一种确定变电站的负荷元件的构成的方法和系统

技术领域

本发明涉及电力系统数据分析领域，并且更具体地，涉及一种确定变电站的负荷元件的构成的方法和系统。

背景技术

智能电网的建设和发展对电力系统实时仿真计算分析的准确性提出了更高的要求。为适应智能电网运行与控制要求，电力系统安全稳定分析需要能够更加准确地反映电网实际特性的动态模型参数，负荷模型是最关键的仿真模型之一。然而，由于负荷节点本身的地域分散性和随机时变性等原因，使确定各负荷节点的负荷元件的构成，获得合理描述各负荷节点的综合负荷模型较为困难，从而使得其成为影响电力系统仿真准确度提高的重要因素。近年来随着国内外负荷建模研究工作的迅速发展，研究人员提出了采用多种测量手段确定电网中各负荷节点的负荷元件的构成以进行负荷建模，其中之一为基于调查统计的统计综合负荷建模法。但是，所述基于调查统计的方法在实际应用中面临两大难题：一是调查统计花费的时间及人力巨大，况且由于众多条件的局限，很难保证调查结果的准确性；二是用电行业的负荷构成及变电站的用电行业构成调查只能是静止的，实际综合负荷的构成特性则随时间变化且具有随机性，基于调查统计所得结果很难反映其随时间变化的特点，无法考虑负荷时变性，难以准确模拟负荷的动态过程。

发明内容

为了解决现有技术中基于调查统计的方法进行确定各负荷节点的负荷元件的构成时花费时间和人力巨大，又无法保证结果的准确性，以及无法考虑负荷随时间变化的技术问题，本发明提供一种确定变电站的负荷元件的构成的方法，所述方法包括：

采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据；

根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率；

根据所述营销负荷分类数据，以及预先建立的负荷分类映射表确定所述变电站主变侧出线线路的线路负荷分类；

根据所述线路负荷分类和预先建立的负荷元件构成成分映射表确定第一负荷元件构成；

根据所述有功功率和第一负荷元件构成确定第二负荷元件构成。

进一步地，在采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据之前还包括：

采集变电站主变侧出线线路中的营销负荷分类历史数据作为第一历史数据，并采集变电站主变侧出线线路在不同负荷使用季节的负荷元件类型和负荷元件占所述出线线路的全部负荷元件的比例作为第二历史数据；

按照设置的线路负荷类型和所述第一历史数据，建立反映主变侧出线线路负荷的营销负荷分类与线路负荷类型对应关系的负荷分类映射表；

基于所述第二历史数据和所述负荷分类映射表中的负荷分类，采用深度学习算法建立反映主变侧出线线路的负荷分类与不同负荷使用季节的负荷元件的构成成分对应关系的负荷元件构成成分映射表。

进一步地，所述方法还包括：

更新变电站主变侧出线线路的第一历史数据，并基于所述更新后的第一历史数据建立反映主变侧出线线路负荷的营销负荷分类与负荷类型对应关系的更新后的负荷分类映射表；以及更新变电站主变侧出线线路的第二历史数据，并根据所述更新后的第二历史数据和更新后的分类映射表中的负荷分类建立反映主变侧出线线路负荷分类与负荷元件的构成成分对应关系的更新后的负荷元件构成成分映射表。

进一步地，所述采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据包括：

基于智能电网调度系统和配电自动化系统采集电网中每个变电站主变侧出线线路的电压

基于电网营销业务系统采集电网中的营销负荷分类数据。

进一步地，所述根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率，其计算公式为：

式中，

进一步地，根据所述有功功率和第一负荷元件构成确定第二负荷元件构成包括：

将第一负荷元件构成中的第一负荷元件类型作为第二负荷元件构成中的第二负荷元件类型，其表达式为：

式中，

根据所述有功功率和第一负荷元件构成中的第一负荷元件比例确定第二负荷元件构成中的第二负荷元件比例，其中，所述第一负荷元件比例为第一负荷元件类型中的每种类型的负荷元件在所述出线线路的全部负荷元件中的比例，所述第二负荷元件比例为第二负荷元件类型中的每种类型的负荷元件占所述变电站中全部负荷元件的比例，所述第二负荷元件比例的计算公式为：

