一种天气敏感型区域配电网扰动事件预测方法及装置制造方法及图纸

本发明专利技术提供了一种天气敏感型区域配电网扰动事件预测方法及装置，其中方法包括：S1、利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；S2、将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；S3、利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；S4、结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值。

A method and device for predicting disturbance events of distribution network in weather sensitive area

The invention provides a weather sensitive region distribution network disturbance and device event prediction method, wherein the method comprises the following steps: S1, using the correlation analysis method to analyze the correlation between the severity of disturbance events and weather types, determine weather sensitive region distribution network; S2, the disturbance events according to the severity of disturbance events synthesis disturbance events the degree of sequence, the degree of disturbance events in chronological sequence synthesis second disturbance event time series, the second disturbance events time series according to the weather types, divided into every kind of weather types under third disturbance event time series; S3, using Discrete Hidden Markov models were trained in every kind of weather types under third disturbance event time series and get the probability matrix model of disturbance events with different severity among state transfer; S4, combined with Boyer The model and the state transition probability matrix model are used to calculate the state transition probability value of the current state transferred to different severity disturbance events.

【技术实现步骤摘要】
一种天气敏感型区域配电网扰动事件预测方法及装置
本专利技术涉及电能质量监测领域，尤其涉及一种天气敏感型区域配电网扰动事件预测方法及装置。
技术介绍
近年来，电能质量问题一直受到电网公司和电力用户的共同关注。随着电能质量监测系统(powerqualitymeasurementsystem，PQMS)在各省逐步建设推广，如何有效利用数据分析技术从数据中提取信息，建立起事件的因果关系，以达到决策支持的目的是电能质量研究中值得关注和有价值的发展趋势之一。一方面，分布式电源的大面积建设，使具有电能质量治理能力的变流器运行决策需要准确地预测电能质量水平。另一方面，可靠的电能质量变化趋势预估是保证电网安全、经济运行的关键措施之一。目前利用电能质量监测数据的深化应用大多集中于扰动类型识别、故障源定位、负荷在线监测、电能质量综合评估等方面，关于电能质量预测的相关研究较少。已有方法结合电力扰动历史数据和标准电网运行指标，通过数理统计分析方法有效评估了输配网的电能质量状态，但未考虑电能质量变化趋势。已有的相关预测方法只考虑风电系统的不确定出力对电能质量波动的影响，难以全面衡量系统的电能质量水平。在可靠性工程中，恶劣天气条件是造成元件故障，并引发电力扰动事故的主要原因，现有方法主要针对输电网和大型风电场可靠性评估，并不适用于网络结构复杂的配电网系统。由于配电网本身的运行状态多变，导致了电能质量监测设备统计的暂态事件特征难以与配电网运行状态简单地一一对应的技术问题。
技术实现思路
本专利技术提供了一种天气敏感型区域配电网扰动事件预测方法及装置，解决了现有方法主要针对输电网和大型风电场可靠性评估，并不适用于网络结构复杂的配电网系统。由于配电网本身的运行状态多变，导致的电能质量监测设备统计的暂态事件特征难以与配电网运行状态简单地一一对应的技术问题。本专利技术提供了一种天气敏感型区域配电网扰动事件预测方法，包括：S1、利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；S2、将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；S3、利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；S4、结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值，若状态转移概率值高于预设阈值，则对当前状态进行预警。作为优选，步骤S1之前还包括：从电能质量监测平台中获取扰动事件数据和天气信息数据，根据扰动事件发生频次确定扰动事件的严重程度，并将天气信息划分为预置类型数量的天气类型。作为优选，所述从电能质量监测平台中获取扰动事件数据和天气信息数据，根据扰动事件发生频次确定扰动事件的严重程度，并将天气信息划分为预置类型数量的天气类型之后，步骤S1之前还包括：利用近邻排序算法，将扰动事件按照扰动事件发生时间先后进行排序，得到扰动事件的第一扰动事件时间序列。作为优选，预置类型数量的天气类型具体包括：正常天气，正常天气包括晴天、多云和小雨天气；恶劣天气，恶劣天气包括中雨和大雨天气；极端天气，极端天气包括雷电天气。作为优选，离散隐马尔科夫模型中的隐含状态数由贝叶斯信息准则确定。本专利技术提供了一种天气敏感型区域配电网扰动事件预测装置，包括：确定单元，用于利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；序列合成单元，用于将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；模型训练单元，用于利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；预警单元，用于结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值，若状态转移概率值高于预设阈值，则对当前状态进行预警。作为优选，还包括：数据获取单元，用于从电能质量监测平台中获取扰动事件数据和天气信息数据，根据扰动事件发生频次确定扰动事件的严重程度，并将天气信息划分为预置类型数量的天气类型。作为优选，还包括：排序单元，用于利用近邻排序算法，将扰动事件按照扰动事件发生时间先后进行排序，得到扰动事件的第一扰动事件时间序列。作为优选，预置类型数量的天气类型具体包括：正常天气，正常天气包括晴天、多云和小雨天气；恶劣天气，恶劣天气包括中雨和大雨天气；极端天气，极端天气包括雷电天气。作为优选，离散隐马尔科夫模型中的隐含状态数由贝叶斯信息准则确定。从以上技术方案可以看出，本专利技术具有以下优点：本专利技术提供了一种天气敏感型区域配电网扰动事件预测方法，包括：S1、利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；S2、将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；S3、利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；S4、结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值。本专利技术中，利用离散隐马尔科夫模型中蕴含的双随机过程机制，对天气敏感型配电网的每一类天气类型下的不同严重程度的扰动事件的扰动事件时间序列进行训练，能够得到不同严重程度的扰动事件间的状态转移概率矩阵模型，再利用贝叶斯模型，能够计算出当前状态转移至不同严重程度的扰动事件的状态转移概率值，若状态转移概率值高于预设阈值，则能够对该天气敏感型区域配电网进行预警，将天气类型和扰动事件的严重程度通过离散隐马尔科夫模型结合，解决了现有方法主要针对输电网和大型风电场可靠性评估，并不适用于网络结构复杂的配电网系统。由于配电网本身的运行状态多变，导致的电能质量监测设备统计的暂态事件特征难以与配电网运行状态简单地一一对应的技术问题。附图说明为了更清楚地说明本专利技术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专利技术的实施例，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，还可以根据提供的附图获得其他的附图。图1为本专利技术提供的一种天气敏感型区域配电网扰动事件预测方法的一个实施例的流程示意图；图2为本专利技术提供的一种天气敏感型区域配电网扰动事件预测方法的另一个实施例的流程示意图；图3为本专利技术提供的一种天气敏感型区域配电网扰动事件预测装置的一个实施例的结构示意图；图4为本专利技术提供的一种天气敏感型区域配电网扰动事件预测装置的另一个实施例的结构示意图。具体实施方式本专利技术实施例提供了一种天气敏感型区域配电网扰动事件预测方法及装置，利用离散隐马尔科夫模型中蕴含的双随机过程机制，对本文档来自技高网...

