本發明涉及電網管理領域，特別是涉及一種電網規劃輔助系統。

背景技術：

電網規劃又稱輸電系統規劃，以負荷預測和電源規劃為基礎。電網規劃確定在何時、何地投建何種類型的輸電線路及其回路數，以達到規劃周期內所需要的輸電能力，在滿足各項技術指標的前提下使輸電系統的費用最小。城市是電力系統的主要負荷中心，城市電網運作是否良好取決于城市電網的規劃與建設是否科學，是否經濟合理，對于固定資產額巨大的供電企業而言，城網規劃工作在供電企業的生存與發展中始終起著決定性的作用。供電企業既是政府的電力管理部門，又是電力供應商。供電企業城網規劃的目標主要是提高城市電網的供電能力、供電質量與供電可靠性來滿足社會對電力的需求。

潮流計算是電力系統中非常重要的分析計算。在輸電網規劃中，需通過潮流計算檢驗所提出的電力系統規劃方案能否滿足各種運行方式的要求，主要包括系統中各種元件(線路、變壓器等)是否會出現過負荷，以及可能出現過負荷時應事先采取哪些預防措施等。

同時，目前對于電網中長期優化規劃問題，常采用規劃函數(如線性函數、神經網絡、模糊方法、決策樹等)和規劃圖等電網規劃規則型式，但這些型式以經驗為主，理論依據薄弱，特別對于電網群規劃尚無通用的規劃規則型式。因此，研究電網規劃規則型式，以解決電網規劃規則的不確定性，是國內外電網規劃研究的重點和難點問題。

技術實現要素：

為了解決以上現有技術中存在的問題，本發明的目的在于提供一種電網規劃輔助系統，能適合不同的供電保證率要求，同時能提供盡可能優化的電網規劃的過程，提高電網網絡調控的有效性和安全性，提高電網網絡運行的平穩性和效率。

為解決上述技術問題，本發明采用如下技術方案：

一種電網規劃輔助系統，包括

電網潮流采集計算模塊，用于進行電網的潮流計算；

電網潮流分析預測模塊，用于進行電網潮流數據的分析預測；

電網工況接入模塊，用于接入各電力設備的實時運行工況數據；

數據預處理模塊，用于接收并標準化集中存儲所采集電力設備工況數據；

電網情況預測模塊，采用統計回歸和數據驅動方法建立短期預測單元，利用采集到的電網工況數據以及計算所得的潮流數據，生成短期電網情況預報信息，供電網群聯合規劃分析模塊使用；

電網群聯合規劃分析模塊，針對接收到的數據預處理模塊的電網工況信息，采用多分組差分進化算法優化計算得到有利于改善電網情況的電網群聯合規劃方案；

專家決策分析模塊，用于接收電網群聯合規劃分析模塊所得電網群聯合規劃備選方案，對不同電網群聯合規劃備選方案所引發的電網情況變化趨勢進行比較，提出最終的管理決策方案；

中央處理器，用于接收數據預處理模塊、電網情況預測模塊、電網群聯合規劃分析模塊以及專家決策分析模塊所輸出的數據和人機交互模塊輸入的數據，并將這些數據轉換成規劃決策仿真模塊所能識別的數據格式發送到規劃決策仿真模塊；還用于接收人機交互模塊輸入的控制命令，并按預設的算法發送到對應的模塊；還用于用戶注冊、權限管理和密碼修改；

規劃決策仿真模塊，用于通過flac3d根據接收到的中央處理器發送的數據建立電網物理模型；

虛擬作動器，用于驅動參數變化的，與規劃決策仿真模塊中的各元素建立關系后，可以在指定的范圍內對參數進行變動，從而可以驅動仿真分析方法針對不同的參數進行計算求解；

虛擬參數模塊，為在電網物理模型中插入的各類型的能達到直接獲取相應的結果或信息的目標邏輯單元；

仿真分析模塊，用于輸入可以分解為設計變量、設計目標和設計約束的參數、算法，并將輸入參數、算法劃分為單元、特性和載荷，分別作用到指定的物理模型元素上；

電網信息管理模塊，由數據庫管理系統和應用支撐平臺系統組成，用于輔以形成電網情況預警管理、電網規劃管理、電網情況監控管理和綜合信息服務；

人機交互模塊，由高性能服務器及其顯示終端組成，對電網數據、電網工況信息、數據預處理中間過程、規劃決策結果進行圖像化展示；同時用于實現監測信息圖形化、預測結果顯示、操作員站、管理終端、視頻監控系統、專家決策多畫面同步展示。