式中，

根据本发明的另一方面，本发明提供一种确定变电站的负荷元件的构成的系统，所述系统包括：

数据采集单元，其用于采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据；

功率计算单元，其用于根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率；

负荷分类单元，其用于根据所述营销负荷分类数据，以及预先建立的负荷分类映射表确定所述变电站主变侧出线线路的线路负荷分类；

第一构成单元，其用于根据所述线路负荷分类和预先建立的负荷元件构成成分映射表确定第一负荷元件构成；

第二构成单元，其用于根据所述有功功率和第一负荷元件构成确定第二负荷元件构成。

进一步地，所述系统还包括：

历史数据单元，其用于采集变电站主变侧出线线路中的营销负荷分类历史数据作为第一历史数据，并采集变电站主变侧出线线路在不同负荷使用季节的负荷元件类型和负荷元件占所述出线线路的全部负荷元件的比例作为第二历史数据；

第一映射表单元，其用于按照设置的线路负荷类型和所述第一历史数据，建立反映主变侧出线线路负荷的营销负荷分类与线路负荷类型对应关系的负荷分类映射表；

第二映射表单元，其用于基于所述第二历史数据和所述负荷分类映射表中的负荷分类，采用深度学习算法建立反映主变侧出线线路的负荷分类与不同负荷使用季节的负荷元件的构成成分对应关系的负荷元件构成成分映射表。

进一步地，所述系统还包括：

系统更新单元，其用于更新变电站主变侧出线线路的第一历史数据，并基于所述更新后的第一历史数据建立反映主变侧出线线路负荷的营销负荷分类与负荷类型对应关系的更新后的负荷分类映射表；以及更新变电站主变侧出线线路的第二历史数据，并根据所述更新后的第二历史数据和更新后的分类映射表中的负荷分类建立反映主变侧出线线路负荷分类与负荷元件的构成成分对应关系的更新后的负荷元件构成成分映射表。

进一步地，所述数据采集单元包括：

第一采集单元，其用于基于智能电网调度系统和配电自动化系统采集电网中每个变电站主变侧出线线路的电压

第二采集单元，其用于基于电网营销业务系统采集电网中的营销负荷分类数据。

进一步地，所述功率计算单元根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率，其计算公式为：

式中，

进一步地，所述第二构成单元包括：

第二类型单元，其用于将第一负荷元件构成中的第一负荷元件类型作为第二负荷元件构成中的第二负荷元件类型，其表达式为：

式中，

第二比例单元，其用于根据所述有功功率和第一负荷元件构成中的第一负荷元件比例确定第二负荷元件构成中的第二负荷元件比例，其中，所述第一负荷元件比例为第一负荷元件类型中的每种类型的负荷元件在所述出线线路的全部负荷元件中的比例，所述第二负荷元件比例为第二负荷元件类型中的每种类型的负荷元件占所述变电站中全部负荷元件的比例，所述第二负荷元件比例的计算公式为：

式中，

本发明技术方案提供的确定变电站的负荷元件的构成的方法和系统通过采集电网中第一历史数据和第二历史数据，并基于设置的线路负荷类弄和第一历史数据建立反映主变侧出线线路负荷的营销负荷分类与线路负荷类型对应关系的负荷分类映射表，基于第二历史数据和所述负荷分类映射表中的负荷分类，采用深度学习算法建立反映主变侧出线线路的负荷分类与不同负荷使用季节的负荷元件的构成成分对应关系的负荷元件构成成分映射表；然后采集电网中变电站的主变侧出线线路的电压、电流和功率因数以确定线路有功功率，采集电网中的营销负荷分类数据，并结合所述负荷分类映射表和负荷元件构成成分映射表确定变电站的负荷元件的构成。本发明所述的确定变电站的负荷元件的构成的方法和系统通过设置的线路负荷类型，建立反映营销负荷分类数据和线路负荷类型的负荷分类映射表，然后基于大数据技术，对各变电站的负荷元件（用电设备）信息进行采集并采用人工智能算法进行挖掘分析，确定变电站主变侧出线线路的负荷元件类型和比例，生成负荷元件构成成分映射表，在此基础上，结合实时采集的变电站主变侧出线线路实时数据对变电站的负荷元件构成进行智能匹配，从而为负荷建模提供了精确的负荷元件数据，提高了电力系统仿真的准确度。

