【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种基于载流量预测模型动态调度方法及相关装置。
技术介绍
1、架空导线载流量是其热载荷能力的表征，与风速风向环境温度及日照强度等气象要素密切相关，如何通过对架空导线载流量和根据实际情况预设的目标函数及约束条件确定电力系统的各机组的最优输出功率，对提高输电设备利用效率以及改善电力系统安全经济运行具有重要意义。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供了一种基于载流量预测模型动态调度方法及相关装置，实现了通过载流量、目标函数和约束条件确定最优输出功率,从而大大提高了电力系统运行的安全性。
2、为了实现上述专利技术目的，本专利技术采用以下技术方案：
3、本申请第一方面提供了一种基于载流量预测模型动态调度方法，包括以下步骤：
4、s101、获取电力架空线路预测时间段内数据信息，并进行数据预处理；
5、s102、基于载流量预测模型对数据预处理结果进行载流量预测值计算处理，得到载流量预测值；
6、s103、将载流量预测值计算处理结果进行潮流计算处理，得到机组运行目标函数和机组运行约束条件；
7、s104、基于机组运行目标函数、机组运行条件约束和萤火虫优化算法进行机组最优输出功率计算处理，得到机组最优输出功率；
8、进一步的，获取电力架空线路预测时间段内数据信息，并进行数据预处理具体包括以下步骤：
9、将电力架空线路预测时间段内数据信息进行对异常数据删除
10、进一步的，将电力架空线路预测时间段内数据信息进行对异常数据删除处理具体步包括以下步骤：
11、将电力架空线路预测时间段内数据信息的目标数据与相邻数据进行作差处理；若作差处理结果大于或等于预设值，则将目标数据进行删除；若作差处理结果小于预设值，则对目标数据不进行删除。
12、进一步的，将电力架空线路预测时间段内数据信息进行对缺失数据进行插入处理具体包括以下步骤：
13、获取电力架空线路预测时间段内数据信息的缺失数据；
14、将缺失数据的前一数据和缺失数据的后一数据进行平均值处理；
15、将平均值处理结果作为缺失数据插入。
16、进一步的，将缺失数据的前一数据和缺失数据的后一数据进行平均值处理的表达式如下所示：
17、
18、其中，yt-1为t-1小时的数据，yt+1为t+1小时的数据。
19、进一步的，将电力架空线路预测时间段内数据信息进行数据归一化处理具体包括以下步骤：
20、将气象因子等数据进行数据归一化处理，数据归一化处理的表达式如下所示：
21、
22、其中，归一化后的数据g*，对于待归一化的数据g；以及所述总样本数据中的最大gmax，最小相应数据gmin，g*的物理意义是将有量纲的数据转化为无量纲数据，利于减少数据间差异性。
23、进一步的，构建载流量预测模型包括以下步骤：
24、建立载流量预测初始模型；
25、对载流量预测初始模型进行循环迭代训练处理；
26、若循环迭代训练处理结果与训练样本结果一致，则完成循环迭代训练，得到载流量预测模型；若循环迭代训练训练结果与训练样本结果不一致，则重新对载流量预测初始模型进行循环迭代训练。
27、进一步的，载流量预测模型的表达式如下所示：
28、
29、其中，f(x)为载流量预测模型的表达式，f0(x)为载流量预测初始模型，cjm为最小值的预测值，i为指示函数，rjm为叶子节点区域。
30、进一步的，对载流量预测初始模型进行循环迭代训练处理具体包括：
31、基于计算损失函数的负梯度下降对训练样本进行迭代训练，得到真实值，并作为训练样本集合总的载流量的真实值；
32、将上一次迭代结果作为下一次迭代的训练数据不断迭代最终得到预测值的所在区域；
33、基于损失函数对叶子节点区域进行计算处理可以得到最小值的预测值，并对载流量预测初始模型进行更新，得到载流量预测模型。
34、进一步的，机组运行约束条件包括机组有功功率、机组无功功率、载流量最大值、机组负荷有功功率、用户端负荷无功功率、机组最小无功功率和机组最大有功功率。
35、进一步的，将载流量预测值计算处理结果进行潮流计算处理，得到机组运行目标函数，机组运行目标函数的表达式如下所示：
36、
37、其中，为以t时段第i个机组有功功率为自变量，确定t时段目标为因变量的函数，g为机组数量。
38、进一步的，基于机组运行目标函数、机组运行条件约束和萤火虫优化算法进行机组最优输出功率计算处理，得到机组最优输出功率包括以下步骤；
39、s1041、初始化萤火虫群体；
40、s1042、对新生成的个体逐一进行潮流计算；
41、s1043、计算个体的适应度函数值；
