变压器负载数据处理方法、装置、计算机设备和存储介质与流程

1.本技术涉及变压器技术领域，特别是涉及一种变压器负载数据处理方法、装置、计算机设备和存储介质。


背景技术：

2.随着变压器技术的发展，出现了变压器负载分析技术，其对于电力容量规划、保障电网安全运行以及经济效益具有重大的作用。
3.通常，将变压器负载率作为变压器运维或电力规划的重要指标，在传统的方法中，需要在一定周期内实时地监测变压器的负载数据，以计算变压器的负载率，然而，由此得到的负载率并不能综合、全面、准确地反映某一区域的变压器负载状况，因此，导致对变压器负载状况的分析和判断不准确。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高变压器负载状况评价准确性的变压器负载数据处理方法、装置、计算机设备和存储介质。
5.一种变压器负载数据方法，该方法包括：
6.获取目标区域的变压器的实际负载率；
7.确定目标区域的所属地域并确定当前季节；
8.调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；
9.根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。
10.在一个实施例中，地域特征包括经济发展程度、电气化发展水平、地理位置、用电设施分布状况之中的至少一种。
11.在一个实施例中，根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价，包括：在目标区域的实际负载率小于预测负载率时，判定目标区域的变压器为第一状况。
12.在一个实施例中，根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价，包括：在目标区域的实际负载率大于预测负载率时，判定目标区域的变压器为第二状况；其中，第一状况下的变压器的负载增加潜力大于第二状况下的变压器。
13.在一个实施例中，该方法还包括：获取公共建筑变压器的最佳运行负载区间的上限值；根据上限值以及目标区域的实际负载率，得到目标区域的最大可增负载率。
14.在一个实施例中，负载率预测模型的构建方法，包括：将样本地划分为多个地域；采集样本地的气候特征以及各地域的地域特征；根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数；根据各负载率综合影响系数生成负载率
预测模型。
15.在一个实施例中，根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数，包括：根据各地域的地域特征分别确定各地域的地域影响因子；根据样本地的气候特征分别确定不同季节对应的季节影响因子；根据各地域影响因子以及各季节影响因子计算各地域在各季节下的负载率综合影响系数。
16.在一个实施例中，根据各负载率综合影响系数生成负载率预测模型，包括：获取负载率基线值；根据变压器容量与变压器平均负载之间的倍数关系，得到负载率综合影响系数的折算权值；根据各负载率综合影响系数、负载率基线值以及折算权值，计算各地域对应的预测负载率；根据各地域对应的预测负载率生成负载率预测模型。
17.一种变压器负载数据处理装置，该装置包括：
18.实际数据获取模块，用于获取目标区域的变压器的实际负载率；
19.特征信息确定模块，用于确定目标区域的所属地域并确定当前季节；
20.预测数据获取模块，用于调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；
21.负载状况评价模块，用于根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。
22.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的变压器负载数据处理方法。
23.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的变压器负载数据处理方法。
24.上述变压器负载数据处理方法、装置、计算机设备和存储介质，通过根据目标区域的所属地域以及当前季节得到目标区域对应的预测负载率，并利用目标区域的实际负载率与预测负载率进行比较，能够更全面、准确地评估目标区域的变压器的负载状况，因此，能够提高电力规划工作的效率。
附图说明
25.图1为一个实施例中变压器负载数据处理方法的流程示意图；
26.图2为一个实施例中构建负载率预测模型的步骤的流程示意图；
27.图3为一个实施例中根据气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数的步骤的流程示意图；
28.图4为一个实施例的根据各负载率综合影响系数生成负载率预测模型的步骤的流程示意图；
29.图5为一个实施例中变压器负载数据装置的结构框图；
30.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
31.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本技术，并不用
于限定本技术。
