一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)及方法
【專利摘要】本發(fā)明公開了一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)及方法，采集電力負荷歷史數(shù)據(jù)，繪制負荷曲線，構(gòu)建樣本集合，利用K?MEDOIDS算法確定用電用戶的典型負荷曲線；將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段，以多目標(biāo)為特征向量，從典型日負荷曲線中選取特性指標(biāo)；根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈構(gòu)建預(yù)測模型，進行預(yù)測，將預(yù)測結(jié)果和計量裝置檢測的實測數(shù)據(jù)進行比較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作，如果確認有非法用電或計量裝置不正常，予以標(biāo)記進行預(yù)警。
【專利說明】
-種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)譬系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)及方法。
【背景技術(shù)】
[0002] 近年來隨著經(jīng)濟的發(fā)展，用電需求量越來越大。在許多高峰時段，會出現(xiàn)電力供需 緊張的問題。不管是個人用戶還是大型企業(yè)用戶，都需對用電量、電費進行計量和計算，能 夠正確計量、計算是非常重要的，也是能夠?qū)﹄娋W(wǎng)的安全、高效運行有重大的幫助。
[0003] 因此，在計量時能夠精確統(tǒng)計出用戶的用電量，又能判斷該值是否在正常范圍內(nèi)， 沒有漏電、竊電或偷電的行為，是非常重要的。
[0004] 但是當(dāng)前的用電監(jiān)控主要依賴人工或者計量箱（或表），無論是人工還是計量箱 (或表)都存在監(jiān)控策略不明確、監(jiān)控實施不到位、執(zhí)行效果展示不直觀的問題，缺乏成體系 的電網(wǎng)用電計量監(jiān)控方法，導(dǎo)致了監(jiān)控工作隨機性較強，使得提升有序用電、負荷特性分析 等有助于提升電網(wǎng)運行效率和電能質(zhì)量的進一步分析無法有正確的數(shù)據(jù)支持。因此，需要 對用電用戶的用電量進行預(yù)測，W判斷實測用電量是否正確。
[0005] 目前，電力負荷預(yù)測特別是用電量負荷預(yù)測的方法包括:卡爾曼濾波、灰色預(yù)測 法、指數(shù)平滑法、B巧申經(jīng)網(wǎng)絡(luò)等。其中BP神經(jīng)網(wǎng)絡(luò)收斂速度比較慢，容易出現(xiàn)局部最小值，運 些局限導(dǎo)致預(yù)測精度不高?；疑A(yù)測法要求歷史用電量是光滑離散數(shù)據(jù)，所W僅僅適用于 短期的預(yù)測?？柭鼮V波可W通過狀態(tài)空間模型，預(yù)測下一個時刻的預(yù)測值，缺點是噪聲統(tǒng) 計特性完全未知或部分已知的情況下，會造成濾波效能過低，甚至失效。指數(shù)平滑法簡單易 行，采用加權(quán)移動平均的方式，消除歷史用電負荷的波動數(shù)據(jù)，可W找出用電負荷的發(fā)展趨 勢，適用于數(shù)據(jù)的預(yù)處理，缺點是會產(chǎn)生滯后效應(yīng)，嚴重影響預(yù)測精度。
[0006] 同時，目前的預(yù)測方法，在數(shù)據(jù)預(yù)處理過程中的建立負荷的優(yōu)化特性指標(biāo)時，目前 都太過單一，無法實現(xiàn)多目標(biāo)的負荷特性分析，缺少對不確定性和多目標(biāo)屬性的綜合考慮， 所聚類的結(jié)果無法在多目標(biāo)框架下消除不確定因素的影響，難W滿足實際運行需求。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明為了解決上述問題，提出了一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)及 方法，本發(fā)明通過對各類型用戶的負荷特性分析、預(yù)估，結(jié)合采集的用戶歷史數(shù)據(jù)，判斷該 用戶使用的電能數(shù)據(jù)是否正常，是否存在偷電漏電的情況，有助于提高電網(wǎng)運行效率和計 量準(zhǔn)確度。
