一种智能配电运维网络的线损预测方法及装置制造方法及图纸

本发明专利技术涉及电力系统技术领域，尤其涉及一种智能配电运维网络的线损预测方法及装置，该方法包括：包括：获取配电网络的历史线损数据；基于该历史线损数据，获得用于预测未来理论线损数据的预测模型；获取配电网络的实时线损数据；基于实时线损数据和预测模型，得到未来理论线损数据，未来理论线损数据为当前时间段之后的未来预设时间段内的线损数据，该未来预设时间段紧邻当前时间段；基于未来理论线损数据，确定降损措施，通过对未来时间段的线损数据进行预测，对还未发生的电力分配造成的线损数据进行预知，再根据预知的线损数据即时确定降损措施进行优化，有效节约电能，减少碳排放。减少碳排放。减少碳排放。

【技术实现步骤摘要】
一种智能配电运维网络的线损预测方法及装置


[0001]本专利技术涉及电力系统
，尤其涉及一种智能配电运维网络的线损预测方法及装置。

技术介绍

[0002]现有技术中，配电网络会涉及线路损耗，为了降低线路损耗，必须做好能耗监测和数据传输工作，确保输电网络数据的即时性和准确性。
[0003]但是，线路损耗都是在发生之后才能得到的数据，此时才改善线路已无法弥补已发生的损耗，因此，如何改善配电网络的降损手段是目前亟待解决的技术问题。

