一种电压暂降预估模型建立方法、介质及系统与流程

本发明属于电压暂降预估，具体而言，涉及一种电压暂降预估模型建立方法、介质及系统。

背景技术：

1、随着智慧电网建设的快速发展,电力系统正加速向信息化、数字化、自动化方向演进。然而电网的安全稳定运行仍然面临诸多威胁,电压暂降问题就是其中一种常见的电力质量问题,会对电网的经济运行和用电设备的正常工作造成严重影响。

2、电压暂降是指在电力系统故障或负载变化的瞬时过程中,电压幅值下降一定值并维持较短时间的电力质量问题。它往往伴随着电流的暂时增大而产生。严重的电压暂降还可能导致电力设备的过流、过热,触发保护装置动作而造成断电事故。

3、电压暂降的主要原因可以归类为:1)大容量电动机或耗电设备的直接启动；2)线路或电容器瞬时短路；3)电网故障如闪变、差动保护误动；4)线路开关操作过渡过程；5)电源电压调节故障；6)雷击引起的暂态过电压等。随着新能源并网、高端制造业快速增长,电网结构日益复杂,电压暂降问题可能加剧。

4、电压暂降对电力系统影响主要体现在:1)可能扩展为大面积停电事故；2)减少电力设备的使用寿命；3)对电力电子设备产生数据误操作或损坏；4)降低电力质量,造成灯光闪烁、电器停机等。严重时可导致重要负载用户断电,带来生产安全事故。

5、针对电压暂降问题,主要的监测手段有:1)在关键节点布置测量设备,检测电压参数；2)分析保护装置动作信号判断故障原因；3)记录断电用户信息。但是这些手段监测粒度较低,无法实现对电网动态电压暂降的预测预警。

6、公开号为cn111404166b的中国发明专利(cn202010399435.3)公开了一种电压暂降综合防治方法，通过收集现代工业园区的初始数据；提出一种电压暂降综合防治措施，对用户侧多种电压暂降治理设备的成本进行建模，对电网侧输配电线路治理成本建模，对提出的电压暂降综合防治措施实施后输配电线路引起的年度暂降次数进行建模，对提出的电压暂降综合防治措施实施前后电压暂降所引起的经济损失进行量化建模，确定电压暂降综合防治措施效益的最大净现值模型的目标函数以及约束条件，运用粒子群算法对目标函数寻优求解，定量可得到该综合防治措施的设备配置情况，包括使用何种设备、设备的安装位置和设备的参数，定量得到效益最大的设备配置结果。

7、由于电网分布地域太大，数据量极多，上述发明的技术方案难以快速预估电压暂降的发生区域，不容易实现电压暂降综合防治。

技术实现思路

1、有鉴于此，本发明提供一种电压暂降预估模型建立方法、介质及系统，能够解决由于电网分布地域太大，数据量极多，上述发明的技术方案难以快速预估电压暂降的发生区域的技术问题。

2、本发明是这样实现的：

3、本发明的第一方面提供一种电压暂降预估模型建立方法，其中，包括以下步骤：

4、s10、获取电力系统的历史数据，包括电力系统的负载数据、电压数据和故障数据；

5、s20、基于收集的历史数据进行电压暂降事件的识别；

6、s30、对识别出的电压暂降事件进行影响区域的划分，包括受影响区域和无影响区域；

7、s40、基于神经网络利用电力系统的历史数据建立第一电压暂降预估模型，所述第一电压暂降评估模型用于根据采集时间段内的电力系统运行数据预估发生电压暂降的区域；

8、s50、基于神经网络利用受影响区域的电压暂降事件相关的历史数据建立第二电压暂降预估模型，所述第二电压暂降预估模型用于根据指定区域采集时间段内的电力系统运行数据预估发生电压暂降特征参数，包括电压暂降幅度、电压暂降持续时间和电压暂降恢复时间；

9、s60、建立电压暂降预估模型，包括顺序运行的第一电压暂降预估模型和第一电压暂降预估模型，用于根据采集时间段内的电力系统运行数据预估发生电压暂降的区域和电压暂降特征参数。

10、在上述技术方案的基础上，本发明的一种电压暂降预估模型建立方法还可以做如下改进:

