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】
本专利技术涉及故障检测,尤其涉及一种基于数字孪生的大负荷线路风险预测方法及装置。
技术介绍
1、数字孪生是一组虚拟信息结构,可以从微观原子级别到宏观几何级别全面描述现有或将有的物理产品,在最佳状态下可从数字孪生模型中获得物理实体的全部信息。数字孪生体是物理实体全空间尺度、全生命周期的映射,二者完全相同且同步运行于物理与数字世界。基于孪生体可以全寿命跟踪物理实体的实时状态、模拟及预测物理实体在特定环境下的状态,进一步加强对物理实体的理解与认知。在工程和制造领域,数字孪生可以用于创建虚拟的物理系统,使工程师和决策者能够在数字环境中测试和优化设计,预测设备的性能,甚至进行实时监测和维护。大负荷线路通常指电力系统中的高负荷线路,这些线路可能会面临一些潜在的风险,如负荷过大导致的过载风险,因热损耗存在的设备故障风险等。大负荷线路的风险一旦没有及时解决,就会对电力系统产生影响。
2、现有技术中,常基于电力系统的物理方程和理论建立模型来分析线路在不同负荷条件下的性能,或对历史数据进行统计分析与预测,也有借助机器学习算法进行线路风险预测。
3、例如公开号为:cn113033989a的专利技术专利公开申请的一种输电线路的故障风险评估方法、装置及终端设备,包括:获取目标输电线路的位置信息;根据位置信息确定目标输电线路的切除负荷量,并根据切除负荷量确定目标输电线路的第一故障风险率;其中,目标输电线路的切除负荷量为目标输电线路故障时所需切除的负荷量;根据位置信息确定目标输电线路对应的环境信息,将环境信息输入至预设的故障预测模型中
4、例如公开号为:cn116757465a的专利技术专利公开申请的一种基于双训练权重分配模型的线路风险评估方法及装置,包括:获取对象在不同工况下的历史负荷数据,对历史负荷数据进行预处理,得到历史负荷特征数据,并输入目标循环神经网络模型以及目标自回归移动平均模型进行训练,分别得到第一负荷预测数据与第二负荷预测数据;通过bp神经网络算法对第一负荷预测数据以及第二负荷预测数据进行权重优化,得到第一目标权重与第二目标权重;根据第一负荷预测数据、第一目标权重、第二负荷预测数据以及第二目标权重计算目标负荷预测数据并确定线路风险指数。
5、但本申请在实现本申请实施例中专利技术技术方案的过程中,发现上述技术至少存在如下技术问题:
6、现有技术中,基于电力系统的物理方程和理论建立模型以及接着机器学习进行预测都需要花费大量的时间处理数据,耗时耗力,统计分析的方法也依赖于数据的处理,均导致线路风险预测不准确,存在大负荷线路风险预测准确性低的问题。
技术实现思路
1、本申请实施例通过提供一种基于数字孪生的大负荷线路风险预测方法及装置,解决了现有技术中大负荷线路风险预测准确性低的问题,实现了大负荷线路风险预测准确性的提高。
2、本申请实施例提供了一种基于数字孪生的大负荷线路风险预测方法,包括以下步骤:构建大负荷线路数字孪生模型,所述大负荷线路数字孪生模型包括线路仿真模型和线路风险预测模型,所述线路仿真模型用于模拟待测大负荷线路的工作情况,所述线路风险预测模型用于预测待测大负荷线路的线路风险指标数据;获取监控时间段内待测大负荷线路的线路风险指标数据,并结合线路仿真模型进行模拟,获取对应的线路风险指数,所述线路风险指数用于描述线路风险指标数据对应的待测大负荷线路出现线路风险的概率;根据计算的线路风险指数预测监控时间段待测大负荷线路的线路风险情况,并及时采取对应的风险预防措施。
3、进一步的,所述线路仿真模型的具体构建方法如下:获取待测大负荷线路的线路建模数据,所述线路建模数据用于仿真待测大负荷线路的拓扑结构和技术设备;获取待测大负荷线路的参考线路电力数据集并进行数据集划分得到参考线路电力数据训练集和参考线路电力数据验证集,所述参考线路电力数据集为参考线路电力数据的集合,用于仿真待测大负荷线路的电力情况,所述参考线路电力数据包括参考负载数据、参考电压数据、参考电流数据、参考环境数据和参考电机运行状态数据;结合仿真技术构建线路仿真模型,并通过参考线路电力数据验证集进行线路仿真模型验证实验,所述线路仿真模型验证实验用于验证参考线路电力数据验证集下线路仿真模型的工作情况,所述线路仿真模型的仿真指数大于参考仿真指数,所述仿真指数用于描述构建的线路仿真模型的仿真性能。
4、进一步的,所述仿真指数采用以下公式计算:
5、
6、式中,si为仿真指数,t为线路仿真模型验证实验的编号,t=1,2,...,t,t为线路仿真模型验证实验的总数量,flt和δflt分别为第t个线路仿真模型验证实验的仿真负载数据和参考负载数据,fut和δfut分别为第t个线路仿真模型验证实验的仿真电压数据和参考电压数据,fit和δfit分别为第t个线路仿真模型实验的仿真电流数据和参考电流数据,δl、δu和δi分别为参考负载偏差、参考电压偏差和参考电流偏差。
