CN120033700A - 一种基于云平台的自学习式电网限流监管系统 - Google Patents

Abstract

本发明涉及智能电网技术领域，更具体地说，涉及一种基于云平台的自学习式电网限流监管系统，用于解决现有技术不能精准预测负载变化趋势，无法支持预防性维护，降低了电力系统的稳定性的问题；本发明通过负载变化预测模块收集历史运行参数并利用机器学习模型，实现对未来一天负载变化的高精度预测，实时监控并预警潜在过载风险，提高了预测准确性，支持预防性维护，增强了电力系统的可靠性和稳定性，减少了人工干预，提升了管理效率，并能灵活适应不同配电网的需求。

Description

一种基于云平台的自学习式电网限流监管系统

技术领域

本发明涉及智能电网技术领域，更具体地说，涉及一种基于云平台的自学习式电网限流监管系统。

背景技术

随着电力系统的快速发展和电力需求的不断增长，电网的安全运行成为电力行业的重要课题，传统电网监管方式存在监控效率低下、反应滞后等问题，难以满足当前电网复杂多变的需求。

参考公开号为CN114363079A的专利申请公开了一种云平台的分布式智能数据监管系统，监管系统包括：物理层、操作系统层、安全检测和加固层、安全控制层、云原生层和租户端云管平台层；所述物理层为分布式物力资源；所述操作系统层与所述物理层连接，用于管理物理的计算机资源；所述安全检测和加固层，用于对资产管理进行安全扫描；所述安全控制层与所述安全检测和加固层连接；所述云原生层与所述安全控制层连接；所述租户端云管平台层用于为多租户提供独立的资源访问平台；基于内生分层的资源监管模式，采集各层监控数据，自学习分析数据异常特征从而丰富相应的监管知识库；

但是，上述参考专利通过多层架构对云平台资源进行安全管理与监控，从物理资源到租户端全方位防护，并利用自学习机制分析异常以持续优化安全措施，但不能迅速预警潜在短路风险，降低了运维效率，不能精准预测负载变化趋势，无法支持预防性维护，降低了电力系统的稳定性，同时不能针对短路故障和过载情况制定相对应的限流措施，无法实时响应短路或过载情况，降低了运维效率和整体可靠性。

为此，我们针对上述问题提出一种基于云平台的自学习式电网限流监管系统。

发明内容

本发明的目的在于提供一种基于云平台的自学习式电网限流监管系统，解决了现有技术不能迅速预警潜在短路风险，降低了运维效率，不能精准预测负载变化趋势，无法支持预防性维护，降低了电力系统的稳定性，同时不能针对短路故障和过载情况制定相对应的限流措施，无法实时响应短路或过载情况，降低了运维效率和整体可靠性的问题。

本发明的目的通过以下技术方案实现：

一种基于云平台的自学习式电网限流监管系统，包括云管理平台、数据采集模块、短路风险监测模块、负载变化预测模块以及限流策略生成模块；

数据采集模块，用于实时采集配电网的运行参数，对采集的运行参数进行预处理操作；

短路风险监测模块，用于实时采集配电网的短路评估参数，对配电网的短路故障进行监测评估；

负载变化预测模块，用于收集配电网的历史运行参数，构建负载变化预测模型，通过模型预测未来一天内的负载变化趋势，根据预测结果识别潜在的过载风险；

限流策略生成模块，用于根据配电网的短路故障评估结果和负载变化预测结果，生成最优的限流策略。

作为本发明的一种优选实施方式，所述短路风险监测模块对配电网的短路故障进行监测评估的具体过程如下：

获取配电网的短路评估参数，短路评估参数包括运行电流、运行电压、绝缘电阻以及关键电气组件温度，生成监测周期ZQ，将监测周期ZQ划分为多个监测时段{zq1,zq2,…,zqn}，即ZQ={zq1,zq2,…,zqn}；

获取配电网在监测周期内的运行电流失衡值，运行电流失衡值表示各个监测时段内运行电流变动差值大于预设运行电流变动差值阈值的部分与运行电流变动差值之间的比值，运行电流变动差值表示运行电流的最大值和最小值之间的差值，将运行电流失衡值标记为DLS；

