在配网终端实现自适应网络恢复重构的方法技术

本发明专利技术涉及电力供配电技术领域，其公开了一种在配网终端实现自适应网络恢复重构的方法，其特征在于，包括以下步骤：（ａ）构造配网终端神经网络模块的输入向量和输出向量；（ｂ）初始化神经网络；（ｃ）用样本对神经网络进行训练；（ｄ）用训练后的神经网络模块处理配电网络恢复重构。本发明专利技术的有益效果是：本发明专利技术通过借助于神经网络输入与输出之间的非线性映射关系，以及自适应自学习能力，来建立变化的配电网负荷与最优化网络拓扑之间的对应关系，以实现配电网重构，从而降低配电网线损，提高系统经济性；同时均衡负荷，消除过载，提高供电电压质量；进一步提高供电可靠性。

Method for realizing adaptive network recovery reconfiguration in distribution network terminal

The invention relates to the technical field of power supply and distribution, and discloses a method for realizing adaptive network reconfiguration in distribution network terminal, which is characterized by comprising the following steps: (a) input vector and output vector to construct the distribution terminal neural network module (b) initialization; neural network; (c) for neural network training with the sample; (d) by the trained neural network module and distribution network reconfiguration. The beneficial effect of the invention is: through the nonlinear mapping relationship between the neural network with input and output, self-learning and adaptive ability, the corresponding relationship between the load and the optimal network topology of distribution network to create change, in order to realize the reconfiguration of distribution network, thereby reducing the distribution network loss, improve the economic efficiency of the system; at the same time balance load, eliminate overload, improve power supply quality; further improve the reliability of power supply.

