一种用于配电网的一键顺控方法与系统与流程

本发明涉及配电网控制领域，尤其涉及一种用于配电网的一键顺控方法与系统。

背景技术：

1、随着社会经济的发展，各地发输变电装置不断增多，网架结构更加复杂多变，采用传统的电网倒闸操作和检修管理模式，存在以下问题：1)设备停复役任务操作时间集中，多任务情况下需串行等待，使得全遥控覆盖率下降，设备操作时间过长，严重影响检修工作周期；2)电网安全过分依赖监控员的经验防范误操作事件，存在因工作人员疲惫等造成误操作等安全隐患；3)调控遥控操作要求实现隔离刀闸操作，站端的逻辑防误功能仍然存在拓扑防误规则不够健全的问题，操作过程中实时信息监视存在盲区，导致防误机制无法满足全链条无缝闭环管理要求。远程顺控操作能够有效解决上述问题，目前变电站顺控模式已有部分研究，但是远程变电站顺控操作仍需要进一步优化，尤其是在操作指令生成和调度规划等方面。需要考虑不同设备类型和工况条件下的最优操作策略，并且要能够自适应不断变化的运行环境。针对该问题，本发明提出一种用于配电网的一键顺控方法与系统，通过自适应策略生成实现对变电站用电设备的即时控制和监测，避免人工操作的时间延迟，提升变电站的运行效率和安全性。

技术实现思路

1、有鉴于此，本发明提供一种用于配电网的一键顺控方法，目的在于：1)采集计算配电网中不同用电设备的运行负荷序列，构成变电站的运行负荷序列，并结合运行负荷的时序信息对运行负荷序列进行编码表示，以及结合编码的稀疏性进行注意力计算，提高预测运行负荷结果对稀疏编码结果的鲁棒性，实现变电站运行负荷预测，并根据预测结果构建使得用电设备分配负荷与预测负荷的差异程度以及分配负荷后用电设备运行负荷序列的波动程度达到最小的目标函数，求解得到使得变电站整体能效最优的负荷分配方案，提高配电网的配电效率；2)构建分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数，根据负荷分配方案和用电设备对应的当前分合闸参数信息，生成相应的控制指令，保证配电网中各变电站的正常运行，避免存在问题的用电设备影响其他用电设备的用电，实现配电网的一键顺控管理。

2、为实现上述目的，本发明提供的一种用于配电网的一键顺控方法，包括以下步骤：

3、s1：采集配电网中变电站各个设备的运行状态信息，包括各个用电设备的电压、电流信息以及配电保护设备的分合闸状态图像信息；

4、s2：根据变电站中各个设备的运行状态信息，计算得到变电站运行负荷序列；

5、s3：基于融合注意力机制的监督学习方式构建变电站运行负荷预测模型，对变电站运行负荷进行预测，所述变电站运行负荷预测模型以变电站运行负荷序列为输入，以预测运行负荷为输出；

6、s4：根据变电站运行负荷预测结果，按照用电设备优先级对变电站总负荷进行负荷分配，得到使得变电站整体能效最优的负荷分配方案；

7、s5：构建分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数，所述分合闸参数图像信息识别模型以不同用电设备所对应配电保护设备的当前分合闸状态图像为输入，以识别的分合闸参数为输出；

8、s6：根据负荷分配方案和用电设备对应的当前分合闸参数信息，生成相应的控制指令，将生成的控制指令发送到相应的设备进行一键顺控。

9、作为本发明的进一步改进方法：

10、可选地，所述s1步骤中采集配电网中变电站各个设备的运行状态信息，包括：

11、采集配电网中变电站各个设备的运行状态信息，其中变电站包括用电设备以及配电保护设备，所采集变电站各个设备的运行状态信息为：

12、{xn＝(xn(t1),xn(t2),...,xn(th),...,xn(th))|n∈[1,n]}

13、xn(th)＝(un(th),in(th),mn(th))

14、其中：

15、xn表示变电站中第n个用电设备以及对应配电保护设备的运行状态信息序列，n表示变电站所输送电能的用电设备总数；

16、xn(th)表示变电站中第n个用电设备以及对应配电保护设备在th时间的运行状态信息，包括变电站中第n个用电设备在th时间的电压信息un(th)、电流信息in(th)，以及所对应配电保护设备的分合闸状态图像信息mn(th)；

