适用于多点功率估计的配电台区负荷曲线分解方法及装置与流程

本发明涉及数据处理技术，尤其涉及一种适用于多点功率估计的配电台区负荷曲线分解方法及装置。

背景技术：

1、配电网作为电力系统的末端电网，在实现电能分配的同时，承担着与用户负荷间的沟通任务。随着配电网的快速发展，配电网内接入负荷的总量与类别也日益复杂，对配电网的负荷调配与故障分析带来了巨大的挑战。并且在双碳目标及新型电力系统背景下，感知配电台区接入负荷的关键数据，有助于分析低压台区运行状态及负荷类型。

2、目前，尚未有针对配电网的负荷感知方法，从而无法结合负荷感知数据对配电台区进行负荷调配。

技术实现思路

1、本发明实施例提供一种适用于多点功率估计的配电台区负荷曲线分解方法及装置，在实现配电网内负荷感知的基础上，可以完成配电负荷曲线的分解，从而结合负荷感知数据对配电台区进行负荷调配。

2、本发明实施例的第一方面，提供一种适用于多点功率估计的配电台区负荷曲线分解方法，包括：

3、服务器获取目标点的所有预设的动态相关信息所对应的关联性系数，根据所述关联性系数对预设的动态相关信息进行筛选得到目标相关信息，基于所述目标相关信息、预设的固定相关信息得到分解数据；

4、基于电能采集设备获取目标点的第一电能数据，基于预设的第一时间序列将所述分解数据与所述第一电能数据进行对应处理，得到第一数据序列；

5、服务器调取数据库中目标点历史的第二电能数据，基于预设模型和第二电能数据对第一数据序列进行识别，确定第一电能数据在第一数据序列中异常的第一电能信息并进行处理，得到第二数据序列；

6、服务器将所述第二电能数据、相对应的历史相关信息、历史负荷数据输入至预设的训练模型中进行训练得到与目标点关联的梯度参数，基于所述梯度参数和第二数据序列得到与目标点所对应分解的负荷曲线，所述负荷曲线为静态、电力电子负荷功率的拟合曲线；

7、服务器将所述目标点的负荷曲线与配电台区负荷曲线进行比对，得到目标点与配电台区负荷之间的相关性并输出配电分析数据。

8、可选地，在第一方面的一种可能实现方式中，所述服务器获取目标点的所有预设的动态相关信息所对应的关联性系数，根据所述关联性系数对预设的动态相关信息进行筛选得到目标相关信息，基于所述目标相关信息、预设的固定相关信息得到分解数据，包括：

9、获取目标点的所有预设的动态相关信息在不同时刻分别对应的历史的相关信息数值、历史的电能信息数值，基于不同时刻的历史的相关信息数值、电能信息数值计算得到关联性系数；

10、根据所述关联性系数对所有维度的预设的动态相关信息进行降序排序，得到关联影响序列，选取关联影响序列中前部预设数量的动态相关信息作为目标相关信息；

11、若判断目标点所对应的目标种类具有预设的固定相关信息，则基于所述目标相关信息、预设的固定相关信息得到分解数据。

12、可选地，在第一方面的一种可能实现方式中，所述获取目标点的所有预设的动态相关信息在不同时刻分别对应的历史的相关信息数值、历史的电能信息数值，基于不同时刻的历史的相关信息数值、电能信息数值计算得到关联性系数，包括：

13、获取目标点的所有预设的动态相关信息分别对应的历史的相关信息数值，以及根据历史的相关信息数值进行计算得到相对应的平均相关信息数值；

14、获取目标点的所有预设的动态相关信息分别对应的历史的电能信息数值，以及根据历史的电能信息数值进行计算得到相对应的平均电能信息数值；

15、根据所述相关信息数值的数量，历史的相关信息数值、平均相关信息数值、历史的电能信息数值、平均电能信息数值计算每种动态相关信息所对应的关联性系数。

16、可选地，在第一方面的一种可能实现方式中，所述根据所述相关信息数值的数量，历史的相关信息数值、平均相关信息数值、历史的电能信息数值、平均电能信息数值计算每种动态相关信息所对应的关联性系数，包括：

17、确定相对应时刻的历史的相关信息数值和历史的电能信息数值，将所有历史的相关信息数值与平均相关信息数值计算得到相关信息差值，以及将所有历史的电能信息数值与平均电能信息数值计算得到电能信息差值；