11、其中，所述获取电力系统的历史数据的步骤，具体包括：

12、按照一定的时间间隔采集电力系统数据，包含负载数据、电压数据和电压暂降故障数据；

13、对历史数据进行预处理,包括滤波、聚合和归一化；

14、基于滑动窗口，从预处理后的数据中提取统计特征；

15、构建包含区域信息、负载特征、电压特征和故障标签的样本；

16、形成特征表达完备的样本数据集作为历史数据。

17、其中，一定的时间间隔一般是1秒，也可以为1～15秒。该步骤通过对原始数据的处理和特征提取,构建了一个高质量的样本数据集,为基于该数据集训练电压暂降预估模型奠定了基础。

18、其中，所述基于收集的历史数据进行电压暂降事件的识别的步骤，具体包括：

19、从历史数据中提取特征和标签，得到样本数据；

20、建立分类模型；

21、使用样本数据训练分类模型；

22、利用训练好的分类模型对数据进行电压暂降事件进行识别。

23、进一步的，所述分类模型为随机森林模型。

24、其中，所述对识别出的电压暂降事件进行影响区域的划分的步骤，具体包括：

25、构建电压暂降事件的区域关联矩阵；

26、计算区域关联系数矩阵,找到强关联区域；

27、将联通的强关联区域确定为受影响区域，剩余的区域为无影响区域。

28、其中，所述基于神经网络利用电力系统的历史数据建立第一电压暂降预估模型的步骤，具体包括：

29、对电压暂降事件的识别后的历史数据进行预处理得到第一数据集；

30、构建深度神经网络模型；

31、利用第一数据集训练模型得到第一电压暂降预估模型。

32、其中，预处理包括：

33、(1)数据清洗:去除缺失值、异常值等无效数据；

34、(2)数据平衡:过采样或欠采样来平衡不同类别的数据量；

35、(3)特征处理:构建输入数据的特征表示,如统计特征、频域特征等；

36、(4)数据归一化:缩放到[0,1]或标准正态分布。

37、其中，所述基于神经网络利用受影响区域的电压暂降事件相关的历史数据建立第二电压暂降预估模型的步骤，具体包括：

38、筛选受影响区域的电压暂降事件历史数据作为第二正样本；

39、从非电压暂降数据中随机采样生成第二负样本；

40、对第二正样本和第二负样本样本数据提取特征,构建输入特征向量；

41、构造包含第二正负样本的第二训练数据集；

42、建立多层神经网络并利用第二训练数据集进行训练，得到第二电压暂降预估模型。

43、进一步的，所述负载数据至少包含负载的区域和负载的功率特征以及负载使用时间特征。

44、本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的电压暂降预估模型建立方法。

45、本发明的第三方面提供一种电压暂降预估模型建立系统，其中，包含上述的计算机可读存储介质。

46、本发明提出一种电力系统电压暂降预估的方法,通过历史数据建模、电压暂降事件识别、影响区域分割、两级模型训练和集成,形成一个端到端的电压暂降预测与分析系统。相较于现有技术,该方案具有以下显著技术效果:

47、1.数据驱动方法,利用丰富的电网历史数据,能够建立准确的电压暂降预测模型,无需依赖复杂的物理系统建模,降低了模型构建的难度。

48、2.两级模型的集成结构,第一级模型进行电压暂降区域识别,第二级模型预测具体的电压暂降特征参数。这种分工协同的结构提高了电压暂降时空特征的预估精度。

49、3.利用机器学习进行电压暂降事件识别,为训练提供大量标注数据,是典型的监督学习过程,提高了预测模型的泛化能力。

50、4.通过影响区域划分,使第二级预测模型能够集中处理与电压暂降高度相关的局部区域,进行精细化建模,避免受无关区域的干扰。

51、5.基于深度神经网络进行建模,能够拟合复杂电网的非线性关系,并进行端到端的特征学习,避免人工特征工程的限制。

52、6.模型集成的方式实现一体化电压暂降预估系统,将区域识别和特征预测有机结合,为电网预测预警提供关键支持。

53、7.系统输出的电压暂降预警信息,能够提前应对电压暂降,大幅度降低产生故障的可能性,提高电网的安全稳定性。

54、综上所述，相较于传统的物理系统建模方法,该数据驱动预估系统无需复杂的电网模型,采用两级模型的集成结构，首先根据第一级模型得到一个预估的会出现电压暂降的区域，接着用第二级模型预估这一区域是否会出现电压暂降，相对于使用一个大的模型，有助于快速定位区域并在定位区域内进行精确计算，得到最终预估结果，极大的提高了预估效率。