技术摘要：
本发明公开了一种在自动化装置上进行负荷计算与预测的方法，包括了负荷的采集计算、历史数据的存储、以及负荷的预测。当自动化装置正常运行时，实时采集负荷数据，识别无效数据，并通过权重的方法快速计算一段时间内的负荷平均值，保证负荷数据的可靠性。同时根据时间 全部
背景技术：
随着电力系统自动化的发展，越来越多的自动化装置在系统中得到运用，使供电 的稳定性和可靠性都得到了迅速的提高。目前在已有的技术中，经常利用自动化装置来自 动恢复供电，其中对负荷的处理一般有联切以及过负荷减载等手段。 但是经济社会的发展日益深入，人们的生活和工作对电力的依赖性快速增加，对 供电稳定性的要求也在逐渐提高。在研究各种自动化策略的同时，对负荷的计算和预测也 需要进一步研究，有利于恢复供电时最大限度的恢复并维持稳定，从而提高自动化装置的 效率，使供电最大范围的实现稳定和安全可靠。
技术实现要素：
本发明的目的是为了克服现有技术的不足，提供一种在自动化装置上进行负荷计 算与预测的方法，根据负荷的计算和预测实现最大限度的恢复供电并维持供电稳定，将负 荷的计算和预测用计算机算法实现出来，并与其他恢复步骤想配合，充分提升转供的效率。 实现上述目的的一种技术方案是：一种在自动化装置上进行负荷计算与预测的方 法，包括如下步骤： 步骤1，正常运行时的负荷数据采集计算，正常运行时负荷数据实时采集并计算半 小时内N个数据的平均值，通过权重的方法计算平均值的同时，需要识别无效数据，并对无 效数据做出替代处理； 步骤2，对数据的存储采用多个二维数组进行分别存储，其中 orgin[2][i]为前推 2N个原始数据，average[2][i]为前推2N个平均值数据，其中N为设定的样本存放周期内采 样个数；history[d][t]中存放历史数据；其中history[d]为一个周期内的t个数据， history[d][t]为某一周期中第t时刻的数据；当数据存储空间剩余容量为零时，则从头开 始覆盖存储；计算出平均值后读取装置时间；当判断出当前时间满足样本存放周期，则验证 此时未存放的平均值个数是否符合样本周期；若两者皆符合条件，将此数据存入历史数据 库中，方便随时取样分析； (3)通过故障时刻的时刻数据进行分析，找到和故障时刻走势类似的周期集合；将 故障时刻和样本中最近历史数据建立近似模型， 在历史数据库 6 CN 111581883 A 说 明 书 2/10 页 中的不同周期内找到每个周期与故障时刻相同时刻的数据，即上述数组中第t-2 列的数据，并且分别根据t-1列数据计算出各自的系数 对全部模型系数Cd＝(C0,C1…D-1,Ct)，根据聚类分析的原理进行数据处理，找到最 优化聚类组合；这些与故障时刻模型系数Ct相类似的模型系数所对应的周期，即为与故障 时刻负荷数据走势相似的周期； 根据上一步筛选，对匹配周期数相对应的历史数据进行重新组合并分析； 对故障前若干个数据段分别建立模型，将故障时刻以及故障时刻往前 n个模型系 数均罗列出来，表示为： 它们可表示故障时刻前一段时间内，各个周期负荷数据的综合走势； 首先，需要找到与故障周期负荷数据的走势重合度最高的周期，即找到与故障周 期的模型系数最接近的周期数；需要找到与上述二维数组最后一行中各个数据最接近的一 行，并记录下对应的行数(周期数)；对此二维数组的分析和处理，本发明采用了递归的方法 逐层筛选，并采用聚类对每一层进行分析，直至找到与故障周期最匹配的周期数，并据此对 负荷进行合理预测； 计算出当前故障在此周期中对应的时刻，以及后推若干时刻的模型系数如下； …… 根据故障发生时刻的模型系数C_D^(t-2)，推算得出后续的模型系数分别为： 7 CN 111581883 A 说 明 书 3/10 页 …… 从而根据故障时刻的负荷值，预测出未来一段时间内负荷的最大值，并根据此最 大负荷值，结合最大可供的负荷值，决定专供负荷的量以及具体方案，从而实现负荷转供时 的精确投切。 