一种基于大数据分析的电网调度异常处理决策系

本发明属于电网调度异常处理，具体是一种基于大数据分析的电网调度异常处理决策系统。背景技术：1、随着电力行业的快速发展和智能电网建设的深入推进，电网调度作为电力系统的核心环节，其安全性和可靠性要求越来越高。然而，传统的电网调度方法主要依赖于调度员的经验和直觉，缺乏全面、准确的数据支持，导致调度决策存在较大的不确定性和风险。同时，随着电网规模的扩大和复杂性的增加，电网运行过程中产生的数据量呈指数级增长。这些数据涵盖了电网运行状态、设备健康状况、电力市场交易信息等多个方面，为电网调度提供了丰富的信息资源。然而，传统的数据处理和分析方法难以有效应对海量数据的处理需求，无法充分挖掘和利用这些数据的价值。2、近年来，大数据技术的快速发展为电网调度提供了新的解决方案。通过对电网大数据的采集、存储、分析和挖掘，可以实时监测电网运行状态，发现潜在故障隐患，预测异常事件，并为调度员提供优化调度运行方案和异常处理决策支持。基于大数据分析的电网调度异常处理决策系统应运而生，成为提升电网调度安全性和可靠性的重要手段。3、基于此，本发明提供了一种基于大数据分析的电网调度异常处理决策系统。技术实现思路1、为了解决上述方案存在的问题，本发明提供了一种基于大数据分析的电网调度异常处理决策系统。2、本发明的目的可以通过以下技术方案实现：3、一种基于大数据分析的电网调度异常处理决策系统，包括调度分析模块、数据分析模块和调度监测模块；4、所述调度分析模块用于对各电网调度节点进行调度异常分析，获得各电网调度节点的异常调度结果，所述异常调度结果包括调度正常和调度异常。5、所述数据分析模块用于对各电网调度节点的数据来源进行分析，确定对各电网调度节点的异常调度结果的信任值。6、进一步地，数据分析模块的工作方法包括：7、确定各电网调度节点对应的各数据源；8、通过预设的来源异常分析识别模型对相应数据源的采集数据进行实时分析，获得各采集数据的来源异常值，将来源异常值为1的采集数据标记为异常分析数据；9、根据异常分析数据和对应的数据源确定异常来源类型，根据异常来源类型设置对应的结果影响值；10、根据公式计算相应电网调度节点的信任值；11、式中：pxr为信任值；j表示对应的异常来源类型，j＝1、2、……、m，m为正整数，frj表示对应异常来源类型的结果影响值。12、进一步地，来源异常识别模型的表达式为13、式中：s为相应数据源的采集数据；输出数据为来源异常值1或0。14、进一步地，根据异常分析数据和数据源确定异常来源类型的方法包括：15、步骤sa1：统计各数据源具有的异常分析数据，将各异常分析数据分别作为相应的数据点；16、确定各异常分析数据对应的影响偏差值；将各数据点按照影响偏差值的大小分布到坐标轴上；17、步骤sa2：从各数据点中选择定位起点，将与定位起点最近的数据点标记为分析点；计算分析点与定位起点之间的分析差值；18、当分析差值小于阈值x1时，将分析点和定位起点之间的区间标记为定位区间；19、当分析差值不小于阈值x1时，将定位起点对应的异常分析数据标记为异常来源类型；20、步骤sa3：将与定位区间最近的数据点标记为分析点；计算分析点与定位区间之间的分析差值；21、当分析差值小于阈值x1时，根据分析点和定位区间形成新的定位区间；22、当分析差值不小于阈值x1时，将定位区间对应的各异常分析数据整合为异常来源类型；23、步骤sa4：循环步骤sa3，直到分析差值不小于阈值x1为止；24、步骤sa5：循环步骤sa2至步骤sa4，直到无定位起点为止；25、步骤sa6：根据异常分析数据与各异常来源类型进行匹配，确定对应的异常来源类型。26、进一步地，分析差值的计算公式为：27、28、式中：qp为分析差值；fz′为分析点的影响偏差值；fzi为基准点对应的影响偏差值，在步骤sa2中，基准点为定位起点；在步骤sa3中基准点为定位区间内各数据点，i＝1、2、……、n，n为正整数。