[发明专利]一种基于深度学习的配网优化精准分析方法及系统

说明书

本发明公开了一种基于深度学习的配网优化精准分析方法及系统，包括：建立配网设备台账系统，利用该系统实现对变电站、配电线路及支线的容量、负载信息进行记录；建立配网拓扑结构模型，根据配网设备台账系统中记录的配电网数据确定配电网设备之间的连接关系，实时的展示配电网的拓扑关系；根据配网拓扑结构模型生成的配网拓扑数据，显示线路的负荷数据，对拓扑的支路和节点属性进行试算，根据深度学习模型评估设备运行状态、分析线路的负荷转供大小及限流值，规划出转供路径及可转供负荷的大小；利用神经网络模型对负荷进行预测分析。本公开的技术方案整体上能够实现设备台账的管理、转供路径的规划及负荷的预测。

技术领域

本公开涉及配网技术领域，特别是涉及一种基于深度学习的配网优化精准分析方法及系统。

背景技术

随着我国电力市场的放开，电力市场的竞争也越来越激烈，如何在市场中取得主动权，归根到底是电力客户的满意度，在电力客户体验中，电力的稳定性和质量是其重要指标。但从目前现状看，电力倒供时间过长，稳定性差影响了客户的体验。以临沂市城区为例，该配电网经过多年改造，已形成了一张庞大的众多线路间均可相互倒供的供电网络，一条线路最多可选择5条线路进行倒供。作为决策者在电力发生故障的情况下，如何在短时间内做出科学选择，如何确定哪条线路为负荷转移的最优路径至关重要，对于提高用户的供电可靠性也有着重要的现实意义。

同时电力负荷是电力系统的重要组成部分，电力负荷特性的分析对电力系统的试验研究、规划设计、运行和状态安全评估具有重要意义。负荷特性的分析能够帮助运行人员形成有效的信息，掌握负荷变化规律，指导负荷预测。然而，随着电力行业的技术进步和城市配网建设的快速发展，配电网的建设规模越来越大，网架结构越来越复杂，设备数量越来越多，对设备负荷分析的难度越来越大。

为此引发了本申请中的对配电网设备拓扑结构、负荷优化、精准分析、模拟仿真的研究。

发明内容

为了解决现有技术的不足，本公开提供了一种基于深度学习的配网优化精准分析方法，能够精确的规划出转供路径及可转供负荷的大小。

为了实现上述目的，本申请采用以下技术方案：

一种基于深度学习的配网优化精准分析方法，包括：

建立配网设备台账系统，利用该系统实现对变电站、配电线路及支线的容量、负载信息进行记录；

建立配网拓扑结构模型，根据配网设备台账系统中记录的配电网数据确定配电网设备之间的连接关系，实时的展示配电网的拓扑关系；

根据配网拓扑结构模型生成的配网拓扑数据，显示线路的负荷数据，对拓扑的支路和节点属性进行试算，根据深度学习模型评估设备运行状态、分析线路的负荷转供大小及限流值，规划出转供路径及可转供负荷的大小；

利用神经网络模型对负荷进行预测分析。

进一步的技术方案，所述配网设备台账系统中，首先采集配网设备基本数据，包括设备的容量、负载信息、电压等级、投运时间、上次校验时间、装置生产厂家；

将所有的配网设备的基本数据均传输至设备台账数据库进行存储，以表中表的形式体现；

结合用户的具体需求确定权限，并将级别相同的用户归为一组，对该组设定相应的密码。

上述技术方案中，配网设备台账系统，以表中表的形式体现，在查阅设备台账时，可方便快速地调阅到历史动作记录，使设备尽快投入运行；

结合用户的具体需求确定权限，并将级别相同的用户归为一组，对该组设定相应的密码，且密码只告知设备的负责人，从而确保数据库修改工作的规范性，保证其他部门的工作人员无法修改数据，此外，各项历史操作记录与实时用户信息也能够在系统内完美体现，电子记录的最大好处是不会丢失信息，需要注意的是，务必对各个电子文件进行备份。