配電網穩定性預測方法、裝置、設備及存儲介質制造方法及圖紙

本發明專利技術涉及電網智能化領域，尤其涉及一種配電網穩定性預測方法、裝置、設備及存儲介質，該方法包括：獲取目標配電網的預處理后配電網數據集；對所述預處理后配電網數據集進行特征選擇，得到目標特征值；對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量；根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，直至滿足精度要求；獲取當前的配電網的數據集，通過所述滿足精度要求配電網穩定性預測模型，得到預測的配電網的未來電壓暫降量，并根據所述未來電壓暫降量預測出配電網的穩定性，從而可以及時對配電網進行智能調節，有助于電網智能化發展。有助于電網智能化發展。有助于電網智能化發展。

【技術實現步驟摘要】
配電網穩定性預測方法、裝置、設備及存儲介質


[0001]本專利技術涉及電網智能化領域，尤其涉及一種配電網穩定性預測方法、裝置、設備及存儲介質。

技術介紹

[0002]電壓暫降會對配電網中的線路造成直接影響，使配電網發生直接波動，因此，為了提高配電網的運行可靠性，以預測出電壓暫降變化為基礎，預測出配電網的未來一段時間的穩定性，從而有利于電網智能化發展成為當前亟待解決的技術問題，目前傳統的方式主要是采用人工或人機結合的方式進行預測，其預測效率和準確性都比較差。
[0003]上述內容僅用于輔助理解本專利技術的技術方案，并不代表承認上述內容是現有技術。

