一种针对电网缺失数据的智能补全方法与流程

1.本发明属于电网缺失数据的智能补全技术领域，尤其涉及一种针对电网缺失数据的智能补全方法。


背景技术：

2.负荷预测是实现配电网自动化的重要环节，对配电网的规划与运行都起着极其重要的作用，随着配电网建设发展，负荷预测的准确性、实时性、可靠性和智能性也需要进一步提升，自动化与智能化已成为未来配电网的发展趋势，用户作为智能化用电的行为主体在配电网中起着至关重要的作用，这就要求提供更精确的用户用电信息，即对负荷预测的精度提出了更高的要求，对电力负荷的预测，很大程度上是依靠对大量历史用电负荷的历史数据进行分析处理，或者是对有相关因素的一些资料进行分析，求得预测值，因此，电力负荷预测结果的准确性，往往是跟所提供的以往用电负荷的历史数据的可靠性、以及有相关因素的资料的准确性等因素紧密相关的，目前，配电网负荷缺失数据现象比较严重，传统的缺失数据补全方法补全误差大。
3.因此，有必要提供一种新的针对电网缺失数据的智能补全方法解决上述技术问题。


技术实现要素：

4.本发明解决的技术问题是提供一种可以对原有的负荷数据进行修复，并对填补的缺失数据进行标识，使之能够通过标识区分原始数据与修复的数据，致使补全数据更接近真实数据，且补全误差小，可以作为负荷预测必要的数据预处理步骤，使负荷预测具有更高的准确度的针对电网缺失数据的智能补全方法。
5.为解决上述技术问题，本发明提供的针对电网缺失数据的智能补全方法包括：电厂上报功能、日内偏差计划调整功能、超短期预测功能、平衡表自动生成功能和线性插值法；
6.所述电厂上报功能包括燃机曲线上报、机组调峰和机组缺陷三个功能模块；
7.所述超短期预测功能包括调度用电预测、风电预测和光伏预测三个功能模块；
8.所述平衡表自动生成功能包括平衡表动态生成及可视化展示、新能源消纳和分区平衡表；
9.所述线性插值法采用前后非缺失时点负荷的均值作为该缺失数据的修复值，且缺失时点负荷所处的位置不同将会有不同的处理方式，因此主要有首末位缺失和中间缺，具体如下：
10.(1).对于首末位数据缺失情况，将采取离首末位最近的非缺失值进行填充；
11.(2).对于中间数据缺失情况，如果是单个数据缺失，则其前后负荷点的数据是已知的，可使用行插值法来补齐相应数据，即用该时刻前后的负荷值均值来填补，将其称为行插值法，则有；
[0012][0013]
作为本发明的进一步方案，所述电厂上报功能具体如下：
[0014]
(1).燃机曲线上报功能实现电厂根据燃气量进行日前燃机计划的上报，电厂侧可以利用智能化上报工具上报曲线数据，实现电厂根据日内实际情况，按照调度批复的内容实时修改日内曲线，实现按照单个机组、电厂、燃机曲线合计展示燃机曲线数据，实现根据电厂上报的燃机曲线，自动生成机组计划开停机数据，并且根据修改燃机曲线，自动修改计划开停机数据，可以根据电厂上报的燃机曲线，自动生成电厂燃机考核曲线，实现按照燃机曲线，自动更新平衡表中燃机发电以及全省可用曲线；
[0015]
(2).机组调峰功能能够实现对大机组的发电能力，按照深度调峰重新计算机组的发电能力，将机组深度调峰开始和结束通知提醒输出到平台，将电厂响应的机组深度数据以及无法深度调峰的原因输出到调度小助手，以此来提醒电厂人员对机组调峰信息进行关注和完善，将电厂确认深度调峰开始和结束的时间推送到i区机组agc调节，并实现机组调峰关联机组缺陷，自动生成调峰原因，根据机组深度调峰的深度，分析大机组最高、最低出力；
[0016]
(3).机组缺陷功能能够在电厂修改燃机曲线时，修改后自动提醒电厂人员上报缺陷数据，将需要进行缺陷上报的提醒信息输出到平台和调度小助手，获得机组缺陷数据后，将数据输出到oms调度日志，并将机组曲线上报记录的考核情况输出到平台。
[0017]
作为本发明的进一步方案，所述日内偏差计划调整功能具体如下：
[0018]
