您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报 (工学版) ›› 2021, Vol. 51 ›› Issue (3): 76-83.doi: 10.6040/j.issn.1672-3961.0.2020.527

• 电气工程 • 上一篇    下一篇

气象灾害条件下电网应急物资预测方法

柴庆发1(),孙守晶1,*(),邱吉福2,陈明2,魏振2,丛伟1   

  1. 1. 电网智能化调度与控制教育部重点实验室(山东大学), 山东 济南 250061
    2. 国网山东省电力公司青岛供电公司, 山东 青岛 266002
  • 收稿日期:2020-12-17 出版日期:2021-06-20 发布日期:2021-06-24
  • 通讯作者: 孙守晶 E-mail:chaiqingfasdu@163.com;sjingjing@sdu.edu.cn
  • 作者简介:柴庆发(1991—),男,山东齐河人,硕士研究生,主要研究方向为电力系统继电保护研究. E-mail: chaiqingfasdu@163.com
  • 基金资助:
    国家电网公司科技资助项目(5400-201999344A-0-0-00)

Prediction method of power grid emergency supplies under meteorological disasters

Qingfa CHAI1(),Shoujing SUN1,*(),Jifu QIU2,Ming CHEN2,Zhen WEI2,Wei CONG1   

  1. 1. Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education (Shandong University), Jinan 250061, Shandong, China
    2. Qingdao Power Supply Company, State Grid Shandong Electric Power Company, Qingdao 266002, Shandong, China
  • Received:2020-12-17 Online:2021-06-20 Published:2021-06-24
  • Contact: Shoujing SUN E-mail:chaiqingfasdu@163.com;sjingjing@sdu.edu.cn

摘要:

为提高电网应急物资调配响应速度和电网抢修效率, 提出一种案例推理与深度学习相结合的电网气象灾害条件下的应急物资预测方法。以气象信息、电网设备数据和地理环境数据为输入信息, 利用案例推理方法确定预测模型输入、输出结构, 并根据不同输入信息的特点进行处理和量化, 利用深度置信网络完成案例适配, 综合事故规模信息建立动态电网应急物资预测模型。分析结果表明, 本研究提出的预测方法能够综合分析各类特征因素, 并结合事故规模建立与应急物资需求的关联关系, 对气象灾害条件下电网应急物资需求进行准确预测, 从而为高效准确的电网应急响应提供依据。

关键词: 气象灾害, 特征因素, 应急物资预测, 案例推理, 深度学习

Abstract:

In order to improve the efficiency of grid emergency repairs, a method for predicting emergency supplies under the conditions of power grid meteorological disasters combining case-based reasoning, deep belief network and deep learning was proposed. Based on meteorological data, power grid maintenance data and geographic environment data, this method was used case-based reasoning to determine the appropriate input and output structure of the prediction model, and different methods was used to process and quantify according to the characteristics of disagreeing input factors. Deep belief networks were used to complete case adaptation, and integrate accident scale information was used to establish a dynamic power grid emergency supplies prediction model. The analysis results showed that the emergency material prediction method proposed in this paper could comprehensively analyze various characteristic factors, and combined the scale of the accident to establish the relationship between the emergency material demand of the power grid, and accurately predicted the material demand for the emergency response of the power grid under the weather disaster. and provided a scientific reference for emergency decision-making of power grids.

Key words: meteorological disaster, characteristic factor, emergency materials prediction, case-based reasoning, deep learning

中图分类号: 

  • TM73

表1

技术状态参数赋值表"

状态分级 赋值范围
一级 0~2.99
二级 3~4.99
三级 5~6.99
四级 7~10

表2

运行缺陷参数取值表"

线路电压/kV 赋值 运行时间/a 赋值
35 0.608 ≤1 0.321
110 7.010 2~5 3.419
220 2.031 6~10 3.116
330 0.064 11~15 1.532
≥500 0.287 ≥15 1.613

表3

起伏高度与地形分类标准"

地形 平地 丘陵 山地 高山
T1 0~20 20~50 50~150 150~250

表4

地形标准差与地形分类标准"