[000引為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0009] -種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，包括W下步驟：
[0010] (1)采集電力負荷歷史數(shù)據(jù)，繪制負荷曲線，構(gòu)建樣本集合，利用K-MED0IDS算法確 定用電用戶的典型負荷曲線；
[0011] (2)將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段，W時段序列內(nèi)各最小時間長度的波動強 度、時段序列的數(shù)字特征、保安負荷、可限負荷、峰值時差率、峰谷差率和月不均衡系數(shù)為特 性指標(biāo)構(gòu)造聚類特征向量，從典型日負荷曲線中選取特性指標(biāo)；
[0012] (3)賦予樣本數(shù)據(jù)偏向參數(shù)，基于AP聚類算法，W特征向量為指標(biāo)進行聚類，確定 聚類數(shù)和聚類中屯、，若樣本點的聚類中屯、滿足W日時段特征向量為聚類指標(biāo)的判定條件， 則輸出聚類結(jié)果；
[0013] (4)根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈構(gòu)建預(yù)測模型，進行預(yù)測，將預(yù)測結(jié)果和計量裝 置檢測的實測數(shù)據(jù)進行比較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作， 如果確認有非法用電或計量裝置不正常，予W標(biāo)記進行預(yù)警。
[0014] 所述步驟(1)中，采集電力用戶的一段時間內(nèi)的歷史負荷數(shù)據(jù)，然后繪制成多條日 負荷曲線，利用K-MED0IDS算法對各用戶所有的日負荷曲線分別進行聚類，將各用戶的用電 情況分為若干類，選擇分類天數(shù)最多的那一類對應(yīng)的中屯、負荷曲線作為用戶的典型日負荷 曲線。
[0015] 所述步驟(2)中，負荷樣本數(shù)據(jù)按聚類時間間隔統(tǒng)一分段，聚類時間間隔由多個設(shè) 定的最小時間長度組成，利用聚類時間間隔時間段中每個最小時間長度內(nèi)樣本的變化波動 序列表征數(shù)據(jù)波動趨勢，W及實際有功功率的聚類時間間隔內(nèi)的最大有功功率、最小有功 功率和有功功率的均值，依次構(gòu)成關(guān)于時段序列內(nèi)各最小時間長度的波動強度的特征向 量。
[0016] 所述步驟(2)中，波動強度序列的幅值大小充分反映廣義負荷節(jié)點功率波動的幅 度，幅值的正負反映廣義負荷節(jié)點功率的流向。
[0017] 所述步驟(2)中，負荷的波動率是指用戶用電負荷的變化起伏大小，反映負荷的波 動幅度，大小為負荷有功功率的標(biāo)準(zhǔn)差與負荷有功功率的算術(shù)平均值之比。
[0018] 所述步驟(2)中，保安負荷的計算方式為，選取一段時間內(nèi)的實際負荷數(shù)據(jù)，計算 多個負荷點的算術(shù)平均值。計算公式如下：
[0019]
[0020] 其中，Pb為保安負荷，Pmini為第i個最小的負荷點，N為常數(shù)，優(yōu)選的，N大于等于300。
[0021] 所述步驟(2)中，用戶的可限負荷為峰值的高峰典型負荷與保安負荷的差值再乘 W同時率，高峰典型負荷為電網(wǎng)供電高峰時段內(nèi)出現(xiàn)最大供電負荷的對應(yīng)時刻用戶負荷的 平均值。
[0022] 所述步驟(2)中，峰值時差率是指電網(wǎng)負荷高峰與用戶負荷高峰的時間差異程度， 其大小為電網(wǎng)負荷高峰與用戶負荷高峰的時間差異總和除W設(shè)定時間長度與Μ的乘積，其 中Μ為電網(wǎng)負荷高峰個數(shù)與用戶負荷高峰個數(shù)中較小的數(shù)值。
[0023] 所述步驟(2)中，峰谷差指的是電力系統(tǒng)某一時間周期內(nèi)最大負荷與最小負荷之 差，通常W日為單位，峰谷差夠反映出用戶負荷的波動情況，峰谷差率的大小為日最大負荷 與日最小負荷的差值與日最大負荷的比值。
