一种基于物联网技术的智能配电网及其数据模型构建方法与流程

本发明涉及一种智能电网，具体涉及一种基于物联网技术的智能配电网及其数据模型构建方法。

背景技术：

智能电网就是电网的智能化，它是建立在集成的、高速双向通信网络的基础上，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标。

在现有技术中对于智能电网的数据模型构建通常仅采用拓扑算法，这种拓扑算法在电网下存在较大的局限性，没有考虑到电网的阀点效应对模型结构的影响，且各个数据之间没有良好融合，无法实现对电网的动态监测，最终导致形成的数据模型与实际存在较大差异。

技术实现要素：

发明目的：提供一种基于物联网技术的智能配电网及其数据模型构建方法，解决了现有技术存在的上述问题。

技术方案：一种基于物联网技术的智能配电网，包括：

用于提供电力的装备层；

与所述装备层通过通信线缆连接、用于采集电力数据的采集与传输层；

与所述采集与传输层通过通信线缆连接的监视控制层；

输入端与所述监视控制层通过通信线缆连接、输出端与云服务器通过通信线缆连接的平台应用层；

与所述云服务器建立无线通讯并收发数据的移动互联层；

与所述云服务器建立有线通信的维护层；

所述装备层包括配电所以及沿线的配电站，所述采集与传输层包括多个通讯管理机，所述通讯管理机按照预设的位置分布，形成多级排布的行星围绕形式；在预定范围内的多个配电站通过地下光缆并联到次级通讯管理机，在预定范围内的多个次级通讯管理机并联到中级通讯管理机，范围内的所有中级通讯管理机并联到中央通讯管理机，所述中央通讯管理机设置在配电所内。

在进一步的实施例中，所述平台应用层包括配电网运维调度云平台、能源效率管理云平台；所述移动互联层包括智能手机、手提电脑，所述移动互联层与所述云服务器通过蜂窝移动数据传输，所述云服务器与移动互联层之间、云服务器与维护层之间设有防火墙。

在进一步的实施例中，所述监视控制层包括设置在每个配电所处的电力监控主机，以及与所述电力监控主机通过地下光缆建立连接的上级调度监控中心；所述上级调度监控中心与所述配电网运维调度云平台之间数据互通，连接方式为光缆连接。

在进一步的实施例中，所述次级通讯管理机、中级通讯管理机、中央通讯管理机之间形成拓扑网络。

一种基于物联网技术的智能配电网的数据模型构建方法，包括以下步骤：

步骤1、对电网的阀点效应进行处理，对负荷的分配问题建立数学模型，转化为无导数优化问题；

步骤2、采用数据融合算法进行数据融合，对电网中各个节点的电压进行实时监测，根据监测结果判断节点是否过载；

步骤3、对电网的数据采用挖掘算法进行因果关系分析；

步骤4、对步骤3中挖掘算法分析得出的数据建模，并在计算机上仿真，根据仿真结果与预期的阈值进行比对，决定是否引入迭代算法。

在进一步的实施例中，所述步骤1进一步为：

步骤1-1、对电网的阀点效应构造函数：

fi(di)＝aidi²+bidi+ci+|gi·sin(hidi^m-hidi)|

式中，ai、bi、ci、gi、hi为成本系数；fi表示发电节点i的发电输出功率；fi(di)表示电网节点i下的总成本，即单个发电节点i在输出功率di时单位时间内消耗的能量；

步骤1-2、综合考虑电网中各个发电节点的发电功率和总成本对负荷的分配问题创建如下函数：

式中，fmin表示在负荷分配的目标下实现的最小化的成本；s表示在该电网下的所有节点的集合；

步骤1-3、建立功率平衡约束：

式中，dn表示总负荷，δdi表示损失的功率。

在进一步的实施例中，所述步骤2进一步为：

步骤2-1、运用同步相量测量单元对各节点的电压值进行实时测量，并计算出实时电压稳定性指标值，公式如下：

式中，di表示输出功率；δi表示节点i的电压相角；vi为节点i的电压；xi为矩阵元素，n为总节点数；

步骤2-2、为提高并行计算效率，将电网中的多个节点相近的电压进行数据聚类整合，用n表示聚类数；

步骤2-3、选取n个随机的数据点作为初始数据聚类中心ω，采用xt＝[x1,x2,x3,…xn]表示时刻t时的采样值；

步骤2-4、计算数据聚类中心ω与每个数据节点的距离d，以此距离d对每个数据节点进行分配。

在进一步的实施例中，所述步骤3进一步为：采用积矩系数算法将全要素集合中的要素构造为全对偶组合作为输入源，对为全对偶组合进行t检验和相关性检验；若检测结果小于阈值则过滤该因素组合，并监控大数据多源多维时序数据；若检测结果大于阈值则进入因果检测程序，并保留该因素组合，继续进行f检验，若经过f检验后的结果小于阈值则消除该因果关系有向边；若经过f检验后的结果大于阈值则保留该因素组合，构造有向关联结果，最终生成概率图模型。

