本发明涉电力系统稳定控制与辅助决策，具体为一种极端气象下电力系统稳定控制与辅助决策方法。
背景技术：
1、极端气象包括高温天气、强风暴、大雨、冰雪暴风雨和干旱，这些极端气象会对电力系统运行产生严重影响，需要利用辅助决策方法在极端气象下对电力系统进行稳定控制，在面对极端气象条件时，需要采取一系列的技术和管理措施，以保障电力系统稳定运行。
2、现有的金矿找矿方法存在的缺陷是：
3、1、专利文件us10797639b1中，公开了借助于数字计算机执行电力公司远程用户能源审计的系统和方法，其主要考虑如何与外部提供的气象数据相结合，以分析每个客户的建筑性能，并没有考虑如何实时监测和分析极端气象条件下的气象数据，为电力系统提供及时、准确的气象信息的问题；
4、2、申请文件cn115204713a中，公开了极端气象灾害下电力系统稳定控制与辅助决策方法和系统，主要考虑如何提升新型电力系统抵御极端气象灾害的防御能力的问题，并没有考虑到如何通过分析气象数据，制定针对性的稳定控制策略，确保电力系统在极端气象条件下保持安全稳定运行的问题；
5、3、传统的方法不够完善，没有考虑到如何为电力系统管理人员提供实时的气象信息和灾害预警，帮助决策者快速做出针对性的决策的问题；
6、4、传统的方法不够完善，没有考虑到如何将稳定控制模型和辅助决策支持系统集成，形成一套完整的极端气象条件下电力系统稳定控制与辅助决策方法，降低极端气象条件下的灾害损失的问题。
技术实现思路
1、本发明的目的在于提供一种极端气象下电力系统稳定控制与辅助决策方法，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：一种极端气象下电力系统稳定控制与辅助决策方法，包括决策支持系统，利用所述决策支持系统进行数据收集，所述数据收集用于收集实时数据，再将收集的数据进行数据整合，所述数据整合用于将不同来源的数据整合在一起进行实时分析；
3、所述数据整合首先需要进行数据清洗预处理，数据清洗预处理时需要利用流式处理引擎apachekafka建立实时数据流，数据会在流式处理引擎apachekafka中进行过滤、转换、聚合、计算和模型应用处理，随后进行时间序列分析，并进行数据整合，建立实时数据流，对实时数据利用实时分析算法进行提取数据的洞察，将分析后的数据利用实时分析算法进行实时数据分析，再将实时数据分析的结果进行数据可视化。
4、优选的，所述极端气象下电力系统稳定控制与辅助决策方法如下：
5、步骤s1、数据收集：利用决策支持系统从气象站、传感器和scada系统收集实时的气象数据、电力系统运行数据和负荷数据，并部署传感器和监测设备以获取电力系统负荷、发电量、电压和电流数据；
6、在关键地点建立气象监测站，用于实时监测气象参数，并利用雷达和卫星技术监测气象变化，同时建立数据库和紧急管理机构，根据气象监测站和雷达和卫星监测参数发出紧急气象警报，提醒会发生的极端气象事件。
7、优选的，所述极端气象下电力系统稳定控制与辅助决策方法还包括：
8、步骤s2、数据整合：利用决策支持系统将数据收集来的不同数据整合在一起，并将气象和电力系统数据储存在可扩展的数据库中，进行实时分析，进行实时分析的同时进行数据清洗预处理；
9、数据清洗预处理后需要进行时间序列分析，并使用使用统计分析方法来分析气象参数之间的关系和趋势，使用实时分析算法来提取有关数据的洞察；
10、再将分析后的数据进行数据可视化，将实时分析的结果利用数据可视化工具和仪表板以可视化方式呈现；
11、步骤s3、仿真模型：利用电力系统模型和仿真工具建立仿真模型，利用机器学习和模式识别进行特征提取、数据聚类和时间序列分析，同时进行预测建模、验证评估和模型部署。
12、优选的，所述极端气象下电力系统稳定控制与辅助决策方法还包括：
13、步骤s4、进行仿真模型建立后再利用燃煤、天然气、风能和太阳能作为发电能源，建立多源电力系统，在极端气象下，利用多源电力系统来平衡供应和需求，以减轻能源短缺的风险；
