基于D5000系统的特殊模式风险管控系统的制作方法

本发明涉及电力调度，具体涉及基于d5000系统的特殊模式风险管控系统。

背景技术：

1、d5000系统是一种基于大数据和人工智能技术的智能电网调度控制系统，能够实时监控电力系统的运行状态，并进行调度和控制，确保电网的稳定性和安全性，并且具备快速检测和处理电网故障的能力，减少停电时间，提高电网的可靠性，而风险管控系统是对d5000系统的特殊模式中的潜在风险采取实时监测、评估和控制作用，用于确保d5000系统运行过程的稳定性、可靠性和决策管控的准确性。

2、现有技术存在以下不足：基于d5000系统的特殊模式风险管控系统在实际运行过程中，由于d5000系统的特殊模式可能种类繁多，数据来源多样且复杂，数据质量参差不齐，可能存在噪声、缺失值的问题，影响后续分析的准确性，以及特殊模式涉及的参数和条件各异，系统可能面临识别和分类特殊模式的困难，影响风险管控的有效性、准确性和及时性，针对特殊模式的风险评估可能受到数据质量、模型精度等因素的影响，导致评估结果不准确或偏差较大，以及对特殊模式下的风险预警机制不够灵敏或响应机制不够及时，可能导致风险发生后的处理不及时，影响生产过程的稳定性和可靠性。

3、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的是提供基于d5000系统的特殊模式风险管控系统，本发明通过设置了数据质量管理模块、特殊模式识别模块、风险评估模块、预警响应模块和风控优化决策模块，实现了综合的风险管控功能，以解决上述背景技术中的问题。

2、为了实现上述目的，本发明提供如下技术方案：基于d5000系统的特殊模式风险管控系统，包括d5000系统：通过实时监控电力系统的运行状态，并收集电力系统的电网运行数据，将收集到的电网运行数据传输到数据质量管理模块；

3、数据质量管理模块：使用数据清洗、缺失值处理、异常值检测、数据标准化算法对d5000系统传输的电网运行数据进行预处理，并建立数据质量评估模型，以评估预处理后的电网运行数据的完整性、一致性和准确性，生成高质量数据集；

4、特殊模式识别模块：建立特殊模式识别模型，使用聚类分析算法将最终的高质量数据集进行分析和特征提取，并生成特殊模式的识别结果；

5、风险评估模块：使用蒙特卡洛模拟算法，建立风险评估模型，以评估特殊模式下的风险水平，并根据特殊模式的识别结果，生成风险评估报告；

6、预警响应模块：建立预警响应模型，使用阈值触发算法根据智能电网调度控制的预警规则库和响应策略库，制定预警规则和响应策略，并根据生成的风险评估报告对比判断触发相应的预警和响应措施；

7、风控优化决策模块：使用遗传算法建立优化决策模型，模拟风险控制策略并优化风险控制措施，并输出最优风险控制策略和决策建议。

8、可选地，所述电网运行数据的收集步骤如下：

9、通过在电力系统中各个节点安装的传感器和scada监控设备收集负载变化数据、设备状态数据，分别标定为lvd和esd，以及在气象站和市场交易平台的数据源中通过外部接口而实时采集电网运行环境数据和市场运营数据，分别标定为poe和mod，则电网运行数据标定为pgod，则pgod＝{lvd、esd、poe、mod}；

10、将从d5000系统中采集到的电网运行数据pgod通过光纤、以太网的有线方式或4g/5g的无线通信网络传输到数据库中并进行存储；

11、其中，传感器包括相量测量单元pmu、温度传感器、湿度传感器和智能电表设备；

12、气象站的数据采集是通过api接口获取温度、湿度、风速的气象数据，而市场交易平台是通过外部接口获取市场交易数据和实时电价信息。

13、可选地，所述高质量数据集的获取逻辑如下：

14、将从d5000系统中采集到的电网运行数据pgod依次进行数据清洗、缺失值处理、异常值检测、数据标准化算法的预处理，其中，电网运行数据pgod数据清洗的计算公式为pgod1＝{xixi∈pgod，xi＝{lvd1、esd1、poe1、mod1}}，式中，pgod1表示为经过数据清洗处理后去除重复的电网运行数据集合，xi表示为对应电网运行数据pgod内清洗后第i个数据点元素，pgod表示为电网运行数据，{lvd1、esd1、poe1、mod1}表示为负载变化数据、设备状态数据、电网运行环境数据和市场运营数据{lvd、esd、poe、mod}清洗处理后得到的新的数据元素；

