[发明专利]分布式管理与转移负荷的方法

说明书

技术领域

本发明涉及电力供配电技术领域，特别涉及一种分布式管理与转移负荷的方法。

背景技术

随着电网规模的扩大和电网结构复杂程度的增加，主站处理的负荷管理数据急剧增加，负荷转移的复杂程度也随之增长，潮流计算及网络重构算法的实现难度及处理时间都随之增加。现在的配电网络负荷管理与转移负荷方式的缺点在于负荷管理与负荷转移必须依赖于配电主站，对配电网通信的依赖性强，当通信系统发生故障或控制中心故障，则不可避免地导致整个控制系统瘫痪，无法实现配电网的负荷管理与负荷转移。

发明内容

为了解决现有技术中的问题，本发明提供了一种分布式管理与转移负荷的方法，解决现有技术中为克服现有负荷管理与负荷转移必须依赖于配电主站，控制中心故障时无法实现配电网的紧急负荷管理与负荷转移，同时配电主站管理的配电网络规模过大的问题，达到分布式的管理控制目的。

本发明解决现有技术问题所采用的技术方案是：设计和制造一种分布式管理与转移负荷的方法，包括以下步骤：(a)构造配网终端神经网络模块的输入向量和输出向量；(b)初始化神经网络；(c)用样本对神经网络进行训练；(d)用训练后的神经网络模块处理配网负荷管理与负荷转移。

本发明进一步的改进是：所述步骤(a)进一步包括：(a1)按配网终端流经负荷以及位置构造配网终端神经网络模块的输入向量；(a2)按配网终端所在的开关及断路器分合状态构造配网终端神经网络模块的输出向量。

本发明进一步的改进是：所述步骤(b)中，利用电力专家经验初始化神经网络；所述利用电力专家经验为利用电力专家对负荷管理与负荷转移的处理经验，确定中间层与输入层以及输出层与中间层的连接权值的初始值。

本发明进一步的改进是：所述步骤(c)进一步包括：(c1)计算中间层、输出层各神经元输出；(c2)计算期望输出与实际输出误差；(c3)反向传递误差，调整中间层与输入层以及输出层与中间层的连接权值；(c4)对神经网络进行训练，若误差满足要求时则结束训练，否则重复训练。

本发明进一步的改进是：所述步骤(d)进一步包括：(d1)配网终端检测到故障电流，接收关联终端的相应信息；(d2)接收关联终端的相应信息，通过故障处理程序得出切离故障需要断开的开关及需要转移的负荷；(d3)将接收到的开关负荷信息及切离故障需要断开的开关和需要转移的开关流经负荷信息做为终端神经网络程序输入，终端由相应的神经网络程序输出得出分段开关和联络开关以及断路器的操作逻辑。

本发明进一步的改进是：所述分布式管理与转移负荷的方法还包括步骤：(e)神经网络模块通过负荷管理终端切除部分负荷后再进行转移。

本发明进一步的改进是：所述步骤(e)进一步包括：(e1)无法转移故障馈线全部负荷时，配网终端得出能够转移的最大负荷；(e2)根据需转移负荷量与能转移最大负荷量之差，再根据负荷重要性与当前负荷管理终端的负荷量，切除部分负荷；(e3)切除部分负荷后的需转移负荷量通过所述步骤(d)进行处理。

本发明的有益效果是：本发明通过采用神经网络模块来处理配电网络负荷管理与负荷转移，既能保证控制中心故障时能实现配电网的紧急负荷管理与转移；同时通过与负荷管理终端的通信，实现了分布式的负荷管理与转移，从而可应用于配电网络规模大的环境中。

附图说明

图1是本发明分布式管理与转移负荷的方法流程示意图。

图2是本发明中配网终端管理与转移负荷流程图。

图3是本发明中配网终端管理与转移负荷的神经网络程序训练流程图。

图4是本发明中配网终端切除负荷管理终端负荷流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1，一种分布式管理与转移负荷的方法，包括以下步骤：a构造配网终端神经网络模块的输入向量和输出向量；b初始化神经网络；c用样本对神经网络进行训练；d用训练后的神经网络模块处理配网负荷管理与负荷转移。

所述步骤a进一步包括：a1按配网终端流经负荷以及位置构造配网终端神经网络模块的输入向量；a2按配网终端所在的开关及断路器分合状态构造配网终端神经网络模块的输出向量。

所述步骤b中，利用电力专家经验初始化神经网络；所述利用电力专家经验为利用电力专家对负荷管理与负荷转移的处理经验，确定中间层与输入层以及输出层与中间层的连接权值的初始值。