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】
本专利技术涉及电网评估,尤其涉及一种电网状态分析方法、装置、终端设备和存储介质。
技术介绍
1、随着全球能源需求的不断增长和电网规模的扩大,确保电网的稳定、安全和可靠运行变得越来越重要。电网潜在风险评估是一种关键的技术手段,用于识别和评估电网运行中可能出现的异常。传统的电网潜在风险的评估方法主要依赖于人工判断,人工进行状态评估需要大量的时间和人力资源,尤其是在面对大规模电网和海量数据时,效率较低且容易出现误差。
技术实现思路
1、本专利技术提供了一种电网状态分析方法、装置、终端设备和存储介质,以解决现有技术中人工评估电网状态效率低且容易出现误差的技术问题。
2、为了解决上述技术问题,本专利技术实施例提供了一种电网状态分析方法,包括:
3、获取电网中每一电网设备的参数信息和电网的地理信息系统数据;其中,所述地理信息系统数据包括:所述电网中每一电网设备的空间位置、电网的拓扑结构和线路参数;
4、根据所有所述电网设备的参数信息和所述地理信息系统数据,生成节点-开关图;
5、计算所述节点-开关图中每一条边的边中介中心数,根据每一条边的边中介中心数确定若干关键边以及若干关键节点;其中,所述关键节点为关键边上的节点;
6、对每一关键节点进行潮流计算,确定每一关键节点对应的电压和电流;
7、根据每一关键节点的电流判断所述关键节点是否过载;
8、根据每一关键节点的电压判断所述关键节点是否电压异常。
9、
10、获取电网实时运行数据;
11、根据所述电网实时运行数据,判断电网中是否存在频率偏移或功率波动。
12、作为优选方案,所述方法,还包括:
13、将所述电网实时运行数据输入训练好的故障预测模型,输出故障预测结果;
14、其中,所述故障预测模型的训练过程包括:
15、获取若干样本数据;其中,所述样本数据包括若干存在故障的电网运行数据和若干正常的电网运行数据;所述存在故障的电网运行数据根据故障种类设置了对应的标签;所述正常的电网运行数据的标签设置为正常;故障种类包括:线路故障和设备故障;
16、根据所述样本数据训练构建好的故障预测模型,得到训练好的故障预测模型。
17、作为优选方案,所述方法,还包括:
18、在关键节点过载时,进行过载报警;
19、在关键节点电压异常时,进行电压异常报警;
20、在存在频率偏移时,进行频率偏移报警;
21、在存在功率波动时,进行频率波动报警;
22、在存在线路故障时,进行线路故障报警;
23、在存在设备故障时,进行设备故障报警。
24、在上述实施例的基础上,本专利技术另一实施例提供了一种电网状态分析装置,包括:数据获取模块;电网图生成模块、关键边和关键节点确定模块和异常判断模块;
25、所述数据获取模块,用于获取电网中每一电网设备的参数信息和电网的地理信息系统数据;其中,所述地理信息系统数据包括:所述电网中每一电网设备的空间位置、电网的拓扑结构和线路参数;
26、所述电网图生成模块,用于根据所有所述电网设备的参数信息和所述地理信息系统数据,生成节点-开关图;
27、所述关键边和关键节点确定模块,用于计算所述节点-开关图中每一条边的边中介中心数,根据每一条边的边中介中心数确定若干关键边以及若干关键节点;其中,所述关键节点为关键边上的节点;
28、所述异常判断模块,用于对每一关键节点进行潮流计算,确定每一关键节点对应的电压和电流;根据每一关键节点的电流判断所述关键节点是否过载;根据每一关键节点的电压判断所述关键节点是否电压异常。
29、作为优选方案,所述数据获取模块,还用于获取电网实时运行数据;
30、所述异常判断模块,还用于根据所述电网实时运行数据,判断电网中是否存在频率偏移或功率波动。
31、作为优选方案,所述异常判断模块,还用于将所述电网实时运行数据输入训练好的故障预测模型,输出故障预测结果;
32、其中,所述故障预测模型的训练过程包括:
33、获取若干样本数据;其中,所述样本数据包括若干存在故障的电网运行数据和若干正常的电网运行数据;所述存在故障的电网运行数据根据故障种类设置了对应的标签;所述正常的电网运行数据的标签设置为正常;故障种类包括:线路故障和设备故障;
34、根据所述样本数据训练构建好的故障预测模型,得到训练好的故障预测模型。
35、作为优选方案,所述装置,还包括:报警模块;
36、所述报警模块,用于在关键节点过载时,进行过载报警;在关键节点电压异常时,进行电压异常报警;在存在频率偏移时,进行频率偏移报警;在存在功率波动时,进行频率波动报警;在存在线路故障时,进行线路故障报警;在存在设备故障时,进行设备故障报警。
37、在上述实施例的基础上,本专利技术又一实施例提供了一种终端设备,所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述专利技术实施例所述的电网状态分析方法。
38、在上述实施例的基础上,本专利技术又一实施例提供了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述专利技术实施例所述的电网状态分析方法。
39、相比于现有技术,本专利技术实施例具有如下有益效果:
40、本专利技术获取电网中每一电网设备的参数信息和电网的地理信息系统数据;其中,所述地理信息系统数据包括:所述电网中每一电网设备的空间位置、电网的拓扑结构和线路参数;根据所有所述电网设备的参数信息和所述地理信息系统数据,生成节点-开关图;计算所述节点-开关图中每一条边的边中介中心数,根据每一条边的边中介中心数确定若干关键边以及若干关键节点;其中,所述关键节点为关键边上的节点;对每一关键节点进行潮流计算,确定每一关键节点对应的电压和电流;根据每一关键节点的电流判断所述关键节点是否过载;根据每一关键节点的电压判断所述关键节点是否电压异常。本专利技术通过计算机对电网数据进行分析和处理来自动预测电网中的异常,相比传统的人工判断方法,本专利技术提高风险评估的效率和准确性。
本文档来自技高网...【技术保护点】
1.一种电网状态分析方法,其特征在于,包括:
2.如权利要求1所述的电网状态分析方法,其特征在于,还包括:
3.如权利要求2所述的电网状态分析方法,其特征在于,还包括:
4.如权利要求3所述的电网状态分析方法,其特征在于,还包括:
5.一种电网状态分析装置,其特征在于,包括:数据获取模块;电网图生成模块、关键边和关键节点确定模块和异常判断模块;
6.如权利要求5所述的电网状态分析装置,其特征在于,所述数据获取模块,还用于获取电网实时运行数据;
7.如权利要求6所述的电网状态分析装置,其特征在于,所述异常判断模块,还用于将所述电网实时运行数据输入训练好的故障预测模型,输出故障预测结果;
8.如权利要求7所述的电网状态分析装置,其特征在于,还包括:报警模块;
9.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的电网状态分析方法。
10.一种存储介质,其特征
...【技术特征摘要】
1.一种电网状态分析方法,其特征在于,包括:
2.如权利要求1所述的电网状态分析方法,其特征在于,还包括:
3.如权利要求2所述的电网状态分析方法,其特征在于,还包括:
4.如权利要求3所述的电网状态分析方法,其特征在于,还包括:
5.一种电网状态分析装置,其特征在于,包括:数据获取模块;电网图生成模块、关键边和关键节点确定模块和异常判断模块;
6.如权利要求5所述的电网状态分析装置,其特征在于,所述数据获取模块,还用于获取电网实时运行数据;
7.如权利要求6所述的电网状态分析装置,其特征在于,所述...
【专利技术属性】
技术研发人员:卢建刚,赵瑞锋,郭文鑫,谭慧娟,王臣,李谦,
申请(专利权)人:广东电网有限责任公司,
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。