15、缺失值处理是使用均值填充算法对电网运行数据pgod填补缺失值，电网运行数据pgod缺失值处理的计算公式为式中，xi′表示为第i个数据点xi的缺失值将被填充的第i个数据点的值，n表示为电网运行数据pgod中每个数据点xi对应的总数，xi表示为清洗后第i个数据点元素；

16、异常值检测是使用3σ法则算法对电网运行数据pgod识别并处理异常值，对电网运行数据pgod异常值检测的的计算公式为式中，pgod2表示为经过异常值检测处理后电网运行数据集合，表示为电网运行数据pgod的平均值，pgod1表示为经过数据清洗处理后去除重复的电网运行数据集合，σ表示为电网运行数据pgod的标准差；

17、数据标准化是对电网运行数据pgod进行数据归一化或标准化处理，以消除量纲影响，对电网运行数据pgod数据标准化处理的的计算公式为式中，pgod3表示为经过数据标准化处理后电网运行数据集合，pgod2表示为经过异常值检测处理后电网运行数据集合，pgodmin表示为电网运行数据pgod中的最小值，pgodmax表示为电网运行数据pgod中的最大值；

18、高质量数据集是对预处理后的数据进行初步筛选整合出来获取的，即初步筛选整合的高质量数据集的公式为pgod′＝{{lvd1、esd1、poe1、mod1}n∈{pgod1pgod2pgod3}}，式中，pgod′表示为预处理后的电网运行数据数据集合中筛选获得的高质量数据集，∈表示为属于关系，{lvd1、esd1、poe1、mod1}n表示为负载变化数据、设备状态数据、电网运行环境数据和市场运营数据{lvd、esd、poe、mod}中清洗处理后得到的新的数据元素的总数集合，n表示为电网运行数据pgod中数据点的总数，{pgod1pgod2pgod3}表示为满足经过数据清洗、缺失值处理、异常值检测、数据标准化算法处理后的约束条件。

19、可选地，所述数据质量评估模型的建立步骤如下：

20、根据初步筛选整合的高质量数据集pgod′建立数据质量评估模型，评估指标包括完整性、一致性和准确性，分别标定为cp、cs、ac；

21、其中，数据质量评估的完整性cp指标计算公式为式中，pgodi表示为电网运行数据pgod非缺失值的i个数量，pgodn表示为电网运行数据pgod的n个总数；

22、数据质量评估的一致性cs计算公式为式中，npgod′表示为电网运行数据pgod满足经过数据清洗、缺失值处理、异常值检测、数据标准化算法处理后的约束条件的记录数量，npgod表示为电网运行数据pgod记录总数；

23、数据质量评估的准确性ac计算公式为acae＝pgod-pgod′，且ac＝{acae、acre}，式中，acae表示为数据准确性中的绝对误差，acre表示为数据准确性中的相对误差，pgod表示为电网运行数据pgod初始测量值，pgod′表示为电网运行数据pgod经过预处理后高质量数据集的真实值；

24、并且将根据完整性、一致性和准确性的数据质量评估模型而筛选高质量数据的计算公式为pgod″＝{cp≥cp0，ac≥ac0}，式中，pgod″表示为质量评估模型筛选高质量数据，cp、cp0分别表示为电网运行数据pgod的完整性评估值和完整性阈值，ac、ac0分别表示为电网运行数据pgod的准确性评估值和准确性阈值；

25、将初步筛选整合的高质量数据集pgod′和数据质量评估模型筛选高质量数据pgod″进行对比分析获取交集，获得最终的高质量数据pgod0＝pgod′∩pgod″，式中，pgod0表示为电网运行数据pgod最终的高质量数据，∩表示为交集计算符号。

26、可选地，所述特殊模式识别模型的建立步骤如下：

27、对数据质量管理模块中获取的最终的高质量数据集pgod0进行分析和特征提取，使用线性判别分析lda算法获得电网运行模式相关数据、标定为pgod1，则lda的计算公式为式中，pgod1表示为电网运行模式相关数据，w0表示为高质量数据集pgod0的权重值，t表示为转置，ms表示为电网运行模式的类数，表示为已知类数对应电网运行模式的样本均值，e表示为指数函数；

28、使用k-means聚类算法对电网运行模式相关数据pgod1进行聚类计算，识别电网运行模式相关数据pgod1中的潜在模式，其中，则初始聚类中心选择是将电网运行模式相关数据pgod1分成k个簇，即初始聚类中心选择计算公式为pgod1＝{c1、c2、…、ci、…、ck}，且i∈[1，k]，式中，ci表示为第i个聚类中心，k表示为聚类的总数量；