本發明的特點和進一步改進在于：

其中，所述數據庫管理子系統，用以通過各區域電網情況數據中心的數據存儲和管理平臺，形成電網基礎配置數據庫、遙感影像數據庫、歷史電網分配制度數據庫、各區域經濟效益數據庫這些公共基礎數據庫，同時形成服務于各業務應用的適合全流域實際情況的電網規劃管理數據庫、運行工況數據庫、電網潮流數據庫、視頻監控數據庫、氣象數據庫這些專業數據庫。

其中，所述應用支撐平臺子系統，用于平臺硬件系統的部署，應用服務中間件、應用系統整合及數據交換組件及gis服務構件的部署配置，通用服務的部署，專用服務的部署，覆蓋數據采集、傳輸、處理、存儲、應用、決策輔助和發布各個環節。

其中，所述電網潮流分析預測模塊通過以下步驟完成：

s1、生成電網潮流采集計算模塊所得潮流數據的二維潮流數據；

s2、結合二維小波變換和二維潮流數據的特性，選擇最佳小波基對二維潮流數據進行二維小波多尺度分解，得二維小波系數；

s3、對步驟s2所得的二維小波系數進行數據重構；

s4、對每一層重構的二維潮流數據分別進行多維偏最小二乘建模，得子模型，并得相應組別潮流數據預測值，以及每一層重構潮流數據建模的潮流數據均方根誤差；

s5、使用權值將步驟s4所得的子模型進行模型融合，并計算rmsep值和相關系數來評價模型預測效果。

其中，所述步驟s1中的二維潮流數據由以下公式生成：

式中：y(v)為輸入潮流數據，φ(v1,v2)為生成的同步相關潮流數據矩陣，ψ(v1,v2)為生成的異步相關潮流數據矩陣。

其中，所述步驟s3中重構是指對同一樣品的二維潮流數據譜的分解后的每一層小波系數分別進行重構。

其中，所述步驟s4中的均方根誤差為rmsecv，公式如下

式中：cnir是電網的某一實際屬性；cref為預測出的電網屬性。

其中，所述步驟s5中的rmsep為預測均方根誤差，由以下公式得到：

式中：n是電網數，cnir是電網的某一實際屬性；cref為預測出的電網屬性。

其中，所述步驟s5中的相關系數為r，由以下公式得到：

式中：n是電網數，cnir是電網的某一實際屬性；cref為預測出的電網屬性。

其中，所述步驟s5中的模型融合是指對每一層二維小波變換系數重構圖像進行npls建模，得到預測結果和預測均方根誤差，所述步驟s5中的權值由以下公式得到：

rmsecvi是第i個子模型交叉驗證后的預測均方根誤差；

所述步驟s5通過以下公式將子模型融合在一起：

式中：ciref是子模型的預測結果，m是分解的尺度，c為模型融合后的預測結果，即最終的模型預測最終結果。

其中，所述的選擇最佳小波基，是對小波基數學特性進行分析，得到具有對稱性、緊支性、正交性及高階消失矩的小波基函數，有daubechies、symlets、coiflets等；步驟s4中所述的多維偏最小二乘算法(multi-waypartialleastsquare,n-pls)，是基于偏最小二乘基礎上的多維數據模型算法，可以得到與各維直接相關的載荷向量，有利于對模型的各維做出獨立解釋。

