[发明专利]基于大数据的配电网中短期电压越限预警方法

摘要

基于大数据的配电网中短期电压越限预警方法。涉及电力系统预警技术领域。提出了一种逻辑清晰、步骤有序且可对中短期内电压是否越限进行良好、有效的判断的基于大数据的配电网中短期电压越限预警方法。本发明通过融合配电网电压风险分析多维度相关数据，利用随机森林技术实现多重因素影响下的单台配变中短期电压越限预测，识别单台配变中短期电压越限风险类型，并给出越限风险概率，有效提升对中短期配电网电压越限问题的优化治理能力。从整体上具有逻辑清晰、步骤有序且可对中短期内电压是否越限进行良好、有效的判断的优点。

主权项

1.基于大数据的配电网中短期电压越限预警方法，其特征在于，按以下步骤进行操作：1)、分析研究电压越限的影响因素：通过前期的科研文献指导与调研结果，拟定电压越限的相关因素，主要包括：配变容量、配变功率、配变电压、母线电压、馈线功率、馈线容量、功率因素、电源距离、母线供电半径以及气候温度；2)、分析越限的主要成因：调取曾经发生过电压越限的台区的相关数据，利用相关数据建立电压越限现象与各关联因素的逻辑回归模型：其中p为当月越限概率，x为上一个月电压越限的相关因素，即以配变某段时间是否发生越界作为输出变量，以前一段时间变压器各影响因素波动特征作为输入变量依次输入逻辑回归模型中，采用逻辑回归模型进行训练和学习，统计相关程度，分析各台区越限的主要成因；得出，母线电压的均值、配变电压的均值、配变功率的最大差值、馈线功率的最大差值与越限的关联性最大，为越限的主要成因；3)、将与所在配电网电压风险相关的主要成因的数据经过抽取、预处理并融合到配电网电压风险预判分析特征表中；4)、未来第一个月预测：4.1)、训练随机森林模型：将上一个月电压越限的主要成因的数据以及当月越限情况的数据输入随机森林模型中，建立若干决策树一；4.2)、预测：将当月电压越限的主要成因的数据输入所有决策树一中进行预测，得到若干结果，取若干结果中出现最多的结果作为对下一个月电压是否越限的预测结果；5)、未来第二个月预测：5.1)、训练随机森林模型：将当月之前第二个月电压越限的主要成因的数据以及当月越限情况的数据输入随机森林模型中，建立若干决策树二；5.2)、预测：将当月电压越限的主要成因的数据输入所有决策树二中进行预测，得到若干结果，取若干结果中出现最多的结果作为对未来第二个月电压是否越限的预测结果；6)、未来第三个月预测：6.1)、训练随机森林模型：将当月之前第三个月电压越限的主要成因的数据以及当月越限情况的数据输入随机森林模型中，建立若干决策树三；6.2)、预测：将当月电压越限的主要成因的数据输入所有决策树三中进行预测，得到若干结果，取若干结果中出现最多的结果作为对未来第三个月电压是否越限的预测结果；7)、未来第四个月预测：7.1)、训练随机森林模型：将当月之前第四个月电压越限的主要成因的数据以及当月越限情况的数据输入随机森林模型中，建立若干决策树四；7.2)、预测：将当月电压越限的主要成因的数据输入所有决策树四中进行预测，得到若干结果，取若干结果中出现最多的结果作为对未来第四个月电压是否越限的预测结果；8)、未来第五个月预测：8.1)、训练随机森林模型：将当月之前第五个月电压越限的主要成因的数据以及当月越限情况的数据输入随机森林模型中，建立若干决策树五；8.2)、预测：将当月电压越限的主要成因的数据输入所有决策树五中进行预测，得到若干结果，取若干结果中出现最多的结果作为对未来第五个月电压是否越限的预测结果；9)、未来第六个月预测：9.1)、训练随机森林模型：将当月之前第六个月电压越限的主要成因的数据以及当月越限情况的数据输入随机森林模型中，建立若干决策树六；9.2)、预测：将当月电压越限的主要成因的数据输入所有决策树六中进行预测，得到若干结果，取若干结果中出现最多的结果作为对未来第六个月电压是否越限的预测结果；10)、结果整合：对未来一至六个月电压是否越限的预测结果进行统计；完毕。