基于大数据分析的变压器停电计划安排方法技术

技术编号:21142304 阅读:51 留言:0更新日期:2019-05-18 05:30
本发明专利技术公开了一种基于大数据分析的变压器停电计划安排方法,属于电网系统技术领域,包括:步骤一、变压器停电相关数据提取;步骤二、利用K‑means方法进行主变N‑1特征曲线拟合;步骤三、利用Matlab软件中的K‑means算法对多年的主变N‑1负荷数据进行聚类拟合,得出该变电站主变N‑1的拟合曲线;步骤四、提取适宜变电站变压器停电检修时间区段;步骤五、自定义指标“检修计划合理率”,用以量化表征变压器停电的计划工作执行情况;步骤六、利用粒子群算法对主变典型检修工作停电时长进行优化;步骤七、变压器停电计划优化排期。

Transformer Outage Scheduling Method Based on Large Data Analysis

【技术实现步骤摘要】
基于大数据分析的变压器停电计划安排方法
本专利技术属于电网系统
,尤其涉及一种基于大数据分析的变压器停电计划安排方法。
技术介绍
近年来,随着“数字化道路”建设的不断深入,人们对大型城市配电网的供电品质要求日益提高,由于35kV及以上网架比较完善,主网设备计划检修停电极少带来直接负荷损失,检修产生的电网运行安全风险成为最主要的评价标准。如何优化变压器停电计划排期,综合降低变压器停电的安全风险成为电网安全管控的关键问题。
技术实现思路
针对现有技术存在的问题,本专利技术提出一种基于大数据分析的变压器停电计划安排方法,利用大数据的工具方法,挖掘变压器运行和检修数据规律和价值,综合得出一种综合优化变压器停电时期和时长的停电计划优化排期方法。采用K‐means算法对调度自动化系统中变压器负荷数据进行聚类曲线拟合,得出变电站主变N‐1的年特征曲线,选取波谷区段为适宜检修区段,从而考量了停电的长尺度安全性,再利用粒子群算法对历史检修计划中典型停电工作执行时间进行优化,得出典型检修工作建议时长,从而考量了变压器停电的短尺度安全性,最后综合得出变电站变压器的适宜检修期和停电时长,指导相关运检、基建、营销等部门合理安排工程进度,改变了传统的变压器停电计划安排模式,实现对变压器停电安全的数字化、智能化管控。本专利技术的目的之一在于提供一种基于大数据分析的变压器停电计划安排方法,包括如下步骤:步骤一、变压器停电相关数据提取;步骤二、利用K‐means方法进行主变N‐1特征曲线拟合;其中:N‐1表示变电站内一台主变停电后,其他主变的负载率;步骤三、利用Matlab软件中的K‐means算法对多年的主变N‐1负荷数据进行聚类拟合,得出该变电站主变N‐1的拟合曲线;步骤四、提取适宜变电站变压器停电检修时间区段;具体为:按照变压器线路停电检修的规律,得出变电站主变N‐1年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于60天,若不足60天,则选取其他波谷区段进行填补;步骤五、自定义指标“检修计划合理率”,用以量化表征变压器停电的计划工作执行情况,合理率越高代表停电时长越合理;检修计划合理率=实际工作时间/计划申请时间*100%;步骤六、利用粒子群算法对主变典型检修工作停电时长进行优化;具体为:提取历史主变停电计划中试验类工作的停电计划时长和实际工作时长数据,利用粒子群算法进行对典型时长进行计算,得出一个典型计划时长,使得历史主变停电检修计划合理率最高,且合理率值不大于100%,以该优化时长作为该类典型检修类型的典型停电时长;步骤七、变压器停电计划优化排期;将利用K‐means算法得出的变压器适宜停电区段和粒子群算法得到的变压器典型检修典型停电时长进行综合,得出变压器停电计划优化排期结果。进一步:所述步骤一中:变压器停电相关数据包括主变停电计划数据和主变N‐1,其中:主变停电计划数据采用线上收集的方式从OMS上获取五年内的周期T1数据,周期T1数据以月为单位;主变N‐1采用线上收集的方式从调度自动化系统上获取五年内的周期T2数据,周期T1数据以日为单位。OMS指的是国家电网公司调度管理应用业务流程。进一步:所述步骤二具体为:第一步,初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在对象集X中随机选取N个对象作为初始聚类中心,设定迭代中止条件,上述迭代中止条件为最大循环次数或者聚类中心收敛误差容限;第二步,进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类;初始化隶属度矩阵,更新聚类中心,然后以每一类的平均向量作为新的聚类中心,重新分配数据对象;第三步,重复执行第二步直至满足中止条件。本专利技术的目的之二在于提供一种实现基于大数据分析的变压器停电计划安排方法的计算机程序。本专利技术的目的之三在于提供一种实现基于大数据分析的变压器停电计划安排方法的信息数据处理终端。本专利技术的目的之四在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行基于大数据分析的变压器停电计划安排方法。综上所述,本专利技术的优点及积极效果为:本专利技术利用大数据的工具方法,挖掘变压器运行和检修数据规律和价值,综合得出一种综合优化变压器停电时期和时长的停电计划优化排期方法。采用K‐means算法对调度自动化系统中变压器负荷数据进行聚类曲线拟合,得出变电站主变N‐1的年特征曲线,选取波谷区段为适宜检修区段,从而考量了停电的长尺度安全性,再利用粒子群算法对历史检修计划中典型停电工作执行时间进行优化,得出典型检修工作建议时长,从而考量了变压器停电的短尺度安全性,最后综合得出变电站变压器的适宜检修期和停电时长,指导相关运检、基建、营销等部门合理安排工程进度,改变了传统的变压器停电计划安排模式,实现对变压器停电安全的数字化、智能化管控。附图说明图1为本专利技术优选实施例中K‐means算法聚类;图2为本专利技术优选实施例中主变N‐1荷拟合特征曲线。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。请参阅图1至图2,一种基于大数据分析的变压器停电计划安排方法,包括如下步骤:1、变压器停电相关数据提取。提取需求主要见下表1:表1、提取需求表2、原始数据处理利用excle软件编写公式对主变路负荷数据进行处理,通过纠正错误、删除重复项、统一规格、修正逻辑、转换构造、数据压缩、补足残缺/空值、丢弃数据/变量,实现数据的完整性、唯一性、权威性、合法性和一致性的校验。3、利用K‐means方法进行主变N‐1特征曲线拟合(1)K‐means原理:第一步,初始化。输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心。设定迭代中止条件,比如最大循环次数或者聚类中心收敛误差容限。第二步,进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类。初始化隶属度矩阵。更新聚类中心。然后以每一类的平均向量作为新的聚类中心,重新分配数据对象。第三步,反复执行第二步直至满足中止条件。(2)利用Matlab软件中自带的K‐means算法对多年的主变N‐1负荷数据进行聚类拟合,得出该变电站主变N‐1的拟合曲线。(3)提取适宜变电站变压器停电检修时间区段。按照变压器线路停电检修的规律,需要一年内有60天左右的停电窗口期,约占全年的16.7%。得出变电站主变N‐1年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于60天。若不足60天,则可以选取其他波谷区段进行填补。同时设计限制条件,若谷值区段N‐1值均小于90%,则认为适宜,同时利用确定度冬、度夏、重大保电等边界条件对结果进行筛选,得出每个变电站主变的适宜检修期,并编制成“变压器检修日历”。。4、变压器停电时长优化4.1自定义指标“检修计划合理率”,用以量化表征变压器停电的计划工作执行情况,合理率越高代表停电时长越合理。(原则上不大于100%,若超出代表计划时间过短)检修计划合理率=实际工作时间/计划申请时间*100%表2检修计划合理分级4.2粒子群算法(PSO)迭代优化(1)基本原理PSO算法的基本思本文档来自技高网...

