一种电网内配电负荷监控系统的制作方法

1.本发明涉及电力网络负荷监控领域，尤其涉及一种电网内配电负荷监控系统。


背景技术：

2.电力负荷是电能用户的用电设备在某一时刻向电力系统取用的电功率的总和，也称为用电负荷。根据电力用户的不同负荷特征，电力负荷可区分为各种工业负荷、农业负荷、交通运输业负荷和人民生活用电负荷等。电力负荷可以用电功率表示。在交流电路中,电功率包含有功功率,又称为有功负荷;无功功率称为无功负荷又称无功电力。
3.电力负荷是电网稳定运行的一个重要的参数，如果某个区域负荷增加过大，会导致电力设备运行超负荷，电力设备长时间超负荷容易引起故障，进而影响电力网络的稳定运行。这就是需要对各个供电区域的用电负荷进行有效的监控，保证电力网络稳定，保证人们的生产生活正常进行。那么如何能够有效的对各个供电区域的用电负荷进行有效的监控，在出现异常时能够及时发现，并及时提示给监控人员，进行处理避免异常扩大造成影响整个电网是当前亟待解决的技术问题。


技术实现要素：

4.本发明提供一种电网内配电负荷监控系统，能够有效的对各个供电区域的用电负荷进行有效的监控，在出现异常时能够及时发现，并及时提示给监控人员。
5.电网内配电负荷监控系统包括：负荷监控服务器和用电户监控终端；负荷监控服务器与用电户监控终端通信连接，并向用电户监控终端发送控制指令；用电户监控终端设有设置在用电户内的电流互感器、电压互感器、电能表、时间模块、储存器、通信模块以及数据处理器；用电户监控终端实时采集用电户负荷信息，并储存到储存器内，用电户监控终端还基于负荷监控服务器的控制指令，将采集的用电户负荷信息以及负荷信息所对应的负荷采集时间上传至负荷监控服务器；负荷监控服务器对获取的信息进行储存，并根据监控人员的监控指令进行显示，还对获取的信息进行预测，预测用电户负荷状态，如果出现异常则进行报警。
6.优选地，负荷监控服务器配置用电户负荷监控模型，将采集的用电户负荷信息的负荷采集时间与电户负荷监控模型进行比较，得到第一负荷状态比对信息；负荷监控服务器从第一负荷状态比对信息中预测用电户负荷状态；负荷监控服务器将用电户负荷信息与预测用电户负荷信息进行比对，得到第二负荷状态比对信息，若第二负荷状态比对信息超过预设的用电负荷阈值，则生成负荷状态异常警示。
7.优选地，负荷监控服务器对同一用电户的实时用电户负荷信息和对应的预测用电户负荷信息进行计算，将实时用电户负荷信息减去对应的预测用电户负荷信息的方式求得第二负荷状态比对信息；
若第二负荷状态比对信息为正数，且大于预设的用电负荷阈值后，生成负荷状态异常警示。
8.优选地，负荷监控服务器调取历史用电户负荷信息，从历史用电户负荷信息中获取历史正常用电户负荷信息；从历史正常用电户负荷信息中获取负荷采集时间段信息；负荷监控服务器根据历史正常用电户负荷信息和负荷采集时间段信息获取待训练负荷状态集；对待训练负荷状态集进行训练后，得到用电户负荷监控模型。
9.优选地，负荷监控服务器还用于从负荷采集时间段信息中划分待处理负荷时间点；从每一待处理负荷时间点中筛选重复出现的用电负荷数据；对用电负荷数据采用负荷信息延伸处理，得到待训练负荷状态集。
10.优选地，负荷监控服务器对待训练负荷状态集进行归一化处理，得到待划分训练集；根据预设的负荷监控规则，对待划分训练集进行划分，得到待回归训练集；负荷监控服务器采用包括有一个输入层和若干隐藏层的bp神经网络对待回归电负荷训练集进行回归预测，得到用电户负荷监控模型；基于随机生成模块、初始化隐藏层和输出层的权重矩阵；结合均方误差作为损失函数，采用梯度下降来逐步优化用电户负荷监控模型。
11.优选地，负荷监控服务器对处理完的数据，即待划分训练集进行重新排序后，进行数据分割处理，基于训练模型和测试模型，形成负荷信息训练集和负荷信息测试集，再随机划分负荷信息训练集和负荷信息，得到待回归电负荷训练集。
12.优选地，负荷监控服务器获取已经划分好的训练模型，在每个训练回合中，先进行前馈计算，接着利用mse计算误差，再用误差反向进行传播计算，从而更新参数，每训练完一次，用mse计算预测模块与训练模型之间的误差，根据误差的结果对训练模型进行调整；利用训练满足要求的用电户负荷监控模型对训练模型进行模型测试，获取对应的预测模块，计算预测模块与训练模型之间的误差，针对电负荷拟合要求进行调整优，直至达到要求为止。
13.优选地，负荷监控服务器根据监控调取指令向用电户监控终端发送控制指令，获取用电户负荷信息以及负荷信息所对应的负荷采集时间；负荷监控服务器利用用电户负荷监控模型并结合当前轮询周期用电户负荷信息的平均值，作为预测用电户负荷信息。
