一种配变台区跳闸预测方法、系统及装置制造方法及图纸

本申请公开了本发明专利技术公开了一种配变台区跳闸预测方法，包括：获取历史数据，根据历史数据建立配变跳闸的跳闸预测模型；历史数据包括历史配变台区的运行数据及其对应的环境数据；获取目标数据，将目标数据输入跳闸预测模型，得到目标配变台区的预测结果；目标数据包括目标配变台区的运行数据及其对应的环境数据。本发明专利技术利用跳闸预测模型，对目标数据进行预测，从而得到是否会发生跳闸的预测结果，根据该预测结果，电网系统能够及时发现配变台区安全隐患、进行事故预防并预先调整负荷分布，从而避免跳闸发生或提高跳闸后的电网处理速度，对提高供电服务质量有重要意义。本申请还相应公开了具有相同有益效果的一种配变台区跳闸预测系统及装置。

A Prediction Method, System and Device for Trip in Distribution Transformer Station Area

【技术实现步骤摘要】
一种配变台区跳闸预测方法、系统及装置
本专利技术涉及电网配变领域，特别涉及一种配变台区跳闸预测方法、系统及装置。
技术介绍
配变台区作为面向低压用户的最末一级供电单位，其台区供电设备的运行状态直接影响台区内的供电质量及可靠性。随着经济不断发展，工商业及居民用电量都在不断上升，尤其是春节与夏季高温时用电负荷极大，使得配变常处在过重载运行状态，变压器故障跳闸时常发生。目前针对配变台区跳闸问题，只有更换开关、调整线路分流负荷、配变增容等事后处理手段，事故响应与电网配合的速度不够快，使得供电部门常处于被动状态，无法主动针对跳闸调节电网运行状态。因此，如何提供一种解决上述技术问题的方案是目前本领域技术人员需要解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种配变台区跳闸预测方法、系统及装置。其具体方案如下：一种配变台区跳闸预测方法，包括：获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。优选的，所述获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型的过程，具体包括：获取历史数据；对所述历史数据进行处理，得到训练样本；根据所述训练样本，建立神经网络的跳闸预测模型。优选的，所述对所述历史数据进行处理，得到训练样本的过程，具体包括：对所述历史数据进行清洗，得到清洗后的优质数据；对所述优质数据进行抽样，得到数据均衡的训练样本。优选的，所述对所述优质数据进行抽样，得到数据均衡的训练样本的过程，具体包括：通过SMOTE或EasyCasde，对所述优质数据进行抽样，得到数据均衡的训练样本。优选的，所述根据所述训练样本，建立神经网络的跳闸预测模型之后，还包括：利用混合优化算法，优化所述跳闸预测模型。优选的，所述利用混合优化算法，优化所述跳闸预测模型的过程，具体包括：利用遗传算法、粒子群算法、纵横交叉算法和/或鲸鱼算法，优化所述跳闸预测模型。优选的，所述根据所述训练样本，建立神经网络的跳闸预测模型的过程，具体包括：根据所述训练样本，建立Elman神经网络的跳闸预测模型。优选的，所述运行数据具体包括配变台区的容量、投运时长、最高负载率、越限时间和/或跳闸事件。相应的，本专利技术公开了一种配变台区跳闸预测系统，包括：模型创建模块，用于获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；模型运行模块，用于获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。相应的，本专利技术还公开了一种配变台区跳闸预测装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上文所述配变台区跳闸预测方法的步骤。本专利技术公开了一种配变台区跳闸预测方法，包括：获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。本专利技术利用跳闸预测模型，对目标数据进行预测，从而得到是否会发生跳闸的预测结果，根据该预测结果，电网系统能够及时发现配变台区安全隐患、进行事故预防并预先调整负荷分布，从而避免跳闸发生或提高跳闸后的电网处理速度，对提高供电服务质量有重要意义。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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专利技术的实施例，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，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例中一种配变台区跳闸预测方法的步骤流程图；图2为本专利技术实施例中一种具体的配变台区跳闸预测方法的步骤流程图；图3为本专利技术实施例中多种预测算法的ROC曲线图；图4为本专利技术实施例中一种配变台区跳闸预测系统的结构分布图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术针对配变台区跳闸问题，只有事后处理手段，使得供电部门常处于被动状态，无法主动针对跳闸来调节电网运行状态。本专利技术实施例利用跳闸预测模型进行是否会跳闸的预测，从而主动避免跳闸或提高跳闸后电网处理速度，提高供电服务质量。本专利技术实施例公开了一种配变台区跳闸预测方法，参见图1所示，包括：S11：获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；其中，所述运行数据具体包括配变台区的容量、投运时长、最高负载率、越限事件和/或跳闸事件；环境数据包括对应同一时刻的运行数据的温度和/或湿度，除了准确对应某一时刻的环境数据外，还可以选择环境数据中一段时间的最大值、最小值、中间值作为更有代表性的数据，对应某一事件发生前后的时间段内的环境数据。S12：获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。可以理解的是，目标数据与历史数据的格式相同，跳闸预测模型通过历史数据建立，历史数据作为跳闸预测模型的训练样本；将目标数据输入到跳闸预测模型内，可以得到对应的预测结果。其中，训练样本的样本量越大、准确度和相关度越高，跳闸预测模型对目标数据的预测结果越准确。具体的，预测结果包括对接下来配变台区内的动作或事件的预测。本专利技术实施例公开了一种配变台区跳闸预测方法，包括：获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。本专利技术实施例利用跳闸预测模型，对目标数据进行预测，从而得到是否会发生跳闸的预测结果，根据该预测结果，电网系统能够及时发现配变台区安全隐患、进行事故预防并预先调整负荷分布，从而避免跳闸发生或提高跳闸后的电网处理速度，对提高供电服务质量有重要意义。本专利技术实施例公开了一种具体的配变台区跳闸预测方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的，参见图2所示：S21：获取历史数据；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；S22：对所述史数据进行处理，得到训练样本；其中，所述对所述历史数据进行处理，得到训练样本的过程，具体包括：S221：对所述历史数据进行清洗，得到清洗后的优质数据；可以理解的是，历史数据中可能测试时仪器失误导致测试的历史数据不准确、记录出现差误等情况，因此对历史数据进行清洗，保留数据质量较好的优质数据本文档来自技高网...

