[發(fā)明專利]基于深度學習的冰災環(huán)境主動配電網(wǎng)態(tài)勢預警及評估方法

在審

• 申請?zhí)枺?/td>: 202111330411.3
• 申請日: 2021-11-11
• 公開（公告）號: CN113988273A
• 公開（公告）日: 2022-01-28
• 發(fā)明（設(shè)計）人: 李德鑫;王佳蕊;高松
• 申請（專利權(quán)）人: 國網(wǎng)吉林省電力有限公司電力科學研究院;吉林省電力科學研究院有限公司;國家電網(wǎng)有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06Q50/06;G06Q10/04;G06N3/08;G06F15/78
• 代理公司: 長春市吉利專利事務(wù)所(普通合伙) 22206
• 代理人: 李曉莉

基于深度學習的冰災環(huán)境主動配電網(wǎng)態(tài)勢預警及評估方法，屬于配電網(wǎng)態(tài)勢感知技術(shù)領(lǐng)域，本發(fā)明通過建立綜合考慮微氣象和微地形的配電網(wǎng)修正冰災故障模型，進行基于深度學習的多維度、立體化的冰災下配電網(wǎng)的態(tài)勢預警，可精準判斷冰災環(huán)境下配電網(wǎng)的薄弱環(huán)節(jié)，與此同時提出以考慮配電網(wǎng)失負荷和經(jīng)濟成本的最小函數(shù)為目標函數(shù)的主動冰災防御策略，將前述算法編輯到單片機中，設(shè)計一種配電網(wǎng)安全風險評估裝置，為配電網(wǎng)抵御冰災的威脅提供一定的解決方案。

技術(shù)領(lǐng)域

本發(fā)明屬于配電網(wǎng)態(tài)勢感知技術(shù)領(lǐng)域，特別是涉及到一種冰災環(huán)境下基于深度學習算法的主動配電網(wǎng)態(tài)勢預警與安全風險評估。

背景技術(shù)

全球氣候變化導致自然災害頻發(fā)，對電力系統(tǒng)運行造成了諸多影響。配電網(wǎng)作為連接電網(wǎng)與用戶的重要環(huán)節(jié)，研究其在災害時的運行狀態(tài)及故障情況對主動災害防御具有重要意義。配電網(wǎng)系統(tǒng)龐大，節(jié)點眾多且分布廣泛，嚴重受到用戶端影響，而且隨著大量分布式電源并網(wǎng)，配電網(wǎng)狀態(tài)更加多變，給配電網(wǎng)態(tài)勢感知帶來了更多挑戰(zhàn)。態(tài)勢感知是指在一定時空范圍內(nèi)認知、理解環(huán)境因素，并對未來的發(fā)展趨勢進行預測的技術(shù)。災害環(huán)境影響下的配電網(wǎng)態(tài)勢感知和薄弱環(huán)節(jié)辨識是一個較新的研究領(lǐng)域。現(xiàn)有文獻從技術(shù)層面深入分析、闡述了態(tài)勢感知和態(tài)勢利導的內(nèi)涵、架構(gòu)和關(guān)鍵技術(shù)，提出配電網(wǎng)態(tài)勢感知應聚焦于實時感知各種不確定因素的變化，如外部災害等。提出大電網(wǎng)在線穩(wěn)定態(tài)勢評估與自適應防御體系的整體架構(gòu)及關(guān)鍵技術(shù)。上述研究雖提出了相關(guān)技術(shù)框架，但針對具體場景均未提出相應的模型方法，還需進一步探究。

已有的態(tài)勢感知研究多集中于靜態(tài)穩(wěn)定態(tài)勢和暫態(tài)穩(wěn)定態(tài)勢。有的提出了基于模型預測控制的多時段協(xié)調(diào)動態(tài)優(yōu)化調(diào)度策略，將態(tài)勢預測應用于電網(wǎng)優(yōu)化調(diào)度中。有的提出電網(wǎng)靜態(tài)和暫態(tài)穩(wěn)定態(tài)勢評估方法，從不同角度研究電網(wǎng)態(tài)勢的在線量化評估。有的根據(jù)大量歷史數(shù)據(jù)挖掘配電網(wǎng)狀態(tài)信息，從電壓穩(wěn)定和支路功率越限角度進行態(tài)勢預判。但提出的態(tài)勢感知方法對信息利用在深度和廣度上都存在不足，缺乏針對配電網(wǎng)內(nèi)外部環(huán)境等多維度、立體化態(tài)勢感知。并且目前針對冰災對電網(wǎng)影響的研究大多局限于輸電網(wǎng)。隨著分布式能源的接入以及連鎖故障的頻發(fā)，配電網(wǎng)的安全受到了極大挑戰(zhàn)。

因此，現(xiàn)有技術(shù)中亟需一種新的技術(shù)方案來解決上述問題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：冰災環(huán)境下基于深度學習算法的主動配電網(wǎng)態(tài)勢預警與安全風險評估，通過建立綜合考慮微氣象和微地形的配電網(wǎng)修正冰災故障模型，進行基于深度學習的多維度、立體化的冰災下配電網(wǎng)的態(tài)勢預警，可精準對冰災環(huán)境下的配電網(wǎng)進行安全風險評估，與此同時提出以考慮配電網(wǎng)失負荷和經(jīng)濟成本的最小函數(shù)為目標函數(shù)的主動冰災防御策略，將前述算法編輯到單片機中，設(shè)計一種配電網(wǎng)安全風險評估裝置，為配電網(wǎng)抵御冰災的威脅提供一定的解決方案。

基于深度學習的冰災環(huán)境主動配電網(wǎng)態(tài)勢預警及評估方法，其特征是：包括以下步驟，且以下步驟順次進行，

步驟一、建立微氣象和微地形的修正覆冰模型，對沿線氣象因素辨識、利用線路架設(shè)高度和類型對覆冰預測模型修正，構(gòu)建配電網(wǎng)冰災故障概率修正預測模型；

步驟二、提出在冰災環(huán)境下基于深度學習算法的配電網(wǎng)態(tài)勢預警，進行安全風險評估指標定義，并通過對每個安全風險指標進行計算整合數(shù)據(jù)信息，分析安全風險指標相關(guān)性；

步驟三、基于所述步驟二的冰災環(huán)境下配電網(wǎng)態(tài)勢感知的深度學習算法進行配電網(wǎng)冰災故障概率實時預測，綜合態(tài)勢感知的各項安全風險指標，構(gòu)建LSCVI描述線路段的薄弱程度；

步驟四、針對所述步驟三得到的線路段薄弱程度，建立配電網(wǎng)在冰災環(huán)境下綜合考慮失負荷和經(jīng)濟成本的最小函數(shù)模型，通過Benders分解方法將MINLP模型轉(zhuǎn)換為混合整數(shù)線性規(guī)劃MILP模型；

步驟五、將所述步驟四算法編輯到單片機中，用于冰災環(huán)境主動配電網(wǎng)安全風險評估裝置。

所述步驟一配電網(wǎng)冰災故障概率修正預測模型的構(gòu)建方法包括以下步驟，