一种基于主变负载影响因素预测的主变负载预测方法技术

本发明专利技术公开了一种基于主变负载影响因素预测的主变负载预测方法，该方法为：构建主变负载影响因素评价数据库，建立考虑典型时间、电网拓扑结构、停电计划、主变参数、气象信息、主变过载、主变重载、主变负荷、季节的主变负载影响因素评价模型，计算主变负载数据信息及其模型相关系数，根据强关联评价因子，获得影响因素数据集，并对数据集分类，得到影响因素评价因子预测值，利用DTW和LSTM的组合预测算法进行鱼类和数据训练。本发明专利技术大大提升数据准确率和主变负荷预测精度，并降低全网主变计算时会产生计算量，提高计算效率，DTW和LSTM的组合预测算法提高了主变负载预测精度。预测算法提高了主变负载预测精度。

【技术实现步骤摘要】
一种基于主变负载影响因素预测的主变负载预测方法


[0001]本专利技术涉及电力设备监控分析
，具体涉及一种基于主变负载影响因素预测的主变负载预测方法。

技术介绍

[0002]掌握主变压器(简称主变)可能达到的负荷功率值对调度部门具有特别重要的意义。据预测结果优化电网运行方式、提前做好负荷割接，可有效提高电网运行的安全性和经济性。主变负荷预测值也可为错避峰计划和新上站计划提供依据。
[0003]在电网中，主变之间由于用电性质、负荷变化趋势、网架结构变化等信息特点不尽相同，因此现有主变负荷预测中，可以全面考虑主变所受因素影响情况，利用主变负载影响因素分析模型全面主变负载预测输入变量来提升主变负荷预测精度，根据强关联主变负载影响因素评价因子，获得主变负载重要影响因素数据集，并进行分类预测，得到主变负载影响因素评价因子预测值。利用DTW和LSTM的组合预测算法，应用DTW算法将相似负载率特性的主变负载率曲线进行聚类，将DTW聚类后的数据训练LSTM主变负载模型，主变负载影响因素评价因子预测值，作为主变负载预测模型的输入，预测主变负载值，以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主变负载影响因素预测的主变负载预测方法，其特征在于：该方法为：收集全面分析与主变负载特性有关的数据信息，构建主变负载影响因素评价数据库，通过建立考虑典型时间的主变负载影响因素评价模型ξ1、考虑电网拓扑结构的主变负载影响因素评价模型ξ2、考虑停电计划的主变负载影响因素评价模型ξ3、考虑主变参数的主变负载影响因素评价模型ξ4、考虑气象信息的主变负载影响因素评价模型ξ5、考虑主变过载特性的主变负载影响因素评价模型ξ6、考虑主变重载特性的主变负载影响因素评价模型ξ7、考虑主变负荷特性的主变负载影响因素评价模型ξ8、考虑季节特性的主变负载影响因素评价模型ξ9、构建全面的主变负载影响因素分析模型，计算主变负载数据信息以及主变负载影响因素分析模型的相关系数，根据强关联主变负载影响因素评价因子，获得主变负载重要影响因素数据集，并按照计划性和非计划性影响因子对数据集分类，从而得到预测期主变负载影响因素评价因子预测值，利用DTW和LSTM的组合预测算法，应用DTW算法将相似负载率特性的主变负载率曲线进行聚类，将DTW聚类后的数据训练LSTM主变负载模型。2.根据权利要求1所述的一种基于主变负载影响因素预测的主变负载预测方法，其特征在于：该方法具体步骤如下：步骤1：收集主变负载数据信息以及全面分析主变负载特性有关的数据信息，构建主变负载影响因素评价数据库；步骤2：利用步骤1得到的主变负载影响因素评价数据库，建立考虑典型时间的主变负载影响因素评价模型ξ1；步骤3：利用步骤1得到的主变负载影响因素评价数据库，建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2；步骤4：利用步骤1得到的主变负载影响因素评价数据库，建立考虑停电计划的主变负载影响因素评价模型ξ3；步骤5：利用步骤1得到的主变负载影响因素评价数据库，建立考虑主变参数的主变负载影响因素评价模型ξ4；步骤6利用步骤1得到的主变负载影响因素评价数据库