【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种电力调度方法、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、电力调度是一种为了保证电网安全稳定运行的有效管理手段。在变电站运行过程中，通常需要操作人员综合考虑电网实际运行参数（如电流、电压、功率等）以及电力供需情况来决策执行相应的电力调度方案。然而，由于变电站调度方法往往依赖于现场操作人员的个人判断，其操作容错率较低且决策时间较长，容易导致电网运行风险增加。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种高效且准确的电力调度方法、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，本申请提供了一种电力调度方法，包括：
3、获取变电站的历史运行数据；
4、采用大数据分析技术从所述历史运行数据中提取出数据变化趋势和数据风险关联性，并基于所述数据变化趋势和所述数据风险关联性构建与所述变电站对应的预测模型；
5、利用所述预测模型对所述变电站在未来时刻下的运行趋势和运行风险进行预测，生成在所述未来时刻下的电力需求数据和设备风险数据；
6、根据所述电力需求数据和所述设备风险数据生成与所述变电站对应的电力调度方案。
7、在其中一个实施例中，所述方法还包括：
8、当所述变电站发生故障时，获取所述变电站的故障运行数据；
9、采用预训练的支持向量机模型对所述故障运行数据进行非线性变换，确定所述故障运行数据所属的故障类型；
10、采用与所述故障类型匹配的风险应对策略更新所述电力调度方案。
11、在其中一个实施例中，所述支持向量机模型的训练方法包括：
12、将所述变电站发生设备故障时的历史运行数据作为所述变电站的变电站样本故障数据；
13、利用所述变电站样本故障数据的故障特征构建协方差矩阵，将所述协方差矩阵的特征向量作为主成分向量，将所述协方差矩阵的特征值作为对应的所述主成分向量的贡献率；
14、将贡献率之和满足预设阈值的多个所述主成分向量作为目标特征；
15、采用与所述目标特征匹配的变电站样本故障数据作为训练数据，输入至初始支持向量机模型进行训练，得到预训练的所述支持向量机模型。
16、在其中一个实施例中，所述采用大数据分析技术从所述历史运行数据中提取出数据变化趋势和数据风险关联性，并基于所述数据变化趋势和所述数据风险关联性构建与所述变电站对应的预测模型，包括：
17、对所述历史运行数据进行数据清洗，通过统计分析和可视化工具确定数据清洗后的历史运行数据的分布、特征和关联性；
18、根据所述数据清洗后的历史运行数据在不同采集时刻下的分布和特征，确定出与所述数据清洗后的历史运行数据对应的数据变化趋势；
19、根据所述数据清洗后的历史运行数据的分布、特征和关联性，对所述数据清洗后的历史运行数据进行分类，得到不同的类别下的历史运行数据；
20、对每个所述类别下的历史运行数据和故障类型之间的关联规则进行挖掘，得到与每个所述类别对应的数据风险关联性；
21、利用所述数据变化趋势和所述数据风险关联性对预设的数据模型进行训练，以构建所述预测模型。
22、在其中一个实施例中，所述方法还包括：
23、获取所述变电站在执行所述电力调度方案之后的电力成本、发电效率以及运行安全性；
24、根据所述电力成本、所述发电效率以及所述运行安全性对所述电力调度方案进行优化，得到优化后的电力调度方案并执行。
25、在其中一个实施例中，所述方法还包括：
26、获取实时监测得到的各电力区域的电力供需情况；
27、根据所述电力供需情况和所述电力需求数据，对所述电力调度方案进行动态调整，得到跨区域的电力调度方案并执行。
28、第二方面，本申请还提供了一种电力调度装置，包括：
29、数据获取模块，用于获取变电站的历史运行数据；
30、分析挖掘模块，用于采用大数据分析技术从所述历史运行数据中提取出数据变化趋势和数据风险关联性，并基于所述数据变化趋势和所述数据风险关联性构建与所述变电站对应的预测模型；
31、模型预测模块，用于利用所述预测模型对所述变电站在未来时刻下的运行趋势和运行风险进行预测，生成在所述未来时刻下的电力需求数据和设备风险数据；
32、调度生成模块，用于根据所述电力需求数据和所述设备风险数据生成与所述变电站对应的电力调度方案。
33、第三方面，本申请还提供了一种计算机设备。所述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，所述处理器执行所述计算机程序时实现上述第一方面任一项实施例所述的电力调度方法。
34、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项实施例所述的电力调度方法。
35、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项实施例所述的电力调度方法。
36、上述电力调度方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，通过获取变电站的历史运行数据；采用大数据分析技术从历史运行数据中提取出数据变化趋势和数据风险关联性，并基于数据变化趋势和数据风险关联性构建与变电站对应的预测模型；利用预测模型对变电站在未来时刻下的运行趋势和运行风险进行预测，生成在未来时刻下的电力需求数据和设备风险数据；根据电力需求数据和设备风险数据生成与变电站对应的电力调度方案，能够实现变电站的智能化调度，提高电力调度的效率和准确率，降低变电站运行风险。
本文档来自技高网...【技术保护点】
1.一种电力调度方法，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，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述支持向量机模型的训练方法包括：
4.根据权利要求1所述的方法，其特征在于，所述采用大数据分析技术从所述历史运行数据中提取出数据变化趋势和数据风险关联性，并基于所述数据变化趋势和所述数据风险关联性构建与所述变电站对应的预测模型，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
7.一种电力调度装置，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。
10.一种计算
...【技术特征摘要】
1.一种电力调度方法，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，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述支持向量机模型的训练方法包括：
4.根据权利要求1所述的方法，其特征在于，所述采用大数据分析技术从所述历史运行数据中提取出数据变化趋势和数据风险关联性，并基于所述数据变化趋势和所述数据风险关联性构建与所述变电站对应的预测模型，包括：
5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1至4任一项所述的...
【专利技术属性】
技术研发人员：田茂城，阳齐佳，田维文，方明，王鑫，张华，赵禹衡，游鑫，罗灿伟，方睿，罗斌，叶露，徐闯，陈泽，曾林，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司贵阳局，
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。