(1).所述日内偏差计划调整功能能够实现收到通知的日内调整邮件后，自动更新曲线；实现在核电、阳城、直流、负荷、新能源等曲线有变化时，一键更新曲线到平衡表，该功能为整个系统提供了灵活的对计划偏差的记录、整理、以及对平衡表的实时动态更新的功能。
[0019]
作为本发明的进一步方案，所述超短期预测功能采用ast模型来实现超短期预测功能，为了使预测模型规范化，采用了generative adversarial encoder-decoder框架，提高了序列级的性能，生成器是一个sparse transformer，用于输出时刻后长度为的序列预测结果，生成器的损失函数定义为预测序列和真实值之间的分位数损失，判别器附加在transformer的解码器后，目的是对判别器输入的的序列进行分类，判断其是预测的序列还是真实的序列，定义为对抗损失，由交叉熵损失函数来计算，基于分位数损失和对抗损失，分别更新sparse transformer和判别器，调度用电预测模块根据相似日调度用电负荷，按照调度用电负荷算法，利用上述模型，计算调度用电负荷系数，对调度用电进行超短期预测，通过探索发现不同的用电类型，比较时间序列平稳，结合气象系统天气数据，对统调光伏和非统调光伏按照天气数据进行超短期预测，结合气象系统风力数据，风电进行区域划分，按照各个区域风电装机容量和风力大小进行风电超短期预测。
[0020]
作为本发明的进一步方案，所述平衡表自动生成功能具体如下：
[0021]
(1).生成平衡表的数据包括机组开停机计划、机组缺陷数据、机组季度最高最低出力数据等自动从其他系统导入后，实现了一键自动，并配备了平衡表导出功能；
[0022]
(2).针对新能源预计发电能力、新能源实际发电能力、新能源消纳能力、新能源实际消纳能力、新能源装机容量进行分析和展示，实现平衡表生成后，自动生成各分区平衡
表，并能对分区平衡表进行导出等功能；
[0023]
(3).该功能模块实现了机组按照分区、类型(包括燃气、燃煤等)进行关联展示。
[0024]
与相关技术相比较，本发明提供的针对电网缺失数据的智能补全方法具有如下有益效果：
[0025]
1、本发明可以对原有的负荷数据进行修复，并对填补的缺失数据进行标识，使之能够通过标识区分原始数据与修复的数据，致使补全数据更接近真实数据，且补全误差小，可以作为负荷预测必要的数据预处理步骤，使负荷预测具有更高的准确度。
具体实施方式
[0026]
针对电网缺失数据的智能补全方法包括：电厂上报功能、日内偏差计划调整功能、超短期预测功能、平衡表自动生成功能和线性插值法；
[0027]
所述电厂上报功能包括燃机曲线上报、机组调峰和机组缺陷三个功能模块；
[0028]
所述超短期预测功能包括调度用电预测、风电预测和光伏预测三个功能模块；
[0029]
所述平衡表自动生成功能包括平衡表动态生成及可视化展示、新能源消纳和分区平衡表；
[0030]
所述线性插值法采用前后非缺失时点负荷的均值作为该缺失数据的修复值，且缺失时点负荷所处的位置不同将会有不同的处理方式，因此主要有首末位缺失和中间缺，具体如下：
[0031]
(1).对于首末位数据缺失情况，将采取离首末位最近的非缺失值进行填充；
[0032]
(2).对于中间数据缺失情况，如果是单个数据缺失，则其前后负荷点的数据是已知的，可使用行插值法来补齐相应数据，即用该时刻前后的负荷值均值来填补，将其称为行插值法，则有；
[0033][0034]
对于连续多个数据缺失而言，先采用行插值法得到缺失数据1/2中心点的数据，由这点分别和左右两端点的数据再次利用行均值法取得1/4和3/4的数据点，重复使用,即可补齐所有的数据，考虑到缺失数据个数的奇偶性，算法表示如下：
[0035]
假设原始序列：
[0036][0037]
其中为缺失数据，若i为奇数，则有：
[0038][0039]
若i为偶数,则有：
[0040][0041]
利用上述算法对原有的负荷数据进行修复，并对填补的缺失数据进行标识，使之
