System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于电力系统,更具体地,涉及一种基于大数据推演的节点等效视在功率评估方法、装置、计算机设备及可读存储介质。
技术介绍
1、在电力系统中,准确评估计量节点的等效视在功率状态对于确保系统稳定运行至关重要。目前,在对计量节点的等效视在功率状态评估过程中,主要基于基础电流和电压数据采用简单统计或线性模型估算功率因素,在实际应用中,由于电力系统常常存在复杂的电力质量问题,可能引发功率因素下降、电压波动以及谐波干扰等现象,而采用简单统计或线性模型往往会忽视其他关键参数(例如,负序电流不平度、谐波电压、谐波电流等)的影响,无法反应出电力系统存在的各种问题,导致对计量节点的等效视在功率状态的评估不准确,进而影响电力系统的稳定性。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于大数据推演的节点等效视在功率评估方法、装置、计算机设备及可读存储介质,主要目的在于解决目前存在采用简单统计或线性模型无法反应出电力系统存在的各种问题,导致对计量节点的等效视在功率状态的评估不准确的问题。
2、依据本申请第一专利技术,提供了一种基于大数据推演的节点等效视在功率评估方法,包括:
3、确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
4、从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前
5、将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
6、从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
7、可选地,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
8、建立视在功率与特征参数的多项式回归模型,所述多项式回归模型为多个第一多项式之和,且每个第一多项式由初始模型参数和特征参数构成;
9、确定特征参数为负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率之和,将负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率对所述多项式回归模型中的特征参数进行替换,得到多元线性式,所述多元线性式为多个第二多项式之和,且每个第二多项式由模型参数和单项式构成,单项式由负序电流不平衡度、谐波电压畸变率和谐波电流畸变率组成;
10、基于所述多元线性式建立所述等效视在功率的初始多元线性模型,其中,所述初始多元线性模型是将所述单项式矩阵与模型参数矩阵相乘得到的,且所述单项式矩阵由预设行数乘以预设列数的单项式组成,所述模型参数矩阵由所述预设列数个模型参数组成。
11、可选地,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
12、获取训练数据集,所述训练数据集包括多个训练例,每个训练例包括历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值以及等效视在功率实际值;
13、从所述训练数据集中提取所述预设行数个训练例,将每个训练例包括的历史负序电流不平衡度的数值、历史谐波电压畸变率的数值、历史谐波电流畸变率的数值输入所述多元线性模型中,得到所述预设行数个等效视在功率预测值;
14、从每个训练例中提取对应的等效视在功率实际值,基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,基于所述预设列数个目标模型参数得到目标模型参数矩阵;
15、采用所述目标模型参数矩阵对所述初始多元线性模型中的所述模型参数矩阵进行更新,得到所述等效视在功率的多元线性模型。
16、可选地,所述基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,包括:
17、获取所述多元线性模型的目标函数,所述目标函数是基于所述模型参数矩阵、所述单项式矩阵和实际等效视在功率矩阵构成的,其中,所述实际等效视在功率矩阵由所述预设行数个实际等效视在功率组成;
18、对所述目标函数求导,得到求导后的函数,并令所述求导后的函数等于零,通过变换得到所述模型参数矩阵与所述单项式矩阵、所述实际等效视在功率矩阵之间的关系式;
19、将所述预设行数个等效视在功率实际值和每个等效视在功率实际值对应的负序电流不平衡度的数值、谐波电压畸变率的数值、谐波电流畸变率的数值代入所述关系式中,得到所述预设列数个目标模型参数。
20、可选地,所述基于所述当前有功功率的数值和所述当前等效在功率预测值确定所述待评估计量节点的功率因数,包括:
21、计算所述当前有功功率的数值和所述当前等效视在功率预测值的比值,得到所述待评估计量节点的功率因数。
22、可选地,所述方法还包括:
23、当检测到所述功率因数达到目标阈值时,则确定所述待评估计量节点的功率因素处于正常状态。
24、可选地,所述当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低之后,所述方法还包括:
25、生成用于指示功率因素过低的提醒信息,将所述提醒信息发送至维护人员所持终端,以使所述维护人员基于所述终端在接收到所述提醒信息时,对所述提醒信息指示的目标计量节点进行问题排查。
26、依据本申请第二方面,提供了一种基于大数据推演的节点等效视在功率评估装置,包括:
27、确定模型,用于确定等效视在功率的多元线性模型,其中,所述多元线性模型是将关于负序电流不平衡度、谐波电压畸变率以及谐波电流畸变率的单项式矩阵与目标模型参数矩阵相乘得到的;
28、提取模块,用于从电能表中读取待评估计量节点的当前电力数据,以及从所述当前电力数据中提取当前负序电流不平衡度的数值、当前谐波电压畸变率的数值和当前谐波电流畸变率的数值;
29、预测模块,用于将所述当前负序电流不平衡度的数值、所述当前谐波电压畸变率的数值和所述当前谐波电流畸变率的数值输入所述多元线性模型中,得到所述待评估计量节点的当前等效视在功率预测值;
30、评估模块,用于从所述当前电力数据中提取当前有功功率的数值,基于所述当前有功功率的数值和所述当前等效视在功率预测值确定所述待评估计量节点的功率因数,当检测到所述功率因数未达到目标阈值时,则确定所述待评估计量节点的功率因素过低。
31、依据本申请第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述方法的步骤。
<本文档来自技高网...【技术保护点】
1.一种基于大数据推演的节点等效视在功率评估方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
3.根据权利要求2所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
4.根据权利要求3所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,包括:
5.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述基于所述当前有功功率的数值和所述当前等效在功率预测值确定所述待评估计量节点的功率因数,包括:
6.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述方法还包括:
7.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述当检测到所述功率因数未
8.一种基于大数据推演的节点等效视在功率评估装置,其特征在于,包括:
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于大数据推演的节点等效视在功率评估方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
3.根据权利要求2所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述确定等效视在功率的多元线性模型之前,所述方法还包括:
4.根据权利要求3所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述基于每个等效视在功率预测值和对应的等效视在功率实际值采用所述多元线性模型的目标函数得到所述预设列数个目标模型参数,包括:
5.根据权利要求1所述的基于大数据推演的节点等效视在功率评估方法,其特征在于,所述基于所述当前有功功率的数值和所述当前等效在功率预测值确定...
【专利技术属性】
技术研发人员:刘型志,成涛,陆治军,王思韡,徐鸿宇,要文波,田娟,邹波,程瑛颖,陈文礼,万树伟,米思蓓,何珉,杨芾藜,谢广成,曾妍,苏宇,王蕊,
申请(专利权)人:国网重庆市电力公司营销服务中心,
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。