技術實現思路

[0004]本專利技術的主要目的在于提供一種配電網穩定性預測方法、裝置、設備及存儲介質，旨在解決現有技術中難以準確預測出配電網的未來一段時間內的穩定性的技術問題。
[0005]為實現上述目的，本專利技術提供一種配電網穩定性預測方法，所述配電網穩定性預測方法包括以下步驟：
[0006]獲取目標配電網的預處理后配電網數據集；
[0007]對所述預處理后配電網數據集進行特征選擇，得到目標特征值；
[0008]對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量；
[0009]根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，直至滿足精度要求；
[0010]獲取當前的配電網的數據集，通過所述滿足精度要求配電網穩定性預測模型，得到預測的配電網的未來電壓暫降量，并根據所述未來電壓暫降量預測出配電網的穩定性。
[0011]可選地，所述對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量，包括：
[0012]根據目標配電網的預處理后配電網數據集，得到電壓暫降正序電壓的變化量和正序電流的變化量；
[0013]根據所述電壓暫降正序電壓的變化量和正序電流的變化量，得到正序功率的增量；
[0014]根據所述電壓暫降逆序電壓的變化量和正序電流的變化量，得到逆序功率的增量；
[0015]當所述正序功率的增量和逆序功率的增量均大于預設閾值時，則確定電壓暫降位于上游；
[0016]基于所述電壓暫降正序電壓的變化量、電壓暫降逆序電壓的變化量相對于其上游和下游之間的關聯，得到目標配電網的電壓暫降量。
[0017]可選地，所述根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，包括：
[0018]分別基于建立預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量建立并訓練改進的神經網絡和改進的卷積神經網絡；
[0019]將所述訓練后的改進的神經網絡和改進的卷積神經網絡基于深度學習進行優化，得到配電網穩定性預測模型。
[0020]可選地，所述基于建立預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量建立并訓練改進的神經網絡，包括：
[0021]通過選取sigmoid激勵函數，建立輸出層；
[0022]隨機設置輸出層神經元之間的連接權重，輸入預處理后配電網數據集、目標特征值通過隱含層，計算出第一目標配電網的預測電壓暫降量；
[0023]根據所述第一目標配電網的預測電壓暫降量和目標配電網的電壓暫降量，對所述輸出層神經元之間的連接權重進行調整；
[0024]重復上述操作，直到第一目標配電網的預測電壓暫降量與目標配電網的電壓暫降量差值滿足預設要求，得到目標改進的神經網絡。
[0025]可選地，所述基于建立預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量建立并訓練改進的卷積神經網絡，包括：
[0026]通過激活函數Relu建立卷積層，通過Sigmoid函數建立輸出層；
[0027]將所述輸出層、所述卷積層和池化層和隨機設置的權重，建立卷積神經網絡，并輸入預處理后配電網數據集、目標特征值通過隱含層，計算出第二目標配電網的預測電壓暫降量；
[0028]根據所述第二目標配電網的預測電壓暫降量和目標配電網的電壓暫降量，對所述改進的卷積神經網絡的權重進行調整；
[0029]重復上述操作，直到第二目標配電網的預測電壓暫降量與目標配電網的電壓暫降量差值滿足預設要求，得到目標改進的卷積神經網絡。
[0030]可選地，所述將所述訓練后的改進的神經網絡和改進的卷積神經網絡基于深度學習進行優化，得到配電網穩定性預測模型，包括：
[0031]根據目標改進的卷積神經網絡和目標改進的神經網絡建立深度學習優化網絡；
[0032]調整所述深度學習優化網絡的學習率，并對深度學習優化網絡的迭代次數進行調整；
[0033]重復上述操作，得到目標深度學習優化網絡。
[0034]可選地，所述獲取目標配電網的預處理后配電網數據集，包括：
[0035]獲取目標配電網的配電網數據集；
[0036]對所述配電網中數據集的重復值進行剔除；
[0037]通過箱式圖和預設法則，尋找出配電網數據集中的離群值，并進行剔除，得到預處理后的配電網數據集。
[0038]此外，為實現上述目的，本專利技術還提出一種配電網穩定性預測裝置，所述配電網穩定性預測裝置包括：
[0039]獲取模塊，用于獲取目標配電網的預處理后配電網數據集；
[0040]特征選擇模塊，用于對所述預處理后配電網數據集進行特征選擇，得到目標特征值；
[0041]識別模塊，用于對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量；
[0042]建模模塊，用于根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，直至滿足精度要求；
[0043]預測模塊，用于獲取當前的配電網的數據集，通過所述滿足精度要求配電網穩定性預測模型，得到預測的配電網的未來電壓暫降量，并根據所述未來電壓暫降量預測出配電網的穩定性。
[0044]此外，為實現上述目的，本專利技術還提出一種配電網穩定性預測設備，所述設備包括：存儲器、處理器及存儲在所述存儲器上并在所述處理器上運行的配電網穩定性預測程序，所述配電網穩定性預測程序配置為實現如上文所述的配電網穩定性預測方法。
[0045]此外，為實現上述目的，本專利技術還提出一種存儲介質，所述存儲介質上存儲有配電網穩定性預測程序，所述配電網穩定性預測程序被處理器執行時實現如上文所述的配電網穩定性預測方法。
[0046]本專利技術其公開了一種配電網穩定性預測方法、裝置、設備及存儲介質，該方法包括：獲取目標配電網的預處理后配電網數據集；對所述預處理后配電網數據集進行特征選擇，得到目標特征值；對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量；根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，直至滿足精度要求；獲取當前的配電網的數據集，通過所述滿足精度要求配電網穩定性預測模型，得到預測的配本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種配電網穩定性預測方法，其特征在于，所述方法包括以下步驟：獲取目標配電網的預處理后配電網數據集；對所述預處理后配電網數據集進行特征選擇，得到目標特征值；對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量；根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，直至滿足精度要求；獲取當前的配電網的數據集，通過所述滿足精度要求配電網穩定性預測模型，得到預測的配電網的未來電壓暫降量，并根據所述未來電壓暫降量預測出配電網的穩定性。2.如權利要求1所述的方法，其特征在于，所述對目標配電網進行電壓暫降識別，得到目標配電網的電壓暫降量，包括：根據目標配電網的預處理后配電網數據集，得到電壓暫降正序電壓的變化量和正序電流的變化量；根據所述電壓暫降正序電壓的變化量和正序電流的變化量，得到正序功率的增量；根據所述電壓暫降逆序電壓的變化量和正序電流的變化量，得到逆序功率的增量；當所述正序功率的增量和逆序功率的增量均大于預設閾值時，則確定電壓暫降位于上游；基于所述電壓暫降正序電壓的變化量、電壓暫降逆序電壓的變化量相對于其上游和下游之間的關聯，得到目標配電網的電壓暫降量
。
3.如權利要求1所述的方法，其特征在于，所述根據所述預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量，建立并訓練配電網穩定性預測模型，包括：分別基于建立預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量建立并訓練改進的神經網絡和改進的卷積神經網絡；將所述訓練后的改進的神經網絡和改進的卷積神經網絡基于深度學習進行優化，得到配電網穩定性預測模型。4.如權利要求3所述的方法，其特征在于，所述基于建立預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量建立并訓練改進的神經網絡，包括：通過選取sigmoid激勵函數，建立輸出層；隨機設置輸出層神經元之間的連接權重，輸入預處理后配電網數據集、目標特征值通過隱含層，計算出第一目標配電網的預測電壓暫降量；根據所述第一目標配電網的預測電壓暫降量和目標配電網的電壓暫降量，對所述輸出層神經元之間的連接權重進行調整；重復上述操作，直到第一目標配電網的預測電壓暫降量與目標配電網的電壓暫降量差值滿足預設要求，得到目標改進的神經網絡。5.如權利要求3所述的方法，其特征在于，所述基于建立預處理后配電網數據集、目標特征值以及目標配電網的電壓暫降量建立并訓練改...

【專利技術屬性】
技術研發人員：龍玉江，李洵，
申請(專利權)人：貴州電網有限責任公司信息中心，
類型：發明
國別省市：