一种电网运行安全监督管理系统及方法与流程

1.本发明涉及电网运行安全控制领域，具体涉及一种电网运行安全监督管理系统及方法。


背景技术：

2.随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。
3.为高效的对电能进行分配，现阶段采用配电网对电力能源进行控制输送配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网。是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起重要分配电能作用的网络。
4.目前阶段，配电网作为连接电能从生产到用户的最后环节，其安全经济运行极为重要。配电网重构只需要改变网络中的联络开关或分段开关的状态，不需要增加其他投资就能达到减少网络损耗、提高安全性、经济性和供电效益的目的，是配电网优化运行的重要手段。但随着未来城市配电网中用户侧负荷的持续增长，高峰负荷增加尤为明显，严重影响了配电网运行的安全性，单纯的配电网重构已不能满足运行要求。
5.比如，随着配电网用户侧在数量和负载量的持续增长，单纯的依靠配电站工作人员对相关指数进行监控已经不能够满足电网安全运行监控的准确性和时效性，无法很好的解决配电网用户侧持续增长所带来的运行安全问题，保证负荷增长后配电网可以安全经济运行。


技术实现要素：

6.本发明的目的在于提供一种电网运行安全监督管理系统及方法，解决以下技术问题：如何提供一种能够快速准确的对电网负载端进行安全监控的电网运行安全监督管理方法。
7.本发明的目的可以通过以下技术方案实现：一种电网运行安全监督管理方法，包括：实时采集电网负载端的电网运行数据；按照预设规则将所述电网运行数据转化为数据图谱；通过训练后的神经网络模型接收所述数据图谱，自动输出电网安全系数；根据所述电网安全系数的变化实时调整安全阈值；其中，若所述电网安全系数在第一预设时间内均高于所述安全阈值，则所述安全阈值做上升调整。
8.通过上述技术方案，可通过对电网负载端进行电网运行数据进行采集，转化为可以供神经网络模型识别的数据图谱，由神经网络模型根据数据图谱对电网负载端进行安全
判断，通过电网安全系数来反映电网负载端的安全状况，从而能够大幅度的减少人工参与，不会出现监控的空档，可靠性强；而且，若电网安全系数在第一预设时间内均高于该安全阈值，则认为安全程度较高，此时可以提高安全阈值来提升安全要求，从而以更高的标准对电网负载侧进行监控，保证电网负载侧的持续安全可靠的运行。
9.作为本发明进一步的方案：所述预设规则包括：生成预设尺寸的空白图；对所述电网运行数据进行解析，得到关键参数组；其中，所述关键参数组包括用户侧电负荷指数、目标点温度指数、电压指数和电流指数；根据所述关键参数组随时间变化的情况生成对样条曲线组；其中，所述样条曲线组包括用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线；将所述样条曲线组中的曲线按照预设顺序从上至下依次设置在所述空白图上，得到对应的数据图谱。
10.通过上述技术方案，在空白图中按照预设顺序从上至下依次设置用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线，可以得到对应的数据图谱，输入神经网络模型中，可由神经网络模型以更多的角度对电网负载端的用电安全情况进行监控，而非单一的对某一指标进行监控，而且由于用户侧电负荷指数、目标点温度指数、电压指数和电流指数这些数据之间存在一定的关联，因此神经网络模型可通过对数据图谱中各个曲线的独立走势和相互距离变化情况对电网负载的安全情况进行判断，以此来对电网负载端的安全情况进行量化，精准且快速。
11.作为本发明进一步的方案：所述用户侧电负荷指数曲线、所述目标点温度曲线、所述电压曲线和所述电流曲线的颜色互不相同；其中，所述用户侧电负荷指数曲线为蓝色，所述目标点温度曲线为红色，所述电压曲线和所述电流曲线分别为绿色和黄色。
