基于能源互联网电力大数据的电网运行态势预测方法技术

本发明专利技术提供了一种基于能源互联网电力大数据的电网运行态势预测方法，包括，首先，将电力调控系统中的若干多源基础数据进行多源异构数据融合，得到第一量测数据集；然后，根据第一量测数据集，利用连续时间序列预测方法对电网关键电气量进行态势预测，得到第一预测信息；利用电网特征事件预测方法对电网重大运行事件进行实时监控与后果预测，得到第一事件描述信息；最后，使用电网频率态势在线预测模型，得到电网频率态势预测结果。本发明专利技术提供电网运行态势预测方法能够适应当前源端、网端和负荷端出现的新的发展态势，能够实现事前风险评估与事后后果量化分析；作为后续智能决策的依据，能够进行态势溯源、风险预测及指标趋势预测。测。测。

【技术实现步骤摘要】
基于能源互联网电力大数据的电网运行态势预测方法


[0001]本专利技术涉及电力系统智能
，尤其是涉及一种基于能源互联网电力大数据的电网运行态势预测方法。

技术介绍

[0002]进入21世纪以来，随着我国经济的快速发展和能源需求的大幅增长，能源发展面临资源和环境的巨大挑战。“推动能源转型，建设清洁低碳”已成为国家能源发展的主要方向。一方面，随着风电、光伏发电发展迅速，直流大规模接入和新能源的高比例渗透，对常规能源置换效应日趋显现。另一方面，依照“三型两网”战略，建设电力物联网，围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术，实现各环节万物互联，发展智能配电网已成为共识；与此同时，在智能配电网条件下，系统采集和处理的数据呈海量增长，并且受用户随机需求响应、客户多样化需求、应急减灾等因素影响，配电网络运行日益复杂；进一步地，新型负荷(比如电采暖和电动汽车等)和分布式电源逐步接入配电网。以华东电网为例，截止2018年底，华东电网风电装机容量1622万千瓦，光伏装机容量2636万千瓦，新能源渗透率不断提高；另一方面华东电网区外直流规模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能源互联网电力大数据的电网运行态势预测方法，其特征在于，包括：S1：将电力调控系统中的若干多源基础数据进行多源异构数据融合，得到第一量测数据集；其中，所述多源基础数据包括电网实时数据，以及发电计划数据、负荷预测、检修计划数据、故障信息、地理信息、气象信息和社会信息中的一种或多种，所述多源异构数据融合包括数据时标统一、智能数据清洗、数据补缺和/或多维数据索引；S2：根据所述第一量测数据集，利用连续时间序列预测方法对电网关键电气量进行态势预测，得到第一预测信息；利用电网特征事件预测方法对电网重大运行事件进行实时监控与后果预测，得到第一事件描述信息；S3：将所述第一量测数据集、电力系统拓扑信息、所述第一预测信息以及所述第一事件描述信息输入电网频率态势在线预测模型，得到电网频率态势预测结果。2.根据权利要求1所述的基于能源互联网电力大数据的电网运行态势预测方法，其特征在于，步骤S1中，所述数据时标统一包括以下方法，按照预设周期和/或事件触发，召唤所述多源基础数据，对所述多源基础数据的量测发生时间进行时钟同步差值处理；判断所述多源基础数据是否包括量测发生时间，若是，则将所述量测发生时间加上主子站差异时间作为数据时标统一后的量测发生时间；若否，则将所述主子站差异时间作为数据时标统一后的量测发生时间。3.根据权利要求2所述的基于能源互联网电力大数据的电网运行态势预测方法，其特征在于，在步骤S1中，在对所述多源基础数据进行时标统一之前，还包括对所述多源基础数据进行合理性判断，若合理，则对所述多源基础数据进行所述数据时标统一；否则，丢弃所述多源基础数据。4.根据权利要求1所述的基于能源互联网电力大数据的电网运行态势预测方法，其特征在于，步骤S1中，所述智能数据清洗包括，不良数据辨识以及对所述多源基础数据相关性清洗和/或格式内容清洗；其中，所述不良数据辨识的方法包括残差目标搜索辨识法、非二次准则辨识法和/或零残差辨识法；所述相关性清洗的方法包括，根据数据相关性，剔除强相关性数据并保留特征数据。5.根据权利要求1所述的基于能源互联网电力大数据的电网运行态势预测方法，其特征在于，步骤S1中，所述数据补缺包括利用时间回溯、曲线拟合和/或实时补召对所述多源基础数据补缺。6.根据权利要求1所述的基于能源互联网电力大数据的电网运行态势预测方法，其特征在于，步骤S1中，所述多维数据索引包括，根据时间属性、空间属性、事件属性和/或业务属性，在...

【专利技术属性】
技术研发人员：翟海保，周毅，李骁雯，吴鑫，张莉，杨熙，李建华，陆建宇，周良才，吴金陵，
申请(专利权)人：国家电网有限公司华东分部，
类型：发明
国别省市：