【技术实现步骤摘要】
一种基于多时空尺度数据的电网异常识别方法及系统
[0001]本专利技术涉及智能电网
,尤其涉及一种基于多时空尺度数据的电网异常识别方法及系统。
技术介绍
[0002]在相关技术中,电网运行状态复杂,各个部分的子电网之间的数据融合程度不足,难以对各个部分的子电网进行实时的状态监测以及及时的异常识别和处理,在电网运行异常时难以及时发现异常状况,导致损失进一步扩大,造成检修困难甚至需要停电维修,造成用电不便和较大的经济损失。
技术实现思路
[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题,提出了本专利技术。
[0005]因此,本专利技术提供了一种基于多时空尺度数据的电网异常识别方法解决网络运行异常难以发现,检修困难的问题。
[0006]为解决上述技术问题,本专利技术提供如下技术方案:
[0007]第一方面,本专利技术提供了基于多时空尺度数据的电网异常识别方法,包括:
[0008]获取子电网在采样时刻的多个类型的供电数据,构建供电数据矩阵;
[0009]对多个子电网进行筛选,获得重负载监测子电网;
[0010]对供电数据矩阵进行降维,获得重负载子电网的监测矩阵;
[0011]将监测矩阵输入多源配网多时空尺 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于多时空尺度数据的电网异常识别方法,其特征在于,包括:获取子电网在采样时刻的多个类型的供电数据,构建供电数据矩阵;对多个子电网进行筛选,获得重负载监测子电网;对供电数据矩阵进行降维,获得重负载子电网的监测矩阵;将监测矩阵输入多源配网多时空尺度数据模型,确定异常识别结果,提高检修的便利性。2.如权利要求1所述的基于多时空尺度数据的电网异常识别方法,其特征在于:根据所述供电数据矩阵,对所述多个子电网进行筛选,获得重负载监测子电网,包括:根据所述供电数据矩阵,确定各个子电网在各个时刻的实际负载数据;确定各个子电网的额定负载数据和最大负载数据;对所述多个子电网进行筛选,获得重负载监测子电网表示为:对所述多个子电网进行筛选,获得重负载监测子电网,其中,C为条件函数,count为计数函数,l
i,k
为第i个子电网在第k个时刻的实际负载数据,l
i,e
为第i个子电网的额定负载数据,l
i,max
为第i个子电网的最大负载数据,n为所述预设时间段内采样时刻的数量,β为第一比例阈值,α为小于1的第二比例阈值,τ为大于1的系数。3.如权利要求1或2所述的基于多时空尺度数据的电网异常识别方法,其特征在于:根据所述供电数据矩阵和所述重负载子电网,对所述供电数据矩阵进行降维,获得所述重负载子电网的监测矩阵,包括:根据所述供电数据矩阵,获取所述重负载子电网在多个采样时刻的供电数据;将所述采样时刻,以及所述重负载子电网在多个采样时刻的供电数据,获得所述重负载子电网的监测矩阵。4.如权利要求3所述的基于多时空尺度数据的电网异常识别方法,其特征在于:将所述监测矩阵输入多源配网多时空尺度数据模型,确定异常识别结果,包括:根据所述监测矩阵和所述多源配网多时空尺度数据模型,确定与所述监测矩阵对应的重负载子电网的类型;根据所述重负载子电网的类型、所述监测矩阵和所述多源配网多时空尺度数据模型,确定所述重负载子电网的异常识别结果。5.如权利要求4所述的基于多时空尺度数据的电网异常识别方法,其特征在于:所述重负载子电网的类型包括存在运行效率风险的第一类型,根据所述重负载子电网的类型、所述监测矩阵和所述多源配网多时空尺度数据模型,确定所述重负载子电网的异常识别结果,包括:通过所述多源配网多时空尺度数据模型,对所述第一类型的重负载子电网的监测矩阵进行数据筛选,获得待拟合负载数据;对待拟合数据进行拟合处理,获得拟合曲线;
获取所述监测矩阵中未筛选到的对照负载数据;根据所述对照负载数据和拟合曲线,确定所述第一类型的重负载子电网的异常识别结果。6.如权利要求5所述的基于多时空尺度数据的电网异常识别方法,其特征在于:根据所述对照负载数据和拟合曲线,确定所述第一类型的重负载子电网的异常识别结果表示为:其中,D1为第一判别函数,l
r,t
技术研发人员:李申章,耿贞伟,肖鹏,张莉娜,张新阳,彭晓平,宁浩宇,赵晓平,
申请(专利权)人:云南电网有限责任公司信息中心,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。