17、(t1,t2,...,th)表示配电网中变电站各个设备的运行状态信息的采集时间。在本发明实施例中，th表示当前时间；

18、在本发明实施例中，变电站用于接收配电网电源侧的电能，并将电能输送到对应的若干个用电设备中，配电保护设备用于对不同用电设备的输电电路进行分闸、合闸控制，对不同用电设备的输电电路进行保护。

19、可选地，所述s2步骤中计算得到变电站运行负荷序列，包括：

20、根据变电站中各个设备的运行状态信息，计算得到变电站运行负荷序列，其中变电站运行负荷序列的计算流程为：

21、s21：获取不同用电设备的能耗折损率以及功率因数，其中第n个用电设备的能耗折损率为αn，功率因数为；

22、s22：计算得到不同采集时间变电站各个用电设备的负荷，其中第n个用电设备在th时间的负荷为：

23、

24、其中：

25、qn(th)第n个用电设备在th时间的负荷，th∈[t1,th]；

26、s23：按照采集时间顺序对用电设备的负荷进行排序，构成用电设备的运行负荷序列，将所有用电设备的运行负荷序列构成变电站运行负荷序列，其中变电站运行负荷序列为：

27、x＝(x(1),x(2),...,x(n),...,x(n))t

28、x(n)＝(qn(t1),qn(t2),...,qn(th),...,qn(th))

29、其中：

30、x表示变电站运行负荷序列；

31、x(n)表示变电站中第n个用电设备的运行负荷序列；

32、t表示转置。

33、可选地，所述s3步骤中基于融合注意力机制的监督学习方式构建变电站运行负荷预测模型，包括：

34、基于融合注意力机制的监督学习方式构建变电站运行负荷预测模型，利用变电站运行负荷预测模型对变电站运行负荷进行预测，得到变电站的预测运行负荷，所述变电站运行负荷预测模型以变电站运行负荷序列为输入，以预测运行负荷为输出，其中变电站运行负荷预测模型包括输入层、编码映射层、注意力计算层以及输出层；

35、输入层用于接收变电站运行负荷序列，编码映射层用于分别对变电站运行负荷序列中不同用电设备的运行负荷序列进行编码映射，注意力计算层用于对编码映射结果进行注意力计算，生成不同用电设备的注意力加权后运行负荷序列编码映射结果，输出层用于将用电设备的注意力加权后运行负荷序列编码映射结果转换为预测运行负荷，将所有用电设备的预测运行负荷作为变电站的预测运行负荷进行输出。

36、可选地，所述s3步骤中利用变电站运行负荷预测模型对变电站运行负荷进行预测，包括：

37、利用变电站运行负荷预测模型对变电站运行负荷进行预测，其中预测流程为：

38、s31：输入层接收变电站运行负荷序列x；

39、s32：编码映射层分别对变电站运行负荷序列x中不同用电设备的运行负荷序列进行编码映射，其中运行负荷序列x(n)的编码映射公式为：

40、

41、其中：

42、qn(th)表示qn(th)的编码映射结果；

43、y(n)表示运行负荷序列x(n)的编码映射结果；

44、s33：注意力计算层对编码映射结果进行注意力计算，生成不同用电设备的注意力加权后运行负荷序列编码映射结果，其中变电站中第n个用电设备的注意力加权后运行负荷序列编码映射结果为：

45、y(n)＝(pn(t1),pn(t2),...,pn(th),...,pn(th))

46、pn(th)＝qn(th)en(h)

47、

48、其中：

49、en(h)表示编码映射结果qn(th)的注意力，pn(th)表示编码映射结果qn(th)的注意力加权结果；

50、y(n)表示变电站中第n个用电设备的注意力加权后运行负荷序列编码映射结果；

51、exp(·)表示以自然常数为底的指数函数；

52、l表示qn(th)的编码映射结果qn(th)的长度；

53、w1,w2表示注意力计算权重；

54、s34：输出层将用电设备的注意力加权后运行负荷序列编码映射结果转换为预测运行负荷，将所有用电设备的预测运行负荷作为变电站的预测运行负荷进行输出，其中变电站的预测运行负荷为：

55、c＝(c(1),c(2),...,c(n),...,c(n))

