【技術實現步驟摘要】
本專利技術涉及智能配電網，具體為智能配電網防越級跳閘的故障自愈控制方法。
技術介紹
1、隨著配電網的規模不斷擴大和結構日益復雜，配電網在運行中故障的風險增加，尤其是在電力負荷不穩定、網絡通信延遲以及電網結構復雜等影響下，越級跳閘的情況時有發生，導致大范圍停電和用電安全性降低。因此，為了提升配電網的運行穩定性和抗故障能力，智能配電網的故障自愈控制技術成為研究的熱點。然而，現有技術在多個方面仍存在不足。
2、現有技術通常依賴單一傳感器監測關鍵節點數據，缺少多維度、多源數據的整合。這種單一傳感器的監測方法在故障初期容易受到噪聲干擾，導致故障檢測不及時或誤判，現有智能配電網的故障預警技術往往基于設定的規則和閾值進行判斷，缺乏預測性。規則和閾值的方法容易忽視故障發展的趨勢信息，無法提前識別故障的潛在風險，導致故障發生時系統難以及時響應，現有技術在故障隔離和拓撲重構上響應速度較慢，且在處理復雜網絡結構時協調性不足，難以保證非故障區域的供電恢復。
技術實現思路
1、針對現有技術的不足，本專利技術提供了智能配電網防越級跳閘的故障自愈控制方法，解決了智能配電網中故障檢測響應滯后、保護裝置不靈活、故障隔離和供電恢復速度慢的問題。
2、為實現以上目的，本專利技術通過以下技術方案予以實現：智能配電網防越級跳閘的故障自愈控制方法，包括以下步驟；
3、s1、通過多傳感器實時采集配電網關鍵節點的數據，并在邊緣計算節點上融合處理，實現異常檢測與初步故障分類；
4、s
5、s3、根據負荷條件動態調整保護設備的動作時間和電流閾值，進行自適應保護協調，確保最小范圍內的故障隔離，防止越級跳閘；
6、s4、通過分布式故障隔離技術實現故障區域的快速隔離，并采用圖算法進行電網拓撲重構，恢復非故障區域的供電；
7、s5、基于雙層優化模型進行負荷重構和分布式能源管理，確保非故障區域的負荷平衡；
8、s6、在各節點之間建立多通道通信網絡，確保數據傳輸的低延遲和高可靠性，實現故障信息的同步與協調控制。
9、優選的，所述步驟s1具體包括；
10、s1.1、在配電網關鍵節點安裝電流傳感器、電壓傳感器、溫度傳感器和振動傳感器，實時采集電流數據、電壓數據、溫度數據和振動數據；
11、s1.2、將采集的數據傳輸至邊緣計算節點，使用卡爾曼濾波算法對多源數據進行融合處理，以減少數據噪聲，提升數據準確性；
12、s1.3、通過孤立森林算法對融合后的數據進行異常檢測，計算異常評分，并根據評分結果判斷是否存在異常數據；
13、s1.4、在檢測到異常時，根據電流、電壓、溫度和振動特征對異常數據進行初步故障分類，判斷故障類型為短路、過載或接地故障。
14、優選的，所述步驟s2具體包括；
15、s2.1、對歷史和實時采集的電流、電壓和負荷數據進行標準化處理；
16、s2.2、利用長短期記憶網絡(lstm)模型對標準化后的時序數據進行故障趨勢預測；
17、s2.3、將lstm模型的預測結果與實際測量的電壓值和電流值進行對比，計算故障風險評分r(t)＝α·|vpred-vreal|+β·|ipred-ireal|；
18、s2.4、設定故障風險評分閾值，超過閾值時發出故障預警信號，為后續保護協調提供預警依據。
19、優選的，所述步驟s3中保護設備的動作時間和電流閾值根據實時負荷情況動態調整，動作時間的調整公式為：
20、
21、其中，t0為初始動作時間，lmax為系統的最大負荷，l(t)為當前負荷值，γ為調整系數。
22、優選的，所述步驟通過自適應保護算法對保護設備的動作時間和電流閾值進行優化，所述s3中自適應保護算法基于q-learning算法進行強化學習，q函數的更新公式為：
23、
24、其中，α為學習率，γ為折扣因子，rt為即時獎勵。
25、優選的，所述步驟s4中分布式故障隔離技術基于鄰接張量法實現，通過生成鄰接張量并設定故障區域的連接邊權值為無窮大來斷開故障節點的連接，實現故障區域的隔離。
26、優選的，所述步驟s4中拓撲重構采用基于圖的最短路徑算法，優化供電路徑以恢復非故障區域供電，最短路徑的優化公式為：
27、dij＝min(dij,dik+wkj)
28、其中，dij表示節點i到節點j的最短路徑距離，wkj為節點k和j之間的權重。
29、優選的，所述步驟，根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其中，負荷重構和分布式能源管理采用雙層優化模型實現，
30、上層模型優化目標為通過最小化負荷節點之間的功率不平衡來提高配電網的負荷平衡性，優化目標；
31、標函數為：
32、
33、其中，pi,供電表示節點i的實際供電功率，di,需求表示節點i的負荷需求功率，n為配電網中負荷節點的總數；
34、下層模型用于管理分布式能源的輸出，使分布式能源能夠根據負荷需求進行最優分配，以提高電網的自愈能力。下層模型的優化目標函數為：
35、
36、其中，表示分布式能源節點j的輸出功率，βj為分布式能源對負荷需求的滿足系數，dj,需求為分布式能源節點j所在區域的負荷需求功率，m為分布式能源節點的總數。