【技术实现步骤摘要】

本专利技术涉及电力供配电
，特别涉及一种。
技术介绍
网络重构是配电系统运行和控制的重要手段，也是配电管理系统的重要组成部分。网络重构在理论上是一个复杂的多目标非线性组合优化问题。自上世纪80年代以来，人们对配电网络重构进行了广泛的研究，形成了比较成熟的网络重构的方法和理论。配电网络重构算法产生的背景是在网络重构的过程中，由于配电网的网损与电压是非线性关系，且有其他的各种约束条件，进行配电网络重构的分析实际上是一个复杂的多目标非线性优化问题。配电网络重构算法由于配电网络重构的多目标性，可以取不同的目标函数来进行算法研究，目前较多的是以网损最小为目标函数的算法。 随着电网规模的扩大和电网结构复杂程度的增加，主站处理的数据急剧增加，网络重构的复杂程度也随之增长，重构算法的实现难度及处理时间都随之增加。现在的配电网络重构方式的缺点在于网络重构必须依赖于配电主站，对配电网通信的依赖性强，当通信系统发生故障或控制中心故障，则不可避免地导致整个控制系统瘫痪，无法实现配电网的网络重构；而发生的线路故障，无法实现网络重构，不能恢复对故障区域供电。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种，解决现有技术中配电网重构时网络重构必须依赖于配电主站，控制中心发生故障时无法实现配电网的网络重构的问题，达到供电可靠性目的。 本专利技术解决现有技术问题所采用的技术方案是设计和制造一种，包括以下步骤(a)构造配网终端神经网络模块的输入向量和输出向量；(b)初始化神经网络；(c)用样本对神经网络进行训练；(d)用训练后的神经网络模块处理配电网络恢复重构。 本专利技术进一步的改进是所述步骤(a)进一步包括(a1)按配网终端流经故障电流以及位置加上转移负荷所在开关构造配网终端神经网络模块的输入向量；(a2)按配网终端所在的开关及断路器分合状态构造配网终端神经网络模块的输出向量。 本专利技术进一步的改进是所述步骤(b)中，利用电力专家经验初始化神经网络；所述利用电力专家经验初始化神经网络是利用电力专家对配电网恢复重构的处理经验，确定中间层与输入层以及输出层与中间层的连接权值的初始值。 本专利技术进一步的改进是所述步骤(c)进一步包括(c1)计算中间层、输出层各神经元输出；(c2)计算期望输出与实际输出误差；(c3)反向传递误差，调整中间层与输入层以及输出层与中间层的连接权值；(c4)对神经网络进行训练，若误差满足要求时则结束训练，否则重复训练。 本专利技术进一步的改进是所述步骤(d)进一步包括(d1)配网终端检测到故障，将故障信息上报主站；(d2)接收关联终端的相应信息，通过故障处理程序得出切离故障需要断开的开关及需要转移的负荷所在开关；(d3)将接收到的开关负荷信息及切离故障需要断开的开关和需要转移的开关流经负荷信息作为为终端神经网络程序输入，终端由相应的神经网络模块输出得出分段开关和联络开关以及断路器的操作逻辑；(d4)终端将神经网络模块得出的开关操作逻辑上报主站以作为参考；(d5)当与主站不能够通信或得知主站故障时，终端由神经网络模块得出的开关操作逻辑，操作分段开关和联络开关以及断路器；(d6)完成配电网络的恢复重构。 本专利技术的有益效果是本专利技术通过借助于神经网络输入与输出之间的非线性映射关系，以及自适应自学习能力，来建立变化的配电网负荷与最优化网络拓扑之间的对应关系，以实现配电网重构，从而降低配电网线损，提高系统经济性；同时均衡负荷，消除过载，提高供电电压质量；进一步提高供电可靠性。 附图说明 图1是本专利技术流程示意图。 图2是本专利技术中配电网络恢复重构处理流程图。 图3是本专利技术中配网终端管理与转移负荷的神经网络程序训练流程图。 具体实施例方式 下面结合附图对本专利技术作进一步说明。 如图1，一种，包括以下步骤a构造配网终端神经网络模块的输入向量和输出向量；b初始化神经网络；c用样本对神经网络进行训练；d用训练后的神经网络模块处理配电网络恢复重构。 所述步骤a进一步包括a1按配网终端流经故障电流以及位置加上转移负荷所在开关构造配网终端神经网络模块的输入向量；a2按配网终端所在的开关及断路器分合状态构造配网终端神经网络模块的输出向量。 所述步骤b中，利用电力专家经验初始化神经网络；所述利用电力专家经验初始化神经网络是利用电力专家对配电网恢复重构的处理经验，确定中间层与输入层以及输出层与中间层的连接权值的初始值。 所述步骤c进一步包括c1计算中间层、输出层各神经元输出；c2计算期望输出与实际输出误差；c3反向传递误差，调整中间层与输入层以及输出层与中间层的连接权值；c4对神经网络进行训练，若误差满足要求时则结束训练，否则重复训练。 所述步骤d进一步包括d1配网终端检测到故障，将故障信息上报主站；d2接收关联终端的相应信息，通过故障处理程序得出切离故障需要断开的开关及需要转移的负荷所在开关；d3将接收到的开关负荷信息及切离故障需要断开的开关和需要转移的开关流经负荷信息作为为终端神经网络程序输入，终端由相应的神经网络模块输出得出分段开关和联络开关以及断路器的操作逻辑；d4终端将神经网络模块得出的开关操作逻辑上报主站以作为参考；d5当与主站不能够通信或得知主站故障时，终端由神经网络模块得出的开关操作逻辑，操作分段开关和联络开关以及断路器；d6完成配电网络的恢复重构。 在本专利技术的一优选实施例中，系统中将配电上的断路器、分段开关和联络开关当作节点并进行编号，构造网络描述矩阵。其中分段开关所在配网终端与断路器所在配网终端以及相应联络开关所在配网终端，按流经负荷以及位置加上转移负荷所在开关构造神经网络输入参数，各配网终端所在的开关及断路器分合状态作为神经网络输出。 借助于神经网络输入与输出之间的非线性映射关系，以及自适应自学习能力，来建立变化的配电网负荷与最优化网络拓扑之间的对应关系，以实现配电网重构。将配电网络上的断路器、分段开关和联络开关当作节点并进行编号，构造网络描述矩阵。其中分段开关所在配网终端与断路器所在配网终端以及相应联络开关所在配网终端，按流经负荷以及位置加上转移负荷所在开关构造神经网络输入参数，各配网终端所在的开关及断路器分合状态作为神经网络输出。神经网络采用适用于自适应控制的多层BP前向网络，采用有教师学习方式，可根据相关专家经验选取初始权值和阈值，以使神经网络更好收敛。本专利技术在配网终端中实现自适应网络重构，主要目标是在控制中心发生故障时，能实现故障后的配电网恢复重构，所以在神经网络训练时以开关操作次数最少和切负荷最小为目标函数，把配电网线损最小和均衡负荷作为选取方案的一个条件。 图3示出了本专利技术的配电网络恢复重构的神经网络程序训练方法。 本专利技术可采用BP神经网络，基于误差传递算法，须通过学习样本与教师样本得出输出层误差，通过每层的误差传递调整神经网络，改变输出误差，以使输出误差小于给定误差指标。 训练神经网络程序时，程序中设定的中间层节点数以及学习速率都会影响网络收敛速度，即对训练次数造成影响。若中间层节点数太少，网络可能根本不能训练或网络性能很差；若中间层节点数太多，虽然可使网络的系统误差减小，但一方面使网络训练时间延长，另一方面，训练容易陷入局部极小点而得不到最优点，也容易出现“过拟合”。学习速率在0和1本文档来自技高网...

【技术保护点】
一种在配网终端实现自适应网络恢复重构的方法，其特征在于，包括以下步骤：（ａ）构造配网终端神经网络模块的输入向量和输出向量；（ｂ）初始化神经网络；（ｃ）用样本对神经网络进行训练；（ｄ）用训练后的神经网络模块处理配电网络恢复重构。

【技术特征摘要】
1.一种在配网终端实现自适应网络恢复重构的方法，其特征在于，包括以下步骤(a)构造配网终端神经网络模块的输入向量和输出向量；(b)初始化神经网络；(c)用样本对神经网络进行训练；(d)用训练后的神经网络模块处理配电网络恢复重构。2.根据权利要求1所述在配网终端实现自适应网络恢复重构的方法，其特征在于所述步骤(a)进一步包括(a1)按配网终端流经故障电流以及位置加上转移负荷所在开关构造配网终端神经网络模块的输入向量；(a2)按配网终端所在的开关及断路器分合状态构造配网终端神经网络模块的输出向量。3.根据权利要求1所述在配网终端实现自适应网络恢复重构的方法，其特征在于所述步骤(b)中，利用电力专家经验初始化神经网络；所述利用电力专家经验初始化神经网络是利用电力专家对配电网恢复重构的处理经验，确定中间层与输入层以及输出层与中间层的连接权值的初始值。4.根据权利要求1所述在配网终端实现自适应网络恢复重构的方法，其特征在于所述步骤(c)进一步包括(...

【专利技术属性】
技术研发人员：崔丰曦，
申请(专利权)人：深圳市科陆电子科技股份有限公司，
类型：发明
国别省市：94[中国|深圳]