29、分配数据点到最近的聚类中心的计算公式为l(pgod1)＝mini|pgod1-ci|，式中，l(pgod1)表示为电网运行模式相关数据pgod1所属的聚类标签，mini表示为对第i个进行最小值求解的函数，|pgod1-ci|表示为电网运行模式相关数据pgod1与聚类中心ci的欧氏距离；

30、更新聚类中心的计算公式为式中，ci′表示为更新后的第i个聚类中心，ni表示为第i个聚类中数据点的数量，表示为所有数据点的集合中第i个数据点，(pgod1)i表示为聚类中心的第i个模式；

31、对聚类结果进行人工标注或自动标注，识别出具体的特殊模式，则标注聚类结果的模式公式为mj＝{(pgod1)i|(pgod1)i∈ci′}，式中，mj表示为第j类特殊模式，(pgod1)i表示为第i个模式的电网运行模式相关数据pgod1，(pgod1)i∈ci′表示为在更新后的第i个聚类中心中的电网运行模式相关数据pgod1，j表示为特殊模式的个数。

32、可选地，所述风险评估模型的建立步骤如下：

33、根据数据质量管理模块中获得的高质量数据pgod0和特殊模式识别模块中获得的特殊模式识别结果mj定义风险指标、标定为kris，包括电力系统运行的稳定性、负荷波动和电压偏差，分别标定为sb、lf、dv，即风险指标kris＝{sb、lf、dv}；

34、使用正态分布算法确定各个风险指标kris的概率分布，则正态分布的计算公式为式中，kris～n表示为对风险指标kris进行正态分布计算，表示为风险指标kris的均值，σkris2表示为风险指标kris的方差；

35、使用蒙特卡洛模拟算法模拟生成所有潜在的风险场景，蒙特卡洛模拟的计算公式为式中，r(sb)表示为在风险指标kris中电力系统运行的稳定性sb发生的风险值，p(kpis·sb)表示为同时出现风险指标kris且发生电力系统运行的稳定性sb的概率，p(kpis)表示为出现风险指标kris的概率；

36、建立风险评估模型，综合考虑各种风险指标的影响进行风险评估，风险评估的计算公式为且式中，er表示为风险指标kris的期望值，σr2表示为风险指标kris的方差。

37、可选地，所述风险评估报告的生成逻辑如下：

38、输入特殊模式识别结果mj和风险指标kris的数据；

39、使用蒙特卡洛模拟算法计算每个风险场景下的风险值，则风险值计算公式为r0＝w1×sb+w2×lf+w3×dv，式中，r0表示为风险值，w1、w2、w3分别表示为对应风险指标kris中电力系统运行的稳定性sb、负荷波动lf和电压偏差dv的权重值；

40、根据风险值r0的大小，将风险分类为低风险、中风险、高风险的不同等级，则预设低、高风险阈值为rlow、rhigh，风险等级的分类为，当r0≤rlow时，将电力系统运行的特殊模式划分为低风险状态，当rlow＜r0≤rhigh时，将电力系统运行的特殊模式划分为中风险状态，当r0＞rhigh时，将电力系统运行的特殊模式划分为高风险状态；

41、最终根据风险等级、影响范围、总体风险水平的综合评估而生成风险评估报告。

42、可选地，所述预警响应模型的建立步骤如下：

43、根据预警指标kris收集风险值r0；

44、设定每个预警指标的阈值，则预警指标kris中对应的电力系统运行的稳定性sb、负荷波动lf和电压偏差dv的阈值标定为tsb、tlf、tdv；

45、并根据设定的阈值tsb、tlf、tdv，构建预警规则，则当r(sb)≥tsb、r(lf)≥tlf、r(dv)≥tdv时，就定义触发预警；

46、再根据预警规则，当r(sb)≥tsb、r(lf)≥tlf、r(dv)≥tdv时，就定义触发预警，制定相应的响应策略，则根据实时的风险等级，动态调整预警级别并实施解决方案；

47、将预警规则和响应策略集成到预警响应模型中，确保模型能实时监控和响应。

48、可选地，所述优化决策模型的建立步骤如下：

49、收集并整理高质量数据pgod0、风险指标评估数据er、风险值r0；

50、确定最小化风险的优化目标、标定为min(hr)；

51、随机生成相应策略的初始种群、标定为x，表示不同的风险控制策略组合；

52、设计适应度函数，用于评估每个响应策略个体的优劣，则适应度函数的计算公式为f(min(hr))＝-x×r0+x×pgod0+x×er，式中，f(min(hr))表示为适应度函数的适应度值；