14.优选地，负荷监控服务器在获取到监控调取指令后，判断与用电户监控终端之间的网络延迟是否超过预设延迟阈值；若是，则根据控制指令中的数据类型标识信息，确定历史用电户负荷信息；利用用电户负荷监控模型结合历史用电户负荷信息预测当前轮询周期内的用电户负荷信息平均值，得到预测用电户负荷信息。
15.从以上技术方案可以看出，本发明具有以下优点：本发明提供的电网内配电负荷监控系统中负荷监控服务器可以基于用电户负荷信息预测负荷采集时间内，用电负荷是否存在超出最大用电负荷的情况。能够有效的对各个供电区域的用电负荷进行有效的监控，在出现异常时能够及时发现，并及时提示给监控人员。
16.本发明通过预先训练用电户负荷监控模型，能够在位于用电户内的监控用电户监控终端获取得到用电户负荷信息后，使用用电户负荷监控模型对用电户负荷信息进行检测，进而能够根据检测的结果判断当前的某一用电户的用电负荷在对应的预测结果进行比对，本发明通过比对获取到用电户是否有超有阈值状态，进而生成负荷状态异常警示，能够使监控人员对用电户进行监控，及时查看处理。
17.本发明利用已有的用电户负荷信息和用电户负荷监控模型，完成轮询采集周期内，通信延迟的问题。负荷监控服务器在获取到实际用电户负荷信息时，存储到本地数据库。本发明能够确保负荷监控服务器响应速度的及时性，统一性；避免了因网络问题影响用电户的监控，保障电力网络的稳定运行。
附图说明
18.为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1为电网内配电负荷监控系统示意图；图2为用电户监控终端示意图。
具体实施方式
20.如图1和2是本发明提供的电网内配电负荷监控系统中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的模块而非按照实际实施时的模块数目及功能，其实际实施时各模块的功能、数量及作用可为一种随意的改变，且其模块的功能和用途也可能更为复杂。
21.电网内配电负荷监控系统可以基于人工智能技术对关联的数据进行获取和处理。其中，电网内配电负荷监控系统利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用装置。
22.电网内配电负荷监控系统中既有硬件层面的技术也有软件层面的技术。电网内配电负荷监控系统基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。数控机床智能诊断方法软件技术主要包括计算机视角技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等。
23.电网内配电负荷监控系统还具有机器学习功能，其中本发明方法中的机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
24.电网内配电负荷监控系统的服务器还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloud computing)的由大量主机或网络服务器构成的云。
25.电网内配电负荷监控系统所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(virtual private network，vpn)等。
26.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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
27.本发明提供的电网内配电负荷监控系统包括：负荷监控服务器和用电户监控终端；负荷监控服务器与用电户监控终端通信连接，并向用电户监控终端发送控制指令，获取数据信息。
28.用电户监控终端设有设置在用电户内的电流互感器、电压互感器、电能表、时间模块、储存器、通信模块以及数据处理器；用电户监控终端实时采集用电户负荷信息，并储存到储存器内，用电户监控终端还基于负荷监控服务器的控制指令，将采集的用电户负荷信息以及负荷信息所对应的负荷采集时间上传至负荷监控服务器。
29.其中，用电户可以是工业厂区，或某些重要设备，或者写字楼，或者办公区，或者成片区的民用电，或者商业区等等。负荷采集时间是获取得到用电户负荷信息的采集时间。实时用电户负荷信息是指在用电户负荷信息中，用电户用电负荷的用电户以及用电负荷流动的数据。
30.进一步地，通过电流互感器、电压互感器、电能表、时间模块等，根据需要还可以设置相应的传感器，来实时监控用电户负荷信息，并记录当前的负荷采集时间，作为负荷采集时间内的用电户负荷信息。
