面向电力行业的人工智能多级协同系统及方法与流程

本发明涉及电力设备领域，尤其涉及一种面向电力行业的人工智能多级协同系统及方法。

背景技术：

1、电力系统是由发电、输电、变电、配电以及用电各个环节组成的电能生产与消费系统。他的功能是将自然界的一次能源通过发电动力装置转化成电能，再经过运输、变电以及配电将电能供应到用电负荷网络进行使用。由于输电、变电以及配电各级因为阻性负荷的存在以及各种其他原因，必然存在各自的电能损耗，而电能损耗除以发电总电能获得的损率，能够综合反映电力网规划设计、生产的运行水平和经营管理水平。

2、示例地，中国发明专利公开文本cn114968956a提出的一种电力人工智能平台模型多级协同方法、系统、设备及介质，所述方法包括：获取模型资源，得到待部署的模型；根据边端侧设备的类型及特点将待部署的模型进行模型优化、转换和封装，进行模型与设备的匹配；向边端侧传输模型资源，进行身份鉴别和服务类型校验，并将所述模型的运行指标参数通过物联管理平台发送至边端侧；根据边端侧对模型部署请求的校验结果部署模型。

3、示例地，中国发明专利公开文本cn108429253a提出的一种多级协同的负荷用户属性模型的构建方法，本发明首先设计了负荷用户属性的模型，该模型涵盖了用户名、用户行业属性、用户重要性、用户实时功率、用户数等多个重要的用户属性信息，通过电能计量自动化系统获得10kv/0.4kv配电变压器的负荷用户属性模型，并结合ems中的电网结构和运行方式数据，通过潮流追踪的方法建立了10kv馈线及110kv、220kv、500kv变电站负荷用户属性模型。从而实现对于不同电压等级馈线和变电站的负荷用户属性信息的多级协同精细化管理。同时可有效掌握和评估某个变电站停电时受影响的最终用户数和负荷量，可为各级电力调度部门在安排运行方式、制定调度计划和动态分析电网用户状态等方面提供一定的参考决策信息。

4、显然，上述现有技术都无法对未来时间区间的输电、变电、配电多级电损进行有效评估，使得发电机构即使在明确用电网络未来时间区间需要的总电能数值，也无法确定其在发电端需要在未来时间区间为用电网络提供的电能数值，在这样缺乏多级协同和规划的状态下，发电机构提供的电能送达到用电网络处时，很容易出现电能供应过量或者电能供应不足的现象。

技术实现思路

1、为了解决现有技术中的技术缺陷，本发明提供了一种面向电力行业的人工智能多级协同系统及方法，能够采用人工智能机制有效预测未来时间区间内输电、变电、配电多级电损，并基于预测的多级电损的确定未来时间区间发电端需要为用电网络提供的电能数值，从而实现了电力系统的多级协同和规划，保证了有限电能供应和合理分配。

2、根据本发明的第一方面，提供了一种面向电力行业的人工智能多级协同系统，所述系统包括：

3、输电检测器件，用于检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量，设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络，用于为设定用电网络提供供电服务；

4、变电测量器件，用于测量设定变电器件的空载损耗以及设定变电器件的负载损耗，设定变电器件的空载损耗为设定变电器件的铁损，设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比；

5、配电分析器件，用于获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量；

6、分时提取器件，用于获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据，当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段，且在所述完整的时间分段内每一个时间区间持续的时长相等；

7、智能预测器件，分别与所述输电检测器件、所述变电测量器件、所述配电分析器件以及所述分时提取器件连接，用于基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据；

8、协同控制器件，分别与智能预测器件、设定发电机构以及设定用电网络连接，用于基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值；

9、其中，设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络，用于为设定用电网络提供供电服务包括：所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接，所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接；

10、其中，将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损，将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。

11、根据本发明的第二方面，提供了一种面向电力行业的人工智能多级协同方法，所述方法包括：

12、检测设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量，设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络，用于为设定用电网络提供供电服务；

13、测量设定变电器件的空载损耗以及设定变电器件的负载损耗，设定变电器件的空载损耗为设定变电器件的铁损，设定变电器件的负载损耗与设定变电器件的变压器负载率的平方成正比；

14、获取设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量；

15、获取当前时间区间之前各个时间区间分别对应的各份电能损耗数据，当前时间区间与当前时间区间之前的各个时间区间共同组成一个完整的时间分段，且在所述完整的时间分段内每一个时间区间持续的时长相等；

16、基于设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、当前时间区间之前各个时间区间分别对应的各份电能损耗数据采用人工智能预测体智能预测当前时间区间对应的单份电能损耗数据；

17、基于设定用电网络在当前时间区间的预测用电数值以及当前时间区间对应的单份电能损耗数据协同设定发电机构以确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值；

18、其中，设定输电网络、设定变电器件以及设定配电网络组成一个多级供电网络，用于为设定用电网络提供供电服务包括：所述设定变电器件分别与所述设定输电网络以及所述设定配电网络连接，所述设定配电网络分别与所述设定用电网络以及所述设定变电器件连接；

19、其中，将当前时间区间对应的单份电能损耗数据包括的当前时间区间对应的所述设定输电网络消耗的电损数值、当前时间区间对应的所述设定变电器件消耗的电损数值以及当前时间区间对应的所述设定配电网络消耗的电损数值进行累计以获得当前时间区间对应的多级累计电损，将所述多级累计电损与设定用电网络在当前时间区间的预测用电数值进行相加以获得设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值。

20、相比较于现有技术，本发明至少具备以下几处突出的实质性进步：

21、实质性进步一：针对由设定输电网络、设定变电器件以及设定配电网络组成的多级供电网络，引入人工智能预测体基于设定输电网络、设定变电器件以及设定配电网络的各项物理参数和当前时间区间之前各个时间区间分别对应的各份电能损耗数据，智能预测当前时间区间作为未来时间区间对应的电能损耗数据；

22、实质性进步二：基于多级供电网络在当前时间区间内预测的电能损耗数据、设定用电网络在当前时间区间的预测用电数值确定设定发电机构需要在当前时间区间内为设定用电网络的用电所发出的电能数值，从而完成了基于电能损耗数据预测的多级协同处理，避免造成每一用电网络的用电不足或者过剩；

23、实质性进步三：为保证人工智能预测体的智能预测结果的有效性和稳定性，采取了以下几项具体措施：第一、将执行完多次学习后的bp神经网络作为人工智能预测体；第二、多次学习的学习次数与设定输电网络的输电距离成正比；第三、在每一次学习中，将已知的、某一历史时间区间对应的单份电能损耗数据作为所述人工智能预测体的输出内容，将设定输电网络的输电线路的电阻数值以及设定输电网络的输电线路的并行线路数量、设定变电器件的空载损耗以及设定变电器件的负载损耗、设定配电网络的供电线路的电阻数值以及设定配电网络的供电线路的并行线路数量、所述某一历史时间区间之前各个时间区间分别对应的各份电能损耗数据作为所述人工智能预测体的各项输入内容，从而保证每一次学习的学习效果；

24、实质性进步四：基于设定用电网络在过往各天中分别与当前时间区间相同的多个时间区间内分别消耗的多份用电数值采用ai判断模型预测设定用电网络在当前时间区间的预测用电数值，其中，所述过往各天的天数与设定用电网络的实际地理覆盖面积成正比，从而实现了对设定用电网络在当前时间区间的用电数值的智能预测处理。