[发明专利]一种配电网年运行效率预测方法、系统及设备

说明书

本发明公开了一种配电网年运行效率预测方法、系统及设备，包括：从构成配电网的最小单元出发，采用关联要素挖掘法确定配电网设备负载率的主要影响因素，使得各种影响因素都可以定量描述其与运行效率的关联程度；并且通过对配电网设备进行层级分类，构建不同的卷积神经网络来根据主要影响因素预测不同设备层级的配电网设备的年负载率，提高预测的准确性；本发明将配电网设备的年负载率和极限负载率相结合，计算出配电网设备的年运行效率，最后通过为配电网设备分配权重，根据权重计算出配电系统的年运行效率，相比于已有的日运行效率预测方法，年运行效率预测对未来配电网的规划建设、运行效率的改善更具有实用性。

技术领域

本发明涉及电力领域，尤其涉及一种配电网年运行效率预测方法、系统及设备。

背景技术

配电网的规划建设不仅注重供电能力和供电可靠性的提升，也逐渐重视电网的经济效益。在此形势下，运行效率的概念被提出用来综合考虑配电网的可靠性和经济性。配电系统年运行效率预测有助于对于后续采取有效提升措施或者变更规划方案。

目前关于配电网运行效率的研究分析已经逐步展开，但配电网运行效率预测集中于日运行效率预测，通过寻找影响整个配电系统日运行效率的因素，应用灰色关联度分析其中的关键要素，之后利用卷积神经网络对配电网的日运行效率进行预测。

然而，现有方法实用性较差，现有方法预测的是配电网的日运行效率，即使预测准确，对于后续规划改进的指导意义较小，针对配电网年运行效率的预测才是指导改进配电网、提高运行效率的重点。而且，现有方法是直接对影响配电网日运行效率影响因素进行分析，比较笼统，缺少系统性，由于部分影响因素的数据不具有数值属性，比如线路接线模式，单一采用灰色关联度分析不适用，导致指标量化描述比较困难。

现有方法在进行日运行效率预测时，一般是直接将影响配电网运行效率的因素代入BP神经网络，忽视影响配电网运行效率的内在机理。例如，网架结构决定了所有配电设备的极限负载率，将确定的关系交给数据去拟合，导致预测结果的可解释性不强，预测结果准确度不高。

综上所述，现有技术中对配电网运行效率的进行预测分析的方法，存在着实用性低以及准确度不高的技术问题。

发明内容

本发明提供的一种配电网年运行效率预测方法、系统以及设备，用于解决现有技术中对配电网运行效率的进行预测分析的方法，存在着实用性低以及准确度不高的技术问题。

本发明提供的一种配电网年运行效率预测方法，包括以下步骤：

获取配电网设备的历史负载率以及配电网设备的负载率影响因素；

采用关联要素挖掘法对负载率影响因素进行分析，得到负载率主要影响因素；

将历史负载率和负载率主要影响因素根据配电网设备的层级进行分类，得到不同设备层级的历史负载率以及不同设备层级所对应的负载率主要影响因素；

将每个设备层级的历史负载率以及该设备层级所对应的负载率主要影响因素划分为训练集与测试集；

将每个设备层级的训练集分别输入到不同的卷积神经网络进行训练，并采用该设备层级所对应的测试集对训练后的卷积神经网络进行测试，得到不同设备层级的训练好的卷积神经网络；

获取未来一年配电网设备的主要影响因素规划值，将主要因素规划值根据设备层级输入到对应设备层级的训练好的卷积神经网络中，得到未来一年配电网设备的负载率预测值；

预测未来一年配电网设备的极限负载率，根据未来一年配电网设备的负载率预测值和未来一年配电网设备的极限负载率计算未来一年配电网设备的年运行效率；

基于配电网设备的资产价值为配电网设备分配权重，根据配电网设备的权重和未来一年配电网设备的年运行效率计算未来一年配电系统的年运行效率。