基于负荷分析的电网检修调度方法技术

本发明专利技术提供的一种基于负荷分析的电网检修调度方法，包括以下步骤：S1.获取历史气象数据以及电网的负荷数据，并对气象数据和负荷数据进行归一化处理；S2.确定检修申报数据，S3.构建神经网络，将归一化处理后的气象数据和负荷数据输入至神经网络中进行训练；S4.实时获取当前电网的气象数据以及负荷数据并进行归一化处理，并将归一化处理后的数据输入至神经网络中进行处理，预测检修日供电量；S5.采用改进粒子群优化算法，调整检修申报数据使得检修日供电量最小为目标函数，当检修日供电量达到最小时所确定的检修申报数据作为检修调度依据，基于配电网的负荷以及气象的影响，能够准确预测出检修调度计划中检修日的供电量。确预测出检修调度计划中检修日的供电量。

【技术实现步骤摘要】
基于负荷分析的电网检修调度方法


[0001]本专利技术涉及一种电力调度方法，尤其涉及一种基于负荷分析的电网检修调度方法。

技术介绍

[0002]电网检修方式是电力系统运行计划中的一项重要内容，直接关系供电系统和用户的利益，对电力系统的可靠性和经济性有很大影响。科学合理的检修方式是电网经济可靠运行和预防事故发生的重要保障。
[0003]但是，同一检修工作可能涉及多个运维站，而每个运维站允许检修的时间、可检修工作人员数量可能存在区别，同时在不同时间段检修造成的停电损失是不同的，因此，如何准确的进行调度以减小停电损失成为了一个技术难题。

技术实现思路

[0004]有鉴于此，本专利技术的目的是提供一种基于负荷分析的电网检修调度方法，基于配电网的负荷以及气象的影响，能够准确预测出检修调度计划中检修日的供电量，并基于该供电量确定出对供电量最小的检修日作为检修调度依据，从而使得检修停电造成的损失最小。
[0005]本专利技术提供的一种基于负荷分析的电网检修调度方法，包括以下步骤：
[0006]S1.获取历史气象数据以及电网的负荷数据，并对气象数据和负荷数据进行归一化处理；
[0007]S2.确定检修申报数据，其中检修申报数据包括运维站信息、检修工作项目、检修工作项目优先级、每个检修工作项目的申请检修日期及时间段、运维站完成每个检修工作项目所需的检修操作人数、运维站的单日允许操作人数上限和运维站单日允许或禁止检修时间段；
[0008]S3.构建神经网络，将归一化处理后的气象数据和负荷数据输入至神经网络中进行训练；
[0009]S4.实时获取当前电网的气象数据以及负荷数据并进行归一化处理，并将归一化处理后的数据输入至神经网络中进行处理，预测检修日供电量；
[0010]S5.采用改进粒子群优化算法，调整检修申报数据使得检修日供电量最小为目标函数，当检修日供电量达到最小时所确定的检修申报数据作为检修调度依据。
[0011]进一步，步骤S1和步骤S4中，对气象数据和负荷数据进行归一化处理包括：
[0012]采用z
‑
score函数进行归一化处理，得到：
[0013][0014]其中，x
*
为归一化处理后的数据，x为归一化前的输入样本数据，μ表示样本均值，σ表示样本方差。
[0015]进一步，在将归一化处理后的气象数据和负荷数据输入至神经网络之前，还包括数据筛选，具体包括：
[0016]计算任意两个样本数据之间的欧氏距离；
[0017]将欧氏距离从小打到进行排序，筛选出欧氏距离小于设定阈值的n个样本输入至神经网络中。
[0018]进一步，步骤S3中，所构建的神经网络具体如下：
[0019]所述神经网络包括输入层、多个隐含层和输出层；
[0020]其中，隐含层与隐含层之间的传递公式如下：
[0021]a
l
＝s(W
l
‑1a
l
‑1+b
l
‑1)
[0022]其中：a
l
代表第l层隐含层神经元的输出，W
l
‑1为连接第l
‑
1层隐含层和第l层隐含层神经元的权值矩阵，b
l
‑1为第l层隐含层神经元的偏置项；
[0023]隐含层激活函数s(x)如下所示：
[0024]s(x)＝max(0.01x,x)；其中，x为输入样本数据；
[0025]输出层的激活函数为：S(x)＝x。
[0026]进一步，检修日供电量的预测输出为：
[0027]y＝y
*
σ+μ，其中，y为检修日供电量的预测输出，y
*
为神经网络输出量。
[0028]本专利技术的有益效果：通过本专利技术，基于配电网的负荷以及气象的影响，能够准确预测出检修调度计划中检修日的供电量，并基于该供电量确定出对供电量最小的检修日作为检修调度依据，从而使得检修停电造成的损失最小。
附图说明
[0029]下面结合附图和实施例对本专利技术作进一步描述：
[0030]图1为本专利技术的流程图。
[0031]图2为本专利技术的检修日供电量对比图。
具体实施方式
[0032]以下进一步对本专利技术做出说明：
[0033]本专利技术提供的一种基于负荷分析的电网检修调度方法，包括以下步骤：
[0034]S1.获取历史气象数据以及电网的负荷数据，并对气象数据和负荷数据进行归一化处理；
[0035]S2.确定检修申报数据，其中检修申报数据包括运维站信息、检修工作项目、检修工作项目优先级、每个检修工作项目的申请检修日期及时间段、运维站完成每个检修工作项目所需的检修操作人数、运维站的单日允许操作人数上限和运维站单日允许或禁止检修时间段；
[0036]S3.构建神经网络，将归一化处理后的气象数据和负荷数据输入至神经网络中进行训练；
[0037]S4.实时获取当前电网的气象数据以及负荷数据并进行归一化处理，并将归一化处理后的数据输入至神经网络中进行处理，预测检修日供电量；
[0038]S5.采用改进粒子群优化算法，调整检修申报数据使得检修日供电量最小为目标
函数，当检修日供电量达到最小时所确定的检修申报数据作为检修调度依据，通过上述方法，基于配电网的负荷以及气象的影响，能够准确预测出检修调度计划中检修日的供电量，并基于该供电量确定出对供电量最小的检修日作为检修调度依据，从而使得检修停电造成的损失最小。
[0039]其中，改进粒子群优化算法为现有技术，在此不对其具体过程进行赘述。
[0040]具体地：步骤S1和步骤S4中，对气象数据和负荷数据进行归一化处理包括：
[0041]采用z
‑
score函数进行归一化处理，得到：
[0042][0043]其中，x
*
为归一化处理后的数据，x为归一化前的输入样本数据，μ表示样本均值，σ表示样本方差。
[0044]在将归一化处理后的气象数据和负荷数据输入至神经网络之前，还包括数据筛选，具体包括：
[0045]计算任意两个样本数据之间的欧氏距离；
[0046]将欧氏距离从小打到进行排序，筛选出欧氏距离小于设定阈值的n个样本输入至神经网络中。
[0047]步骤S3中，所构建的神经网络具体如下：
[0048]所述神经网络包括输入层、多个隐含层和输出层；
[0049]其中，隐含层与隐含层之间的传递公式如下：
[0050]a
l
＝s(W
l
‑1a
l
‑1+b
l
‑1)
[0051]其中：a
l
代表第l层隐含层神经元的输出，W
l
‑1为连接第l
‑
1层隐含层和第l层隐含层神经元的权值矩阵，b
l...

