一种网格系统用的能源监控管理系统的制作方法

本发明涉及能源监控，更具体地说，本发明涉及一种网格系统用的能源监控管理系统。

背景技术：

1、能源监控管理系统对于网格系统来说具有重要的意义，它能够提高能源利用效率、实现智能调控和优化、提供故障检测与预警、支持数据决策、促进可再生能源发展，同时提升用户的参与度，为实现可持续发展和绿色能源转型做出积极贡献。

2、在实际使用时，现有的网格系统用的能源监控管理系统仍旧存在较多缺点，如目前的网格化管理系统已经应用于生活中，现有的网格系统更多的是对人的监控和管理，缺少对网格内能源的监控与管理，不能实时监测和分析能源使用情况，不能帮助用户了解及时发现线路故障，不能实时监测能源系统的运行状态和参数，及时发现故障、异常和风险，传统的能源监控管理方法存在数据采集不准确、监控精度低、反应时间慢的问题。因此，需要一种智能化、高效的能源监控管理系统来监控和管理网格系统的能源使用情况。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供一种网格系统用的能源监控管理系统，通过采集能源信息进行分析发现存在的故障和潜在的风险，系统可以发出警报并通知相关人员，以便及时采取纠正措施，降低故障损失和维修成本，以解决上述背景技术中提出的问题。

2、技术方案。

3、为实现上述目的，本发明提供如下技术方案：一种网格系统用的能源监控管理系统，包括：

4、数据采集模块：用于采集网格系统的能源信息，将采集的能源信息传输至异常识别与定位模块和异常趋势分析模块，搭建网格系统的电力拓扑网络，通过电力拓扑网络包括源节点和若干子节点，通过电力拓扑网络子节点将采集的信息传输至异常识别与定位模块；

5、异常识别与定位模块：用于识别电力拓扑网络中的异常信息，定位异常发生位置，将获取的信息传输至故障分析模块；

6、故障分析模块：将获取的异常信息输入故障分类模型中得到故障类型，所述故障分类模型基于深度学习神经网络模型训练得到；

7、异常趋势分析模块：用于分析网格系统的异常趋势，依据数据采集模块获取的能源信息分析得到网格系统的异常趋势因子；

8、能源风险评估模块：用于获取网格系统中的能源风险指数fz，将获取的能源风险指数与预设的能源评估指数进行对比，超出预设值的向运维人员进行预警，并采取管理措施。

9、优选的，在数据采集模块中，获取网格系统中的电力拓扑网络，电力拓扑网络包括源节点和若干子节点，若节点距离网格系统的源节点越远，受上游节点的影响越大，计算电力拓扑网络节点的关联系数，关联系数越强，节点间发生故障时，强关联节点的异常值波动越大，通过监测关键节点，发现异常时，通过分析关联节点的异常波动，定位得到故障发生位置；关联系数的计算方式为：在节点之间设置故障，获取相邻节点a、b的波动系数，获取波动系数大的节点，则故障出在关联节点之间，计算节点ab间的关联系数，满足公式：

10、，其中，表示节点ab间的关联系数，jz表示节点ab间的距离，d1表示节点a的电力负荷，d2表示节点b的电力负荷，d表示节点ab间的电力负荷系数，满足公式，j1表示节点a距离输入源节点的距离，j2表示节点b距离输入源节点的距离，表示上游关键节点的电压波动系数，表示下游关键节点的电压波动系数，表示上游关键节点电流波动系数，表示下游关键节点的电流波动系数；设置关联系数阈值，将超出阈值的节点记为关联节点，否则为非关联节点，根据关联系数从子节点中筛选得到电力网络拓扑的关键节点，通过关键节点采集电力拓扑网络中的能源信息。

11、优选的，包括数据采集模块中包括监测资源分配单元，所述监测资源分配单元通过获取网格系统的覆盖范围、用户、用户类型，通过设置关键节点的数量完成监测资源的分配，有效的利用监控资源，节约监控的能源消耗，监测资源分配单元包括下列步骤：

12、步骤101、获取网格系统的特征，计算得到网格区域的能源监测需求系数，获取方式为：获取网格区域的特征，tui表示第i个特征，获取每个特征对于能源监测点数量的影响权重wi，通过关联分析得到网格的能源监测需求系数；