56、c(n)＝y(n)(w3)t

57、其中：

58、y(n)表示变电站中第n个用电设备的注意力加权后运行负荷序列编码映射结果；

59、w3表示预测矩阵，t表示转置；

60、c(n)表示变电站中第n个用电设备的预测运行负荷；

61、c表示变电站的预测运行负荷。

62、可选地，所述s4步骤中根据变电站运行负荷预测结果，按照用电设备优先级对变电站总负荷进行负荷分配，包括：

63、根据变电站运行负荷预测结果，按照用电设备优先级对变电站总负荷进行负荷分配，其中负荷分配流程为：

64、s41：构建变电站总负荷最优分配目标函数：

65、

66、ρn＝15％×(max(x(n))-min(x(n)))

67、θ＝(θ(1),θ(2),...,θ(n),...,θ(n))

68、x(n)＝(qn(t1),qn(t2),...,qn(th),...,qn(th))

69、其中：

70、表示第n个用电设备的优先程度；在本发明实施例中，越大，表示用电设备优先级越高；

71、qn(th)第n个用电设备在th时间的负荷，th∈[t1,th]；

72、f(θ)表示变电站总负荷最优分配目标函数；

73、θ＝(θ(1),θ(2),...,θ(n),...,θ(n))表示变电站中n个用电设备的负荷分配结果，θ(n)表示变电站中第n个用电设备的负荷分配结果；

74、σ(x(n))表示序列x(n)的标准差，σ(x(n),θ(n))表示序列(x(n),θ(n))的标准差，max(x(n))表示序列x(n)中的最大值，min(x(n))表示序列x(n)中的最小值；

75、|c(n)-θ(n)|表示第n个用电设备分配负荷与预测负荷的差异程度，

76、表示分配负荷后用电设备运行负荷序列的波动程度；

77、ρn表示控制参数；

78、s42：初始化参数θ0＝(θ0(1),θ0(2),...,θ0(n),...,θ0(n))，其中参数满足下述阈值条件：

79、

80、其中：

81、sum表示变电站可分配的最大负荷；

82、s43：设置参数的当前迭代次数为d，最大迭代次数为d，则参数的第d次迭代结果为θd＝(θd(1),θd(2),...,θd(n),...,θd(n))，d的初始值为0；

83、s44：对参数进行迭代更新，其中迭代公式为：

84、λd+1＝λd+grad(f(λd))||λd-c||

85、其中：

86、grad(f(θd))表示f(θd)的梯度；在本发明实施例中，通过对变电站总负荷最优分配目标函数f(θ)进行求导，并将θd代入求导结果，得到f(θd)的梯度；

87、||·||表示l1范数；

88、s45：令d＝d+1，返回步骤s44，直到d+1＝d，并选取迭代次数最大且满足阈值条件的参数作为使得变电站整体能效最优的负荷分配方案。

89、可选地，所述s5步骤中构建分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数，包括：

90、构建分合闸参数图像信息识别模型，所述分合闸参数图像信息识别模型以不同用电设备所对应配电保护设备的当前分合闸状态图像为输入，以识别的分合闸参数为输出，其中分合闸参数图像信息识别模型包括输入层、图像分割层、特征图生成层以及输出层，输入层用于接收不同用电设备所对应配电保护设备的当前分合闸状态图像，图像分割层用于对当前分合闸状态图像进行分割处理，得到若干子图像，特征图生成层用于提取子图像的特征向量，构成特征图，输出层用于对特征图进行映射计算，识别得到用电设备所对应配电保护设备的当前分合闸参数；

91、利用分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数，其中第n个用电设备所对应配电保护设备的当前分合闸参数识别流程为：

92、s51：输入层接收第n个用电设备所对应配电保护设备的当前分合闸状态图像mn(th)；

93、s52：图像分割层对当前分合闸状态图像进行分割处理，得到若干相邻图像重叠像素数达到s个像素的子图像；

94、s53：特征图生成层将子图像的像素点线性相加，采用不同尺度的卷积核依次对子图像像素点线性相加结果进行处理，得到子图像的特征向量；按照子图像在当前分合闸状态图像中的顺序对子图像特征向量进行排序，构成当前分合闸状态图像mn(th)对应的特征图mn；

95、s54：输出层用于对特征图进行映射计算，识别得到用电设备所对应配电保护设备的当前分合闸参数，其中第n个用电设备的当前分合闸参数为：

96、λn＝softmax(wtmn)

