[发明专利]一种应用配电网全域大数据的人工智能预测模型构方法

说明书

本发明公开了一种应用配电网全域大数据的人工智能预测模型构方法，一种应用配电网全域大数据的人工智能预测模型构方法，其特征在于：构建以配电网全域大数据为基础的人工智能预测模型，采用深度学习的各种模型，利用从各类在线监测系统、无人机或机器人巡检系统、PMS生产管理系统、OMS系统、监控系统、电能管理系统及智能中断等不同的平台及设备中获取的信息，考虑负荷变化趋势、馈线转供能力、事故后电量损失率、事故后用电时户数损失率、重要用户影响程度，实现风险预测分析能够对历史风险的风险源进行统计，实现风险源影响重要程度排序。

技术领域

本发明涉及电网领域，特别涉及一种应用配电网全域大数据的人工智能预测模型构方法。

背景技术

随着配电网的复杂度越来越高，整体覆盖面积广，运维检修业务复杂，设备变更频繁，网络连接多样、运行方式多变等特点，导致配网故障复杂多变，负荷变化频繁。为了更好地对配网负荷变化，设备故障等关键环节，提供有效的供电可靠性分析手段变得尤为迫切。供电可靠性受系统负荷，元件可靠性性能，元件电气性能和网架结构等影响，通过研究若能将四个方面的运行数据进入深度模型中学习，最终生成供电可靠性影响分析模型，得以提高可靠性评估水平，从而为提升供电可靠性提供分析决策手段。相关模型应利用多种统计标准训练学习，从而反映供电服务指挥过程中经济状态、整体现状与特点。从外部环境研究使分析模型相关功能及流程设计，一方面要因地制宜，提供具有直接客户应用的能够分层次分区域的运作模式，另一方面又提供支撑服务的质量监督与管控的方式。研究生成的模型根据问题特点、类型、规律等解决过程，评估其可靠性，充分展现协作效果和业务协调运行效果。

发明内容

本发明的主要目的在于提供一种应用配电网全域大数据的人工智能预测模型构方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种应用配电网全域大数据的人工智能预测模型构方法，构建以配电网全域大数据为基础的人工智能预测模型，采用深度学习的各种模型，利用从各类在线监测系统、无人机或机器人巡检系统、PMS生产管理系统、OMS系统、监控系统、电能管理系统及智能中断等不同的平台及设备中获取的信息，充分利用处理，构建的如下构建配网负荷模型、供电可靠性分析模型、安全运行风险预警模型、投资成本效能分析模型、优质服务要点研究模型等五大模型，概述如下：

配网负荷预测模型。负荷虽然分为不同类型，但大部分同时间和外部环境条件紧密相关，以历史负荷、历史气象数据和用电大户投运时间等作为时间序列数据进入深度模型进行学习，最终生成负荷预测模型，并且可通过迭代学习进化负荷预测模型，通过该模型得以提升电力负荷预测的准确度；

供电可靠性分析模型，供电可靠性受系统负荷，元件可靠性性能，元件电气性能和网架结构等影响，通过将四个方面的运行数据进入深度模型中学习，最终生成供电可靠性影响分析模型，以提高可靠性评估水平；

安全运行风险预警模型，从电网、设备、人员等多维度环境中挖掘潜在的风险点隐患，确定出相应的风险及管控措施；

投资成本效能分析模型，通过引入大数据分析技术，对电网项目与供电覆盖范围、可供电量、用电量、缺陷、故障等之间潜在规律和关联关系的分析和研究，提供未来投资进行辅助决策建议；

优质服务要点研究模型，利用多种统计标准反映供电服务指挥过程中经济状态、整体现状与特点的分析模式，通过对外部环境研究使得系统相关功能及流程设计既确保具有直接客户应用的能够分层次分区域的运作模式，又能支撑服务质量监督与管控集中开展的一体化运作模式。