在进一步的实施例中，所述相关性检验公式如下：

式中，c表示相关性系数；ai和bi表示样本序列；和表示样本序列的均值；n表示样本的时序数；

所述因果检测公式如下：

式中，at和bt分别为相关变量a和b在t时刻的取值；ai和bi分别为相关变量α和b在i时刻的取值；γ为白噪音；δi、σj、αi、βj同为预设参数；

所述概率图模型的建立包括如下步骤：采用上述相关性检验的公式和因果检测公式计算获得概率图中的节点和边，该节点和边构成拓扑关系；用s表示拓扑关系中各节点的序列集合，用p表示在序列集合s中任意一个子节点与其父节点之间的权重，公式如下：

p(ai||πai)＝p(ai||a1,a2,a3…ai-1)

式中，πai表示ai的父节点；p表示在序列集合中任意一个子节点与其父节点之间的权重。

在进一步的实施例中，一种基于物联网技术的智能配电网的数据模型构建方法，包括如下模块：

用于对电网的阀点效应进行处理，对负荷的分配问题建立数学模型，转化为无导数优化问题的第一模块；

采用数据融合算法进行数据融合，对电网中各个节点的电压进行实时监测，根据监测结果判断节点是否过载的第二模块；

对电网的数据采用挖掘算法进行因果关系分析的第三模块。

在进一步的实施例中，所述第一模块进一步用于对电网的阀点效应构造函数：

fi(di)＝aidi²+bidi+ci+|gi·sin(hidi^m-hidi)|

式中，ai、bi、ci、gi、hi为成本系数；fi表示发电节点i的发电输出功率；fi(di)表示电网节点i下的总成本，即单个发电节点i在输出功率di时单位时间内消耗的能量；

综合考虑电网中各个发电节点的发电功率和总成本对负荷的分配问题创建如下函数：

式中，fmin表示在负荷分配的目标下实现的最小化的成本；s表示在该电网下的所有节点的集合；

建立功率平衡约束：

式中，dn表示总负荷，δdi表示损失的功率；

所述第二模块进一步运用同步相量测量单元对各节点的电压值进行实时测量，并计算出实时电压稳定性指标值，公式如下：

式中，di表示输出功率；δi表示节点i的电压相角；vi为节点i的电压；xi为矩阵元素，n为总节点数；

为提高并行计算效率，将电网中的多个节点相近的电压进行数据聚类整合，用n表示聚类数；选取n个随机的数据点作为初始数据聚类中心ω，采用xt＝[x1,x2,x3,…xn]表示时刻t时的采样值；计算数据聚类中心ω与每个数据节点的距离d，以此距离d对每个数据节点进行分配；

所述第三模块进一步采用积矩系数算法将全要素集合中的要素构造为全对偶组合作为输入源，对为全对偶组合进行t检验和相关性检验；若检测结果小于阈值则过滤该因素组合，并监控大数据多源多维时序数据；若检测结果大于阈值则进入因果检测程序，并保留该因素组合，继续进行f检验，若经过f检验后的结果小于阈值则消除该因果关系有向边；若经过f检验后的结果大于阈值则保留该因素组合，构造有向关联结果，最终生成概率图模型；

所述相关性检验公式如下：

式中，c表示相关性系数；ai和bi表示样本序列；和表示样本序列的均值；n表示样本的时序数；

所述因果检测公式如下：

式中，at和bt分别为相关变量a和b在t时刻的取值；ai和bi分别为相关变量a和b在i时刻的取值；γ为白噪音；δi、σj、αi、βj同为预设参数；

所述概率图模型的建立包括如下步骤：采用上述相关性检验的公式和因果检测公式计算获得概率图中的节点和边，该节点和边构成拓扑关系；用s表示拓扑关系中各节点的序列集合，用p表示在序列集合s中任意一个子节点与其父节点之间的权重，公式如下：

p(ai||πai)＝p(ai||a1,a2,a3…ai-1)

