一种面向用户的电网电压暂降严重度预测方法

专利名称：一种面向用户的电网电压暂降严重度预测方法

专利类型：发明专利

专利申请号：CN202111405765.X

专利申请（专利权）人：国网福建省电力有限公司莆田供电公司,国网福建省电力有限公司
权利人地址：福建省莆田市城厢区霞林街道南园东路999号

专利发明（设计）人：陈晶腾,吴敏辉,林鸿伟,陈芳,周怡冰,刘烁洁,李剑,蒋雷震,高漩,蒋东伶,肖华振

专利摘要：本发明涉及电网安全技术领域，公开了一种面向用户的电网电压暂降严重度预测方法，包括以下步骤：步骤S1：建立数据库；步骤S2：计算预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据，根据受暂降影响综合数据对预测区域进行划分；步骤S3：计算划分出的区域的各次电压暂降严重程度；步骤S4：针对划分出的区域训练出用于预测对应区域电压暂降严重程度的BP神经网络模型；步骤S5：将天气信息数据输入对应BP神经网络模型内，BP神经网络模型输出对应区域电压暂降严重程度；本发明具有减少所得结果与实际情况存在的误差、保证电压暂降严重度预测结果准确度的优点的特点。

主权利要求：
1.一种面向用户的电网电压暂降严重度预测方法，其特征在于：包括以下步骤：步骤S1：建立数据库；
步骤S2：计算预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据，根据受暂降影响综合数据对预测区域进行划分；
所述步骤S2中计算预测区域内的用户暂降频次数据的计算公式为：其中，Ni代表用户暂降频次数据，i代表第i个用户，n代表发生的一次电压暂降；
所述步骤S2中计算预测区域内的用户暂降损失数据的计算公式为：其中，Ci代表用户暂降损失数据，i代表第i个节点，lossj代表第j个用户在本次电压暂降所遭受的经济损失；
所述步骤S2中计算预测区域内的受暂降影响综合数据的方法包括：利用主成分分析法，对用户暂降频次数据和用户暂降损失数据进行客观赋值，并根据受暂降影响综合数据的计算公式进行计算，受暂降影响综合数据的计算公式为：其中，Si代表受暂降影响综合数据，Ni代表用户暂降频次数据，Ci代表用户暂降损失数据， 代表Ni经主成分分析法客观赋值后的对应特征值， 代表Ci经主成分分析法客观赋值后的对应特征值；
步骤S3：计算划分出的区域的各次电压暂降严重程度；
所述步骤S3中计算划分出的区域的各次电压暂降严重程度的计算公式为：其中，Se代表各次电压暂降严重程度，U代表残余电压幅度标幺值，UCurve(d)代表电压暂降耐受曲线上与此次电压暂降持续时间相同为d的残余电压幅度大小；
步骤S4：针对划分出的区域训练出用于预测对应区域电压暂降严重程度的BP神经网络模型；
步骤S5：将天气信息数据输入对应BP神经网络模型内，BP神经网络模型输出对应区域电压暂降严重程度。
2.根据权利要求1所述的一种面向用户的电网电压暂降严重度预测方法，其特征在于：所述步骤S1中建立数据库的方法包括：从电能质量监测系统中获取历史各次电压暂降监测数据信息，并根据历史各次电压暂降监测数据获取预测区域内不同用户的电压暂降经济损失情况，之后从气象系统中获取暂降发生时刻的天气信息数据，包括天气情况、温度、湿度、风速、PM2.5数据，最后将以上数据共同录入数据库中。
3.根据权利要求1所述的一种面向用户的电网电压暂降严重度预测方法，其特征在于：所述步骤S2中根据受暂降影响综合数据对预测区域进行划分的方法包括：将计算所得受暂降影响综合数据Si按照从小到大顺序进行排列，之后采用分位数划分方式对预测区域进行划分，选择受暂降影响综合数据Si最大值的50%、85%为分位数，将受暂降影响综合数据Si为其最大值0～50%范围内所对应的区域划为轻微区域，将受暂降影响综合数据Si为其最大值
51～85%范围内所对应的区域划为中度区域，将受暂降影响综合数据Si为其最大值86～
100%范围内所对应的区域划为严重区域。
4.根据权利要求3所述的一种面向用户的电网电压暂降严重度预测方法，其特征在于：所述步骤S2中预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据的计算每月更新一次，并根据更新后所得的受暂降影响综合数据对预测区域进行重新划分。
