开云优惠体育网页版入口

专利名称：基于大数据分析的电力系统风险预测方法及系统

专利类型：发明专利

专利申请号：CN202311616792.0

专利申请（专利权）人：国网甘肃省电力公司金昌供电公司
权利人地址：甘肃省金昌市新华路78号

专利发明（设计）人：王顺胜,李官奇,陈韬,周勤美

专利摘要：本发明涉及风险预测技术领域，具体公开了基于大数据分析的电力系统风险预测方法及系统，所述的方法包括以下步骤：S1：获取每个时间节点上的环境温度和每个环境温度对应的变压器内部温度，并在坐标系中生成数据点，通过最小二乘法对数据点进行拟合；S2：计算不同温度日期中在相同时间段内发热量的均值Q，作为该时间段内的发热量；S3：计算温度修正值；S4：计算预测温度；当存在所述的预测温度大于等于预设的安全阈值时，发送预警信息。本发明可以根据变压器的运行和环境温度预测变压器内部的温度，进而判断是否存在风险。

主权利要求：
1.基于大数据分析的电力系统风险预测方法，其特征在于，包括以下步骤：
S1：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；
在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，拟合公式为f（t），得到变压器内部温度随时间变化的曲线；
S2：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m?m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；
获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；
计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；
S3：计算温度修正值?Tk=Q/（μ*c*V*ρ），其中，?Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；
S4：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=?Tk+Tk，其中T'k为tk+1时刻的预测温度；
当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。
2.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，调整所述的环境温度的过程中，获取该变压器所在地区近五年的环境温度，获取所述的环境温度的最大值N和最小值M，并在调整所述的环境温度的过程中，环境温度的调整范围为[M，N]。
3.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，获取所述的变压器内部温度的过程具体包括：在变压器内部以固定距离间隔设置若干个温度传感器，获取所有温度传感器稳定时的温度，计算所述的温度的均值，作为变压器内部温度。
4.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，当存在所述的温度日期的数量小于预设值时，执行以下步骤：获取温度日期的数量Q和所述的监测周期的开始日期P，获取与所述的开始日期相邻的前一天Pq内的温度范围，并判断其是否为温度日期；
当Pq为温度日期时，令温度日期的数量为Q+1，并使Pq为开始日期P，重复上述步骤，直至温度日期的数量达到预设值。
5.根据权利要求4所述的基于大数据分析的电力系统风险预测方法，其特征在于，筛选所述的温度日期的过程中，获取所述的监测周期的结束日期P'，当存在所述的结束日期P'与去年的日期P的时间间隔中，所述的温度日期的数量小于预设值，则调整所述的环境温度范围为[m?2m'，n+2m']，并在所述的监测周期内筛选出温度日期。
6.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，所述的步骤S4中，当存在所述的预测温度小于预设的安全阈值时，计算所述的安全阈值与预测温度的差值的绝对值，当存在所述的绝对值小于等于预设值时，发送预警信息。
7.根据权利要求1所述的基于大数据分析的电力系统风险预测方法，其特征在于，所述的步骤S4中，温度的安全阈值基于变压器的型号获取。
8.基于大数据分析的电力系统风险预测系统，其特征在于，包括：
初始模块：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；
在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，拟合公式为f（t），得到变压器内部温度随时间变化的曲线；
热量计算模块：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m?m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；
获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；
