一种基于停电态势分析的事件影响评估调控方法及系统
文献发布时间:2024-04-18 19:52:40
技术领域
本发明涉及停电监测技术领域,具体为一种基于停电态势分析的事件影响评估调控方法及系统。
背景技术
近年来,随着我国国民经济的迅猛发展,工业、商业、日常生活用电逐年增加。如何让用户能够安全可靠的用电,一直备受电网企业的关注。一旦发生停电,不仅直接造成用电用户的生活不便,还会造成经济损失,同时也给电网带来一定的负面影响。
目前停电服务未甄别停电事件的风险等级及敏感性,无法有效对停电的重大,超长、敏感、大面积等事件进行预警,不能及时调配客户服务资源,停电处理过程缺乏跟踪管控,所以,仍需要通过对停电全面监测分析,以及停电事件触发预警处理机制,才能更加及时组织客户服务应急响应,提高客户服务体验,提升客户服务水平。
发明内容
针对上述现有技术的不足,本发明旨在提供一种基于停电态势分析的事件影响评估调控方法及系统,以解决目前对停电风险监测预警的不足。
为了解决上述问题,本发明采用了如下的技术方案:
一方面,本发明提供一种基于停电态势分析的事件影响评估调控方法,包括:
以小区为基本单位,基于深度神经网络预测评估得出各待估小区停电态势;
基于深度神经网络预测评估得出的各待估小区停电态势,结合小区的用户数量、影响区域及范围和所在小区重要客户信息并设置权重,并基于瓦片地图构建各待估小区停电态势图;
基于所述各待估小区停电态势图构建停电事件影响评估模型,将历史停电事件及影响结果、预警方案、停电事件处理方案和专家针对停电事件制定的标准方案导入所述停电事件影响评估模型,基于所述停电事件影响评估模型评估各待估小区的停电事件影响等级,并匹配接近的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
进一步,还包括小区客户与小区进行匹配:构建4级地址信息库,形成包括省、市、区县、小区的四级地址关系,并根据小区名称建立索引;使用自然语言处理技术,结合BM25算法,将全网用点客户地址代入到地址信息索引中,识别出客户户号、用点地址;
进一步,所述以小区为基本单位,基于深度神经网络预测评估各小区停电态势,包括:
根据各待估小区历史的极限传输指标、节点承受指标、电压扰动指标、频率偏移指标、功角稳定性指标、节点电压偏移指标、变压器负载率、系统负载率、N-1越限数指标、月份指标和小区地域指标,输入训练深度神经网络预测评估模型,并基于深度神经网络预测评估模型预测评估各待估小区停电态势。
具体的,所述极限传输指标P为:
其中,F
所述节点承受指标Q为:
其中,q
所述电压扰动指标V为:
其中,U
所述频率偏移指标为故障后引起的发电机频率的偏移;
所述功角稳定性指标为故障后引起的发电机功角的偏移;
所述节点电压偏移指标ΔU为:
其中,U
所述变压器负载率Z为:
其中,C为变压器的个数,F
所述系统负载率G为:
其中,F
所述N-1越限数指标N
N
其中,X
所述月份指标为每月占总月数的停电几率;
所述小区地域指标为小区地域占全国地域的停电占比,根据小区地域属于全国地域中的哪块地域,确定小区地域指标。
进一步,所述基于停电事件影响评估模型评估各待估小区的停电事件影响等级,包括:
根据所述各待估小区停电态势以及小区的用户数量、影响区域及范围和所在小区重要客户信息,基于相似性匹配历史停电事件中最相似的历史停电事件,并根据所述最相似的历史停电事件对应的影响结果得出小区的停电事件影响等级。
具体的,所在小区重要客户信息包括重点客户数量、重点客户性质等,重点客户性质为为居民小区、办公小区、商场、政府机关、工厂等。
进一步,所述并匹配接近的预警方案、停电事件处理方案、专家针对停电事件制定的标准方案作为待估小区的应急处理方案,包括:
根据所述最相似的历史停电事件,查找其对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案;若所述最相似的历史停电事件无对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案,则以所述最相似的历史停电事件降序查找相似的历史停电事件,将所述相似的历史停电事件对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
