[发明专利]基于大数据的台区异常分析方法、装置、设备及介质

说明书

本发明属于电力系统自动化领域，公开了一种基于大数据的台区异常分析方法、装置、设备及介质，包括：获取台区重过载影响因素的预测日数据；将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值；根据台区预测日的运行数据预测值，预测台区预测日的重过载情况。本发明基于大数据的台区异常分析方法，实现了台区重过载情况的准确预测，进而能够根据台区重过载情况进行合理的停电预警和处理，以保证台区的安全运行，有效降低了突然停电事件的发生，进而避免了由于突然停电带来的经济损失。

技术领域

本发明属于电力系统自动化领域，涉及一种基于大数据的台区异常分析方法、装置、设备及介质。

背景技术

快速感知用户停电是关系到千家万户“用好电、电好用”的民生问题。目前，低压用电客户停电后，必须由客户自己打电话报修。而从供电公司层面主动感知低压用户断电情况，犹如在浩瀚星空中捕捉具体的一颗闪烁的星星，难度极高。

目前，用户停电事件的处理方式均是事后处理方式，即已经发生用户停电事件，并且很可能已经对用户造成了一定的经济损失后，才进行弥补性的处理。而造成这一情况的主要原因就是缺乏有效的事前预测方法，不能及时且准确的预测台区的异常信息，导致无法有效进行停电预测和预防。其中，在电力系统中，台区是指一台变压器的供电范围或区域，它是电力经济运行管理的名词。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于大数据的台区异常分析方法、装置、设备及介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明第一方面，一种基于大数据的台区异常分析方法，包括：

获取台区重过载影响因素的预测日数据；

将台区重过载影响因素的预测日数据输入预设的台区重过载模型，得到台区预测日的运行数据预测值；

根据台区预测日的运行数据预测值，预测台区预测日的重过载情况。

可选的，还包括：

获取各台区运行数据影响因素的历史数据和台区的历史运行数据；

根据各台区运行数据影响因素的历史数据和台区的历史运行数据，采用非线性相关性分析方法，得到各台区运行数据影响因素与台区的历史运行数据之间的相关系数，并选取相关系数前预设数量大的台区运行数据影响因素，得到台区重过载影响因素；

以台区重过载影响因素的历史数据为输入，以台区的运行数据预测值为输出，通过台区重过载影响因素的历史数据和台区的历史运行数据，训练预设的神经网络模型，得到台区重过载模型。

可选的，所述台区运行数据影响因素包括设备容量、设备型号、设备投运时间、温度、湿度、降雨量、台-户拓扑、节日类型、节日起止时间、配变增容改造信息、配变停电切改信息、用户用电类型、用户用电容量以及用户改造记录信息。

可选的，所述非线性相关性分析方法为基于Spearman秩序相关系数的非线性相关性分析方法。

可选的，所述神经网络模型为BP神经网络模型。

可选的，还包括：通过修改台区重过载影响因素中包含的台区运行数据影响因素的数量和组合方式或修改预设的神经网络模型的模型架构，重新训练预设的神经网络模型，得到若干台区重过载模型，获取各台区重过载模型的预测准确率，并将预测准确率最高的台区重过载模型作为最终的台区重过载模型。

可选的，还包括：

获取电网的GIS地图、电网的停电事件信息以及用户上报的停电事件信息；

根据台区预测日的重过载情况，在电网的GIS地图中标记预测日的重过载情况为重过载的台区；

根据电网的停电事件信息以及用户上报的停电事件信息，得到电网的停电发生时间、停电恢复时间以及停电涉及的变电站、线路和台区；