5.根据权利要求1所述的一种面向用户的电网电压暂降严重度预测方法，其特征在于：所述步骤S4中建立BP神经网络模型的方法包括：选取数据库中天气信息数据进行标准化处理，标准化处理的计算公式为：*
其中，x 代表标准化后天气信息数据数据，x代表未标准化的天气信息数据，xmax代表未标准化的天气信息数据的最大值，xmin代表未标准化的天气信息数据的最小值；
之后选取标准化后的天气信息数据数据为BP神经网络输入数据，选取对应区域各次电压暂降严重程度Se作为对应BP神经网络输出数据，训练对应BP神经网络模型，训练完成后即可得到轻微区域BP神经网络模型、中度区域BP神经网络模型和严重区域BP神经网络模型。
6.根据权利要求5所述的一种面向用户的电网电压暂降严重度预测方法，其特征在于：所述步骤S3中各次电压暂降严重程度的计算和步骤S4中BP神经网络模型的训练每月更新一次。 说明书 : 一种面向用户的电网电压暂降严重度预测方法技术领域[0001] 本发明涉及电网安全技术领域，具体涉及一种面向用户的电网电压暂降严重度预测方法。背景技术[0002] 电压暂降是指工频电压有效值瞬时下降至额定电压的10％～90％，并持续10ms～1min。随着科学技术的不断发展，电网的不断壮大，微电子、芯片行业等高新技术行业的发展，越来越多电压暂降敏感设备接入电网，电压暂降已经成为现代工业用户面临的主要电能质量问题。电压暂降往往会使机器制造设备不正常工作或者停机，给工业生产造成极大的危害，同时给企业造成巨大的经济损失。每年电网公司收到由于电压暂降问题的投诉占所有电能质量问题的半数以上，而同时由电压暂降所带来的经济损失也是十分巨大的。因此，如何减小电压暂降损失已经成为工业界与学术界的热点。在这之中，准确有效的电压暂降严重度预测对于减小电压暂降所致损失具有十分重要的意义，电压暂降严重度预测对于企业用户而言可以提前发布信息，同时也可以为企业用户的暂降治理提供一定依据，对于减缓电压暂降影响是至关重要的。[0003] 目前电压暂降严重度计算对实际环境下的考虑较少，而电压暂降绝大多数都是由故障导致，故障中的大多数是由于天气原因所致，而目前大多数电压暂降严重度计算未考虑天气信息影响，导致所得结果与实际情况相差较大，影响了电压暂降严重度预测结果。发明内容[0004] 有鉴于此，本发明提供一种面向用户的电网电压暂降严重度预测方法。[0005] 为了解决上述技术问题，本发明的技术方案是：一种面向用户的电网电压暂降严重度预测方法，包括以下步骤：[0006] 步骤S1：建立数据库；[0007] 步骤S2：计算预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据，根据受暂降影响综合数据对预测区域进行划分；[0008] 步骤S3：计算划分出的区域的各次电压暂降严重程度；[0009] 步骤S4：针对划分出的区域训练出用于预测对应区域电压暂降严重程度的BP神经网络模型；[0010] 步骤S5：将天气信息数据输入对应BP神经网络模型内，BP神经网络模型输出对应区域电压暂降严重程度。[0011] 进一步的，所述步骤S1中建立数据库的方法包括：从电能质量监测系统中获取历史各次电压暂降监测数据信息，并根据历史各次电压暂降监测数据获取预测区域内不同用户的电压暂降经济损失情况，之后从气象系统中获取暂降发生时刻的天气信息数据，包括天气情况、温度、湿度、风速、PM2.5数据，最后将以上数据共同录入数据库中。[0012] 进一步的，所述步骤S2中计算预测区域内的用户暂降频次数据的计算公式为：[0013] Ni＝∑n[0014] 其中，Ni代表用户暂降频次数据，i代表第i个用户，n代表发生的一次电压暂降。[0015] 进一步的，所述步骤S2中计算预测区域内的用户暂降损失数据的计算公式为：[0016] Ci＝∑lossj[0017] 其中，Ci代表用户暂降损失数据，i代表第i个节点，lossj代表第j个用户在本次电压暂降所遭受的经济损失。[0018] 进一步的，所述步骤S2中计算预测区域内的受暂降影响综合数据的方法包括：利用主成分分析法，对用户暂降频次数据和用户暂降损失数据进行客观赋值，并根据受暂降影响综合数据的计算公式进行计算，受暂降影响综合数据的计算公式为：[0019][0020] 其中，Si代表受暂降影响综合数据，Ni代表用户暂降频次数据，Ci代表用户暂降损失数据， 代表Ni经主成分分析法客观赋值后的对应特征值， 代表Ci经主成分分析法客观赋值后的对应特征值。