一种基于云边协调技术的配电网关运行状态识别方法与流程

本发明涉及配电，具体是涉及一种基于云边协调技术的配电网关运行状态识别方法。

背景技术：

1、配电网是指从输电网或地区发电厂接受电能，通过配电设施就地分配或按电压逐级分配给各类用户的电力网。是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的，在电力网中起重要分配电能作用的网络，随着数字化技术的发展，电网的建筑逐步走向数字化，数字电网的建设过程是传统电网的数字化、智能化、互联网化过程。对传统电网进行数字化转型，遵循网络安全标准和统一电网数据模型构建相对应的数字孪生电网，用先进的数字技术平台，以“计算能力+数据+模型+算法”形成强大的“算力”，依托物联网、互联网打通电网相关各方的感知、分析、决策、业务等各环节，使电网公司具备超强感知能力、明智决策能力和快速执行能力，让数字电网的边界从传统电网扩展至社会的方方面面，变革传统电网的管理、运营和服务模式，驱动相关产业的能量流、资金流、物流、业务流、人才流的广泛配置。

2、现有的数字电网的配电网关监测技术，缺乏针对于边缘配电网关与云端服务器之间的协调统筹技术，对于配电网关运行状态识别，仅仅限于单一配电网关自身的状态，而未考虑配电网关之间的统筹协同规划，导致配电系统的运行缺乏系统化的统筹管理。

技术实现思路

1、为解决上述技术问题，提供一种基于云边协调技术的配电网关运行状态识别方法，本技术方案解决了上述的现有的数字电网的配电网关监测技术，缺乏针对于边缘配电网关与云端服务器之间的协调统筹技术，对于配电网关运行状态识别，仅仅限于单一配电网关自身的状态，而未考虑配电网关之间的统筹协同规划，导致配电系统的运行缺乏系统化的统筹管理的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种基于云边协调技术的配电网关运行状态识别方法，包括：

4、云端服务器获取各边缘配电网关上传的配电数据，得到总体配电数据；

5、基于总体配电数据，进行综合分析，筛选出对配电数据有影响的若干个相关因素；

6、确定各配电网关节点符合影响配电数据的若干个相关因素，并将若干个相关因素数据进行标准化处理，获得相关因素影响特征；

7、根据各配电网关节点的配电数据与各配电网关节点的相关因素影响特征，组合为各配电网关节点影响相关因素矩阵b；b＝[y11,...,yjk,…,ylm]，其中yjk为影响第j个配电网关节点配电数据的第k个相关因素数据，l为各配电网关节点配电数据的总和，m为各配电网关节点影响配电数据的相关因素影响特征总数；

8、基于各配电网关节点影响相关因素矩阵中的每一个相关因素影响特征，确定各配电网关节点的相关因素对配电网关节点配电数据的影响占比；

9、根据各配电网关节点的相关因素对配电网关节点配电数据的影响占比，计算相关因素影响特征的熵值；

10、基于相关因素影响特征的熵值，利用熵权法，计算各配电网关节点的相关因素对于配电网关节点配电数据的影响权重；

11、基于各配电网关节点的相关因素对于配电网关节点配电数据的影响权重与配电网关节点配电数据，计算配电网关节点的总体影响因素指标；

12、基于不同配电网关节点的配电，获取每个配电网关节点的历史配电数据；

13、根据每个不同配电网关节点的历史配电数据，进行分析各配电网关节点的配电特征；

14、基于各配电网关节点的配电特征与配电网关节点的总体影响因素指标，进行预测每一个配电网关节点的配电变化趋势；

15、基于每一个配电网关节点的配电变化趋势，调整各配电网关节点的配电统筹方案。

16、优选的，熵权法具体为：

17、

18、式中，pjk为影响j个配电网关节点的配电数据的第k个相关因素的影响占比，ek第k个相关因素影响特征的熵值，wk为相关因素对于配电网关节点配电数据的影响权重，ln()为对数函数，m为各配电网关节点影响配电数据的相关因素影响特征总数；

19、其中，计算配电网关节点的总体影响因素指标具体为：

20、

21、式中，h为配电网关节点的总体影响因素指标，yj为第j个配电网关节点的配电数据。

22、优选的，基于总体配电数据，进行综合分析，筛选出对配电数据有影响的若干个相关因素具体包括：

23、基于总体配电数据，建立配电数据与总体配电数据之间的关联二元散点图；

24、基于关联二元散点图中的配电数据与总体配电数据中的每一个因素数据，利用线性方程公式，计算配电数据与每一个因素数据之间的线性回归系数；

25、根据配电数据与每一个因素数据之间的线性回归系数筛选出与配电数据正相关的若干个相关因素数据，确定影响配电数据的相关因素。

26、优选的，线性方程公式为：

27、

28、式中，g为配电数据与每一个因素数据之间的线性回归系数，xi为关联散点图中第i个散点对应的配电数据，ei为关联散点图中第i个散点对应的相关因素数据，n为关联散点图中的散点总数。

29、优选的，根据每个不同配电网关节点的历史配电数据，进行分析各配电网关节点的配电特征具体包括：

30、确定各配电网关节点的历史配电数据总体体量与各配电网关节点配电政策特征；

31、基于各配电网关节点的历史配电数据，按照月份单位时间对各配电网关节点的配电数据进行分割，获得各季度配电数据数组；

32、基于季度配电数据数组与各配电网关节点的历史配电数据总体体量，筛选出大于总体体量的季度，确定各配电网关节点的特征；

33、根据季度配电数据数组中的配电类型特征与对应配电属性特征，确定若干个偏好类型特征；

34、基于特征与偏好类型特征与配电网关节点配电政策特征，组合为各配电网关节点配电特征数组。

35、优选的，基于各配电网关节点的配电特征与配电网关节点的总体影响因素指标，进行预测每一个配电网关节点的配电变化趋势具体包括：

36、基于各配电网关节点配电特征数组与配电网关节点的总体影响因素指标，建立配电影响因素数组；

37、建立配电预测分析模型；

38、基于配电影响因素数组中的每一个配电网关节点总体影响因素指标作为配电网关节点限制条件，分析预测在限制条件下的每一个配电网关节点的配电变化趋势。

39、优选的，配电预测分析模型表达式为：

40、f＝β0+β1×h+βv×dv+…+βu×du

41、式中，f为预测的每一个配电网关节点的配电变化趋势，dv为v个配电网关节点的配电特征，u为配电网关节点的总数，β0、β1、βv、βu均为模型的系数。

42、与现有技术相比，本发明的有益效果在于：

43、本发明提出一种基于云边协调技术的配电网关运行状态识别方案，通过云端服务器统筹采集各边缘配电网关的运行状态数据，汇总为总体配电数据，通过综合分析总体配电数据来识别对配电有重大影响的相关因素，并结合各配电网关节点的历史数据，深入剖析配电网关节点的特征和潜在影响因素，建立配电预测分析模型，准确预测各配电网关节点的配电变化趋势，并据此调整配电网关节点的配电统筹方案，从而提高配电策略的针对性和效果，优化资源配置，提高配电网关运行效率。