考虑储能系统的智能输电网故障线路检测及故障恢复方法技术方案

本发明专利技术公开了一种考虑储能系统的智能输电网故障线路检测及故障恢复方法，避开了SCADA系统，只需处理储能系统的数据即可有效识别智能输电网中的故障线路，检测出故障线路，极大的降低了故障检测所需的数据量，有效的避免了传统检测方法中对海量故障数据处理所带来的问题。同时，本发明专利技术基于分层脉冲神经膜系统分别建立了故障线路检测模型和故障恢复模型，利用分层脉冲神经膜系统对储能系统与预连接线路进行协调控制，确保在故障发生后，负荷节点的电能输出不中断，有效的解决了传统故障检测中负荷节点输电中断的问题。故障检测中负荷节点输电中断的问题。故障检测中负荷节点输电中断的问题。

【技术实现步骤摘要】
考虑储能系统的智能输电网故障线路检测及故障恢复方法


[0001]本专利技术属于输电网故障检测
，具体涉及一种考虑储能系统的智能输电网故障线路检测及故障恢复方法的设计。

技术介绍

[0002]电力输电网作为电力系统的核心组成部分，承担着大容量电力的传输任务，是电能输送的物理通道，是连接发电、配电与用电等环节的重要纽带。随着技术和经济的高速发展，人类社会对电能的依赖程度越来越高，因此电力输电网一旦发生故障将会引起严重停电事故，并带来灾难性的社会影响与经济损失。因此，输电网的安全对于社会稳定与国民经济至关重要。但是受天气因素、设备寿命、系统扰动等因素影响，输电网故障的情况时有发生。因此，及时准确地检测输电网的故障情况，对保证输电网的持续可靠性供电具有重要意义。
[0003]目前，国内外学者对于输电网故障检测的研究工作主要集中于通过综合利用故障事件发生后所产生的遥测量与遥信量来提高检测方法的容错性，以求快速准确地识别故障线路。截至目前，国内外学者对专家系统、人工神经网络、Petri网、贝叶斯网络与脉冲神经膜系统(Spiking Neura本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑储能系统的智能输电网故障线路检测及故障恢复方法，其特征在于，包括以下步骤：S1、确定智能输电网负荷节点的重要等级和预连接线路，并根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量；S2、在线监测输电网各个负荷节点所配置储能系统的储能变化，并根据监测结果以及输电网各个负荷节点的额定参数建立基于分层脉冲神经膜系统的故障线路检测模型；S3、确定故障线路检测模型中监测神经元的点火阈值；S4、根据点火阈值判断输电网是否存在故障线路，若是则进入步骤S5，否则返回步骤S2；S5、查询故障线路预连接线路的条数及其相关负荷节点的运行情况，并根据查询结果建立基于分层脉冲神经膜系统的故障恢复模型；S6、根据故障恢复模型中分层神经元的实测储能值恢复故障线路；S7、求解故障恢复模型中监测神经元的点火情况，得到恢复供电后智能输电网的拓扑结构。2.根据权利要求1所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S1包括以下分步骤：S11、确定各个负荷节点的重要等级与各个等级负荷节点所需的预连接线路数；S12、确定各个负荷节点间预连接线路的情况；S13、根据预连接线路数和输电网各个负荷节点的额定参数确定各个负荷节点所配置储能系统的额定容量：W
i
≥{[(a
i
+b
i
)/b
i
]+2+ρ
i
}b
i
其中W
i
表示第i个负荷节点所配置储能系统的额定容量，a
i
,b
i
分别表示第i个负荷节点的额定输入值和额定输出值，ρ
i
表示第i个负荷节点的预连接线路数。3.根据权利要求1所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S2中建立的基于分层脉冲神经膜系统的故障线路检测模型∏
Z
具体为：∏
Z
＝(Ο,σ1,...,σ
m
,δ1,...,δ
m
,D1,...,D
n
,syn,in,out)其中Ο＝{a}为单字母集合，a表示一个脉冲且其对应于电能传输或变压器与储能监测器间传输信号的单位；σ1,...,σ
m
为故障线路检测模型∏
Z
中的m个分层神经元，对应于智能输电网中m个负荷节点，并且每个分层神经元的形式为其中：V
i
表示第i个分层神经元的容纳脉冲上限值，其取值为[0,+∞)上的实数，对应输电网第i个负荷节点所配置储能系统的额定容量W
i
；表示第i个分层神经元在D
