【技术实现步骤摘要】
本专利技术涉及电网，特别是基于scada的主配网合环倒供电控制条件辅助决策方法及系统。
技术介绍
1、当前电网运维主要依靠预设的静态控制模型与规则，针对不同故障启动相应的应急程序，需要大量的人工经验。随着智能电网规模不断扩大，电网状态变化更加复杂，静态模型很难覆盖所有的异常情况。一旦遇到模型没有定义的新故障，系统将无法进行有效响应，严重依赖操作人员的经验判决，导致决策延时，对电网稳定运行造成威胁。另外，现有电网监控与控制系统扩展性较差，算法和模型无法升级，也限制了其应对新情况的能力。
技术实现思路
1、鉴于现有的电网智能调控面临的实时识别不准、响应不快、自我优化不足的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何实现对电网供电状态的实时准确识别，以及根据识别结果快速制定出优良的控制策略。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了基于scada的主配网合环倒供电控制条件辅助决策方法，其包括在主配网的关键节点上布置传感器，实时采集电力参数、设备状态和供电网络的拓扑连接信息，并将采集到的数据存储至scada系统中；根据采集到的电力参数、设备状态和供电网络的拓扑连接信息，构建供电状态检测与识别模型；基于环网各种供电状态的识别结果建立供电状态与控制策略匹配模型，根据环网的供电状态智能地选择最佳的控制策略以进一步优化输电网络；将供电状态与控制策略匹配模型的结果输出作为主配网的运行控制指令
5、作为本专利技术所述基于scada的主配网合环倒供电控制条件辅助决策方法的一种优选方案，其中：构建供电状态检测与识别模型包括以下步骤：利用lstm神经网络算法，基于环网历史负荷数据建立电力负荷预测模型以实时预测节点负荷；构建环网拓扑连接矩阵，应用图神经网络算法建立供电网络拓扑状态分析模型以实时预测环网拓扑状态；在电力系统仿真平台上模拟包括正常供电状态和各种故障供电状态的仿真场景，并采集对应的正常样本和故障样本以构建样本库；利用gan生成对抗网络扩充样本库的规模，并构建基于栈式自编码器sae的供电状态特征提取模型，将样本数据作为输入，经过sae进行特征提取得到供电状态特征；基于卷积神经网络建立供电状态检测与识别模型，将负荷预测、拓扑状态和供电特征作为输入，实现供电状态的实时识别。
6、作为本专利技术所述基于scada的主配网合环倒供电控制条件辅助决策方法的一种优选方案，其中：建立电力负荷预测模型包括以下步骤：收集环网各节点的历史电力负荷数据包括负荷曲线、负荷峰值和负荷谷值特征，并进行数据预处理；将历史电力负荷数据划分为训练集和测试集，训练集用于训练lstm模型，测试集用于评估效果；构建lstm神经网络模型，输入层输入负荷特征，通过设置多层lstm结构学习负荷变化规律，输出层给出负荷预测值；训练lstm模型，设定损失函数和优化算法，并通过多轮训练取得最佳模型参数；在测试集上利用训练好的lstm模型进行多步负荷预测，计算预测误差并进行模型评估，同时通过调整模型结构和进行参数优化以减小预测误差；获得新的负荷数据时，对模型继续训练进行迭代优化；将优化后的lstm负荷预测模型部署使用，以实现对电网节点负荷的智能化实时预测；损失函数的具体公式如下：
7、
8、其中，当δ→0时，损失趋向于mae，当δ→∞时，损失趋向于mse，δ表示超参数，y为真实值，f(x)为预测值。
9、作为本专利技术所述基于scada的主配网合环倒供电控制条件辅助决策方法的一种优选方案，其中：基于卷积神经网络建立供电状态检测与识别模型包括以下步骤：收集环网的实时负荷预测数据、拓扑状态数据以及供电状态特征，并对多源输入数据进行预处理；将预处理后的多源输入数据划分为训练集、测试集和验证集；设计卷积神经网络模型，并根据需求确定网络层数、卷积核的大小和与数量，以及池化操作结构；使用训练集对卷积神经网络模型进行训练，并通过反向传播算法和梯度下降算法以最小化损失函数，并进行模型验证和模型测试来评估其性能；将实时采集的新数据输入到训练后的卷积神经网络模型中，并从模型的输出中获取各个供电状态的置信度概率；根据模型输出的置信度概率确定当前供电状态。
10、作为本专利技术所述基于scada的主配网合环倒供电控制条件辅助决策方法的一种优选方案，其中：根据模型输出的置信度概率确定当前供电状态包括以下步骤：若最大置信度概率大于预设阈值ρ，则进入供电状态判断流程：若最大置信度概率仅有1个，则直接输出为最大置信度概率所对应的供电状态；若最大置信度概率为多个且相同，则按以下原则输出最终的供电状态：检查当前电网拓扑状态，并与置信度相同的各供电状态进行比对，输出与拓扑状态最匹配的供电状态；若拓扑状态无法确定，则检测当前的负荷情况，同样与置信度相同的各供电状态进行比对，输出负荷情况最匹配的供电状态；若负荷也无法确定，则根据预设优先级顺序选择置信度最高的供电状态；若以上条件仍无法确定供电状态，则输出未知异常状态以表示当前状态不确定，并标记人工处理；若最大置信度概率小于预设阈值ρ，则输出未知异常状态以表示当前状态不确定，并标记人工处理。