式中，πai表示ai的父节点；p表示在序列集合中任意一个子节点与其父节点之间的权重。

有益效果：本发明涉及一种基于物联网技术的智能配电网及其数据模型构建方法，通过构建装备层、采集与传输层、监视控制层、平台应用层、移动互联层、以及维护层的体系结构，对电网的阀点效应进行处理，对负荷的分配问题建立数学模型，转化为无导数优化问题；采用数据融合算法进行数据融合，对电网中各个节点的电压进行实时监测，根据监测结果判断节点是否过载；对电网的数据采用挖掘算法进行因果关系分析；对挖掘算法分析得出的数据建模，并在计算机上仿真，根据仿真结果与预期的阈值进行比对，决定是否引入迭代算法。本发明通过上述步骤对电网内的数据进行融合，并对融合后的模型进行仿真验证，形成对电网的动态监测，从根本上提高了数据融合度。

附图说明

图1为本发明的体系结构图。

图2为本发明数据模型构建方法的流程图。

图3为本发明数据建模后的仿真图。

图4为本发明数据模型构建方法中步骤1的进一步流程图。

图5为本发明数据模型构建方法中步骤2的进一步流程图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

如图1至图5所示：本发明公开了一种基于物联网技术的智能配电网及其数据模型构建方法。其中，一种基于物联网技术的智能配电网包括装备层、采集与传输层、监视控制层、平台应用层、移动互联层、维护层，所述装备层用于提供电力，所述采集与传输层与所述装备层通过通信线缆连接，所述采集与传输层用于采集电力数据，所述监视控制层与所述采集与传输层通过通信线缆连接，所述监视控制层包括设置在每个配电所处的电力监控主机，以及与所述电力监控主机通过地下光缆建立连接的上级调度监控中心；所述上级调度监控中心与所述配电网运维调度云平台之间数据互通，连接方式为光缆连接。所述平台应用层的输入端与所述监视控制层通过通信线缆连接、输出端与云服务器通过通信线缆连接，所述平台应用层包括配电网运维调度云平台、能源效率管理云平台；所述移动互联层包括智能手机、手提电脑，所述移动互联层与所述云服务器通过蜂窝移动数据传输，所述云服务器与移动互联层之间、云服务器与维护层之间设有防火墙。所述移动互联层与所述云服务器建立无线通讯并首发数据，所述维护层与所述云服务器建立有线通信。所述装备层包括配电所以及沿线的配电站，所述采集与传输层包括多个通讯管理机，所述通讯管理机按照预设的位置分布，形成多级排布的行星围绕形式；在预定范围内的多个配电站通过地下光缆并联到次级通讯管理机，在预定范围内的多个次级通讯管理机并联到中级通讯管理机，范围内的所有中级通讯管理机并联到中央通讯管理机，所述中央通讯管理机设置在配电所内。所述次级通讯管理机、中级通讯管理机、中央通讯管理机之间形成拓扑网络。

一种基于物联网技术的智能配电网的数据模型构建方法，包括用于对电网的阀点效应进行处理，对负荷的分配问题建立数学模型，转化为无导数优化问题的第一模块；采用数据融合算法进行数据融合，对电网中各个节点的电压进行实时监测，根据监测结果判断节点是否过载的第二模块；以及对电网的数据采用挖掘算法进行因果关系分析的第三模块。

所述第一模块进一步用于对电网的阀点效应构造函数：

fi(di)＝aidi²+bidi+ci+|gi·sin(hidi^m-hidi)|

式中，ai、bi、ci、gi、hi为成本系数；fi表示发电节点i的发电输出功率；fi(di)表示电网节点i下的总成本，即单个发电节点i在输出功率di时单位时间内消耗的能量；

综合考虑电网中各个发电节点的发电功率和总成本对负荷的分配问题创建如下函数：

式中，fmin表示在负荷分配的目标下实现的最小化的成本；s表示在该电网下的所有节点的集合；

建立功率平衡约束：

式中，dn表示总负荷，δdi表示损失的功率；

所述第二模块进一步运用同步相量测量单元对各节点的电压值进行实时测量，并计算出实时电压稳定性指标值，公式如下：

式中，di表示输出功率；δi表示节点i的电压相角；vi为节点i的电压；xi为矩阵元素，n为总节点数；

为提高并行计算效率，将电网中的多个节点相近的电压进行数据聚类整合，用n表示聚类数；选取n个随机的数据点作为初始数据聚类中心ω，采用xt＝[x1,x2,x3,…xn]表示时刻t时的采样值；计算数据聚类中心ω与每个数据节点的距离d，以此距离d对每个数据节点进行分配；

