一种电力调度故障处理操作量预测方法技术

本发明专利技术公开一种电力调度故障处理操作量预测方法，包括：获取电网故障历史数据；对电网故障历史数据进行量化处理，对气象数据和电力负荷进行标签化处理；对量化处理后的数据进行样本平衡；基于平衡后的数据搭建线性拟合模型，根据数据权重甄选关键的训练数据类型；确定并搭建DBN模型；利用电网故障历史数据对DBN模型进行训练；利用DBN模型预测将来一段时间内的电力调度故障处理操作量。本发明专利技术可对未来7天内电力调度故障处理操作量进行有效预测。作为电力调度值班计划的依据，在预先预测知晓故障处理操作量多的情况下提前安排加强值班。为电力调度运行的提前风险管控有重大意义，改变了现有事后应急处理的窘境。变了现有事后应急处理的窘境。变了现有事后应急处理的窘境。

【技术实现步骤摘要】
一种电力调度故障处理操作量预测方法


[0001]本专利技术涉及电网调度控制
，特别涉及一种电力调度故障处理操作量预测方法。

技术介绍

[0002]电力调度值班应合理安排值班人数，以满足值班工作量的要求。目前，广西电网调度值班方式主要依据计划工作量安排，在故障多发期间因调度值班人员不足导致的故障处理时间长、人员过劳，工作量堵塞等问题长期存在。电力调度故障处理操作量的可靠预测是实现合理调度潮汐值班的前提条件，如果无法提前预测调度故障处理操作量，将不能很好地提前做好值班人员的排班安排，因此有必要对现有技术进行改进。