32.在一个实施例中，本技术提供的变压器负载数据处理方法，可以应用于服务器。具体地，服务器获取目标区域的变压器的实际负载率；确定目标区域的所属地域并确定当前季节；调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
33.在一个实施例中，本技术提供的变压器负载数据处理方法也可以应用于终端。具体地，终端获取目标区域的变压器的实际负载率；确定目标区域的所属地域并确定当前季节；调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、终端服务器和便携式可穿戴设备。
34.在一个实施例中，如图1所示，图1提供了一种变压器负载数据处理方法，以该方法应用于服务器为例进行说明，包括以下步骤：
35.步骤s102：获取目标区域的变压器的实际负载率。
36.其中，目标区域可以是被指定的任何一个或多个区域，目标区域可以是社区、购物中心综合体、写字楼、酒店等区域。
37.具体地，服务器可以采集一定周期内监测得到的目标区域的变压器负载数据，并根据采集的变压器负载数据以及该目标区域的变压器容量，计算该目标区域的实际负载率。
38.示例性地，服务器可以获取目标区域在一定周期内(例如，24小时)的所有负载的有功功率随时间的变化曲线，并根据该变化曲线确定该周期内目标区域的用电峰区间以及用电谷区间，例如，分析得到每天(24小时内)会出现两个用电峰区间以及两个用电谷区间，第1个用电峰区间是在9:00～13:30之间，第1个用电谷区间是在14:00～16:00之间；第2个用电峰区间是在17:00～23:00之间，其中18:30～22:00是最高用电峰值所在区间，第2个用电谷区间是在23:00～8:30之间，其中夜间的1:00～6:30是最低用电谷值所在区间；峰谷比约为3.2倍左右。服务器根据该些负载数据，计算出该目标区域的最大变压器负载率，并将计算的目标区域的最大变压器负载率作为上述的实际负载率。
39.步骤s104：确定目标区域的所属地域并确定当前季节。
40.其中，地域可以包括华北、东北、华东、中南、西南、西北等地域，也可以根据应用场景以及地图的不同调整地域的划分规则。当前季节是指当前时间点所对应的季节，季节可以包括春、夏、秋、冬四种季节，也可以进一步衍生为包括各种节气等。
41.具体地，服务器响应于用户指定的目标区域，并响应于用户录入或选择的目标区域的所属地域信息和当前季节信息；或者，服务器也可以通过获取表征该目标区域所属地域的信息，例如，可以获取目标区域的坐标信息、区域名称信息或所属行政区信息等，从而判断目标区域所属于哪个地域，并可以通过获取表征当前时间点所对应季节的信息以确定当前季节。
42.步骤s106：调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型。
43.其中，预测负载率是指负载率预测模型输出的值，其与目标区域的所属地域和当前季节所对应关联。负载率预测模型为预先根据气候特征以及不同地域的地域特征所生成的预测模型，负载率预测模型可以表征不同地域、不同季节与变压器负载率之间的关联关系。示例性地，地域特征可以包括经济发展程度、电气化发展水平、地理位置、用电设施分布状况之中的至少一种。
44.具体地，服务器通过调用预先构建的负载率预测模型，将目标区域的所属地域以及当前季节作为模型输入参数，得到模型输出的目标区域在当前季节下所对应的变压器的预测负载率。
45.步骤s108：根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。
46.具体地，服务器可以通过比较目标区域的实际负载率以及目标区域的预测负载率，分析实际负载率与预测负载率之间的关系，将实际负载率和预测负载率所反映的负载信息相结合，从而对目标区域的变压器负载状况进行综合、全面地分析评价。进而，判断目标区域是否存在潜在的电容利用潜力。
47.上述变压器负载数据处理方法，通过根据目标区域的所属地域以及当前季节得到目标区域对应的预测负载率，并利用目标区域的实际负载率与预测负载率进行比较，能够更全面、准确地评价目标区域的变压器的负载状况，因此，能够提高电力规划工作的准确性。
48.在一个实施例中，根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价，包括：在目标区域的实际负载率小于预测负载率时，判定目标区域的变压器为第一状况。
49.在本实施例中，由于实际负载率小于预测负载率，说明目标区域的实际负载率相比结合了其所属地域的地域特征、气候特征等综合因素后所生成的预测负载率而言，电容利用率仍有较大提升空间，因此，可以判定变压器负载为第一状况，也即是，该目标区域的变压器处于负载增加潜力较大的状态，说明目标区域为具有电容利用潜力的区域，能够继续在该目标区内规划大量负载。
50.在一个实施例中，根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价，包括：在目标区域的实际负载率大于预测负载率时，判定目标区域的变压器为第二状况。
51.在本实施例中，由于实际负载率大于预测负载率，说明目标区域的实际负载率相比结合了其所属地域的地域特征、气候特征等综合因素后所生成的预测负载率而言，已经饱和或接近饱和，因此，可以判定变压器为第二状况，第二状况下的变压器相比于第一状况下的变压器，其负载增加潜力较小，因此在进行电力规划时可以适当减小该目标区域的负载增加量，或为该区域申请扩容等。