與現有技術相比，本發明具有顯著地技術效果。

本發明首先選擇最佳二維小波基對二維潮流數據進行多尺度分解并各層分別重構；其次應用npls對重構的每一層潮流數據進行建模預測并得到交叉驗證的均方根誤差；接著通過計算出的權值進行子模型融合；最后通過預測均方根誤差和相關系數對多尺度-二維潮流數據模型的結果和性能進行評價。本方法相較于常規模型，顯著提升常規潮流數據分析模型的精度和可靠性，不僅提挖掘出了電網潮流數據中新的表征信息，而且避免了信息的丟失，使得潮流數據分析更加簡單，可靠。本發明能適合不同的供電保證率要求，同時能提供盡可能優化的電網規劃的過程，提高電網網絡調控的有效性和安全性，提高了電網網絡運行的平穩性和效率，且電網的規劃決策在實施前均可進行仿真模擬分析，進一步保障力度電網網絡運行的安全性。

附圖說明

圖1為本發明的一種電網規劃輔助系統的原理框圖。

具體實施方式

為使本發明要解決的技術問題、技術方案和優點更加清楚，下面將結合附圖及具體實施例進行詳細描述。

如圖1所示，本發明實施例提供了一種電網規劃輔助系統，包括

電網潮流采集計算模塊，用于進行電網的潮流計算；

電網潮流分析預測模塊，用于進行電網潮流數據的分析預測；

電網工況接入模塊，用于接入各電力設備的實時運行工況數據；

數據預處理模塊，用于接收并標準化集中存儲所采集電力設備工況數據；

電網情況預測模塊，采用統計回歸和數據驅動方法建立短期預測單元，利用采集到的電網工況數據以及計算所得的潮流數據，生成短期電網情況預報信息，供電網群聯合規劃分析模塊使用；

電網群聯合規劃分析模塊，針對接收到的數據預處理模塊的電網工況信息，采用多分組差分進化算法優化計算得到有利于改善電網情況的電網群聯合規劃方案；

專家決策分析模塊，用于接收電網群聯合規劃分析模塊所得電網群聯合規劃備選方案，對不同電網群聯合規劃備選方案所引發的電網情況變化趨勢進行比較，提出最終的管理決策方案；

中央處理器，用于接收數據預處理模塊、電網情況預測模塊、電網群聯合規劃分析模塊以及專家決策分析模塊所輸出的數據和人機交互模塊輸入的數據，并將這些數據轉換成規劃決策仿真模塊所能識別的數據格式發送到規劃決策仿真模塊；還用于接收人機交互模塊輸入的控制命令，并按預設的算法發送到對應的模塊；還用于用戶注冊、權限管理和密碼修改；

規劃決策仿真模塊，用于通過flac3d根據接收到的中央處理器發送的數據建立電網物理模型；

虛擬作動器，用于驅動參數變化的，與規劃決策仿真模塊中的各元素建立關系后，可以在指定的范圍內對參數進行變動，從而可以驅動仿真分析方法針對不同的參數進行計算求解；

虛擬參數模塊，為在電網物理模型中插入的各類型的能達到直接獲取相應的結果或信息的目標邏輯單元；

仿真分析模塊，用于輸入可以分解為設計變量、設計目標和設計約束的參數、算法，并將輸入參數、算法劃分為單元、特性和載荷，分別作用到指定的物理模型元素上；

電網信息管理模塊，由數據庫管理系統和應用支撐平臺系統組成，用于輔以形成電網情況預警管理、電網規劃管理、電網情況監控管理和綜合信息服務；

人機交互模塊，由高性能服務器及其顯示終端組成，對電網數據、電網工況信息、數據預處理中間過程、規劃決策結果進行圖像化展示；同時用于實現監測信息圖形化、預測結果顯示、操作員站、管理終端、視頻監控系統、專家決策多畫面同步展示。

所述數據庫管理子系統，用以通過各區域電網情況數據中心的數據存儲和管理平臺，形成電網基礎配置數據庫、遙感影像數據庫、歷史電網分配制度數據庫、各區域經濟效益數據庫這些公共基礎數據庫，同時形成服務于各業務應用的適合全流域實際情況的電網規劃管理數據庫、運行工況數據庫、電網潮流數據庫、視頻監控數據庫、氣象數據庫這些專業數據庫。