进一步的，对实时负荷数据取平均值的计算是通过引入权重的方法实现的； 同时在数据处理的过程中识别并处理无效数据；当采样数据与前一个数据相比较 时，其波动远大于前M个数据的波动最大值，即maxa(Ia- Ia-1)(a＝1,2,3,……,M)，判断此数 据为无效数据； 当遇到无效数据后，对其处理方法主要参考前一时刻和后一时刻的值，并取其平 均值代替，即 在无效数据的下一时刻同时给出两个时刻的负荷平均值，如下： 进一步的，对所述故障时刻点的负荷数据分析，首先计算出故障时刻模型系数和 每个周期相同时刻的模型系数，其次采用聚类分析法找出与故障时刻走势类似的周期数； 随机取K个点作为初始聚心，然后对模型系数Cd数组中所有点分别计算距离各自 最近的聚心，并将其划入对应的聚类中，从而得到K个初始的聚类，将其表示为f(x)(x＝1, 2,……,k)； 求出K个聚类中距离本聚类内所有数值最近的点作为新的聚心，即通过计算获取 Min＝Min(f(x)) Max＝Max(f(x)) 新的聚心即为 重复对模型系数Cd数组中所有点分别计算距离各自最近的聚心，并将其划入对应 的聚类中，从而得到K个新的聚类，将其表示为 l(x)(x＝1,2,……,k)； 继续重复上述过程，对K个聚类内所有数值做最近点分析，找到新的聚心，并根据 新的聚心对整个数组的聚类重新划分；直到最新的聚心与前一个聚心重合为止，此聚类即 为最优化聚类组合，即此聚类对应的周期数代表了与故障时刻走势相类似的周期。 进一步的，对故障时刻前一段时间数据的综合分析，即对故障前一段时间内的负 8 CN 111581883 A 说 明 书 4/10 页 荷数据走势进行分析，找到与故障周期中一段时间内走势匹配的周期； 对故障前若干个数据段分别建立模型，通过系数对比，找到每个系数都类似的周 期，也就是这段时间内走势最匹配的周期；它可转换为对二维数组的分析，需要结合递归的 思路与聚类分析的方法； 首先针对上述二维数组的每一列分别进行分析，对每一列都分别随机取2个点作 为初始聚心，通过上述聚类分析的方法，重复计算直至找到每一列对应的聚类,将这2(n 1) 个聚类表示为 ft-2-n(x)、ft-1-n(x)、……、ft-2(x)(其中x＝1,2)； 读取最后一行的各列数据所在聚类，共计(n 1)个，分别表示为 ft-2-n(1)、ft-1-n (1)、……、ft-2(1)；并读出这几个聚类中数据对应的周期数，即可得到n 1组周期数，即dt-2-n (1)、dt-1-n(1)、……、dt-2(1)； 通过对dt-2-n(1)、dt-1-n(1)、……、dt-2(1)进行下一步分析，找到这 n 1组周期数的 交集，即可找到本次筛选的匹配周期数； 使用计数法对所有聚类中的各周期数进行计数，其中计数为最大的周期数即为最 大交集数，这组周期数将是初步筛选后的故障周期匹配项；具体方法如下： 将上一步骤中初步匹配的i-1个周期数中每个周期数分别进行计数；即，从第1个 开始直至i-1个为止，分别计算它在 dt-2-n(1)、dt-1-n(1)、……、dt-2(1)这n 1个数组中出现 的次数； 若第z个周期的计数为n 1，则将其周期数保存在timen 1(i)数组中，若其为周期计 数为n，则将其周期数保存在timen(i)数组中；以此类推，若此周期数的重复计数值保存在 最大值对应的数组中，则为匹配项，将d2周期对应的模型系数重新排列成新的二维数组C [z][n 1]； 此二维数组中列数不变，仍然为n 1列；行数减少为z(z-1为上一轮筛选后的匹配 周期数个数值)； 重复上述步骤，继续对二维数组的每一列分别进行分析，取两个聚心进行聚类分 析，并对n 1个聚类进行周期数筛选，直至筛选出来的周期数为1个的时候分析结束，即当z ＝2的时候匹配完成； 通过上述步骤找到最佳匹配周期，读取其周期数数，并通过它找到对应行的原始 历史数据即为最优匹配的历史数据。 本发明的一种在自动化装置上进行负荷计算与预测的方法，相比现有技术，具有 以下有益效果： 1、负荷计算通过权重的方法采用半小时平均值，有效避免了误差对数据的影响， 并且有效降低了运行速度的负担，提高了电力自动化运行的稳定性。 2、负荷预测采用递归的方法，结合聚类分析，既能通过自动化系统语言表现出来， 又能快速找到最优的预测结果，从而实现负荷的自动化精确投切。 附图说明 图1为本发明实时负荷处理和预测的逻辑图； 图2为本发明负荷预测方法示意图； 图3为本发明负荷处理的建模示意图。 9 CN 111581883 A 说 明 书 5/10 页