【技术保护点】

【技术特征摘要】
1.一种基于负荷分析的电网检修调度方法，其特征在于：包括以下步骤：S1.获取历史气象数据以及电网的负荷数据，并对气象数据和负荷数据进行归一化处理；S2.确定检修申报数据，其中检修申报数据包括运维站信息、检修工作项目、检修工作项目优先级、每个检修工作项目的申请检修日期及时间段、运维站完成每个检修工作项目所需的检修操作人数、运维站的单日允许操作人数上限和运维站单日允许或禁止检修时间段；S3.构建神经网络，将归一化处理后的气象数据和负荷数据输入至神经网络中进行训练；S4.实时获取当前电网的气象数据以及负荷数据并进行归一化处理，并将归一化处理后的数据输入至神经网络中进行处理，预测检修日供电量；S5.采用改进粒子群优化算法，调整检修申报数据使得检修日供电量最小为目标函数，当检修日供电量达到最小时所确定的检修申报数据作为检修调度依据。2.根据权利要求1所述基于负荷分析的电网检修调度方法，其特征在于：步骤S1和步骤S4中，对气象数据和负荷数据进行归一化处理包括：采用z
‑
score函数进行归一化处理，得到：其中，x
*
为归一化处理后的数据，x为归一化前的输入样本数据，μ表示样本均值，σ表示样本方差。3.根据权利要求2所述基于负荷分析的电网检修调度方法，其特征在于：在将归一化处理后...

【专利技术属性】
技术研发人员：陈爽，刘伟，李佳蓉，杨璐瑜，张锦斌，张蓝丹，颜慧，曾敏，傅飞，
申请(专利权)人：国网重庆市电力公司北碚供电分公司，
类型：发明
国别省市：