基于多维度信息识别的电网电气信息指向方法及系统技术方案

本发明专利技术提供了一种基于多维度信息识别的电网电气信息指向方法及系统，首先对台区和上层变压器数据进行采集和预处理；其次基于处理后的台区与上层变压器负荷数据构建0‑1规划模型，并基于模型寻优，获取电气指向概率；随后基于处理后的台区与上层变压器电压数据进行电压相关性分析，获取相关系数；最后对得到的概率，电压相关数据进行归一化处理，通过机器学习‑SVM算法获取电气正确指向关系。本发明专利技术基于概率负荷匹配和电压相关性计算，可实现对当前电力公司系统上层变压器和台区建立正确的电气指向关系；能够更正当前电力系统中由于临时增设线路而导致系统电气指向信息不一致问题，降低调度人员的操作风险，确保电网安全运行。

Electrical Information Direction Method and System of Power Grid Based on Multi-Dimensional Information Recognition

【技术实现步骤摘要】
基于多维度信息识别的电网电气信息指向方法及系统
本专利技术属于电力系统电气指向领域，涉及同时考虑负荷以及电压，采用机器学习方法获取最终电气指向的技术，更为具体的说，是涉及一种基于多维度信息识别的电网电气信息指向方法及系统。
技术介绍
随着社会经济的进一步发展，电网负荷量正在逐年递增，因此电力公司业扩业务在也呈现出递增趋势。由于电网中新负荷的加入，使得电网台区发生着改变。但当前调度系统难以及时对变更台区进行更新，导致系统电气指向出现偏差，未能建立正确的电气指向关系。近年，电力公司对优质服务理念不断加深，降低电网停电次数、加快电网检修服务，提高用户服务质量已经成为当前工作重点。由于系统未能及时对变更台区进行更新，错误的电气指向对电网的准确抢修，以及精准服务都造成了一定的影响，同时针对调度层面，错误的电气指向会对调度运行人员的操作带来一定的风险，难以确保电网安全运行。因此建立正确的电气指向关系已成为当前调度人员甚至是整个电网公司所关心的重点。但目前尚缺乏有效的建立手段。
技术实现思路
为解决当前电力公司系统台区与其上层变压器电气指向不一致的问题，本专利技术提出一种基于概率负荷匹配和电压相关性的电网电气信息指向方法及系统，通过对电网数据进行处理，采用0-1规划模型，相关系数理念分别对负荷、电压进行分析，获取台区与上层变压器指向概率和电压相关度系数，并将电气指向概率和电压相关度系数进行归一化。之后采用机器学习算法对所得概率数据以及电压相关系数进行计算，获取最终电气指向。为了达到上述目的，本专利技术提供如下技术方案：基于多维度信息识别的电网电气信息指向方法，包括如下步骤：步骤1，对台区和上层变压器数据进行采集和预处理；步骤2，基于处理后的台区与上层变压器负荷数据构建0-1规划模型，并基于0-1规划模型寻优，获取电气指向概率；步骤3，基于处理后的台区与上层变压器电压数据进行电压相关性分析，获取相关系数；步骤4，对得到的概率，电压相关数据进行归一化处理，通过机器学习-SVM算法获取电气正确指向关系。进一步的，所述步骤1具体包括如下过程：采集台区和变压器的负荷数据和电压数据，将采集到的负荷数据处理为台区或上层变压器不同时段负荷均值信息，将电压数据处理为台区或上层变压器不同时段电压均值信息。进一步的，所述步骤2具体包括如下过程：构造0-1规划模型，模型目标函数如下：其中k为一天24小时中的某时刻，Fi为k时刻上层第i变压器所带负荷，m为上层变压器数量，Pj为第j个台区k时刻所带负荷，h为台区数量；Aij,k为0-1规划因子，即通过模型寻优，获取Aij,k数据集；采用如下公式对上层变压器所带负荷进行概率统计，获取最终台区j与上层变压器i的指向概率：其中Gij为j台区为上层i变电站的概率；最终获取各台区与上层变压器指向概率。进一步的，所述步骤3具体包括如下过程：基于处理的电压数据进行电压相关性分析，采用如下公式分别计算各台区与上层变压器的相关系数：其中Xi为上层变压器i的负荷数据，Yj为台区j负荷数据。进一步的，所述步骤3中负荷数据为24小时内每个小时的均值负荷数据。