一种重要负荷连续供电能力的监控方法及系统与流程

1.本发明涉及电力网络监控技术领域，尤其涉及一种重要负荷连续供电能力的监控方法及系统。


背景技术：

2.发电厂、变电站等场所的直流电源为控制负荷、动力负荷、事故照明负荷等提供电源。随着电力系统发展，负荷设备的微机化、智能化程度越来越高，负荷设备数量也明显增加(智能站的直流设备大约是常规站的1.6-1.8倍)，相应地对直流电源的可靠运行也提出来更高要求。
3.当直流供电网络存在级差配合不好、断路器质量缺陷等隐患时，可能发生直流供电网络短路故障时空气断路器拒动、越级跳闸或者多级联跳等情况。目前，现有的监控手段对上述事故无法做出及时的判别和处理，通常是等待运维人员到现场检查，然后试送直流断路器或者通知技术人员处理。由于大部分变电站无人值守，延长了故障判别与处理时间，严重影响了电网设备的运行可靠性。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有存在的问题，提出了本发明。
6.因此，本发明解决的技术问题是：现有的监控手段对上述事故无法做出及时的判别和处理的问题。
7.为解决上述技术问题，本发明提供如下技术方案：基于配电网中安装的信息采集终端获取所述配电网的电气信息以及分布式资源的综合能源信息；
8.根据所述电气信息和所述综合能源信息，以及所述配电网的配电站的变压器的历史负载信息、负荷设备的类型、负荷设备所在配电网的位置，通过预先构建的负荷预测模型确定各种类型负荷设备在预设时间段内对应的预测负荷；
9.根据所述各种类型负荷设备对应的预测负荷，以及该类型负荷设备对应的负荷阈值，确定该类型负荷设备是否存在过载的可能性，若是，则对存在过载可能性的负荷设备进行负荷转移。
10.作为本发明所述的重要负荷连续供电能力的监控方法的一种优选方案，其中：所述电气信息包括网络拓扑结构信息、发电信息中至少一种，所述综合能源信息包括分布式电源的出力信息、储能终端的储能容量中至少一种；
11.所述负荷预测模型基于神经网络模型构建，用于预测未来一段时间负荷设备的负荷。
12.作为本发明所述的重要负荷连续供电能力的监控方法的一种优选方案，其中：在
通过预先构建的负荷预测模型确定各种类型负荷设备在预设时间段内对应的预测负荷之前包括，
13.基于预先获取的模型训练数据集，对所述模型训练数据集进行数据预处理，其中，所述模型训练数据集包括所述电气信息和所述综合能源信息，以及所述配电网的配电站的变压器的历史负载信息、负荷设备的类型以及所述负荷设备所在配电网的位置中至少一种，所述数据预处理包括数据缺失值补充、重复数据删除以及将数据向量化中至少一种；
14.将数据预处理后的模型训练数据集输入所述负荷预测模型，确定所述负荷预测模型各层的输出值；
15.根据所述各层的输出值、所述负荷预测模型的目标函数、预设的权值修正函数，以及与所述权值修正函数对应的第一修正权值和第二修正权值，确定预测误差并对所述预测误差进行迭代修正，直至所述预测误差符合预设预测条件，其中，所述预设预测条件包括所述预测误差低于预设预测阈值。
16.作为本发明所述的重要负荷连续供电能力的监控方法的一种优选方案，其中：所述迭代修正的计算包括，
[0017][0018]
其中，out(k)表示所述第k个预测误差，l表示隐含层节点数，p表示输出层节点数，μi表示隐含层第i个节点对应的隐含层到输出层的权重值，δj表示第j个输出层对应的输出序列，mj、nj分别表示第j个输出层对应的平移参数和拉伸参数，αi表示第一修正权值，βj表示第二修正权值。
[0019]
作为本发明所述的重要负荷连续供电能力的监控方法的一种优选方案，其中：所述负荷阈值包括负荷最大承载阈值以及负荷最大频率阈值；
[0020]
若确定该类型负荷设备存在过载的可能性，则对存在过载可能性的负荷设备进行负荷转移；
[0021]
若所述各种类型负荷设备对应的预测负荷大于负荷最大承载值，各种类型负荷设备对应的预测负荷的变化频率大于所述负荷最大频率阈值，则确定该类型负荷设备存在过载的可能性，将存在过载的可能性的负荷设备作为第一过载负荷设备集，其中，所述预测负荷的变化频率为当前时刻负荷预测值，与上一时刻负荷预测值的差值与当前时刻负荷预测值的比值；
