一种电力系统时空分布特征配网线损分析系统和方法与流程

本发明涉及电力系统，尤其是涉及一种电力系统时空分布特征配网线损分析系统和方法。

背景技术：

1、配电网线损直接反应了供电企业的用电管理水平，降低配电网线损直接提高企业的经济效益，配电网线损评估与管理是企业有效降低配电网的损耗的必备手段。

2、现有配网线损计算，是基于传统的集中式发电厂，包括火电、水电、核电等大型电厂，输变电、配电，电力潮流单一，线损区间波动小，是使用简单的输入、输出、损失电量计算方法进行计算，计算方法较为简单，未考虑目前新型电力系统背景下大规模新能源、储能等关键因素的影响，无法准确反映新型电力系统真实线损情况，难以给出新型电力系统下的合理区间计算分析，不利于配电网的调控管理。

技术实现思路

1、本发明旨在提供一种电力系统时空分布特征配网线损分析系统和方法，以解决上述技术问题，准确反映新型电力系统真实线损情况，给出新型电力系统下的合理区间计算分析，有利于配电网的调控管理。

2、为了解决上述技术问题，本发明提供了一种电力系统时空分布特征配网线损分析系统，包括依次电性连接的线损异常因子获取模块、关联性分析模块、灵敏度分析模块、线损关键因子获取模块、线损分析模块和调控模块；

3、所述线损异常因子获取模块用于基于目标电网的历史线损数据，获取线损异常因子集合；

4、所述关联性分析模块用于根据线损异常因子集合，分析各个线损异常因子与线损数据的关联性，获取所有线损数据的关联性结果；

5、所述灵敏度分析模块用于利用全局灵敏度分析算法，对目标电网的线损异常因子进行灵敏度分析，得到各个线损异常因子的灵敏度数据；

6、所述线损关键因子获取模块用于基于各个线损异常因子的灵敏度数据和所有线损数据的关联性结果，获取包含时空特征量的线损关键因子；

7、所述线损分析模块用于根据线损关键因子对目标电网进行线损分析，确定导致目标电网发生线损异常的异常时空信息、异常原因及异常因素；

8、所述调控模块用于根据线损分析结果对配电网进行实时调控。

9、上述方案中，利用所述线损异常因子获取模块基于目标电网的历史线损数据，获取线损异常因子集合，线损异常因子集合中包括与线损计算有关的特征因子、与该特征因子对应的线损分类、该特征因子在计算线损过程中的权重等，所述关联性分析模块根据线损异常因子集合，分析各个线损异常因子与线损数据的关联性，获取所有线损数据的关联性结果，所述关联性分析模块利用全局灵敏度分析算法，对目标电网的线损异常因子进行灵敏度分析，得到各个线损异常因子的灵敏度数据，所述灵敏度分析模块利用全局灵敏度分析算法，对目标电网的线损异常因子进行灵敏度分析，得到各个线损异常因子的灵敏度数据，所述线损关键因子获取模块基于各个线损异常因子的灵敏度数据和所有线损数据的关联性结果，获取包含时空特征量的线损关键因子，其中，根据线损关键因子及目标电网线损关键因子的灵敏度，可以析出电网内变压器容量、电缆的材质、长度、直径、环境温度等大量线损异常因子中提取出关联性高、灵敏度高的top5线损因子作为线损关键因子。通过关键因子分析算法，从各种因子中寻找出对种群密度变动起主导作用的5个因子，作为top5关键因子，通过获取目标电网的线损异常因子集合，以得到所有线损数据的关联性结果，同时对各个线损异常因子的灵敏度数据进行计算，基于关联性结果和灵敏度数据获取到含时空特征量的线损关键因子，最后利用线损关键因子对目标电网进行线损分析，能够实现多场景配电网线损合理区间及标杆值在线分析计算，便于进行配电网的调控管理。

10、上述方案准确反映新型电力系统真实线损情况，给出新型电力系统下的合理区间计算分析，有利于配电网的调控管理。

11、进一步的，所述线损分析模块包括线损数据获取子模块和数据分析子模块；所述线损数据获取子模块和所述线损关键因子获取模块连接，所述数据分析子模块和所述线损数据获取子模块连接；