【技术保护点】
一种天气敏感型区域配电网扰动事件预测方法，其特征在于，包括：S1、利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；S2、将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；S3、利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；S4、结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值，若状态转移概率值高于预设阈值，则对当前状态进行预警。

【技术特征摘要】
1.一种天气敏感型区域配电网扰动事件预测方法，其特征在于，包括：S1、利用相关性分析方法分析扰动事件的严重程度和天气类型之间的相关性，确定天气敏感型区域配电网；S2、将扰动事件按照扰动事件的严重程度合成扰动事件程度序列，将扰动事件程度序列按照时间先后合成第二扰动事件时间序列，将第二扰动事件时间序列按照天气类型，划分为每一类天气类型下的第三扰动事件时间序列；S3、利用离散隐马尔科夫模型分别训练每一类天气类型下的第三扰动事件时间序列，得到不同严重程度的扰动事件间的状态转移概率矩阵模型；S4、结合贝叶斯模型和状态转移概率矩阵模型，计算当前状态转移至不同严重程度的扰动事件的状态转移概率值，若状态转移概率值高于预设阈值，则对当前状态进行预警。2.根据权利要求1所述的天气敏感型区域配电网扰动事件预测方法，其特征在于，步骤S1之前还包括：从电能质量监测平台中获取扰动事件数据和天气信息数据，根据扰动事件发生频次确定扰动事件的严重程度，并将天气信息划分为预置类型数量的天气类型。3.根据权利要求2所述的天气敏感型区域配电网扰动事件预测方法，其特征在于，所述从电能质量监测平台中获取扰动事件数据和天气信息数据，根据扰动事件发生频次确定扰动事件的严重程度，并将天气信息划分为预置类型数量的天气类型之后，步骤S1之前还包括：利用近邻排序算法，将扰动事件按照扰动事件发生时间先后进行排序，得到扰动事件的第一扰动事件时间序列。4.根据权利要求3所述的天气敏感型区域配电网扰动事件预测方法，其特征在于，预置类型数量的天气类型具体包括：正常天气，正常天气包括晴天、多云和小雨天气；恶劣天气，恶劣天气包括中雨和大雨天气；极端天气，极端天气包括雷电天气。5.根据权利要求4所述的天气敏感型区域配电网扰动事件预测方法，其特征在于，离散隐...

【专利技术属性】
技术研发人员：周刚，谢善益，杨强，陈冠缘，徐思尧，范颖，肖斐，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：广东,44