附图说明

通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：

图1为根据本发明优选实施方式的确定变电站的负荷元件的构成的方法的流程图；

图2为根据本发明优选实施方式的确定变电站的负荷元件的构成的系统的结构示意图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

图1为根据本发明优选实施方式的确定变电站的负荷元件的构成的方法的流程图。如图1所示，本优选实施方式所述的确定变电站的负荷元件的构成的方法100从步骤101开始。

在步骤101，采集变电站主变侧出线线路中的营销负荷分类历史数据作为第一历史数据，并采集变电站主变侧出线线路在不同负荷使用季节的负荷元件类型和负荷元件占所述出线线路的全部负荷元件的比例作为第二历史数据。

在步骤102，按照设置的线路负荷类型和所述第一历史数据，建立反映主变侧出线线路负荷的营销负荷分类与线路负荷类型对应关系的负荷分类映射表。

电网营销业务中的营销负荷分类比较复杂，从用户所属行业，用电用途，用户性质多个角度构建，造成其分类数量庞大，为负荷建模造成了巨大的难度。本发明中，按照建模的需求，将负荷先分为工业类、农业类和居民类三大类，然后针对每一个大类再划分具体的负荷子类型，通过建立负荷分类映射表，实现营销负荷分类与负荷站点出线线路的自动匹配。表1为负荷分类映射表的节选。

表1 负荷分类映射表节选

如表1所示，通过将大量的营销负荷分类按照其行业性质，将其划分为相同的负荷分类，大大简化了负荷分类的复杂性，但同时，对于同一个在的负荷分类下的不同情况，又进行了进一步的细分，例如工业负荷又细分为制造业、电力、建筑业、交通运输等，保证了建模时负荷的多样性，提高了建模的准确度。

在步骤103，基于所述第二历史数据和所述负荷分类映射表中的负荷分类，采用深度学习算法建立反映主变侧出线线路的负荷分类与不同负荷使用季节的负荷元件的构成成分对应关系的负荷元件构成成分映射表。表2为负荷元件构成成分映射表节选。

表2 负荷元件构成成分映射表节选

如表2所示，对于负荷分类为普通商业居民负荷，细分类为普通商业居民用电的，根据不同的季节，列出了用电设备的类型，以及用电设备的占比，从而能够根据负荷站点的线路负荷类型，自动匹配用电设备类型和占比。

在步骤104，采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据。

在步骤105，根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率。

在步骤106，根据所述营销负荷分类数据，以及预先建立的负荷分类映射表确定所述变电站主变侧出线线路的线路负荷分类。

在步骤107，根据所述线路负荷分类和预先建立的负荷元件构成成分映射表确定第一负荷元件构成。

在步骤108，根据所述有功功率和第一负荷元件构成确定第二负荷元件构成。

在步骤109，更新变电站主变侧出线线路的第一历史数据，并基于所述更新后的第一历史数据建立反映主变侧出线线路负荷的营销负荷分类与负荷类型对应关系的更新后的负荷分类映射表；以及更新变电站主变侧出线线路的第二历史数据，并根据所述更新后的第二历史数据和更新后的分类映射表中的负荷分类建立反映主变侧出线线路负荷分类与负荷元件的构成成分对应关系的更新后的负荷元件构成成分映射表。

基于调查统计的方法建立适应于实际电网的负荷模型的流程相当烦琐，需要前期调研，确定负荷建模工作覆盖的电网范围，在所述范围内对负荷站点的负荷构成普查，通过整理普查数据，确定变电站主变侧线路负荷类型，再选择典型负荷站点，对其线路的负荷元件构成进行详细调查，而这种调查很多时候为了节省时间和精力，也只是抽样的调查，从而造成数据可能存在较大误差，而且调查的都是历史数据，不能及时反映电网的实际变化。通过建立大数据平台，各配电网的变电站能及时对负荷的变化进行反馈，从而能够保证负荷元件的构成具有时变性，能更加及时准确地反映负荷站点的真实负荷构成，从而为在线建立负荷模型提供了准确的数据来源。

