电网故障自愈的测试方法、装置和介质与流程

摘要: 本发明涉及电力系统故障自愈测试,尤其涉及电网故障自愈的测试方法、装置和介质。背景技术:1、随着分布式电源渗透率的持续提升以及用电负荷结构的日益复杂,配电网作为电...
电网故障自愈的测试方法、装置和介质与流程

本发明涉及电力系统故障自愈测试,尤其涉及电网故障自愈的测试方法、装置和介质。

背景技术:

1、随着分布式电源渗透率的持续提升以及用电负荷结构的日益复杂,配电网作为电力系统中直接面向用户的末端环节,其运行工况呈现出更强的随机性与波动性,因此对故障发生后快速自愈恢复供电能力提出了更高要求。自愈控制策略通过在故障发生后自动执行故障定位、隔离与负荷转供等操作,能够有效缩短停电时间、缩小停电范围,已成为提升配电网供电可靠性的关键技术手段。为验证自愈控制策略的有效性与鲁棒性,需要构建涵盖各类故障形态与运行工况的测试场景对其进行充分测试。

2、现有配电网故障自愈测试多采用单一配电网的历史故障数据结合故障时刻的静态电气断面生成测试场景进行测试,但其存在缺陷:一方面,单一配电网历史故障样本数量极为有限,且极端故障事件具有偶发性和稀缺性,这导致可用故障样本严重匮乏,生成的测试场景难以覆盖长尾分布的极端工况,无法充分验证自愈控制策略在罕见故障形态下的应对能力,导致测试的可靠性不足;另一方面,现有方法多局限于故障触发时刻的静态电气断面,仅关注故障发生瞬间的电气量特征,未能对故障隔离及恢复供电后一段时间内的系统状态进行动态推演模拟,静态断面无法反映恢复供电后存在的动态风险,导致通过测试的自愈策略在实际投运后仍可能出现二次停电或设备损坏等问题,测试可靠性低。

技术实现思路

1、本发明提供了电网故障自愈的测试方法、装置和介质,能够解决现有电网故障自愈测试中因样本匮乏与场景静态化所导致的场景代表性不足的问题,以提高电网故障自愈测试的可靠性。

2、第一方面,本发明一实施例提供了一种电网故障自愈的测试方法,包括:

3、采集源域配电网的故障经验数据和目标域配电网的运行数据;

4、将所述故障经验数据和所述运行数据输入预设特征提取模型,以分别对所述故障经验数据和所述运行数据进行特征提取,得到故障经验特征和源荷运行特征,并将所述故障经验特征和所述源荷运行特征进行融合,生成所述目标域配电网的故障扩充特征集;

5、将所述故障扩充特征集与随机噪声输入预设生成对抗网络进行条件生成,得到候选测试场景集,利用所述候选测试场景集中各候选场景进行故障自愈仿真,得到各所述候选场景的动态演化特征,对各所述动态演化特征进行聚类削减,得到所述目标域配电网的测试场景集,以使所述目标域配电网利用所述测试场景集进行故障自愈策略测试。