[0024] 所述步驟(4)中，具體步驟包括：
[0025] (4-1)設(shè)定預(yù)測時間間隔，根據(jù)聚類結(jié)果，確定樣本集合中各個日負荷值的數(shù)據(jù)集 中概率，進行歸一化操作，確定各個離散型初步狀態(tài)概率向量，構(gòu)建初始馬爾可夫模型；
[0026] (4-2)利用切普曼一柯爾莫哥洛夫方程進行概率轉(zhuǎn)移，將樣本數(shù)據(jù)變換成為Ν層日 負荷樣本數(shù)據(jù)和1層日負荷樣本數(shù)據(jù)，進行數(shù)據(jù)整合，形成最終的馬爾可夫模型；
[0027] (4-3)劃分時間段，將所有日負荷值根據(jù)它們的時間戳映射到運些時間段中，計算 各對象落入各個時間段的概率，預(yù)測任意時間段后的日負荷值。
[0028] 所述步驟(4)中，將預(yù)測結(jié)果和實測數(shù)據(jù)進行比較，具體步驟包括：
[0029] (4-a)將若干時間段的預(yù)測結(jié)果進行相加，確定該時間段中的實測數(shù)據(jù)大小，對兩 者進行做差處理，用數(shù)值大的數(shù)據(jù)減去數(shù)值小的數(shù)據(jù)；
[0030] (4-b)利用差值除W數(shù)值小的數(shù)據(jù)，若比值超過預(yù)先設(shè)定的比值闊值上限或下限， 則認為存在非法用電或計量裝置處于非正常工作狀態(tài)，對該用戶進行標(biāo)記。
[0031] -種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)，包括：
[0032] 數(shù)據(jù)預(yù)處理模塊，采集電力負荷歷史數(shù)據(jù)、繪制負荷曲線，構(gòu)建樣本集合；
[0033] 聚類確定模塊，利用K-MED0IDS算法確定用電用戶的典型負荷曲線；
[0034] 時間模塊，將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段；
[0035] 計算模塊，計算W時間模塊記錄的時段序列內(nèi)各最小時間長度的波動強度、時段 序列的數(shù)字特征、保安負荷、可限負荷、峰值時差率、峰谷差率和月不均衡系數(shù)；
[0036] 特征向量構(gòu)建模塊，將計算模塊中的所有計算結(jié)果為特性指標(biāo)構(gòu)造聚類特征向 量，從典型日負荷曲線中選取特性指標(biāo)；
[0037] 特性向量聚類模塊，賦予樣本數(shù)據(jù)偏向參數(shù)，基于AP聚類算法，W特征向量為指標(biāo) 進行聚類，確定聚類數(shù)和聚類中屯、；
[0038] 判定模塊，判定樣本點的聚類中屯、是否滿足W日時段特征向量為聚類指標(biāo)的判定 條件，若滿足，則輸出聚類結(jié)果；
[0039] 預(yù)測模塊，根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈算法構(gòu)建預(yù)測模型，進行預(yù)測；
[0040] 比較模塊，將預(yù)測模塊中的預(yù)測結(jié)果和用電用戶的計量裝置檢測的實測數(shù)據(jù)進行 比較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作。
[0041] 本發(fā)明的有益效果為：
[0042] (1)能夠正確判斷各類用電用戶的用電值是否在正常范圍內(nèi)，是否存在漏電、竊電 或偷電的行為，有助于提局電網(wǎng)市場的有序性；
[0043] (2)提出多目標(biāo)特征向量的聚類方法，能夠反映樣本數(shù)據(jù)的日時段特性規(guī)律；
[0044] (3)本發(fā)明可W實現(xiàn)具體到對某行業(yè)、某客戶的負荷預(yù)測，為負荷特性變化的原因 分析提供數(shù)據(jù)支持；
[0045] (4)利用馬爾可夫鏈進行日負荷值預(yù)測，有效提高非平穩(wěn)的負荷數(shù)據(jù)的準(zhǔn)確性，同 時將時間因素考慮在內(nèi)，極大提高了預(yù)測準(zhǔn)確率。
【附圖說明】
[0046] 圖1為本發(fā)明的流程示意圖；
[0047] 圖2為本發(fā)明的為某地區(qū)電網(wǎng)2015年7月的典型日負荷曲線示意圖；
[0048] 圖3為本發(fā)明的預(yù)測結(jié)果對比圖。