另一方面,本发明提供一种基于停电态势分析的事件影响评估调控系统,包括停电态势评估模块、停电态势图构建模块和影响等级及应急方案推荐模块;
所述停电态势评估模块,用于以小区为基本单位,基于深度神经网络得出各待估小区停电态势;
所述停电态势图构建模块,用于基于深度神经网络预测评估得出的各待估小区停电态势,结合小区的用户数量、影响区域及范围和所在小区重要客户信息设置权重,并基于瓦片地图构建各待估小区停电态势图;
所述影响等级及应急方案推荐模块,用于基于各待估小区停电态势图构建停电事件影响评估模型,将历史停电事件及影响结果、预警方案、停电事件处理方案和专家针对停电事件制定的标准方案导入停电事件影响评估模型,基于停电事件影响评估模型评估各待估小区的停电事件影响等级,并匹配接近的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
进一步,所述停电态势评估模块包括深度神经网络预测评估模型构建单元和停电态势预测单元;
所述深度神经网络预测评估模型构建单元,用于根据各待估小区历史的极限传输指标、节点承受指标、电压扰动指标、频率偏移指标、功角稳定性指标、节点电压偏移指标、变压器负载率、系统负载率、N-1越限数指标、月份指标和小区地域指标,输入训练深度神经网络预测评估模型;
所述停电态势预测单元,用于基于深度神经网络预测评估模型预测评估各待估小区停电态势。
具体的,所述极限传输指标P为:
其中,F
所述节点承受指标Q为:
其中,q
所述电压扰动指标V为:
其中,U
所述节点电压偏移指标ΔU为:
其中,U
所述变压器负载率Z为:
其中,C为变压器的个数,F
所述系统负载率G为:
其中,F
所述N-1越限数指标N
N
其中,X
进一步,所述影响等级及应急方案推荐模块包括影响等级评估单元;
所述影响等级评估单元,用于根据所述各待估小区停电态势以及小区的用户数量、影响区域及范围和所在小区重要客户信息,基于相似性匹配历史停电事件中最相似的历史停电事件,并根据所述最相似的历史停电事件对应的影响结果得出小区的停电事件影响等级。
进一步,所述影响等级及应急方案推荐模块包括应急方案推荐单元;
所述应急方案推荐单元,用于根据所述最相似的历史停电事件,查找其对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案;若所述最相似的历史停电事件无对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案,则以所述最相似的历史停电事件降序查找相似的历史停电事件,将所述相似的历史停电事件对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
本发明的有益效果在于:本发明提供一种基于停电态势分析的事件影响评估调控方法及系统,通过深度神经网络预测小区的停电风险情况,实现停电风险预测;并且根据小区的用户数量、小区的区域位置以及规模以及小区内重要客户数据,构建了瓦片地图,形成直观的停电态势图,便于对区域内停电小区进行直观监测;并建立停电事件影响评估模型,对该小区停电后的影响结果进行判定,评估停电后果,并预先匹配合适的应急处理方案,供处理人员参考,实现对停电事件全面掌控。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明实施例一种基于停电态势分析的事件影响评估调控方法流程示意图。
图2为本发明实施例一种基于停电态势分析的事件影响评估调控系统示意图。
具体实施方式
下面结合具体实施例对本发明作进一步的详细说明。
需要说明的是,这些实施例仅用于说明本发明,而不是对本发明的限制,在本发明的构思前提下本方法的简单改进,都属于本发明要求保护的范围。
参见图1,为一种基于停电态势分析的事件影响评估调控方法,包括:
S1、以小区为基本单位,基于深度神经网络预测评估得出各待估小区停电态势。
作为一种可实施方式,步骤S1包括小区客户与小区进行匹配:构建4级地址信息库,形成包括省、市、区县、小区的四级地址关系,并根据小区名称建立索引;使用自然语言处理技术,结合BM25算法,将全网用点客户地址代入到地址信息索引中,识别出客户户号、用点地址等。