计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；
修正温度模块：计算温度修正值?Tk=Q/（μ*c*V*ρ），其中，?Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；
预测模块：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=?Tk+Tk，其中T'k为tk+1时刻的预测温度；
当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。 说明书 : 基于大数据分析的电力系统风险预测方法及系统技术领域[0001] 本发明涉及风险预测技术领域，具体涉及基于大数据分析的电力系统风险预测方法。背景技术[0002] 电力系统是由发电厂、变电站、输电线路和配电系统四个主要组成部分构成的复杂体系，各部分均有其特定的功能和任务。其中，配电系统包括了变压器、开关箱、配电柜等各种设备，其作用是将变电站产生的中压电能进行分配并传送至终端用户。[0003] 考虑到变压器内部温度对整个电力系统安全运行的重要影响，通常需要对其内部温度进行预测以防止温度过高，导致安全事故的发生。现有技术中，主要依赖于收集变压器内部的温度数据，并利用这些数据对深度学习模型进行训练和验证，得到变压器内部温度的预测模型，并对变压器内部的温度进行预测。[0004] 虽然这种方法可以较为准确地预测变压器的内部温度，但在实际情况中，为了保证预测的准确性，需要大量的温度数据作为训练集和验证集，这需要较多的计算资源，而且还需要定期对变压器内部温度的预测模型进行更新和优化，增加了变压器内部温度预测的成本。发明内容[0005] 本发明的目的在于提供基于大数据分析的电力系统风险预测方法及系统，解决上述技术问题。[0006] 本发明的目的可以通过以下技术方案实现：[0007] 基于大数据分析的电力系统风险预测方法，包括以下步骤：[0008] S1：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；[0009] 在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，所述的拟合公式为f（t），得到变压器内部温度随时间变化的曲线；[0010] S2：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m?m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；[0011] 获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；[0012] 计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；[0013] S3：计算温度修正值?Tk=Q/（μ*c*V*ρ），其中，?Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；[0014] S4：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=?Tk+Tk，其中T'k为tk+1时刻的预测温度；[0015] 当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。[0016] 作为本发明进一步的方案：调整所述的环境温度的过程中，获取该变压器所在地区近五年的环境温度，获取所述的环境温度的最大值N和最小值M，并在调整所述的环境温度的过程中，环境温度的调整范围为[M，N]。[0017] 作为本发明进一步的方案：获取所述的变压器内部温度的过程具体包括：[0018] 在变压器内部以固定距离间隔设置若干个温度传感器，获取所有温度传感器稳定时的温度，计算所述的温度的均值，作为变压器内部温度。[0019] 作为本发明进一步的方案：当存在所述的温度日期的数量小于预设值时，执行以下步骤：[0020] 当存在所述的温度日期的数量小于预设值时，执行以下步骤：[0021] 获取温度日期的数量Q和所述的监测周期的开始日期P，获取与所述的开始日期相邻的前一天Pq内的温度范围，并判断其是否为温度日期；[0022] 当Pq为温度日期时，令温度日期的数量为Q+1，并使Pq为开始日期P，重复上述步骤，直至温度日期的数量达到预设值。[0023] 作为本发明进一步的方案：筛选所述的温度日期的过程中，获取所述的监测周期的结束日期P'，当存在所述的结束日期P'与去年的日期P的时间间隔中，所述的温度日期的数量小于预设值，则调整所述的环境温度范围为[m?2m'，n+2m']，并在所述的监测周期内筛选出温度日期。[0024] 作为本发明进一步的方案：所述的步骤S4中，当存在所述的预测温度小于预设的安全阈值时，计算所述的安全阈值与预测温度的差值，所述的差值为绝对值，当存在所述的差值小于等于预设值时，发送预警信息。[0025] 作为本发明进一步的方案：所述的步骤S4中，温度的安全阈值基于变压器的型号获取。