[0022]
根据所述配电网的配电站的变压器的历史负载信息、以及所述负荷设备所在配电网的位置，确定所述第一过载负荷设备集与所述变压器的供电裕度；
[0023]
将所述第一过载负荷设备集对应的供电裕度超过预设供电阈值的负荷设备作为第二过载负荷设备集；
[0024]
对所述第二过载负荷设备集的负荷设备进行负荷转移。
[0025]
作为本发明所述的重要负荷连续供电能力的监控方法的一种优选方案，其中：包括，
[0026]
若所述各种类型负荷设备对应的预测负荷大于所述负荷最大承载值，则对过载的负荷设备设置第一报警等级；
[0027]
若所述各种类型负荷设备对应的预测负荷的变化频率大于所述负荷最大频率阈
值，则对过载的负荷设备设置第二报警等级；
[0028]
若所述第一过载负荷设备集的负荷设备对应的供电裕度超过预设供电阈值，则对过载的负荷设备设置第三报警等级；
[0029]
其中，所述第一报警等级、所述第二报警等级以及所述第三报警等级的重要层次依次递增，且所述报警等级对应的处置紧要程度依次递增。
[0030]
作为本发明所述的重要负荷连续供电能力的监控方法的一种优选方案，其中：对所述第二过载负荷设备集的负荷设备进行负荷转移包括，
[0031]
根据所述负荷设备所在配电网的位置，确定所在位置中变压器综合功率损耗和变压器间负载不均衡度；
[0032]
基于所述综合功率损耗和变压器间负载不均衡度，设定粒子群优化算法作为负荷转移的目标函数，并设定所述目标函数对应的约束条件；
[0033]
根据所述约束条件对所述目标函数进行求解，将求解结果作为负荷转移策略，其中，所述负荷转移策略包括负荷转移方向以及负荷转移数量中至少一种。
[0034]
本发明的第二方面，提供一种负荷连续供电能力的监控系统，包括：
[0035]
第一单元，用于基于配电网中安装的信息采集终端获取所述配电网的电气信息以及分布式资源的综合能源信息，其中，所述电气信息包括网络拓扑结构信息、发电信息中至少一种，所述综合能源信息包括分布式电源的出力信息、储能终端的储能容量中至少一种；
[0036]
第二单元，用于根据所述电气信息和所述综合能源信息，以及所述配电网的配电站的变压器的历史负载信息、负荷设备的类型以及所述负荷设备所在配电网的位置，通过预先构建的负荷预测模型确定各种类型负荷设备在预设时间段内对应的预测负荷，其中，所述负荷预测模型基于神经网络模型构建，用于预测未来一段时间负荷设备的负荷；
[0037]
第三单元，用于根据所述各种类型负荷设备对应的预测负荷，以及该类型负荷设备对应的负荷阈值，确定该类型负荷设备是否存在过载的可能性，若是，则对存在过载可能性的负荷设备进行负荷转移。
[0038]
本发明的第三方面，提供一种设备，包括：
[0039]
处理器；
[0040]
用于存储处理器可执行指令的存储器；
[0041]
其中，所述处理器被配置为调用所述存储器存储的指令，以执行本发明任一实施例所述的方法。
[0042]
本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现本发明任一实施例所述的方法。
[0043]
本发明的有益效果：本发明所提供的方法能够对配电网负荷进行监控，并且在可能发生负荷过载的情况下，进行负荷转移，对直流供电网络短路故障时空气断路器拒动、越级跳闸或者多级联跳等情况做出快速判别和处理，提高了电网设备的运行可靠性。
附图说明
[0044]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它
的附图。其中：
[0045]
图1为本发明一个实施例提供的一种重要负荷连续供电能力的监控方法的基本流程示意图。
具体实施方式