地形 平地 草地 丘陵 山区
T2 0~10 10~30 30~50 ≥50

图1

应急物资预测模型结构"

图2

并行分类输出结构"

表5

相关系数与相关程度对照"

R 相关程度
0.8~1.0 极强
0.6~0.79
0.4~0.59 中等
0.2~0.39
0~0.19 极弱

图3

物资量与特征因素的相关性"

表6

特征因素修正值与物资量的相关系数"

特征因素 案例组
20 40 60
X1 0.517 0.489 0.431
X1 0.823 0.757 0.771
X2 0.271 0.332 0.282
X2 0.568 0.581 0.578
F1 0.895 0.908 0.893
F2 0.621 0.563 0.561
T1 0.332 0.292 0.399
T2 0.374 0.421 0.506
T3 0.469 0.349 0.472

表7

台风灾害造成的电网事故案例"

类别 输入因素 输入量 输出因素 预测输出/个 实际需求/个 准确率/%
应急人员 风力修正 2.5 抢修人员 1324 1132 85.52
降雨修正 17.5 后勤人员 275 315 78.21
降雪修正 0 运输人员 212 174 82.32
风向 1.0 其他
应急资源 云量 6.4 安全帽 1552 1319 85.14
温度 16.5 安全带 314 363 86.84
湿度 22.0 安全绳 445 368 83.13
雷击密度 0.022 急救箱 124 93 76.31
主成分F1 4.96 其他
应急工具 主成分F2 2.17 发电机 92 73 79.21
地形T1 11.5 抢修车 103 91 88.32
地形T2 6.2 冲锋舟 13 11 85.71
地形T3 7.1 工器具 4314 3565 82.68
10 kV断线 196处 其他
设备元件 10 kV倒杆 124基 导线 5531 4222 76.38
35 kV断线 1处 仝杆 85 76 89.48
35 kV倒杆 1基 横担 123 151 81.25
110 kV断线 0处 绝缘子 312 156 82.35
110 kV倒杆 2基 其他

表8

不同网络的预测结果"

