【技术实现步骤摘要】
一种基于时空融合的台区电压预测方法与终端
[0001]本专利技术涉及电压预测
，特别涉及一种基于时空融合的台区电压预测方法与终端。
技术介绍
[0002]随着经济的发展，居民生活水平不断提高，用电需求更加多元化、用电情况也更加复杂，电力供需矛盾逐步加剧，低电压现象不断涌现，且存在用电安全隐患。低电压治理刻不容缓。然而低电压治理的综合整治系统措施欠缺，存在多方面问题：
[0003](1)阶段低压配电网虽已实现对设备电压、电流、电量、开关位置、变压器负荷、功率因数等信息的实时监视，具备低电压监测与告警功能，但很少考虑低电压的预测，尤其是低电压的短期预测少之又少。
[0004](2)大量低电压现象仅为短时现象，在供电人员现场确认时，可能低电压现象并未发生，这样既造成了供电部门时间和人员的浪费，也难以准确掌握低电压情况，造成了信息无法准确确认。
[0005](3)大量潜在低电压用户没有及时、有效地与供电部门沟通，造成供电部门对于低电压信息的盲点，也造成了用户用电过程中出现问题，产生对供电部门的不满。
【技术保护点】
【技术特征摘要】
1.一种基于时空融合的台区电压预测方法，其特征在于，包括步骤：S1、获取台区电网的拓扑结构数据，建立节点之间的关联图；S2、根据历史的各节点的电压、电流幅值、功率以及天气数据，按照时间顺序作为图节点的输入，构建时空融合图；S3、基于所述时空融合图训练STGCN深度学习模型，进行台区内各节点电压值的预测。2.根据权利要求1所述的一种基于时空融合的台区电压预测方法，其特征在于，所述STGCN深度学习模型包括两个时空卷积块和一个输出层。3.根据权利要求2所述的一种基于时空融合的台区电压预测方法，其特征在于，输出层的激活函数选用Sigmoid函数：其中x表示该神经元接收到输入层的总输入值。4.根据权利要求1所述的一种基于时空融合的台区电压预测方法，其特征在于，针对所述STGCN深度学习模型的网络结构中权重w和偏移量b的更新，引入梯度下降算法，实现最终的输出值与目标结果之间误差最小，梯度下降算法对权重w和偏移量b的更新函数：的输出值与目标结果之间误差最小，梯度下降算法对权重w和偏移量b的更新函数：其中，E表示在神经网络上的均方差，η表示学习率，w'表示更新后的权重，b'表示更新后的偏移量。5.一种基于时空融合的台区电压预...
【专利技术属性】
技术研发人员：傅昱，傅仕琛，陈丽莎，杨威，陈铮，肖英东，张坤三，黄佳颖，张年臻，钟敏，蔡洪明，林逸婷，朱雅珊，
申请(专利权)人：国网福建省电力有限公司漳州供电公司，
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。