31.负荷监控服务器配置用电户负荷监控模型，将采集的用电户负荷信息的负荷采集时间与电户负荷监控模型进行比较，得到第一负荷状态比对信息。
32.在一个示例性实施例中，负荷监控服务器基于监控用电负荷的预设条件及预设算法配置用电户负荷监控模型，来判断每个用电户采集时间内，是否出现用电负荷大于用电户负荷监控模型预设负荷阈值。第一负荷状态比对信息是基于用电户负荷监控模型中，与用电户负荷信息中的负荷采集时间对应的时间数据。使用用电户负荷监控模型，可以将用电户负荷信息的负荷采集时间输入至用电户负荷监控模型中，进而得到第一负荷状态比对信息。负荷监控服务器从第一负荷状态比对信息中预测用电户负荷状态。
33.这样，负荷监控服务器可以基于用电户负荷信息预测负荷采集时间内，用电负荷是否存在超出最大用电负荷的情况。
34.进一步的讲，从第一负荷状态比对信息中，调取用电户负荷监控模型与负荷采集时间对应的时间数据，根据时间的数据，从用电户负荷监控模型中获取对应的预测用电户负荷信息。
35.由于用电户监控终端设置在不同的用电户中，不同的用电户在正常情况下的用电负荷也会存在不同，因此，每一用电户监控终端对应的预测用电负荷情况数据也不同。
36.负荷监控服务器将用电户负荷信息与预测用电户负荷信息进行比对，得到第二负荷状态比对信息，若第二负荷状态比对信息超过预设的用电负荷阈值，则生成负荷状态异常警示。
37.本发明的第二负荷状态比对信息是用电户负荷信息与预测用电户负荷信息进行比对形成的比较结果。负荷监控服务器可以将用电负荷阈值是指预先设置好，用于判断当前的用电负荷是否达到或者超过负荷状态异常警示。
38.本发明中，对同一用电户的实时用电户负荷信息和对应的预测用电户负荷信息进行计算，将实时用电户负荷信息减去对应的预测用电户负荷信息的方式求得第二负荷状态比对信息。
39.进一步地，若第二负荷状态比对信息为正数，且大于预设的用电负荷阈值后，生成负荷状态异常警示。
40.将负荷状态异常警示发送至监控人员的监控终端，使监控人员对用电户进行监控，监控是否出现用电异常。
41.在本发明的实施例中，通过预先训练用电户负荷监控模型，能够在位于用电户内的监控用电户监控终端获取得到用电户负荷信息后，使用用电户负荷监控模型对用电户负荷信息进行检测，进而能够根据检测的结果判断当前的某一用电户的用电负荷在对应的预测结果进行比对，本发明通过比对获取到用电户是否有超有阈值状态，进而生成负荷状态异常警示，能够使监控人员对用电户进行监控，及时查看处理。
42.在本发明中，负荷监控服务器调取历史用电户负荷信息，从历史用电户负荷信息中获取历史正常用电户负荷信息。
43.历史用电户负荷信息是每个用电户以往时间内的用电户负荷信息。历史正常用电户负荷信息是在用电户等预设的范围内，每一用电户对应的正常情况的负荷的数据。
44.具体地，负荷监控服务器从存储有历史用电户负荷信息的数据库中，调取历史用电户负荷信息。从历史用电户负荷信息中，筛选出未被打上异常有用电负荷异常的数据，作为历史正常用电户负荷信息。
45.负荷监控服务器从历史正常用电户负荷信息中获取负荷采集时间段信息。
46.在本发明中，根据需要被监控用电户的用电时间或者是需要被监控的时间段，设置负荷采集时间段信息。
47.负荷监控服务器根据历史正常用电户负荷信息和负荷采集时间段信息获取待训练负荷状态集。
48.在一个示例性实施例中，待训练负荷状态集是指存储记录有在负荷采集时间段内的历史正常负荷情况。
49.具体地，将每一监控装置对应的历史用电户负荷信息，并对应于负荷采集时间段信息，进而组成待训练负荷状态集。
50.对待训练负荷状态集进行训练后，得到用电户负荷监控模型。本发明可以采用bp神经网络，对待训练负荷状态集进行训练，使得训练得到的用电户负荷监控模型能够根据不同的时间，检测出当前用电户负荷是否超过阈值。
51.在一个示例性实施例中，负荷监控服务器还用于从负荷采集时间段信息中划分待处理负荷时间点。待处理负荷时间点是用于将负荷采集时间段信息进行划分，并从历史正常用电户负荷信息中筛选出不同的用户的时间段。从每一待处理负荷时间点中筛选重复出现的用电负荷数据。
52.具体地，负荷监控服务器利用负荷信息去重模块从待处理负荷时间点内筛选出重复出现的负荷信息，即筛选重复出现的用电负荷信息，仅保留重复值的第一条负荷信息，即对重复出现的用电负荷信息，只保留一次。
53.负荷监控服务器对用电负荷数据采用负荷信息延伸处理，得到待训练负荷状态
集。
54.在本发明中，可以使用用电户的电流信息、电压信息、电能信息、电压波动信息、潮流信息、电流最大值、电压最大值作为训练的样本集，将每个采集时间对应用电户的负荷信息作为训练的待训练负荷状态集。
