一种针对电网多点故障恢复的次序优化决策方法与流程

1.本发明涉及电网故障恢复领域，尤其涉及一种针对电网多点故障恢复的次序优化决策方法。


背景技术：

2.近年来，随着社会经济的高速发展，我国对电力的需求也日益增长，现代电网结构越来越复杂，规模越来越庞大，维持系统安全和经济运行的难度随之增大。庞大的规模和复杂的结构，导致电网故障时有发生。同时，不同电网间联系愈加紧密，故障发生后可能引发“链式反应”，导致大停电事故的发生，带来无法估计的损失。
3.当发生大停电事故时，由于要综合考虑用户优先等级、开关操作次数、馈线裕度、负荷恢复量等因素，电网故障恢复是一个多目标、多约束的非线性组合优化问题。目前，电网故障恢复主要由电网调度人员负责，电网调度人员根据个人以往调度经验，发布电网调度指令，对事故现场进行远程操作，故障恢复的实际效果直接取决于调度员个人对故障预案等调度文件的熟悉程度。因此，如何根据有关信息对电网中发生的多点故障进行实时分析和判断，减少受调度人员经验的影响，提出正确有效的健全失电区域供电恢复策略，快速有序的实现电网故障恢复，是目前的一大难点。


技术实现要素：

4.1.所要解决的技术问题：
5.针对上述技术问题，本发明提供一种针对电网多点故障恢复的次序优化决策方法，实现电网故障快速有序恢复。
6.2.技术方案：
7.一种针对电网多点故障恢复的次序优化决策方法，其特征在于：包括以下步骤：
8.步骤一：构建故障区域评价指标集；获取历史数据并进行处理，识别出历史数据中的每个故障区域及其故障的对应的故障区域评价指标集中对应的评价指标参数；其中故障区域为m个，故障区域评价指标集中包括n个评价指标类型；
9.步骤二：将步骤一中生成的m个故障区域以及其对应的评价指标参数均构建成一个m
×
n的矩阵；将构建成的所有m
×
n的矩阵作为输入项训练bp神经网络，bp神经网络输出需要优先恢复的故障区域；
10.步骤三：对目标故障区建立目标故障区域评价指标数据集；所述目标故障区包括至少两个目标故障区域；将每个目标故障区域及其评价指标参数构建成对应的m
×
n的矩阵；
11.步骤四：将构建好的目标故障区域矩阵传入训练好的bp神经网络中，得出需要优先恢复的故障区域；
12.步骤五：当需要确认下一个优先恢复的故障区域，则获取当前故障信息，排除正在恢复的故障区域，动态更新矩阵，继续传入训练好的bp神经网络中，得出下一个需要恢复的
故障区域，直到所有故障区域恢复完成。
13.进一步地，所述n个评价指标类型包括失电负荷总量大小指标、区域内重要负荷数量指标、开关操作数指标、恢复贡献度大小指标、恢复所需时间指标、馈线负荷转移量指标、负荷均衡率指标。
14.进一步地，所述的恢复贡献度大小指标计算公式如下：
[0015][0016]
(1)式中，si表示某个故障区域内的失电负荷总量，qi表示某个故障区域内的重要负荷数量，m’表示受当前故障区域影响的其他故障区域数量，m表示当前所有的故障区域数量，ω1和ω2表示权重参数，且ω1+ω2＝1。
[0017]
进一步地，所述的恢复所需时间指标计算公式如下：
[0018][0019]
(2)式中，t
self
表示不考虑其他因素影响下当前故障区域恢复所需的时间，ti表示考虑其他故障区域对当前故障区域影响的恢复所需的时间。
[0020]
进一步地，所述的开关操作数指标计算公式如下：
[0021][0022][0023]
g＝g1+g2ꢀꢀꢀ
(3)
[0024]
(3)式中，g1表示当前故障区域的开关操作数，g2表示考虑其他故障区域对当前故障区域影响的开关操作数，d和l分别表示分段开关与联络开关的集合，k
p
表示取值为0或1，分别表示开关的断开和闭合状态。
[0025]
进一步地，所述m
×
n的矩阵中的元素x
ij
，m表示故障区域数量，i＝1，2，3，...，m；n表示评估参数数量，j＝1，2，3，...，n；x
ij
表示为第i个故障区域的第j个评估指标。
[0026]
进一步地，步骤五中动态更新矩阵方法包括以下步骤：
[0027]
s51，获取当前故障信息；
[0028]
s52，根据获取的故障信息，将前一个构建的矩阵中已经恢复的故障区域，以及正在进行恢复的故障区域的数据进行移除；
[0029]
s53，如果获取的故障信息中有新增的故障区域，则将新增的故障区域数据添加到矩阵中，始终保持m
×
n的矩阵大小；
[0030]
s54，根据获取的故障信息中新增和恢复的故障区域，对相关数据指标进行更新计算。
[0031]
3.有益效果：
[0032]
(1)将深度学习用于电网多点故障恢复的次序选择，充分考虑各个故障区域的相关评价指标，减少受调度人员经验的影响，提出正确有效的健全失电区域供电恢复策略，实现快速有序的电网故障恢复。
[0033]
(2)本方法在对需要恢复的故障区域进行决策选择时，对故障信息进行实时更新，