6、这样通过采集源域配电网的故障经验数据和目标域配电网的运行数据,可为后续跨域经验共享和场景生成提供多源异构数据基础,从数据源头保障后续电网故障自愈测试的可靠性;将故障经验数据和运行数据输入特征提取模型进行特征提取,得到故障经验特征和源荷运行特征,可从源域故障样本中提取故障演化规律与恢复逻辑的本质特征,同时从目标域运行数据中提取分布式电源出力与负荷需求的耦合特征,保障特征迁移的可靠性,进一步保障电网故障自愈测试的可靠性;将故障经验特征和源荷运行特征进行融合,生成目标域配电网的故障扩充特征集,可将源域成熟的故障经验映射至目标域,生成目标域原本不存在的虚拟故障特征,从根源上解决单一电网历史故障样本匮乏的问题,使测试场景能够覆盖长尾分布的极端工况,提高测试场景的丰富性进而保障测试可靠性;将故障扩充特征集与随机噪声输入生成对抗网络进行条件生成,得到候选测试场景集,可利用生成对抗网络的条件生成机制,以故障扩充特征集中的各故障特征作为约束条件,引导生成器生成与所述故障特征相匹配的候选测试场景,使生成的候选测试场景能够准确反映对应故障类型下的电网运行状态,为后续故障自愈仿真提供可靠的初始场景,提高电网故障自愈测试的可靠性;利用候选测试场景集中各候选场景进行故障自愈仿真,得到各候选场景的动态演化特征,可通过多时间步长的动态推演克服静态断面无法反映动态风险的缺陷,使测试场景能够暴露自愈策略在动态环境下的潜在失效,提高测试的动态风险检测能力,进而提高电网故障自愈测试的可靠性;对各动态演化特征进行聚类削减,得到目标域配电网的测试场景集,可剔除大量冗余场景,使最终生成的典型场景集以最少的数量覆盖最大的工况空间,提高测试场景集的代表性,进而提高电网故障自愈测试的可靠性;最终使目标域配电网利用测试场景集进行故障自愈策略测试,可显著提升自愈控制策略在复杂动态环境下的测试全面性与可靠性。本技术能够解决现有电网故障自愈测试中因样本匮乏与场景静态化所导致的场景代表性不足的问题,以提高电网故障自愈测试的可靠性。

7、进一步的,所述将所述故障经验数据和所述运行数据输入预设特征提取模型,以分别对所述故障经验数据和所述运行数据进行特征提取,得到故障经验特征和源荷运行特征,具体包括:

8、对所述故障经验数据进行张量化编码,得到所述源域配电网的源域输入张量,并对所述运行数据进行张量化编码,得到所述目标域配电网的目标域输入张量;

9、将所述源域输入张量和所述目标域输入张量分别输入所述特征提取模型进行处理,得到源域特征集和目标域特征集,对所述目标域特征集进行筛选,得到所述目标域配电网的所述源荷运行特征;

10、利用故障类型标签对所述源域特征集进行划分,得到若干个源域特征子集,其中,所述故障经验数据包含故障事件记录,所述故障事件记录包含各故障事件对应的所述故障类型标签;

11、针对各所述源域特征子集,对当前源域特征子集中各向量进行算术平均计算,得到当前源域特征子集的类簇中心,并分别计算当前源域特征子集中各向量与所述类簇中心的第一欧氏距离,利用各所述第一欧氏距离对当前源域特征子集中各向量进行筛选,得到所述源域配电网的所述故障经验特征。

12、这样将故障经验数据和运行数据输入特征提取模型进行特征提取,得到故障经验特征和源荷运行特征,可从源域故障样本中提取故障演化规律与恢复逻辑的本质特征,同时从目标域运行数据中提取分布式电源出力与负荷需求的耦合特征,保障特征迁移的可靠性,进一步保障电网故障自愈测试的可靠性。

13、进一步的,所述对所述故障经验数据进行张量化编码,得到源域输入张量,具体包括:

14、基于所述故障经验数据中的网络拓扑结构,构建得到邻接矩阵,其中,所述故障经验数据还包括所述源域配电网的所述网络拓扑结构、第一节点负荷数据、第一分布式电源出力数据和自愈控制动作序列;

15、将所述第一节点负荷数据和所述第一分布式电源出力数据按节点编号进行映射,得到节点特征矩阵;

16、对所述故障事件记录进行独热编码,得到独热向量,并将所述自愈控制动作序列转化为时序动作编码矩阵;

17、将所述邻接矩阵、所述节点特征矩阵、所述独热向量和所述时序动作编码矩阵进行汇总,得到所述源域配电网的所述源域输入张量。

18、这样基于故障经验数据中的网络拓扑结构构建邻接矩阵,将节点负荷数据和分布式电源出力数据映射为节点特征矩阵,对故障事件记录进行独热编码,并将自愈控制动作序列转化为时序动作编码矩阵,最后将上述数据进行汇总得到源域输入张量,可将源域配电网中异构多源的数据统一转换为模型可处理的标准三维张量格式,为后续特征提取模型提供结构化且对齐的输入数据,保障特征提取的顺利进行,进而提高电网故障自愈测试的可靠性。