11、作为本专利技术所述基于scada的主配网合环倒供电控制条件辅助决策方法的一种优选方案，其中：基于环网各种供电状态的识别结果建立供电状态与控制策略匹配模型包括以下步骤：收集供电状态检测与识别模型输出的环网各节点的供电状态结果，并建立供电状态数据库存储供电状态信息；查询历史运维记录，根据不同的供电状态找出对应的最佳控制策略；使用决策树算法，以供电状态作为特征，历史控制策略作为标签，建立供电状态与控制策略的匹配模型；当新识别出一种供电状态时，利用蒙特卡洛树搜索算法模拟并评估不同控制策略的效果，选择能够达到最佳优化目标的策略；对于评估效果不佳的控制策略，使用增强学习算法进行改进和优化以获得更好的策略；将供电状态与对应控制策略保存到决策规则库中供输电网络优化调度使用，并定期使用新数据重新训练决策树模型和控制策略以实现持续优化。
12、作为本专利技术所述基于scada的主配网合环倒供电控制条件辅助决策方法的一种优选方案，其中：根据不同的供电状态找出对应的最佳控制策略包括以下步骤：若状态为正常供电状态，则继续监测电压、频率、功率因数和谐波参数以确保其稳定在正常范围内，并实时监测变压器和设备的温度，同时补偿电容器的选择和调整以改善功率因数和稳定电压；若状态为合环供电状态，则根据不同电源的负载能力和优先级优化功率的分配和调度，以达到电力系统的平衡，并启动并监测联络开关的接入点，逐步过渡到正常供电状态，确保切换过程平稳顺利；若状态为倒供电状态，则快速定位并隔离故障部位，通过控制刀闸或开断器切除故障部位的连接以保证供配电系统的安全运行，并根据故障类型和程度，通过自动或手动切换适当的备用电源以继续供电并逐步过渡到正常供电状态；若状态为线路过载状态，则实时监测线路负荷本文档来自技高网...
【技术保护点】
1.基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：包括，
2.如权利要求1所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述构建供电状态检测与识别模型包括以下步骤：
3.如权利要求2所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述建立电力负荷预测模型包括以下步骤：
4.如权利要求2所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述基于卷积神经网络建立供电状态检测与识别模型包括以下步骤：
5.如权利要求4所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述根据模型输出的置信度概率确定当前供电状态包括以下步骤：
6.如权利要求1所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述基于环网各种供电状态的识别结果建立供电状态与控制策略匹配模型包括以下步骤：
7.如权利要求6所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述根据不同的供电状态找出对
8.基于SCADA的主配网合环倒供电控制条件辅助决策系统，基于权利要求1～7任一所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法，其特征在于：还包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于SCADA的主配网合环倒供电控制条件辅助决策方法的步骤。
...【技术特征摘要】
1.基于scada的主配网合环倒供电控制条件辅助决策方法，其特征在于：包括，
2.如权利要求1所述的基于scada的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述构建供电状态检测与识别模型包括以下步骤：
3.如权利要求2所述的基于scada的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述建立电力负荷预测模型包括以下步骤：
4.如权利要求2所述的基于scada的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述基于卷积神经网络建立供电状态检测与识别模型包括以下步骤：
5.如权利要求4所述的基于scada的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述根据模型输出的置信度概率确定当前供电状态包括以下步骤：
6.如权利要求1所述的基于scada的主配网合环倒供电控制条件辅助决策方法，其特征在于：所述基于环网各种...
【专利技术属性】
技术研发人员：魏文瑄，郭明，石启宏，张云菊，司胜文，冯扬婧澜，陈馨，张凯，刘胤枫，李康，仇伟杰，史虎军，沈光友，李青峰，陈小林，杨茗，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。