(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111403911.5 (22)申请日 2021.11.24 (71)申请人 贵州电网有限责任公司 地址 550002 贵州省贵阳市南明区滨河路 17号 (72)发明人 范强　陈园园　赵超　张历　 刘卓娅　唐赛秋　代奇迹　冯起辉　 祝建杨　曹雷　张后谊　张迅　 古庭赟　郭莉萨　陈亚飞　肖书舟　 吕黔苏　文屹　肖宁　李博文　 万金金　黄军凯　吴建蓉　杨涛　 王冕　许逵　刘君　丁江桥　 代吉玉蕾 　余思伍　陈沛龙　 李林峰　欧阳泽宇　李鑫卓　 张俊杰　高勇　龙秋风　(74)专利代理 机构 贵阳中新专利商标事务所 52100 代理人 胡绪东 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 16/906(2019.01) G06K 9/62(2022.01) G06F 16/909(2019.01) G06F 16/29(2019.01) (54)发明名称 一种主变负载影响因素分类预测方法 (57)摘要 本发明公开了一种主变负载影响因素分类 预测方法， 该方法为： 收集数据信息， 构建主变负 载影响因素评价数据库， 通过建立考虑典型时 间、 考虑电网拓扑结构、 考虑停电计划、 考虑 主变 参数、 考虑气象信息、 考虑主变过载特性、 考虑主 变重载特性、 考虑主变负荷特性、 考虑季节特性 的主变负载影 响因素评价模型， 计算主变负载数 据信息以及主变负载影响因素分析模型的相关 系数， 根据强关联主变负载影响因素评价因子， 获得主变负载重要影响因素数据集， 并对数据集 分类， 得到预测期主变负载影 响因素评价因子预 测值。 本发 明大大提升数据预测准确率和主变负 荷预测精度， 并降低全网主变计算时会产生计算 量， 提高计算效率。 权利要求书5页 说明书10页 CN 113919596 A 2022.01.11 CN 113919596 A 1.一种主变负载影响因素分类预测方法， 其特征在于： 该方法为： 收集全面分析与主变 负载特性有关的数据信息， 构建主变负载影响因素评价数据库， 通过建立考虑典型时间的 主变负载影响因素评价模型ξ1、 考虑电网拓扑结构的主变负载影响因素评价模型ξ2、 考虑 停电计划的主变负载影响因素评价模型ξ3、 考虑主变参数 的主变负载影响因素评价模型ξ 4、 考虑气象信息的主变负载影响因素评价模型ξ5、 考虑 主变过载特性的主变负载影响因素 评价模型ξ6、 考虑主变重载特性的主变负载影响因素评价模型ξ7、 考虑主变负荷特性的主 变负载影响因素评价模型ξ8、 考虑季节特性的主变负载影响因素评价模型ξ9、 构建全面的 主变负载影响因素分析模型， 计算主变负载数据信息以及主变负载影响因素分析模型的相 关系数， 根据强关联主变负载影响因素评价因子， 获得主变负载重要影响因素数据集， 并按 照计划性和非计划性影响因子对数据集分类， 从而得到预测期主变负载影响因素评价因子 预测值。 2.根据权利要求1所述的一种 主变负载影响因素分类预测方法， 其特征在于： 该方法具 体步骤如下： 步骤1： 收集主变负载数据信息以及全面分析主变负载特性有关的数据信息， 构建主变 负载影响因素评价数据库； 步骤2： 利用步骤1得到的主变负载影响因素评价数据库， 建立考虑典型时间的主变负 载影响因素评价模型ξ 1； 步骤3： 利用步骤1得到的主变负载影响因素评价数据库， 建立考虑电网拓扑结构的主 变负载影响因素评价模型ξ2； 步骤4： 利用步骤1得到的主变负载影响因素评价数据库， 建立考虑停电计划的主变负 载影响因素评价模型ξ 3； 步骤5： 利用步骤1得到的主变负载影响因素评价数据库， 建立考虑主变参数的主变负 载影响因素评价模型ξ 4； 步骤6利用步骤1得到的主变负载影响因素评价数据库， 建立考虑气象信息的主变负载 影响因素评价模型ξ 5； 步骤7： 利用步骤1得到的主变负载影响因素评价数据库， 分析主变的过载特性， 建立考 虑主变过 载特性的主变负载影响因素评价模型ξ 6； 步骤8： 利用步骤1得到的主变负载影响因素评价数据库， 分析主变的重载特性， 建立考 虑主变重载 特性的主变负载影响因素评价模型ξ 7； 步骤9： 利用步骤1得到的主变负载影响因素评价数据库， 分析主变的负荷特性， 建立考 虑主变负荷特性的主变负载影响因素评价模型ξ8； 步骤10： 利用步骤1得到的主变负载影响因素评价数据库， 