一种基于多维度信息识别的电网电气信息指向系统，包括系统信息预处理模块，概率匹配模块，电压相关性模块以及机器学习模块；所述系统信息预处理模块用于对台区和上层变压器数据进行采集和预处理；所述概率匹配模块用于基于处理后的台区与上层变压器负荷数据构建0-1规划模型，并基于0-1规划模型寻优，获取电气指向概率；所述电压相关性模块用于基于处理后的台区与上层变压器电压数据进行电压相关性分析，获取相关系数；所述机器学习模块用于对得到的概率、电压相关数据进行归一化处理，通过机器学习-SVM算法获取电气正确指向关系。进一步的，所述系统信息预处理模块具体用于实现如下过程：采集台区和变压器的负荷数据和电压数据，将采集到的负荷数据处理为台区或上层变压器不同时段负荷均值信息，将电压数据处理为台区或上层变压器不同时段电压均值信息。进一步的，所述概率匹配模块具体用于实现如下过程：构造0-1规划模型，模型目标函数如下：其中k为一天24小时中的某时刻，Fi为k时刻上层第i变压器所带负荷，m为上层变压器数量，Pj为第j个台区k时刻所带负荷，h为台区数量；Aij,k为0-1规划因子，即通过模型寻优，获取Aij,k数据集；采用如下公式对上层变压器所带负荷进行概率统计，获取最终台区j与上层变压器i的指向概率：其中Gij为j台区为上层i变电站的概率；最终获取各台区与上层变压器指向概率。进一步的，所述机器学习模块具体用于实现如下过程：基于处理的电压数据进行电压相关性分析，采用如下公式分别计算各台区与上层变压器的相关系数。其中Xi为上层变压器i的负荷数据，Yj为台区j负荷数据。与现有技术相比，本专利技术具有如下优点和有益效果：本专利技术提供的电网电气信息指向方法及系统，基于概率负荷匹配和电压相关性计算，可实现对当前电力公司系统上层变压器和台区建立正确的电气指向关系；能够更正当前电力系统中由于临时增设线路而导致系统电气指向信息不一致问题，降低调度人员的操作风险，确保电网安全运行。附图说明图1为本专利技术方法流程图。图2为两个变电站及其所带台区电压曲线。图3为两个变电站及其所带负荷示意图。图4为针对A变电站数据处理结果示意图。具体实施方式以下将结合具体实施例对本专利技术提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。本专利技术利变电站及各台区数据，对电气指向进行两阶段联合获取。首先，采用0-1规划方法，将台区数据与变电站数据进行匹配，获取各时段下不同台区与变电站匹配概率，构成电气一阶段指向信息。其次，根据电压相关性原理，对变电站及其台区进行匹配，构成电气二阶段指向信息。最后，结合两阶段具体电气指向结果，采用机器学习算法，获取电网最终电气指向。具体的说，本专利技术提供的基于多维度信息识别的电网电气信息指向方法，其流程如图1所示，包括如下步骤：步骤1，对台区和上层变压器数据进行采集和预处理上述台区和变压器数据包括具体负荷数据和电压数据，本步骤采集这些数据后对其进行预处理。预处理是指将采集到的负荷数据和电压数据处理为台区或上层变压器不同时段负荷均值信息，以及台区或上层变压器不同时段电压均值信息。具体的说，本专利技术电气指向概率首先需要将负荷数据进行离散化，由于台区和上层变压器采集频率较高，所以需要将采集到的数据处理为以小时为单位的负荷数据，本专利技术通过对单位小时内的采集数据求取均值，获取其负荷数据。将电压数据处理为上层变压器1电压为24个数据，上层变压器2电压为24个数据，台区1电压为24个数据的格式。步骤2，基于处理后的台区与上层变压器负荷数据构建0-1规划模型，并基于0-1规划模型寻优，获取电气指向概率；构造0-1规划模型，模型目标函数如下：其中k为一天24小时中的某时刻，Fi为k时刻上层第i变压器所带负荷，m为上层变压器数量，Pj为第j个台区k时刻所带负荷，h为台区数量。Aij,k为0-1规划因子，即通过模型寻优，获取Aij,k数据集。采用如下公式对上层变压器所带负荷进行概率统计，获取最终台区j与上层变压器i的指向概率：其中Gij为j台区为上层i变电站的概率。最终获取各台区与上层变压器指向概率。步骤3，本文档来自技高网...

