格***用的能源监控管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116937575A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148024A (zh) * | 2023-10-31 | 2023-12-01 | 南通豪强电器设备有限公司 | 一种高压开关柜的运行故障监测方法及*** |
CN117272033A (zh) * | 2023-11-23 | 2023-12-22 | 智联信通科技股份有限公司 | 一种直流分路电流计量异常监测方法 |
CN117291317A (zh) * | 2023-11-24 | 2023-12-26 | 深圳稳石氢能科技有限公司 | 基于aem的智能电力监控与优化*** |
CN117422425A (zh) * | 2023-12-18 | 2024-01-19 | 国网浙江省电力有限公司宁波供电公司 | 一种基于即时通讯的现场安全隐患管理方法及*** |
CN117474214A (zh) * | 2023-12-27 | 2024-01-30 | 深圳市宏大联合实业有限公司 | 一种基于数据监测的碳中和进程分析管理*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2858015A1 (en) * | 2013-10-04 | 2015-04-08 | Building Research Establishment Ltd | System and method for simulation, control and performance monitoring of energy systems |
CN107730047A (zh) * | 2017-10-25 | 2018-02-23 | 广东电网有限责任公司电网规划研究中心 | 一种综合能源多能互补***的网格化协调规划方法 |
JP2018110489A (ja) * | 2017-01-04 | 2018-07-12 | 株式会社東芝 | 電力系統保全支援システム及び電力系統保全支援方法 |
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*** |
CN109978052A (zh) * | 2019-03-25 | 2019-07-05 | 北京快电科技有限公司 | 一种用户侧能源设备智慧检修方法 |
CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制***故障辨识及趋性分析***和方法 |
CN113240289A (zh) * | 2021-05-17 | 2021-08-10 | 国电南瑞南京控制***有限公司 | 一种电网调度控制***运行状态评估方法及*** |
CN113326996A (zh) * | 2020-12-10 | 2021-08-31 | 国网山东省电力公司德州供电公司 | 一种高比例新能源接入地区电网的安全风险评估方法 |
CN113962659A (zh) * | 2021-10-25 | 2022-01-21 | 国网山东省电力公司平邑县供电公司 | 一种基于云计算的智能电网大数据信息管理***及方法 |
CN114911800A (zh) * | 2022-05-16 | 2022-08-16 | 国网青海省电力公司信息通信公司 | 电力***的故障预测方法、装置以及电子设备 |
CN115800272A (zh) * | 2023-02-06 | 2023-03-14 | 国网山东省电力公司东营供电公司 | 基于拓扑识别的电网故障分析方法、***、终端及介质 |
CN116125204A (zh) * | 2023-01-06 | 2023-05-16 | 南方电网数字电网研究院有限公司 | 一种基于电网数字化的故障预测*** |
CN116341919A (zh) * | 2023-05-26 | 2023-06-27 | 南京南瑞信息通信科技有限公司 | 一种数据与模型联合驱动的安全风险评估预警方法 |
CN116383914A (zh) * | 2023-04-11 | 2023-07-04 | 国网浙江省电力有限公司 | 基于多维信息分析的电力***故障判断装置及方法 |
-
2023
- 2023-09-14 CN CN202311186398.8A patent/CN116937575A/zh not_active Withdrawn
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2858015A1 (en) * | 2013-10-04 | 2015-04-08 | Building Research Establishment Ltd | System and method for simulation, control and performance monitoring of energy systems |
JP2018110489A (ja) * | 2017-01-04 | 2018-07-12 | 株式会社東芝 | 電力系統保全支援システム及び電力系統保全支援方法 |
CN107730047A (zh) * | 2017-10-25 | 2018-02-23 | 广东电网有限责任公司电网规划研究中心 | 一种综合能源多能互补***的网格化协调规划方法 |
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*** |
CN109978052A (zh) * | 2019-03-25 | 2019-07-05 | 北京快电科技有限公司 | 一种用户侧能源设备智慧检修方法 |
CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制***故障辨识及趋性分析***和方法 |
CN113326996A (zh) * | 2020-12-10 | 2021-08-31 | 国网山东省电力公司德州供电公司 | 一种高比例新能源接入地区电网的安全风险评估方法 |
CN113240289A (zh) * | 2021-05-17 | 2021-08-10 | 国电南瑞南京控制***有限公司 | 一种电网调度控制***运行状态评估方法及*** |
CN113962659A (zh) * | 2021-10-25 | 2022-01-21 | 国网山东省电力公司平邑县供电公司 | 一种基于云计算的智能电网大数据信息管理***及方法 |
