[發(fā)明專利]電網(wǎng)韌性評(píng)估方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211247448.4
• 申請(qǐng)日: 2022-10-12
• 公開（公告）號(hào): CN116227955A
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計(jì)）人: 張國(guó)賓;屠競(jìng)哲;何劍;張一馳;李琳;冀魯豫;孫為民;張曉涵;李蘇寧;安學(xué)民;楊德龍;高艷玲
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電力科學(xué)研究院有限公司;國(guó)網(wǎng)上海市電力公司
• 主分類號(hào): G06Q10/0639
• 分類號(hào): G06Q10/0639;G06Q50/06;G06F30/20;H02J3/00;H02J3/06;G06N3/045;G06N3/0464;G06N3/08;G06F113/04
• 代理公司: 北京工信聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 11266
• 代理人: 傅婷

1.一種電網(wǎng)韌性評(píng)估方法，其特征在于，所述方法包括：

基于復(fù)雜網(wǎng)絡(luò)映射模型，選取電網(wǎng)韌性度量；

基于所述電網(wǎng)韌性度量，從時(shí)序維度構(gòu)建分階段韌性指標(biāo)；其中，所述分階段韌性指標(biāo)包括：抵御階段韌性指標(biāo)、生存階段韌性指標(biāo)、恢復(fù)階段韌性指標(biāo)和全過程韌性指標(biāo)；

通過電網(wǎng)仿真工具配合策略擬合模型分階段計(jì)算電網(wǎng)生存恢復(fù)曲線，得到所述分階段韌性指標(biāo)的數(shù)值，以用于評(píng)估電網(wǎng)韌性。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述復(fù)雜網(wǎng)絡(luò)映射模型預(yù)先采用如下方式得到：

獲取電網(wǎng)拓?fù)鋽?shù)據(jù)、靜態(tài)潮流分布數(shù)據(jù)和負(fù)荷臺(tái)賬數(shù)據(jù)；

基于所述電網(wǎng)拓?fù)鋽?shù)據(jù)、所述靜態(tài)潮流分布數(shù)據(jù)和所述負(fù)荷臺(tái)賬數(shù)據(jù)，按照電網(wǎng)拓?fù)潢P(guān)系M_t、潮流分布關(guān)系M_p和功能依賴關(guān)系M_f中復(fù)雜網(wǎng)絡(luò)建模規(guī)則，構(gòu)建電力系統(tǒng)-復(fù)雜網(wǎng)絡(luò)映射模型G_t如下：

G_t＝(V,E,L,D)；

其中，V為節(jié)點(diǎn)集，包括電網(wǎng)拓?fù)潢P(guān)系M_t中的節(jié)點(diǎn)型電網(wǎng)一次設(shè)備設(shè)施以及功能依賴關(guān)系M_f中的關(guān)鍵基礎(chǔ)設(shè)施節(jié)點(diǎn)和移動(dòng)電源節(jié)點(diǎn)；E為邊集，包括電網(wǎng)拓?fù)潢P(guān)系M_t中的支路型電網(wǎng)一次設(shè)備設(shè)施、潮流分布關(guān)系M_p中的功率流向關(guān)系以及功能依賴關(guān)系M_f中的關(guān)鍵基礎(chǔ)設(shè)施的用電負(fù)荷歸屬關(guān)系和移動(dòng)電源對(duì)負(fù)荷的定點(diǎn)支援關(guān)系；L為基于潮流分布的邊權(quán)重矩陣；D為基于功能依賴關(guān)系的依存邊矩陣。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于復(fù)雜網(wǎng)絡(luò)映射模型，選取電網(wǎng)韌性度量，包括：

對(duì)于復(fù)雜網(wǎng)絡(luò)映射模型，分別從結(jié)構(gòu)和性能兩個(gè)方面選取電網(wǎng)韌性度量，得到結(jié)構(gòu)韌性度量和功能韌性度量。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述結(jié)構(gòu)韌性度量包括：最大節(jié)點(diǎn)規(guī)模、平均節(jié)點(diǎn)規(guī)模、平均供電路徑長(zhǎng)度和平均轉(zhuǎn)供路徑數(shù)。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述功能韌性度量包括：全網(wǎng)重要負(fù)荷容量和全網(wǎng)負(fù)荷綜合價(jià)值。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述策略擬合模型包括電網(wǎng)重構(gòu)策略擬合模型、移動(dòng)電源支援策略擬合模型和故障搶修策略擬合模型三個(gè)神經(jīng)網(wǎng)絡(luò)模型，所述三個(gè)神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)預(yù)先采用如下方式得到：

獲取典型極端事件下的故障場(chǎng)景數(shù)據(jù)及與所述故障場(chǎng)景數(shù)據(jù)對(duì)應(yīng)的策略樣本數(shù)據(jù)；

利用所述故障場(chǎng)景數(shù)據(jù)及所述策略樣本數(shù)據(jù)，分別對(duì)所述三個(gè)神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)進(jìn)行優(yōu)化，得到最優(yōu)超參數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，利用所述故障場(chǎng)景數(shù)據(jù)及所述策略樣本數(shù)據(jù)，分別對(duì)所述三個(gè)神經(jīng)網(wǎng)絡(luò)模型的超參數(shù)進(jìn)行優(yōu)化，得到最優(yōu)超參數(shù)，包括：

所述三個(gè)神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)超參數(shù)分別采用下式得到：

w_s←w_s-r*L_w(θ_s),b_s←b_s-r*L_b(θ_s)；

其中：out(i)、out'(i)分別表示神經(jīng)網(wǎng)絡(luò)模型輸出中單個(gè)元素的實(shí)際值和神經(jīng)網(wǎng)絡(luò)模型輸出值；m、n表示輸出矩陣的維度；L(θ_s)、L_w(θ_s)、L_b(θ_s)表示誤差對(duì)神經(jīng)網(wǎng)絡(luò)模型超參數(shù)的梯度矩陣以及其中的w分量和b分量；r為神經(jīng)網(wǎng)絡(luò)模型超參數(shù)的更新步長(zhǎng)。