13、步骤102、评估关键节点的监测能力，获取监测点的响应速度、数据传输速度、预设响应速度、预期传输速度，评估关键节点的监测能力；

14、步骤103、基于能源监测需求系数和关键节点的监测能力，计算得到网格系统的关键节点数量；

15、步骤104、根据电力拓扑网络节点的关联系数分配关键节点。

16、优选的，所述特征参数包括不限于：网格系统的覆盖面积、用户数量、用户类型、故障次数、故障类型和故障影响因子。

17、优选的，所述数据采集模块和异常识别模块中间包括数据预处理模块将采集的数据按照类型汇总，去除异常数据后传输至数据分析模块。

18、优选的，所述异常识别与定位模块用于识别电力拓扑网络中的异常信息，定位异常位置，包括异常数据监测单元和异常定位单元，所述异常数据监测单元通过对采集的数据进行实时监测和分析，异常数据的识别方式为：将每个关键节点采集的能源数据与预设数值进行比较，超出预设值为异常数据的记为异常数据，将对应的关键节点记为异常节点；所述异常定位单元用于定位异常数据的发生位置，获取异常节点的位置信息，通过电力拓扑网络图得到异常节点上下游最近的关键节点，设上下游的关键节点有m个，则最多有s条电力线路，且，计算关键节点的异常指数，则完成异常信息的定位，将关键节点的关联系数记为，计算关键节点间的异常指数，满足公式，其中，yj表示第j条电力线路的异常指数，表示上游关键节点的电压波动系数，表示下游关键节点的电压波动系数，表示上游关键节点电流波动系数，表示下游关键节点的电流波动系数，以此类推得到关键节点的异常指数集合y，记为，设置异常指数的预设值y预，当yj＞y预，表明第j条电力线路存在异常，完成异常信息的定位。

19、优选的，所述异常趋势分析模块：获取网格系统每日的电流、电压、电损，获取网格系统中电流、电压、电损的预设值、同比和环比，通过公式：

20、获取网格系统的异常趋势，其中，ra、ru、rs表示网格系统在当日的供应电流、电压、电损的平均值，ca、cu、cs表示网格系统实时电流、电压、电损，ya0、yu0、ys0表示电流、电压、电损的预设值，ta、tu、ts表示电流、电压、电损的同比,ha、hu、hs表示电流电压电损的环比,得到异常趋势因子,其中，λ1、λ2为系数因子根据实际情况设置，0≤λ1＜1，0≤λ2＜1，且λ1+λ2=1。

21、优选的，所述电损的获取方式为：通过智能电表获取用户端能耗总量，获取源节点的供电总量，电损参数满足公式，其中，cs表示电损参数，sd表示损失的电量，yd表示用户消耗的电量。

22、优选的，能源风险评估模块中能源风险指数的获取方式为：获取环境温度wd、故障发生次数m、第j次故障的影响系数gj、故障类型、异常趋势因子p、电力负荷平均值df、故障类型影响因子wgi、电压波动系数b1、输电损耗系数，通过关联分析得到能源故障分析系数，通过公式：

23、计算得到能源故障风险系数，其中，f1表示极端天气影响因子，f2表示节假日活动影响因子。

24、优选的，预设的能源评估指数，当表示网格系统中的能源风险处于正常状态，不需要采取措施，当,表示网格系统中的能源风险处于风险状态，需要采取措施降低能源风险指数，措施包括不限于，进行能源的预测与调度，用于保证电压的稳定，通过检修输电电缆保证电流的稳定，降低能源故障。

25、优选的，本发明所述能源监控管理系统包括负荷调度模块：

26、所述负荷调度模块根据实时负荷情况进行负荷平衡和优化调度，以确保能源供需平衡，并最大程度地满足用户需求，缩小电压的波动系数，获取每个网格系统的负荷趋势，预测下一周期的电力负荷，根据预测的电力负荷进行网格系统间的电力调度，电力负荷预测基于电力负荷预测模型获取，将网格系统内的电力负荷数据经过预处理后，输入训练好的电力负荷预测模型中，得到网格区域的预测电力负荷。

27、优选的，负荷调度模块通过下列方式实现：

28、步骤s11、数据获取，获取数据的关键特征，包括气象特征矩阵、日类型特征矩阵和历史电荷特征矩阵；

29、步骤s12、数据修正：修正获取的关键特征矩阵，包括气象特征矩阵优化；

30、步骤s13、输入预测模型：将修正后的数据输入训练后的预测模型中，所述预测模型满足公式，其中，l1表示历史电力负荷影响分量，l2表示气象事项电力负荷影响分量，，l3表示节假日电力负荷影响分量，表示波动常数；

31、步骤s14、得到供电区域内n个网格系统的预测电力负荷，记为dy1,dy2,…,dyi，…，dyn，dyi表示第i个网格区域的预测电力负荷；

32、步骤s15、根据预测结果进行电力负荷的调度，获取每个网格区域的预测电力负荷dy,将第i个网格区域的电力负荷记为yi，通过公式计算得到每个网格区域的电力供应gi,其中wi表示第i个网格区域的系数常数，完成电力负荷的调度，gy表示n个网格系统的最大供应电力。

33、本发明的技术效果和优点：

34、（1）通过搭建电力拓扑网络并设置监测节点获取网格系统中的异常信息，通过异常识别定位模块得到异常发生位置，通过故障分析模块得到故障类型；通过异常趋势分析模块得到网格系统的异常趋势因子，监测网格系统的异常趋势因子，评估网格系统的潜在危险；基于发生的故障信息和异常趋势因子经过关联分析得到网格系统的能源风险指数，将获取的能源风险指数与预设的能源评估指数进行对比，超出预设值的向运维人员进行预警，并采取管理措施，当,表示网格系统中的能源风险处于正常状态，不需要采取措施，当,表示网格系统中的能源风险处于风险状态，需要采取措施降低能源风险指数，以解决现有技术中的数据采集不准确、监控精度低、反应时间慢的问题。

35、（2）提供一种降低网格系统电压波动的措施，基于网格系统的历史数据预测网格系统的电力负荷预测，通过网格系统间的电力负荷调度降低网格系统电压波动。