CN114911800A (zh) * | 2022-05-16 | 2022-08-16 | 国网青海省电力公司信息通信公司 | 电力***的故障预测方法、装置以及电子设备 |
CN116125204A (zh) * | 2023-01-06 | 2023-05-16 | 南方电网数字电网研究院有限公司 | 一种基于电网数字化的故障预测*** |
CN115800272A (zh) * | 2023-02-06 | 2023-03-14 | 国网山东省电力公司东营供电公司 | 基于拓扑识别的电网故障分析方法、***、终端及介质 |
CN116383914A (zh) * | 2023-04-11 | 2023-07-04 | 国网浙江省电力有限公司 | 基于多维信息分析的电力***故障判断装置及方法 |
CN116341919A (zh) * | 2023-05-26 | 2023-06-27 | 南京南瑞信息通信科技有限公司 | 一种数据与模型联合驱动的安全风险评估预警方法 |
Non-Patent Citations (1)
Title |
---|
张书林;刘军;闫龙川;王颖;张宁;刘识;唐佳;宋桂林;: "基于深度学习的电力骨干通信网故障诊断研究", 软件, no. 03 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148024A (zh) * | 2023-10-31 | 2023-12-01 | 南通豪强电器设备有限公司 | 一种高压开关柜的运行故障监测方法及*** |
CN117148024B (zh) * | 2023-10-31 | 2023-12-26 | 南通豪强电器设备有限公司 | 一种高压开关柜的运行故障监测方法及*** |
CN117272033A (zh) * | 2023-11-23 | 2023-12-22 | 智联信通科技股份有限公司 | 一种直流分路电流计量异常监测方法 |
CN117272033B (zh) * | 2023-11-23 | 2024-03-01 | 智联信通科技股份有限公司 | 一种直流分路电流计量异常监测方法 |
CN117291317A (zh) * | 2023-11-24 | 2023-12-26 | 深圳稳石氢能科技有限公司 | 基于aem的智能电力监控与优化*** |
CN117291317B (zh) * | 2023-11-24 | 2024-03-15 | 深圳稳石氢能科技有限公司 | 基于aem的智能电力监控与优化*** |
CN117422425A (zh) * | 2023-12-18 | 2024-01-19 | 国网浙江省电力有限公司宁波供电公司 | 一种基于即时通讯的现场安全隐患管理方法及*** |
CN117422425B (zh) * | 2023-12-18 | 2024-04-30 | 国网浙江省电力有限公司宁波供电公司 | 一种基于即时通讯的现场安全隐患管理方法及*** |
CN117474214A (zh) * | 2023-12-27 | 2024-01-30 | 深圳市宏大联合实业有限公司 | 一种基于数据监测的碳中和进程分析管理*** |
CN117474214B (zh) * | 2023-12-27 | 2024-03-29 | 深圳市宏大联合实业有限公司 | 一种基于数据监测的碳中和进程分析管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116937575A (zh) | 一种网格***用的能源监控管理*** | |
CN109345409B (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
CN112131441B (zh) | 一种快速识别用电异常行为的方法及*** | |
Kang et al. | Big data analytics in China's electric power industry: modern information, communication technologies, and millions of smart meters | |
CN113156917A (zh) | 基于人工智能的电网设备故障诊断方法及*** | |
CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
CN104700321A (zh) | 一种输变电设备状态运行趋势分析方法 | |
CN102510125A (zh) | 电力一次设备运行工况监测方法及装置 | |
CN113487447A (zh) | 一种基于大数据的配电网负荷预测及线损成因分析方法 | |
CN116742799A (zh) | 一种基于物联网技术的配电辅助监测预警*** | |
CN114596693A (zh) | 用于能源监控和管理的方法、***、介质和程序产品 | |
CN110880055A (zh) | 楼宇智能电表*** | |
CN116596512B (zh) | 一种基于信息***的电力运维安全强化方法和*** | |
CN116125204A (zh) | 一种基于电网数字化的故障预测*** | |
CN116308304A (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及*** | |
CN110443481B (zh) | 基于混合k-近邻算法的配电自动化终端状态评价***及方法 | |
CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及*** | |
Su et al. | Opportunistic maintenance optimisation for offshore wind farm with considering random wind speed | |
CN116923168B (zh) | 基于变电站联网的充电桩电能调度***及其调度方法 | |
CN117390944A (zh) | 一种变电站运行工况仿真*** | |
CN117277435A (zh) | 一种光伏逆变器的健康评估方法、***及装置 | |
CN116566047A (zh) | 基于预测天气的输电线路动态增容在线监测***及方法 | |
CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN115936663A (zh) | 一种电力***的维护方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231024 |