【具體實施方式】：
[0049] 下面結(jié)合附圖與實施例對本發(fā)明作進一步說明。
[0050] 如圖1所示，一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，包括W下步驟：
[0051] (1)采集電力負荷歷史數(shù)據(jù)，繪制負荷曲線，構(gòu)建樣本集合，利用K-MEDOIDS算法確 定用電用戶的典型負荷曲線；
[0052] (2)將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段，W時段序列內(nèi)各最小時間長度的波動強 度、時段序列的數(shù)字特征、保安負荷、可限負荷、峰值時差率、峰谷差率和月不均衡系數(shù)為特 性指標(biāo)構(gòu)造聚類特征向量，從典型日負荷曲線中選取特性指標(biāo)；
[0053] (3)賦予樣本數(shù)據(jù)偏向參數(shù)，基于AP聚類算法，W特征向量為指標(biāo)進行聚類，確定 聚類數(shù)和聚類中屯、，若樣本點的聚類中屯、滿足W日時段特征向量為聚類指標(biāo)的判定條件， 則輸出聚類結(jié)果；
[0054] (4)根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈構(gòu)建預(yù)測模型，進行預(yù)測，將預(yù)測結(jié)果和計量裝 置檢測的實測數(shù)據(jù)進行比較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作， 如果確認有非法用電或計量裝置不正常，予W標(biāo)記進行預(yù)警。
[0055] 步驟(1)中，采集電力用戶的一段時間內(nèi)的歷史負荷數(shù)據(jù)，然后繪制成多條日負荷 曲線，利用K-MED0IDS算法對各用戶所有的日負荷曲線分別進行聚類，將各用戶的用電情況 分為若干類，選擇分類天數(shù)最多的那一類對應(yīng)的中屯、負荷曲線作為用戶的典型日負荷曲 線。
[0056] 當(dāng)然，根據(jù)本領(lǐng)域技術(shù)人員的公知常識，K-M抓0IDS算法可替換為K-Means聚類算 法或CLARANS算法。
[0057] 電網(wǎng)的負荷特性主要反映在負荷曲線上，分析電網(wǎng)的負荷曲線可W尋找電網(wǎng)負荷 的變化規(guī)律。通過年負荷特性，可W看出電網(wǎng)各月的供電情況，找出供電壓力最大的月份； 通過月負荷特性，可W看出電網(wǎng)每月負荷變化規(guī)律，掌握電網(wǎng)負荷是否受周六、周日影響； 通過日負荷特性，可W得到電網(wǎng)一天的峰、平、谷時段，掌握電網(wǎng)一天中哪個時段是用電高 峰。
[0058] 如圖2所示，電網(wǎng)日負荷曲線描述的是電網(wǎng)一天24小時的供電負荷隨時間變化的 情況，根據(jù)數(shù)據(jù)量測系統(tǒng)可W得到多條日負荷曲線，所W進行日負荷特性分析時需要找出 電網(wǎng)的典型日負荷曲線。并且對電網(wǎng)的典型日負荷曲線進行分析時，關(guān)鍵要得到電網(wǎng)一天 的峰、平、谷時段，也就是需要對電網(wǎng)典型日負荷曲線進行峰谷時段的劃分。
[0059] -般早、中、晚的高峰時段分別為8:00-12:00，12:00-17:00，17:00-22:00。
[0060] 步驟(2)中，負荷樣本數(shù)據(jù)按聚類時間間隔Tj統(tǒng)一分段，聚類時間間隔由多個設(shè)定 的最小時間長度T組成，利用聚類時間間隔時間段中每個最小時間長度內(nèi)樣本的變化波動 序列表征數(shù)據(jù)波動趨勢，W及實際有功功率的聚類時間間隔內(nèi)的最大有功功率、最小有功 功率和有功功率的均值，依次構(gòu)成關(guān)于時段序列內(nèi)各最小時間長度的波動強度的特征向 量。
[006U 即 Wp =的1，也，...，如，巧，W""呼，馬]
[0062] 式中，P為聚類時間間隔序列號;b為Tj中包含最小時間長度T的序列數(shù);Wmaxp和Wminp 分別為第P個聚類時間間隔內(nèi)的最大有功功率和最小有功功率；兩為第P個聚類時間間隔 內(nèi)有功功率的均值，Φρ?，Φρ2，···，(Hb分別為Tj內(nèi)b個最小時間長度波動強度序列。
