【技术实现步骤摘要】
本申请涉及电网，特别是涉及一种发电机组无功功率边界值预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在电网系统中，在进行发电机组进相试验时，测量发电机组进相试验无功功率边界值，对于保护发电机组的安全及其重要。
2、传统技术中，在对发电机组进相试验无功功率边界值的进行测量时，主要是通过人工观察关键机组数据，当关键机组数据出现异常值时，通过人工计算发电机组的无功功率边界值；但是，通过人工观察和人工计算容易存在误差，导致发电机组无功功率边界值的测量准确率较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高发电机组无功功率边界值的测量准确率的发电机组无功功率边界值预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种发电机组无功功率边界值预测方法，包括：
3、获取待分析发电机组的关键机组数据；
4、将所述关键机组数据输入至当前目标无功功率预测模型，得到所述待分析发电机组的第一无功功率边界值；
5、将所述关键机组数据输入至与所述当前目标无功功率预测模型关联的历史目标无功功率预测模型，得到所述待分析发电机组的第二无功功率边界值；
6、根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值。
7、在其中一个实施例中，所述根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电
8、获取所述当前目标无功功率预测模型的第一模型权重，以及所述历史目标无功功率预测模型的第二模型权重；
9、根据所述第一模型权重和所述第二模型权重，对所述第一无功功率边界值和所述第二无功功率边界值进行融合处理，得到所述待分析发电机组的目标无功功率边界值。
10、在其中一个实施例中，所述获取所述当前目标无功功率预测模型的第一模型权重，以及所述历史目标无功功率预测模型的第二模型权重，包括：
11、获取所述当前目标无功功率预测模型针对目标发电机组的关键机组数据的第一预测准确率，以及所述历史目标无功功率预测模型针对所述目标发电机组的关键机组数据的第二预测准确率；
12、根据所述第一预测准确率和所述第二预测准确率，查询预测准确率和模型权重之间的对应关系，得到所述当前目标无功功率预测模型的第一模型权重，以及所述历史目标无功功率预测模型的第二模型权重。
13、在其中一个实施例中，所述根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值，还包括：
14、将所述第一无功功率边界值和所述第二无功功率边界值输入到注意力机制模型中，得到所述第一无功功率边界值的第一注意力权重和所述第二无功功率边界值的第二注意力权重；
15、根据所述第一注意力权重和所述第二注意力权重，对所述第一无功功率边界值和所述第二无功功率边界值进行融合处理，得到所述待分析发电机组的目标无功功率边界值。
16、在其中一个实施例中，所述关键机组数据包括各个子关键机组数据；
17、所述将所述关键机组数据输入至当前目标无功功率预测模型，得到所述待分析发电机组的第一无功功率边界值，包括：
18、分别将所述关键机组数据中的一个子关键机组数据作为主要数据，将所述关键机组数据中与所述子关键机组数据对应的其他子关键机组数据作为辅助数据，输入到特征提取模型中进行特征提取处理，得到所述子关键机组数据对应的特征向量；所述子关键机组数据对应的其他子关键机组数据为所述关键机组数据中除所述子关键机组数据以外的子关键机组数据；
19、确定所述子关键机组数据对应的特征向量的拼接顺序；
20、按照所述拼接顺序，对各所述特征向量进行拼接处理，得到目标特征向量；
21、将所述目标特征向量输入至当前目标无功功率预测模型，得到所述待分析发电机组的第一无功功率边界值。
22、在其中一个实施例中，所述当前目标无功功率预测模型通过下述方式得到：
23、获取样本发电机组的样本关键机组数据；
24、分别将所述样本关键机组数据输入至多个预训练无功功率预测模型，得到各所述预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值；
25、对各所述预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值进行验证；
26、在各所述预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值均在预设无功功率边界值范围内的情况下，获取所述样本发电机组中与所述样本关键机组数据对应的实际无功功率边界值，并根据各所述预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值与所述实际无功功率边界值之间的第一差异，从各所述预训练无功功率预测模型中，筛选出所述第一差异最小的预训练无功功率预测模型，作为所述当前目标无功功率预测模型。
27、在其中一个实施例中，在对各所述预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值进行验证之后，还包括：
28、在各所述预训练无功功率预测模型中，存在输出的所述样本发电机组的预测无功功率边界值不在所述预设无功功率边界值范围内的目标预训练无功功率预测模型的情况下，从各所述预训练无功功率预测模型中，删除所述目标预训练无功功率预测模型，得到剩余的预训练无功功率预测模型；
29、根据各所述剩余的预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值与所述实际无功功率边界值之间的第二差异，从各所述剩余的预训练无功功率预测模型中，筛选出所述第二差异最小的预训练无功功率预测模型，作为所述当前目标无功功率预测模型。
30、第二方面，本申请还提供了一种发电机组无功功率边界值预测装置，包括：
31、数据获取模块，用于获取待分析发电机组的关键机组数据；
32、第一预测模块，用于将所述关键机组数据输入至当前目标无功功率预测模型，得到所述待分析发电机组的第一无功功率边界值；
33、第二预测模块，用于将所述关键机组数据输入至与所述当前目标无功功率预测模型关联的历史目标无功功率预测模型，得到所述待分析发电机组的第二无功功率边界值；
34、目标确定模块，用于根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值。
35、第三方面，本申请还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以下步骤：
36、获取待分析发电机组的关键机组数据；
37、将所述关键机组数据输入至当前目标无功功率预测模型，得到所述待分析发电机组的第一无功功率边界值；
38、将所述关键机组数据输入至与所述当前目标无本文档来自技高网...
【技术保护点】
1.一种发电机组无功功率边界值预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取所述当前目标无功功率预测模型的第一模型权重，以及所述历史目标无功功率预测模型的第二模型权重，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值，还包括：
5.根据权利要求1所述的方法，其特征在于，所述关键机组数据包括各个子关键机组数据；
6.根据权利要求1至5任一项所述的方法，其特征在于，所述当前目标无功功率预测模型通过下述方式得到：
7.根据权利要求6所述的方法，其特征在于，在对各所述预训练无功功率预测模型输出的所述样本发电机组的预测无功功率边界值进行验证之后，还包括：
8.一种发电机组无功功率边界值预测装置，其特征在于，所述装置包括：
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中任一项所述的方法的步骤。
10.一种计算机可读存储介质，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。
11.一种计算机程序产品，包括计算机程序，其特征在于，该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】
1.一种发电机组无功功率边界值预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取所述当前目标无功功率预测模型的第一模型权重，以及所述历史目标无功功率预测模型的第二模型权重，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一无功功率边界值和所述第二无功功率边界值，确定所述待分析发电机组的目标无功功率边界值，还包括：
5.根据权利要求1所述的方法，其特征在于，所述关键机组数据包括各个子关键机组数据；
6.根据权利要求1至5任一项所述的方法，其特征在于，所述当前目...
【专利技术属性】
技术研发人员：闫文斌，凌鹏，吴钊，朱明岗，陈强，聂航，李德华，张磊，金垚，董俊杰，许凯，黄晓晖，
申请(专利权)人：南方电网调峰调频发电有限公司检修试验分公司，
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。