获取配电网在监测周期内的运行电压失衡值，运行电压失衡值表示各个监测时段内运行电压变动差值大于预设运行电压变动差值阈值的部分与运行电压变动差值之间的比值，运行电压变动差值表示运行电压的最大值和最小值之间的差值，将运行电压失衡值标记为DYS。

作为本发明的一种优选实施方式，获取配电网在监测周期内的绝缘电阻失衡值，绝缘电阻失衡值表示各个监测时段内绝缘电阻变动差值大于预设绝缘电阻变动差值阈值的部分与绝缘电阻变动差值之间的比值，绝缘电阻变动差值表示绝缘电阻的最大值和最小值之间的差值，将绝缘电阻失衡值标记为JZS；

获取配电网在监测周期内的关键电气组件温度失衡值，关键电气组件温度失衡值表示各个监测时段内关键电气组件温度变动差值大于预设关键电气组件温度变动差值阈值的部分与关键电气组件温度变动差值之间的比值，关键电气组件变动差值表示关键电气组件温度的最大值和最小值之间的差值，将关键电气组件温度失衡值标记为ZWS。

作为本发明的一种优选实施方式，获取到运行电流失衡值DLS、运行电压失衡值DYS、绝缘电阻失衡值JZS以及关键电气组件温度失衡值ZWS，通过以下公式计算短路故障评定系数DGP：

；

其中c1、c2、c3以及c4均为预设比例因子系数，c4＞c3＞c2＞c1＞0，将短路故障评定系数DGP与预设短路故障评定系数阈值进行比较：

若短路故障评定系数DGP小于预设短路故障评定系数阈值，则表明配电网处于正常运行状态；

若短路故障评定系数DGP大于等于预设短路故障评定系数阈值，则表明配电网处于短路故障状态。

作为本发明的一种优选实施方式，所述负载变化预测模块构建负载变化预测模型并通过模型预测未来一天内的负载变化趋势的具体过程如下：

获取配电网的历史运行参数，运行参数包括运行电流、运行电压、运行功率、运行负载、功率因数以及环境温度，生成收集周期，收集周期时长为一年，将收集周期等分为k个收集时段,将每个收集时段等分为m个连续的子周期，并标记出每一个子周期的中点时刻，获得m个中点时刻；

以m个中点时刻为基点，分别向前和向后等时长扩展，标记出s-1个扩展时刻，并将中点时刻和s-1个扩展时刻汇总后，获得s个检测时刻；

通过测量仪器分别测量在s个检测时刻的运行电流值，获得s个检测运行电流值，并将s个检测运行电流值累加后求平均，获得m个子运行电流值。

作为本发明的一种优选实施方式，子运行电流值的表达式为：

；

式中，ZDL_zm为第m个子周期的子运行电流值，ZDL_jcmn为第m个子周期的第n个检测运行电流值；

去掉子运行电流值的最大值和最小值，将余下的m-2个子运行电流值累加后求平均，获得运行电流均值；

运行电流均值的表达式为：；

式中，DL_yj为运行电流均值，ZDL_zp为第p个子周期的子运行电流值。

作为本发明的一种优选实施方式，使用计算出运行电流均值的方法同理可得到运行电压均值DY_yj、运行功率均值GL_yj、运行负载均值FZ_yj、功率因数均值GY_yj以及环境温度均值HW_yj，将运行电流均值DL_yj、运行电压均值DY_yj、运行功率均值GL_yj、运行负载均值FZ_yj、功率因数均值GY_yj以及环境温度均值HW_yj组合构建负载变化的预测矩阵FBY，将预测矩阵FBY作为机器学习模型的输入，并将每组预测矩阵FBY对应的未来一天内的负载变化矩阵作为机器学习模型的输出，以未来一天内的负载变化矩阵为预测目标，以最小所有训练数据的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，得到负载变化预测模型。

作为本发明的一种优选实施方式，负载变化预测模型表示公式如下：

；

其中FZJ表示未来一天内的负载变化矩阵，β1、β2、β3、β4、β5以及β6均为回归系数，δ为随机误差项，∆FBn表示未来一天内第n个时段内的负载变化量；

获取配电网的实时运行参数，将其转换成对应的预测矩阵FBY输入负载变化预测模型中，通过负载变化预测模型得到未来一天内的实时负载变化矩阵FZJ，并将实时负载变化矩阵FZJ中的负载变化量与预设负载变化阈值进行比较：

