基于算法模型的智能供电监测方法、系统及计算机设备与流程

本发明属于大数据、人工智能，尤其涉及基于算法模型的智能供电监测方法、系统及计算机设备。

背景技术：

1、企业在生产过程中，对参与保障生产的供电系统进行实时监测、评估和分析，及时发现设备或系统异常，为现场设备无人值守提供有效的信息支撑，确保供电系统在生产任务过程中的安全可靠，为生产任务组织指挥提供辅助决策支撑。

2、发明人在实践中，发现上述现有技术存在以下缺陷：企业在生产过程中对供电系统的信息把控不够全面和精准，进而影响生产任务组织指挥决策，对生产安全造成一定的隐患。

技术实现思路

1、本发明实施例的目的在于提供基于算法模型的智能供电监测方法，旨在解决企业在生产过程中对供电系统的信息把控不够全面和精准，进而影响生产任务组织指挥决策，对生产安全造成一定的隐患的问题。

2、本发明实施例是这样实现的，基于算法模型的智能供电监测方法，所述方法包括：

3、从传感设备采集供电数据；

4、通过模型建模工具构建多个分析模型，将供电数据导入多个分析模型进行分析，输出分析结果，所述分析模型至少包括系统性能评价模型、系统物理机理模型、数据驱动模型、故障诊断模型和知识库；

5、将分析结果输出至供电监测软件，输出评估结果，并进行资料库展示。

6、优选的，所述系统性能评价模型包含配电网风险评估指标体系和基于层次分析法的评估模型，所述配电网风险评估指标体系中包含供电能力指标、网架结构指标、可靠性指标和电能质量指标。

7、优选的，所述供电能力指标包括电源容载比、重载线路占比、重载配变占比、n-1通过率及n-2通过率，网架结构指标包括网架互联率、平均供电半径、负荷可转移率和单线重载负荷比。

8、优选的，构建基于层次分析法的评估模型的步骤包括，构建层次结构和判断矩阵及其标度，确定层次权重，对判断矩阵进行一致性校验，所述层次结构包括最高层、中间层和最底层，所述最高层为配电网风险评估指标体系，中间层为供电能力、网架结构、可靠性和电能质量，最底层分别为中间层元素所对应的评估指标。

9、优选的，所述系统物理机理模型用于进行供配电网络拓扑自动识别和供配电网络状态估计与参数识别，所述系统物理机理模型进行供配电网络拓扑自动识别的步骤包括：

10、对上级总表测量的电能值进行预处理，减去该分支线路上损耗的电能，将所有电表的电能进行数据标准化；

11、设置误差协方差矩阵的初始值，采用pca方法，对约束矩阵和误差协方差矩阵进行迭代直至收敛，获得约束矩阵和电能数据的校正结果；

12、根据约束矩阵计算回归矩阵；

13、对回归矩阵中的元素进行取整操作，将每一列大于第一预设值的取整为1，将每一列小于第二预设值的取整为0；

14、求出关联矩阵，判断上级总表和下级分表的隶属关系，得出分支表箱的拓扑，关联矩阵中的元素aij为

15、

16、关联矩阵的行数为结点的数量，列数为支路的数量。

17、优选的，所述系统物理机理模型进行供配电网络状态估计与参数识别的步骤，包括：

18、构建假设模型，确定量测函数方程和量测误差方差矩阵；

19、进行状态估计，计算状态估计值；

20、进行检测，判断量测值中是否存在不良数据或网络结线状态中是否包含错误信息；

21、进行参数辨识，确定具体不良数据或网络结线错误。

22、优选的，所述数据驱动模型为基于人工神经网络的供电故障诊断模型或基于粗糙集决策表的供电故障诊断模型。

23、优选的，所述故障诊断模型用于进行配电网不良数据检测与辨识以及基于电能质量监测数据的电压暂降源定位，故障诊断模型基于电能质量监测数据进行电压暂降源定位的过程中，包括对电压暂降源的方向判别，其步骤为：