18、将相同时刻的相关信息差值、电能信息差值作为一个计算组，计算所有时刻的计算组的数值得到每种动态相关信息所对应的关联性系数，通过以下公式计算关联性系数，

19、 ，

20、其中， 、 、 、 、 、 、 、 分别为多种动态相关信息所对应的关联性系数，上标、p、c分别为目标点中的不同的关联性设备，n为相关信息数值的数量，为第个时刻的电能信息数值， 为平均电能信息数值，为第个时刻的相关信息数值，为平均相关信息数值。

21、可选地，在第一方面的一种可能实现方式中，其中，所述动态相关信息的种类包括温度、湿度、降水量、风速、气压、数据流量以及车流量中的任意一种或多种，所述固定相关信息包括日照强度；

22、所述若判断目标点所对应的目标种类具有预设的固定相关信息，则基于所述目标相关信息、预设的固定相关信息得到分解数据，包括：

23、按照预设种类对每一天的天气状况进行分类，基于层次聚类法对全天24小时的日照强度聚类处理，得到多种天气状况类型的聚类集合，所述天气状况类型至少包括晴、多云、阴；

24、将对应聚类集合的中心点，作为对应天气类型下该时刻的日照强度值，聚类集合的中心点的数值通过以下公式计算，

25、 ，

26、其中，、、分别为聚类集合、、的中心点，m为聚类集合内参数数量，为集合内第个参数。

27、可选地，在第一方面的一种可能实现方式中，所述基于电能采集设备获取目标点的第一电能数据，基于预设的第一时间序列将所述分解数据与所述第一电能数据进行对应处理，得到第一数据序列，包括：

28、基于采集设备获取目标点的第一电能数据，所述第一电能数据包括目标点在不同时刻的第一电能信息，所述第一电能信息包括电压信息、电流信息以及功率信息中的任意一种或多种；

29、基于预设的第一时间序列对分解数据与所述第一电能数据进行对应处理，以使在第一时间序列内的所有时刻分别对应的目标相关信息、固定相关信息被确定；

30、将所确定的目标相关信息、固定相关信息、第一电能信息进行组合得到多个组合集合，对所有的组合集合按照相应的时刻进行排序得到第一数据序列。

31、可选地，在第一方面的一种可能实现方式中，所述服务器调取数据库中目标点历史的第二电能数据，基于预设模型和第二电能数据对第一数据序列进行识别，确定第一电能数据在第一数据序列中异常的第一电能信息并进行处理，得到第二数据序列，包括：

32、获取第二电能数据中所对应的最大极值信息和最小极值信息得到第一电能比对区间，调取与所述目标点所对应的区间偏移系数对所述第一电能比对区间进行偏移处理，得到第二电能比对区间；

33、将第一数据序列中不位于第二电能比对区间的第一电能信息确定为异常的第一电能信息；

34、若判断用户对服务器所确定的异常的第一电能信息未输入反馈数据，则对异常的第一电能信息进行处理得到补偿电能信息，根据正常的第一电能信息、补偿电能信息得到第二数据序列；

35、若判断用户对服务器所确定的异常的第一电能信息输入反馈数据，基于反馈数据对部分异常的第一电能信息修正为正常的第一电能信息，对区间偏移系数进行修正处理；

36、对修正后异常的第一电能信息进行处理得到补偿电能信息，根据正常的第一电能信息、补偿电能信息得到第二数据序列。

37、可选地，在第一方面的一种可能实现方式中，所述若判断用户对服务器所确定的异常的第一电能信息输入反馈数据，基于反馈数据对部分异常的第一电能信息修正为正常的第一电能信息，对区间偏移系数进行修正处理，包括：

38、提取所述反馈数据中所标定时刻的第一电能信息，将相应的第一电能信息修正为正常的第一电能信息；

39、确定所有修正为正常的第一电能信息，与所述第二电能比对区间中最接近数值之差的绝对值得到训练差值，选择最大的训练差值作为待计算的训练差值；

40、获取修正为正常的第一电能信息的第一数量，根据所述第一数量、待计算的训练差值对所述区间偏移系数进行修正处理，通过以下公式对区间偏移系数进行修正处理，

41、，

42、其中，为修正处理后的区间偏移系数，为修正处理前的区间偏移系数，为最大的训练差值所对应的第一电能信息，为相应第一电能信息与第二电能比对区间中最接近数值，为修正为正常的第一电能信息的第一数量，为常数值。

