[发明专利]一种数据驱动的配电网合环条件判定方法

权利要求书

1.一种数据驱动的配电网合环条件判定方法，其特征在于，所述方法对开环运行数据进行预处理，使处理后的开环运行数据为合环运行下运行数据；接着将处理后各节点负荷作为神经网络输入值，处理后各节点电压差值作为神经网络输出值，通过大量训练得到合适的神经网络参数，并应用测试集对神经网络性能进行测试，以评估神经网络模型的泛化能力；然后应用训练好的神经网络模型对合环时潮流进行预测并对合环电流进行计算；根据合环后的馈线首端最大稳态电流和最大冲击电流有效值判定待环网是否可以合环；

所述合环后的馈线首端最大稳态电流和最大冲击电流有效值计算方法如下：

合环后的馈线首端最大稳态电流为：

I_a＝I_af+I_c

I_b＝I_bf+I_c

合环后的馈线首端出现的最大冲击电流有效值为：

I′_a＝I_af+(K+1)I_c

I′_b＝I_bf+(K+1)I_c

其中：K为最大冲击系数，取1.62；I_af为馈线a不含合环电流的出线负荷电流；I_bf为馈线b不含合环电流的出线负荷电流；I_c为合环电流；

根据合环后的馈线首端最大稳态电流和最大冲击电流有效值，判断分别是否小于过流I段保护定值和过流II段保护定值，以确定待环网是否可以合环；

所述馈线不含合环电流的出线负荷电流计算方法如下：

合环前，对待合环两条馈线各节点负荷功率、电压进行处理，利用训练好的神经网络模型输出得到各节点电压差值，将馈线b电源点的母线电压与预测值电压值进行比较，若馈线b电源点母线电压大于预测值电压值，将馈线a末端逐节点负荷功率取反向值增加到馈线b电源点功率当中，反之，将馈线b末端逐节点负荷功率增加到馈线b电源点功率当中，使之馈线b电源点母线电压与预测值电压值接近相等，最终得到两条馈线合环后负荷功率，两条馈线不含合环电流的出线负荷电流计算如下式：

馈线a不含合环电流的出线负荷电流I_af为：

馈线b不含合环电流的出线负荷电流I_bf为：

其中：S_a、S_b分别馈线a、馈线b两端电源点环网负荷功率；U_Na、U_Nb分别为馈线a、馈线b的母线电压。

2.根据权利要求1所述的一种数据驱动的配电网合环条件判定方法，其特征在于，所述合环电流的计算方法如下：

假设合环后线路除馈线b电源点之外，其他各节点负荷均为0，馈线b电源点分别接带纯有功负荷和无功负荷时，经训练好的神经网络模型输出得到各节点电压差值，进一步得到馈线a电源点至馈线b电源点电压差ΔU_r和ΔU_x，根据电压差及接带负荷功率分别得到环路电阻和环路电抗，如下式所示：

其中：R_c、X_c分别为环路电阻及电抗；S_cr、S_cx分别为馈线b电源点施加的有功负荷、无功负荷；

通过两端母线电压差值、环路阻抗便可计算出线路合环电流，考虑两端母线电压最大相角差为2°，合环电流计算如下式所示：

其中：ΔU为两端母线电压最大电压差，Z_c为环路阻抗。

3.根据权利要求1所述的一种数据驱动的配电网合环条件判定方法，其特征在于，所述各节点电压差值计算方法如下：

两条馈线相邻节点电压差计算具体为：对于馈线a，从线路首端至末端逐级相减，节点(i+1)电压差由节点(i+1)电压减去节点i电压；对于馈线b，从线路末端至首端逐级相减，节点i电压差值由节点(i+1)电压减去节点i电压；

如下式所示：

ΔU_a(i+1)＝U_a(i+1)-U_ai

ΔU_bi＝U_b(i+1)-U_bi

将两条馈线合并一条线路并重新编号；

数据处理后馈线a节点n功率P_n，Q_n按公式：P′_n＝P_n+P_m；Q′_n＝Q_n+Q_m计算得出；

馈线b电源点功率P₀，Q₀按公式：计算得出；

其中：P₀、Q₀分别为馈线b电源点有功功率值、无功功率值，P_i、Q_i分别为馈线b各节点有功功率值、无功功率值；P_m为馈线b节点m有功功率值，Q_m为为馈线b节点m无功功率值；

环路各节点电压差按公式ΔU_a(i+1)＝U_a(i+1)-U_ai和ΔU_bi＝U_b(i+1)-U_bi计算得出，处理后各时间断面节点负荷、电压差数据作为数据驱动神经网络模型训练与测试数据。