42、s1044、比较各粒子的适应度值，记录自身最好个体和全局最好个体；
43、s1045、根据更新公式更新位置得到新的种群；
44、s1046、若满足精度要求或达到最大迭代次数则跳转到s1047，否则跳转到s1042。
45、s1047、得到全局最优解，全局最优解是指目标函数在整个定义域内取得的最优值，该值是所有可能解中最优的，即在确定的约束条件下，机组出力最优解。
46、本申请第二方面提供了一种基于载流量预测模型动态调度系统，包括：
47、数据获取单元，用于获取电力架空线路预测时间段内数据信息；
48、第一处理单元，用于将电力架空线路预测时间段内数据信息进行数据预处理；
49、第二处理单元，用于基于载流量预测模型对数据预处理结果进行载流量预测值计算处理，得到载流量预测值；
50、第三处理单元，用于将载流量预测值计算处理结果进行潮流计算处理，得到机组运行目标函数和机组运行约束条件；
51、第四处理单元，用于基于机组运行目标函数、机组运行条件约束和萤火虫优化算法进行机组最优输出功率计算处理，得到机组最优输出功率。
52、本申请第三方面提供了一种基于载流量预测模型动态调度设备，包括处理器以及存储器：
53、存储器用于存储程序代码，并将程序代码传输给处理器；
54、处理器用于根据程序代码中的指令执行上述方法的基于载流量预测模型动态调度方法。
55、本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的基于载流量预测模型动态调度方法。
56、本申请的有益效果：实现了通过载流量、目标函数和约束条件确定最优输出功率,从而大大提高了电力系统运行的安全性。<本文档来自技高网...
【技术保护点】
1.一种基于载流量预测模型动态调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述获取电力架空线路预测时间段内数据信息，并进行数据预处理具体包括以下步骤：
3.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，构建所述载流量预测模型包括以下步骤：
4.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述载流量预测模型的表达式如下所示：
5.根据权利要求3所述的基于载流量预测模型动态调度方法，其特征在于，所述对载流量预测初始模型进行循环迭代训练处理具体包括：
6.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述机组运行约束条件包括机组有功功率、机组无功功率、载流量最大值、机组负荷有功功率、用户端负荷无功功率、机组最小无功功率和机组最大有功功率。
7.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述基于机组运行目标函数、机组运行条件约束和萤火虫优化算法进行机组最优输出功率计算处理，得到机
8.一种基于载流量预测模型动态调度系统，用于实现权利要求1-7所述的基于载流量预测模型动态调度方法，其特征在于，包括：
9.一种基于载流量预测模型动态调度设备，其特征在于，包括处理器以及存储器：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的基于载流量预测模型动态调度方法。
...【技术特征摘要】
1.一种基于载流量预测模型动态调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述获取电力架空线路预测时间段内数据信息，并进行数据预处理具体包括以下步骤：
3.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，构建所述载流量预测模型包括以下步骤：
4.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述载流量预测模型的表达式如下所示：
5.根据权利要求3所述的基于载流量预测模型动态调度方法，其特征在于，所述对载流量预测初始模型进行循环迭代训练处理具体包括：
6.根据权利要求1所述的基于载流量预测模型动态调度方法，其特征在于，所述机组运行约束条件包括机组有...
【专利技术属性】
技术研发人员：汪昌元，王刚，孙艳，李黎，孙志媛，孔祥云，熊莉，李明珀，
申请(专利权)人：广西电网有限责任公司，
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。