电网线路薄弱程度的判别方法、装置、设备及介质与流程

1.本发明属于电力自动化技术领域，特别涉及一种电网线路薄弱程度的判别方法、装置、设备及介质。


背景技术：

2.电网的薄弱环节是指那些运行状态差、受到扰动后逼近临界状态速度快，且发生故障后影响严重的元件或元件集合，其影响因素主要有电网结构、出力水平、负荷水平和潮流分布等。因此，如何对实际电网进行网络建模，如何定义节点和线路的薄弱程度评价指标等，将成为辨识电网线路薄弱程度的重要一环。
3.短路容量在单位电压情况下数值上就等于系统导纳值，即为系统戴维南等值阻抗的倒数。短路容量越大，系统戴维南等效电阻越小，负荷、并联电容器或电抗器的投切不会引起电压幅值大的变化，因此系统比较强。短路比(scr)是指表征系统短路容量除以设备容量，所以当短路比大，指这个设备是接到一个强的系统中，表明设备的投切对系统影响不是很大。
4.scr通常可以从以下等式获得：
[0005][0006]
其中，
[0007]
s是1.0p.u的转换或终端交流总线上的交流系统三相对称短路电平，单位为兆伏安(mva)。交流端电压；
[0008]
pn是以兆瓦(mw)为单位的额定直流终端功率。
[0009]
基于该定义和典型的逆变器特性(例如转换器或变压器电抗的值)，以下scr值可用于对交流/直流系统进行分类：
[0010]
高scr交流/直流系统按scr值大于3进行分类。
[0011]
低scr交流/直流系统按2到3之间的scr值分类。
[0012]
scr非常低的交流/直流系统按scr值低于2进行分类
[0013]
同时，对于典型的逆变器设计，可以给出最大可用功率下运行对应的临界短路比为2。临界短路比代表“稳定”和“不稳定”运行区域之间的边界。对于低于临界短路比的scr值，操作处于交流电压/直流功率特性的“不稳定”区域。
[0014]
从公示(1)中可以看出，虽然可以用短路比scr来确定电力系统的强弱，但是由于采用了额定容量，无法体现大规模可再生能源的间歇性以及大量电动汽车等柔性负荷的随机性，迫切需要提出一种能够兼顾可再生能源与电动汽车对电网影响的指标来定义电网的薄弱强度，开展定性的分析。
[0015]
随着大规模可再生能源等间歇性电源作为电源接入电力系统，以及大量的电动汽车等随机性负荷的大量接入，使得电力系统无论从电源侧还是负荷侧都受到了很大的冲击，对电网的运行提出了更高的挑战。面对电网中的间歇性电源和随机性负荷，相关线路的“强弱”判别将成为所必须关注的问题。


