[发明专利]基于自学习机制的配电网故障恢复方法

说明书

本发明公开了一种基于自学习机制的配电网故障恢复方法，电网正常运行时，依据风险评估结果进行预想事故仿真，进而构建基于事故预案与历史故障恢复方案的自学习数据库；故障后，提取故障特征，并计算当前故障与数据库中存储故障的相似度，按照由高到低的顺序排序；利用匹配到相似故障的供电恢复方案快速可靠地实现供电恢复的任务。本发明将传统复杂耗时的在线优化问题，转变成有限故障状态的相似性评估问题，在保证故障恢复方案质量的同时，大大降低了实时计算量，从而提高了供电恢复决策速度和方案性能，使供电恢复系统升级为具有自我学习、自我完善和不断进化能力的智能控制系统。

技术领域

本发明涉及一种基于自学习机制的配电网故障恢复方法，属于电力系统自动化和配电网故障恢复领域。

背景技术

电力系统中配电网承担着将电能分配给千家万户的重任，直接影响着电力用户的供电可靠性及电能质量，随着社会经济的发展与生活水平的不断提高，提升配电网供电可靠性已受到广泛重视，供电恢复作为智能配电网自愈控制的核心功能，在系统故障后通过网络重构完成对失电负荷的转供电，对提高电网供电可靠性具有重要意义。

配电网供电恢复需统筹考虑失电负荷量、开关动作次数、负荷均衡、电压质量和网损等因素，是一个多目标多约束非线性的组合优化问题，现有研究大多采用在线决策的供电恢复方式，催生了大量速度快、性能优的求解算法，其中，混合算法兼具了不同算法的优点，具有良好的全局趋优能力和收敛速度，越来越多的学者采用混合算法来求解供电恢复问题，如周湶等(周湶,解慧力,郑柏林,等.基于混合算法的配电网故障重构与孤岛运行配合[J].电网技术,2015,39(1):136-142.)将孤岛划分后的停电负荷纳入目标函数，提出了基于二进制粒子群和差分进化混合算法实现网络重构和孤岛划分合理配合的恢复策略，如郇嘉嘉等(郇嘉嘉,黄少先.基于免疫原理的蚁群算法在配电网恢复中的应用[J].电力系统保护与控制，2008,17：41-44.)针对蚁群算法存在的易陷入局部最优和收敛难的问题，引入免疫算法中的抗体浓度的选择机制和多样性策略，加强了蚁群算法的全局搜索能力，有效地防止了算法的早熟。

对于同一网络，其拓扑结构、运行方式以及故障情况，在不同时刻具有高度的相似性，合理选择和利用相似故障的供电恢复方案，可大幅提高供电恢复决策速度和方案质量，然而，现阶段采用的在线决策方式未能有效利用仿真事故方案和历史故障的处理经验，对于大规模复杂网络，存在计算量过大，求解速度过慢的问题，尤其发生大规模严重失电情况下，无法保证快速可靠地完成供电恢复，转供电速度与方案性能需要进一步提升。

发明内容

本发明所要解决的技术问题是：克服现有技术的不足，提供一种能够解决传统在线决策方式速度慢、方案性能较差的缺陷，且能够有效利用预想事故和相似历史故障的处理经验而提出的一种基于自学习机制的配电网故障恢复方法。

本发明为解决技术问题所采取的技术方案是：

一种基于自学习机制的配电网故障恢复方法，包括如下步骤：

步骤一：构建自学习数据库；配电网正常运行时，根据风险评估结果合理制定预想事故集，并按照风险由高到低的顺序，依次对高风险设备和位置进行预想事故仿真，从而构建基于预想事故仿真和历史故障处理方案的自学习数据库，以便故障后可以直接利用相似故障的转供电方案；

步骤二：相似故障状态评估与匹配；故障后，提取当前网络故障特征，依次计算当前故障与数据库中保存故障的网络拓扑相似性和负荷分布相似性，从而得到当前故障与存储故障的相似度；

步骤三：生成故障恢复方案；按照相似度由大到小的顺序，依次验证保存故障的转供电方案能否适用于当前故障情况，若满足各种约束条件，则执行相似故障的转供电方案，快速完成供电恢复任务。

在步骤一中，构建自学习数据库由预想事故仿真和历史故障处理方案两部分组成：

(1)预想事故仿真

基于风险评估的预想事故仿真的过程为：