能够通过标识区分原始数据与修复的数据，最后，将填补完后的数据同步到业务系统中，对于未来新产生的数据将会重新执行整个修复过程，得到高度完整的数据集，以便于在后续的电力服务和交易中应用。
[0042]
所述电厂上报功能具体如下：
[0043]
(1).燃机曲线上报功能实现电厂根据燃气量进行日前燃机计划的上报，电厂侧可以利用智能化上报工具上报曲线数据，实现电厂根据日内实际情况，按照调度批复的内容实时修改日内曲线，实现按照单个机组、电厂、燃机曲线合计展示燃机曲线数据，实现根据电厂上报的燃机曲线，自动生成机组计划开停机数据，并且根据修改燃机曲线，自动修改计划开停机数据，可以根据电厂上报的燃机曲线，自动生成电厂燃机考核曲线，实现按照燃机曲线，自动更新平衡表中燃机发电以及全省可用曲线；
[0044]
(2).机组调峰功能能够实现对大机组的发电能力，按照深度调峰重新计算机组的发电能力，将机组深度调峰开始和结束通知提醒输出到平台，将电厂响应的机组深度数据以及无法深度调峰的原因输出到调度小助手，以此来提醒电厂人员对机组调峰信息进行关注和完善，将电厂确认深度调峰开始和结束的时间推送到i区机组agc调节，并实现机组调峰关联机组缺陷，自动生成调峰原因，根据机组深度调峰的深度，分析大机组最高、最低出力；
[0045]
(3).机组缺陷功能能够在电厂修改燃机曲线时，修改后自动提醒电厂人员上报缺陷数据，将需要进行缺陷上报的提醒信息输出到平台和调度小助手，获得机组缺陷数据后，将数据输出到oms调度日志，并将机组曲线上报记录的考核情况输出到平台。
[0046]
所述日内偏差计划调整功能具体如下：
[0047]
(1).所述日内偏差计划调整功能能够实现收到通知的日内调整邮件后，自动更新曲线；实现在核电、阳城、直流、负荷、新能源等曲线有变化时，一键更新曲线到平衡表，该功能为整个系统提供了灵活的对计划偏差的记录、整理、以及对平衡表的实时动态更新的功能。
[0048]
所述超短期预测功能采用ast模型来实现超短期预测功能，为了使预测模型规范化，采用了generative adversarial encoder-decoder框架，提高了序列级的性能，生成器是一个sparse transformer，用于输出时刻后长度为的序列预测结果，生成器的损失函数定义为预测序列和真实值之间的分位数损失，判别器附加在transformer的解码器后，目的是对判别器输入的的序列进行分类，判断其是预测的序列还是真实的序列，定义为对抗损失，由交叉熵损失函数来计算，基于分位数损失和对抗损失，分别更新sparse transformer和判别器，调度用电预测模块根据相似日调度用电负荷，按照调度用电负荷算法，利用上述模型，计算调度用电负荷系数，对调度用电进行超短期预测，通过探索发现不同的用电类型，比较时间序列平稳，结合气象系统天气数据，对统调光伏和非统调光伏按照天气数据进行超短期预测，结合气象系统风力数据，风电进行区域划分，按照各个区域风电装机容量和风力大小进行风电超短期预测。
[0049]
所述平衡表自动生成功能具体如下：
[0050]
(1).生成平衡表的数据包括机组开停机计划、机组缺陷数据、机组季度最高最低出力数据等自动从其他系统导入后，实现了一键自动，并配备了平衡表导出功能；
[0051]
(2).针对新能源预计发电能力、新能源实际发电能力、新能源消纳能力、新能源实
际消纳能力、新能源装机容量进行分析和展示，实现平衡表生成后，自动生成各分区平衡表，并能对分区平衡表进行导出等功能；
[0052]
(3).该功能模块实现了机组按照分区、类型(包括燃气、燃煤等)进行关联展示。
[0053]
尽管已经表示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型或直接或间接运用，在其它相关的技术领域，本发明的范围由所附权利要求及其等同物限定，均同理包括在本发明的专利保护范围内。