本发明公开了一种在自动化装置上进行负荷计算与预测的方法，包括了负荷的采集计算、历史数据的存储、以及负荷的预测。当自动化装置正常运行时，实时采集负荷数据，识别无效数据，并通过权重的方法快速计算一段时间内的负荷平均值，保证负荷数据的可靠性。同时根据时间 全部
背景技术：
随着电力系统自动化的发展，越来越多的自动化装置在系统中得到运用，使供电 的稳定性和可靠性都得到了迅速的提高。目前在已有的技术中，经常利用自动化装置来自 动恢复供电，其中对负荷的处理一般有联切以及过负荷减载等手段。 但是经济社会的发展日益深入，人们的生活和工作对电力的依赖性快速增加，对 供电稳定性的要求也在逐渐提高。在研究各种自动化策略的同时，对负荷的计算和预测也 需要进一步研究，有利于恢复供电时最大限度的恢复并维持稳定，从而提高自动化装置的 效率，使供电最大范围的实现稳定和安全可靠。
技术实现要素：
本发明的目的是为了克服现有技术的不足，提供一种在自动化装置上进行负荷计 算与预测的方法，根据负荷的计算和预测实现最大限度的恢复供电并维持供电稳定，将负 荷的计算和预测用计算机算法实现出来，并与其他恢复步骤想配合，充分提升转供的效率。 实现上述目的的一种技术方案是：一种在自动化装置上进行负荷计算与预测的方 法，包括如下步骤： 步骤1，正常运行时的负荷数据采集计算，正常运行时负荷数据实时采集并计算半 小时内N个数据的平均值，通过权重的方法计算平均值的同时，需要识别无效数据，并对无 效数据做出替代处理； 步骤2，对数据的存储采用多个二维数组进行分别存储，其中 orgin[2][i]为前推 2N个原始数据，average[2][i]为前推2N个平均值数据，其中N为设定的样本存放周期内采 样个数；history[d][t]中存放历史数据；其中history[d]为一个周期内的t个数据， history[d][t]为某一周期中第t时刻的数据；当数据存储空间剩余容量为零时，则从头开 始覆盖存储；计算出平均值后读取装置时间；当判断出当前时间满足样本存放周期，则验证 此时未存放的平均值个数是否符合样本周期；若两者皆符合条件，将此数据存入历史数据 库中，方便随时取样分析； (3)通过故障时刻的时刻数据进行分析，找到和故障时刻走势类似的周期集合；将 故障时刻和样本中最近历史数据建立近似模型， 在历史数据库 6 CN 111581883 A 说 明 书 2/10 页 中的不同周期内找到每个周期与故障时刻相同时刻的数据，即上述数组中第t-2 列的数据，并且分别根据t-1列数据计算出各自的系数 对全部模型系数Cd＝(C0,C1…D-1,Ct)，根据聚类分析的原理进行数据处理，找到最 优化聚类组合；这些与故障时刻模型系数Ct相类似的模型系数所对应的周期，即为与故障 时刻负荷数据走势相似的周期； 根据上一步筛选，对匹配周期数相对应的历史数据进行重新组合并分析； 对故障前若干个数据段分别建立模型，将故障时刻以及故障时刻往前 n个模型系 数均罗列出来，表示为： 它们可表示故障时刻前一段时间内，各个周期负荷数据的综合走势； 首先，需要找到与故障周期负荷数据的走势重合度最高的周期，即找到与故障周 期的模型系数最接近的周期数；需要找到与上述二维数组最后一行中各个数据最接近的一 行，并记录下对应的行数(周期数)；对此二维数组的分析和处理，本发明采用了递归的方法 逐层筛选，并采用聚类对每一层进行分析，直至找到与故障周期最匹配的周期数，并据此对 负荷进行合理预测； 计算出当前故障在此周期中对应的时刻，以及后推若干时刻的模型系数如下； …… 根据故障发生时刻的模型系数C_D^(t-2)，推算得出后续的模型系数分别为： 7 CN 111581883 A 说 明 书 3/10 页 …… 从而根据故障时刻的负荷值，预测出未来一段时间内负荷的最大值，并根据此最 大负荷值，结合最大可供的负荷值，决定专供负荷的量以及具体方案，从而实现负荷转供时 的精确投切。 