[发明专利]一种数据驱动的配电网合环条件判定方法

说明书

一种数据驱动的配电网合环条件判定方法，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。

技术领域

本发明涉及一种数据驱动的配电网合环条件判定方法，属配用电技术领域。

背景技术

在配电网倒负荷或故障时，通过合环操作能保证用户不间断供电，合环时会使环路中潮流重新分布，并产生合环电流，若冲击电流或稳态电流过大有可能造成馈线开关跳闸，反而降低用户供电可靠性，因此必须对待合环网是否能合环进行判定。

配电网合环时潮流计算是验证合环条件下配电网能否合环的重要手段。在电压、负荷、网络参数已知的情况下，通过建立配电网合环等值模型，应用牛顿法、P-Q分解法、前推回代法等潮流计算方法，分析配电网环网时潮流变化情况，进而判断配电网合环的安全风险，并得到合环简化判断条件。在合环等值模型中，联络开关处所经过的电流刚好为合环电流，合环时各馈线出线电流为合环前负荷电流与合环电流进行叠加，未考虑合环时环路中各节点潮流会发生变化，可能导致合环后馈线出线电流与实际值存在较大偏差，另外，配电网线路参数仍是通过线路线径、长度等基础信息粗略计算得到，网络参数的准确性与否将对配电网合环潮流计算产生影响，因此采用潮流计算模型仍具有的一定的局限性。

近年来，随着电力系统配电自动化不断推进，配电网电压、负荷等时序数据已完成电气采集，数据驱动技术已在潮流计算、电压优化与控制、负荷预测等方面得到越来越多的应用，通过数据驱动技术可以更好地应用配电网规模庞大、运行机理复杂、随机程度高的发展趋势，不受限于电网规模和结构，也不需要预知电网具体参数，有效地解决了配电网结构复杂、线路参数难获取等问题。

发明内容

本发明的目的是，为了准确解决配电线路是否能合环问题，本发明提出了一种数据驱动的配电网合环条件判定方法。

本发明实现的技术方案如下，一种数据驱动的配电网合环条件判定方法，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；