[發明專利]一種應用配電網全域大數據的人工智能預測模型構方法

在審

• 申請號: 201911130109.6
• 申請日: 2019-11-18
• 公開（公告）號: CN110929927A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 楊軍亭;楊佩佩;魏光明;周識遠;朱生鴻;陳宏剛;馬振祺;陳青云;許崇亮
• 申請（專利權）人: 國網甘肅省電力公司;國網甘肅省電力公司電力科學研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/00;G06Q50/06;G06N3/04
• 代理公司: 長沙大珂知識產權代理事務所(普通合伙) 43236
• 代理人: 肖勇翔

本發明公開了一種應用配電網全域大數據的人工智能預測模型構方法，一種應用配電網全域大數據的人工智能預測模型構方法，其特征在于：構建以配電網全域大數據為基礎的人工智能預測模型，采用深度學習的各種模型，利用從各類在線監測系統、無人機或機器人巡檢系統、PMS生產管理系統、OMS系統、監控系統、電能管理系統及智能中斷等不同的平臺及設備中獲取的信息，考慮負荷變化趨勢、饋線轉供能力、事故后電量損失率、事故后用電時戶數損失率、重要用戶影響程度，實現風險預測分析能夠對歷史風險的風險源進行統計，實現風險源影響重要程度排序。

技術領域

本發明涉及電網領域，特別涉及一種應用配電網全域大數據的人工智能預測模型構方法。

背景技術

隨著配電網的復雜度越來越高，整體覆蓋面積廣，運維檢修業務復雜，設備變更頻繁，網絡連接多樣、運行方式多變等特點，導致配網故障復雜多變，負荷變化頻繁。為了更好地對配網負荷變化，設備故障等關鍵環節，提供有效的供電可靠性分析手段變得尤為迫切。供電可靠性受系統負荷，元件可靠性性能，元件電氣性能和網架結構等影響，通過研究若能將四個方面的運行數據進入深度模型中學習，最終生成供電可靠性影響分析模型，得以提高可靠性評估水平，從而為提升供電可靠性提供分析決策手段。相關模型應利用多種統計標準訓練學習，從而反映供電服務指揮過程中經濟狀態、整體現狀與特點。從外部環境研究使分析模型相關功能及流程設計，一方面要因地制宜，提供具有直接客戶應用的能夠分層次分區域的運作模式，另一方面又提供支撐服務的質量監督與管控的方式。研究生成的模型根據問題特點、類型、規律等解決過程，評估其可靠性，充分展現協作效果和業務協調運行效果。

發明內容

本發明的主要目的在于提供一種應用配電網全域大數據的人工智能預測模型構方法，可以有效解決背景技術中的問題。

為實現上述目的，本發明采取的技術方案為：

一種應用配電網全域大數據的人工智能預測模型構方法，構建以配電網全域大數據為基礎的人工智能預測模型，采用深度學習的各種模型，利用從各類在線監測系統、無人機或機器人巡檢系統、PMS生產管理系統、OMS系統、監控系統、電能管理系統及智能中斷等不同的平臺及設備中獲取的信息，充分利用處理，構建的如下構建配網負荷模型、供電可靠性分析模型、安全運行風險預警模型、投資成本效能分析模型、優質服務要點研究模型等五大模型，概述如下：

配網負荷預測模型。負荷雖然分為不同類型，但大部分同時間和外部環境條件緊密相關，以歷史負荷、歷史氣象數據和用電大戶投運時間等作為時間序列數據進入深度模型進行學習，最終生成負荷預測模型，并且可通過迭代學習進化負荷預測模型，通過該模型得以提升電力負荷預測的準確度；

供電可靠性分析模型，供電可靠性受系統負荷，元件可靠性性能，元件電氣性能和網架結構等影響，通過將四個方面的運行數據進入深度模型中學習，最終生成供電可靠性影響分析模型，以提高可靠性評估水平；

安全運行風險預警模型，從電網、設備、人員等多維度環境中挖掘潛在的風險點隱患，確定出相應的風險及管控措施；

投資成本效能分析模型，通過引入大數據分析技術，對電網項目與供電覆蓋范圍、可供電量、用電量、缺陷、故障等之間潛在規律和關聯關系的分析和研究，提供未來投資進行輔助決策建議；

優質服務要點研究模型，利用多種統計標準反映供電服務指揮過程中經濟狀態、整體現狀與特點的分析模式，通過對外部環境研究使得系統相關功能及流程設計既確保具有直接客戶應用的能夠分層次分區域的運作模式，又能支撐服務質量監督與管控集中開展的一體化運作模式。