，建立考虑气象信息的主变负载影响因素评价模型ξ5；步骤7：利用步骤1得到的主变负载影响因素评价数据库，分析主变的过载特性，建立考虑主变过载特性的主变负载影响因素评价模型ξ6；步骤8：利用步骤1得到的主变负载影响因素评价数据库，分析主变的重载特性，建立考虑主变重载特性的主变负载影响因素评价模型ξ7；步骤9：利用步骤1得到的主变负载影响因素评价数据库，分析主变的负荷特性，建立考虑主变负荷特性的主变负载影响因素评价模型ξ8；步骤10：利用步骤1得到的主变负载影响因素评价数据库，分析主变的季节特性，建立考虑季节特性的主变负载影响因素评价模型ξ9；步骤11：结合步骤2
‑
10，构建主变负载影响因素分析模型ψ＝{ξ1，ξ2，ξ3，ξ4，ξ5，ξ6，ξ7，ξ8，ξ9}；步骤12：对主变负载影响因素分析模型ψ＝{ξ1，ξ2，ξ3，ξ4，ξ5，ξ6，ξ7，ξ8，ξ9}中的缺失值进行处理；步骤13：利用步骤12得到处理后完整的主变负载影响因素分析模型ψaf＝{ξ1af，ξ2af，
ξ3af，ξ4af，ξ5af，ξ6af，ξ7af，ξ8af，ξ9af}进行归一化处理；步骤14：计算步骤1中的主变负载数据信息R
LO
以及步骤13得到的归一化后得到的主变负载影响因素分析模型ψ
norm
的相关系数；步骤15：对第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子，记作第i台主变负载重要影响因素数据集步骤16：将步骤2
‑
10的构建主变负载影响因素分析模型ξ1、ξ2、ξ3、ξ4、ξ5、ξ6、ξ7、ξ8、ξ9内包含的所有评价因子进行分类，即分为计划性影响因素评价因子和非计划性影响因素评价因子。将计划性影响因素评价因子计入ψjh＝{ξ1jh，ξ2jh，ξ3jh，ξ4jh，ξ5jh，ξ6jh，ξ7jh，ξ8jh，ξ9jh}，将非计划数据类影响因素评价因子计入ψfj＝{ξ1fj，ξ2fj，ξ3fj，ξ4fj，ξ5fj，ξ6fj，ξ7fj，ξ8fj，ξ9fj}；步骤17：结合步骤15得到的对第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子，按照ψjh和ψfj进行计划性影响因素评价因子和非计划性影响因素评价因子分类，得到的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子中计划性影响因素评价因子ψitjh，得到的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子中非计划性影响因素评价因子ψitfj；步骤18：将预测周期内的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子中，计划性影响因素评价因子预测数据计入ψitjhyc；计划性影响因素评价因子预测数据ψitjhyc，即为计划性影响因素评价因子的计划数据；步骤19：将预测周期内的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子中，非计划性影响因素评价因子预测数据计入ψitfjyc；步骤20：结合步骤18和19，获得预测周期内的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子预测值ψityc＝{ψitjhyc，ψitfjyc}；步骤21：结合步骤15得到的第i台主变负载重要影响因素数据集利用DTW对主变负载影响因素分析模型进行聚类，聚类后得到第i台主变负载重要影响因素聚类数据集步骤22：结合步骤21得到聚类后得到第i台主变负载重要影响因素聚类数据集训练LSTM主变负载预测模型；步骤23：利用步骤20得到的预测周期内的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评价因子预测值ψityc＝{ψitjhyc，ψitfjyc}，带入LSTM主变负载预测模型，得到预测周期内的第i台主变负载预测值Pyci。