7、进一步的,所述线路风险预测模型的具体构建方法如下:获取历史时间段内待测大负荷线路的参考线路风险指标数据;根据获取的参考线路风险指标数据构建参考线路风险指标数据集,并进行数据集的划分,得到参考线路风险指标训练集和参考线路风险指标验证集;构建线路风险预测模型,所述线路风险预测模型是根据参考线路风险指标训练集对预设模型进行训练与优化并通过参考线路风险指标验证集进行模型验证得到;通过线路风险预测模型,获取参考线路风险指标验证集对应的预测线路风险指标数据,结合预测线路风险指标数据和对应的参考线路风险指标数据获取线路风险预测模型的风险预测准确指数,所述线路风险预测模型的风险预测准确指数大于参考风险预测准确指数,所述风险预测准确指数用于描述通过构建的线路风险预测模型正确预测待测大负荷线路风险的概率。
8、进一步的,所述风险预测准确指数采用以下公式计算:
9、
10、式中,e为自然常数,h为待测大负荷线路的线路风险种类编号,h=1,2,3,4,h=1为待测大负荷线路的过载风险,h=2为待测大负荷线路的低压风险,h=3为待测大负荷线路的热损耗风险,h=4为待测大负荷线路的不稳定风险,pa h为待测大负荷线路第h种线路风险的风险预测准确指数,fsh为待测大负荷线路的第h种线路风险的准确率分数,arh为待测大负荷线路的第h种线路风险的调整r方分数,bsh为待测大负荷线路的第h种线路风险的贝叶斯分数,csh为待测大负荷线路的第h种线路风险的偏倚量分数,α为准确率分数的修正因子,β为调整r方分数的修正因子,χ为贝叶斯分数的修正因子,δ为偏倚量分数的修正因子;所述待测大负荷线路的过载风险用于描述待测大负荷线路因线路负载超过参考第一线路负载产生的风险,线路风险指标数据为待测大负荷线路的峰值负载数据;所述待测大负荷线路的低压风险用于描述待测大负荷线路的线路电压小于参考第一线路电压产生的风险,线路风险指标数据本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的大负荷线路风险预测方法,其特征在于,包括以下步骤:
2.如权利要求1所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述线路仿真模型的具体构建方法如下:
3.如权利要求2所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述仿真指数采用以下公式计算:
4.如权利要求1所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述线路风险预测模型的具体构建方法如下:
5.如权利要求4所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述风险预测准确指数采用以下公式计算:
6.如权利要求5所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述准确率分数采用以下公式计算:
7.如权利要求5所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述调整R方分数采用以下公式计算:
8.如权利要求5所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述贝叶斯分数采用以下公式计算:
9.如权利要求5所述一种基于数字孪生的大负荷线路风
10.一种基于数字孪生的大负荷线路风险预测装置,其特征在于,包括大负荷线路数字孪生模型构建模块、线路风险指数获取模块和线路风险预测模块;
...【技术特征摘要】
1.一种基于数字孪生的大负荷线路风险预测方法,其特征在于,包括以下步骤:
2.如权利要求1所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述线路仿真模型的具体构建方法如下:
3.如权利要求2所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述仿真指数采用以下公式计算:
4.如权利要求1所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述线路风险预测模型的具体构建方法如下:
5.如权利要求4所述一种基于数字孪生的大负荷线路风险预测方法,其特征在于,所述风险预测准确指数采用以下公式计算:
6.如权利要求5所...
【专利技术属性】
技术研发人员:胡江华,叶钜芬,杨挺,龚博,彭向阳,张厚荣,梁勋云,刘贯科,钟荣富,黄振,
申请(专利权)人:广东电网有限责任公司东莞供电局,
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。