97、其中：

98、w表示特征图转换矩阵；

99、softmax(wtmn)表示将wtmn转换为二维向量，分别对应当前分合闸参数为1或为0的概率，选取概率最高的当前分合闸参数进行输出；

100、λn表示第n个用电设备所对应配电保护设备的当前分合闸参数，其中λn＝0表示第n个用电设备所对应配电保护设备为分闸状态，λn＝1表示第n个用电设备所对应配电保护设备为合闸状态。

101、可选地，所述s6步骤中根据负荷分配方案和用电设备对应的分合闸参数信息，生成相应的控制指令进行一键顺控，包括：

102、根据负荷分配方案和用电设备对应的分合闸参数信息，生成相应的控制指令，将生成的控制指令发送到对应的控制设备进行一键顺控，其中第n个用电设备的控制指令生成流程为：

103、s61：获取负荷分配方案中第n个用电设备的负荷分配结果θ*(n)以及分合闸参数λn；

104、s62：若θ*(n)超过预设的负荷阈值，则生成虚拟参数λ*＝1，并对虚拟参数λ*以及分合闸参数λn进行同或运算，若运算结果为1，则不进行第n个用电设备所对应配电保护设备的分合闸操作，若运算结果为0，则生成对第n个用电设备所对应配电保护设备的分闸操作指令；

105、s63：若未生成分闸操作指令，则按照负荷分配结果θ*(n)，生成第n个用电设备的输送电能调控指令。

106、为了解决上述问题，本发明提供一种用于配电网的一键顺控系统，其特征在于，所述系统包括：

107、负荷管理模块，用于采集配电网中变电站各个设备的运行状态信息，根据变电站中各个设备的运行状态信息，计算得到变电站运行负荷序列，基于融合注意力机制的监督学习方式构建变电站运行负荷预测模型，对变电站运行负荷进行预测，根据变电站运行负荷预测结果，按照用电设备优先级对变电站总负荷进行负荷分配；

108、分合闸控制模块，用于构建分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数；

109、指令控制装置，用于根据负荷分配方案和用电设备对应的当前分合闸参数信息，生成相应的控制指令，将生成的控制指令发送到相应的设备进行一键顺控。

110、为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

111、存储器，存储至少一个指令；

112、通信接口，实现电子设备通信；及

113、处理器，执行所述存储器中存储的指令以实现上述所述的用于配电网的一键顺控方法。

114、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的用于配电网的一键顺控方法。

115、相对于现有技术，本发明提出一种用于配电网的一键顺控方法，该技术具有以下优势：

116、首先，本方案提出一种变电站负荷预测以及分配方式，利用变电站运行负荷预测模型对变电站运行负荷进行预测，其中预测流程为：输入层接收变电站运行负荷序列x；编码映射层分别对变电站运行负荷序列x中不同用电设备的运行负荷序列进行编码映射，其中运行负荷序列x(n)的编码映射公式为：

117、y(n)＝(qn(t1),qn(t2),...,qn(th),...,qn(th))

118、

119、其中：qn(th)表示qn(th)的编码映射结果；y(n)表示运行负荷序列x(n)的编码映射结果；注意力计算层对编码映射结果进行注意力计算，生成不同用电设备的注意力加权后运行负荷序列编码映射结果，其中变电站中第n个用电设备的注意力加权后运行负荷序列编码映射结果为：

120、y(n)＝(pn(t1),pn(t2),...,pn(th),...,pn(th))

121、pn(th)＝qn(th)en(h)

122、

123、其中：en(h)表示编码映射结果qn(th)的注意力，pn(th)表示编码映射结果qn(th)的注意力加权结果；y(n)表示变电站中第n个用电设备的注意力加权后运行负荷序列编码映射结果；exp(·)表示以自然常数为底的指数函数；l表示qn(th)的编码映射结果qn(th)的长度；w1,w2表示注意力计算权重；输出层将用电设备的注意力加权后运行负荷序列编码映射结果转换为预测运行负荷，将所有用电设备的预测运行负荷作为变电站的预测运行负荷进行输出，其中变电站的预测运行负荷为：

124、c＝(c(1),c(2),...,c(n),...,c(n))

