一种基于设备拓扑关系的最佳跳闸点智能判定方法与流程

本发明属于电网调度，具体涉及一种基于设备拓扑关系的最佳跳闸点智能判定方法。

背景技术：

1、在电网的运行和调度过程中，跳闸事件时有发生。当前跳闸点的判定主要依赖于人工判断或简单的阈值设定，这些方法存在判定不准确、反应速度慢等问题，尤其在复杂的电网结构中，难以迅速准确地找到最佳跳闸点，从而可能导致故障范围的扩大和恢复时间的延长。

2、电网中的设备拓扑关系是指电网中各设备(如变压器、开关、线路等)之间的连接关系。现有的跳闸点判定方法大多基于简单的阈值判断，如电流超过设定阈值即判定为跳闸点，这种方法忽略了电网设备之间的拓扑关系，导致判定结果不准确。此外，一些方法虽然考虑了设备之间的连接关系，但判定过程复杂，难以在实际应用中推广。

3、因此如何克服现有技术的不足是目前电网调度技术领域亟需解决的问题。

技术实现思路

1、本发明旨在提供一种基于设备拓扑关系的最佳跳闸点智能判定方法，以解决当前电网跳闸点判定过程中存在的判定不准确、反应速度慢以及复杂度高的问题。通过综合考虑电网中设备的拓扑连接关系，结合实时采集的电网数据，利用先进的智能算法进行快速、准确的跳闸点判定，从而提高电网的运行安全性和稳定性，减少故障对电网的影响，保障电力供应的可靠性和连续性。

2、为实现上述目的，本发明采用的技术方案如下：

3、一种基于设备拓扑关系的最佳跳闸点智能判定方法，包括如下步骤：

4、步骤(1)，建立设备拓扑关系模型：

5、将电网中的设备抽象为节点，设备之间的连接关系抽象为边，建立电网的设备拓扑关系模型；

6、步骤(2)，实时采集电网数据：

7、实时采集电网中设备的运行数据及历史数据；

8、步骤(3)，模型构建：

9、根据步骤(1)获得的电网拓扑模型和步骤(2)获得的运行数据，建立最佳跳闸点计算模型；

10、步骤(4)，智能判定最佳跳闸点：

11、故障发生时，利用最佳跳闸点计算模型进行最佳跳闸点集合的计算，并在拓扑关系模型显示相应的跳闸点位置和跳闸点跳闸后的供电范围；

12、步骤(5)，反馈与执行：业务人员将最佳跳闸点集合反馈给电网控制系统，执行相应的跳闸操作，同时记录跳闸事件。

13、进一步，优选的是，步骤(1)具体包括如下步骤：

14、(1.1)单线图识别：

15、获取电网的单线图；

16、(1.2)图像预处理：

17、对获取电网的单线图进行预处理；

18、(1.3)图像分割：

19、将单线图分割成多个区域，每个区域对应一个设备或一组设备；

20、(1.4)设备抽象：

21、将电网中的设备抽象为图中的节点；

22、(1.5)连接关系识别：

23、识别设备之间的连接关系；

24、(1.6)连接关系抽象：

25、将设备之间的连接关系抽象为图中的边；

26、(1.7)图结构构建：

27、使用图结构来表示设备及其连接关系。

28、进一步，优选的是，步骤(1.2)中，预处理包括二值化和去噪。

29、进一步，优选的是，步骤(1.4)中，所述的设备包括变压器、开关、断路器、馈线、母线、线路、电容器和电抗器。

30、进一步，优选的是，步骤(1.5)中，连接关系通过方式一或方式二进行识别，具体如下：

31、方式一，邻近性分析：分析设备之间的相对位置，确定它们是否相连；

32、方式二，路径跟踪：从一个设备出发，沿着线条追踪到另一个设备，确定它们之间的连接关系。

33、进一步，优选的是，步骤(2)中，运行数据包括台变数量、停电范围、保护重要设备、非同期重合设备、故障设备、跳闸设备、用户数量、拓扑数量。

34、进一步，优选的是，步骤(3)的具体方法为：

35、(3.1)数据预处理：

36、对历史故障发生时的运行数据进行预处理以去除异常值及缺失值，并进行归一化处理；

37、历史故障发生时的运行数据包括历史故障发生时，且跳闸后，所影响的台变数量、停电范围面积、保护重要设备数量、非同期重合设备数量、故障设备数量、跳闸设备数量、用户数量和拓扑数量；

38、(3.2)数据分类：

39、将采集数据根据故障类型按设备故障、线路故障进行故障分类；

40、(3.3)最佳跳闸点计算模型模型构建：

41、(3.3.1)相关性分析

42、将供电范围面积作为y，分析台变数量x1、停电范围面积x2、保护重要设备数量x3、非同期重合设备数量x4、故障设备数量x5、跳闸设备数量x6、用户数量x7、拓扑数量x8这8个影响因素与供电范围面积作为y的相关性；

43、具体地，对于两种故障类型，分别使用pearson相关系数法分析x1～x8与y的相关性，并通过lasso回归去掉影响因素之间的共线性问题，从而提取出对于两种故障类型，影响供电范围的关键特征；

44、(3.3.2)最佳跳闸点计算模型构建

45、将电网看作一个图形平面，将故障点当做起点，线路末端为终点，中间的节点为各个跳闸点；

46、对于每个跳闸点，计算该故障类型下该跳闸点的参数值；

47、跳闸点的参数值的计算方法为：

48、将该故障类型下对应的(3.3.1)中筛选出的每个关键特征乘以该关键特征的权重，所得结果求和，得到该跳闸点的参数值；

49、每个故障类型下，所有关键特征的权重之和为1；

50、通过a*算法找到从故障点到终点经过的跳闸点的参数值之和的最小路径，则经过的这些跳闸点集合为最佳跳闸点集合；

51、采用历史故障发生时的运行数据对应的最佳跳闸点集合，对每个故障类型下的关键特征的权重进行求解，利用求解的结果，带入回跳闸点参数值的计算中，从而得到最佳跳闸点计算模型。

52、进一步，优选的是，(3.2)中，所述的故障类型包括线路故障、设备故障。

53、进一步，优选的是，(3.3.1)中，使用pearson相关系数法分析x1～x8与y的相关性时，选择相关系数大于0.5的影响因素，然后进行lasso回归。

54、本发明提供一种基于设备拓扑关系的最佳跳闸点智能判定方法，通过精确分析和判断，确定电网中故障发生时的最佳跳闸点，以减少故障范围，保障电网的稳定运行。相较于现有技术，本发明的技术效果主要体现在以下几个方面：

55、(1)提高判定准确性：通过考虑电网设备之间的拓扑关系，本发明能够更准确地判断故障点及其影响范围，从而确定最佳跳闸点，减少误判和漏判的可能性。

56、(2)缩短响应时间：借助实时数据采集和智能算法分析，本发明能够快速响应电网故障，实现故障的快速定位和最佳跳闸点的智能判定，减少故障对电网运行的影响。

57、(3)增强电网稳定性：通过精确判断最佳跳闸点，本发明有助于在故障发生时及时隔离故障区域，防止故障范围扩大，从而增强电网的稳定性和可靠性。

58、(4)提升运维效率：本发明提供的方法不仅简化了跳闸点判定的过程，还减少了人工干预的需求，提升了电网运维的效率和自动化水平。