55.在本发明中，为了增强训练出用电户负荷监控模型过程的稳定性，采用预处理函数对数据进行归一化处理。负荷监控服务器对待训练负荷状态集进行训练后，得到用电户负荷监控模型，具体包括如下步骤：s2041：负荷监控服务器对待训练负荷状态集进行归一化处理，得到待划分训练集。
56.负荷监控服务器根据预设的负荷监控规则，对待划分训练集进行划分，得到待回归训练集。
57.展开来讲，对处理完的数据，即待划分训练集进行重新排序后，进行数据分割处理，基于训练模型和测试模型，形成负荷信息训练集和负荷信息测试集。再随机划分负荷信息训练集和负荷信息，得到待回归电负荷训练集。
58.负荷监控服务器采用包括有一个输入层和若干隐藏层的bp神经网络对待回归电负荷训练集进行回归预测，得到用电户负荷监控模型。
59.本发明中，用电户负荷监控模型包括了一个电负荷输入层，多个电负荷隐藏层以及一个电负荷输出层的bp神经网络，进行回归预测，算法中输出层的节点数是根据用电户的状态得出的特征数来确定，输出层的节点个数为1。
60.负荷监控服务器基于随机生成模块、初始化隐藏层和输出层的权重矩阵。结合均方误差作为损失函数，采用梯度下降来逐步优化用电户负荷监控模型。
61.负荷监控服务器采用变化的自适应学习速率，使网络的训练在不同的阶段自动设置不同学习的速率，预设迭代回合数。
62.本发明为了减少训练得到的用电户负荷监控模型的误差，获取已经划分好的训练模型，在每个训练回合中，先进行前馈计算，接着利用mse计算误差，再用误差反向进行传播计算，从而更新参数，每训练完一次，用mse计算预测模块与训练模型之间的误差，根据误差的结果对训练模型进行调整。
63.利用训练满足要求的用电户负荷监控模型对训练模型进行模型测试，获取对应的预测模块，计算预测模块与训练模型之间的误差，针对电负荷拟合要求进行调整优，直至达到要求为止。
64.电负荷拟合要求是根据用电户负荷监控模型的用电性质，用电报备量，负荷阈值等条件进行设置，使得通过用电户负荷监控模型检测出的负荷情况，符合要求。
65.负荷监控服务器根据监控调取指令向用电户监控终端发送控制指令，获取用电户负荷信息以及负荷信息所对应的负荷采集时间负荷监控服务器利用用电户负荷监控模型并结合当前轮询周期用电户负荷信息的平均值，作为预测用电户负荷信息。
66.具体的，控制指令包括用电户标识信息以及负荷采集时间。
67.负荷监控服务器还用于确定当前时间，并结合当前轮询周期用电户负荷信息的平均值，作为预测用电户负荷信息。
68.负荷监控服务器将获取的用电户负荷信息以及负荷信息所对应的负荷采集时间
进行储存，同时还根据指令进行显示。
69.在获取到所述监控对象的实际用电户负荷信息后，利用所述实际用电户负荷信息覆盖所述预测用电户负荷信息。
70.本发明对于系统因网络通信、用电户分布等原因，无法实时获取到用电户监控终端上传的用电户负荷信息，导致用户在监控调取指令发起之后，用电户负荷信息的获取请求后迟迟得不到回应，影响监控。
71.负荷监控服务器在获取到监控调取指令后，判断与用电户监控终端之间的网络延迟是否超过预设延迟阈值；若是，则根据控制指令中的数据类型标识信息，确定历史用电户负荷信息；利用用电户负荷监控模型结合历史用电户负荷信息预测当前轮询周期内的用电户负荷信息平均值，得到预测用电户负荷信息本发明利用已有的用电户负荷信息和用电户负荷监控模型，完成轮询采集周期内，通信延迟的问题。负荷监控服务器在获取到实际用电户负荷信息时，存储到本地数据库。本发明能够确保负荷监控服务器响应速度的及时性，统一性；避免了因网络问题影响用电户的监控，保障电力网络的稳定运行。
72.本发明提供的电网内配电负荷监控系统中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
73.电网内配电负荷监控系统中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
74.本发明提供的电网内配电负荷监控系统中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电力服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(示例性的讲利用因特网服务提供商来通过因特网连接)。
75.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
76.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。