[0046]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0047]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0048]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0049]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0050]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0051]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0052]
实施例1
[0053]
参照图1，为本发明的一个实施例，提供了一种重要负荷连续供电能力的监控方法，包括：
[0054]
s101：基于配电网中安装的信息采集终端获取所述配电网的电气信息以及分布式资源的综合能源信息。需要说明的是：
[0055]
所述电气信息包括网络拓扑结构信息、发电信息中至少一种，所述综合能源信息包括分布式电源的出力信息、储能终端的储能容量中至少一种；
[0056]
示例性地，本公开实施例电气信息可以包括网络拓扑结构信息、发电信息中至少一种，综合能源信息可以包括分布式电源的出力信息、储能终端的储能容量，分布式电源可以包括风能、太阳能等等。
[0057]
s102：根据所述电气信息和所述综合能源信息，以及所述配电网的配电站的变压器的历史负载信息、负荷设备的类型、负荷设备所在配电网的位置，通过预先构建的负荷预
测模型确定各种类型负荷设备在预设时间段内对应的预测负荷。需要说明的是：
[0058]
所述负荷预测模型基于神经网络模型构建，用于预测未来一段时间负荷设备的负荷。
[0059]
示例性地，配电站的变压器的历史负载信息可以用于指示该变压器能够承载负载的最高值，在保证变压器正常工作的同时，提高利用效率；其中，负荷类型情况主要指变压器所带的主要负荷类型为商业写字楼区域负荷、居民负荷、文化娱乐场所负荷等。
[0060]
各个地区各类大功率设备及特种设备数量越来越多，城市中心地区的用电量日益增长，用电峰值功率逐渐增高，导致变压器容量日趋紧张；同时大多数城市的配电网建设较早、后期改造的不合理导致变压器间的负荷不均衡，降低了整体配电网的带载能力。为缓解变压器峰值功率过大及变压器间负荷不均衡的情况，实现城市各个地区间配电网用电负荷的动态转移是一种有效途径；而进行负荷转移前，可以进行负荷预测，从而在负荷转移时，能够预先提供对应的转移方案，提高系统冗余度。
[0061]
本实施例的负荷预测模型基于神经网络模型构建，用于预测未来一段时间负荷设备的负荷。其中，本公开实施例的网络结构可以包括输入层、隐含层和输出层构成；其中输入层的输入值为当前时间点的n*3个时间点的电力负荷值；隐含层节点数目为6；输出层可以输出当前n*3个时间点的预测电力负荷值。
[0062]
在通过预先构建的负荷预测模型确定各种类型负荷设备在预设时间段内对应的预测负荷之前包括，
[0063]
基于预先获取的模型训练数据集，对所述模型训练数据集进行数据预处理，其中，所述模型训练数据集包括所述电气信息和所述综合能源信息，以及所述配电网的配电站的变压器的历史负载信息、负荷设备的类型以及所述负荷设备所在配电网的位置中至少一种，所述数据预处理包括数据缺失值补充、重复数据删除以及将数据向量化中至少一种；
[0064]
将数据预处理后的模型训练数据集输入所述负荷预测模型，确定所述负荷预测模型各层的输出值；
[0065]
根据所述各层的输出值、所述负荷预测模型的目标函数、预设的权值修正函数，以及与所述权值修正函数对应的第一修正权值和第二修正权值，确定预测误差并对所述预测误差进行迭代修正，直至所述预测误差符合预设预测条件，其中，所述预设预测条件包括所述预测误差低于预设预测阈值。
[0066]
所述迭代修正的计算包括，
[0067][0068]
其中，out(k)表示所述第k个预测误差，l表示隐含层节点数，p表示输出层节点数，μi表示隐含层第i个节点对应的隐含层到输出层的权重值，δj表示第j个输出层对应的输出序列，mj、nj分别表示第j个输出层对应的平移参数和拉伸参数，αi表示第一修正权值，βj表示第二修正权值。