29、所述调度监测模块用于对电网调度进行监测，建立电网信息模型；实时获取调度分析模块对各电网调度节点分析的异常调度结果；将获得的异常调度结果在电网信息模型中进行对应标记；30、获取数据分析模块对各异常调度结果的信任分析，获得各异常调度结果对应的信任值；将获得的信任值在电网信息模型中进行对应标记；根据各异常调度结果对应的信任值进行相应的信任处理；31、当异常调度结果为调度正常时，不进行相应操作；32、当异常调度结果为调度异常时，进行相应的决策分析，确定对应的应急处理方式，按照获得的应急处理方式进行处理。33、进一步地，根据信任值进行信任处理的方法包括：34、将各异常调度结果对应的信任值与阈值x2进行比较；35、当信任值低于阈值x2时，对相应的异常调度结果进行信任异常标记，按照预设的处理方式进行提示处理；36、当信任值不低于阈值x2时，不进行相应操作。37、进一步地，进行决策分析的方法包括：38、建立异常调度库，异常调度库用于参照数据，所述参照数据包括异常调度数据以及对应的初始评估值；39、获取异常调度数据，将异常调度数据输入到异常调度库中进行匹配，确定目标参照数据；识别目标参照数据对应的初始评估值；40、根据异常调度数据和目标参照数据确定调度差异数据，对调度差异数据进行分析，获得对应的评估修正值；41、根据公式rph＝pgs+pxa计算对应的综合评估值；42、式中：rph为综合评估值；pgs为初始评估值；pxa为评估修正值；43、根据获得的综合评估值确定对应的应急处理方式。44、与现有技术相比，本发明的有益效果是：45、通过调度分析模块、数据分析模块和调度监测模块之间的相互配合，实现对电网调度的异常识别以及确定调度异常后进行及时的决策处理，降低安全风险；通过设置数据分析模块，实现对各电网调度节点的数据源进行评估，评估各采集数据对异常调度结果的影响，以数据化的方式将影响程度进行展示，便于调度人员直观的了解各异常调度结果的可信程度，解决因为数据来源的问题导致异常调度结果错误，而调度工作人员又未及时发现，具有较大安全隐患的问题。技术特征：1.一种基于大数据分析的电网调度异常处理决策系统，其特征在于，包括调度分析模块、数据分析模块和调度监测模块；2.根据权利要求1所述的一种基于大数据分析的电网调度异常处理决策系统，其特征在于，数据分析模块的工作方法包括：3.根据权利要求2所述的一种基于大数据分析的电网调度异常处理决策系统，其特征在于，来源异常识别模型的表达式为4.根据权利要求2所述的一种基于大数据分析的电网调度异常处理决策系统，其特征在于，根据异常分析数据和数据源确定异常来源类型的方法包括：5.根据权利要求4所述的一种基于大数据分析的电网调度异常处理决策系统，其特征在于，分析差值的计算公式为：6.根据权利要求1所述的一种基于大数据分析的电网调度异常处理决策系统，其特征在于，根据信任值进行信任处理的方法包括：7.根据权利要求1所述的一种基于大数据分析的电网调度异常处理决策系统，其特征在于，进行决策分析的方法包括：技术总结本发明公开了一种基于大数据分析的电网调度异常处理决策系统，属于电网调度异常处理技术领域，包括调度分析模块、数据分析模块和调度监测模块；调度分析模块用于对各电网调度节点进行调度异常分析，获得各电网调度节点的异常调度结果；数据分析模块用于对各电网调度节点的数据来源进行分析，确定对各异常调度结果的信任值；调度监测模块用于对电网调度进行监测，建立电网信息模型；实时获取各异常调度结果；将异常调度结果在电网信息模型中进行标记；获取数据分析模块对各异常调度结果的信任分析，获得各异常调度结果的信任值；将信任值在电网信息模型中进行标记；根据各异常调度结果的信任值进行信任处理；根据异常调度结果决策分析。技术研发人员：李华峰,王富臣,曹智,李傲,江广冀,房加春,宋悦,程晓君,毛永辉,安广培,朱玉飞,赵晖,宋家宇受保护的技术使用者：国网安徽省电力有限公司淮南供电公司技术研发日：技术公布日：2024/8/16