分析主变的季节特性， 建立 考虑季节特性的主变负载影响因素评价模型ξ9； 步骤11： 结合步骤2 ‑10， 构建主变负载影响因素分析模型 ψ＝{ ξ1， ξ2， ξ3， ξ4， ξ5， ξ6， ξ7， ξ8， ξ9}； 步骤12： 对主变负载影响因素分析模型ψ＝{ξ1， ξ2， ξ3， ξ4， ξ5， ξ6， ξ7， ξ8， ξ9}中的缺失 值进行处 理； 步骤13： 利用步骤12得到处理后完整的主变负载影响因素分析模型 ψaf＝{ξ1af， ξ2af， ξ 3af， ξ 4af， ξ 5af， ξ 6af， ξ 7af， ξ8af， ξ9af}进行归一 化处理；权　利　要　求　书 1/5 页 2 CN 113919596 A 2步骤14： 计算步骤1中的主变负载数据信息RLO以及步骤13得到的归一化后得到的主变 负载影响因素分析模型 ψnorm的相关系数； 步骤15： 对第i台主变负载相 关系数ri中排名前10的强关联主变负载影响因素评价因 子， 记作第i台主变负载重要影响因素 数据集θ i； 步骤16： 将步骤2 ‑10的构建主变负 载影响因素分析模型ξ1、 ξ2、 ξ3、 ξ4、 ξ5、 ξ6、 ξ7、 ξ8、 ξ9 内包含的所有评价因子进 行分类， 即分为计划性影响因素评价因子和非计划性影响因素评 价因子。 将计划性影响因素评价因子计入 ψjh＝{ ξ 1jh， ξ2jh， ξ3jh， ξ4jh， ξ5jh， ξ6jh， ξ 7jh， ξ 8jh， ξ9jh}， 将非计划数据类影响因素评价因子计入 ψfj＝{ξ1fj， ξ2fj， ξ3fj， ξ4 fj， ξ5fj， ξ 6fj， ξ 7fj， ξ8fj， ξ9fj}； 步骤17： 结合步骤15得到的对第i台主变负载相关系数ri中排名前10的强关联主变负 载影响因素评价因子， 按照 ψj h和 ψfj进行计划性影响因素评价因子和非计划性影响因素评 价因子分类， 得到的第i台主变负载相关系数ri中排名前10的强关联主变负载影响因素评 价因子中计划性影响因素评价因子 ψitj h， 得到的第i台主变负载相关系数r i中排名前10的 强关联主变负载影响因素评价因子中非计划性影响因素评价因子 ψitfj； 步骤18： 将预测周期内的第i台主变负载相 关系数ri中排名前10的强关联主变负载影 响因素评价因子中， 计划性影响因素评价因子预测数据计入 ψitj hyc； 计划性影响因素评价 因子预测数据 ψitjhyc， 即为计划性影响因素评价因子的计划数据； 步骤19： 将预测周期内的第i台主变负载相 关系数ri中排名前10的强关联主变负载影 响因素评价因子中， 非计划性影响因素评价因子预测数据计入 ψitfjyc； 步骤20： 结合步骤18和19， 获得预测周期内的第i 台主变负载相关系数ri中排名前10的 强关联主变负载影响因素评价因子预测值 ψityc＝{ ψitjhyc， ψitfjyc}。 3.根据权利要求2所述的一种主变负载影响因素分类预测方法， 其特征在于： 步骤2中 考虑典型时间的主变负载影响因素评价模型ξ 1包括长时间模型ξ 1 1和短时间评价模型ξ 12； 其中， 长时间评价模型ξ11包括春季评价因子、 夏季评价因子、 秋季评价因子、 冬季评价 因子； 短时间评价模型ξ12包括节日评价因子、 双休日评价因子、 工作日评价因子、 特殊时期 保供电评价因子 。 4.根据权利要求2所述的一种 主变负载影响因素分类预测方法， 其特征在于： 步骤3 中， 建立考虑电网拓扑结构的主变负载影响因素评价模型ξ2包括主变所在变电站的运行主变 数量评价模型ξ21， 主变所在变电站的运行母线数量评价模型ξ22， 主变所在变电站的运行 出线数量评价模型ξ23， 与主变所在变电站相邻的变电站数量评价模型ξ24， 与主变所在变 电站相邻的发电厂装机容量评价模型ξ25， 与主变所在变电站相邻的储能装置容量评价模 型ξ26； 主变所在变电站的运行主变数量评价模型ξ21包括单主变评价因子、 双主变评价因子、 三主变评价因子、 四主变评价因子、 五台及以上多 主变评价因子； 主变所在变电站的运行母线数量评价模型ξ22包括高压侧母线数量评价因子、 中压侧 母线数量评价因子、 低压侧母线数量评价因子； 主变所在变电站的运行出线数量评价模型ξ23包括高压侧出线数量评价因子、 中压侧 出线数量评价因子、 低压侧出线数量评价因子；权　利　要　求　书 2/5 页 3 CN 113919596 A 3