充分考虑各个故障区域之间的相互影响作用，动态更新矩阵，可在电网发生多处故障后快速给出应急抢修决策，减少了停电经济损失。
附图说明
[0034]
图1为本发明中一种针对电网多点故障恢复的次序优化决策方法的流程图；
[0035]
图2为本实施例中构建的m
×
n矩阵的示意图；
[0036]
图3为本实施例中动态更新后的矩阵的示意图。
具体实施方式
[0037]
下面结合附图对本发明进行具体的说明。
[0038]
如附图1所示一种针对电网多点故障恢复的次序优化决策方法，其特征在于：包括以下步骤：
[0039]
步骤一：构建故障区域评价指标集；获取历史数据并进行处理，识别出历史数据中的每个故障区域及其故障的对应的故障区域评价指标集中对应的评价指标参数；其中故障区域为m个，故障区域评价指标集中包括n个评价指标类型；
[0040]
步骤二：将步骤一中生成的m个故障区域以及其对应的评价指标参数均构建成一个m
×
n的矩阵；将构建成的所有m
×
n的矩阵作为输入项训练bp神经网络，bp神经网络输出需要优先恢复的故障区域；
[0041]
步骤三：对目标故障区建立目标故障区域评价指标数据集；所述目标故障区包括至少两个目标故障区域；将每个目标故障区域及其评价指标参数构建成对应的m
×
n的矩阵；
[0042]
步骤四：将构建好的目标故障区域矩阵传入训练好的bp神经网络中，得出需要优先恢复的故障区域；
[0043]
步骤五：当需要确认下一个优先恢复的故障区域，则获取当前故障信息，排除正在恢复的故障区域，动态更新矩阵，继续传入训练好的bp神经网络中，得出下一个需要恢复的故障区域，直到所有故障区域恢复完成。
[0044]
进一步地，所述n个评价指标类型包括失电负荷总量大小指标、区域内重要负荷数量指标、开关操作数指标、恢复贡献度大小指标、恢复所需时间指标、馈线负荷转移量指标、负荷均衡率指标。
[0045]
进一步地，所述的恢复贡献度大小指标计算公式如下：
[0046][0047]
(1)式中，si表示某个故障区域内的失电负荷总量，qi表示某个故障区域内的重要负荷数量，m’表示受当前故障区域影响的其他故障区域数量，m表示当前所有的故障区域数量，ω1和ω2表示权重参数，且ω1+ω2＝1。
[0048]
进一步地，所述的恢复所需时间指标计算公式如下：
[0049][0050]
(2)式中，t
self
表示不考虑其他因素影响下当前故障区域恢复所需的时间，ti表示考虑其他故障区域对当前故障区域影响的恢复所需的时间。
[0051]
进一步地，所述的开关操作数指标计算公式如下：
[0052][0053][0054]
g＝g1+g2ꢀꢀꢀ
(3)
[0055]
(3)式中，g1表示当前故障区域的开关操作数，g2表示考虑其他故障区域对当前故障区域影响的开关操作数，d和l分别表示分段开关与联络开关的集合，k
p
表示取值为0或1，分别表示开关的断开和闭合状态。
[0056]
进一步地，所述m
×
n的矩阵中的元素x
ij
，m表示故障区域数量，i＝1，2，3，...，m；n表示评估参数数量，j＝1，2，3，...，n；x
ij
表示为第i个故障区域的第j个评估指标。
[0057]
如附图2所示，m
×
n的矩阵的每一行分别表示一个故障区域，每一列分别表示一种评价指标类型，总共包含m个故障区域，每个故障区域包含n个评价指标类型；
[0058]
由于矩阵的行数m是固定不变的，所以当故障区域不足m个时，需要用0对矩阵进行补充，始终保持m
×
n的矩阵大小。
[0059]
进一步地，步骤五中动态更新矩阵方法包括以下步骤：
[0060]
s51，获取当前故障信息；
[0061]
s52，根据获取的故障信息，将前一个构建的矩阵中已经恢复的故障区域，以及正在进行恢复的故障区域的数据进行移除；
[0062]
s53，如果获取的故障信息中有新增的故障区域，则将新增的故障区域数据添加到矩阵中，始终保持m
×
n的矩阵大小；
[0063]
s54，根据获取的故障信息中新增和恢复的故障区域，对相关数据指标进行更新计算。
[0064]
请如附图3，当矩阵中的故障区域1正在恢复，同时故障区域2、3已经恢复，那么在动态更新矩阵时，将故障区域1、故障区域2和故障区域3都进行排除，只保留还未恢复或未选择的故障区域；同时，如果此时又新增故障区域，则需要将新增的故障区域评价指标参数加入到矩阵中，矩阵中不足的部分依旧用0进行补充，始终保持m
×
n的矩阵大小。
[0065]
虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明的，任何熟习此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本技术的权利要求保护范围所界定的为准。