【技术保护点】
1.一种配变台区跳闸预测方法，其特征在于，包括：获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。

【技术特征摘要】
1.一种配变台区跳闸预测方法，其特征在于，包括：获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型；所述历史数据包括历史配变台区的运行数据及其对应的环境数据；获取目标数据，将所述目标数据输入所述跳闸预测模型，得到目标配变台区的预测结果；所述目标数据包括所述目标配变台区的运行数据及其对应的环境数据。2.根据权利要求1所述配变台区跳闸预测方法，其特征在于，所述获取历史数据，根据所述历史数据建立配变跳闸的跳闸预测模型的过程，具体包括：获取历史数据；对所述历史数据进行处理，得到训练样本；根据所述训练样本，建立神经网络的跳闸预测模型。3.根据权利要求2所述配变台区跳闸预测方法，其特征在于，所述对所述历史数据进行处理，得到训练样本的过程，具体包括：对所述历史数据进行清洗，得到清洗后的优质数据；对所述优质数据进行抽样，得到数据均衡的训练样本。4.根据权利要求3所述配变台区跳闸预测方法，其特征在于，所述对所述优质数据进行抽样，得到数据均衡的训练样本的过程，具体包括：通过SMOTE或EasyCasde，对所述优质数据进行抽样，得到数据均衡的训练样本。5.根据权利要求2所述配变台区跳闸预测方法，其特征在于，所述根据所述训练样本，建立神经网络的跳闸预测模型之后，还包括...

【专利技术属性】
技术研发人员：许锐埼，殷豪，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44