基于内驱进化预测模型和载荷能力动态评估的变压器周前重过载预警方法

精准预判变压器重过载事件对于消除安全隐患、提高供电可靠性至关重要。现有的变压器重过载预警方法无法应对负荷数据的时序分布漂移(temporal covariate shift,TCS)现象,并且尚未考虑变压器载荷能力动态变化的特点,导致现有预警方法存在适应性差、预警精度不稳定等问题。针对上述问题,该文提出基于内驱进化预测模型和载荷能力动态评估的变压器周前重过载预警方法。首先,基于Informer方法建立周前负荷预测模型,利用该模型的泛化误差特征,构建基于领域自适应理论的预测修正模型,缩小历史负荷数据与未来数据的分布差异;其次,针对重过载负荷的数据分布特征随时间动态变化的特点,该文充分考虑“近大远小”的预测原则,基于样本权重矩阵建立预测模型的内驱进化更新模型,持续提高预测模型在未来负荷数据上的适应性,有效应对时序分布漂移现象。此外,构建考虑变压器冷却方式的热点温度计算模型,基于热点温度等因素建立变压器动态载荷能力评估方法。最后,提出考虑变压器动态载荷能力的重过载预警方法,并采用我国西部某供电局多台变压器实测数据进行验证分析,结果表明,该文方法的负荷预测精度最高提升32.55%,有效提高变压器周前重过载预警精度,具有较强的普适性。

基于BOXGBoost的配变日峰值负荷预测及重过载预警方法

为解决配变负荷日峰值预测精度不高、重过载预警误差大的问题,提出一种配变日峰值负荷预测及重过载预警方法。首先,基于时间卷积网络对配变日负荷进行预测;然后,通过贝叶斯优化极限梯度提升模型对配变日负荷峰值出现时刻及峰值区间幅值进行独立预测;最后,使用峰值预测补正日负荷预测结果并转化为预警等级,实现配变重过载预警。采用湖南某地区配电台区数据实例验证,结果表明,所提方法可实现配变日峰值负荷精确预测及准确预警重过载运行风险。

配网重过载预警及配网容量规划研究

由于对配网运行数据以及需求的分析精度较低,导致对重过载情况的预警效果以及容量规划结果合理性较低,为此提出配网重过载预警及配网容量规划研究,借助K-means聚类的方式对配网停电数据集进行处理,并将平衡训练结果作为判定其重过载判定的基础,实现对重过载情况的预警。在配网容量规划阶段,AdaBoost算法实现对配网不同馈线对应的重要性进行分析,并结合重要性对容量进行适应性配置。在测试结果中,设计方法对应的线路掉闸率稳定在20.0%以下,日期望缺供电量始终在0.50 MW·h以下,具有良好的应用效果。

台区重过载预警与风险评估系统研究与实现

设备重过载运行是引起故障停电的重要因素之一,开展重过载事预警与风险评估,对于及时消除故障隐患、指导设备升级改造具有重要作用。作为大数据应用研究的一个切入点,中国电力科学研究院与国网山东省电力公司合作研发了台区重过载预警与风险评估系统。文章从系统总体架构、系统功能以及系统实现3个方面详细介绍了系统的设计和实现方法。该系统具有历史重过载多维分析、重过载关联因素分析、台区重过载预警和风险评估4个功能,同时采用城市电力地图的理念,依托电网GIS和多种可视化工具,实现对重过载台区的精准定位,并通过对多维度分析结果的展示,探寻重过载的原因、规律和影响的用户,为日常运维检修和重要时期保供电提供支撑。

计及负荷不确定性的配电变压器重过载风险预警

传统配电变压器重过载预警方法主要基于确定性的预测,容易忽视由于负荷不确定性带来的风险影响。针对该问题,提出计及负荷不确定性的配电变压器重过载风险预警方法。首先,采用门控循环单元分位数回归算法预测配电变压器在不同分位点上的负荷水平,并结合核密度估计方法进一步得到未来负荷的概率密度函数,以提供反映负荷不确定性的预测信息;其次,通过效用函数描述配电变压器承受重过载事故的严重程度,结合电力系统风险理论,评估配电变压器可能面临的重过载风险水平;最后,根据预先定义好的标准划分重过载风险等级,进而生成涵盖风险详情的告警信息。结合广东省某地区配电网展开具体的算例分析,验证了所提方法的可行性和有效性。

基于人工智能的配电网设备负载预测预警系统设计研究

提出了基于人工智能的配电网设备负载预测预警系统。该系统采用层次聚类法按照历史负载率曲线特征将配电变压器和馈线划分为多类,并为每类构建一个基于Seq2Seq的负载率预测模型。在此基础上,该系统建立了一个重过载预警框架,筛选出未来短期存在重过载风险的配电网元件。测试结果显示,负载率预测的平均绝对百分比误差均值为6.79%,重过载预警的准确率均值超过90%。