【技术实现步骤摘要】
本专利技术涉及配电优化，具体为一种通过量测数据补全优化配电的方法及系统。
技术介绍
1、配电是在电力系统中直接与用户相连并向用户分配电能的环节。配电系统由配电变电所、高压配电线路、配电变压器、低压配电线路以及相应的控制保护设备组成，配电电压通常有35～60千伏和3～10千伏等。配电系统的供电方式可分为交流供电和直流供电，常用的交流供电方式有：三相三线制、三相四线制、三相二线一地制、单相单线制27.5kv、单相二线制0.23kv；常用的交流供电方式有：二线制和三线制。随着新型电力系统的建设，近年来配电网分布式能源、储能、电动汽车等新设施大量使用，海量新能源多以分布式接入配网，在局部区域出现关键节点电压越限，乃至光伏台区和光伏专变因为自身消纳能力不足，通过馈线倒送主网现象，增加主变运行功耗，影响电网安全稳定运行，新能源出力、电动汽车等新型负荷具有时空不确定性，在配网侧可能引起新的电力电量平衡问题。为避免配电出现异常、故障，需要对传统的配电方式进行优化。
2、就比如申请号为202010308924.3的专利文件公开了一种配电网优化方法，该专利技术通过较少地控制网络中开关的开合状态，改变网络中的潮流分布，降低网络损耗、提高负荷均衡度、改善电压质量，使运行参数更接近于额定值，设备的性能更优化，整个配电网的运行更优化。
3、但类似于上述申请的现有配电技术依然存在以下不足：
4、现有配电通常只基于已有数据进行分析优化，无法对配网量测数据进行补全，从而不利于量测采集点配置策略优化，影响未来新型源荷的预测和仿真
5、因此，急需对此缺点进行改进，本专利技术则是针对现有的技术不足予以研究改良，提供有一种通过量测数据补全优化配电的方法及系统。
技术实现思路
1、本专利技术的目的在于提供一种通过量测数据补全优化配电的方法及系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种通过量测数据补全优化配电的方法，包括以下具体步骤：
3、s1、配网数据采集：
4、通过企业级实时量测中心和电网资源业务中台获取配网计算推演所需的各类数据；
5、s2、异常数据识别：
6、s21、缺失数据识别：
7、通过数据分布特征对历史量测数据的缺失进行识别，并基于数据率+滑动窗口的模式对实时量测数据的缺失进行识别，同时基于营配网架档案数据与当前采集量测点设备数据，对比分析得到采集量测点的覆盖率，识别采集量测点缺失区域、缺失量测数据的网架节点和拓扑结构；
8、s22、无效数据识别：
9、利用组合模型对采集得到的量测数据进行识别，智能识别出无效数据，包括但不限于离群值、错误值、恒定值，并引入无效数据识别业务规则对识别结果进行拓展，补充、完善异常数据识别能力，提升采集量测无效数据的准确性；
10、s3、采集量测数据补全：
11、s31、采集装置覆盖区域的量测数据补全：
12、统计量测数据的缺失度，根据缺失度不同选择补全方法，对于数据缺失≤3的情况，选择基于最近邻填补法的数据补全模型进行补全，对于3＜数据缺失＜95的情况，选择基于周期基因检测及滑动窗口迭代法的数据补全模型进行补全；
13、s32、采集装置缺失区域的量测数据补全；
14、在有效识别采集装置缺失区域后，开展采集装置缺失区域的数据补全，以实现部分采集，全量计算功能；
15、s4、采集布局点优化分析：
16、s41、梳理并计算各项指标优化供电可靠性综合评价模型，并应用综合评价算法，结合各指标标准识别综合评价阈值，基于评价阈值定位供电薄弱区域，结合采集量测点位置信息，定位采集量测点缺失区域与供电薄弱区域的重叠部分，提出采集量测点布局优化建议；
17、s42、针对量测数据的重复、冗余情况，分析其涉及量测点信息，开展采集量测点的布局优化分析。
18、s5、采集量测点优化配置推演：
19、s51、针对采集量测点缺失区域与供电薄弱区域的重叠部分，结合电网拓扑结构，应用层次分析法实现关键节点赋权，强化关键节点采集，压缩候选量测加装点，并融合并调试粒子群算法获取采集量测点优化配置方案；
20、s52、针对采集数据的重复、冗余情况，基于关键节点赋权结果，对采集点进行迁移优化。
21、进一步的，所述步骤s22中，组合模型由算法和深度神经网络共同组成，其中，算法包括但不限于孤立森林算法、dbscan算法，深度神经网络包括但不限于bp神经网络、循环神经网络。
22、进一步的，所述步骤s22中，组合模型的算法具体包括：
23、输入数据集d，半径r，最小样本p_min；
24、初始化核心对象集合t＝{}，聚类个数k＝0，未访问样本集合p＝d；
25、随机选择一个未访问样本p∈p；
26、如果p的r-领域内的样本数≥p_min，则将p加入t中，将t中所有样本加入同一个簇中，k＝k+1；
27、对于t中每个样本p，找到p的r-领域内的所有样本集合n，对于集合中的每个样本q，若q未被访问，则将q加入p中，若q不在任何簇中，则将q加入t中，将t中所有样本加入同一个簇中；
