一种针对增量配电业务投资的测算模型

摘要

本发明提供了一种针对增量配电业务投资的测算模型，包括以下步骤：第一步：按照投资设定区域划分配电地区，分别对应定义平原和山区地形差异，平原定义为D平，山区定义为D山：第二步：获取第一步设定的D平和D山往年用电量数据，平原往年用电量设定为Y平，山区往年用电量设定为Y山；第三步：预计设定增量配电业务，配电网络建设所需的时间，平原时间为T平，山区时间为T山；第四步：预估增量配电投资投入，平原定义为S平，山区定义为S山；第五步：根据最大功率负载及其各类目标的特征，制定增量配电业务投资的测算模型，计算增量配电网投资净现值，克服了现有的计算不精确，配电网容易出现故障的问题，具有更好的三相负载平衡效果。

说明书

技术领域

本发明属于配电网技术领域，尤其是涉及一种针对增量配电业务投资的测算模型。

背景技术

增量配电网业务的成本核算包括人工成本和设备增设成本，电费收益是配电网投资运营者的主要收益，用电价格标准包括居民、农业、重要公用事业、公益性服务等用电，各种类型的用电价格是不同的，但是，如何合理测算增量配电业务的收益，还需要建立一个合理的计算模型，对于投资进行合理的测算。

发明内容

有鉴于此，为了克服上述缺陷，本发明旨在提出一种针对增量配电业务投资的测算模型。

为达到上述目的，本发明的技术方案是这样实现的：

一种针对增量配电业务投资的测算模型，包括以下步骤：

第一步：按照投资设定区域划分配电地区，根据输电线路10kV和35kV 线路，分别对应定义平原和山区地形差异，平原定义为D

第二步：获取第一步设定的D

第三步：预计设定增量配电业务，配电网络建设所需的时间，平原时间为T

第四步：预估增量配电投资投入，平原定义为S

第五步：根据最大功率负载及其各类目标的特征，制定增量配电业务投资的测算模型，计算增量配电网投资净现值。

进一步的，所述第一步骤中，定义平原和山区地形依据为：

输电线路分别以10kV和35kV线路为主，输电业务分电压等级，从220kV 线路到10kV，不同电压等级按照线路长度，并区分平原和山区两种类型确定定员标准。

进一步的，针对步骤第一步骤中获取的地形信息，进行相关的数据采集和数据处理，实现第二步骤中的判断往年用电量的依据。

进一步的，执行所述步骤S3前，创建机器学习模型，该机器学习模型基于步骤S2中选取的特征信息作为影响因子进行创建，利用各影响因子进行优化训练，执行步骤S3时，将区域内各特征信息带入模型中，有模型给出最可能接入的时段。

进一步的，将园区内全部目标的特征信息带入机器学习模型，由模型计算出接入时段集合，再将每个目标的功率均值带入时段集合，得出某天中的最大功率负载；

创建机器学习模型时，需结合某区域配电网至少六个月中的相关数据信息进行训练，使其得出的结果更加准确。

进一步的，所述步骤S5的具体方法如下：将机器学习模型得出数据信息发送给总控平台，总控平台根据所接收的配电网支干线路的每一相的相总负载信息进行运算处理，选择需要进行三相负载调整的配电网支干线路，在保持该配电网支干路的三相负载均衡时，确定该配电网支干线路的从相总负载信息大的相别向相总负载信息的相别需要调整的负载信息的调整量值，使配电网主干线路的三相负载平衡。

进一步的，总控中心将调整信息发送至机器学习模型，由机器学习模型给出相关处理方案。

相对于现有技术，本发明所述的针对增量配电业务投资的测算模型具有以下优势：

本发明所述的针对增量配电业务投资的测算模型更加科学、合理的实现增量型园区接入配电网的负载均衡方法，克服了现有的计算不精确，配电网容易出现故障的问题，具有更好的三相负载平衡效果。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的针对增量配电业务投资的测算模型流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，一种针对增量配电业务投资的测算模型，包括以下步骤：

第一步：按照投资设定区域划分配电地区，根据输电线路10kV和35kV 线路，分别对应定义平原和山区地形差异，平原定义为D

第二步：获取第一步设定的D

第三步：预计设定增量配电业务，配电网络建设所需的时间，平原时间为T

第四步：预估增量配电投资投入，平原定义为S

第五步：根据最大功率负载及其各类目标的特征，制定增量配电业务投资的测算模型，计算增量配电网投资净现值。

进一步的，所述第一步骤中，定义平原和山区地形依据为：

输电线路分别以10kV和35kV线路为主，输电业务分电压等级，从220kV 线路到10kV，不同电压等级按照线路长度，并区分平原和山区两种类型确定定员标准。

进一步的，针对步骤第一步骤中获取的地形信息，进行相关的数据采集和数据处理，实现第二步骤中的判断往年用电量的依据。

进一步的，执行所述步骤S3前，创建机器学习模型，该机器学习模型基于步骤S2中选取的特征信息作为影响因子进行创建，利用各影响因子进行优化训练，执行步骤S3时，将区域内各特征信息带入模型中，有模型给出最可能接入的时段。

进一步的，将园区内全部目标的特征信息带入机器学习模型，由模型计算出接入时段集合，再将每个目标的功率均值带入时段集合，得出某天中的最大功率负载；

创建机器学习模型时，需结合某区域配电网至少六个月中的相关数据信息进行训练，使其得出的结果更加准确。

进一步的，所述步骤S5的具体方法如下：将机器学习模型得出数据信息发送给总控平台，总控平台根据所接收的配电网支干线路的每一相的相总负载信息进行运算处理，选择需要进行三相负载调整的配电网支干线路，在保持该配电网支干路的三相负载均衡时，确定该配电网支干线路的从相总负载信息大的相别向相总负载信息的相别需要调整的负载信息的调整量值，使配电网主干线路的三相负载平衡。

进一步的，总控中心将调整信息发送至机器学习模型，由机器学习模型给出相关处理方案。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。