12.通过上述技术方案，颜色的区分能够减少在神经网络模型在识别时所收到的干扰，且能够减少无关因素对神经网络模型的判断影响，因为神经网络模型与人眼不同，能够识别非常微小的像素变化，一旦出现两相邻曲线重叠的情况，神经网络模型无法对两者进行分辨，所以可以减少神经网络模型的误报率。
13.作为本发明进一步的方案：所述样条曲线组为对应指数项目超过其预设阈值时记录的数据走势。
14.通过上述技术方案，以用户侧电负荷指数对应的用户侧电负荷曲线为例，其预设阈值为电负荷阈值，针对数据图谱中的用户侧电负荷曲线，进保留其超过电负荷阈值的部分，如此可以减少输入神经网络模型的数据图谱所包含的数据量，从而提升识别精准度。
15.作为本发明进一步的方案：所述数据图谱为多个；每个所述数据图谱中的所述样条曲线组相同，但所述样条曲线组中的曲线排序不同；多个所述数据图谱输入所述神经网络模型后，统计所述神经网络模型的输出结果，取结果平均值作为所述电网安全系数。
16.通过上述技术方案，可通过对样条曲线的排序顺序变化，对数据图谱的形式进行调整，提升针对相同电网运行数据的数据图谱数量，以此实现多次识别去平均值的电网安
全系数判定，提高最终的电网安全评定准确度。
17.作为本发明进一步的方案：所述电网安全系数越高，代表电网运行情况越好；若所述电网安全系数在第一预设时间内均高于所述安全阈值，对所述数据图谱的按照如下方式进行修改：删除所述用户侧电负荷指数曲线中低于预设负荷值的部分；将高于所述预设负荷值的部分按时间顺序收缩拼接。
18.通过上述技术方案，删除低于预设负荷值的部分，在将剩余部分进行拼接可以大幅度的减少数据图谱的文件体积，提升神经识别网络对海量数据图谱的识别压力，减少系统性的负担。
19.作为本发明进一步的方案：将高于所述预设负荷值的部分按时间顺序收缩拼接后，继续向所述数据图谱中添加所述用户侧电负荷指数曲线。
20.通过上述技术方案，如此可以在需要对安全评估结果进行准确性提升时，在空白图尺寸不变的情况下，增加数据量，以此实现对电网安全系数的更准确的评定。
21.作为本发明进一步的方案：一种电网运行安全监督管理系统，其特征在于，包括：采集模块，用于实时采集电网运行数据；图片处理生成模块，用于按照预设规则将所述电网运行数据转化为数据图谱；处理模块，包括训练完成后的神经网络模型和处理控制单元，所述神经网络模型用于在接收所述数据图谱后输出对应的电网安全系数；所述处理控制单元用于根据所述电网安全系数的变化实时调整安全阈值。
22.本发明的有益效果：（1）可通过对电网负载端进行电网运行数据进行采集，转化为可以供神经网络模型识别的数据图谱，由神经网络模型根据数据图谱对电网负载端进行安全判断，通过电网安全系数来反映电网负载端的安全状况，从而能够大幅度的减少人工参与，不会出现监控的空档，可靠性强；而且，若电网安全系数在第一预设时间内均高于该安全阈值，则认为安全程度较高，此时可以提高安全阈值来提升安全要求，从而以更高的标准对电网负载侧进行监控，保证电网负载侧的持续安全可靠的运行；（2）通过在空白图中按照预设顺序从上至下依次设置用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线，可以得到对应的数据图谱，输入神经网络模型中，可由神经网络模型以更多的角度对电网负载端的用电安全情况进行监控，而非单一的对某一指标进行监控，而且由于用户侧电负荷指数、目标点温度指数、电压指数和电流指数这些数据之间存在一定的关联，因此神经网络模型可通过对数据图谱中各个曲线的独立走势和相互距离变化情况对电网负载的安全情况进行判断，以此来对电网负载端的安全情况进行量化，精准且快速；（3）颜色的区分能够减少在神经网络模型在识别时所收到的干扰，且能够减少无关因素对神经网络模型的判断影响，因为神经网络模型与人眼不同，能够识别非常微小的像素变化，一旦出现两相邻曲线重叠的情况，神经网络模型无法对两者进行分辨，所以可以减少神经网络模型的误报率；（4）删除低于预设负荷值的部分，在将剩余部分进行拼接可以大幅度的减少数据图谱的文件体积，提升神经识别网络对海量数据图谱的识别压力，减少系统性的负担。