53、根据适应度值选择优秀个体进行繁殖；

54、对选中的优秀个体进行交叉操作，生成新的个体；

55、对新生成的个体进行变异操作，即在增加随机扰动值，获得变异个体，使得增加种群的多样性；

56、设定迭代次数达到上限的终止条件，使得适应度函数值不再显著变化；

57、在满足终止条件后，输出适应度最高的个体作为最优风险控制策略。

58、可选地，基于d5000系统的特殊模式风险管控方法，包括步骤如下：

59、s1、从d5000系统中获取实时电力系统中电网运行状态数据，并经过数据质量管理模块对电网运行状态进行预处理确保数据质量，生成高质量数据集；

60、s2、对电网运行状态数据中出现的具有风险的特殊模式进行预测和识别，获得特殊模式的识别结果；

61、s3、通过风险评估模块来评估当前和未来的电网运行风险，识别潜在的风险因素，生成风险评估报告；

62、s4、根据风险评估报告，在预警响应模块中，设定预警指标和阈值，构建预警规则，定义触发条件和响应措施，使得及时发现并响应潜在的电网异常情况并立即执行相应的响应策略；

63、s5、利用风控优化决策模块找到最优的风险控制策略，提高电网的安全性和稳定性，特殊模式风险管控系统落实控制措施，确保策略的执行效果，并进行持续改进和优化。

64、在上述技术方案中，本发明提供的技术效果和优点：

65、本发明通过设置了数据质量管理模块，实现了收集、整理、清洗和管理电网运行数据功能，确保了数据的准确性和完整性，特殊模式识别模块能够识别电网运行中的特殊模式，及时发现异常运行状态，风险评估模块对电网运行状态进行风险评估，预测潜在的风险因素，预警响应模块实时监控电网运行状态，并及时响应和执行控制措施，以及风控优化决策模块利用遗传算法，不断迭代优化，找到最优的风险控制方案，最大限度地降低电网运行风险，达到了提高数据准确性和完整性、及时识别特殊模式发现潜在风险、更加全面和准确的风险评估结果、提高了电网运行的安全性，提供了最优的风险控制方案，以减少了因异常情况导致的事故发生率。

技术特征：

1.基于d5000系统的特殊模式风险管控系统，其特征在于，包括d5000系统：通过实时监控电力系统的运行状态，并收集电力系统的电网运行数据，将收集到的电网运行数据传输到数据质量管理模块；

2.根据权利要求1所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述电网运行数据的收集步骤如下：

3.根据权利要求2所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述高质量数据集的获取逻辑如下：

4.根据权利要求3所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述数据质量评估模型的建立步骤如下：

5.根据权利要求4所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述特殊模式识别模型的建立步骤如下：

6.根据权利要求5所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述风险评估模型的建立步骤如下：

7.根据权利要求6所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述风险评估报告的生成逻辑如下：

8.根据权利要求7所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述预警响应模型的建立步骤如下：

9.根据权利要求8所述的基于d5000系统的特殊模式风险管控系统，其特征在于，所述优化决策模型的建立步骤如下：

10.根据权利要求9所述的基于d5000系统的特殊模式风险管控系统，其特征在于，基于d5000系统的特殊模式风险管控方法，包括步骤如下：

技术总结
本发明公开了基于D5000系统的特殊模式风险管控系统，涉及电力调度技术领域，包括D5000系统：通过实时监控电力系统的运行状态，并收集电力系统的电网运行数据，将收集到的电网运行数据传输到数据质量管理模块；本发明通过设置了数据质量管理模块，实现了收集、整理、清洗和管理电网运行数据功能，确保了数据的准确性和完整性，特殊模式识别模块能够识别电网运行中的特殊模式，及时发现异常运行状态，风险评估模块对电网运行状态进行风险评估，预测潜在的风险因素，预警响应模块实时监控电网运行状态，并及时响应和执行控制措施，以及风控优化决策模块利用遗传算法，不断迭代优化，找到最优的风险控制方案。

技术研发人员：周贝,狄衡彬,王文,李杜康,吴俊,陈媛媛,张兴,刘林青,袁伟,邵忠莹,李仲强,宋仁杰,刘嘉豪,阁智琪
受保护的技术使用者：合肥昱智科技有限公司
技术研发日：
技术公布日：2024/9/23