14、使用ami智能电表和远程监控系统进行实时监测各种能源的生产和消耗情况，依据检测的数据进行资源分配；
15、同时部署能源储存系统储存多余的电能，供需要时释放，同时设置备用发电机组，提供紧急备用电力，随后使用电力系统管理软件制定电力调度和管理策略，使不同类型的发电资源在不同条件下都能有效并网。
16、优选的，所述极端气象下电力系统稳定控制与辅助决策方法还包括：
17、步骤s5、评估决策：利用预警和决策支持系统评估电力系统在极端气象事件下的风险，并警示潜在风险和威胁，并根据气象事件和潜在风险和威胁，同时与电力系统的运行情况相结合制订应对策略。
18、优选的，所述步骤s1中，还包括如下步骤：
19、步骤s11、及时监测暴风雨、极端高温或寒冷的气象条件，预测潜在的电力系统影响；
20、气象监测站：实时监测温度、湿度、风速、风向和降水气象参数，提供及时的气象数据检测潜在的极端天气事件；
21、雷达和卫星监测：监测降水、云层和气象变化信息，帮助预警极端天气事件，使用雷达技术来监测降雨、雷暴和风暴极端气象事件；
22、气象警报系统：根据气象监测站与雷达和卫星监测参数发出紧急气象警报，提醒电力系统运营人员和相关部门关于发生的极端气象事件。
23、优选的，所述步骤s2中，还包括如下步骤：
24、步骤s21、对气象数据、电力系统的负荷、发电能力和设备状态进行分析；
25、利用流式处理引擎apachekafka设置实时数据传输通道，进行去除异常值，填补缺失值，数据格式化，并将数据储存在数据仓库中；
26、步骤s22、时间序列分析：应用时间序列分析技术来研究气象数据的时间趋势和季节性变化。
27、统计分析：使用均值、方差、相关性作为统计分析方法，来分析气象参数之间的关系和趋势；
28、实时分析算法包括实时数据挖掘、模式检测、预测分析和机器学习模型，实时数据分析通常涉及到将数据可视化，数据可视化工具和仪表板用于以易于理解的方式展示实时数据的重要指标和趋势；
29、时间序列表示为一系列观测值随时间变化的数据点，时间序列数据表示为{yt}，其中t表示时间点，yt表示在时间点t上的观测值；
30、时间序列分析的第一步是检验数据的平稳性，平稳时间序列的均值和方差在时间上是稳定的adf检验用于检验时间序列的单位根，以确定是否平稳；
31、平稳时间序列的表示通常为：yt＝μ+∈t。
32、优选的，所述步骤s3中，还包括如下步骤：
33、步骤s31、特征提取：选择温度波动和湿度变化气象特征，用于模式识别；
34、数据聚类：将相似的气象数据点聚类在一起，构建聚类图供工作人员参考；
35、时间序列分析：将季节性分解、趋势分析的时间序列应用到气象预测模型；
36、预测建模：利用气象站、传感器、scada系统、雷达和卫星提供的未来天气条件的信息，建立决策树、神经网络和支持向量机机器学习模型，并对构建的模型进行以下验证和评估：
37、(1)使用历史数据进行测试，验证模型的性能；
38、(2)采用交叉验证等技术，评估模型的泛化能力；
39、(3)评估不同气象事件对电力系统的潜在风险和威胁；
40、构建的模型和预测公式如下：
41、ar模型：yt＝c+φ1·yt-1+φ2·yt-2+…+φp·yt-p+∈t
42、ma模型：yt＝c+∈t+θ1·∈t-1+θ2·∈t-2+...+θq·∈t-q
43、arma模型包括ar和ma的组合；
44、arima模型：在arma模型的基础上引入差分运算处理非平稳时间序列，包括ar、差分阶数d和ma的组合；
45、数值天气预报模型：使用navier-stokes方程模拟大气中的风场，方程如下：
46、
47、数值天气雷达模型：基于雷达方程，其中雷达回波和降水率之间存在关系，公式如下，z＝arb
48、风速和风向预测模型的物理模型公式：v＝f(u，v，z)
49、统计模型公式：vt＝a0+a1·vt-1+a2·vt-2+...+an·vt-n