【技术保护点】
1.基于多维度信息识别的电网电气信息指向方法，其特征在于，包括如下步骤：步骤1，对台区和上层变压器数据进行采集和预处理；步骤2，基于处理后的台区与上层变压器负荷数据构建0‑1规划模型，并基于0‑1规划模型寻优，获取电气指向概率；步骤3，基于处理后的台区与上层变压器电压数据进行电压相关性分析，获取相关系数；步骤4，对得到的概率，电压相关数据进行归一化处理，通过机器学习‑SVM算法获取电气正确指向关系。

【技术特征摘要】
1.基于多维度信息识别的电网电气信息指向方法，其特征在于，包括如下步骤：步骤1，对台区和上层变压器数据进行采集和预处理；步骤2，基于处理后的台区与上层变压器负荷数据构建0-1规划模型，并基于0-1规划模型寻优，获取电气指向概率；步骤3，基于处理后的台区与上层变压器电压数据进行电压相关性分析，获取相关系数；步骤4，对得到的概率，电压相关数据进行归一化处理，通过机器学习-SVM算法获取电气正确指向关系。2.根据权利要求1所述的基于多维度信息识别的电网电气信息指向方法，其特征在于，所述步骤1具体包括如下过程：采集台区和变压器的负荷数据和电压数据，将采集到的负荷数据处理为台区或上层变压器不同时段负荷均值信息，将电压数据处理为台区或上层变压器不同时段电压均值信息。3.根据权利要求1所述的基于多维度信息识别的电网电气信息指向方法，其特征在于，所述步骤2具体包括如下过程：构造0-1规划模型，模型目标函数如下：其中k为一天24小时中的某时刻，Fi为k时刻上层第i变压器所带负荷，m为上层变压器数量，Pj为第j个台区k时刻所带负荷，h为台区数量；Aij,k为0-1规划因子，即通过模型寻优，获取Aij,k数据集；采用如下公式对上层变压器所带负荷进行概率统计，获取最终台区j与上层变压器i的指向概率：其中Gij为j台区为上层i变电站的概率；最终获取各台区与上层变压器指向概率。4.根据权利要求1所述的基于多维度信息识别的电网电气信息指向方法，其特征在于，所述步骤3具体包括如下过程：基于处理的电压数据进行电压相关性分析，采用如下公式分别计算各台区与上层变压器的相关系数：其中Xi为上层变压器i的负荷数据，Yj为台区j负荷数据。5.根据权利要求4所述的基于多维度信息识别的电网电气信息指向方法，其特征在于，所述步骤3中负荷数据为24小时内每个小时的均值负荷数据。6.一种...

【专利技术属性】
技术研发人员：杜璞良，赵家庆，陈中，郭家昌，戴中坚，马子文，苏大威，徐春雷，吕洋，丁宏恩，田江，霍雪松，李春，唐聪，徐秀之，俞瑜，赵奇，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32