若∆FBn小于预设负载变化阈值，则表明配电网处于正常运行状态；

若∆FBn大于等于预设负载变化阈值，则表明配电网处于过载运行状态。

作为本发明的一种优选实施方式，所述限流策略生成模块生成最优的限流策略的具体过程如下：

获取配电网的短路故障评估结果和负载变化预测结果，短路故障评估结果为当前配电网是否处于短路故障状态，负载变化预测结果为未来一天内配电网在不同时段是否处于过载运行状态，根据配电网的短路故障评估结果和负载变化预测结果，生成最优的限流策略；

将生成的限流策略发送给云管理平台，云管理平台在接收到限流策略后立即发送相应控制指令给执行机构进行执行。

作为本发明的一种优选实施方式，限流策略的具体内容为：

短路故障状态下的限流策略：

限流阈值设定：根据短路电流大小I_d和额定电流I_e，设置限流阈值I_x，通过以下公式计算限流阈值I_x：

I_x=f·I_e，其中f为安全系数，f=0.8；

限流时段划分：限流时段为短路故障发生期间，直至故障消除；

限流动作：使用断路器快速断开故障线路，通过自动切换装置切换到备用电源，在故障线路中串联限流电抗器，限制短路电流；

过载运行状态下的限流策略：

限流阈值设置：根据预测负载P_y和额定容量P_e，设置限流阈值P_x，通过以下公式计算限流阈值P_x：

P_x=P_e-∆P，其中∆P为安全裕量；

限流时段划分：根据预测结果，划分限流时段，若预测过载时段为t1至t2，则限流时段设置为t1-∆t至t2+∆t，其中∆t为缓冲时间；

限流动作：通过负荷转移装置将部分负载转移至其他线路，在过载时段启用储能系统提供额外电力，通过需求响应系统通知用户减少用电负荷。

相比于现有技术，本发明的优点在于：

（1）本发明中，通过短路风险监测模块实时采集配电网的关键参数，计算失衡值并得出短路故障评定系数，具备高精确度和实时响应能力，能够迅速预警潜在短路风险，支持预防性维护，其量化分析增强了系统可靠性，灵活适应不同场景，并减少了人工干预，提升了运维效率；

（2）本发明中，通过负载变化预测模块收集历史运行参数并利用机器学习模型，实现对未来一天负载变化的高精度预测，实时监控并预警潜在过载风险，提高了预测准确性，支持预防性维护，增强了电力系统的可靠性和稳定性，减少了人工干预，提升了管理效率，并能灵活适应不同配电网的需求；

（3）本发明中，通过限流策略生成模块针对短路故障和过载情况制定具体的限流措施，保证了系统的高安全性，能够实时响应短路或过载情况，迅速作出反应以最小化对电网的影响，通过合理分配负载和启用备用电源，优化了资源利用，提高了系统效率，根据实际情况灵活调整限流阈值和缓冲时间，适应不同的电网环境，减少了人工干预的需求，提升了运维效率和整体可靠性。

附图说明

图1为本发明中实施例一的系统框图；

图2为本发明中实施例二的系统框图；

图3为本发明实施例一中的逻辑流程示意图。

具体实施方式

下面将结合本发明实施例中的附图；对本发明实施例中的技术方案进行清楚、完整地描述；显然；所描述的实施例仅仅是本发明一部分实施例；而不是全部的实施例，基于本发明中的实施例；本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例；都属于本发明保护的范围。

实施例一：如图1和图3所示，本发明提出的一种基于云平台的自学习式电网限流监管系统，包括云管理平台、数据采集模块、短路风险监测模块、负载变化预测模块以及限流策略生成模块；

云管理平台与数据采集模块、短路风险监测模块、负载变化预测模块以及限流策略生成模块均单向通讯连接，限流策略生成模块与短路风险监测模块、负载变化预测模块均单向通讯连接；