28、不断重复，直至所有样本均被访问。
29、进一步的，所述步骤s22中，组合模型的神经网络具体包括：
30、输入层包含m个节点，输出层包含n个节点，以及一个m维向量到一个n维向量的映射；
31、隐层节点的选择有的公式如下：
32、
33、其中，h为隐含层节点数目，m为输入层节点数目，n为输出层节点数目，a为1～10之间的调节常数。
34、进一步的，所述步骤s31中，基于最近邻填补法的数据补全模型具体包括：针对存在缺失的待处理样本，利用已知特征，从历史数据集合中寻找相似样本集合，并采用加权法进行推演补全。
35、进一步的，所述步骤s31中，基于周期基因检测及滑动窗口迭代法的数据补全模型具体包括：提取基因表达矩阵中的潜在特征和规律,基于此对缺失的表达数据点进行预测,实现补全。
36、进一步的，所述步骤s32中，采集装置缺失区域的量测数据补全具体包括：
37、对未加装采集点的数据，围绕关键设备展开分析，辅助业务监测分析目的，通过逆向工程分析思路方法，应用关键设备识别分析模型；
38、对于关键设备的量测数据采集需求，围绕配网拓扑关系，以设备为核心，考虑设备状态关联性及空间相关性，应用双向长短期记忆网络结构模型来捕获同一时刻内，网架结构中不同节点之间动态变化的空间相关性，对网架拓扑结构进行分类分析；
39、通过应用分类分析模型压缩分析范围与分析数量，结合gauss-seidel法潮流计算模型，进行算例推演评估，本文档来自技高网...
【技术保护点】
1.一种通过量测数据补全优化配电的方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤S22中，组合模型由算法和深度神经网络共同组成，其中，算法包括但不限于孤立森林算法、DBSCAN算法，深度神经网络包括但不限于BP神经网络、循环神经网络。
3.根据权利要求2所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤S22中，组合模型的算法具体包括：
4.根据权利要求2所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤S22中，组合模型的神经网络具体包括：
5.根据权利要求1所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤S31中，基于最近邻填补法的数据补全模型具体包括：针对存在缺失的待处理样本，利用已知特征，从历史数据集合中寻找相似样本集合，并采用加权法进行推演补全。
6.根据权利要求1所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤S31中，基于周期基因检测及滑动窗口迭代法的数据补全模型具体包括：提取基因表达
7.根据权利要求1所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤S32中，采集装置缺失区域的量测数据补全具体包括：
8.一种通过量测数据补全优化配电的系统，其特征在于，应用于服务器，所述系统包括：
9.根据权利要求8所述的一种通过量测数据补全优化配电的系统，其特征在于，所述用于存储计算机指令至少一个存储器；
10.根据权利要求9所述的一种通过量测数据补全优化配电的系统，其特征在于，所述存储器上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种通过量测数据补全优化配电的方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤s22中，组合模型由算法和深度神经网络共同组成，其中，算法包括但不限于孤立森林算法、dbscan算法，深度神经网络包括但不限于bp神经网络、循环神经网络。
3.根据权利要求2所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤s22中，组合模型的算法具体包括：
4.根据权利要求2所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤s22中，组合模型的神经网络具体包括：
5.根据权利要求1所述的一种通过量测数据补全优化配电的方法，其特征在于，所述步骤s31中，基于最近邻填补法的数据补全模型具体包括：针对存在缺失的待处理样本，利用已知特征，从历史数据集合中寻找相似样本集合，并采用加...
【专利技术属性】
技术研发人员：王冲，张惠，刘洪斌，王之昕，唐博谦，高岩，陈泽坤，梁雨婷，刘彦志，
申请(专利权)人：国网冀北电力有限公司智能配电网中心，
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。