【技术保护点】
1.一种基于大数据分析的变压器停电计划安排方法,其特征在于:至少包括如下步骤:步骤一、变压器停电相关数据提取;步骤二、利用K‐means方法进行主变N‐1特征曲线拟合;步骤三、利用Matlab软件中的K‐means算法对多年的主变N‐1负荷数据进行聚类拟合,得出该变电站主变N‐1的拟合曲线;步骤四、提取适宜变电站变压器停电检修时间区段;具体为:按照变压器线路停电检修的规律,得出变电站主变N‐1年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于60天,若不足60天,则选取其他波谷区段进行填补;步骤五、自定义指标“检修计划合理率”,用以量化表征变压器停电的计划工作执行情况,合理率越高代表停电时长越合理;检修计划合理率=实际工作时间/计划申请时间*100%;步骤六、利用粒子群算法对主变典型检修工作停电时长进行优化;具体为:提取历史主变停电计划中试验类工作的停电计划时长和实际工作时长数据,利用粒子群算法进行对典型时长进行计算,得出一个典型计划时长,使得历史主变停电检修计划合理率最高,且合理率值不大于100%,以该优化时长作为该类典型检修类型的典型停电时长;步骤七、变压器停电计划优化排期;将利用K‐means算法得出的变压器适宜停电区段和粒子群算法得到的变压器典型检修典型停电时长进行综合,得出变压器停电计划优化排期结果。...

【技术特征摘要】
1.一种基于大数据分析的变压器停电计划安排方法,其特征在于:至少包括如下步骤:步骤一、变压器停电相关数据提取;步骤二、利用K‐means方法进行主变N‐1特征曲线拟合;步骤三、利用Matlab软件中的K‐means算法对多年的主变N‐1负荷数据进行聚类拟合,得出该变电站主变N‐1的拟合曲线;步骤四、提取适宜变电站变压器停电检修时间区段;具体为:按照变压器线路停电检修的规律,得出变电站主变N‐1年度负荷拟合特征曲线后,选取波形平滑的波谷区域为适宜检修时间区段,该区段不大于60天,若不足60天,则选取其他波谷区段进行填补;步骤五、自定义指标“检修计划合理率”,用以量化表征变压器停电的计划工作执行情况,合理率越高代表停电时长越合理;检修计划合理率=实际工作时间/计划申请时间*100%;步骤六、利用粒子群算法对主变典型检修工作停电时长进行优化;具体为:提取历史主变停电计划中试验类工作的停电计划时长和实际工作时长数据,利用粒子群算法进行对典型时长进行计算,得出一个典型计划时长,使得历史主变停电检修计划合理率最高,且合理率值不大于100%,以该优化时长作为该类典型检修类型的典型停电时长;步骤七、变压器停电计划优化排期;将利用K‐means算法得出的变压器适宜停电区段和粒子群算法得到的变压器典型检修典型停电时长进行综合,得出变压器停电计划优化排期结果...

【专利技术属性】
技术研发人员:马占军梁刚刘明田圳王钰任肖久李海科梁伟戚艳陈文福韩晨曦李丛林杨要中赵玲玲郭丰瑞梁程潘海泉王琳张超雄田中亮蔚鑫栋党旭鑫徐坤虎挺昊何欣志
申请(专利权)人:国网天津市电力公司国家电网有限公司
类型:发明
国别省市:天津,12

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1