数据采集模块，用于实时采集配电网的运行参数，对采集的运行参数进行预处理操作，预处理操作包括但不限于数据清洗、滤波处理以及归一化处理；

数据采集模块通过实时获取并预处理配电网的运行参数，包括数据清洗、滤波和归一化，从而提升电力系统可靠性和效率，这些预处理步骤保证了数据的准确性、清晰度和一致性，支持更高效的分析与决策，优化资源配置，并降低运营成本。

短路风险监测模块，用于实时采集配电网的短路评估参数，对配电网的短路故障进行监测评估；

短路风险监测模块对配电网的短路故障进行监测评估的具体过程如下：

获取配电网的短路评估参数，短路评估参数包括运行电流、运行电压、绝缘电阻以及关键电气组件温度，生成监测周期ZQ，将监测周期ZQ划分为多个监测时段{zq1,zq2,…,zqn}，即ZQ={zq1,zq2,…,zqn}；

获取配电网在监测周期内的运行电流失衡值，运行电流失衡值表示各个监测时段内运行电流变动差值大于预设运行电流变动差值阈值的部分与运行电流变动差值之间的比值，运行电流变动差值表示运行电流的最大值和最小值之间的差值，将运行电流失衡值标记为DLS；

获取配电网在监测周期内的运行电压失衡值，运行电压失衡值表示各个监测时段内运行电压变动差值大于预设运行电压变动差值阈值的部分与运行电压变动差值之间的比值，运行电压变动差值表示运行电压的最大值和最小值之间的差值，将运行电压失衡值标记为DYS；

获取配电网在监测周期内的绝缘电阻失衡值，绝缘电阻失衡值表示各个监测时段内绝缘电阻变动差值大于预设绝缘电阻变动差值阈值的部分与绝缘电阻变动差值之间的比值，绝缘电阻变动差值表示绝缘电阻的最大值和最小值之间的差值，将绝缘电阻失衡值标记为JZS；

获取配电网在监测周期内的关键电气组件温度失衡值，关键电气组件温度失衡值表示各个监测时段内关键电气组件温度变动差值大于预设关键电气组件温度变动差值阈值的部分与关键电气组件温度变动差值之间的比值，关键电气组件变动差值表示关键电气组件温度的最大值和最小值之间的差值，将关键电气组件温度失衡值标记为ZWS；

获取到运行电流失衡值DLS、运行电压失衡值DYS、绝缘电阻失衡值JZS以及关键电气组件温度失衡值ZWS，通过以下公式计算短路故障评定系数DGP：

；

其中c1、c2、c3以及c4均为预设比例因子系数，c4＞c3＞c2＞c1＞0，将短路故障评定系数DGP与预设短路故障评定系数阈值进行比较：

若短路故障评定系数DGP小于预设短路故障评定系数阈值，则表明配电网处于正常运行状态；

若短路故障评定系数DGP大于等于预设短路故障评定系数阈值，则表明配电网处于短路故障状态；

通过短路风险监测模块实时采集配电网的关键参数，计算失衡值并得出短路故障评定系数，具备高精确度和实时响应能力，能够迅速预警潜在短路风险，支持预防性维护，其量化分析增强了系统可靠性，灵活适应不同场景，并减少了人工干预，提升了运维效率。

负载变化预测模块，用于收集配电网的历史运行参数，构建负载变化预测模型，通过模型预测未来一天内的负载变化趋势，根据预测结果识别潜在的过载风险；

负载变化预测模块构建负载变化预测模型并通过模型预测未来一天内的负载变化趋势的具体过程如下：

获取配电网的历史运行参数，运行参数包括运行电流、运行电压、运行功率、运行负载、功率因数以及环境温度，生成收集周期，收集周期时长为一年，将收集周期等分为k个收集时段,将每个收集时段等分为m个连续的子周期，并标记出每一个子周期的中点时刻，获得m个中点时刻；