12、所述线损数据获取子模块用于计算异常电网的四分线损统计值并与线损标杆阈值对比，筛选出目标电网中的异常电网，获取异常电网的线损异常数据；

13、所述数据分析子模块用于根据线损关键因子对线损异常数据进行排查，确定导致目标电网发生线损异常的异常时空信息、异常原因及异常因素。

14、进一步的，所述线损数据获取子模块包括依次电性连接的建模单元、电网数据获取单元、线损异常判断单元和异常分析单元；

15、所述建模单元用于建立线损异常诊断模型；

16、所述电网数据获取单元用于获取电网基础数据；

17、所述线损异常判断单元用于利用电网基础数据计算目标电网的四分线损统计值，并利用线损标杆阈值判断所述线损统计值是否异常；

18、所述异常分析单元用于当四分线损统计值异常时，将电网基础数据输入至线损异常诊断模型进行异常原因分析，确定导致目标电网发生线损异常的异常时空信息、异常原因及异常因素。

19、进一步的，所述线损异常诊断模型为以历史线损异常问题及处理工作单为训练样本进行训练后获得的模型。

20、进一步的，所述电网基础数据包括营销管理数据、计量自动化数据、配网自动化数据和调度自动化系统数据。

21、进一步的，所述建模单元包括依次电性连接的第一样本获取子单元、第二样本获取子单元和模型建立子单元；

22、所述第一样本获取子单元用于获取已标注线损异常原因的第一训练样本集；

23、所述第二样本获取子单元用于按照异常因素判断规则，对第一训练样本集中的各个训练样本标注对应的目标异常因素，获得第二训练样本集；

24、所述模型建立子单元用于对第二训练样本集进行异常因素统计，确定异常因素与线损异常原因之间的关联关系。

25、进一步的，还包括依次电性连接的历史数据获取模块、建模模块、实时数据获取模块和边缘测试模块；所述实时数据获取模块和所述调控模块连接；

26、所述历史数据获取模块用于获取台区电网的历史相关数据；

27、所述建模模块用于根据所述历史相关数据建立lstm模型；

28、所述实时数据获取模块用于采集台区电网经调控模块实时调控后的实时相关数据；

29、所述边缘测试模块用于将台区电网的实时相关数据输入所述lstm模型，得到实时预测线损率。

30、本发明提出一种电力系统时空分布特征配网线损分析方法，应用于所述一种电力系统时空分布特征配网线损分析系统，包括以下步骤：

31、基于目标电网的历史线损数据，获取线损异常因子集合；

32、根据线损异常因子集合，分析各个线损异常因子与线损数据的关联性，获取所有线损数据的关联性结果；

33、利用全局灵敏度分析算法，对目标电网的线损异常因子进行灵敏度分析，得到各个线损异常因子的灵敏度数据；

34、基于各个线损异常因子的灵敏度数据和所有线损数据的关联性结果，获取包含时空特征量的线损关键因子；

35、根据线损关键因子对目标电网进行线损分析，确定导致目标电网发生线损异常的异常时空信息、异常原因及异常因素；

36、根据线损分析结果对配电网进行实时调控。

37、进一步的，还包括以下步骤：

38、获取台区电网的历史相关数据；

39、根据所述历史相关数据建立lstm模型；

40、采集台区电网经调控模块实时调控后的实时相关数据；

41、将台区电网的实时相关数据输入所述lstm模型，得到实时预测线损率。

42、进一步的，所述根据所述历史相关数据建立lstm模型具体为：将预处理后的历史相关数据中的线损率作为因变量，将其他数据作为自变量，拟合随机森林回归模型，根据随机森林回归模型，选取用于预测线损率的自变量，根据选取的自变量以及对应的线损率，得到训练集以及测试集，通过训练集，训练长短期记忆网络lstm模型，将训练好的lstm模型在测试集上进行验证，并根据验证结果，对lstm模型进行优化。