基于大数据的超短期预测进行电网优化的方法与流程

本发明涉及电网优化领域，尤其涉及基于大数据的超短期预测进行电网优化的方法。

背景技术：

1、格库铁路是新疆“南北两环”铁路中南疆环塔里木盆地铁路环线的重要组成部分。格库铁路在2021年开通运营后，形成了“一主两翼”交通格局，出疆运输通道综合能力得到显著提升。但由于格库铁路沿途的电网是长链式末端电网，网架结构薄弱，且新疆地区有密集的新能源场站汇集，并网情况复杂，而沿线多座变电站基本是为格库铁路牵引站供电服务，其他类型负荷较少，因此当火车通过时，相关母线三相电压不平衡情况凸显；当没有火车通过时，变电站几乎没有负荷，沿线长线路低负载的电容效应非常明显，各电压等级电压偏高明显，不利于电网的正常运行和电力供给，影响沿线周边多家企业出现电压质量问题,导致用户设备频繁跳闸。

2、而新疆自治区受地域特点影响，自开展电网配电自动化建设以来部分线路因地处偏远、发展不平衡，配电自动化终端安装完成后因信号覆盖率较低，未达到预期效果，较高的负序电压水平严重影响供电可靠性及用户用能体验。

技术实现思路

1、本发明所要解决的技术问题是提供一种基于大数据的超短期预测进行电网优化的方法，解决现在沿线长线路低负载的电容效应非常明显，各电压等级电压偏高明显，不利于电网的正常运行和电力供给，较高的负序电压水平严重影响供电可靠性的技术问题。

2、技术方案

3、基于大数据的超短期预测进行电网优化的方法，其特征在于包括如下步骤：步骤一：通过设置在沿线的大型负荷或者重要的负载处的各监测设备，收集监测的负荷数据，获取负荷数据的时间序列；

4、步骤二：对负荷的历史数据进行数据分解，通过事件检测算法进行数据处理，得到超出阈值的负荷变化事件，并进行时间标记，得到带有时间标记的负荷变化的功率序列；

5、步骤三：通过对每个负载的负荷变化的功率序列的时间标记进行统一，得到相同时间间隔的时间参数序列，将每个负载的所述步骤二中得到的负荷变化的功率序列根据所述时间参数序列的时间点进行相关功率数据的提取和补充，补充完成后得到所有负载的时序数据集；

6、步骤四：将电网负序电压和/或svg负序电流的历史数据，依照步骤三中统一的时间标记的时间点提取后的时间序列，增加到步骤三的时序数据集中；

7、步骤五：采用所述步骤四获得的时序数据集，进行大数据的时间序列预测算法模型的搭建，训练完成后进行预测。

8、进一步，所述步骤三中，对每个负载的负荷变化的功率序列的时间标记进行统一的方法包括如下步骤：(1)将每个数据序列中的时间标记进行提取，并以时间顺序排列成一个数列，剔除重复的时间标记后，输出新生成的时间参数序列t’；(2)将t’中的后一个时间点与前一个时间点相减，得到时间间隔差，然后将各差值作为一个序列|t|，将差值序列再次进行相邻两项的差值计算，得到最小的差值di；(3)以最小的di作为公差，扩充序列t’为等差序列，即将时间参数序列t’的每一个时间参数之间间隔时间di，从t1开始，每间隔时间di作为一个时间点，得到最终的时间参数序列t。

9、以新生成的时间参数序列t中的每一个时间点，提取和补充每个典型负载的功率序列。

10、如果是牵引变电所负载，多出的时间点则补充数据零，如果是典型用电负载，多出的时间点根据nilm模块的分析曲线的数据进行补充，或按照前后时间点的负荷特性数据的线性连接上的数据进行计算后补充。

11、进一步，所述步骤二中，对于电气化铁路高铁列车负载，对获取的电压和电流数据进行快速傅里叶变换分析，得到牵引负荷汇总的有功功率序列，再通过构建基于滑动窗的事件检测算法，提取供电区间有负荷时的功率序列，并根据列车运行时刻表的信息对负荷功率序列进行标记，构建出带时间标记的事件检测与功率序列。

12、进一步，所述步骤二中，对于用户负载，采用变点识别的事件检测的方法，将用电设备的启/停或者运动状态发生变化的时间点定义为一个事件，相应的时间点称为变点；通过对用户的总用电设备的功率测量数据，设置一个阈值，滤去用电设备自身正常的运动波动所带来的小干扰，基于用电设备的暂态或者稳态进行相应的分解，集合后获得总用电负荷的稳态和暂态电气量以及带有时间标记的负荷功率数据序列。

13、进一步，所述步骤五中，所述时间序列预测算法模型采用gru算法，并结合gwo算法进行参数优化。

14、一种基于大数据的超短期预测进行电网优化的装置，其特征在于：包括如下模块：

15、数据采集模块，收集设置在沿线的大型负荷或者重要的负载处的各监测设备监测的负荷数据，和/或各监测设备的各负载的运行模型，以及电网负序电压和/或svg负序电流的历史数据；

16、数据处理模块，对负荷的历史数据进行数据分解，通过事件检测算法进行数据处理，得到超出阈值的负荷变化事件，并进行时间标记，得到带有时间标记的负荷变化的功率序列；