以m个中点时刻为基点，分别向前和向后等时长扩展，标记出s-1个扩展时刻，并将中点时刻和s-1个扩展时刻汇总后，获得s个检测时刻；

通过测量仪器分别测量在s个检测时刻的运行电流值，获得s个检测运行电流值，并将s个检测运行电流值累加后求平均，获得m个子运行电流值；

子运行电流值的表达式为：；

式中，ZDL_zm为第m个子周期的子运行电流值，ZDL_jcmn为第m个子周期的第n个检测运行电流值；

去掉子运行电流值的最大值和最小值，将余下的m-2个子运行电流值累加后求平均，获得运行电流均值；

运行电流均值的表达式为：；

式中，DL_yj为运行电流均值，ZDL_zp为第p个子周期的子运行电流值；

使用计算出运行电流均值的方法同理可得到运行电压均值DY_yj、运行功率均值GL_yj、运行负载均值FZ_yj、功率因数均值GY_yj以及环境温度均值HW_yj，将运行电流均值DL_yj、运行电压均值DY_yj、运行功率均值GL_yj、运行负载均值FZ_yj、功率因数均值GY_yj以及环境温度均值HW_yj组合构建负载变化的预测矩阵FBY，将预测矩阵FBY作为机器学习模型的输入，并将每组预测矩阵FBY对应的未来一天内的负载变化矩阵作为机器学习模型的输出，以未来一天内的负载变化矩阵为预测目标，以最小所有训练数据的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，得到负载变化预测模型；

负载变化预测模型表示公式如下：

；

其中FZJ表示未来一天内的负载变化矩阵，β1、β2、β3、β4、β5以及β6均为回归系数，δ为随机误差项，∆FBn表示未来一天内第n个时段内的负载变化量；

获取配电网的实时运行参数，将其转换成对应的预测矩阵FBY输入负载变化预测模型中，通过负载变化预测模型得到未来一天内的实时负载变化矩阵FZJ，并将实时负载变化矩阵FZJ中的负载变化量与预设负载变化阈值进行比较：

若∆FBn小于预设负载变化阈值，则表明配电网处于正常运行状态；

若∆FBn大于等于预设负载变化阈值，则表明配电网处于过载运行状态；

通过负载变化预测模块收集历史运行参数并利用机器学习模型，实现对未来一天负载变化的高精度预测，实时监控并预警潜在过载风险，提高了预测准确性，支持预防性维护，增强了电力系统的可靠性和稳定性，减少了人工干预，提升了管理效率，并能灵活适应不同配电网的需求。

实施例二：本发明实施例区别于实施例一的技术方案在于：

如图2所示，限流策略生成模块，用于根据配电网的短路故障评估结果和负载变化预测结果，生成最优的限流策略；

限流策略生成模块生成最优的限流策略的具体过程如下：

获取配电网的短路故障评估结果和负载变化预测结果，短路故障评估结果为当前配电网是否处于短路故障状态，负载变化预测结果为未来一天内配电网在不同时段是否处于过载运行状态，根据配电网的短路故障评估结果和负载变化预测结果，生成最优的限流策略；

将生成的限流策略发送给云管理平台，云管理平台在接收到限流策略后立即发送相应控制指令给执行机构进行执行；

限流策略的具体内容为：

短路故障状态下的限流策略：

限流阈值设定：根据短路电流大小I_d和额定电流I_e，设置限流阈值I_x，通过以下公式计算限流阈值I_x：

I_x=f·I_e，其中f为安全系数，f=0.8，f的具体数值根据实际情况进行赋值；

限流时段划分：限流时段为短路故障发生期间，直至故障消除；

限流动作：使用断路器（如真空断路器、SF6断路器）快速断开故障线路，通过自动切换装置切换到备用电源（如柴油发电机、储能系统），在故障线路中串联限流电抗器，限制短路电流；

过载运行状态下的限流策略：

限流阈值设置：根据预测负载P_y和额定容量P_e，设置限流阈值P_x，通过以下公式计算限流阈值P_x：

P_x=P_e-∆P，其中∆P为安全裕量，∆P的具体数值根据实际情况进行赋值；

限流时段划分：根据预测结果，划分限流时段，若预测过载时段为t1至t2，则限流时段设置为t1-∆t至t2+∆t，其中∆t为缓冲时间，∆t的具体数值根据实际情况进行赋值；