所述應用支撐平臺子系統，用于平臺硬件系統的部署，應用服務中間件、應用系統整合及數據交換組件及gis服務構件的部署配置，通用服務的部署，專用服務的部署，覆蓋數據采集、傳輸、處理、存儲、應用、決策輔助和發布各個環節。

所述電網潮流分析預測模塊通過以下步驟完成：

s1、生成電網潮流采集計算模塊所得潮流數據的二維潮流數據；

s2、結合二維小波變換和二維潮流數據的特性，選擇最佳小波基對二維潮流數據進行二維小波多尺度分解，得二維小波系數；

s3、對步驟s2所得的二維小波系數進行數據重構；

s4、對每一層重構的二維潮流數據分別進行多維偏最小二乘建模，得子模型，并得相應組別潮流數據預測值，以及每一層重構潮流數據建模的潮流數據均方根誤差；

s5、使用權值將步驟s4所得的子模型進行模型融合，并計算rmsep值和相關系數來評價模型預測效果。

所述步驟s1中的二維潮流數據由以下公式生成：

式中：y(v)為輸入潮流數據，φ(v1,v2)為生成的同步相關潮流數據矩陣，ψ(v1,v2)為生成的異步相關潮流數據矩陣。

所述步驟s3中重構是指對同一樣品的二維潮流數據譜的分解后的每一層小波系數分別進行重構。

所述步驟s4中的均方根誤差為rmsecv，公式如下

式中：cnir是電網的某一實際屬性；cref為預測出的電網屬性。

所述步驟s5中的rmsep為預測均方根誤差，由以下公式得到：

式中：n是電網數，cnir是電網的某一實際屬性；cref為預測出的電網屬性。

所述步驟s5中的相關系數為r，由以下公式得到：

式中：n是電網數，cnir是電網的某一實際屬性；cref為預測出的電網屬性。

所述步驟s5中的模型融合是指對每一層二維小波變換系數重構圖像進行npls建模，得到預測結果和預測均方根誤差，所述步驟s5中的權值由以下公式得到：

rmsecvi是第i個子模型交叉驗證后的預測均方根誤差；

所述步驟s5通過以下公式將子模型融合在一起：

式中：ciref是子模型的預測結果，m是分解的尺度，c為模型融合后的預測結果，即最終的模型預測最終結果。

所述的選擇最佳小波基，是對小波基數學特性進行分析，得到具有對稱性、緊支性、正交性及高階消失矩的小波基函數，有daubechies、symlets、coiflets等；步驟s4中所述的多維偏最小二乘算法(multi-waypartialleastsquare，n-pls)，是基于偏最小二乘基礎上的多維數據模型算法，可以得到與各維直接相關的載荷向量，有利于對模型的各維做出獨立解釋。

所述設計變量、設計目標以及設計約束與仿真分析模塊中相關元素有著直接或間接的對應關系，從而可以建立起元素間的對應關系，從而打破兩模塊間的隔閡，并可以驅動起仿真分析模塊，并從中直接得到想要的數據，從而大大的提升效率和數據質量。

所述仿真分析模塊內設有element：廣義單元為仿真分析的真實對象；property：特性為一些分析對象上靜態的共用屬性信息；load：載荷為加載在這些分析載荷上外部影響因素或條件；analysis：分析為各類具體的仿真分析方法和評估方法；result：計算得到的數據以及基于數據處理的表格、云圖、報告；variable：設計變量是模型中可變量的標識；target：設計目標是最終用于衡量模型的好壞或合理性的指標或指標的處理結果；constraint：設計約束是系統在考慮優化時需要遵守的規則；optalgorithm：優化設計方法是各類進行優化設計的具體算法；optresult：優化結果通過優化計算得到的設計變量的最優取值。

以上所述是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明所述原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發明的保護范圍。