[发明专利]一种基于大数据的配电网运行态势预测方法

权利要求书

1.一种基于大数据的配电网运行态势预测方法，其特征在于，包括以下步骤：

(1)构建配电网运行状态指标体系；遵循系统性、一致性、可测性、独立性和可比性五大基本原则构建配电网运行状态指标体系，并且配电网运行状态指标体系中所有指标必须是能够进行预测的；

(2)确定评估区域，根据需要确定进行评估的配电网区域；

(3)获取评估区域的网络拓扑；从现有的电网数据平台地理信息系统GIS中获取评估区域内主变、配变、10kV线路的3级连接关系；

(4)获取该区域评估所需数据；从调度管理系统OMS、生产管理系统PMS和营销用电采集系统中获取配电网运行状态指标体系所需的配电网基础运行数据和设备台账数据；

(5)获取10kV馈线出线开关和配变短期负荷预测结果；

(6)配网潮流计算；运用前推回代潮流计算方法，根据所确定的评估区域的网络拓扑、各个配变的有功数据和无功数据、所确定评估区域内各条线路的阻抗来进行计算；

(7)计算得到预判日的各类运行数据；根据配网潮流计算结果得到预判日的各类设备运行数据，包括10kV线路首端有功功率和各个配变电压数据；

(8)配电网运行状态指标体系中指标的统计计算及预警；根据计算得到的预判日的各类运行数据计算出指标值。

2.根据权利要求1所述的一种基于大数据的配电网运行态势预测方法，其特征在于，步骤(1)中构建的指标体系包括：负载率、电压合格率、运行故障、供电可靠性和线损率五大类指标；其中，负载率包括设备的轻载率、重载率和过载率，电压合格率包括主变10kV母线电压合格率和台区关口电压合格率，运行故障包括10kV架空线路故障率、10kV电缆线路故障率、开关设备故障率和配变故障率，供电可靠性包括低压用户预安排停电时户数、低压用户预安排停电次数。

3.根据权利要求1所述的一种基于大数据的配电网运行态势预测方法，其特征在于，步骤(5)中采用改进的粒子群BP神经网络算法进行短期负荷预测，其具体步骤如下：

(51)根据所确定的评估区域内的10kV馈线出线开关和配变短期历史负荷数据、天气数据等运用关联因素分析法找出对短期负荷有影响的相关因素集，记作I；

(52)根据相关因素集I，构建BP神经网络模型；

(53)采用改进的粒子群算法优化BP神经网络模型的初始连接权值和阙值；

(54)从步骤(53)的优化结果出发，利用BP神经网络算法进行局部搜索，得到BP神经网络模型的训练结果；

(55)用训练好的BP神经网络模型进行10kV馈线出线开关和配变短期负荷预测。