模型 d1 d2 d3 d4
DBN 78.60 81.56 84.56 88.73
MLP1 63.31 63.67 64.76 71.55
MLP2 66.73 68.05 73.43 75.48
SVM 75.21 77.03 80.02 83.25
1 余鲲, 杨俊杰, 楼志斌, 等. 基于支持向量机和模糊控制的输电线路覆冰状态评估模型[J]. 电测与仪表, 2016, 53 (21): 82- 88.
doi: 10.3969/j.issn.1001-1390.2016.21.015
YU Kun , YANG Junjie , LOU Zhibin , et al. Trans-mission line icing condition assessment model based on SVM and fuzzy expert system[J]. Electrical Measurement & Instrumentation, 2016, 53 (21): 82- 88.
doi: 10.3969/j.issn.1001-1390.2016.21.015
2 谢敏, 尹一江, 杜余昕, 等. 考虑复杂天气风险源的电力系统可用输电能力评估[J]. 电力自动化设备, 2018, 38 (4): 16- 22.
XIE Min , YIN Yijiang , DU Yuxin , et al. Assessment on available transfer capability considering complex weather risk sources[J]. Electric Power Automation Equipment, 2018, 38 (4): 16- 22.
3 谭磊, 赵永强, 赵留学, 等. 基于分布式光纤的电网台风灾害预警方法研究[J]. 电测与仪表, 2018, 55 (15): 20- 24.
doi: 10.3969/j.issn.1001-1390.2018.15.004
TAN Lei , ZHAO Yongqiang , ZHAO Liuxue , et al. Research on warning method of typhoon disaster based on distributed fiber[J]. Electrical Measurement & Instrumentation, 2018, 55 (15): 20- 24.
doi: 10.3969/j.issn.1001-1390.2018.15.004
4 林潇, 刘洋, 许立雄, 等. 基于系统生存性的骨干网架搜索方法[J]. 电测与仪表, 2019, 56 (12): 49- 56.
LIN Xiao , LIU Yang , XU Lixiong , et al. A method of searching backbone grid based on survivability of power system[J]. Electrical Measurement & Instrumentation, 2019, 56 (12): 49- 56.
5 薛禹胜, 吴勇军, 谢云云, 等. 停电防御框架向自然灾害预警的拓展[J]. 电力系统自动化, 2013, 37 (16): 18- 26.
doi: 10.7500/AEPS20130606010
XUE Yusheng , WU Yongjun , XIE Yunyun , et al. Extension of blackout defense scheme to natural disasters early-warning[J]. Automation of Electric Power Systems, 2013, 37 (16): 18- 26.
doi: 10.7500/AEPS20130606010
6 邓创, 刘友波, 谭洋洋, 等. 考虑网架恢复过程的电力应急资源调度方法[J]. 电网技术, 2017, 41 (11): 3582- 3589.
DENG Chuang , LIU Youbo , TAN Yangyang , et al. Emergency power resource dispatching considering procedure of power grid restoration[J]. Power System Technology, 2017, 41 (11): 3582- 3589.
7 高焕兵, 田国会. 面向配电系统的带电抢修作业机器人[J]. 山东大学学报(工学版), 2015, 45 (1): 45- 53.
GAO Huanbing , TIAN Guohui . Live-working robot for emergency repair of power distribution system[J]. Journal of Shandong University (Engineering Science), 2015, 45 (1): 45- 53.
8 NAJAFI M , ESHGHI K , DULLAERT W . A multi-objective robust optimization model for logistics planning in the earthquake response phase[J]. Transportation Research(Part E: Logistics and Transportation Review), 2013, 49 (1): 217- 249.
doi: 10.1016/j.tre.2012.09.001
9 刘洋, 刘博, 王峰. 基于Parameter Server框架的大数据挖掘优化算法[J]. 山东大学学报(工学版), 2017, 47 (4): 1- 6.
LIU Yang , LIU Bo , WANG Feng . Optimization alg-orithm for big data mining based on parameter server framework[J]. Journal of Shandong University (Engineering Science), 2017, 47 (4): 1- 6.
10 RASEKH A , VAFAEINEZHAD A . Developing a GIS based decision support system for resource allocation in earthquake search and rescue operation[J]. Computational Science and its Applications, 2012, 7334, 275- 285.