[0021] 进一步的，所述步骤S2中根据受暂降影响综合数据对预测区域进行划分的方法包括：将计算所得受暂降影响综合数据Si按照从小到大顺序进行排列，之后采用分位数划分方式对预测区域进行划分，选择受暂降影响综合数据Si最大值的50％、85％为分位数，将受暂降影响综合数据Si为其最大值0～50％范围内所对应的区域划为轻微区域，将受暂降影响综合数据Si为其最大值51～85％范围内所对应的区域划为中度区域，将受暂降影响综合数据Si为其最大值86～100％范围内所对应的区域划为严重区域。[0022] 进一步的，所述步骤S2中预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据的计算每月更新一次，并根据更新后所得的受暂降影响综合数据对预测区域进行重新划分。[0023] 进一步的，所述步骤S3中计算划分出的区域的各次电压暂降严重程度的计算公式为：[0024][0025] 其中，Se代表各次电压暂降严重程度，U代表残余电压幅度标幺值，UCurve(d)代表电压暂降耐受曲线上与此次电压暂降持续时间相同为d的残余电压幅度大小。[0026] 进一步的，所述步骤S4中建立BP神经网络模型的方法包括：选取数据库中天气信息数据进行标准化处理，标准化处理的计算公式为：[0027][0028] 其中，x*代表标准化后天气信息数据数据，x代表未标准化的天气信息数据，xmax代表未标准化的天气信息数据的最大值，xmin代表未标准化的天气信息数据的最小值；[0029] 之后选取标准化后的天气信息数据数据为BP神经网络输入数据，选取对应区域各次电压暂降严重程度Se作为对应BP神经网络输出数据，训练对应BP神经网络模型，训练完成后即可得到轻微区域BP神经网络模型、中度区域BP神经网络模型和严重区域BP神经网络模型。[0030] 进一步的，所述步骤S3中各次电压暂降严重程度的计算和步骤S4中BP神经网络模型的训练每月更新一次。[0031] 较之现有技术，本发明的优点在于：[0032] 本发明提供一种面向用户的电网电压暂降严重度预测方法，通过收集天气信息数据，根据计算出的受暂降影响综合数据对预测区域进行划分，建立对应预测区域的BP神经网络模型，通过将天气信息数据和计算出的各次电压暂降严重程度数据输入BP神经网络模型内进行BP神经网络模型的训练，使得训练完成后的BP神经网络模型能够对对应区域的电压暂降严重程度进行预测，之后根据用户所在区域，将天气信息数据输入对应区域的BP神经网络模型内，即可获知对应区域的电压暂降严重程度，相较于现有技术，将天气信息作为区域电压暂降严重度预测的因子，具有减少所得结果与实际情况存在的误差、保证电压暂降严重度预测结果准确度的优点。附图说明[0033] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0034] 图1为本发明的流程示意图。具体实施方式[0035] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。[0036] 实施例：请参照图1，本发明提供一种面向用户的电网电压暂降严重度预测方法，包括以下步骤：[0037] 步骤S1：建立数据库，建立数据库的方法包括：从外部电网的电能质量监测系统中获取历史各次电压暂降监测数据信息，并根据历史各次电压暂降监测数据获取预测区域内不同用户的电压暂降经济损失情况，之后从气象系统中获取暂降发生时刻的天气信息数据，包括天气情况、温度、湿度、风速、PM2.5数据，最后将以上数据共同录入数据库中。