17、数据集合模块，通过对每个负载的负荷变化的功率序列的时间标记进行统一，得到相同时间间隔的时间参数序列，将每个负载的所述步骤二中得到的负荷变化的功率序列根据所述时间参数序列的时间点进行相关功率数据的提取和补充，补充完成后得到所有负载的时序数据集；以及将电网负序电压和/或svg负序电流的历史数据，依照统一的时间标记的时间点提取后的时间序列，增加到时序数据集中，完成集合的时序数据集；

18、预测模型建立模块，以集合的时序数据集完成预测模型的建模，训练完成后进行预测。

19、有益效果

20、本发明提出了一种基于大数据的超短期预测进行电网优化的方法和装置，将沿线的大型负荷或者重要的负载通过设置的各监测设备监测负荷数据，对负荷的历史数据进行数据分解后，再通过事件检测算法进行数据处理，得到负荷变化事件，并进行时间标记，得到带有时间标记的负荷变化的功率序列，通过对每个负载的负荷变化的功率序列的时间标记进行统一，得到相同时间间隔的时序数据集，从而便于后续进行大数据的算法模型的搭建，以及采用算法模型进行预测。本发明的方法和装置充分利用了现有的每个负载上的监控单元的数据和模型，既克服了单一负载模型的仿真对整体的影响的结果精确度不高的缺陷，又克服了仅仅从电网母线高压侧的数据分析模型复杂、算力要求高、成本高的缺陷，通过将各负载的负荷变化的功率序列统一时序，与负序治理参数一起进行基于时间序列分析，从而能对电网优化控制进行短期和超短期预测。

技术特征：

1.基于大数据的超短期预测进行电网优化的方法，其特征在于包括如下步骤：

2.如权利要求1所述的基于大数据的超短期预测进行电网优化的方法，其特征在于：所述步骤三中，对每个负载的负荷变化的功率序列的时间标记进行统一的方法包括如下步骤：(1)将每个数据序列中的时间标记进行提取，并以时间顺序排列成一个数列，剔除重复的时间标记后，输出新生成的时间参数序列t’；(2)将t’中的后一个时间点与前一个时间点相减，得到时间间隔差，然后将各差值作为一个序列|t|，将差值序列再次进行相邻两项的差值计算，得到最小的差值di；(3)以最小的di作为公差，扩充序列t’为等差序列，即将时间参数序列t’的每一个时间参数之间间隔时间di，从t1开始，每间隔时间di作为一个时间点，得到最终的时间参数序列t。

3.如权利要求2所述的基于大数据的超短期预测进行电网优化的方法，其特征在于：以新生成的时间参数序列t中的每一个时间点，提取和补充每个典型负载的功率序列。

4.如权利要求3所述的基于大数据的超短期预测进行电网优化的方法，其特征在于：如果是牵引变电所负载，多出的时间点则补充数据零，如果是典型用电负载，多出的时间点根据nilm模块的分析曲线的数据进行补充，或按照前后时间点的负荷特性数据的线性连接上的数据进行计算后补充。

5.如权利要求1或2所述的基于大数据的超短期预测进行电网优化的方法，其特征在于：所述步骤二中，对于电气化铁路高铁列车负载，对获取的电压和电流数据进行快速傅里叶变换分析，得到牵引负荷汇总的有功功率序列，再通过构建基于滑动窗的事件检测算法，提取供电区间有负荷时的功率序列，并根据列车运行时刻表的信息对负荷功率序列进行标记，构建出带时间标记的事件检测与功率序列。

6.如权利要求1或2所述的基于大数据的超短期预测进行电网优化的方法，其特征在于：所述步骤二中，对于用户负载，采用变点识别的事件检测的方法，将用电设备的启/停或者运动状态发生变化的时间点定义为一个事件，相应的时间点称为变点；通过对用户的总用电设备的功率测量数据，设置一个阈值，滤去用电设备自身正常的运动波动所带来的小干扰，基于用电设备的暂态或者稳态进行相应的分解，集合后获得总用电负荷的稳态和暂态电气量以及带有时间标记的负荷功率数据序列。

7.如权利要求1或2所述的基于大数据的超短期预测进行电网优化的方法，其特征在于：所述步骤五中，所述时间序列预测算法模型采用gru算法，并结合gwo算法进行参数优化。

8.一种基于大数据的超短期预测进行电网优化的装置，其特征在于：包括如下模块：

技术总结本发明涉及电网优化领域，提出了一种基于大数据的超短期预测进行电网优化的方法和装置，将沿线的大型负荷或者重要的负载通过设置的各监测设备监测负荷数据，对负荷的历史数据进行数据分解后，通过事件检测算法进行数据处理，得到负荷变化事件，得到带有时间标记的负荷变化的功率序列，通过对每个负载的负荷变化的功率序列的时间标记进行统一，得到相同时间间隔的时序数据集，然后采用算法模型进行预测。本发明的方法和装置通过将各负载的负荷变化的功率序列统一时序，与负序治理参数一起进行基于时间序列分析，从而能对电网优化控制进行短期和超短期预测，既充分利用了各负载数据，又降低了成本，实现了精确控制，提高了电网可靠性。技术研发人员：刘成泊,赵普志,连婷,郭斌,郑江勇,张双帆,赵勇受保护的技术使用者：国网新疆电力有限公司巴州供电公司技术研发日：技术公布日：2024/12/2