所述第三模块进一步采用积矩系数算法将全要素集合中的要素构造为全对偶组合作为输入源，对为全对偶组合进行t检验和相关性检验；若检测结果小于阈值则过滤该因素组合，并监控大数据多源多维时序数据；若检测结果大于阈值则进入因果检测程序，并保留该因素组合，继续进行f检验，若经过f检验后的结果小于阈值则消除该因果关系有向边；若经过f检验后的结果大于阈值则保留该因素组合，构造有向关联结果，最终生成概率图模型；

所述相关性检验公式如下：

式中，c表示相关性系数；ai和bi表示样本序列；和表示样本序列的均值；n表示样本的时序数；

所述因果检测公式如下：

式中，at和bt分别为相关变量a和b在t时刻的取值；ai和bi分别为相关变量a和b在i时刻的取值；γ为白噪音；δi、σj、αi、βj同为预设参数；

所述概率图模型的建立包括如下步骤：采用上述相关性检验的公式和因果检测公式计算获得概率图中的节点和边，该节点和边构成拓扑关系；用s表示拓扑关系中各节点的序列集合，用p表示在序列集合s中任意一个子节点与其父节点之间的权重，公式如下：

p(ai||πai)＝p(ai||a1,a2,a3…ai-1)

式中，πai表示ai的父节点；p表示在序列集合中任意一个子节点与其父节点之间的权重。

一种基于物联网技术的智能配电网的数据模型构建方法，步骤如下：

步骤1、对电网的阀点效应进行处理，对负荷的分配问题建立数学模型，转化为无导数优化问题；对电网的阀点效应构造函数：

fi(di)＝aidi²+bidi+ci+|gi·sin(hidi^m-hidi)|

式中，ai、bi、ci、gi、hi为成本系数；fi表示发电节点i的发电输出功率；fi(di)表示电网节点i下的总成本，即单个发电节点i在输出功率di时单位时间内消耗的能量；

综合考虑电网中各个发电节点的发电功率和总成本对负荷的分配问题创建如下函数：

式中，fmin表示在负荷分配的目标下实现的最小化的成本；s表示在该电网下的所有节点的集合；

建立功率平衡约束：

式中，dn表示总负荷，δdi表示损失的功率。

步骤2、采用数据融合算法进行数据融合，对电网中各个节点的电压进行实时监测，根据监测结果判断节点是否过载；运用同步相量测量单元对各节点的电压值进行实时测量，并计算出实时电压稳定性指标值，公式如下：

式中，di表示输出功率；δi表示节点i的电压相角；vi为节点i的电压；xi为矩阵元素，n为总节点数；

为提高并行计算效率，将电网中的多个节点相近的电压进行数据聚类整合，用n表示聚类数；选取n个随机的数据点作为初始数据聚类中心ω，采用xt＝[x1，x2，x3，…xn]表示时刻t时的采样值；计算数据聚类中心ω与每个数据节点的距离d，以此距离d对每个数据节点进行分配。

步骤3、对电网的数据采用挖掘算法进行因果关系分析；采用积矩系数算法将全要素集合中的要素构造为全对偶组合作为输入源，对为全对偶组合进行t检验和相关性检验；若检测结果小于阈值则过滤该因素组合，并监控大数据多源多维时序数据；若检测结果大于阈值则进入因果检测程序，并保留该因素组合，继续进行f检验，若经过f检验后的结果小于阈值则消除该因果关系有向边；若经过f检验后的结果大于阈值则保留该因素组合，构造有向关联结果，最终生成概率图模型。所述相关性检验公式如下：

式中，c表示相关性系数；ai和bi表示样本序列；和表示样本序列的均值；n表示样本的时序数；

所述因果检测公式如下：

式中，at和bt分别为相关变量a和b在t时刻的取值；ai和bi分别为相关变量a和b在i时刻的取值；γ为白噪音；δi、σj、αi、βj同为预设参数；

所述概率图模型的建立包括如下步骤：采用上述相关性检验的公式和因果检测公式计算获得概率图中的节点和边，该节点和边构成拓扑关系；用s表示拓扑关系中各节点的序列集合，用p表示在序列集合s中任意一个子节点与其父节点之间的权重，公式如下：

p(ai||πai)＝p(ai||a1,a2,a3…ai-1)

式中，πai表示ai的父节点；p表示在序列集合中任意一个子节点与其父节点之间的权重。

步骤4、对步骤3中挖掘算法分析得出的数据建模，并在计算机上仿真，根据仿真结果与预期的阈值进行比对，决定是否引入迭代算法。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。