n
时刻的脉冲位势值，对应第i个负荷节点所配置储能系统在D
n
时刻的储能值，其取值为[0,+∞)上的实数；α
i
,β
i
分别表示第i个分层神经元的特定输入脉冲值与特定输出脉冲值，分别对应第i个负荷节点的额定输入值a
i
与额定输出值b
i
，两者取值均为[0,+∞)上的实数；分别为第i个分层神经元在D
n
时刻的输入脉冲值与输出脉冲值，分别对应第i
个负荷节点在D
n
时刻的输入功率与输出功率，其取值均为[0,+∞)上的实数；ω
i
表示第i个分层神经元的突触集合，其包括轴突
‑
树突突触、轴突
‑
胞体突触和轴突
‑
轴突突触这三类突触，且分别对应智能输电网中的输电线路、储能值信号的传输线路和预连接线路；r
i
表示第i个分层神经元的点火规则，其形式为E/a
β
→
a
(θ,β)
，其中为点火条件，表示分层脉冲神经膜系统处于可触发时刻点D
n
，且分层神经元内脉冲值θ≥β时才能执行点火规则，此时分层神经元σ
i
将消耗一个位势值为β的脉冲，并产生两个新脉冲，其中一个新脉冲位势值为θ，并通过轴突
‑
胞体突触传递给其突触后神经元，另一个新脉冲位势值为β，并通过轴突
‑
树突突触传递给其突触后神经元；否则，该分层神经元不执行点火计算；δ1,...,δ
m
为故障线路检测模型∏
Z
中的m个监测神经元，对应于智能输电网中m个监测储能系统储能值的仪器，并且每个监测神经元的形式为δ
i
表示与第i个分层神经元σ
i
相关联的监测神经元，其中：γ
i
表示监测神经元δ
i
的点火上限值，其取值为[0,+∞)上的实数；表示监测神经元δ
i
的输入脉冲值，其取值为[0,+∞)上的实数；表示故障线路检测模型∏
Z
中监测神经元内部脉冲位势向量，1≤i≤m，其中φ
i
对应监测神经元δ
i
的内部脉冲位势值，其取值为[0,+∞)上的实数；c
i
表示监测神经元δ
i
点火规则和遗忘规则的有限集合，其中点火规则的形式为其点火条件E＝{a
γ
}，表示当且仅当一个监测神经元的输入脉冲值小于或等于其点火上限值γ且分层脉冲神经膜系统同时处于可点火点时，才能执行点火规则，然后产生一个单位脉冲a并立即向后传递给其所有突触后神经元，若无突触后神经元则向环境中传递单位脉冲a，在每次点火后都会在分层脉冲神经膜系统的细胞内积累一个单位脉冲a；遗忘规则的形式为E/a
φ
→
λ，其中λ表示空字符，执行遗忘规则后监测神经元δ
i
将消耗内部所有脉冲，并产生一个空字符λ，即消耗完细胞内所有脉冲并不产生新脉冲，当点火规则不能执行时，立即执行遗忘规则；D1,...,D
n
表示故障线路检测模型∏
Z
的n个可触发时刻点，并对应于监测储能系统储能值的仪器采集数据的时间点，其中n∈[1,+∞)；syn＝{1,2,...,m}
×
{1,2,...,m}表示神经元之间的有向突触连接关系；in,out分别表示故障线路检测模型∏
Z
的输入神经元集合和输出神经元集合。4.根据权利要求3所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S3包括以下分步骤：S31、获取故障线路检测模型中分层神经元的实测储能值随时间变化的关系：S32、设置负荷节点所配置储能系统的当前存储值不超过额定容量的约束条件：S33、结合步骤S31中分层神经元的实测储能值随时间变化的关系以及步骤S32中的约
束条件得到：S34、若负荷节点的输入线路在时刻点D
n
‑1与D
n
之间发生故障，则有：S35、根据步骤S33和步骤S34得到的关系式，设置点火上限值γ
i
＝V
i
‑
(β
i
+α
i
)为监测神经元的点火阈值。5.根据权利要求3所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S4具体为：依次判断每个分层神经元σ
i
向监测神经元δ
i
的输出脉冲值是否高于点火阈值，若是则满足点火条件，判定该分层神经元所对应负荷节点的输入线路发生故障，该负荷节点为故障线路，进入步骤S5，否则输电网不存在故障线路，返回步骤S2。6.根据权利要求1所述的智能输电网故障线路检测及故障恢复方法，其特征在于，所述步骤S5中建立的基于分层脉冲神经膜系统的故障恢复模型∏
H
具体为：Π
H
＝(Ο,σ1,...,σ
m
,χ1,...,χ
m
...

【专利技术属性】
技术研发人员：王涛，黄著，吴昊，赵斌，张里，陈孝天，肖滟琳，
申请(专利权)人：国网四川省电力公司技能培训中心，
类型：发明
国别省市：