11 付仲良, 周凡, 逯跃锋. 基于GIS技术的电网应急态势标绘[J]. 山东大学学报(工学版), 2013, 43 (4): 1- 6.
FU Zhongliang , ZHOU Fan , LU Yuefeng . Power grid emergency situation plotting technology based on GIS[J]. Journal of Shandong University (Engineering Science), 2013, 43 (4): 1- 6.
12 许玮, 冀肖彤, 刘海波, 等. 电动汽车应急救援站选址及资源配置[J]. 山东大学学报(工学版), 2017, 47 (6): 115- 120.
XU Wei , JI Xiaotong , LIU Haibo , et al. Location and resource allocation of emergency charging station for expressway electric vehicle[J]. Journal of Shandong University (Engineering Science), 2017, 47 (6): 115- 120.
13 韩畅, 梁博淼, 林振智, 等. 防灾应急电源优化调度的机会约束规划方法[J]. 电力自动化设备, 2018, 38 (3): 147- 154.
HAN Chang , LIANG Bomiao , LIN Zhenzhi , et al. Chance-constrained programming method for optimal scheduling of emergency power source[J]. Electric Power Automation Equipment, 2018, 38 (3): 147- 154.
14 刘文彦, 李欢欢, 谭忠富, 等. 考虑信息准确度的电力灾情侦测设备储备与调配优化模型[J]. 电力系统自动化, 2017, 41 (15): 162- 169.
LIU Wenyan , LI Huanhuan , TAN Zhongfu , et al. Configuration and tuning of sub-feeder protection in distribution network[J]. Automation of Electric Power Systems, 2017, 41 (15): 162- 169.
15 王正新, 刘思峰. 基于Fourier-GM(1, 1)模型的灾害应急物资需求量预测[J]. 系统工程, 2013, 31 (8): 60- 64.
doi: 10.3969/j.issn.1001-2362.2013.08.035
WANG Zhengxin , LIU Sifeng . Forecasting demand of the disaster emergency supplies based on Fourier-GM(1, 1) model[J]. Systems Engineering, 2013, 31 (8): 60- 64.
doi: 10.3969/j.issn.1001-2362.2013.08.035
16 汤继生, 项达冬, 李奇, 等. 基于GIS的电网抢修车辆综合调度技术研究[J]. 电力信息与通信技术, 2016, 14 (2): 123- 127.
TANG Jisheng , XIANG Dadong , LI Qi , et al. Research on GIS-based vehicle's scheduling for power grid emergency maintenance[J]. Electric Power Information and Communication Technology, 2012, 40 (7): 19- 24.
17 SAITO H . Analysis of geometric disaster evaluation model for physical networks[J]. IEEE/ACM Transactions on Networking, 2015, 23 (6): 1777- 1789.
doi: 10.1109/TNET.2014.2339356
18 杨成月. 基于物联网与空间信息技术的电网应急指挥系统[J]. 电网技术, 2013, 37 (6): 1632- 1638.
YANG Chengyue . Power grid emergency command system based on internet of things and spatial information technologies[J]. Power System Technology, 2013, 37 (6): 1632- 1638.
19 周云海, 胡翔勇, 罗斌. 基于案例推理的大停电恢复系统设计[J]. 电力系统自动化, 2007, 31 (18): 87- 90.
doi: 10.3321/j.issn:1000-1026.2007.18.019
ZHOU Yunhai , HU Xiangyong , LUO Bin . Design of a case-based reasoning system for power system restoration[J]. Automation of Electric Power Systems, 2007, 31 (18): 87- 90.
doi: 10.3321/j.issn:1000-1026.2007.18.019
20 杨智宇, 刘俊勇, 刘友波, 等. 基于自适应深度信念网络的变电站负荷预测[J]. 中国电机工程学报, 2019, 39 (14): 4049- 4060.
YANG Zhiyu , LIU Junyong , LIU Youbo , et al. Transformer load forecasting based on adaptive deep belief network[J]. Proceedings of the CSEE, 2019, 39 (14): 4049- 4060.
21 高翔, 陈贵凤, 赵宏雷. 基于数据挖掘的电力信息系统网络安全态势评估[J]. 电测与仪表, 2019, 56 (19): 102- 106.
GAO Xiang , CHEN Guifeng , ZHAO Honglei . Network security situation assessment of power information system based on data mining[J]. Electrical Measurement & Instrumentation, 2019, 56 (19): 102- 106.