52.进一步，该评价结果可以通过屏幕显示、语音提示、信息发送等方式提示相关用户，从而为目标区域的电力容量规划工作提供依据，例如，为确定该目标区域是否适合增加
充电桩等大型用电设备等提供依据。根据上述两个实施例的评价结果，用户能够清楚、准确地得知目标区域的电容利用潜力，从而能够提高用户对目标区域的电容规划工作的效率和准确性。
53.在一个实施例中，该方法还包括：获取公共建筑变压器的最佳运行负载区间的上限值；根据上限值以及目标区域的实际负载率，得到目标区域的最大可增负载率。
54.在本实施例中，当服务器评价目标区域的变压器处于可增载的状况，可以进一步根据变压器运行状态、效率与负载区间之间的关联关系，确定公共建筑变压器的最佳运行负载区间。
55.示例性地，变压器运行状态、效率与负载区间之间的关联关系可以参见表1所示，从表1中可以看出，负载率在(0.3，0.75)这个区间是变压器最佳的运行负载区间，建筑能耗计算校核变压器选型应落入这个运行区间，因此，可以取上限值0.75，用0.75减去预测负载率，从而进一步估算该目标区域的最大可增负载率。
56.表1
[0057][0058][0059]
在一个实施例中，参考图2所示，图2示出了一个实施例中构建负载率预测模型的步骤的流程示意图，具体地，负载率预测模型的构建方法可以包括以下步骤：
[0060]
步骤s202：将样本地划分为多个地域。
[0061]
具体地，可以根据行政区域划分将样本地(例如，可以是中国)划分为多个地域。示例性地，可以划分为6个地域：华北地域、东北地域、华东地域、中南地域、西南地域、西北地域。在其他实施例中，也可以根据业务需求增加或减少划分地域的个数，或修改划分地域的方式等。
[0062]
步骤s204：采集样本地的气候特征以及各地域的地域特征。
[0063]
具体地，分别采集各地域对应的地域特征，其中，地域特征包括但不限于经济发展程度、电气化发展水平、地理位置、充电桩等大型用电设备分布状况等。地域特征可以根据需求自定义选择、增加或减少。气候特征可以包括平均气温、早晚温差、最高气温、最低气温、降水量等特征，例如，可以根据气象台发布的全国各地的气温实况图等来提取气候特征。
[0064]
步骤s206：根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数。
[0065]
具体地，根据各地域特征确定各地域特征对应的地域影响因子，并结合气候特征确定各地域在不同季节下所分别对应的季节影响因子，例如，春季影响因子、夏季影响因子、秋季影响因子和冬季影响因子等。根据地域影响因子和季节影响因子，计算不同季节下各地域对应的负载率综合影响系数。
[0066]
步骤s208：根据各负载率综合影响系数生成所述负载率预测模型。
[0067]
具体地，根据负载率综合影响系数生成各地域对应的预测负载率，并构建负载率预测模型。
[0068]
在本实施例中，通过划分地域并从各地域的电力发展或使用相关数据以及地理气候数据中提取特征，将提取的特征加入至负载率系数生成过程中，因此，由此构建的负载率预测模型能够更综合、全面、准确地预测各地域的变压器负载率。
[0069]
在一个实施例中，参考图3所示，图3示出了一个实施例中根据气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数的步骤的流程示意图，具体包括：
[0070]
s302：根据各地域的地域特征分别确定各地域的地域影响因子。
[0071]
s304：根据样本地的气候特征分别确定不同季节对应的季节影响因子。
[0072]
s306：根据各地域影响因子以及各季节影响因子计算各地域在各季节下的负载率综合影响系数。
[0073]
在本实施例中，服务器可以根据各地域的地域特征确定地域影响因子。示例性地，地域特征可以为多个，例如，可以包括经济发展程度、电气化发展水平、地理位置等，相应地，地域影响因子也为多个，分别是：由经济发展程度确定的经济因子；由电气化发展水平确定的电气化影响因子；由地理位置确定的地理影响因子等。其中，地域影响因子可以根据选取的地域特征的增减进行相应增减。
[0074]
由于经济发展程度越高的地域，其电力使用量也会越大，因此，可以将经济影响因子的取值设置为与经济发展程度成正比。类似地，由于电气化发展水平越高的区域，其电力使用量也会越大，可以将电气化影响因子的取值设置为与电气化发展水平成正比。此外，由于城市可能比乡村的电力使用量大，沿海可能比内陆的电力使用量大，因此，可以根据地理位置确定不同取值的地理影响因子。
[0075]
下面，在一个应用实例中，参考表2所示，表2示出了一个实施例的经大数据分析后各地域的季节影响因子、地域影响因子的关系表。
[0076]
表2
[0077][0078]
示例性地，设置夏季影响因子为1.000，并以此为基准，根据各地域春、秋、冬季相对于夏季的气候特征的变化确定出春季影响因子为0.556、秋季影响因子为0.729、冬季影响因子为0.625。此外，根据各地域的电气化发展水平、经济发展程度、地理位置等地域特征，分别确定各地域的各地域影响因子的取值。其中，地域综合影响因子可以通过电气化影响因子、经济影响因子、地理影响因子的乘积得到。各地域在各季节的负载率综合影响系数可以通过其地域综合影响因子与季节影响因子的乘积得到，例如，华北区域的夏季的负载率综合影响系数为1.100，计算公式为：负载率综合影响系数(华北、夏)＝1.000(夏季影响因子)*1.100(地域综合影响因子)。