技术实现思路

[0003]本专利技术的目的是提供一种电力调度故障处理操作量预测方法，可以解决现有技术中不能提前预测调度故障处理操作量而导致的在故障多发期间因调度值班人员不足导致的故障处理时间长、人员过劳、工作量堵塞等问题。
[0004]本专利技术的目的是通过以下技术方案实现的：
[0005]本专利技术提供一种电力调度故障处理操作量预测方法，包括以下步骤：
[0006]步骤S1、获取电网故障历史数据；
[0007]步骤S2、对电网故障历史数据进行量化处理，形成电力调度故障处理操作量数据，对气象数据和电力负荷进行标签化处理；
[0008]步骤S3、对量化处理后的数据按SMOTE算法进行样本平衡；
[0009]步骤S4、基于平衡后的数据搭建线性拟合模型，根据数据权重甄选关键的训练数据类型；
[0010]步骤S5、确定并搭建DBN模型；/>[0011]步骤S6、调节网络参数、选择适宜训练算法，利用电网故障历史数据对DBN 模型进行训练；
[0012]步骤S7、利用DBN模型预测将来一段时间内的电力调度故障处理操作量。
[0013]进一步的，所述对电网故障历史数据进行量化处理包括：
[0014]步骤S201、以某一时间单位作为区间划分，将该某一时间单位内的每一项电网故障类型赋予分值，同一类电网故障类型分值相同，电网故障将转化为直观反映调度故障处理操作量的分值；
[0015]步骤S202、统计该某一时间单位内同一类电网故障类型出现的次数，计算同一类电网故障类型的总分值，形成量化的电网故障操作数据。
[0016]进一步的，所述时间单位按小时或天为单位。
[0017]进一步的，所述同一类电网故障类型的总分值＝每一项电网故障类型的单一分值
×
该电网故障类型出现的次数。
[0018]进一步的，所述关键的训练数据类型包括气温、降雨量、云量、气压、风速、电力负荷。
[0019]进一步的，所述电网故障历史数据包括故障时的气象数据、电力负荷。
[0020]本专利技术提出了一种应用于调度潮汐排班的电网故障处理操作量预测算法，可对未来7天内电力调度故障处理操作量进行有效预测。作为电力调度值班计划的依据，在预先预测知晓故障处理操作量多的情况下提前安排加强值班。可以提前合理地安排具体时段的值班人员数量，有效避免故障多发期因调度人员不足导致的一系列问题。将实现对未来短期内的电力调度故障处理操作量预测，为电力调度运行的提前风险管控有重大意义，改变了现有事后应急处理的窘境。
附图说明
[0021]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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1为本专利技术的电力调度故障处理操作量预测方法的流程图；
[0023]图2为SMOTE算法思路示意图；
[0024]图3为基于LIME算法的关键影响数据甄选流程示意图；
[0025]图4为利用DBN模型预测故障处理量过程示意图；
[0026]图5为训练DBN模型的流程示意图；
[0027]图6为深度置信网络模型结构示意图；
[0028]图7为利用本专利技术的方法预测北海网区电力调度故障处理操作量与实际值对比图；
[0029]图8为利用本专利技术的方法预测桂林网区电力调度故障处理操作量与实际值对比图；
[0030]图9为利用本专利技术的方法预测玉林网区电力调度故障处理操作量与实际值对比图；
[0031]图10为利用本专利技术的方法预测柳州网区电力调度故障处理操作量与实际值对比图；
[0032]图11为电力调度故障量预测准确率统计图。
具体实施方式
[0033]下面结合附图对本公开实施例进行详细描述。
[0034]以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下
所获得的所有其他实施例，都属于本公开保护的范围。
[0035]本专利技术的电力调度故障处理操作量预测方法，包括以下步骤：
[0036]步骤S1、获取电网故障历史数据。
[0037]电网故障历史数据包括故障时的气象数据、电力负荷及其它预测数据。
[0038]步骤S2、对电网故障历史数据进行量化处理，形成电力调度故障处理操作量数据，对气象数据和电力负荷进行标签化处理。
[0039]进一步的，对电网故障历史数据进行量化处理包括：
[0040]步骤S201、以某一时间单位作为区间划分，时间单位一般按小时、天为单位，将该某一时间单位内的每一项电网故障类型赋予分值，同一类电网故障类型分值相同，电网故障将转化为直观反映调度故障处理操作量的分值，如表1 所示。
[0041][0042][0043]表1
[0044]电网故障类型根据实际情况进行设定，并不局限于表1给出的几种类型，表1只是给出示例进行说明本专利技术的具体过程。
[0045]步骤S202、统计该某一时间单位内同一类电网故障类型出现的次数，计算同一类电网故障类型的总分值，形成量化的电网故障操作数据，如表2所示。
[0046]同一类电网故障类型的总分值＝每一项电网故障类型的单一分值
×
该电网故障类型出现的次数。
[0047][0048][0049]表2
[0050]步骤S3、对量化处理后的数据按SMOTE算法进行样本平衡。
[0051]由于电力调度故障处理操作量分布时段不均匀，导致历史样本数据不平衡，会导致模型难以收敛，故采用SMOTE(synthetic minority oversamplingtechnique,)算法，按故障处理操作量级平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力调度故障处理操作量预测方法，其特征在于，包括以下步骤：步骤S1、获取电网故障历史数据；步骤S2、对电网故障历史数据进行量化处理，形成电力调度故障处理操作量数据，对气象数据和电力负荷进行标签化处理；步骤S3、对量化处理后的数据按SMOTE算法进行样本平衡；步骤S4、基于平衡后的数据搭建线性拟合模型，根据数据权重甄选关键的训练数据类型；步骤S5、确定并搭建DBN模型；步骤S6、调节网络参数、选择适宜训练算法，利用电网故障历史数据对DBN模型进行训练；步骤S7、利用DBN模型预测将来一段时间内的电力调度故障处理操作量。2.根据权利要求1所述的电力调度故障处理操作量预测方法，其特征在于，所述对电网故障历史数据进行量化处理包括：步骤S201、以某一时间单位作为区间划分，将该某一时间单位内的每一项电网故障类型赋予分值，同一类电网故...

【专利技术属性】
技术研发人员：戚焕兴，廖云，黄莹璇，罗添允，蔡宛达，杨加意，潘连荣，袁亚湘，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：