22 门永生, 朱朝阳, 于振, 等. 电网重要基础设施自然灾害脆弱性评价研究[J]. 灾害学, 2014, 29 (4): 16- 19.
doi: 10.3969/j.issn.1000-811X.2014.04.003
MEN Yongsheng , ZHU Chaoyang , YU Zhen , et al. Natural disaster vulnerability assessment of important grid infrastructure[J]. Journal of Catastrophology, 2014, 29 (4): 16- 19.
doi: 10.3969/j.issn.1000-811X.2014.04.003
23 文佳昕, 李靖涵, 行瑞星, 等. 顾及地形复杂度的多波束测深数据抽稀算法[J]. 测绘科学技术学报, 2018, 35 (4): 435- 440.
WEN Jiaxin , LI Jinghan , XING Ruixing , et al. A thinning algorithm of multibeam sounding data consi-dering the complexity of seabed terrain[J]. Journal of Geomatics Science and Technology, 2018, 35 (4): 435- 440.
24 何正义, 曾宪华, 曲省卫, 等. 基于集成深度学习的时间序列预测模型[J]. 山东大学学报(工学版), 2016, 46 (6): 40- 47.
HE Zhengyi , ZENG Xianhua , QU Shengwei , et al. The time series prediction model based on integrated deep learning[J]. Journal of Shandong University (Engineering Science), 2016, 46 (6): 40- 47.
[1] 杨修远,彭韬,杨亮,林鸿飞. 基于知识蒸馏的自适应多领域情感分析[J]. 山东大学学报 (工学版), 2021, 51(3): 15-21.
[2] 廖锦萍,莫毓昌,YAN Ke. 基于C-LSTM的短期用电预测模型和应用[J]. 山东大学学报 (工学版), 2021, 51(2): 90-97.
[3] 刘帅,王磊,丁旭涛. 基于Bi-LSTM的脑电情绪识别[J]. 山东大学学报 (工学版), 2020, 50(4): 35-39.
[4] 蔡国永,贺歆灏,储阳阳. 基于空间注意力和卷积神经网络的视觉情感分析[J]. 山东大学学报 (工学版), 2020, 50(4): 8-13.
[5] 李春阳,李楠,冯涛,王朱贺,马靖凯. 基于深度学习的洗衣机异常音检测[J]. 山东大学学报 (工学版), 2020, 50(2): 108-117.
[6] 陈德蕾,王成,陈建伟,吴以茵. 基于门控循环单元与主动学习的协同过滤推荐算法[J]. 山东大学学报 (工学版), 2020, 50(1): 21-27,48.
[7] 张继,金翠,王洪元,陈首兵. 基于奇异值分解行人对齐网络的行人重识别[J]. 山东大学学报 (工学版), 2019, 49(5): 91-97.
[8] 万鹏. 基于F-PointNet的3D点云数据目标检测[J]. 山东大学学报 (工学版), 2019, 49(5): 98-104.
[9] 梁志祥,刘晓明,牟颖,刘玉田. 基于深度学习的新能源爬坡事件预测方法[J]. 山东大学学报 (工学版), 2019, 49(5): 24-28.
[10] 刘玉田, 孙润稼, 王洪涛, 顾雪平. 人工智能在电力系统恢复中的应用综述[J]. 山东大学学报 (工学版), 2019, 49(5): 1-8.
[11] 李力钊,蔡国永,潘角. 基于C-GRU的微博谣言事件检测方法[J]. 山东大学学报 (工学版), 2019, 49(2): 102-106, 115.
[12] 张成彬,赵慧,曹宗钰. 基于深度学习的车身网络KWP2000协议漏洞挖掘[J]. 山东大学学报 (工学版), 2019, 49(2): 17-22.
[13] 侯霄雄,许新征,朱炯,郭燕燕. 基于AlexNet和集成分类器的乳腺癌计算机辅助诊断方法[J]. 山东大学学报 (工学版), 2019, 49(2): 74-79.
[14] 谢志峰,吴佳萍,马利庄. 基于卷积神经网络的中文财经新闻分类方法[J]. 山东大学学报(工学版), 2018, 48(3): 34-39.
[15] 唐乐爽,田国会,黄彬. 一种基于DSmT推理的物品融合识别算法[J]. 山东大学学报(工学版), 2018, 48(1): 50-56.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 张永花,王安玲,刘福平 . 低频非均匀电磁波在导电界面的反射相角[J]. 山东大学学报(工学版), 2006, 36(2): 22 -25 .
[2] 施来顺,万忠义 . 新型甜菜碱型沥青乳化剂的合成与性能测试[J]. 山东大学学报(工学版), 2008, 38(4): 112 -115 .
[3] 李梁,罗奇鸣,陈恩红. 对象级搜索中基于图的对象排序模型(英文)[J]. 山东大学学报(工学版), 2009, 39(1): 15 -21 .
[4] 陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[5] 王波,王宁生 . 机电装配体拆卸序列的自动生成及组合优化[J]. 山东大学学报(工学版), 2006, 36(2): 52 -57 .
[6] 李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107 -110 .
[7] 季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[8] 秦通,孙丰荣*,王丽梅,王庆浩,李新彩. 基于极大圆盘引导的形状插值实现三维表面重建[J]. 山东大学学报(工学版), 2010, 40(3): 1 -5 .
[9] 张英,郎咏梅,赵玉晓,张鉴达,乔鹏,李善评 . 由EGSB厌氧颗粒污泥培养好氧颗粒污泥的工艺探讨[J]. 山东大学学报(工学版), 2006, 36(4): 56 -59 .
[10] 王丽君,黄奇成,王兆旭 . 敏感性问题中的均方误差与模型比较[J]. 山东大学学报(工学版), 2006, 36(6): 51 -56 .