[0079]
在一个实施例中，参考图4所示，图4示出了一个实施例的根据各负载率综合影响系数生成负载率预测模型的步骤的流程示意图，具体可以包括：
[0080]
s402：获取负载率基线值。
[0081]
s404：根据变压器容量与变压器平均负载之间的倍数关系，得到负载率综合影响系数的折算权值。
[0082]
s406：根据各负载率综合影响系数、负载率基线值以及折算权值，计算各地域对应的预测负载率。
[0083]
s408：根据各地域对应的预测负载率生成负载率预测模型。
[0084]
在本实施例中，通过结合负载率基线值，并进一步考虑变压器容量与变压器平均负载之间的倍数关系，能够使得负载率预测模型预测得到更加准确的值。
[0085]
示例性地，可以以负载率基线值(例如，可以取0.45)为基础，考虑到系统设计选型的变压器容量较大，实际中通常低载运行，变压器容量相对于实际平均负载通常达到4倍左右，因此，负载率综合影响系数的影响程度只占其一部分，因此，可以确定出负载率综合影响系数的折算权值为0.25。由此，基于负载率预测模型进行预测的关系式可以表示为，预测负载率＝(负载率综合影响系数*折算权值0.25+0.75)*负载率基线值0.45。参考表3所示，表3示出了一个实施例中各地域各季节对应的负载率预测模型的输出值。
[0086]
表3
[0087][0088]
应该理解的是，虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0089]
在一个实施例中，如图5所示，提供了一种变压器负载数据处理装置，包括：实际数据获取模块510、特征信息确定模块520、预测数据获取模块530和负载状况评价模块，其中：
[0090]
实际数据获取模块510，用于获取目标区域的变压器的实际负载率；
[0091]
特征信息确定模块520，用于确定目标区域的所属地域并确定当前季节；
[0092]
预测数据获取模块530，用于调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；
[0093]
负载状况评价模块540，用于根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。
[0094]
在一个实施例中，负载状况评价模块540在目标区域的实际负载率小于预测负载率时，判定目标区域的变压器为第一状况。
[0095]
在一个实施例中，负载状况评价模块540在目标区域的实际负载率大于预测负载率时，判定目标区域的变压器为第二状况；其中，第一状况下的变压器的负载增加潜力大于第二状况下的变压器。
[0096]
在一个实施例中，负载状况评价模块540，还用于获取公共建筑变压器的最佳运行负载区间的上限值；根据上限值以及目标区域的实际负载率，得到目标区域的最大可增负载率。
[0097]
在一个实施例中，该装置还包括预测模型构建模块550，预测模型构建模块550用于将样本地划分为多个地域；采集样本地的气候特征以及各地域的地域特征；根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数；根据各负
载率综合影响系数生成负载率预测模型。
[0098]
在一个实施例中，预测模型构建模块550根据各地域的地域特征分别确定各地域的地域影响因子；根据样本地的气候特征分别确定不同季节对应的季节影响因子；根据各地域影响因子以及各季节影响因子计算各地域在各季节下的负载率综合影响系数。
[0099]
在一个实施例中，预测模型构建模块550获取负载率基线值；根据变压器容量与变压器平均负载之间的倍数关系，得到负载率综合影响系数的折算权值；根据各负载率综合影响系数、负载率基线值以及折算权值，计算各地域对应的预测负载率；根据各地域对应的预测负载率生成负载率预测模型。
[0100]
关于变压器负载数据处理装置的具体限定可以参见上文中对于变压器负载数据处理方法的限定，在此不再赘述。上述变压器负载数据处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0101]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储负载率预测模型的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种变压器负载数据处理方法。
[0102]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0103]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：获取目标区域的变压器的实际负载率；确定目标区域的所属地域并确定当前季节；调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。
[0104]