附图说明
23.下面结合附图对本发明作进一步的说明。
24.图1为本发明中电网运行安全监督管理方法的示意图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
26.请参阅图1所示，本发明为一种电网运行安全监督管理方法，包括：实时采集电网负载端的电网运行数据；按照预设规则将电网运行数据转化为数据图谱；通过训练后的神经网络模型接收数据图谱，自动输出电网安全系数；根据电网安全系数的变化实时调整安全阈值；其中，若电网安全系数在第一预设时间内均高于安全阈值，则安全阈值做上升调整。
27.通过上述技术方案，可通过对电网负载端进行电网运行数据进行采集，转化为可以供神经网络模型识别的数据图谱，由神经网络模型根据数据图谱对电网负载端进行安全判断，通过电网安全系数来反映电网负载端的安全状况，从而能够大幅度的减少人工参与，不会出现监控的空档，可靠性强；而且，若电网安全系数在第一预设时间内均高于该安全阈值，则认为安全程度较高，此时可以提高安全阈值来提升安全要求，从而以更高的标准对电网负载侧进行监控，保证电网负载侧的持续安全可靠的运行。
28.在本发明中，神经网络模型采用主要应用于图像识别领域的卷积神经网络（convolutional neural networks,cnn），一般包括输入层和隐含层。卷积神经网络的输入层可以处理多维数据，常见地，一维卷积神经网络的输入层接收一维或二维数组，其中一维数组通常为时间或频谱采样；二维数组可能包含多个通道；二维卷积神经网络的输入层接收二维或三维数组；三维卷积神经网络的输入层接收四维数组。由于卷积神经网络在计算机视觉领域应用较广，因此许多研究在介绍其结构时预先假设了三维输入数据，即平面上的二维像素点和rgb通道。
29.因此，本发明中的神经网络模型在使用前需要通过大量的样本图片对其进行训练，得到的训练后的神经网络模型便可以直接进行使用。训练时所用到的样本图片应当与数据图谱的获取方式相同，以此方能够保证神经网络模型的正常使用。
30.作为本发明进一步的方案：预设规则包括：生成预设尺寸的空白图；对电网运行数据进行解析，得到关键参数组；其中，关键参数组包括用户侧电负荷指数、目标点温度指数、电压指数和电流指数；根据关键参数组随时间变化的情况生成对样条曲线组；其中，样条曲线组包括用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线；
将样条曲线组中的曲线按照预设顺序从上至下依次设置在空白图上，得到对应的数据图谱。
31.通过上述技术方案，在空白图中按照预设顺序从上至下依次设置用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线，可以得到对应的数据图谱，输入神经网络模型中，可由神经网络模型以更多的角度对电网负载端的用电安全情况进行监控，而非单一的对某一指标进行监控，而且由于用户侧电负荷指数、目标点温度指数、电压指数和电流指数这些数据之间存在一定的关联，因此神经网络模型可通过对数据图谱中各个曲线的独立走势和相互距离变化情况对电网负载的安全情况进行判断，以此来对电网负载端的安全情况进行量化，精准且快速。
32.作为本发明进一步的方案：用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线的颜色互不相同；其中，用户侧电负荷指数曲线为蓝色，目标点温度曲线为红色，电压曲线和电流曲线分别为绿色和黄色。
