[发明专利]一种低压配电短路电流峰值加权补偿灰色预测方法、装置、终端设备以及存储介质

说明书

本发明实施例公开了一种低压配电短路电流峰值加权补偿灰色预测方法，所述方法包括：获取低压配电系统短路电流原始数据以及电源电压初相角，灰色幂预测模型对短路电流原始数据进行优化获取灰色幂模型预测值，利用时间响应函数计算所述灰色幂模型预测值序列，通过短路电流原始数据与灰色幂模型预测值获得二阶残差原始数据序列，对二阶残差原始数据序列进行归一化处理获得二阶残差原始数据x_e⁽⁰⁾(k)；对二阶残差原始数据序列进行二阶残差灰色模型预测获得二阶残差预测值通过二阶残差原始数据和二阶残差预测值，获得残差精度B，对二阶残差预测值时进行加权动态补偿修正值，再对二阶残差加权补偿修正值进行还原，获得修正后的短路电流预测值序列。

技术领域

本发明涉及低压配电系统保护领域，具体地涉及一种低压配电短路电流峰值加权补偿灰色预测方法、装置、终端设备以及存储介质。

背景技术

随着电路系统规模及容量的日益扩大，短路容量和短路电流也随之迅速增大，短路故障已经成为电路系统最常见也是危害最大的故障类型之一，因此对低压配电系统短路故障进行深入研究，从故障暂态过程中提取有用信息，从而对短路电路及其峰值进行预测并采取相应措施切除故障，对提高电网运行的安全可靠性具有十分重要的意义。目前，低压配电系统短路电流峰值预测的研究还比较少，有文献提出在采集一定的短路电流数据基础上，采用传统灰色模型 GM(1，1)进行预测短路电流的发展趋势并获得峰值，但由于GM(1，1)模型受限于预测模型对原始数据特征的适应性，它是基于指数增长或下降变化的数学模型，未能考虑短路电流的正弦周期性变化，在预测短路电流峰值附近数据的时候，预测步长和预测精度之间的配合仍有待商榷，因此预测结果与实际结果相差较大。即使不断校正GM(1，1)模型白化方程发展系数和灰作用量，且增加原始短路测量数据个数，也只能有限降低残差，预测效果依然很不理想。

现有技术缺陷：

1、通用的预测模型所需原始数据量大、所用的时间相对较长，且为离线运算居多，不适合低压配电系统短路故障电流峰值早期排故所需的在样本数有限情况下的在线快速预测。

2、灰色建模所依据的是序列本身的指数规律，如果数据灰度越大，即离散程度越大，则预测精度越差。

3、灰色预测模型是连续时间函数，一般在预测点之后的2-3点之间较高，随着时间的推移各种干扰因素对系统影响加剧，预测值灰色区间将增大，不适用于中长期预测。

发明内容

本发明实施例提出的一种低压配电短路电流峰值加权补偿灰色预测方法、装置、终端设备以及存储介质，以优化后的灰色Verhulst模型为基础建立组合预测模型，结合归一化、残差修正和动态加权补偿等多种方法逐步完善，提高模型中长期预测的可靠性和预测精度，实现低压配电系统短路电流的在线、快速、准确的预测。

第一方面，本发明实施例提供一种低压配电短路电流峰值加权补偿灰色预测方法，具体包括：

获取低压配电系统短路电流原始数据以及电源电压初相角；

灰色幂预测模型对短路电流原始数据进行优化获取灰色幂模型预测值；

利用时间响应函数计算灰色幂模型预测值序列

通过短路电流原始数据与灰色幂模型预测值获得二阶残差原始数据序列；

对二阶残差原始数据序列进行归一化处理获得二阶残差原始数据x_e⁽⁰⁾(k)；

对二阶残差原始数据序列进行二阶残差灰色模型预测获得二阶残差预测值

通过二阶残差原始数据和的二阶残差预测值，获得残差精度B；

判断二阶残差原始数据x_e⁽⁰⁾(k)是否大于二阶残差预测值时，