[0063] 步驟(2)中，波動強度序列的幅值大小充分反映廣義負荷節(jié)點功率波動的幅度，幅 值的正負反映廣義負荷節(jié)點功率的流向。
[0064] 步驟(2)中，負荷的波動率是指用戶用電負荷的變化起伏大小，反映負荷的波動幅 度，大小為負荷有功功率的標(biāo)準(zhǔn)差與負荷有功功率的算術(shù)平均值之比。
[0065] 負荷波動率的計算公式為：
[0066]
[0067] 其中，Xl(i = l，2，…，N)表示一組負荷有功功率值;N為一天內(nèi)測量負荷點的個數(shù)。
[0068] 步驟(2)中，保安負荷的計算方式為，選取一段時間內(nèi)的實際負荷數(shù)據(jù)，計算多個 負荷點的算術(shù)平均值。計算公式如下：
[0069]
[0070] 其中，扣為保安負荷，Pmini為第i個最小的負荷點，N為常數(shù)，優(yōu)選的，N大于等于300。
[0071] 步驟(2)中，用戶的可限負荷為峰值的高峰典型負荷與保安負荷的差值再乘W同 時率，高峰典型負荷為電網(wǎng)供電高峰時段內(nèi)出現(xiàn)最大供電負荷的對應(yīng)時刻用戶負荷的平均 值。
[0072] 步驟(2)中，峰值時差率是指電網(wǎng)負荷高峰與用戶負荷高峰的時間差異程度，其大 小為電網(wǎng)負荷高峰與用戶負荷高峰的時間差異總和除W設(shè)定時間長度與Μ的乘積，其中Μ為 電網(wǎng)負荷高峰個數(shù)與用戶負荷高峰個數(shù)中較小的數(shù)值。
[0073] 步驟(2)中，峰谷差指的是電力系統(tǒng)某一時間周期內(nèi)最大負荷與最小負荷之差，通 常W日為單位，峰谷差夠反映出用戶負荷的波動情況，峰谷差率的大小為日最大負荷與日 最小負荷的差值與日最大負荷的比值。
[0074] 峰谷差指的是電力系統(tǒng)某一時間周期內(nèi)最大負荷與最小負荷之差，通常W日為單 位。峰谷差的大小直接反映了電網(wǎng)所需要的調(diào)峰能力。
[0075] 由于峰谷差反映的是日內(nèi)負荷波動的絕對值，并不能很好地反應(yīng)波動的相對大 小。但是峰谷差率能較好的反映出日內(nèi)波動的相對情況。
[0076] 步驟(3)中，ΑΡ聚類算法不需要事先指定聚類數(shù)目，相反它將所有的數(shù)據(jù)點都作為 潛在的聚類中屯、，稱之為exemplar。WS矩陣的對角線上的數(shù)值S化，k)作為k點能否成為聚 類中屯、的評判標(biāo)準(zhǔn)，運意味著該值越大，運個點成為聚類中屯、的可能性也就越大，運個值又 稱作參考度p(preference)。聚類的數(shù)量受到參考度P的影響，如果認為每個數(shù)據(jù)點都有可 能作為聚類中屯、，那么P就應(yīng)取相同的值。如果取輸入的相似度的均值作為P的值，得到聚類 數(shù)量是中等的。如果取最小值，得到類數(shù)較少的聚類。
[0077] AP聚類算法中傳遞兩種類型的消息，（responsiility)和(availability) er(i ,k) 表示從點i發(fā)送到候選聚類中屯、k的數(shù)值消息，反映 k點是否適合作為i點的聚類中屯、。a(i， k)則從候選聚類中屯、k發(fā)送到i的數(shù)值消息，反映 i點是否選擇k作為其聚類中屯、。r(i，k)與a (i，k)越強，貝化點作為聚類中屯、的可能性就越大，并且i點隸屬于Wk點為聚類中屯、的聚類 的可能性也越大。AP算法通過迭代過程不斷更新每一個點的吸引度和歸屬度值，直到產(chǎn)生m 個高質(zhì)量的exemplar,同時將其余的數(shù)據(jù)點分配到相應(yīng)的聚類中。
[0078] 步驟(4)中，具體步驟包括：
[0079] (4-1)設(shè)定預(yù)測時間間隔，根據(jù)聚類結(jié)果，確定樣本集合中各個日負荷值的數(shù)據(jù)集 中概率，進行歸一化操作，確定各個離散型初步狀態(tài)概率向量，構(gòu)建初始馬爾可夫模型；
[0080] (4-2)利用切普曼一柯爾莫哥洛夫方程進行概率轉(zhuǎn)移，將樣本數(shù)據(jù)變換成為N層日 負荷樣本數(shù)據(jù)和1層日負荷樣本數(shù)據(jù)，進行數(shù)據(jù)整合，形成最終的馬爾可夫模型；
[0081] (4-3)劃分時間段，將所有日負荷值根據(jù)它們的時間戳映射到運些時間段中，計算 各對象落入各個時間段的概率，預(yù)測任意時間段后的日負荷值。