进一步的，对实时负荷数据取平均值的计算是通过引入权重的方法实现的； 同时在数据处理的过程中识别并处理无效数据；当采样数据与前一个数据相比较 时，其波动远大于前M个数据的波动最大值，即maxa(Ia- Ia-1)(a＝1,2,3,……,M)，判断此数 据为无效数据； 当遇到无效数据后，对其处理方法主要参考前一时刻和后一时刻的值，并取其平 均值代替，即 在无效数据的下一时刻同时给出两个时刻的负荷平均值，如下： 进一步的，对所述故障时刻点的负荷数据分析，首先计算出故障时刻模型系数和 每个周期相同时刻的模型系数，其次采用聚类分析法找出与故障时刻走势类似的周期数； 随机取K个点作为初始聚心，然后对模型系数Cd数组中所有点分别计算距离各自 最近的聚心，并将其划入对应的聚类中，从而得到K个初始的聚类，将其表示为f(x)(x＝1, 2,……,k)； 求出K个聚类中距离本聚类内所有数值最近的点作为新的聚心，即通过计算获取 Min＝Min(f(x)) Max＝Max(f(x)) 新的聚心即为 重复对模型系数Cd数组中所有点分别计算距离各自最近的聚心，并将其划入对应 的聚类中，从而得到K个新的聚类，将其表示为 l(x)(x＝1,2,……,k)； 继续重复上述过程，对K个聚类内所有数值做最近点分析，找到新的聚心，并根据 新的聚心对整个数组的聚类重新划分；直到最新的聚心与前一个聚心重合为止，此聚类即 为最优化聚类组合，即此聚类对应的周期数代表了与故障时刻走势相类似的周期。 进一步的，对故障时刻前一段时间数据的综合分析，即对故障前一段时间内的负 8 CN 111581883 A 说 明 书 4/10 页 荷数据走势进行分析，找到与故障周期中一段时间内走势匹配的周期； 对故障前若干个数据段分别建立模型，通过系数对比，找到每个系数都类似的周 期，也就是这段时间内走势最匹配的周期；它可转换为对二维数组的分析，需要结合递归的 思路与聚类分析的方法； 首先针对上述二维数组的每一列分别进行分析，对每一列都分别随机取2个点作 为初始聚心，通过上述聚类分析的方法，重复计算直至找到每一列对应的聚类,将这2(n 1) 个聚类表示为 ft-2-n(x)、ft-1-n(x)、……、ft-2(x)(其中x＝1,2)； 读取最后一行的各列数据所在聚类，共计(n 1)个，分别表示为 ft-2-n(1)、ft-1-n (1)、……、ft-2(1)；并读出这几个聚类中数据对应的周期数，即可得到n 1组周期数，即dt-2-n (1)、dt-1-n(1)、……、dt-2(1)； 通过对dt-2-n(1)、dt-1-n(1)、……、dt-2(1)进行下一步分析，找到这 n 1组周期数的 交集，即可找到本次筛选的匹配周期数； 使用计数法对所有聚类中的各周期数进行计数，其中计数为最大的周期数即为最 大交集数，这组周期数将是初步筛选后的故障周期匹配项；具体方法如下： 将上一步骤中初步匹配的i-1个周期数中每个周期数分别进行计数；即，从第1个 开始直至i-1个为止，分别计算它在 dt-2-n(1)、dt-1-n(1)、……、dt-2(1)这n 1个数组中出现 的次数； 若第z个周期的计数为n 1，则将其周期数保存在timen 1(i)数组中，若其为周期计 数为n，则将其周期数保存在timen(i)数组中；以此类推，若此周期数的重复计数值保存在 最大值对应的数组中，则为匹配项，将d2周期对应的模型系数重新排列成新的二维数组C [z][n 1]； 此二维数组中列数不变，仍然为n 1列；行数减少为z(z-1为上一轮筛选后的匹配 周期数个数值)； 重复上述步骤，继续对二维数组的每一列分别进行分析，取两个聚心进行聚类分 析，并对n 1个聚类进行周期数筛选，直至筛选出来的周期数为1个的时候分析结束，即当z ＝2的时候匹配完成； 通过上述步骤找到最佳匹配周期，读取其周期数数，并通过它找到对应行的原始 历史数据即为最优匹配的历史数据。 本发明的一种在自动化装置上进行负荷计算与预测的方法，相比现有技术，具有 以下有益效果： 1、负荷计算通过权重的方法采用半小时平均值，有效避免了误差对数据的影响， 并且有效降低了运行速度的负担，提高了电力自动化运行的稳定性。 2、负荷预测采用递归的方法，结合聚类分析，既能通过自动化系统语言表现出来， 又能快速找到最优的预测结果，从而实现负荷的自动化精确投切。 附图说明 图1为本发明实时负荷处理和预测的逻辑图； 图2为本发明负荷预测方法示意图； 图3为本发明负荷处理的建模示意图。 9 CN 111581883 A 说 明 书 5/10 页