[0026] 基于大数据分析的电力系统风险预测系统，包括：[0027] 初始模块：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；[0028] 在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，所述的拟合公式为f（t），得到变压器内部温度随时间变化的曲线；[0029] 热量计算模块：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m?m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；[0030] 获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；[0031] 计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；[0032] 修正温度模块：计算温度修正值?Tk=Q/（μ*c*V*ρ），其中，?Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；[0033] 预测模块：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=?Tk+Tk，其中T'k为tk+1时刻的预测温度；[0034] 当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。[0035] 本发明的有益效果：在本发明中，首先，获取了变压器内部温度随时间变化的曲线，之所以拟合后的函数代表变压器内部温度随时间变化的曲线是因为，每个环境温度都对应了一个变压器内部温度，而在一天之中，每个时间点上的环境温度只有一个，因此该时间点上变压器内部温度也是唯一的，通过环境温度，将变压器内部温度和时间联系起来；之后，计算时间节点tk和tk+1的时间间隔内变压器的发热量，之所以选取环境温度范围在[m?m'，n+m']内的日期是因为，环境温度更高时，用户会使用更多的电器，导致负载升高，变压器内部的发热量，主要原因是铁芯损耗和绕组损耗，其中绕组损耗的计算公式Pw=Pk*（Sjs/Se），其中，Pw为绕组损耗;Pk为变压器短路有功功率;Sjs为变压器计算负荷；Se为变压器的额定容量，计算负荷的大小取决于实际负载的大小和负载系数，而且不同时间段，用户的用电情况也不相同，如夜间和白天，夜间用户需要休息，电器的使用情况会较少，导致负载降低，为了提高计算的准确度，采用同一时段的数据的均值作为该时段传递的热量；之后根据换热原理：换热量=质量*比热容*温差，计算发热量会使得变压器内部的温度变化多少，将时间点代入拟合后的函数，得到变压器不工作时，下一时间节点变压器内部温度是多少，之后计算二者之和得到预测温度。本发明可以根据变压器的运行和环境温度预测变压器内部的温度，进而判断是否存在风险。附图说明[0036] 下面结合附图对本发明作进一步的说明。[0037] 图1是本发明基于大数据分析的电力系统风险预测方法的流程示意图。具体实施方式[0038] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。[0039] 请参阅图1所示，本发明为基于大数据分析的电力系统风险预测方法，包括以下步骤：[0040] S1：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；[0041] 在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，所述的拟合公式为f（t），得到变压器内部温度随时间变化的曲线；[0042] S2：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m?m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；[0043] 获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；[0044] 计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；[0045] S3：计算温度修正值?Tk=Q/（μ*c*V*ρ），其中，?Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；[0046] S4：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=?Tk+Tk，其中T'k为tk+1时刻的预测温度；[0047] 当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。