[0082] 設(shè)系統(tǒng)有N個互不相容的狀態(tài)，系統(tǒng)的初始狀態(tài)概率向量S W =嗎"，皆>，….sf), 其中，皆>，sf，...，sf分別為處在狀態(tài)1，2,…，η的初始概率，由切普曼-柯爾莫哥洛夫 方程，可W得到在k+1狀態(tài)時，馬爾可夫鏈預(yù)測模型為:sA+i) = sA+U*Pi/k+i)，其中，pi/k+il為 k步轉(zhuǎn)移概率。
[0083] 步驟(4)中，將預(yù)測結(jié)果和實測數(shù)據(jù)進行比較，具體步驟包括：
[0084] (4-a)將若干時間段的預(yù)測結(jié)果進行相加，確定該時間段中的實測數(shù)據(jù)大小，對兩 者進行做差處理；
[00化](4-b)利用差值除W預(yù)測值，若比值超過預(yù)先設(shè)定的比值闊值上限或下限，則認為 存在非法用電或計量裝置處于非正常工作狀態(tài)，對該用戶進行標(biāo)記。
[00化]例如，比值闊值可W設(shè)置為[-50%，+80%]。若預(yù)測值為1001^}1，實測值為1501?}!， 則用實測值減去預(yù)測值為50kwh，50/100 = 50%，在比值闊值內(nèi)，不存在潛在的偷電問題或 計量裝置損壞。
[0087] 若預(yù)測值為lOOkwh，實測值為50kwh，則用預(yù)測值減去實測值為50kwh，50/50 = 100%，超過比值闊值范圍，存在潛在的偷電問題或者計量裝置損壞的問題。對該用戶進行 標(biāo)注。已提醒電力工作者予W核實、復(fù)查。
[0088] 如圖3所示，本發(fā)明的預(yù)測結(jié)果，可W看出，準(zhǔn)確度較高。
[0089] 另外，目前的計量裝置自身存在的故障與漏桐，是其發(fā)生異常情況的主要原因之 一。對于電力計量裝置而言，電能表、計量回路W及互感器等是重要的組成部分，任何一個 構(gòu)件出現(xiàn)故障，都會使其的使用發(fā)生異常現(xiàn)象，使其對于用電數(shù)據(jù)的測量產(chǎn)生較大的誤差， 主要包括電能計量表誤差、計量回路壓降誤差W及互感裝置誤差Ξ個方面；同時，電力計量 裝置的生產(chǎn)工藝不合理、質(zhì)量不達標(biāo)等，也都會導(dǎo)致計量裝置的制動磁通發(fā)生異常變化，進 而無法實現(xiàn)正常運作。
[0090] 可W采用電力計量電壓檢測方法對其進行檢測，對斷路器的安裝位置、相電壓變 量W及Ξ相不平衡變壓變量等進行監(jiān)測。當(dāng)電力計量裝置發(fā)生異常的現(xiàn)象的時候，通常伴 隨的是斷路器沒有出現(xiàn)相關(guān)的檢修信息、Ξ相不平衡電壓變量并不在實際允許的范圍之 內(nèi)、相電壓小于額定電壓的70%，且長時間之內(nèi)并沒有恢復(fù)到正常的狀態(tài)等狀況。當(dāng)然也可 W使用電力計量電流監(jiān)測方法，當(dāng)電力計量裝置發(fā)生異常情況的時候，如果斷路器沒有出 現(xiàn)分閩現(xiàn)象，或相電流的變量在一定時間段之內(nèi)并沒有回到正常狀態(tài)，則工作人員需要對 電力計量裝置進行必要的維護工作。一般情況下，電力計量電流的監(jiān)測方法也是主要包括 了對斷電器安裝位置、相電流W及Ξ相不平衡電流等方面的監(jiān)測。
[0091] -種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)，包括：
[0092] 數(shù)據(jù)預(yù)處理模塊，采集電力負荷歷史數(shù)據(jù)、繪制負荷曲線，構(gòu)建樣本集合；
[0093] 聚類確定模塊，利用K-MED0IDS算法確定用電用戶的典型負荷曲線；
[0094] 時間模塊，將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段；
[0095] 計算模塊，計算W時間模塊記錄的時段序列內(nèi)各最小時間長度的波動強度、時段 序列的數(shù)字特征、保安負荷、可限負荷、峰值時差率、峰谷差率和月不均衡系數(shù)；
[0096] 特征向量構(gòu)建模塊，將計算模塊中的所有計算結(jié)果為特性指標(biāo)構(gòu)造聚類特征向 量，從典型日負荷曲線中選取特性指標(biāo)；