[0038] 步骤S2：计算预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据，计算预测区域内的用户暂降频次数据的计算公式为：[0039] Ni＝∑n[0040] 其中，Ni代表用户暂降频次数据，i代表第i个用户，n代表发生的一次电压暂降；[0041] 计算预测区域内的用户暂降损失数据的计算公式为：[0042] Ci＝∑lossj[0043] 其中，Ci代表用户暂降损失数据，i代表第i个节点，lossj代表第j个用户在本次电压暂降所遭受的经济损失；[0044] 计算预测区域内的受暂降影响综合数据的方法包括：利用主成分分析法，对用户暂降频次数据和用户暂降损失数据进行客观赋值，并根据受暂降影响综合数据的计算公式进行计算，受暂降影响综合数据的计算公式为：[0045][0046] 其中，Si代表受暂降影响综合数据，Ni代表用户暂降频次数据，Ci代表用户暂降损失数据， 代表Ni经主成分分析法客观赋值后的对应特征值， 代表Ci经主成分分析法客观赋值后的对应特征值；[0047] 之后根据受暂降影响综合数据对预测区域进行划分，将计算所得受暂降影响综合数据Si按照从小到大顺序进行排列，之后采用分位数划分方式对预测区域进行划分，选择受暂降影响综合数据Si最大值的50％和85％作为分位数，将受暂降影响综合数据Si为其最大值0～50％范围内所对应的区域划为轻微区域，将受暂降影响综合数据Si为其最大值51～85％范围内所对应的区域划为中度区域，将受暂降影响综合数据Si为其最大值86～100％范围内所对应的区域划为严重区域；[0048] 同时，为提高预测准确程度，预测区域内的用户暂降频次数据、用户暂降损失数据及受暂降影响综合数据的计算每月根据最新数据进行重新计算以进行更新，并根据更新后所得的受暂降影响综合数据对预测区域进行重新划分，以此保证所划分区域接近实际工作情况，从而提高预测准确程度。[0049] 步骤S3：计算轻微区域、中度区域和严重区域的各次电压暂降严重程度，各次电压暂降严重程度的计算公式为：[0050][0051] 其中，Se代表各次电压暂降严重程度，U代表残余电压幅度标幺值，U为通过现有技术中的电能质量监测装置监测数据库中的历史各次电压暂降监测数据得到，UCurve(d)代表电压暂降耐受曲线上与此次电压暂降持续时间相同为d的残余电压幅度大小，UCurve(d)通过现有技术中的电压暂降耐受能力测试实验后得到；由于U和UCurve(d)的获取手段均为现有技术中常见的技术手段，因此，不进行过多描述。[0052] 步骤S4：针对划分出轻微区域、中度区域和严重区域训练出3个用于预测对应区域电压暂降严重程度的BP神经网络模型；BP神经网络模型的训练方法包括：[0053] 选取数据库中天气信息数据进行标准化处理，标准化处理的计算公式为：[0054][0055] 其中，x*代表标准化后天气信息数据数据，x代表未标准化的天气信息数据，xmax代表未标准化的天气信息数据的最大值，xmin代表未标准化的天气信息数据的最小值；[0056] 之后选取标准化后的天气信息数据数据为BP神经网络输入数据，选取轻微区域的各次电压暂降严重程度Se作为轻微区域BP神经网络的输出数据，选取中度区域的各次电压暂降严重程度Se作为中度区域BP神经网络的输出数据，选取严重区域的各次电压暂降严重程度Se作为严重区域BP神经网络的输出数据，以此训练轻微区域、中度区域和严重区域BP神经网络模型，训练完成后即可得到轻微区域BP神经网络模型、中度区域BP神经网络模型和严重区域BP神经网络模型；[0057] 同时，为提高预测准确程度，各次电压暂降严重程度的计算和轻微区域BP神经网络模型的训练、中度区域BP神经网络模型的训练和严重区域BP神经网络模型的训练每月根据最新数据进行重新计算以进行更新，以此实现对BP神经网络模型的更新，进而保证BP神经网络模型输出的电压暂降严重度预测结果的准确性。[0058] 步骤S5：根据各用户所在区域，将天气信息数据输入对应BP神经网络模型内，即如用户所在区域为轻微区域，则将用户所在区域的天气信息数据输入轻微区域BP神经网络模型中，如用户所在区域为中度区域，则将用户所在区域的天气信息数据输入中度区域BP神经网络模型中，如用户所在区域为严重区域，则将用户所在区域的天气信息数据输入严重区域BP神经网络模型中；对应BP神经网络模型根据输入的天气信息数据便可输出对应区域电压暂降严重程度，输出的电压暂降严重程度越大则表示电压暂降越严重，用户可根据电压暂降严重程度的大小指定合理措施，以此来有效减小电压暂降带来的损失。[0059] 以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围之内。

专利地区：福建

专利申请日期：2021-11-24

专利公开日期：2024-09-27

专利公告号：2024-09-27