19、进一步的,所述对所述目标域特征集进行筛选,得到所述目标域配电网的所述源荷运行特征,具体包括:

20、基于所述运行数据中各运行时刻对应的第二节点负荷数据和第二分布式电源出力数据,计算得到所述目标域配电网在各所述运行时刻对应的渗透率指标;

21、利用各所述渗透率指标对所述目标域特征集中各运行时刻对应的向量进行筛选,得到所述目标域配电网的所述源荷运行特征。

22、这样基于运行数据计算渗透率指标,并利用渗透率指标对目标域特征集进行筛选,可从目标域的大量正常运行断面中筛选出高分布式电源渗透率的关键运行时刻,提取出能够代表目标域源荷波动特性的特征向量,为后续跨域特征融合提供具有目标域特色的运行状态特征,使生成的虚拟故障特征更贴合目标域的实际运行特性,进而提高电网故障自愈测试的可靠性。

23、进一步的,所述将所述故障经验特征和所述源荷运行特征进行融合,生成所述目标域配电网的故障扩充特征集,具体包括:

24、对所述故障经验特征和所述源荷运行特征进行线性插值处理,得到虚拟故障特征;

25、将虚拟故障特征与所述目标域特征集进行合并,得到所述目标域配电网的故障扩充特征集。

26、这样将故障经验特征和源荷运行特征进行融合,生成目标域配电网的故障扩充特征集,可将源域成熟的故障经验映射至目标域,生成目标域原本不存在的虚拟故障特征,从根源上解决单一电网历史故障样本匮乏的问题,使测试场景能够覆盖长尾分布的极端工况,提高测试场景的丰富性进而保障测试可靠性。

27、进一步的,所述将所述故障扩充特征集与随机噪声输入预设生成对抗网络进行条件生成,得到候选测试场景集,具体包括:

28、将所述故障扩充特征集中各故障向量分别与所述随机噪声进行拼接,得到若干个拼接向量,其中,所述随机噪声从标准高斯分布中采样得到;

29、针对各所述拼接向量,将当前拼接向量输入所述生成对抗网络的生成器进行上采样处理,得到中间特征张量,对所述中间特征张量进行反归一化处理,得到第一节点电压幅值、第三节点负荷数据和故障接地电阻值,利用阶跃函数对所述中间特征张量中的离散变量进行转换,得到开关拓扑连通数据;

30、将各所述第一节点电压幅值、各所述第三节点负荷数据、各所述故障接地电阻值和各所述开关拓扑连通数据进行组合,得到所述候选测试场景集。

31、这样将故障扩充特征集与随机噪声输入生成对抗网络进行条件生成,得到候选测试场景集,可利用生成对抗网络的条件生成机制,以故障扩充特征集中的各故障特征作为约束条件,引导生成器生成与所述故障特征相匹配的候选测试场景,使生成的候选测试场景能够准确反映对应故障类型下的电网运行状态,为后续故障自愈仿真提供可靠的初始场景,提高电网故障自愈测试的可靠性。

32、进一步的,所述利用所述候选测试场景集中各候选场景进行故障自愈仿真,得到各所述候选场景的动态演化特征,具体包括:

33、针对各所述候选场景,在当前候选场景配置下向所述目标域配电网注入故障以触发所述目标域配电网执行故障自愈仿真,并采集仿真过程中所述目标域配电网在预设时间周期内的实时气象数据和仿真结束后所述目标域配电网生成的开关动作方案;

34、基于所述开关动作方案,生成所述目标域配电网的自愈拓扑结构;

35、将各所述实时气象数据输入预设的预测模型进行预测,得到所述目标域配电网在所述时间周期内的节点负荷预测值和分布式能源出力预测值,其中,所述预测模型基于历史负荷数据、历史气象数据和历史分布式能源出力训练得到;

36、利用所述自愈拓扑结构、各所述节点负荷预测值和各所述分布式能源出力预测值进行连续潮流计算,得到所述目标域配电网在所述时间周期内的第二节点电压幅值和支路电流;