限流动作：通过负荷转移装置将部分负载转移至其他线路，在过载时段启用储能系统（如锂电池储能系统）提供额外电力，通过需求响应系统通知用户减少用电负荷；

通过限流策略生成模块针对短路故障和过载情况制定具体的限流措施，保证了系统的高安全性，能够实时响应短路或过载情况，迅速作出反应以最小化对电网的影响，通过合理分配负载和启用备用电源，优化了资源利用，提高了系统效率，根据实际情况灵活调整限流阈值和缓冲时间，适应不同的电网环境，减少了人工干预的需求，提升了运维效率和整体可靠性。

以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其改进构思加以等同替换或改变，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种基于云平台的自学习式电网限流监管系统，其特征在于，包括云管理平台、数据采集模块、短路风险监测模块、负载变化预测模块以及限流策略生成模块；

数据采集模块，用于实时采集配电网的运行参数，对采集的运行参数进行预处理操作；

短路风险监测模块，用于实时采集配电网的短路评估参数，对配电网的短路故障进行监测评估；

负载变化预测模块，用于收集配电网的历史运行参数，构建负载变化预测模型，通过模型预测未来一天内的负载变化趋势，根据预测结果识别潜在的过载风险；

限流策略生成模块，用于根据配电网的短路故障评估结果和负载变化预测结果，生成最优的限流策略。

2.根据权利要求1所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，所述短路风险监测模块对配电网的短路故障进行监测评估的具体过程如下：

获取配电网的短路评估参数，短路评估参数包括运行电流、运行电压、绝缘电阻以及关键电气组件温度，生成监测周期ZQ，将监测周期ZQ划分为多个监测时段{zq1,zq2,…,zqn}，即ZQ={zq1,zq2,…,zqn}；

获取配电网在监测周期内的运行电流失衡值，运行电流失衡值表示各个监测时段内运行电流变动差值大于预设运行电流变动差值阈值的部分与运行电流变动差值之间的比值，运行电流变动差值表示运行电流的最大值和最小值之间的差值，将运行电流失衡值标记为DLS；

获取配电网在监测周期内的运行电压失衡值，运行电压失衡值表示各个监测时段内运行电压变动差值大于预设运行电压变动差值阈值的部分与运行电压变动差值之间的比值，运行电压变动差值表示运行电压的最大值和最小值之间的差值，将运行电压失衡值标记为DYS。

3.根据权利要求2所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，获取配电网在监测周期内的绝缘电阻失衡值，绝缘电阻失衡值表示各个监测时段内绝缘电阻变动差值大于预设绝缘电阻变动差值阈值的部分与绝缘电阻变动差值之间的比值，绝缘电阻变动差值表示绝缘电阻的最大值和最小值之间的差值，将绝缘电阻失衡值标记为JZS；

获取配电网在监测周期内的关键电气组件温度失衡值，关键电气组件温度失衡值表示各个监测时段内关键电气组件温度变动差值大于预设关键电气组件温度变动差值阈值的部分与关键电气组件温度变动差值之间的比值，关键电气组件变动差值表示关键电气组件温度的最大值和最小值之间的差值，将关键电气组件温度失衡值标记为ZWS。

4.根据权利要求3所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，获取到运行电流失衡值DLS、运行电压失衡值DYS、绝缘电阻失衡值JZS以及关键电气组件温度失衡值ZWS，通过以下公式计算短路故障评定系数DGP：

；

其中c1、c2、c3以及c4均为预设比例因子系数，c4＞c3＞c2＞c1＞0，将短路故障评定系数DGP与预设短路故障评定系数阈值进行比较：

若短路故障评定系数DGP小于预设短路故障评定系数阈值，则表明配电网处于正常运行状态；

若短路故障评定系数DGP大于等于预设短路故障评定系数阈值，则表明配电网处于短路故障状态。

5.根据权利要求1所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，所述负载变化预测模块构建负载变化预测模型并通过模型预测未来一天内的负载变化趋势的具体过程如下：

获取配电网的历史运行参数，运行参数包括运行电流、运行电压、运行功率、运行负载、功率因数以及环境温度，生成收集周期，收集周期时长为一年，将收集周期等分为k个收集时段,将每个收集时段等分为m个连续的子周期，并标记出每一个子周期的中点时刻，获得m个中点时刻；