43、可选地，在第一方面的一种可能实现方式中，所述服务器调取数据库中目标点历史的第二电能数据，基于预设模型和第二电能数据对第一数据序列进行识别，确定第一电能数据在第一数据序列中异常的第一电能信息并进行处理，得到第二数据序列，包括：

44、采用线性回归模型来识别异常的第一电能信息，如下所示，

45、 ，

46、式中： 为线性回归模型计算得到的参数计算值，为第个时刻的第一电能信息，m、c分别为根据第二电能数据中第二电能信息拟合得到的线性回归模型斜率和截距，为上限阈值，为下限阈值，为浮动参数，为历史数据数量，为根据实际情况设定的正实数；

47、若第一电能信息满足或，则将该数据标记为异常数据。

48、可选地，在第一方面的一种可能实现方式中，所述确定第一电能数据在第一数据序列中异常的第一电能信息并进行处理，得到第二数据序列，包括：

49、获取异常的第一电能信息所对应的时刻为异常时刻，按照预设策略选择与所述异常时刻所对应的关联时刻；

50、根据所述关联时刻所对应的第一电能信息进行计算，得到对异常的第一电能信息进行替换的补偿电能信息，通过以下公式计算补偿电能信息，

51、 ，

52、其中，、分别为异常的第一电能信息前2个和1个时刻的数据值，、分别为异常的第一电能信息后2个和1个时刻的数据值。

53、可选地，在第一方面的一种可能实现方式中，所述服务器将所述第二电能数据、相对应的历史相关信息、历史负荷数据输入至预设的训练模型中进行训练得到与目标点关联的梯度参数，基于所述梯度参数和第二数据序列得到与目标点所对应分解的负荷曲线，所述负荷曲线为静态、电力电子负荷功率的拟合曲线，包括：

54、将所述第二电能数据、相对应的历史相关信息输入至预设的训练模型中进行训练得到与目标点关联的梯度参数，所述梯度参数包括相关信息参数式计算的第一子影响系数和由电能信息参数式计算的初始的静态、电力电子负荷功率，所述预设的训练模型包括神经网络模型；

55、在判断得到目标点关联的梯度参数后，将当前的目标相关信息、预设的固定相关信息、第一电能数据输入至训练后的神经网络模型内，得到当前时刻的负荷功率；

56、统计其他相邻时刻的负荷功率、当前时刻的负荷功率生成相对应的负荷曲线。

57、可选地，在第一方面的一种可能实现方式中，所述在判断得到目标点关联的梯度参数后，将当前的目标相关信息、预设的固定相关信息、第一电能数据输入至训练后的神经网络模型内，得到当前时刻的负荷功率，包括：

58、神经网络模型根据所述目标相关信息、预设的固定相关信息、相关信息参数式得到相对应的第一子影响系数，根据以下相关信息参数式计算得到第一子影响系数，

59、，

60、其中，为第一子影响系数，为第个目标相关信息、预设的固定相关信息所对应的数值，为第个目标相关信息、预设的固定相关信息所对应的权重值；

61、神经网络模型根据所述第一电能数据、电能信息参数式进行计算得到初始的静态、电力电子负荷功率，根据所述第一子影响系数对初始的静态、电力电子负荷功率进行处理得到当前时刻的负荷功率。

62、可选地，在第一方面的一种可能实现方式中，所述神经网络模型根据所述第一电能数据、电能信息参数式进行计算得到初始的静态、电力电子负荷功率，根据所述第一子影响系数对初始的静态、电力电子负荷功率进行处理得到当前时刻的负荷功率，包括：

63、根据以下的电能信息参数式计算得到初始的静态、电力电子负荷功率，

64、 ，

65、其中，为初始的静态、电力电子负荷功率，为静态、电力电子负荷额定功率，为静态、电力电子负荷接入电网点的第一电压信息， 、 、分别为恒阻抗、恒电流、恒功率负荷占比系数；

66、采用最小二乘法，使用历史静态和电力电子负荷功率、第二电压数据拟合 、、的参数值，并将当前时刻的第一电压信息代入拟合得到的非线性模型中，计算得到初始的静态、电力电子负荷功率；