50、温度预测：用线性回归模型，形式如下：tt＝b0+b1·t+b2·t2+...+bn·tn
51、
52、相对湿度计算：
53、降水概率统计模型：
54、
55、太阳辐射模型：使用经验公式来估计日照量，形式如下：
56、i＝i0·cos(θ)·xo(-k·h)
57、大气压力和风场分析方程：
58、
59、模型部署：将通过验证和评估的模型部署到实际的气象警报系统中，以进行实时的数据分析和模式识别。
60、优选的，所述步骤s4中，还包括如下步骤：
61、步骤s41、利用电力系统管理软件使燃煤、天然气、风能和太阳能发电资源能同时并网；
62、储能的放电能力可以表示为：p_discharge＝η_d×δe/δt，其中，δe表示储能系统在时间δt内的能量变化。
63、优选的，所述步骤s4中，还包括如下步骤：
64、步骤s51、预警和决策支持系统用于警示高风速、暴雨、大雪和大雨潜在问题，对电力系统的潜在影响，并且决策支持系统会为工作人员提供建议和决策选项；
65、电力系统由一组微分方程描述：
66、其中，x是系统状态向量，u是输入向量，f是系统的动态方程；；
67、使用计算机辅助决策支持系统并考虑气象因素提供预测和建议，协助工作人员在极端气象条件下做出决策，在极端气象下，利用自动化控制系统和控制器迅速调整发电机的负荷以应对波动的电力需求；
68、控制策略是比例-积分-微分控制器，控制器的输出表示为：
69、其中ut是控制器的输出，e(t)是误差(参考值与实际值之差)，kp、ki和kd是比例、积分和微分增益；
70、利用电力平衡方程描述电力系统中电能的产生、传输和消耗之间的平衡关系，方程如下：pin＝pout+plosses；
71、pin表示电能的输入或产生，pout表示电能的输出或消耗，plosses表示电力系统中的损耗，电力平衡方程的基本原理是保持电力系统中输入和输出的能量平衡；
72、控制器模型算法如下：u(s)＝gc(s)·e(s)，其中，u(s)是控制输出，e(s)是控制误差，gc(s)是控制器的传递函数。
73、与现有技术相比，本发明的有益效果是：
74、1、本发明通过数据整合首先需要部署传感器和监测设备、在关键地点建立气象监测站、利用雷达和卫星收集实时的气象数据、电力系统运行数据和负荷数据，同时建立数据库和紧急管理机构，利用决策支持系统将数据收集来的不同数据整合在一起，并将气象和电力系统数据储存在可扩展的数据库中，进行实时分析，对数据进行数据清洗预处理，数据清洗预处理时需要利用流式处理引擎apachekafka建立实时数据流，数据会在流式处理引擎apachekafka中进行过滤、转换、聚合、计算和模型应用处理，随后进行时间序列分析，并进行数据整合，建立实时数据流，对实时数据利用实时分析算法进行提取数据的洞察，将分析后的数据利用实时分析算法进行实时数据分析，再将实时数据分析的结果进行数据可视化呈现，从而实现实时监测和分析极端气象条件下的气象数据，为电力系统提供及时、准确的气象信息。
75、2.本发明通过对气象数据、电力系统的负荷、发电能力和设备状态进行分析，利用流式处理引擎apachekafka设置实时数据传输通道，进行去除异常值，填补缺失值，数据格式化，并将数据储存在数据仓库中，将季节性分解、趋势分析的时间序列应用到气象预测模型，并在时间序列分析后，使用统计分析方法来分析气象参数之间的关系和趋势，使用均值、方差、相关性作为统计分析方法，来分析气象参数之间的关系和趋势，同时利用大气压力和风场分析方程分析气象参数，将通过验证和评估的模型部署到实际的气象警报系统中，以进行实时的数据分析和模式识别，并根据分析的数据使用电力系统管理软件制定电力调度和管理策略，并根据气象事件和潜在风险和威胁，同时与电力系统的运行情况相结合制订应对策略，从而实现通过分析气象数据，制定针对性的稳定控制策略，确保电力系统在极端气象条件下保持安全稳定运行。