[0048] 需要说明的是，首先，获取了变压器内部温度随时间变化的曲线，之所以拟合后的函数代表变压器内部温度随时间变化的曲线是因为，每个环境温度都对应了一个变压器内部温度，而在一天之中，每个时间点上的环境温度只有一个，因此该时间点上变压器内部温度也是唯一的，通过环境温度，将变压器内部温度和时间联系起来；之后，计算时间节点tk和tk+1的时间间隔内变压器的发热量，之所以选取环境温度范围在[m?m'，n+m']内的日期是因为，环境温度更高时，用户会使用更多的电器，导致负载升高，变压器内部的发热量，主要影响因素是铁芯损耗和绕组损耗，其中绕组损耗的计算公式Pw=Pk*（Sjs/Se），其中，Pw为绕组损耗;Pk为变压器短路有功功率;Sjs为变压器计算负荷；Se为变压器的额定容量，计算负荷的大小取决于实际负载的大小和负载系数，而且不同时间段，用户的用电情况也不相同，如夜间和白天，夜间用户需要休息，电器的使用情况会较少，导致负载降低，为了提高计算的准确度，采用同一时段的数据的均值作为该时段传递的热量；之后根据换热原理：换热量=质量*比热容*温差，计算发热量会使得变压器内部的温度变化多少，将时间点代入拟合后的函数，得到变压器不工作时，下一时间节点变压器内部温度是多少，之后计算二者之和得到预测温度。[0049] 在本发明另一种优选的实施中，调整所述的环境温度的过程中，获取该变压器所在地区近五年的环境温度，获取所述的环境温度的最大值N和最小值M，并在调整所述的环境温度的过程中，环境温度的调整范围为[M，N]。[0050] 而值得注意的是，不同地区的环境温度范围可能存在较大差异，因此获取该变压器所在地的环境温度，这样可以减少数据量，并且调整环境温度的过程中，也可以节约时间成本。[0051] 在本发明另一种优选的实施中，获取所述的变压器内部温度的过程具体包括：[0052] 在变压器内部以固定距离间隔设置若干个温度传感器，获取所有温度传感器稳定时的温度，计算所述的温度的均值，作为变压器内部温度。[0053] 在本发明另一种优选的实施中，当存在所述的温度日期的数量小于预设值时，执行以下步骤：[0054] 获取温度日期的数量Q和所述的监测周期的开始日期P，获取与所述的开始日期相邻的前一天Pq内的温度范围，并判断其是否为温度日期；[0055] 当Pq为温度日期时，令温度日期的数量为Q+1，并使Pq为开始日期P，重复上述步骤，直至温度日期的数量达到预设值。[0056] 可以理解的是，在这种情况下，说明温度日期的数量较少，在样本较少的情况下，得出的数据可能会与实际情况存在偏差，因此需要将温度日期的数量补足至预设值。[0057] 在本发明另一种优选的实施中，筛选所述的温度日期的过程中，获取所述的监测周期的结束日期P'，当存在所述的结束日期P'与去年的日期P的时间间隔中，所述的温度日期的数量小于预设值，则调整所述的环境温度范围为[m?2m'，n+2m']，并在所述的监测周期内筛选出温度日期。[0058] 在本发明另一种优选的实施中，所述的步骤S4中，当存在所述的预测温度小于预设的安全阈值时，计算所述的安全阈值与预测温度的差值，所述的差值为绝对值，当存在所述的差值小于等于预设值时，发送预警信息。[0059] 而值得注意的是，在这种情况下，虽然预测的温度未达到安全阈值，但是考虑到预测温度与安全阈值间相差较小时，可能在时间区间[tk+1，tk+2]内会出现温度超过了安全阈值的情况，可能会由于预警不及时，出现安全事故。[0060] 在本发明另一种优选的实施中，所述的步骤S4中，温度的安全阈值基于变压器的型号获取。[0061] 在本发明另一种优选的实施中，基于大数据分析的电力系统风险预测系统，包括：[0062] 初始模块：在变压器未工作的情况下，以预设的固定温度间隔，从低到高调整环境温度，每次调整外界环境温度后，并在预设的时间间隔之后获取变压器内部温度T；[0063] 在当前日期内以固定间隔设置若干个时间节点，在坐标系中生成数据点（ti，Ti），其中，ti表示第i个时间节点，Ti表示第i个时间节点上的环境温度对应的变压器内部温度，通过最小二乘法对所述的数据点进行拟合，所述的拟合公式为f（t），得到变压器内部温度随时间变化的曲线；[0064] 热量计算模块：获取当前日期的环境温度范围[m，n]，设定监测周期，筛选所述的监测周期内环境温度范围在[m?m'，n+m']内的日期，定义为温度日期，m'为预设的温度偏差；[0065] 获取当前时间节点tk和相邻的下一个时间节点tk+1，获取所述的温度日期中，与时间节点tk和tk+1对应的时间间隔内，变压器的发热量；[0066] 计算所述的发热量的均值Q，作为在时间区间[tk，tk+1]内变压器的发热量；[0067] 修正温度模块：计算温度修正值?Tk=Q/（μ*c*V*ρ），其中，?Tk为tk+1时刻的温度修正值，μ为预设修正系数，c为空气的比热容，V为变压器内部的空气体积，ρ为空气的密度；[0068] 预测模块：将tk+1代入拟合后的函数f（t），得到第一温度值Tk，计算预测温度T'k=?Tk+Tk，其中T'k为tk+1时刻的预测温度；[0069] 当存在所述的预测温度T'k大于等于预设的安全阈值时，发送预警信息。[0070] 以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

专利地区：甘肃

专利申请日期：2023-11-30

专利公开日期：2024-11-05

专利公告号：CN117968886B