优选地，所述采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据包括：

基于智能电网调度系统和配电自动化系统采集电网中每个变电站主变侧出线线路的电压

基于电网营销业务系统采集电网中的营销负荷分类数据。

优选地，所述根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率，其计算公式为：

式中，

优选地，根据所述有功功率和第一负荷元件构成确定第二负荷元件构成包括：

将第一负荷元件构成中的第一负荷元件类型作为第二负荷元件构成中的第二负荷元件类型，其表达式为：

式中，

根据所述有功功率和第一负荷元件构成中的第一负荷元件比例确定第二负荷元件构成中的第二负荷元件比例，其中，所述第一负荷元件比例为第一负荷元件类型中的每种类型的负荷元件在所述出线线路的全部负荷元件中的比例，所述第二负荷元件比例为第二负荷元件类型中的每种类型的负荷元件占所述变电站中全部负荷元件的比例，所述第二负荷元件比例的计算公式为：

式中，

图2为根据本发明优选实施方式的确定变电站的负荷元件的构成的系统的结构示意图。如图2所示，本优选实施方式所述的确定变电站的负荷元件的构成的系统200包括：

历史数据单元201，其用于采集变电站主变侧出线线路中的营销负荷分类历史数据作为第一历史数据，并采集变电站主变侧出线线路在不同负荷使用季节的负荷元件类型和负荷元件占所述出线线路的全部负荷元件的比例作为第二历史数据。

第一映射表单元202，其用于按照设置的线路负荷类型和所述第一历史数据，建立反映主变侧出线线路负荷的营销负荷分类与线路负荷类型对应关系的负荷分类映射表；

第二映射表单元203，其用于基于所述第二历史数据和所述负荷分类映射表中的负荷分类，采用深度学习算法建立反映主变侧出线线路的负荷分类与不同负荷使用季节的负荷元件的构成成分对应关系的负荷元件构成成分映射表。

数据采集单元204，其用于采集电网中每个变电站主变侧出线线路的电压、电流和功率因数，以及采集电网中营销负荷分类数据。

功率计算单元205，其用于根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率；

负荷分类单元206，其用于根据所述营销负荷分类数据，以及预先建立的负荷分类映射表确定所述变电站主变侧出线线路的线路负荷分类；

第一构成单元207，其用于根据所述线路负荷分类和预先建立的负荷元件构成成分映射表确定第一负荷元件构成。

第二构成单元208，其用于根据所述有功功率和第一负荷元件构成确定第二负荷元件构成。

系统更新单元209，其用于更新变电站主变侧出线线路的第一历史数据，并基于所述更新后的第一历史数据建立反映主变侧出线线路负荷的营销负荷分类与负荷类型对应关系的更新后的负荷分类映射表；以及更新变电站主变侧出线线路的第二历史数据，并根据所述更新后的第二历史数据和更新后的分类映射表中的负荷分类建立反映主变侧出线线路负荷分类与负荷元件的构成成分对应关系的更新后的负荷元件构成成分映射表。

优选地，所述数据采集单元204包括：

第一采集单元241，其用于基于智能电网调度系统和配电自动化系统采集电网中每个变电站主变侧出线线路的电压

第二采集单元242，其用于基于电网营销业务系统采集电网中的营销负荷分类数据。

优选，所述功率计算单元205根据所述电压、电流和功率因数计算所述变电站主变侧出线线路的有功功率，其计算公式为：

式中，

优选地，所述第二构成单元209包括：

第二类型单元291，其用于将第一负荷元件构成中的第一负荷元件类型作为第二负荷元件构成中的第二负荷元件类型，其表达式为：

式中，

第二比例单元292，其用于根据所述有功功率和第一负荷元件构成中的第一负荷元件比例确定第二负荷元件构成中的第二负荷元件比例，其中，所述第一负荷元件比例为第一负荷元件类型中的每种类型的负荷元件在所述出线线路的全部负荷元件中的比例，所述第二负荷元件比例为第二负荷元件类型中的每种类型的负荷元件占所述变电站中全部负荷元件的比例，所述第二负荷元件比例的计算公式为：

式中，

已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。

通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。