76、3.本发明通过利用电力系统模型和仿真工具建立仿真模型，利用机器学习和模式识别进行特征提取、数据聚类和时间序列分析，同时进行预测建模、验证评估和模型部署，进行仿真模型建立后再利用燃煤、天然气、风能和太阳能作为发电能源，建立多源电力系统，在极端气象下，利用多源电力系统来平衡供应和需求，以减轻能源短缺的风险，利用流式处理引擎apachekafka设置实时数据传输通道，并利用气象站、传感器、scada系统、雷达和卫星提供的未来天气条件的信息，建立决策树、神经网络和支持向量机机器学习模型，并对构建的模型进行验证和评估，将通过验证和评估的模型部署到实际的气象警报系统中，以进行实时的数据分析和模式识别，从而能够为电力系统管理人员提供实时的气象信息和灾害预警模型展示，提高可视化效果，帮助决策者快速做出针对性的决策。
77、4.本发明通过利用气象站、传感器、scada系统、雷达和卫星提供的未来天气条件的信息，建立决策树、神经网络和支持向量机机器学习模型，利用预警和决策支持系统评估电力系统在极端气象事件下的风险，并警示潜在风险和威胁，并根据气象事件和潜在风险和威胁，同时与电力系统的运行情况相结合制订应对策略，使用计算机辅助决策支持系统并考虑气象因素提供预测和建议，协助工作人员在极端气象条件下做出决策，在极端气象下，利用自动化控制系统和控制器迅速调整发电机的负荷以应对波动的电力需求，将稳定控制模型和辅助决策支持系统集成，形成一套完整的极端气象条件下电力系统稳定控制与辅助决策方法，提高决策和应对效果。
1.一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：包括决策支持系统，利用所述决策支持系统进行数据收集，所述数据收集用于收集实时数据，再将收集的数据进行数据整合，所述数据整合用于将不同来源的数据整合在一起进行实时分析；所述数据整合首先需要进行数据清洗预处理，数据清洗预处理时需要利用流式处理引擎apachekafka建立实时数据流，数据会在流式处理引擎apachekafka中进行过滤、转换、聚合、计算和模型应用处理，随后进行时间序列分析，并进行数据整合，建立实时数据流，对实时数据利用实时分析算法进行提取数据的洞察，将分析后的数据利用实时分析算法进行实时数据分析，再将实时数据分析的结果进行数据可视化。
2.根据权利要求1所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述极端气象下电力系统稳定控制与辅助决策方法如下：
3.根据权利要求1所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述极端气象下电力系统稳定控制与辅助决策方法还包括：
4.根据权利要求3所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述极端气象下电力系统稳定控制与辅助决策方法还包括：
5.根据权利要求3所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述极端气象下电力系统稳定控制与辅助决策方法还包括：
6.根据权利要求2所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述步骤s1中，还包括如下步骤：
7.根据权利要求3所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述步骤s2中，还包括如下步骤：
8.根据权利要求3所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述步骤s3中，还包括如下步骤：
9.根据权利要求4所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述步骤s4中，还包括如下步骤：
10.根据权利要求5所述的一种极端气象下电力系统稳定控制与辅助决策方法，其特征在于：所述步骤s5中，还包括如下步骤：