在一个实施例中，处理器执行计算机程序实现根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价时，具体实现以下步骤：在目标区域的实际负载率小于预测负载率时，判定目标区域的变压器为第一状况。
[0105]
在一个实施例中，处理器执行计算机程序实现根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价时，具体实现以下步骤：在目标区域的实际负载率大于预测负载率时，判定目标区域的变压器为第二状况；其中，第一状况下的变压器的负载增加潜力大于第二状况下的变压器。
[0106]
在一个实施例中，处理器执行计算机程序实现时还实现以下步骤：获取公共建筑变压器的最佳运行负载区间的上限值；根据上限值以及目标区域的实际负载率，得到目标
区域的最大可增负载率。
[0107]
在一个实施例中，处理器执行计算机程序时还实现负载率预测模型的构建的步骤，包括：将样本地划分为多个地域；采集样本地的气候特征以及各地域的地域特征；根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数；根据各负载率综合影响系数生成负载率预测模型。
[0108]
在一个实施例中，处理器执行计算机程序实现根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数时，具体实现以下步骤：根据各地域的地域特征分别确定各地域的地域影响因子；根据样本地的气候特征分别确定不同季节对应的季节影响因子；根据各地域影响因子以及各季节影响因子计算各地域在各季节下的负载率综合影响系数。
[0109]
在一个实施例中，处理器执行计算机程序实现根据各负载率综合影响系数生成负载率预测模型时，具体实现以下步骤：获取负载率基线值；根据变压器容量与变压器平均负载之间的倍数关系，得到负载率综合影响系数的折算权值；根据各负载率综合影响系数、负载率基线值以及折算权值，计算各地域对应的预测负载率；根据各地域对应的预测负载率生成负载率预测模型。
[0110]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取目标区域的变压器的实际负载率；确定目标区域的所属地域并确定当前季节；调用预先构建的负载率预测模型，根据所属地域以及当前季节确定目标区域对应的预测负载率；其中，负载率预测模型为根据气候特征以及不同地域的地域特征所生成的预测模型；根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价。
[0111]
在一个实施例中，计算机程序被处理器执行实现根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价时，具体实现以下步骤：在目标区域的实际负载率小于预测负载率时，判定目标区域的变压器为第一状况。
[0112]
在一个实施例中，计算机程序被处理器执行实现根据目标区域的实际负载率以及预测负载率对目标区域的变压器负载状况进行评价时，具体实现以下步骤：在目标区域的实际负载率大于预测负载率时，判定目标区域的变压器为第二状况；其中，第一状况下的变压器的负载增加潜力大于第二状况下的变压器。
[0113]
在一个实施例中，计算机程序被处理器执行实现时还实现以下步骤：获取公共建筑变压器的最佳运行负载区间的上限值；根据上限值以及目标区域的实际负载率，得到目标区域的最大可增负载率。
[0114]
在一个实施例中，计算机程序被处理器执行时还实现负载率预测模型的构建的步骤，包括：将样本地划分为多个地域；采集样本地的气候特征以及各地域的地域特征；根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数；根据各负载率综合影响系数生成负载率预测模型。
[0115]
在一个实施例中，计算机程序被处理器执行实现根据样本地的气候特征以及各地域的地域特征分别生成各地域对应的负载率综合影响系数时，具体实现以下步骤：根据各地域的地域特征分别确定各地域的地域影响因子；根据样本地的气候特征分别确定不同季节对应的季节影响因子；根据各地域影响因子以及各季节影响因子计算各地域在各季节下
的负载率综合影响系数。
[0116]
在一个实施例中，计算机程序被处理器执行实现根据各负载率综合影响系数生成负载率预测模型时，具体实现以下步骤：获取负载率基线值；根据变压器容量与变压器平均负载之间的倍数关系，得到负载率综合影响系数的折算权值；根据各负载率综合影响系数、负载率基线值以及折算权值，计算各地域对应的预测负载率；根据各地域对应的预测负载率生成负载率预测模型。
[0117]
本领域普通技术人员可以理解实现上述实施例的方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0118]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0119]
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b,可以表示：单独存在a,同时存在a和b,单独存在b这三种情况。另外，本文中字符一般表示前后关联对象是一种“或”的关系。
[0120]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。