3.根据权利要求2所述的一种基于主变负载影响因素预测的主变负载预测方法，其特征在于：步骤2中考虑典型时间的主变负载影响因素评价模型ξ1包括长时间模型ξ11和短时间评价模型ξ12；其中，长时间评价模型ξ11包括春季评价因子、夏季评价因子、秋季评价因子、冬季评价因子；短时间评价模型ξ12包括节日评价因子、双休日评价因子、工作日评价因子、特殊时期保供电评价因子；步骤3中，建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2包括主变所在变电站的运行主变数量评价模型ξ21，主变所在变电站的运行母线数量评价模型ξ22，主变所在
变电站的运行出线数量评价模型ξ23，与主变所在变电站相邻的变电站数量评价模型ξ24，与主变所在变电站相邻的发电厂装机容量评价模型ξ25，与主变所在变电站相邻的储能装置容量评价模型ξ26；主变所在变电站的运行主变数量评价模型ξ21包括单主变评价因子、双主变评价因子、三主变评价因子、四主变评价因子、五台及以上多主变评价因子；主变所在变电站的运行母线数量评价模型ξ22包括高压侧母线数量评价因子、中压侧母线数量评价因子、低压侧母线数量评价因子；主变所在变电站的运行出线数量评价模型ξ23包括高压侧出线数量评价因子、中压侧出线数量评价因子、低压侧出线数量评价因子；与主变所在变电站相邻的发电厂装机容量评价模型ξ25包括火电厂装机容量评价因子、水电厂装机容量评价因子、风电场装机容量评价因子、光伏电站装机容量评价因子、燃气电站装机容量评价因子、垃圾电站装机容量评价因子、生物质装机容量评价因子。4.根据权利要求2所述的一种基于主变负载影响因素预测的主变负载预测方法，其特征在于：步骤4中，建立考虑停电计划的主变负载影响因素评价模型ξ3包括计划性停电评价模型ξ31，临时性停电评价模型ξ32；计划性停电评价模型ξ31包括该主变检修停电评价因子、主变所在变电站的其他主变检修停电评价因子、主变所在变电站母线检修停电评价因子、主变所在变电站出线检修停电评价因子、主变所在变电站的相邻变电站停电评价因子、主变所在变电站的相邻的发电厂检修停电评价因子；临时性停电评价模型ξ32包括主变所在变电站的所有断路器合位信号评价因子、主变所在变电站的保护装置动作信息评价因子、主变所在变电站的稳控装置动作信息评价因子、主变所在变电站的相邻变电站内所有断路器合位信号评价因子、主变所在变电站的相邻变电站内保护装置动作信息评价因子、主变所在变电站的相邻变电站内稳控装置动作信息评价因子。步骤5中，建立考虑主变参数的主变负载影响因素评价模型ξ4包括主变本体参数评价模型ξ41和主变运行参数评价模型ξ42；主变本体参数评价模型ξ41包括主变容量评价因子、主变投运年限评价因子、主变老化评价因子；主变运行参数评价模型ξ42包括油温高告警信息评价因子、绕温高告警信息评价因子、轻瓦斯告警信息评价因子、油位低告警信息评价因子、主变状态评价结果评价因子、绕组缺陷信息评价因子、铁芯缺陷信息评价因子、箱壳缺陷信息评价因子、风冷控制系统缺陷信息评价因子和变压器漏油缺陷信息评价因子。5.根据权利要求2所述的一种基于主变负载影响因素预测的主变负载预测方法，其特征在于：步骤6中，建立考虑气象信息的主变负载影响因素评价模型ξ5包括主变所在区域的温度评价因子、湿度评价因子、大气压力评价因子、海拔高度评价因子、风速评价因子、风向评价因子、光照强度评价因子、净辐射量评价因子、降水量评价因子。6.根据权利要求2所...

【专利技术属性】
技术研发人员：范强，陈园园，李博文，肖宁，张历，赵超，唐赛秋，代奇迹，冯起辉，张后谊，祝建杨，刘卓娅，曹雷，张迅，郭莉萨，陈亚飞，肖书舟，吕黔苏，文屹，万金金，黄军凯，吴建蓉，杨涛，王冕，许逵，刘君，丁江桥，代吉玉蕾，余思伍，陈沛龙，李林峰，欧阳泽宇，李鑫卓，张俊杰，高勇，龙秋风，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：