一种电力系统输电网络安全性测试系统技术方案

本发明专利技术属于电网络安全性测试技术领域，公开了一种电力系统输电网络安全性测试系统，包括：测试指令输入模块、初始参数配置模块、中央控制模块、无线通信模块、专家建议模块、报警模块、显示模块、电力负荷预测模块。本发明专利技术提供专家建议模块可以给工作人员提供更加专业的指导建议，保障电网安全测试的专业性，降低人为导致的事故发生几率；本发明专利技术通过电力负荷预测模块分析电力负荷的这一周期性变化趋势的特点，采用正弦函数模型作为预测数据的基础模型，具有贴合电力负荷数据实际变化的优点，为了克服采用正弦函数作为基础模型误差相对较大的缺点，本发明专利技术还采用重复学习的方法，提高预测的准确性。

【技术实现步骤摘要】
一种电力系统输电网络安全性测试系统
本专利技术属于电网络安全性测试
，尤其涉及一种电力系统输电网络安全性测试系统。
技术介绍
目前，业内常用的现有技术是这样的：电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。它的功能是将自然界的一次能源通过发电动力装置转化成电能，再经输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。然而，现有电网安全测试时，由于测试工作人员专业水平不一，测试容易出现不专业，导致操作事故；同时现有对电力负荷预测误差大，不利于对电网安全测试的准确性。所谓“电力系统输电网络安全”，是指在调度问题中，被调度对象一般为由N个工件(Job)组成的集合，称之为实例(Instance)。用I表示实例，Jj表示其中的第j个工件。每个工件Jj都有各自的到达时间(Releasetime)Rj和加工时间Pj(Processingtime)。在调度方案S中，开工时间为Sj(Starttime)，完工时间为Cj(C本文档来自技高网...

【技术保护点】
1.一种电力系统输电网络安全性测试系统，其特征在于，所述电力系统输电网络安全性测试系统包括：测试指令输入模块，与中央控制模块连接，用于输入测试指令操作；电力负荷预测模块，与中央控制模块连接，用于对电力负荷进行预测；所述电力负荷预测模块包括：数据采集模块、学习模块、预测模块；数据采集模块，用于块按时间顺序采集电力负荷的历史数据；学习模块，用于将预处理序列拟合得出一个正弦函数，根据正弦函数得出基础序列；预测模块，用于根据预测正弦函数模型得出预测序列，并对预测序列进行反归一化处理，得出预测数据序列；电力负荷预测模块的预测方法如下：步骤一，数据采集模块按时间顺序采集电力负荷的历史数据，得出负荷时间序列...

【技术特征摘要】
1.一种电力系统输电网络安全性测试系统，其特征在于，所述电力系统输电网络安全性测试系统包括：测试指令输入模块，与中央控制模块连接，用于输入测试指令操作；电力负荷预测模块，与中央控制模块连接，用于对电力负荷进行预测；所述电力负荷预测模块包括：数据采集模块、学习模块、预测模块；数据采集模块，用于块按时间顺序采集电力负荷的历史数据；学习模块，用于将预处理序列拟合得出一个正弦函数，根据正弦函数得出基础序列；预测模块，用于根据预测正弦函数模型得出预测序列，并对预测序列进行反归一化处理，得出预测数据序列；电力负荷预测模块的预测方法如下：步骤一，数据采集模块按时间顺序采集电力负荷的历史数据，得出负荷时间序列Y，对负荷时间序列Y进行归一化处理，得出预处理序列O；步骤二，学习模块将预处理序列O拟合得出一个正弦函数S(t)，根据正弦函数S(t)得出基础序列L1，步骤三，学习模块将预处理序列O和基础序列L1相减得出基础残差序列e；步骤四，学习模块求出基础残差序列e的均方根误差，将该均方根误差与预设的阀值对比；若小于预设阀值，则正弦函数S(t)为预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测数据序列F；若大于预设阀值，则继续执行以下步骤五至步骤七；步骤五，学习模块对基础残差序列e进行拟合，得出残差正弦函数Q(t)，根据残差正弦函数Q；步骤六，得出残差序列M；步骤七，学习模块求出残差序列M的均方根误差，将该均方根误差与预设的阀值对比；若小于预设阀值，则将正弦函数S(t)和残差正弦函数Q(t)叠加，得出预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测数据序列F；若大于预设阀值，则进入重复学习步骤：根据残差序列Mi(i＝1，2，3，…，n)，拟合得出预测残差正弦函数Pi(t)(i＝1，2，3，…，n)，根据Pi(t)得出预测残差序列Ni，利用公式M+1＝Mi-Ni，求出下一个残差序列Mi+1，根据Mi+1拟合得出Pi+1(t)，根据Pi+1(t)得出预测残差序列Ni+1；每次运算得出的预测残差序列Ni后，计算该预测残差序列Ni均方根误差，将该均方根误差与预设的阀值对比，若小于预设阀值，则停止重复学习步骤，若大于预设阀值，则继续重复学习步骤；步骤八，停止重复学习步骤后，将正弦函数S(t)和与残差正弦函数Q(t)和所有预测残差正弦函数Pi(t)叠加，得出预测正弦函数模型W(t)，预测模块根据预测正弦函数模型W(t)得出预测序列f，并对预测序列f进行反归一化处理，得出预测序列F；预测模块的反归一化处理包括：S1、基于Hadoop构建包含关系型数据库数据、传感器数据和控制器数据的大数据分析单元，转到步骤S2；S2、在MapReduce框架下运用Apriori关联规则挖掘算法，在大数据分析单元中进行分析和挖掘，得到电力系统输电网络安全影响因素，转到步骤S3；S3、结合电力系统输电网络安全影响因素和电力系统输电网络安全历史数据，构建神经网络模型BP，产生神经网络模型BP的初始权值，转到步骤S4；S4、对神经网络模型BP的权值和阈值进行动态改进，获得动态神经网络模型DBP，产生动态神经网络模型DBP的权值和阈值，转到步骤S5；S5、运用自适应免疫遗传AIGA算法优化动态神经网络模型DBP，获得预测模型AIGA-DBP，根据预测模型AIGA-DBP计算电力系统输电网络安全预测值，转到步骤S6；S6、判断电力系统输电网络安全预测值与电力系统输电网络安全期望值的误差是否满足设定的条件，若是，转到步骤S7；否则重新执行到步骤S5；S7、输出电力系统输电网络安全预测值和预测序列F，结束。2.如权利要求1所述电力系统输电网络安全性测试系统，其特征在于，步骤S1具体包括以下步骤：将关系型数据库数据、传感器数据和控制器数据通过Sqoop上传至分布式文件系统HDFS，并存储至NoSQL数据库中；利用MapReduce计算框架对关系型数据库数据、传感器数据和控制器数据进行挖掘分析，将分析好的数据写入NoSQL数据库，并通过Web展示。3.如权利要求1所述电力系统输电网络安全性测试系统，其特征在于，步骤S2中在MapReduce框架下运用Apriori关联规则挖掘算法具体包括以下步骤：S201、使用MapReduce计算模型得到频繁1项集的集合L...

【专利技术属性】
技术研发人员：王洪涛，韩梁，宁世超，
申请(专利权)人：宁德师范学院，
类型：发明
国别省市：福建,35