一种电力线损评估方法及系统与流程
本发明涉及线损评估,特别是涉及一种电力线损评估方法及系统。
背景技术:
1、随着新型电力系统建设的持续推进,高比例分布式新能源和电动汽车充换电设施大规模接入配电网,传统单向潮流的配网架构正逐步转变为多源双向潮流的复杂运行场景。在此背景下,线损影响因素增多,除传统因素外,分布式光伏出力的间歇性、充电桩无序充电带来的负荷峰谷差拉大等新因素叠加作用,使得线损精准评估面临严峻挑战。
2、现有的线损评估方法主要分为两类,一类是基于传统统计分析的方法,如回归分析、时间序列分析等;另一类是基于深度学习的方法,如bp神经网络、lstm等。但是,这两种方法一方面仅能捕捉单因素与线损之间的线性关联,无法捕捉多因素间的高阶非线性耦合与叠加影响,尤其是在高比例新能源接入的复杂场景下,线损预测误差显著增大,对设备老化带来的渐进式线损劣化、新能源出力波动引发的弱异常识别能力严重不足;另一方面,完全不具备原生的对线损异常的主要因素的定位能力,只能实现线损率的异常检测与等级划分,线损评估与主要因素定位完全割裂。在实际运维中,发现高损后需依赖运维人员人工逐一排查线路设备、计量装置、用电行为、运行工况等数十种潜在致损因素,排查周期长达数天甚至数周,人力成本极高,在多因素叠加的复杂异常场景下,人工甚至无法锁定核心致损原因。
技术实现思路
1、为了解决现有技术的不足,本发明提供一种电力线损评估方法及系统,通过构建轻量化时序预测模型,对待评估的时序滑窗样本输入到预先训练好的轻量化时序预测模型,能够同时得到线损率预测值和各输入特征的全局贡献度权重,基于线损率预测值和各输入特征的全局贡献度权重,分别得到线损评估结果和各输入特征对线损的贡献度信息,基于各输入特征对线损的贡献度信息,定位线损异常关键影响因素。在实现线损评估的同时,准确定位线损异常关键影响因素,及时识别和处理线损异常,避免引发设备过载、电压失稳等安全隐患,促进新型电力系统的智能化升级进程。
2、一方面,提供了一种电力线损评估方法,所述方法包括:获取目标线路的电网运行时序数据,进而对所述电网运行时序数据进行预处理,构建电网运行时序数据集;
3、构建轻量化时序预测模型,并对模型进行训练,获得训练后的轻量化时序预测模型;
4、获取待评估的时序滑窗样本,将待评估的时序滑窗样本输入预先训练好的轻量化时序预测模型,同时得到线损率预测值和各输入特征的全局贡献度权重;
5、基于所述线损率预测值和所述各输入特征的全局贡献度权重,分别得到线损评估结果和各输入特征对线损的贡献度信息;基于所述各输入特征对线损的贡献度信息,定位线损异常关键影响因素。
6、在本实施例中,所述轻量化时序预测模型包括因果多头自注意力机制模块、双分支输出模块;所述因果多头自注意力机制采用自适应因果掩码。
7、在本实施例中,所述自适应因果掩码具体为:对带位置信息的特征嵌入矩阵,通过快速傅里叶变换提取主频率成分,识别并确定数据的核心周期长度;采用滑动窗口方差法计算得到时序依赖强度系数;结合核心周期长度与依赖强度系数,动态确定每个时刻对应的自适应历史关注窗口;基于所述历史关注窗口实施掩码约束,保留有效历史时刻的特征关注权限,屏蔽未来时刻信息,最终生成自适应因果掩码矩阵。
8、在本实施例中,所述同时得到线损率预测值和各输入特征的全局贡献度权重,通过以下方式实现:所述轻量化时序预测模型的双分支输出模块包括并行设置的第一输出分支和第二输出分支;所述第一输出分支用于输出线损率预测值,以生成线损评估结果;所述第二输出分支用于输出各输入特征的全局贡献度权重,以生成各输入特征对线损的贡献度信息。
9、在本实施例中,所述各特征的全局贡献度权重通过以下方式生成:从因果多头自注意力机制模块中提取多头注意力权重,对所述权重在时间维度、头维度和层维度上进行聚合,并对聚合后的权重进行归一化处理,得到各原始输入特征的全局贡献度权重。
10、在本实施例中,所述各输入特征对线损的贡献度信息生成过程为:评估结果判定为预警及以上的异常样本,基于模型同步输出的各输入特征的全局贡献度权重,将各输入特征的全局贡献度权重直接作为该特征对线损影响程度的基础量化值;对所有特征的全局贡献度权重进行归一化处理,得到各特征对线损的贡献百分比;根据各特征对线损的贡献百分比排序定位线损异常关键影响因素;基于各输入特征的全局贡献度权重、各特征对线损的贡献百分比、贡献百分比排序以及线损异常关键影响因素组成贡献度信息;最后,综合全部原始输入特征对应的贡献度信息,对所有特征的贡献度进行统一量化与排序后,从中筛选确定线损异常的关键影响因素。
11、在本实施例中,根据各特征对线损的贡献百分比排序定位线损异常关键影响因素,包括:当线损评估结果达到预设的预警阈值时,将各特征对线损的贡献百分比按从高到低排序,取排序前n位的特征作为线损异常关键影响因素,并输出各因素的贡献百分比;其中,n为预设的正整数。
12、另一方面,提供了一种电力线损评估系统,所述系统包括:数据预处理及模型训练模块,获取目标线路的电网运行时序数据,进而对所述电网运行时序数据进行预处理,构建电网运行时序数据集;构建轻量化时序预测模型,并对模型进行训练,获得训练后的轻量化时序预测模型;
13、预测及贡献度权重模块,获取待评估的时序滑窗样本,将待评估的时序滑窗样本输入预先训练好的轻量化时序预测模型,同时得到线损率预测值和各输入特征的全局贡献度权重;
14、线损评估模块,基于线损率预测值和各输入特征的全局贡献度权重,分别得到线损评估结果和各输入特征对线损的贡献度信息;基于各输入特征对线损的贡献度信息,定位线损异常关键影响因素。
15、再一方面,还提供了一种电子设备,包括:
16、存储器,用于非暂时性存储计算机可读指令;以及
17、处理器,用于运行所述计算机可读指令,
18、其中,所述计算机可读指令被所述处理器运行时,执行上述第一方面所述的方法。
19、再一方面,还提供了一种存储介质,非暂时性存储计算机可读指令,其中,当非暂时性计算机可读指令由计算机执行时,执行第一方面所述方法。
20、再一方面,还提供了一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
21、上述技术方案具有如下优点或有益效果:
22、本技术能够有效解决传统线损评估方法在多因素叠加复杂场景下,无法快速、自动化定位线损异常核心影响因素的问题。通过轻量化时序预测模型,同时得到线损率预测值和各输入特征的全局贡献度权重,基于线损率预测值和各输入特征的全局贡献度权重,分别得到线损评估结果和各输入特征对线损的贡献度信息;当线损评估结果达到预设的预警阈值时,系统能够自动触发主要因素分析,避免了人工排查的滞后性和不确定性。通过对各输入特征的全局贡献度权重进行排序,并选取前n位特征作为核心影响因素,实现了对关键致损因素的精准聚焦,显著提高了异常定位的效率和准确性。同时,输出各因素的贡献占比,增强了结果的可解释性,为运维人员提供了量化的决策依据,使其能够迅速采取针对性措施,从而有效降低线损,提升电网运行的经济性和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com