33.通过上述技术方案，颜色的区分能够减少在神经网络模型在识别时所收到的干扰，且能够减少无关因素对神经网络模型的判断影响，因为神经网络模型与人眼不同，能够识别非常微小的像素变化，一旦出现两相邻曲线重叠的情况，神经网络模型无法对两者进行分辨，所以可以减少神经网络模型的误报率。
34.作为本发明进一步的方案：样条曲线组为对应指数项目超过其预设阈值时记录的数据走势。
35.通过上述技术方案，以用户侧电负荷指数对应的用户侧电负荷曲线为例，其预设阈值为电负荷阈值，针对数据图谱中的用户侧电负荷曲线，进保留其超过电负荷阈值的部分，如此可以减少输入神经网络模型的数据图谱所包含的数据量，从而提升识别精准度。
36.作为本发明进一步的方案：数据图谱为多个；每个数据图谱中的样条曲线组相同，但样条曲线组中的曲线排序不同；多个数据图谱输入神经网络模型后，统计神经网络模型的输出结果，取结果平均值作为电网安全系数。
37.通过上述技术方案，可通过对样条曲线的排序顺序变化，对数据图谱的形式进行调整，提升针对相同电网运行数据的数据图谱数量，以此实现多次识别去平均值的电网安全系数判定，提高最终的电网安全评定准确度。
38.作为本发明进一步的方案：电网安全系数越高，代表电网运行情况越好；若电网安全系数在第一预设时间内均高于安全阈值，对数据图谱的按照如下方式进行修改：删除用户侧电负荷指数曲线中低于预设负荷值的部分；将高于预设负荷值的部分按时间顺序收缩拼接。
39.通过上述技术方案，删除低于预设负荷值的部分，在将剩余部分进行拼接可以大幅度的减少数据图谱的文件体积，提升神经识别网络对海量数据图谱的识别压力，减少系统性的负担。
40.作为本发明进一步的方案：将高于预设负荷值的部分按时间顺序收缩拼接后，继续向数据图谱中添加用户侧电负荷指数曲线。
41.通过上述技术方案，如此可以在需要对安全评估结果进行准确性提升时，在空白图尺寸不变的情况下，增加数据量，以此实现对电网安全系数的更准确的评定。
42.作为本发明进一步的方案：一种电网运行安全监督管理系统，其特征在于，包括：采集模块，用于实时采集电网运行数据；图片处理生成模块，用于按照预设规则将电网运行数据转化为数据图谱；处理模块，包括训练完成后的神经网络模型和处理控制单元，神经网络模型用于在接收数据图谱后输出对应的电网安全系数；处理控制单元用于根据电网安全系数的变化实时调整安全阈值。
43.本发明的有益效果：通过对电网负载端进行电网运行数据进行采集，转化为可以供神经网络模型识别的数据图谱，由神经网络模型根据数据图谱对电网负载端进行安全判断，通过电网安全系数来反映电网负载端的安全状况，从而能够大幅度的减少人工参与，不会出现监控的空档，可靠性强；而且，若电网安全系数在第一预设时间内均高于该安全阈值，则认为安全程度较高，此时可以提高安全阈值来提升安全要求，从而以更高的标准对电网负载侧进行监控，保证电网负载侧的持续安全可靠的运行；通过在空白图中按照预设顺序从上至下依次设置用户侧电负荷指数曲线、目标点温度曲线、电压曲线和电流曲线，可以得到对应的数据图谱，输入神经网络模型中，可由神经网络模型以更多的角度对电网负载端的用电安全情况进行监控，而非单一的对某一指标进行监控，而且由于用户侧电负荷指数、目标点温度指数、电压指数和电流指数这些数据之间存在一定的关联，因此神经网络模型可通过对数据图谱中各个曲线的独立走势和相互距离变化情况对电网负载的安全情况进行判断，以此来对电网负载端的安全情况进行量化，精准且快速；颜色的区分能够减少在神经网络模型在识别时所收到的干扰，且能够减少无关因素对神经网络模型的判断影响，因为神经网络模型与人眼不同，能够识别非常微小的像素变化，一旦出现两相邻曲线重叠的情况，神经网络模型无法对两者进行分辨，所以可以减少神经网络模型的误报率；删除低于预设负荷值的部分，在将剩余部分进行拼接可以大幅度的减少数据图谱的文件体积，提升神经识别网络对海量数据图谱的识别压力，减少系统性的负担。
44.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。