24、计算电压暂降发生后各相的扰动电压和扰动电流；

25、利用离散傅里叶变换从扰动电压、扰动电流的瞬时值中提取扰动电压向量、扰动电流向量；

26、使用对称分量变换计算正序扰动电压向量和正序扰动电流向量；

27、根据正序扰动电压向量和正序扰动电流向量使用最小二乘法计算系统的正序等效阻抗。

28、本发明实施例的另一目的在于提供基于算法模型的智能供电监测系统，所述系统包括：

29、信息采集模块，用于从传感设备采集供电数据；

30、模型分析模块，用于通过模型建模工具构建多个分析模型，将供电数据导入多个分析模型进行分析，输出分析结果，所述分析模型至少包括系统性能评价模型、系统物理机理模型、数据驱动模型、故障诊断模型和知识库；

31、数据输出模块，用于将分析结果输出至供电监测软件，输出评估结果，并进行资料库展示。

32、本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述基于算法模型的智能供电监测方法的步骤。

33、本发明实施例提供的基于算法模型的智能供电监测方法，基于智能监测算法模型和大数据分析技术对供电系统进行集中监测，对参与生产的空调系统的运行过程进行实时监测、评估和分析，及时发现设备或系统异常，为现场设备无人值守提供有效的信息支撑，确保空调系统在生产任务过程中的全面、安全、可靠，为生产任务组织指挥提供辅助决策支撑。

技术特征：

1.基于算法模型的智能供电监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于算法模型的智能供电监测方法，其特征在于，所述系统性能评价模型包含配电网风险评估指标体系和基于层次分析法的评估模型，所述配电网风险评估指标体系中包含供电能力指标、网架结构指标、可靠性指标和电能质量指标。

3.根据权利要求2所述的基于算法模型的智能供电监测方法，其特征在于，所述供电能力指标包括电源容载比、重载线路占比、重载配变占比、n-1通过率及n-2通过率，网架结构指标包括网架互联率、平均供电半径、负荷可转移率和单线重载负荷比。

4.根据权利要求2所述的基于算法模型的智能供电监测方法，其特征在于，构建基于层次分析法的评估模型的步骤包括，构建层次结构和判断矩阵及其标度，确定层次权重，对判断矩阵进行一致性校验，所述层次结构包括最高层、中间层和最底层，所述最高层为配电网风险评估指标体系，中间层为供电能力、网架结构、可靠性和电能质量，最底层分别为中间层元素所对应的评估指标。

5.根据权利要求1所述的基于算法模型的智能供电监测方法，其特征在于，所述系统物理机理模型用于进行供配电网络拓扑自动识别和供配电网络状态估计与参数识别，所述系统物理机理模型进行供配电网络拓扑自动识别的步骤包括：

6.根据权利要求5所述的基于算法模型的智能供电监测方法，其特征在于，所述系统物理机理模型进行供配电网络状态估计与参数识别的步骤，包括：

7.根据权利要求1所述的基于算法模型的智能供电监测方法，其特征在于，所述数据驱动模型为基于人工神经网络的供电故障诊断模型或基于粗糙集决策表的供电故障诊断模型。

8.根据权利要求1所述的基于算法模型的智能供电监测方法，其特征在于，所述故障诊断模型用于进行配电网不良数据检测与辨识以及基于电能质量监测数据的电压暂降源定位，故障诊断模型基于电能质量监测数据进行电压暂降源定位的过程中，包括对电压暂降源的方向判别，其步骤为：

9.基于算法模型的智能供电监测系统，其特征在于，所述系统包括：

10.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至8中任一项权利要求所述基于算法模型的智能供电监测方法的步骤。

技术总结
本发明适用于大数据、人工智能技术领域，尤其涉及基于算法模型的智能供电监测方法、系统及计算机设备，所述方法包括：从传感设备采集供电数据；通过模型建模工具构建多个分析模型，将供电数据导入多个分析模型进行分析，输出分析结果，所述分析模型至少包括系统性能评价模型、系统物理机理模型、数据驱动模型、故障诊断模型和知识库，将分析结果输出至供电监测软件，输出评估结果，并进行资料库展示。本发明对参与生产的空调系统的运行过程进行实时监测、评估和分析，及时发现设备或系统异常，为现场设备无人值守提供有效的信息支撑，确保空调系统在生产任务过程中的全面、安全、可靠，为生产任务组织指挥提供辅助决策支撑。

技术研发人员：王铭,姜海森,曹丽霄,刘永进
受保护的技术使用者：北京航天智造科技发展有限公司
技术研发日：
技术公布日：2024/1/13