技术实现要素：

[0016]
本发明的目的在于提供一种电网线路薄弱程度的判别方法、装置、设备及介质，通过分析开断电网线路的影响作为样本，以电网所有节点的电压幅值和相角，以及所有线路的有功、无功以及负载率为输入，利用人工神经网络来判别开断线路的影响程度，实现对电网影响程度的判别。
[0017]
为了实现上述目的，本发明采用如下技术方案：
[0018]
第一方面，本发明提供一种电网线路薄弱程度的判别方法，其特征在于，包括：
[0019]
获取目标电网的潮流数据；
[0020]
选择目标电网中一条线路，将潮流数据中目标电网所有节点的电压相角、幅值，以及除了所选择线路外的所有线路上的潮流和负载率作为输入，输入所选线路预先建立的深度图卷积神经网络模型，获得所选线路薄弱度指标；遍历目标电网的所有线路，获得所有线路的线路薄弱度指标；
[0021]
对目标电网的所有线路的薄弱度指标排序，完成电网线路薄弱程度的判别。
[0022]
本发明进一步的改进在于，所述获取目标电网的潮流数据包括：目标电网所有节点的电压相角、幅值，以及所有线路上的潮流和负载率；所述线路上的潮流具体包括线路的有功功率及无功功率。
[0023]
本发明进一步的改进在于，所述预先建立的深度图卷积神经网络模型的建立过程包括：
[0024]
将目标电网中所选线路进行开断，并计算所有新能源接入和电动汽车接入点的短路容量作为被除数，将采集到的新能源电站和电动汽车的实时功率作为除数，计算二者之比求取接入点的短路比，并进行排序，取最小值，并归一化取整作为薄弱程度的判别量为输出量；以目标电网所有节点的电压幅值和相角，以及所选线路外所有线路的有功、无功以及负载率为输入，通过神经网络进行训练，得到所选线路的深度图卷积神经网络模型。
[0025]
本发明进一步的改进在于，所述薄弱程度的判别量中：
[0026]
如果线路薄弱程度的判别量为1，表示目标电网下不能开断对应线路；
[0027]
如果线路薄弱程度的判别量为2，表示目标电网下，要减少对应线路的可再生能源或者电动汽车的功率；
[0028]
如果线路薄弱程度的判别量为3，表示目标电网下，能够开断对应线路。
[0029]
第二方面，本发明提供一种电网线路薄弱程度的判别装置，包括：
[0030]
获取模块，用于获取目标电网的潮流数据；
[0031]
计算模块，用于选择目标电网中一条线路，将潮流数据中目标电网所有节点的电压相角、幅值，以及除了所选择线路外的所有线路上的潮流和负载率作为输入，输入所选线路预先建立的深度图卷积神经网络模型，获得所选线路薄弱度指标；遍历目标电网的所有线路，获得所有线路的线路薄弱度指标；
[0032]
排序模块，用于对目标电网的所有线路的薄弱度指标排序，完成电网线路薄弱程度的判别。
[0033]
本发明进一步的改进在于，所述获取目标电网的潮流数据包括：目标电网所有节
点的电压相角、幅值，以及所有线路上的潮流和负载率；所述线路上的潮流具体包括线路的有功功率及无功功率。
[0034]
本发明进一步的改进在于，所述预先建立的深度图卷积神经网络模型的建立过程包括：
[0035]
将目标电网中所选线路进行开断，并计算所有新能源接入和电动汽车接入点的短路容量作为被除数，将采集到的新能源电站和电动汽车的实时功率作为除数，计算二者之比求取接入点的短路比，并进行排序，取最小值，并归一化取整作为薄弱程度的判别量为输出量；以目标电网所有节点的电压幅值和相角，以及所选线路外所有线路的有功、无功以及负载率为输入，通过神经网络进行训练，得到所选线路的深度图卷积神经网络模型。
[0036]
本发明进一步的改进在于，所述薄弱程度的判别量中：
[0037]
如果线路薄弱程度的判别量为1，表示目标电网下不能开断对应线路；
[0038]
如果线路薄弱程度的判别量为2，表示目标电网下，要减少对应线路的可再生能源或者电动汽车的功率；
[0039]
如果线路薄弱程度的判别量为3，表示目标电网下，能够开断对应线路。
[0040]
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的电网线路薄弱程度的判别方法。
[0041]
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述的电网线路薄弱程度的判别方法。
[0042]
相对于现有技术，本发明具有以下有益效果：
[0043]
本发明提供一种电网线路薄弱程度的判别方法、装置、设备及介质，以目标电网的电压和潮流为输入，以开断线路下各间歇性新能源和随机负荷的电动汽车对应节点的归一化后的短路比为输出，实现对给定场景下线路强弱程度的划分；本发明一方面将场景与线路薄弱程度绑定，另一方面兼顾了间歇性新能源和随机电动汽车负荷的影响，能够很好的对电网的运行状态进行评估。
附图说明
[0044]
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0045]
图1为深度图卷积神经网络模型的训练过程示意图；
[0046]
图2为本发明一种电网线路薄弱程度的判别方法的流程示意图；
[0047]
图3为本发明一种电网线路薄弱程度的判别装置的结构示意图；
[0048]
图4为本发明一种电子设备的结构框图。
具体实施方式
[0049]
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0050]
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含
义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
[0051]
实施例1
[0052]
本发明提出了一种电网线路薄弱程度的判别方法，以电网所有节点的电压幅值和相角，以及所有线路的有功、无功以及负载率为输入，以采用短路比为定义的线路开断对电网的影响为输出，利用人工神经网络来判别，实现电网线路薄弱程度的判别。
[0053]
本发明是分两步走：第一步是训练，首先是针对研究的线路进行开断，并计算有新能源接入和电动汽车接入点的短路容量作为被除数，将采集到的新能源电站和电动汽车的实时功率作为除数，计算二者之比求取这些接入点的短路比，并进行排序，取最小值，并归一化取整作为薄弱程度的判别量为输出量；然后以此时电网所有节点的电压幅值和相角，以及所有线路的有功、无功以及负载率为输入，通过神经网络进行训练，得到深度图卷积神经网络模型。第二步是辨识，以实时量测的电网所有节点的电压幅值和相角，以及所有线路的有功、无功以及负载率为输入，输入深度图卷积神经网络模型就可以输出在当前模型下，这条线路对应的薄弱程度。
[0054]
请参阅图1所示，针对目标电网线路薄弱度判别的深度图卷积神经网络模型的训练方法包括：
[0055]
s11、选择目标电网，选定目标电网中一条线路，并将选定线路断开；
[0056]
s12、在目标电网拓扑下，计算所有接入可再生能源和电动汽车节点的短路容量；