125、c(n)＝y(n)(w3)t

126、其中：y(n)表示变电站中第n个用电设备的注意力加权后运行负荷序列编码映射结果；w3表示预测矩阵，t表示转置；c(n)表示变电站中第n个用电设备的预测运行负荷；c表示变电站的预测运行负荷。根据变电站运行负荷预测结果，按照用电设备优先级对变电站总负荷进行负荷分配，其中负荷分配流程为：构建变电站总负荷最优分配目标函数：

127、

128、ρn＝15％×(max(x(n))-min(x(n)))

129、θ＝(θ(1),θ(2),...,θ(n),...,θ(n))

130、x(n)＝(qn(t1),qn(t2),...,qn(th),...,qn(th))

131、其中：表示第n个用电设备的优先程度；qn(th)第n个用电设备在th时间的负荷，th∈[t1,th]；f(θ)表示变电站总负荷最优分配目标函数；θ＝(θ(1),θ(2),...,θ(n),...,θ(n))表示变电站中n个用电设备的负荷分配结果，θ(n)表示变电站中第n个用电设备的负荷分配结果；σ(x(n))表示序列x(n)的标准差，σ(x(n),θ(n))表示序列(x(n),θ(n))的标准差，max(x(n))表示序列x(n)中的最大值，min(x(n))表示序列x(n)中的最小值；|c(n)-θ(n)|表示第n个用电设备分配负荷与预测负荷的差异程度，表示分配负荷后用电设备运行负荷序列的波动程度；ρn表示控制参数。本方案采集计算配电网中不同用电设备的运行负荷序列，构成变电站的运行负荷序列，并结合运行负荷的时序信息对运行负荷序列进行编码表示，以及结合编码的稀疏性进行注意力计算，提高预测运行负荷结果对稀疏编码结果的鲁棒性，实现变电站运行负荷预测，并根据预测结果构建使得用电设备分配负荷与预测负荷的差异程度以及分配负荷后用电设备运行负荷序列的波动程度达到最小的目标函数，求解得到使得变电站整体能效最优的负荷分配方案，提高配电网的配电效率。

132、同时，本方案提出一种配电网控制指令生成方式，利用分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数，其中第n个用电设备所对应配电保护设备的当前分合闸参数识别流程为：输入层接收第n个用电设备所对应配电保护设备的当前分合闸状态图像mn(th)；图像分割层对当前分合闸状态图像进行分割处理，得到若干相邻图像重叠像素数达到s个像素的子图像；特征图生成层将子图像的像素点线性相加，采用不同尺度的卷积核依次对子图像像素点线性相加结果进行处理，得到子图像的特征向量；按照子图像在当前分合闸状态图像中的顺序对子图像特征向量进行排序，构成当前分合闸状态图像mn(th)对应的特征图mn；输出层用于对特征图进行映射计算，识别得到用电设备所对应配电保护设备的当前分合闸参数，其中第n个用电设备的当前分合闸参数为：

133、λn＝softmax(wtmn)

134、其中：w表示特征图转换矩阵；softmax(wtmn)表示将wtmn转换为二维向量，分别对应当前分合闸参数为1或为0的概率，选取概率最高的当前分合闸参数进行输出；λn表示第n个用电设备所对应配电保护设备的当前分合闸参数，其中λn＝0表示第n个用电设备所对应配电保护设备为分闸状态，λn＝1表示第n个用电设备所对应配电保护设备为合闸状态。根据负荷分配方案和用电设备对应的分合闸参数信息，生成相应的控制指令，将生成的控制指令发送到对应的控制设备进行一键顺控，其中第n个用电设备的控制指令生成流程为：获取负荷分配方案中第n个用电设备的负荷分配结果θ*(n)以及分合闸参数λn；若θ*(n)超过预设的负荷阈值，则生成虚拟参数λ*＝1，并对虚拟参数λ*以及分合闸参数λn进行同或运算，若运算结果为1，则不进行第n个用电设备所对应配电保护设备的分合闸操作，若运算结果为0，则生成对第n个用电设备所对应配电保护设备的分闸操作指令；若未生成分闸操作指令，则按照负荷分配结果θ*(n)，生成第n个用电设备的输送电能调控指令。本方案构建分合闸参数图像信息识别模型识别得到不同用电设备所对应配电保护设备的当前分合闸参数，根据负荷分配方案和用电设备对应的当前分合闸参数信息，生成相应的控制指令，保证配电网中各变电站的正常运行，避免存在问题的用电设备影响其他用电设备的用电，实现配电网的一键顺控管理。