[0069]
可选地，本实施例的第一修正权值，第二修正权值可以分别为收缩因子和加速因子，其中，第一修正权值能够保证整体算法收敛性的同时，还无需限制算法的收敛速度；第二修正权值能够有效平衡算法整体和局部的搜索能力，避免出现局部最优解的情况，在算法进行迭代过程中，能够在一个较小范围内进行迭代，寻找最优解。
[0070]
s103：根据所述各种类型负荷设备对应的预测负荷，以及该类型负荷设备对应的负荷阈值，确定该类型负荷设备是否存在过载的可能性，若是，则对存在过载可能性的负荷设备进行负荷转移。需要说明的是：
[0071]
所述负荷阈值包括负荷最大承载阈值以及负荷最大频率阈值；其中，所述负荷最大承载阈值用于指示某一时刻最大的负荷值；负荷最大频率阈值用于指示当前时刻负荷预测值，与上一时刻负荷预测值的差值与当前时刻负荷预测值的比值；
[0072]
通过上述两个负荷阈值类型，能够从两个角度判断负荷是否过载，进一步提高负荷的保护力度，并且能够有效避免故障漏报。
[0073]
若确定该类型负荷设备存在过载的可能性，则对存在过载可能性的负荷设备进行负荷转移；
[0074]
若所述各种类型负荷设备对应的预测负荷大于负荷最大承载值，各种类型负荷设备对应的预测负荷的变化频率大于所述负荷最大频率阈值，则确定该类型负荷设备存在过载的可能性，将存在过载的可能性的负荷设备作为第一过载负荷设备集，其中，所述预测负荷的变化频率为当前时刻负荷预测值，与上一时刻负荷预测值的差值与当前时刻负荷预测值的比值；
[0075]
根据所述配电网的配电站的变压器的历史负载信息、以及所述负荷设备所在配电网的位置，确定所述第一过载负荷设备集与所述变压器的供电裕度；
[0076]
将所述第一过载负荷设备集对应的供电裕度超过预设供电阈值的负荷设备作为第二过载负荷设备集；
[0077]
对所述第二过载负荷设备集的负荷设备进行负荷转移。
[0078]
示例性地，若预测负荷大于所述负荷最大承载值和/或预测负荷的变化频率大于所述负荷最大频率阈值，则可以认定为其负荷过载，则可以将过载的负荷设备划分为第一过载负荷设备集，并且对设备集中的设备进一步进行判断；
[0079]
根据多个信息确定第一过载负荷设备集与所述变压器的供电裕度，确定其与供电阈值的关系，若大于供电阈值则可以认定为其超出变压器的承压能力，需要进行负荷转移，其中，供电裕度用于指示变压器的额定负载与负荷设备预测负荷的差值。
[0080]
包括，
[0081]
若所述各种类型负荷设备对应的预测负荷大于所述负荷最大承载值，则对过载的负荷设备设置第一报警等级；
[0082]
若所述各种类型负荷设备对应的预测负荷的变化频率大于所述负荷最大频率阈值，则对过载的负荷设备设置第二报警等级；
[0083]
若所述第一过载负荷设备集的负荷设备对应的供电裕度超过预设供电阈值，则对过载的负荷设备设置第三报警等级；
[0084]
其中，所述第一报警等级、所述第二报警等级以及所述第三报警等级的重要层次依次递增，且所述报警等级对应的处置紧要程度依次递增。
[0085]
对所述第二过载负荷设备集的负荷设备进行负荷转移包括，
[0086]
根据所述负荷设备所在配电网的位置，确定所在位置中变压器综合功率损耗和变压器间负载不均衡度；
[0087]
基于所述综合功率损耗和变压器间负载不均衡度，设定粒子群优化算法作为负荷
转移的目标函数，并设定所述目标函数对应的约束条件；
[0088]
根据所述约束条件对所述目标函数进行求解，将求解结果作为负荷转移策略，其中，所述负荷转移策略包括负荷转移方向以及负荷转移数量中至少一种。
[0089]
示例性地，本公开实施例的目标函数可以是基于粒子群优化算法构建，用于从目标函数中寻找最优解，将其作为负荷转移策略；其中，负荷转移策略包括负荷转移方向以及负荷转移数量；目标函数对应的约束条件可以包括负荷节点中负荷削减量、重点区域电网功率平衡约束、节点电压和线路电流约束、发电站和分布式电源的出力约束中至少一种。
[0090]
