【技术实现步骤摘要】
台区供电状态评估、装置、电子设备和存储介质
[0001]本申请涉及配电网
,特别是涉及一种台区供电状态评估方法、装置、电子设备和存储介质。
技术介绍
[0002]随着配电网技术的发展,为了解决不同用户的用电需求,通常将配电网分为高压配电网、中压配电网以及低压配电网,其中,低压配电网处于电网的末端,往往因为线路结构、自动化水平低下等导致其状态监控一直处于管理的盲区,由于缺乏有效的在线监控手段,存在用户停电后知后觉,造成抢修工作的被动和无序等不足。
[0003]为精准、高效治理低电压,传统技术中一般通过前推回代法、牛拉法、机器学习等计算台区节点电压之后展开台区供电状态的分析,然而此种方法,计算过程复杂,不仅效率低,而且精度不高。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种能够提高台区供电状态评估效率的台区供电状态评估方法、装置、电子设备和存储介质。
[0005]一种台区供电状态评估方法,所述方法包括:
[0006]获取台区中的各用户终端的有功功率;
[ ...
【技术保护点】
【技术特征摘要】
1.一种台区供电状态评估方法,其特征在于,所述方法包括:获取台区中的各用户终端的有功功率;基于各所述用户终端的有功功率,采用预先训练的台区节点电压预测模型,预测所述台区中各所述用户终端的节点电压,所述用户终端的节点电压为所述用户终端的实际工作电压值;基于各所述用户终端的节点电压,确定所述台区中的各所述用户终端的用电状态,并基于各所述用户终端的用电状态确定所述台区的供电状态。2.根据权利要求1所述的方法,其特征在于,所述台区节点电压预测模型的训练方式,包括:获取样本数据集,所述样本数据集中的数据包括:所述台区中的各用户终端的样本有功功率和对应的样本节点电压;将所述样本数据集输入至神经网络模型进行模型训练,获得所述台区节点电压预测模型。3.根据权利要求2所述的方法,其特征在于,所述获取样本数据集之后,将所述样本数据集输入至神经网络模型进行模型训练之前,包括:对所述样本数据集中的数据进行归一化处理,得到归一化处理的样本数据集。4.根据权利要求2所述的方法,其特征在于,所述将所述样本数据集输入至神经网络模型进行模型训练,获得所述台区节点电压预测模型,包括:通过所述神经网络模型获得台区节点电压计算值;基于所述台区节点电压计算值和所述样本节点电压,获得所述节点电压计算值和所述样本节点电压的误差值;在所述误差值不满足模型训练结束条件时,将所述误差值经所述神经元反向传播,更新权重和偏置,直至达到模型训练结束条件,获得所述台区节点电压预测模型。5.根据权利要求2所述的方法,其特征在于,所述获取样本数据集之前,包括:获取架空线路模型,所述架空线路模型为用于表示台区节点降落电压与各电路参数之间的预定关系的等效电路模型;基于所述架空线路模型,确定台区节点降落电压与各所述电路参数的预定关系,所述电路参数包括线路长度、线路单位电阻、线路单位电抗、功率因素、额定电压以及线路用户终端有功功率;基于所述预定关系,分析确定各所述电路参数分别对所述台区节点降落电压的影响程度值;基于各所述影响程度值,确定所述样本数据集。6.根据权...
【专利技术属性】
技术研发人员:张斌,周杨珺,黄伟翔,秦丽文,于力,郭志诚,陈煜敏,符健,
申请(专利权)人:广西电网有限责任公司电力科学研究院,
类型:发明
国别省市:
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。