以m个中点时刻为基点，分别向前和向后等时长扩展，标记出s-1个扩展时刻，并将中点时刻和s-1个扩展时刻汇总后，获得s个检测时刻；

通过测量仪器分别测量在s个检测时刻的运行电流值，获得s个检测运行电流值，并将s个检测运行电流值累加后求平均，获得m个子运行电流值。

6.根据权利要求5所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，子运行电流值的表达式为：；

式中，ZDL_zm为第m个子周期的子运行电流值，ZDL_jcmn为第m个子周期的第n个检测运行电流值；

去掉子运行电流值的最大值和最小值，将余下的m-2个子运行电流值累加后求平均，获得运行电流均值；

运行电流均值的表达式为：；

式中，DL_yj为运行电流均值，ZDL_zp为第p个子周期的子运行电流值。

7.根据权利要求6所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，使用计算出运行电流均值的方法同理可得到运行电压均值DY_yj、运行功率均值GL_yj、运行负载均值FZ_yj、功率因数均值GY_yj以及环境温度均值HW_yj，将运行电流均值DL_yj、运行电压均值DY_yj、运行功率均值GL_yj、运行负载均值FZ_yj、功率因数均值GY_yj以及环境温度均值HW_yj组合构建负载变化的预测矩阵FBY，将预测矩阵FBY作为机器学习模型的输入，并将每组预测矩阵FBY对应的未来一天内的负载变化矩阵作为机器学习模型的输出，以未来一天内的负载变化矩阵为预测目标，以最小所有训练数据的预测误差之和作为训练目标，对机器学习模型进行训练，直至预测误差之和达到收敛时停止训练，得到负载变化预测模型。

8.根据权利要求7所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，负载变化预测模型表示公式如下：

；

其中FZJ表示未来一天内的负载变化矩阵，β1、β2、β3、β4、β5以及β6均为回归系数，δ为随机误差项，∆FBn表示未来一天内第n个时段内的负载变化量；

获取配电网的实时运行参数，将其转换成对应的预测矩阵FBY输入负载变化预测模型中，通过负载变化预测模型得到未来一天内的实时负载变化矩阵FZJ，并将实时负载变化矩阵FZJ中的负载变化量与预设负载变化阈值进行比较：

若∆FBn小于预设负载变化阈值，则表明配电网处于正常运行状态；

若∆FBn大于等于预设负载变化阈值，则表明配电网处于过载运行状态。

9.根据权利要求1所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，所述限流策略生成模块生成最优的限流策略的具体过程如下：

获取配电网的短路故障评估结果和负载变化预测结果，短路故障评估结果为当前配电网是否处于短路故障状态，负载变化预测结果为未来一天内配电网在不同时段是否处于过载运行状态，根据配电网的短路故障评估结果和负载变化预测结果，生成最优的限流策略；

将生成的限流策略发送给云管理平台，云管理平台在接收到限流策略后立即发送相应控制指令给执行机构进行执行。

10.根据权利要求9所述的一种基于云平台的自学习式电网限流监管系统，其特征在于，限流策略的具体内容为：

短路故障状态下的限流策略：

限流阈值设定：根据短路电流大小I_d和额定电流I_e，设置限流阈值I_x，通过以下公式计算限流阈值I_x：

I_x=f·I_e，其中f为安全系数，f=0.8；

限流时段划分：限流时段为短路故障发生期间，直至故障消除；

限流动作：使用断路器快速断开故障线路，通过自动切换装置切换到备用电源，在故障线路中串联限流电抗器，限制短路电流；

过载运行状态下的限流策略：

限流阈值设置：根据预测负载P_y和额定容量P_e，设置限流阈值P_x，通过以下公式计算限流阈值P_x：

P_x=P_e-∆P，其中∆P为安全裕量；

限流时段划分：根据预测结果，划分限流时段，若预测过载时段为t1至t2，则限流时段设置为t1-∆t至t2+∆t，其中∆t为缓冲时间；

限流动作：通过负荷转移装置将部分负载转移至其他线路，在过载时段启用储能系统提供额外电力，通过需求响应系统通知用户减少用电负荷。