[0097] 特性向量聚類模塊，賦予樣本數(shù)據(jù)偏向參數(shù)，基于AP聚類算法，W特征向量為指標(biāo) 進行聚類，確定聚類數(shù)和聚類中屯、；
[0098] 判定模塊，判定樣本點的聚類中屯、是否滿足W日時段特征向量為聚類指標(biāo)的判定 條件，若滿足，則輸出聚類結(jié)果；
[0099] 預(yù)測模塊，根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈算法構(gòu)建預(yù)測模型，進行預(yù)測；
[0100] 比較模塊，將預(yù)測模塊中的預(yù)測結(jié)果和用電用戶的計量裝置檢測的實測數(shù)據(jù)進行 比較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作。
[0101] 上述雖然結(jié)合附圖對本發(fā)明的【具體實施方式】進行了描述，但并非對本發(fā)明保護范 圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不 需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護范圍W內(nèi)。
【主權(quán)項】
1. 一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:包括以下步驟： (1) 采集電力負荷歷史數(shù)據(jù)，繪制負荷曲線，構(gòu)建樣本集合，利用K-MEDOIDS算法確定用 電用戶的典型負荷曲線； (2) 將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段，以時段序列內(nèi)各最小時間長度的波動強度、時 段序列的數(shù)字特征、保安負荷、可限負荷、峰值時差率、峰谷差率和月不均衡系數(shù)為特性指 標(biāo)構(gòu)造聚類特征向量，從典型日負荷曲線中選取特性指標(biāo)； (3) 賦予樣本數(shù)據(jù)偏向參數(shù)，基于AP聚類算法，以特征向量為指標(biāo)進行聚類，確定聚類 數(shù)和聚類中心，若樣本點的聚類中心滿足以日時段特征向量為聚類指標(biāo)的判定條件，則輸 出聚類結(jié)果； (4) 根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈構(gòu)建預(yù)測模型，進行預(yù)測，將預(yù)測結(jié)果和計量裝置檢 測的實測數(shù)據(jù)進行比較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作，如果 確認有非法用電或計量裝置不正常，予以標(biāo)記進行預(yù)警。2. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟（1)中，采集電力用戶的一段時間內(nèi)的歷史負荷數(shù)據(jù)，然后繪制成多條日負荷曲線，利用 K-MEDOIDS算法對各用戶所有的日負荷曲線分別進行聚類，將各用戶的用電情況分為若干 類，選擇分類天數(shù)最多的那一類對應(yīng)的中心負荷曲線作為用戶的典型日負荷曲線。3. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(2)中，負荷樣本數(shù)據(jù)按聚類時間間隔統(tǒng)一分段，聚類時間間隔由多個設(shè)定的最小時間長 度組成，利用聚類時間間隔時間段中每個最小時間長度內(nèi)樣本的變化波動序列表征數(shù)據(jù)波 動趨勢，以及實際有功功率的聚類時間間隔內(nèi)的最大有功功率、最小有功功率和有功功率 的均值，依次構(gòu)成關(guān)于時段序列內(nèi)各最小時間長度的波動強度的特征向量。4. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(2)中，保安負荷的計算方式為，選取一段時間內(nèi)的實際負荷數(shù)據(jù)，計算多個負荷點的算 術(shù)平均值，計算公式如下：其中，Pb為保安負荷，Pmin i為第i個最小的負荷點，N為常數(shù)。5. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(2)中，用戶的可限負荷為峰值的高峰典型負荷與保安負荷的差值再乘以同時率，高峰典 型負荷為電網(wǎng)供電高峰時段內(nèi)出現(xiàn)最大供電負荷的對應(yīng)時刻用戶負荷的平均值。6. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(2)中，峰值時差率是指電網(wǎng)負荷高峰與用戶負荷高峰的時間差異程度，其大小為電網(wǎng)負 荷高峰與用戶負荷高峰的時間差異總和除以設(shè)定時間長度與Μ的乘積，其中Μ為電網(wǎng)負荷高 峰個數(shù)與用戶負荷高峰個數(shù)中較小的數(shù)值。7. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(2)中，峰谷差指的是電力系統(tǒng)某一時間周期內(nèi)最大負荷與最小負荷之差，通常以日為單 位，峰谷差夠反映出用戶負荷的波動情況，峰谷差率的大小為日最大負荷與日最小負荷的 差值與日最大負荷的比值。8. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(4)中，具體步驟包括： (4-1)設(shè)定預(yù)測時間間隔，根據(jù)聚類結(jié)果，確定樣本集合中各個日負荷值的數(shù)據(jù)集中概 率，進行歸一化操作，確定各個離散型初步狀態(tài)概率向量，構(gòu)建初始馬爾可夫模型； (4-2)利用切普曼一柯爾莫哥洛夫方程進行概率轉(zhuǎn)移，將樣本數(shù)據(jù)變換成為N層日負荷 樣本數(shù)據(jù)和1層日負荷樣本數(shù)據(jù)，進行數(shù)據(jù)整合，形成最終的馬爾可夫模型； (4-3)劃分時間段，將所有日負荷值根據(jù)它們的時間戳映射到這些時間段中，計算各對 象落入各個時間段的概率，預(yù)測任意時間段后的日負荷值。9. 如權(quán)利要求1所述的一種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警方法，其特征是:所述步 驟(4)中，將預(yù)測結(jié)果和實測數(shù)據(jù)進行比較，具體步驟包括： (4-a)將若干時間段的預(yù)測結(jié)果進行相加，確定該時間段中的實測數(shù)據(jù)大小，對兩者進 行做差處理，用數(shù)值大的數(shù)據(jù)減去數(shù)值小的數(shù)據(jù)； (4-b)利用差值除以數(shù)值小的數(shù)據(jù)，若比值超過預(yù)先設(shè)定的比值閾值上限或下限，則認 為存在非法用電或計量裝置處于非正常工作狀態(tài)，對該用戶進行標(biāo)記。10. -種基于負荷特性預(yù)估的電網(wǎng)計量預(yù)警系統(tǒng)，其特征是:包括： 數(shù)據(jù)預(yù)處理模塊，采集電力負荷歷史數(shù)據(jù)、繪制負荷曲線，構(gòu)建樣本集合； 聚類確定模塊，利用K-MEDOIDS算法確定用電用戶的典型負荷曲線； 時間模塊，將樣本數(shù)據(jù)按照時間間隔統(tǒng)一分段； 計算模塊，計算以時間模塊記錄的時段序列內(nèi)各最小時間長度的波動強度、時段序列 的數(shù)字特征、保安負荷、可限負荷、峰值時差率、峰谷差率和月不均衡系數(shù)； 特征向量構(gòu)建模塊，將計算模塊中的所有計算結(jié)果為特性指標(biāo)構(gòu)造聚類特征向量，從 典型日負荷曲線中選取特性指標(biāo)； 特性向量聚類模塊，賦予樣本數(shù)據(jù)偏向參數(shù)，基于AP聚類算法，以特征向量為指標(biāo)進行 聚類，確定聚類數(shù)和聚類中心； 判定模塊，判定樣本點的聚類中心是否滿足以日時段特征向量為聚類指標(biāo)的判定條 件，若滿足，則輸出聚類結(jié)果； 預(yù)測模塊，根據(jù)聚類結(jié)果結(jié)合馬爾可夫鏈算法構(gòu)建預(yù)測模型，進行預(yù)測； 比較模塊，將預(yù)測模塊中的預(yù)測結(jié)果和用電用戶的計量裝置檢測的實測數(shù)據(jù)進行比 較，確認是否存在非法用電情況，并判斷計量裝置是否正常工作。
【文檔編號】G06Q10/04GK105825298SQ201610143737
【公開日】2016年8月3日
【申請日】2016年3月14日
【發(fā)明人】梁海東, 于海東, 趙曉燕, 梁惠文, 于航, 王新宇
【申請人】梁海東