67、将第一子影响系数与初始的静态、电力电子负荷功率相乘得到当前时刻的负荷功率。

68、可选地，在第一方面的一种可能实现方式中，所述服务器将所述目标点的负荷曲线与配电台区负荷曲线进行比对，得到目标点与配电台区负荷之间的相关性并输出配电分析数据，包括：

69、确定配电台区所对应的所有负荷点，根据负荷点的数量对配电台区负荷曲线进行均分计算，得到均分负荷曲线；

70、计算所述目标点的负荷曲线，与均分负荷曲线中相应时刻点的差值的绝对值得到负荷差值，若所述负荷差值大于相应的预设差值，则将目标点选择为待调配的目标点；

71、若所述差值为大于0，则生成对其进行增加配电的分析数据；

72、若所述差值为小于0，则生成对其进行减少配电的分析数据。

73、本发明实施例的第二方面，提供一种适用于多点功率估计的配电台区负荷曲线分解装置，包括：

74、筛选模块，用于服务器获取目标点的所有预设的动态相关信息所对应的关联性系数，根据所述关联性系数对预设的动态相关信息进行筛选得到目标相关信息，基于所述目标相关信息、预设的固定相关信息得到分解数据；

75、第一序列模块，用于基于电能采集设备获取目标点的第一电能数据，基于预设的第一时间序列将所述分解数据与所述第一电能数据进行对应处理，得到第一数据序列；

76、第二序列模块，用于服务器调取数据库中目标点历史的第二电能数据，基于预设模型和第二电能数据对第一数据序列进行识别，确定第一电能数据在第一数据序列中异常的第一电能信息并进行处理，得到第二数据序列；

77、分解模块，用于服务器将所述第二电能数据、相对应的历史相关信息、历史负荷数据输入至预设的训练模型中进行训练得到与目标点关联的梯度参数，基于所述梯度参数和第二数据序列得到与目标点所对应分解的负荷曲线，所述负荷曲线为静态、电力电子负荷功率的拟合曲线；

78、分析模块，用于服务器将所述目标点的负荷曲线与配电台区负荷曲线进行比对，得到目标点与配电台区负荷之间的相关性并输出配电分析数据。

79、有益效果1、本方案会结合目标点的目标相关信息、预设的固定相关信息得到分解数据，然后对上述数据进行时间编码，使所获取的数据与对应的时间一一对应得到第一数据序列，同时会结合历史数据对第一数据序列进行异常处理，得到第二数据序列，然后结合预设的训练模型得到与目标点关联的梯度参数，最后结合梯度参数和第二数据序列得到与目标点所对应分解的负荷曲线，将目标点的负荷曲线与配电台区负荷曲线进行比对，得到目标点与配电台区负荷之间的相关性并输出配电分析数据。本方案通过上述方式，可以在实现配电网内负荷感知的基础上，可以完成配电负荷曲线的分解，从而结合负荷感知数据对配电台区进行负荷调配。

80、2、在进行目标相关信息的筛选时，本方案会结合不同时刻的历史的相关信息数值、电能信息数值进行多维融合计算得到关联性系数，然后基于关联性系数进行筛选，得到关联性较大的目标相关信息；针对预设的固定相关信息，本方案会结合不同的类型进行聚类处理，并得到各个聚类集合的中心点的数值。本方案在计算当前时刻的负荷功率时，会结合电能信息参数式和相关信息参数式进行综合计算，最后结合负荷点的数量对配电台区负荷曲线进行均分计算，得到均分负荷曲线并进行曲线比对，在差值大于0时生成对其进行增加配电的分析数据；在差值小于0时，生成对其进行减少配电的分析数据。

81、3、本方案考虑到在数据感知、存储、传输过程中，可能因外界影响或设备异常等原因出现异常数据，因此本方案会结合历史数据对异常数据进行处理，以减少异常数据对负荷分解的影响。在进行异常数据的判断时，本方案会结合第二电能比对区间进行比对，其中，在得到第二电能比对区间的过程中，本方案会结合区间偏移系数对第一电能比对区间进行偏移处理，后续还设置了结合用户反馈的数据，对区间偏移系数进行调整的方案，使得第二电能比对区间贴合用户的需求。另外，本方案还设置了补偿电能信息对异常数据进行补偿处理，使得第二数据序列的数据是正常的。