一种变压器短路电流计算方法、装置、设备及存储介质与流程

本发明实施例涉及深度学习，具体涉及一种变压器短路电流计算方法、装置、设备及存储介质。

背景技术：

1、目前随着电网的快速发展，短路电流超标问题日益严峻，对电网及设备安全运行构成严重威胁。现代电力系统正朝着高可靠性、高效率、高单机容量和大规模电网方向发展。在变压器突发短路情况下，绕组导体会产生巨大的短路电动力，轻则使绕组绝缘及结构件受损，影响变压器的电气性能；重则使线圈严重变形，导线折断，以至使绕组烧毁，造成变压器完全损坏与电网停电的重大事故。因此，变压器的短路电流计算是相关研究的重点。

2、针对变压器短路电流的研究，梁刚等人通过电流在变压器绕组中的传变特性分析,可得出一种简便的变压器短路电流分析方法。由故障侧电流推导出绕组电流,再利用绕组电流推导出非故障侧相电流或线电流的特征，或者根据现场变压器各侧电流特征推断出故障类型及可能的故障点。对一线运行维护人员进行变压器故障性质和保护动作的快速分析与故障排除有重要作用。李龙女等人应用对称分量法和基于场路耦合的有限元分析法，对突然发生不同短路故障情况(包括单相接地短路、两相接地短路、两相相间短路和三相短路)下的变压器进行了等值电路分析和短路电流计算。仿真结果表明：单相接地短路和两相接地短路时的短路电流较大；在两相接地短路时的安匝平衡是关于矢量平衡，此时有限元分析法更适用。目前变压器短路电流计算主要根据变压器自身阻抗及系统阻抗计算短路电流，并没有考虑变压器在实际电网中的运行方式。因此，亟需提供一种技术方案解决上述技术问题。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种变压器短路电流计算方法、装置、设备及存储介质，用于解决现有技术中存在的短路电流计算的复杂度高，计算效率低的问题。

2、根据本发明实施例的一个方面，提供了一种变压器短路电流计算方法，所述方法包括：

3、基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型；其中，任一训练样本包括：任一区域的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据和变压器的实际短路电流值；

4、将待测区域的目标关键运行特性量化数据、目标故障类型量化数据和目标拓扑数据输入至所述目标图神经网络模型中，得到所述待测区域的变压器的目标短路电流值。

5、在一种可选的方式中，所述基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型的步骤，包括：

6、将每个训练样本中的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据分别输入至所述预设图神经网络进行训练，得到每个训练样本对应的第一短路电流值；

7、根据每个训练样本对应的第一短路电流值和实际短路电流值，得到每个训练样本的损失值，并基于所有的训练样本的损失值，对所述预设图神经网络的参数进行优化，得到所述优化后的图神经网络；

8、当所述优化后的图神经网络符合预设训练条件时，将所述优化后的图神经网络确定为所述目标图神经网络模型。

9、在一种可选的方式中，还包括：

10、当所述优化后的图神经网络不符合预设训练条件时，将所述优化后的图神经网络作为所述预设图神经网络，并返回执行所述将每个训练样本中的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据分别输入至所述预设图神经网络进行训练的步骤，直至所述优化后的图神经网络符合预设训练条件时，将所述优化后的图神经网络确定为所述目标图神经网络模型。

11、在一种可选的方式中，所述预设训练条件为：所述预设图神经网络的迭代训练次数达到最大迭代次数。

12、在一种可选的方式中，所述预设图神经网络的类型为：图卷积神经网络。

13、在一种可选的方式中，第一关键运行特性和目标关键运行特性的类型均包括：发电厂站出力、机端电压和变压器分接头。

14、在一种可选的方式中，第一故障类型和目标故障类型均为：单相接地短路、两相接地短路、两相相间短路或三相短路中的任意一种。

15、根据本发明实施例的另一方面，提供了一种变压器短路电流计算装置，包括：训练模块和计算模块；

16、所述训练模块，用于基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型；其中，任一训练样本包括：任一区域的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据和变压器的实际短路电流值；

17、所述计算模块，用于将待测区域的目标关键运行特性量化数据、目标故障类型量化数据和目标拓扑数据输入至所述目标图神经网络模型中，得到所述待测区域的变压器的目标短路电流值。

18、根据本发明实施例的另一方面，提供了一种变压器短路电流计算设备，包括：包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

19、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如本发明实施例的变压器短路电流计算方法的步骤。

20、根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使变压器短路电流计算装置执行如上述变压器短路电流计算方法的操作。

21、本发明实施例通过获取不同运行方式及故障类型下短路电流的动态关联特性，并使用图神经网络作为多层前馈网络获取区域的拓扑数据变化对短路电流的影响特征，提取拓扑关系及变化情况，能够通过图神经网络实现对变压器短路电流的快速计算，以此提高了短路电流的计算效率。

22、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种变压器短路电流计算方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型的步骤，包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求3所述的方法，其特征在于，所述预设训练条件为：所述预设图神经网络的迭代训练次数达到最大迭代次数。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述预设图神经网络的类型为：图卷积神经网络。

6.根据权利要求5所述的方法，其特征在于，第一关键运行特性和目标关键运行特性的类型均包括：发电厂站出力、机端电压和变压器分接头。

7.根据权利要求5所述的方法，其特征在于，第一故障类型和目标故障类型均为：单相接地短路、两相接地短路、两相相间短路或三相短路中的任意一种。

8.一种变压器短路电流计算装置，其特征在于，包括：训练模块和计算模块；

9.一种变压器短路电流计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

10.一种可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在变压器短路电流计算装置上运行时，使得变压器短路电流计算系统执行如权利要求1-7任意一项所述的变压器短路电流计算方法的操作。

技术总结
本发明实施例涉及深度学习技术领域，公开了一种变压器短路电流计算方法、装置、设备及存储介质，该方法包括：基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型；其中，任一训练样本包括：任一区域的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据和变压器的实际短路电流值；将待测区域的目标关键运行特性量化数据、目标故障类型量化数据和目标拓扑数据输入至所述目标图神经网络模型中，得到所述待测区域的变压器的目标短路电流值。应用本发明的技术方案，能够通过图神经网络实现对变压器短路电流的快速计算，以此提高了短路电流的计算效率。

技术研发人员：邹德旭,王山,洪志湖,代维菊,彭庆军,周仿荣,胡锦,徐肖伟,刘红文,史俊,郭涛,孙再超
受保护的技术使用者：云南电网有限责任公司电力科学研究院
技术研发日：
技术公布日：2024/1/12