作为一种可实施方式,步骤S1包括:根据各待估小区历史的极限传输指标、节点承受指标、电压扰动指标、频率偏移指标、功角稳定性指标、节点电压偏移指标、变压器负载率、系统负载率、N-1越限数指标、月份指标和小区地域指标,输入训练深度神经网络预测评估模型,并基于深度神经网络预测评估模型预测评估各待估小区停电态势。
深度神经网络预测评估模型包括卷积层、池化层和全连接层,输入端是卷积层和池化层交替堆叠的结构,为了对输入数据进行自动的高维特征提取,在全连接层将特征数据进行计算,得到最终输出的预测值。
将X种类型的数据分为X个通道,用X个卷积网络分别提取特征,比如极限传输指标进入第一个卷积网络做二维卷积提取特征,节点承受指标进入第二个卷积网络提取特征等,数据经过X个通道提取了不同层次不同类型的特征,然后将这些特征平铺,成为一维向量;卷积网络并行计算,提取到的特征一起输入到全连接网络中,进而计算得到预测值。
其中卷积层的输入是一个二维数据矩阵,表示为x
其中,
(w*x)
采用ReLU函数作为卷积层的激活函数,卷积层第k个卷积核的输出
池化层在卷积层之后,采用最大池化法,对卷积层输出的二维特征数据划分为多个n*n的子区域,每个区域取最大一个值作为输出。
在卷积层和池化层之后,是相邻两层之间的神经元两两之间都有互相连接权重的全连接层,将卷积层和池化层输出的特征映射作为输入,学习一个高阶函数,最终计算得到预测结果;首先将网络生成的多个二维数据矩阵平铺成一维向量,然后进入基层包含多个神经元的全连接网络,神经元的激活函数选择ReLU,第l层全连接层的计算如下:
最后一层,只有一个节点,为整个网络的输出节点,激活函数为linear,计算如下:
采用反向传播法和广义delta规则对深度神经网络进行训练:
S1选用合适的值初始化权重,将极限传输指标、节点承受指标、电压扰动指标、频率偏移指标、功角稳定性指标、节点电压偏移指标、变压器负载率、系统负载率、N-1越限数指标、月份指标和小区地域指标数据输入深度神经网络,进行逐层训练学习,获得深度神经网络的输出;
S2计算输出与实际值之间的误差,采用广义delta规则对权重进行学习,计算输出节点;
S3根据输出节点,计算相邻节点;
S4重复S3,直到输入层右边紧邻的隐含层,并根据广义delta规则调整权重:
S5对每个训练数据点重复步骤S2-S4;
S6重复S2-S5,知道深度神经网络得到合适训练,输出大电网的安全态势风险预测值。
其中,极限传输指标P为:
其中,F
节点承受指标Q为:
其中,q
电压扰动指标V为:
其中,U
频率偏移指标为故障后引起的发电机频率的偏移;
功角稳定性指标为故障后引起的发电机功角的偏移;
节点电压偏移指标ΔU为:
其中,U
变压器负载率Z为:
其中,C为变压器的个数,F
系统负载率G为:
其中,F
N-1越限数指标N
N
其中,X
月份指标为每月占总月数的停电几率;
小区地域指标为小区地域占全国地域的停电占比,根据小区地域属于全国地域中的哪块地域,确定小区地域指标。
S2、基于深度神经网络预测评估得出的各待估小区停电态势,结合小区的用户数量、影响区域及范围和所在小区重要客户信息并设置权重,并基于瓦片地图构建各待估小区停电态势图。
所在小区重要客户信息包括重点客户数量、重点客户性质等,重点客户性质为为居民小区、办公小区、商场、政府机关、工厂等。
瓦片地图是一种金字塔模型为基础的分辨率切割形式,可以降低计算成本。最前面的是比例尺最小的“瓦片”,该“瓦片”覆盖的地理范围不变,但将分辨率提高,得到对应的下一层“瓦片”,最后的“瓦片”比例尺最大,分辨率最高。“瓦片”的各级模型采用数据库形式进行储存,将“瓦片”按照其层级及对应的行列号进行组织。矢量瓦片数据可以定义坐标系、投影方式、标号方案等,大地坐标系使用WGS-84,投影方式为正轴等角圆柱投影。基于瓦片地图构建待估小区停电态势图可以直观查看各待估小区的停电预测态势,并清晰知晓各小区地理位置,方便对小区停电进行监测。
S3、基于各待估小区停电态势图构建停电事件影响评估模型,将历史停电事件及影响结果、预警方案、停电事件处理方案和专家针对停电事件制定的标准方案导入停电事件影响评估模型,基于停电事件影响评估模型评估各待估小区的停电事件影响等级,并匹配接近的预警方案、停电事件处理方案和专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
作为一种可实施方式,步骤S3中基于停电事件影响评估模型评估各待估小区的停电事件影响等级,包括:
根据待估小区的用户数量、影响区域及范围和所在小区重要客户信息,基于相似性匹配历史停电事件中最相似的历史停电事件,并根据最相似的历史停电事件对应的影响结果得出待估小区的停电事件影响等级;
计算该小区用户数量、影响区域及范围和所在小区重要客户信息与历史停电事件中的小区用户数量、影响区域及范围和所在小区重要客户信息的分别占比,将该分别占比与对应的权重相乘后求和,其和最大的历史事件为最相似的历史停电事件,根据最相似的历史停电事件的影响结果,可以将影响结果划分为0-1之间的数,其值越大,影响结果越严重,根据最相似的历史停电事件的影响结果与求得的和的乘积,确定该小区停电事件的影响等级。
作为一种可实施方式,步骤S3中所述并匹配接近的预警方案、停电事件处理方案、专家针对停电事件制定的标准方案作为待估小区的应急处理方案,包括:
根据所述最相似的历史停电事件,查找其对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案;若所述最相似的历史停电事件无对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案,则以所述最相似的历史停电事件降序查找相似的历史停电事件,将所述相似的历史停电事件对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
参见图2,为一种基于停电态势分析的事件影响评估调控系统,包括停电态势评估模块10、停电态势图构建模块20和影响等级及应急方案推荐模块30;
停电态势评估模块10,用于以小区为基本单位,基于深度神经网络得出各待估小区停电态势;
停电态势图构建模块20,用于基于深度神经网络预测评估得出的各待估小区停电态势,结合小区的用户数量、影响区域及范围和所在小区重要客户信息设置权重,并基于瓦片地图构建各待估小区停电态势图;
影响等级及应急方案推荐模块30,用于基于各待估小区停电态势图构建停电事件影响评估模型,将历史停电事件及影响结果、预警方案、停电事件处理方案和专家针对停电事件制定的标准方案导入停电事件影响评估模型,基于停电事件影响评估模型评估各待估小区的停电事件影响等级,并匹配接近的预警方案、停电事件处理方案、专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
作为一种可实施方式,停电态势评估模块10包括深度神经网络预测评估模型构建单元11和停电态势预测单元12;
深度神经网络预测评估模型构建单元11,用于根据各待估小区历史的极限传输指标、节点承受指标、电压扰动指标、频率偏移指标、功角稳定性指标、节点电压偏移指标、变压器负载率、系统负载率、N-1越限数指标、月份指标和小区地域指标,输入训练深度神经网络预测评估模型;
停电态势预测单元12,用于基于深度神经网络预测评估模型预测评估各待估小区停电态势。
其中,极限传输指标P为:
其中,F
节点承受指标Q为:
其中,q
电压扰动指标V为:
/>
其中,U
节点电压偏移指标ΔU为:
其中,U
变压器负载率Z为:
其中,C为变压器的个数,F
系统负载率G为:
其中,F
N-1越限数指标N
N
其中,X
作为一种可实施方式,影响等级及应急方案推荐模块30包括影响等级评估单元31;
影响等级评估单元31,用于根据各待估小区停电态势以及小区的用户数量、影响区域及范围和所在小区重要客户信息,基于相似性匹配历史停电事件中最相似的历史停电事件,并根据最相似的历史停电事件对应的影响结果得出小区的停电事件影响等级。
作为一种可实施方式,影响等级及应急方案推荐模块30包括应急方案推荐单元32;
应急方案推荐单元32,用于根据所述最相似的历史停电事件,查找其对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案;若所述最相似的历史停电事件无对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案,则以所述最相似的历史停电事件降序查找相似的历史停电事件,将所述相似的历史停电事件对应的预警方案、停电事件处理方案和/或专家针对停电事件制定的标准方案作为待估小区的应急处理方案。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。