【技術實現步驟摘要】
考慮儲能系統的智能輸電網故障線路檢測及故障恢復方法
[0001]本專利技術屬于輸電網故障檢測
，具體涉及一種考慮儲能系統的智能輸電網故障線路檢測及故障恢復方法的設計。
技術介紹
[0002]電力輸電網作為電力系統的核心組成部分，承擔著大容量電力的傳輸任務，是電能輸送的物理通道，是連接發電、配電與用電等環節的重要紐帶。隨著技術和經濟的高速發展，人類社會對電能的依賴程度越來越高，因此電力輸電網一旦發生故障將會引起嚴重停電事故，并帶來災難性的社會影響與經濟損失。因此，輸電網的安全對于社會穩定與國民經濟至關重要。但是受天氣因素、設備壽命、系統擾動等因素影響，輸電網故障的情況時有發生。因此，及時準確地檢測輸電網的故障情況，對保證輸電網的持續可靠性供電具有重要意義。
[0003]目前，國內外學者對于輸電網故障檢測的研究工作主要集中于通過綜合利用故障事件發生后所產生的遙測量與遙信量來提高檢測方法的容錯性，以求快速準確地識別故障線路。截至目前，國內外學者對專家系統、人工神經網絡、Petri網、貝葉斯網絡與脈沖神經膜系統(Spiking Neural P System，SNPS)等方法做了大量研究與改進。
[0004]現有研究工作在一定程度上提高了故障信息的容錯能力與檢測結果的正確性，而且上述故障檢測方法都需要在故障發生后，快速高效地處理海量故障警報數據以準確地定位故障線路。但是隨著輸電網規模的日益擴大及其結構的日趨復雜，故障線路的快速識別也變得日益困難，并且故障發生后的供電中斷問題也一直尚未得到有效解決。
【技術保護點】
【技術特征摘要】
1.考慮儲能系統的智能輸電網故障線路檢測及故障恢復方法，其特征在于，包括以下步驟：S1、確定智能輸電網負荷節點的重要等級和預連接線路，并根據預連接線路數和輸電網各個負荷節點的額定參數確定各個負荷節點所配置儲能系統的額定容量；S2、在線監測輸電網各個負荷節點所配置儲能系統的儲能變化，并根據監測結果以及輸電網各個負荷節點的額定參數建立基于分層脈沖神經膜系統的故障線路檢測模型；S3、確定故障線路檢測模型中監測神經元的點火閾值；S4、根據點火閾值判斷輸電網是否存在故障線路，若是則進入步驟S5，否則返回步驟S2；S5、查詢故障線路預連接線路的條數及其相關負荷節點的運行情況，并根據查詢結果建立基于分層脈沖神經膜系統的故障恢復模型；S6、根據故障恢復模型中分層神經元的實測儲能值恢復故障線路；S7、求解故障恢復模型中監測神經元的點火情況，得到恢復供電后智能輸電網的拓撲結構。2.根據權利要求1所述的智能輸電網故障線路檢測及故障恢復方法，其特征在于，所述步驟S1包括以下分步驟：S11、確定各個負荷節點的重要等級與各個等級負荷節點所需的預連接線路數；S12、確定各個負荷節點間預連接線路的情況；S13、根據預連接線路數和輸電網各個負荷節點的額定參數確定各個負荷節點所配置儲能系統的額定容量：W
i
≥{[(a
i
+b
i
)/b
i
]+2+ρ
i
}b
i
其中W
i
表示第i個負荷節點所配置儲能系統的額定容量，a
i
,b
i
分別表示第i個負荷節點的額定輸入值和額定輸出值，ρ
i
表示第i個負荷節點的預連接線路數。3.根據權利要求1所述的智能輸電網故障線路檢測及故障恢復方法，其特征在于，所述步驟S2中建立的基于分層脈沖神經膜系統的故障線路檢測模型∏
Z
具體為：∏
Z
＝(Ο,σ1,...,σ
m
,δ1,...,δ
m
,D1,...,D
n
,syn,in,out)其中Ο＝{a}為單字母集合，a表示一個脈沖且其對應于電能傳輸或變壓器與儲能監測器間傳輸信號的單位；σ1,...,σ
m
為故障線路檢測模型∏
Z
中的m個分層神經元，對應于智能輸電網中m個負荷節點，并且每個分層神經元的形式為其中：V
i
表示第i個分層神經元的容納脈沖上限值，其取值為[0,+∞)上的實數，對應輸電網第i個負荷節點所配置儲能系統的額定容量W
i
；表示第i個分層神經元在D
n
時刻的脈沖位勢值，對應第i個負荷節點所配置儲能系統在D
n
時刻的儲能值，其取值為[0,+∞)上的實數；α
i
,β
i
分別表示第i個分層神經元的特定輸入脈沖值與特定輸出脈沖值，分別對應第i個負荷節點的額定輸入值a
i
與額定輸出值b
i
，兩者取值均為[0,+∞)上的實數；分別為第i個分層神經元在D
n
時刻的輸入脈沖值與輸出脈沖值，分別對應第i
個負荷節點在D
n
時刻的輸入功率與輸出功率，其取值均為[0,+∞)上的實數；ω
i
表示第i個分層神經元的突觸集合，其包括軸突
?
