[發明專利]基于神經網絡的配變重過載識別預警方法及終端設備

在審

• 申請號: 201911047102.8
• 申請日: 2019-10-30
• 公開（公告）號: CN110807550A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 謝海寧;田英杰;胡鐘毓;朱威;楊秀;湯波
• 申請（專利權）人: 國網上海市電力公司;上海電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 翁惠瑜

本發明涉及一種基于神經網絡的配變重過載識別預警方法及終端設備，所述方法用于對某日臺區配變的重過載事件進行識別并預警，包括以下步驟：1)獲取待識別的各臺區配變的基礎數據，對所述基礎數據進行預處理；2)基于預處理后的基礎數據對各臺區配變進行粗預測分類，所述粗預測分類的類別包括一級安全、二級安全和二級關注；3)判斷是否存在屬于二級關注的臺區配變，若是，則采用訓練好的GRU型神經網絡對屬于所述二級關注的臺區配變進行精預測，基于精預測結果輸出配變預警信息，若否，則輸出配變正常信息。與現有技術相比，本發明具有既可以保持時刻動態監測的狀態，又能節省算力，達到準確預測效果等優點。

技術領域

本發明涉及一種配變重過載識別預測方法，尤其是涉及一種基于神經網絡的配變重過載識別預警方法及終端設備。

背景技術

在配電網電力輸送的過程中，配電變壓器(簡稱配變)由于受到外部環境、用戶、設備自身屬性等各種復雜因素的影響，經常會發生臺區的供電設備呈現重過載運行狀態。當設備長時間處于重過載狀態時，會對整個電網的安全運行造成故障隱患甚至嚴重損失。傳統上電力系統對配變重過載的治理方式通常集中利用電力監控系統進行實時監測，再根據工作經驗設置閾值等預警方式，進行事后應急處置。這種治理方式比較被動，無法完全避免電網和用戶損失，且預警精準度不高和時效性差，造成人員成本投入大且周期長、檢修反應慢，滯后性嚴重。

因此目前配變重過載預測準確性不佳、耗費人力是本領域技術人員需要解決的技術問題。

發明內容

本發明的目的在于克服上述現有技術存在的缺陷而提供一種準確可靠的基于神經網絡的配變重過載識別預警方法及終端設備。

本發明的目的可以通過以下技術方案來實現：

一種基于神經網絡的配變重過載識別預警方法，用于對某日臺區配變的重過載事件進行識別并預警，包括以下步驟：

1)獲取待識別的各臺區配變的基礎數據，對所述基礎數據進行預處理；

2)基于預處理后的基礎數據對各臺區配變進行粗預測分類，所述粗預測分類的類別包括一級安全、二級安全和二級關注；

3)判斷是否存在屬于二級關注的臺區配變，若是，則采用訓練好的GRU型神經網絡對屬于所述二級關注的臺區配變進行精預測，基于精預測結果輸出配變預警信息，若否，則輸出配變正常信息。

進一步地，所述基礎數據包括內部數據和外部數據，其中，內部數據包括變壓器臺賬數據、用戶檔案數據、網絡拓撲關系、配電變壓器改造記錄和歷史氣象，外部數據包括補充氣象信息、用戶類型及地理位置和節假日標簽。

進一步地，所述預處理包括數據格式變換、數據集成、數據清洗和缺失數據填補。

進一步地，采用基于相似性的遞推方法實現所述缺失數據填補。

進一步地，所述基于預處理后的基礎數據對各臺區配變進行粗預測分類具體為：

101)基于所述基礎數據獲得歷史各時間點的負載率，判斷過去54周的最高負載率是否不超過50％，若是，則判定相應配變為一級安全，若否，則執行步驟102)；

102)判斷是否存在上年同一日期±7天的最大負載率不超過50％且最近7天最大負載率不超過50％，若是，則判定相應配變為二級安全，若否，則判定相應配變為二級關注。

進一步地，所述GRU型神經網絡基于Keras深度學習工具的TensorFlow框架構建。

進一步地，所述GRU型神經網絡進行精預測時，以D-1日的多點負載率和D日氣象預報數據集合作為輸入特征量，輸出量為預測日的多點負載率，D表示預測日。

所述多點負載率可采用96點負載率。