37、優選的，所述步驟s5中負荷重構和分布式能源管理通過拉格朗日松弛法求解，雙層優化模型通過松弛法轉化為單層優化問題，以實現負荷重構和分布式能源的協調優化。
38、優選的，所述步驟s6中多通道通信網絡的通信節點采用5g和光纖雙通道結構，確保數據傳輸的低延遲。采用ieee?1588精確時間協議實現時間同步，并基于區塊鏈技術確保故障數據在傳輸過程中的安全性和完整性。
39、本專利技術提供了智能配電網防越級跳閘的故障自愈控制方法。具備以下有益效果：
40、1、本專利技術通過采用多傳感器實時數據采集與邊緣計算節點融合處理的技術方案，實現了故障早期檢測和初步故障分類的技術效果，相較于現有技術中單一傳感器數據采集方式，本專利技術通過多源數據融合和邊緣計算提高了故障檢測的準確性和響應速度，解決了現有技術中因數據噪聲和延遲導致的檢測不準確和響應不及時的問題。
41、2、本專利技術通過采用分布式故障隔離與拓撲重構的技術方案，達到了快速隔離故障區域并實現非故障區域供電恢復的技術效果。相較于現有技術中依賴中心化控制的故障隔離方式，本專利技術通過鄰接張量法和最短路徑算法實現分布式的快速隔離和拓撲重構，解決了現有技術中因集中控制延遲或故障擴展導致的供電恢復時間長的問題。
42、3、本專利技術通過采用基于雙層優化模型的負荷重構與分布式能源管理技術方案，實現了非故障區域負荷動態平衡的技本文檔來自技高網...
【技術保護點】
1.智能配電網防越級跳閘的故障自愈控制方法，其特征在于，包括以下步驟；
2.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟S1具體包括；
3.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟S2具體包括；
4.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟S3中保護設備的動作時間和電流閾值根據實時負荷情況動態調整，動作時間的調整公式為：
5.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟通過自適應保護算法對保護設備的動作時間和電流閾值進行優化，所述S3中自適應保護算法基于Q-Learning算法進行強化學習，Q函數的更新公式為：
6.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟S4中分布式故障隔離技術基于鄰接張量法實現，通過生成鄰接張量并設定故障區域的連接邊權值為無窮大來斷開故障節點的連接，實現故障區域的隔離。
7.根據權利要求1所述的智能配
8.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟，根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其中，負荷重構和分布式能源管理采用雙層優化模型實現，
9.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟S5中負荷重構和分布式能源管理通過拉格朗日松弛法求解，雙層優化模型通過松弛法轉化為單層優化問題，以實現負荷重構和分布式能源的協調優化。
10.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟S6中多通道通信網絡的通信節點采用5G和光纖雙通道結構，確保數據傳輸的低延遲。采用IEEE?1588精確時間協議實現時間同步，并基于區塊鏈技術確保故障數據在傳輸過程中的安全性和完整性。
...【技術特征摘要】
1.智能配電網防越級跳閘的故障自愈控制方法，其特征在于，包括以下步驟；
2.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟s1具體包括；
3.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟s2具體包括；
4.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟s3中保護設備的動作時間和電流閾值根據實時負荷情況動態調整，動作時間的調整公式為：
5.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟通過自適應保護算法對保護設備的動作時間和電流閾值進行優化，所述s3中自適應保護算法基于q-learning算法進行強化學習，q函數的更新公式為：
6.根據權利要求1所述的智能配電網防越級跳閘的故障自愈控制方法，其特征在于，所述步驟s4中分布式故障隔離技術基于鄰接張量法實現，通過生成鄰接張量并設定故障區域的連接邊權值為無窮大來斷開故障節點的連接，實現故...
【專利技術屬性】
技術研發人員：李繼濤，許健宇，孫海鵬，王成松，賈書林，程學峰，
申請(專利權)人：國網黑龍江省電力有限公司齊齊哈爾供電公司，
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。