【技术实现步骤摘要】
本申请涉及电网运行与维护领域，具体而言，涉及一种配网重过载预测多模海量数据分布实时建模方法。
技术介绍
1、配电网作为电网直接面向用户的环节，供电设备的运行状态直接影响供电质量。随着社会经济的飞速发展和电力需求的快速增长,生产.生活用电负荷在不断攀升,使得电网原有的配变设备所承受的负荷日趋严重,成为电网安全运行的重大隐患。设备的重过载运行是引起故障停电的主要原因之一,而重过载现象通常也伴随着三相不平衡、电压偏移等其他问题,严重影响用户安全可靠用电。特别在夏季、节假日等用电高峰时段,存在重过载变压器烧坏及配电变压器容量不足导致不能正常供电的情况,影响供电可靠性且造成客户投诉,同时也会造成直接的经济损失。此外,设备长时间处于重过载状态会加快元件的非正常损耗,降低设备使用寿命,给电网带来故障隐患和运行风险,同时也会影响公司经济效益。因此,重过载治理一直是配电网运维检修工作的重要内容。
2、目前为止的大数据分析技术方法普遍存在如下问题:1.预测分析域的历史数据需要定期、定时从交易生产域被动采集,除了工作量巨大以外，预测的实时性无法保证,预测结果与实际事件的偏差也无法实时反馈；2.传统大数据分析工具与方法一是本身迭代周期长、效率低,二是与数据存储域(数据库)分离,多数情况下需要将相关数据搬移至专门的机器学习或者分析域才能进行,导致历史数据要经过从生产域到存储域(数据库)、以及从存储域到分析域的两次迁移,数据量大的情况下几乎很难承担；3.预测分析执行所选择的相关负荷特征与机器学习算法虽然有各种尝试与不同的效果,但一旦选定,就无法
技术实现思路
1、为了弥补以上不足，本申请提供了一种配网重过载预测多模海量数据分布实时建模方法，旨在改善上述
技术介绍
中提出的问题。
2、本申请实施例提供了一种配网重过载预测多模海量数据分布实时建模方法，包括以下步骤：
3、s1：建立配网重过载预测系统；
4、s2：接收到配电网配变重过载预警请求；
5、s3：获取请求对应的实际运行时序数据，采用实际运行时序数据进行第一预处理并构件目标关联图；
6、s4：将目标关联图输入至请求对应的预设目标负载率预测模型，输出预测负载率；
7、s5：预测执行，得到预测模型m；
8、s6：采用预测负载率结合预设的负载率区间，确定预测负载率对应的配变状态；
9、s7：根据配变状态、预测负载率和请求对应的历史运行时序数据，计算请求对应的重过载风险值；
10、s8：根据重过载风险值，确定请求对应的预警结果。
11、在一种具体的实施方案中，s1包括以下步骤：
12、s11：搭改进htap数据库，在其分析地增加实现；
13、s12：特征工程算法与机器学习算法建基于htap数据库的配网重过载预测系统结构。
14、在一种具体的实施方案中，s1还包括以下步骤：
15、s13：根据生产域发生的典型事件发生实时或者定时驱动预测执行开始；
16、s14：选取特征工程算法、相关负荷与环境特征集、涉及全域实时与历史数据。
17、在一种具体的实施方案中，s4还包括以下步骤：
18、s41：获取样本；
19、s42：对样本数据进行关联分析,得到重过载影响数据集合。
20、在一种具体的实施方案中，s5包括以下步骤：
21、s51：利用模型m对生产域同步的负荷与环境数据进行预测,得到预警结果r；
22、s52：将预警结果推送到业务端供业务端进行决策与维护使用；
23、s53：将预警结果r与业务端各台区配网变压器的重过载发生情况进行比对。
24、在一种具体的实施方案中，s5还包括以下步骤：
25、s54：对现行的特征工程算法与机器学习算法进行调整；
26、s55：依据生产域发生的新的典型事件或者定时重新进行预测执行过程。
27、在一种具体的实施方案中，s7还包括以下步骤：
28、s71：采用重过载风险值结合预设的风险值预警区间，确定请求对应的预警等级和预警颜色。
29、在一种具体的实施方案中，在s12中，增加实现特征工程算法时,初期增加主成分分析法pca、关联规则方法apriori两种,分别记为fudf_pca,fudf_apriori,后期根据需求增加。
30、在一种具体的实施方案中，在s3中，采用实际运行时序数据进行第一预处理并构建目标关联图,包括:
31、采用实际运行时序数据进行第一预处理,生成第一时序数据；其中,第一时序数据包括负载率数据、特征变量数据和影响因素数据；
32、以特征变量数据为节点,以负载率数据和影响因素数据为节点特征,根据各节点之间的距离确定节点连接关系,构建初始关联图；
33、根据节点特征计算各节点间的残差向量；
34、采用残差向量,结合预设的节点连接条件,更新初始关联图中的节点连接关系,生成目标关联图。
35、在一种具体的实施方案中，在s3中，将目标关联图输入至预设目标负载率预测模型,输出预测负载率,包括:
36、将目标关联图输入至图采样聚合层进行采样、聚合、传递更新和排序,输出配变数据序列；
37、对配变数据序列中的元素进行编码,生成编码后配变数据序列；
38、将编码后配变数据序列输入至长短期记忆层进行解码,输出第一中间预测量；
39、将第一中间预测量输入至第一全连接层,输出第二中间预测量；
40、将第二中间预测量输入至第二全连接层,输出第三中间预测量；
41、对第三中间预测量进行反第一预处理,生成预测负载率。
42、有益效果：获取电网实时数据；根据电网实时数据,获取不同维度的重过载分类特征,根据不同维度的重过载分类特征,确定重过载负荷类型；将电网实时数据输入与重过载负荷类型对应的预设预警模型进行预测,得到预警结果数据。本方法首先根据电网实时数据获取不同维度的重过载分类特征,进而根据不同维度的重过载分类特征准确地确定重过载负荷类型,提高符合预测的针对性,进而选择与重过载类型对应的预警模型进行重过载预测,提高了重过载预警的准确率。
本文档来自技高网...【技术保护点】
1.一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，S1包括以下步骤：
3.根据权利要求2所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，S1还包括以下步骤：
4.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，S4还包括以下步骤：
5.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，S5包括以下步骤：
6.根据权利要求5所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，S5还包括以下步骤：
7.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，S7还包括以下步骤：
8.根据权利要求2所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，在S12中，增加实现特征工程算法时,初期增加主成分分析法PCA、关联规则方法Apriori两种,分别记为FUDF_
9.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，在S3中，采用实际运行时序数据进行第一预处理并构建目标关联图,包括:
10.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，在S3中，将目标关联图输入至预设目标负载率预测模型,输出预测负载率,包括:
...【技术特征摘要】
1.一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，s1包括以下步骤：
3.根据权利要求2所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，s1还包括以下步骤：
4.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，s4还包括以下步骤：
5.根据权利要求1所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，s5包括以下步骤：
6.根据权利要求5所述的一种配网重过载预测多模海量数据分布实时建模方法，其特征在于，s5还包括以下步骤：
7.根据权利要求...
【专利技术属性】
技术研发人员：刘晔，陈彬，徐欢，冯歆尧，梁盈威，朱泰鹏，
申请(专利权)人：广东电网有限责任公司，
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。