本公开实施例提供一种负荷连续供电能力的监控方法及系统，能够确定各种类型负荷设备在预设时间段内对应的预测负荷，针对不同类型的负荷设备针对性地预测其对应的预测负荷，能够有效地细化地进行负荷转移；
[0091]
此外，通过在预测模型中引入第一修正权值和第二修正权值，能够在加快模型收敛速度的同时，降低模型迭代次数即可确定最优输出结果；
[0092]
针对模型输出的预测负荷，不仅从负荷值这单一角度进行评估，同时还考虑负荷的变化频率，并且将两者共同作为负荷过载的依据，客观且有效。并且对负荷过载的不同情况，设置对应的报警等级。
[0093]
在一个实施例中，提供一种负荷连续供电能力的监控系统，包括：
[0094]
第一单元，用于基于配电网中安装的信息采集终端获取所述配电网的电气信息以及分布式资源的综合能源信息，其中，所述电气信息包括网络拓扑结构信息、发电信息中至少一种，所述综合能源信息包括分布式电源的出力信息、储能终端的储能容量中至少一种；
[0095]
第二单元，用于根据所述电气信息和所述综合能源信息，以及所述配电网的配电站的变压器的历史负载信息、负荷设备的类型以及所述负荷设备所在配电网的位置，通过预先构建的负荷预测模型确定各种类型负荷设备在预设时间段内对应的预测负荷，其中，所述负荷预测模型基于神经网络模型构建，用于预测未来一段时间负荷设备的负荷；
[0096]
第三单元，用于根据所述各种类型负荷设备对应的预测负荷，以及该类型负荷设备对应的负荷阈值，确定该类型负荷设备是否存在过载的可能性，若是，则对存在过载可能性的负荷设备进行负荷转移。
[0097]
在一个实施例中，提供一种计算机设备，包括，
[0098]
处理器；
[0099]
用于存储处理器可执行指令的存储器；
[0100]
其中，处理器被配置为调用存储器存储的指令以执行前述任一实施方式的方法。
[0101]
在一个实施例中，提供一种计算机可读存储介质，其上存储有计算机程序指令，
[0102]
计算机程序被处理器执行前述任一实施方式的方法。
[0103]
计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存
储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本发明所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本发明所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0104]
本发明所提供的方法能够对配电网负荷进行监控，并且在可能发生负荷过载的情况下，进行负荷转移，对直流供电网络短路故障时空气断路器拒动、越级跳闸或者多级联跳等情况做出快速判别和处理，提高了电网设备的运行可靠性。
[0105]
实施例2
[0106]
本实施例为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种重要负荷连续供电能力的监控方法的验证测试，为对本方法中采用的技术效果加以验证说明，本实施例采用传统技术方案与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
[0107]
当直流供电网络存在级差配合不好、断路器质量缺陷等隐患时，可能发生直流供电网络短路故障时空气断路器拒动、越级跳闸或者多级联跳等情况。现有技术通常是采用等待运维人员到现场检查，然后试送直流断路器或者通知技术人员处理，延长了故障判别与处理时间，严重影响了电网设备的运行可靠性；而本发明采用的是对配电网负荷进行监控，能够确定各种类型负荷设备在预设时间段内对应的预测负荷，针对不同类型的负荷设备针对性地预测其对应的预测负荷，能够有效地细化地进行负荷转移。
[0108]
表1：故障判别的准确性与处理时长。
[0109] 故障判别准确性所需时间本发明95％30秒传统技术65％10分钟
[0110]
由表1可知，本发明所提供的方法故障判别准确性高，处理时长更短。
[0111]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。