樹突突觸、軸突
?
胞體突觸和軸突
?
軸突突觸這三類突觸，且分別對應智能輸電網中的輸電線路、儲能值信號的傳輸線路和預連接線路；r
i
表示第i個分層神經元的點火規則，其形式為E/a
β
→
a
(θ,β)
，其中為點火條件，表示分層脈沖神經膜系統處于可觸發時刻點D
n
，且分層神經元內脈沖值θ≥β時才能執行點火規則，此時分層神經元σ
i
將消耗一個位勢值為β的脈沖，并產生兩個新脈沖，其中一個新脈沖位勢值為θ，并通過軸突
?
胞體突觸傳遞給其突觸后神經元，另一個新脈沖位勢值為β，并通過軸突
?
樹突突觸傳遞給其突觸后神經元；否則，該分層神經元不執行點火計算；δ1,...,δ
m
為故障線路檢測模型∏
Z
中的m個監測神經元，對應于智能輸電網中m個監測儲能系統儲能值的儀器，并且每個監測神經元的形式為δ
i
表示與第i個分層神經元σ
i
相關聯的監測神經元，其中：γ
i
表示監測神經元δ
i
的點火上限值，其取值為[0,+∞)上的實數；表示監測神經元δ
i
的輸入脈沖值，其取值為[0,+∞)上的實數；表示故障線路檢測模型∏
Z
中監測神經元內部脈沖位勢向量，1≤i≤m，其中φ
i
對應監測神經元δ
i
的內部脈沖位勢值，其取值為[0,+∞)上的實數；c
i
表示監測神經元δ
i
點火規則和遺忘規則的有限集合，其中點火規則的形式為其點火條件E＝{a
γ
}，表示當且僅當一個監測神經元的輸入脈沖值小于或等于其點火上限值γ且分層脈沖神經膜系統同時處于可點火點時，才能執行點火規則，然后產生一個單位脈沖a并立即向后傳遞給其所有突觸后神經元，若無突觸后神經元則向環境中傳遞單位脈沖a，在每次點火后都會在分層脈沖神經膜系統的細胞內積累一個單位脈沖a；遺忘規則的形式為E/a
φ
→
λ，其中λ表示空字符，執行遺忘規則后監測神經元δ
i
將消耗內部所有脈沖，并產生一個空字符λ，即消耗完細胞內所有脈沖并不產生新脈沖，當點火規則不能執行時，立即執行遺忘規則；D1,...,D
n
表示故障線路檢測模型∏
Z
的n個可觸發時刻點，并對應于監測儲能系統儲能值的儀器采集數據的時間點，其中n∈[1,+∞)；syn＝{1,2,...,m}
×
{1,2,...,m}表示神經元之間的有向突觸連接關系；in,out分別表示故障線路檢測模型∏
Z
的輸入神經元集合和輸出神經元集合。4.根據權利要求3所述的智能輸電網故障線路檢測及故障恢復方法，其特征在于，所述步驟S3包括以下分步驟：S31、獲取故障線路檢測模型中分層神經元的實測儲能值隨時間變化的關系：S32、設置負荷節點所配置儲能系統的當前存儲值不超過額定容量的約束條件：S33、結合步驟S31中分層神經元的實測儲能值隨時間變化的關系以及步驟S32中的約
束條件得到：S34、若負荷節點的輸入線路在時刻點D
n
?1與D
n
之間發生故障，則有：S35、根據步驟S33和步驟S34得到的關系式，設置點火上限值γ
i
＝V
i
?
(β
i
+α
i
)為監測神經元的點火閾值。5.根據權利要求3所述的智能輸電網故障線路檢測及故障恢復方法，其特征在于，所述步驟S4具體為：依次判斷每個分層神經元σ
i
向監測神經元δ
i
的輸出脈沖值是否高于點火閾值，若是則滿足點火條件，判定該分層神經元所對應負荷節點的輸入線路發生故障，該負荷節點為故障線路，進入步驟S5，否則輸電網不存在故障線路，返回步驟S2。6.根據權利要求1所述的智能輸電網故障線路檢測及故障恢復方法，其特征在于，所述步驟S5中建立的基于分層脈沖神經膜系統的故障恢復模型∏
H
具體為：Π
H
＝(Ο,σ1,...,σ
m
,χ1,...,χ
m
...
【專利技術屬性】
技術研發人員：王濤，黃著，吳昊，趙斌，張里，陳孝天，肖滟琳，
申請(專利權)人：國網四川省電力公司技能培訓中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。