技术实现思路

[0004]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种智能配电运维网络的线损预测方法及装置。
[0005]第一方面，本专利技术提供了一种智能配电运维网络的线损预测方法，包括：获取所述配电网络的历史线损数据；基于所述历史线损数据，获得用于预测未来理论线损数据的预测模型；获取所述配电网络的实时线损数据；基于所述实时线损数据和所述预测模型，得到未来理论线损数据，所述未来理论线损数据为当前时间段之后的未来预设时间段内的线损数据，所述未来预设时间段紧邻所述当前时间段；基于所述未来理论线损数据，确定降损措施。
[0006]优选的，所述获取所述配电网络的历史线损数据，包括：获取所述配电网络的历史电网参数；对所述历史电网参数进行处理，得到所述配电网络的历史线损数据。
[0007]优选的，所述基于所述历史线损数据，获得用于预测未来理论线损数据的预测模型，包括：将所述历史线损数据划分为多组相邻时间段的历史线损数据，其中，每组相邻时间段的历史线损数据包括：前一时间段的历史线损数据和后一时间段的历史线损数据；将所述多组相邻时间段的历史线损数据中的前一时间段的历史线损数据作为输入数据，将所述多组相邻时间段的历史线损数据中的后一时间段的历史线损数据作为输出数据；将所述输入数据和所述输出数据输入神经网络模型中进行训练，得到用于预测未来理论线损数据的预测模型。
[0008]优选的，所述基于所述实时线损数据和所述预测模型，得到未来理论线损数据，包括：将所述实时线损数据输入所述预测模型，得到未来理论线损数据。
[0009]优选的，在所述基于所述实时线损数据和所述预测模型，得到未来理论线损数据之后，还包括：获取所述配电网络在所述未来预设时间段内的实际线损数据；基于所述实际线损数据和所述未来理论线损数据，对配电网络的线路故障进行确定。
[0010]优选的，所述基于所述实时线损数据和所述预测模型，得到未来理论线损数据之后，还包括：基于所述未来理论线损数据，确定损耗成因。
[0011]优选的，所述基于所述未来理论线损数据，确定降损措施，包括：基于所述未来理论线损数据，确定未来电网参数；基于所述未来电网参数，确定配电网络的供电电压允许偏差、公用电网谐波电压、三相电压允许不平衡度以及电力系统频率允许偏差；判断供电电压允许偏差、公用电网谐波电压、三相电压允许不平衡度以及电力系统频率允许偏差是否满足各自对应的阈值范围；若否，对所述未来电网参数进行调整，以使得所述配电网络的供电电压允许偏差、公用电网谐波电压、三相电压允许不平衡度以及电力系统频率允许偏差满足各自对应的阈值范围；基于对未来电网参数的调整，确定降损措施。
[0012]第二方面，本专利技术还提供了一种智能配电运维网络的线损预测装置，包括：第一获取模块，用于获取所述配电网络的历史线损数据；获得模块，用于基于所述历史线损数据，获得用于预测未来理论线损数据的预测模型；第二获取模块，用于获取所述配电网络的实时线损数据；得到模块，用于基于所述实时线损数据和所述预测模型，得到未来理论线损数据，所述未来理论线损数据为当前时间段之后的未来预设时间段内的线损数据，所述未来预设时间段紧邻所述当前时间段；确定模块，用于基于所述未来理论线损数据，确定降损措施。
[0013]第三方面，本专利技术还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现第一方面中所述的方法步骤。
[0014]第四方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面中所述的方法步骤。
[0015]本专利技术实施例中的一个或多个技术方案，至少具有如下技术效果或优点：本专利技术提供了一种智能配电运维网络的线损预测方法，包括：获取配电网络的历史线损数据；基于该历史线损数据，获得用于预测未来理论线损数据的预测模型；获取配电网络的实时线损数据；基于实时线损数据和预测模型，得到未来理论线损数据，未来理论线损数据为当前时间段之后的未来预设时间段内的线损数据，该未来预设时间段紧邻当前时间段；基于未来理论线损数据，确定降损措施，通过对未来时间段的线损数据进行预测，对还未发生的电力分配造成的线损数据进行预知，再根据预知的线损数据即时确定降损措施
进行优化，有效节约电能，减少碳排放。
附图说明
[0016]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考图形表示相同的部件。在附图中：图1示出了本专利技术实施例中一种智能配电运维网络的线损预测方法的步骤流程示意图；图2示出了本专利技术实施例中智能配电运维网络的线损预测装置的结构示意图；图3示出了本专利技术实施例中实现一种智能配电运维网络的线损预测方法的计算机设备的结构示意图。
具体实施方式
[0017]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0018]实施例一本专利技术的实施例提供了一种智能配电运维网络的线损预测方法，如图1所示，包括：S101，获取配电网络的历史线损数据；S102，基于该历史线损数据，获得用于预测未来理论线损数据的预测模型；S103，获取配电网络的实时线损数据；S104，基于实时线损数据和预测模型，得到未来理论线损数据，该未来理论线损数据为当前时间段之后的未来预设时间段内的线损数据，该未来预设时间段紧邻当前时间段；S105，基于未来理论线损数据，确定降损措施。
[0019]首先，在得到预测模型之前，需获取大量历史线损数据。线损是配电网络中无法避免的一种功率损耗现象，该线损就是线路损耗，具体是电能流经输电线路时造成的能量损耗。
[0020]该历史线损数据具体是实时的线损数据。
[0021]具体地，获取配电网络的历史电网参数；对该历史电网参数进行处理，得到配电网络的历史线损数据。
[0022]例如，历史电网参数可以是电流的有效值，以及电网阻抗，根据该电流的有效值和电网阻抗得到线路的热损耗；还可以通过监测配电网络的各个支路上的输出端功率以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能配电运维网络的线损预测方法，其特征在于，包括：获取所述配电网络的历史线损数据；基于所述历史线损数据，获得用于预测未来理论线损数据的预测模型；获取所述配电网络的实时线损数据；基于所述实时线损数据和所述预测模型，得到未来理论线损数据，所述未来理论线损数据为当前时间段之后的未来预设时间段内的线损数据，所述未来预设时间段紧邻所述当前时间段；基于所述未来理论线损数据，确定降损措施。2.如权利要求1所述的方法，其特征在于，所述获取所述配电网络的历史线损数据，包括：获取所述配电网络的历史电网参数；对所述历史电网参数进行处理，得到所述配电网络的历史线损数据。3.如权利要求1所述的方法，其特征在于，所述基于所述历史线损数据，获得用于预测未来理论线损数据的预测模型，包括：将所述历史线损数据划分为多组相邻时间段的历史线损数据，其中，每组相邻时间段的历史线损数据包括：前一时间段的历史线损数据和后一时间段的历史线损数据；将所述多组相邻时间段的历史线损数据中的前一时间段的历史线损数据作为输入数据，将所述多组相邻时间段的历史线损数据中的后一时间段的历史线损数据作为输出数据；将所述输入数据和所述输出数据输入神经网络模型中进行训练，得到用于预测未来理论线损数据的预测模型。4.如权利要求1所述的方法，其特征在于，所述基于所述实时线损数据和所述预测模型，得到未来理论线损数据，包括：将所述实时线损数据输入所述预测模型，得到未来理论线损数据。5.如权利要求1所述的方法，其特征在于，在所述基于所述实时线损数据和所述预测模型，得到未来理论线损数据之后，还包括：获取所述配电网络在所述未来预设时间段内的实际线损数据；基于所述实际线损数据和所述未来理论线损数据，对配电网络的线路故障进行确定。6.如权利要求1所...

【专利技术属性】
技术研发人员：黄洪成，钟访，李晓宁，陈鸿，代列凯，敬国军，王远良，程国兴，曾波，
申请(专利权)人：四川晨坤电气设备有限公司，
类型：发明
国别省市：