【技术实现步骤摘要】
本申请涉及云边集群分析，特别是涉及一种异常工况影响因素确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、电力物联网可以将人工智能、互联网等现代信息技术应用于电力系统，配电物联网作为电力物联网的重要组成部分，可以通过边缘节点接入并采集电力系统的各项数据，并通过云端进行数据深度挖掘、业务处理和协同管理，实现云边数据协同、业务协同、计算资源协同。传统技术中，配电物联网可以通过云边协同对电力系统进行运维监控，如通过云边协同确定新能源电站所属电力系统中异常工况的影响因素。
2、然而，随着电力系统中综合能源设备的增加，配电物联网中积累了大量数据，导致配电物联网的云边协同难度增加，云边协同的效率和准确性降低。因此，针对目前增加了众多综合能源设备的电力系统，传统技术中通过云边协同确定电力系统中异常工况影响因素的方式，难以准确、高效地确定电力系统中异常工况的影响因素。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够通过云边协同，准确、高效地确定电力系统中异常工况影响因素的异常工况影响因素确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种异常工况影响因素确定方法，包括：获取新能源电站的运行数据，基于运行数据，确定新能源电站中每条总线在发生过电压时的多个电压幅值、以及与发生过电压存在关联的每种影响因素在发生过电压时的多个因素值；基于每条总线的多个电压幅值，生成每条总线的电压幅值向量，并基于
3、在其中一个实施例中，获取新能源电站的运行数据，包括：获取新能源电站的多种基础运行数据，并生成针对每种基础运行数据的数据变更范围；在每种基础运行数据的数据变更范围内，变更新能源电站的实时运行数据，得到多种模拟场景；获取在多种模拟场景下新能源电站的运行数据。
4、在其中一个实施例中，基于运行数据，确定新能源电站中每条总线在发生过电压时的多个电压幅值，包括：基于运行数据进行潮流计算，确定新能源电站中每条总线的电压幅值数据；基于电压幅值数据，确定每条总线在发生过电压时的多个电压幅值。
5、在其中一个实施例中，确定多个节点之间的相关度系数，基于多个节点与多个节点之间的相关度系数生成图，包括：将每条总线的电压幅值向量对应的节点分别作为第一节点，将每种影响因素的因素向量对应的节点分别作为第二节点；针对每一第一节点，分别确定第一节点与每一第二节点之间的相关度系数；基于第一节点与每一第二节点之间的相关度系数，生成连接第一节点与每一第二节点的边；根据每一第一节点与每一第二节点的边，生成图。
6、在其中一个实施例中，对图中的各节点进行谱聚类，得到聚类结果，包括：根据图中每条边对应的相关度系数，分别确定图中每条边的权重；基于每条边的权重，生成图对应的拉普拉斯矩阵；基于拉普拉斯矩阵表征的特征向量对图进行谱聚类，得到聚类结果。
7、在其中一个实施例中，聚类结果包括多个谱集群，每一谱集群包括图中的至少一个节点；基于聚类结果，确定每条总线发生过电压的目标影响因素，包括：针对每条总线，从聚类结果中，确定总线的电压幅值向量对应的第一节点所属的目标谱集群，并确定处于目标谱集群的目标第二节点；将目标第二节点所表征的因素向量所属的影响因素，作为总线发生过电压的目标影响因素。
8、第二方面，本申请还提供了一种异常工况影响因素确定装置，包括：数据获取模块，用于获取新能源电站的运行数据，基于运行数据，确定新能源电站中每条总线在发生过电压时的多个电压幅值、以及与发生过电压存在关联的每种影响因素在发生过电压时的多个因素值；向量生成模块，用于基于每条总线的多个电压幅值，生成每条总线的电压幅值向量，并基于每种影响因素的多个因素值，生成每种影响因素的因素向量；图生成模块，用于将每条总线的电压幅值向量和每种影响因素的因素向量分别作为节点，并确定多个节点之间的相关度系数，基于多个节点与多个节点之间的相关度系数生成图；聚类分析模块，用于对图中的各节点进行谱聚类，得到聚类结果，基于聚类结果，确定每条总线发生过电压的目标影响因素。
9、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述异常工况影响因素确定方法中的各步骤。
10、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述异常工况影响因素确定方法中的各步骤。
11、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述异常工况影响因素确定方法中的各步骤。
12、上述异常工况影响因素确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，可以通过边缘节点采集新能源电站的运行数据，再由云端从边缘节点获取新能源电站的运行数据（云边协同），并由云端基于运行数据，确定新能源电站中每条总线在发生过电压时的多个电压幅值、以及与发生过电压存在关联的每种影响因素在发生过电压时的多个因素值，即先对数据进行简化，提取与异常工况（过电压）分析存在关联的电压幅值和多个因素值，使得在配电物联网中积累了大量数据的情况下，提高确定异常工况影响因素的效率和准确性。进一步的，云端可以基于每条总线的多个电压幅值，生成每条总线的电压幅值向量，并基于每种影响因素的多个因素值，生成每种影响因素的因素向量，以便通过分析向量之间的相关行，准确、高效地确定电力系统中异常工况的影响因素。更进一步的，云端可以将每条总线的电压幅值向量和每种影响因素的因素向量分别作为节点，并确定多个节点之间的相关度系数，从而基于多个节点与多个节点之间的相关度系数生成图，通过对图中的各节点进行谱聚类，得到聚类结果，进而可以基于聚类结果，准确、高效地确定每条总线发生过电压的目标影响因素。
本文档来自技高网...【技术保护点】
1.一种异常工况影响因素确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取新能源电站的运行数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述运行数据，确定所述新能源电站中每条总线在发生过电压时的多个电压幅值，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定多个节点之间的相关度系数，基于所述多个节点与所述多个节点之间的相关度系数生成图，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述图中的各节点进行谱聚类，得到聚类结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述聚类结果包括多个谱集群，每一所述谱集群包括所述图中的至少一个节点；
7.一种异常工况影响因素确定装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种异常工况影响因素确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取新能源电站的运行数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述运行数据，确定所述新能源电站中每条总线在发生过电压时的多个电压幅值，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定多个节点之间的相关度系数，基于所述多个节点与所述多个节点之间的相关度系数生成图，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述图中的各节点进行谱聚类，得到聚类结果，包括：
6.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：郝蛟，仲卫，张宗包，巩俊强，黄福全，邓彬，吴睿，刘岩，程宇恒，尹超，
申请(专利权)人：深圳供电局有限公司，
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。