[0057]
s13、选择一个潮流断面，采集各节点上的可再生能源功率和电动汽车功率；
[0058]
s14、以短路容量为被除数，以各个节点上的可再生能源功率或者电动汽车功率为除数，求得各节点上的可再生能源或者电动汽车的实际输出短路比；
[0059]
s15、针对所有求得的短路比进行排序，取最小值，并进行归一化(如果大于3则定义为3，如果为2-3之间，则定义为2，如果小于2则定义为1)，作为针对研究拓扑下，这条线路对应当前潮流的薄弱度。如果定义为1，则很弱；如果为2为弱；定义为3则为强。强表明线路的开断对电网影响不大；如果为弱，则表明需要减少可再生能源或者电动汽车的功率；如果为很弱，则表明系统不稳定，该拓扑下不能开断这条线路。
[0060]
s16、核对开断线路下，潮流样本是否足够，不足则转到s12，足够则进行下一步。
[0061]
s17、核对是否所有线路都开断完成，未完成则转到s11，所有线路都开断完成后转到下一步。
[0062]
s18、针对每条线路，以电网所有节点的电压相角、幅值，以及除了本线路外的所有线路上的潮流和负载率为输入，以计算得到归一化短路比为输出，利用深度图卷积神经网络进行训练，得到每条线路的深度图卷积神经网络模型；完成模型的训练。
[0063]
在一具体实施方式中，神经网络可以采用卷积神经网络或者bp神经网络。
[0064]
请参阅图2所示，针对目标电网中线路薄弱度的判别方法，包括以下步骤：
[0065]
s21、选择目标电网，导入所需要辨识的场景，主要是潮流数据，包括电网所有节点的电压相角、幅值，以及所有线路上的潮流和负载率等信息，作为输入；
[0066]
s22、选择一条线路，根据这条线路，确定所对应的训练好的深度图卷积神经网络模型；
[0067]
s23、电网所有节点的电压相角、幅值，以及除了本线路外的所有线路上的潮流和
负载率信息作为输入，通过深度图卷积神经网络模型得到所对应的薄弱度指标，其中很弱为1，表示对应线路十分重要，在当前场景下不能开断；弱为2，表示线路较为重要，当前场景下如要降低所接入的新能源或者电动汽车的功率；强为3，表示线路不太重要，当前场景下可以开断。
[0068]
s24、核对所有线路是不是都辨识过了，如果没有则转到s22，如果辨识完毕，则到下一步。
[0069]
s25、对所有线路的薄弱程度进行排序，完成辨识。
[0070]
本发明提出了一种电网线路薄弱程度人工神经网络的判别方法，以电网的场景下的节点和线路的潮流数据为输入，以线路开断后对间歇性新能源和随机电动汽车负荷实时短路比(归一化后)为输出，通过人工神经网络进行识别来实现判别。
[0071]
实施例2
[0072]
请参阅图3所示，本发明提供一种电网线路薄弱程度的判别装置，包括：
[0073]
获取模块，用于获取目标电网的潮流数据；
[0074]
计算模块，用于选择目标电网中一条线路，将潮流数据中目标电网所有节点的电压相角、幅值，以及除了所选择线路外的所有线路上的潮流和负载率作为输入，输入所选线路预先建立的深度图卷积神经网络模型，获得所选线路薄弱度指标；遍历目标电网的所有线路，获得所有线路的线路薄弱度指标；
[0075]
排序模块，用于对目标电网的所有线路的薄弱度指标排序，完成电网线路薄弱程度的判别。
[0076]
在一具体实施方式中，所述获取目标电网的潮流数据包括：目标电网所有节点的电压相角、幅值，以及所有线路上的潮流和负载率；所述线路上的潮流具体包括线路的有功功率及无功功率。
[0077]
在一具体实施方式中，所述预先建立的深度图卷积神经网络模型的建立过程包括：
[0078]
将目标电网中所选线路进行开断，并计算所有新能源接入和电动汽车接入点的短路容量作为被除数，将采集到的新能源电站和电动汽车的实时功率作为除数，计算二者之比求取接入点的短路比，并进行排序，取最小值，并归一化取整作为薄弱程度的判别量为输出量；以目标电网所有节点的电压幅值和相角，以及所选线路外所有线路的有功、无功以及负载率为输入，通过神经网络进行训练，得到所选线路的深度图卷积神经网络模型。
[0079]
在一具体实施方式中，所述薄弱程度的判别量中：
[0080]
如果线路薄弱程度的判别量为1，表示目标电网下不能开断对应线路；
[0081]
如果线路薄弱程度的判别量为2，表示目标电网下，要减少对应线路的可再生能源或者电动汽车的功率；
[0082]
如果线路薄弱程度的判别量为3，表示目标电网下，能够开断对应线路。
[0083]
实施例3
[0084]
请参阅图4所示，本实施例提供一种电子设备100；所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
[0085]
存储器101可用于存储所述计算机程序103，所述处理器102通过运行或执行存储
在所述存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1所述的电网线路薄弱程度的判别方法步骤。所述存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
[0086]
所述至少一个处理器102可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，所述处理器102是所述电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
[0087]
所述电子设备100中的所述存储器101存储多个指令以实现电网线路薄弱程度的判别方法，所述处理器102可执行所述多个指令从而实现：
[0088]
获取目标电网的潮流数据；
[0089]
选择目标电网中一条线路，将潮流数据中目标电网所有节点的电压相角、幅值，以及除了所选择线路外的所有线路上的潮流和负载率作为输入，输入所选线路预先建立的深度图卷积神经网络模型，获得所选线路薄弱度指标；遍历目标电网的所有线路，获得所有线路的线路薄弱度指标；
[0090]
对目标电网的所有线路的薄弱度指标排序，完成电网线路薄弱程度的判别。
[0091]
实施例4
[0092]
所述电子设备100集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(rom，read-only memory)。
[0093]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0094]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0095]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0096]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0097]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。