37、对各所述第二节点电压幅值和各支路电流进行分析,得到当前候选场景的所述动态演化特征。

38、这样利用候选测试场景集中各候选场景进行故障自愈仿真,得到各候选场景的动态演化特征,可通过多时间步长的动态推演克服静态断面无法反映动态风险的缺陷,使测试场景能够暴露自愈策略在动态环境下的潜在失效,提高测试的动态风险检测能力,进而提高电网故障自愈测试的可靠性。

39、进一步的,所述对各所述动态演化特征进行聚类削减,得到所述目标域配电网的测试场景集,具体包括:

40、对各所述候选场景进行解析,得到各所述候选场景的静态物理特征,并分别对各所述候选场景对应的所述静态物理特征和所述动态演化特征进行主成分分析处理,得到各所述候选场景对应的主成分特征向量;

41、针对各所述主成分特征向量,将当前主成分特征向量分别与其余各所述主成分特征向量进行计算,得到若干个第二欧氏距离;

42、初始化若干个候选聚类数;

43、基于各所述第二欧氏距离,计算各所述候选聚类数对应的轮廓系数;

44、基于各所述轮廓系数对各所述候选聚类数进行筛选,得到目标聚类数;

45、利用所述目标聚类数和各所述第二欧氏距离对各所述主成分特征向量进行聚类,得到若干个聚类中心;

46、基于各所述聚类中心,确定所述目标域配电网的所述测试场景集。

47、这样对各动态演化特征进行聚类削减,得到目标域配电网的测试场景集,可剔除大量冗余场景,使最终生成的典型场景集以最少的数量覆盖最大的工况空间,提高测试场景集的代表性,进而提高电网故障自愈测试的可靠性。

48、第二方面,本发明一实施例提供了一种电网故障自愈的测试装置,包括第一模块、第二模块和第三模块;

49、所述第一模块,用于采集源域配电网的故障经验数据和目标域配电网的运行数据;

50、所述第二模块,用于将所述故障经验数据和所述运行数据输入预设特征提取模型,以分别对所述故障经验数据和所述运行数据进行特征提取,得到故障经验特征和源荷运行特征,并将所述故障经验特征和所述源荷运行特征进行融合,生成所述目标域配电网的故障扩充特征集;

51、所述第三模块,用于将所述故障扩充特征集与随机噪声输入预设生成对抗网络进行条件生成,得到候选测试场景集,利用所述候选测试场景集中各候选场景进行故障自愈仿真,得到各所述候选场景的动态演化特征,对各所述动态演化特征进行聚类削减,得到所述目标域配电网的测试场景集,以使所述目标域配电网利用所述测试场景集进行故障自愈策略测试。

52、这样通过第一模块采集源域配电网的故障经验数据和目标域配电网的运行数据,可为后续跨域经验共享和场景生成提供多源异构数据基础,从数据源头保障后续电网故障自愈测试的可靠性;第二模块将故障经验数据和运行数据输入特征提取模型进行特征提取,得到故障经验特征和源荷运行特征,可从源域故障样本中提取故障演化规律与恢复逻辑的本质特征,同时从目标域运行数据中提取分布式电源出力与负荷需求的耦合特征,保障特征迁移的可靠性,进一步保障电网故障自愈测试的可靠性;将故障经验特征和源荷运行特征进行融合,生成目标域配电网的故障扩充特征集,可将源域成熟的故障经验映射至目标域,生成目标域原本不存在的虚拟故障特征,从根源上解决单一电网历史故障样本匮乏的问题,使测试场景能够覆盖长尾分布的极端工况,提高测试场景的丰富性进而保障测试可靠性;第三模块将故障扩充特征集与随机噪声输入生成对抗网络进行条件生成,得到候选测试场景集,可利用生成对抗网络的条件生成机制,以故障扩充特征集中的各故障特征作为约束条件,引导生成器生成与所述故障特征相匹配的候选测试场景,使生成的候选测试场景能够准确反映对应故障类型下的电网运行状态,为后续故障自愈仿真提供可靠的初始场景,提高电网故障自愈测试的可靠性;利用候选测试场景集中各候选场景进行故障自愈仿真,得到各候选场景的动态演化特征,可通过多时间步长的动态推演克服静态断面无法反映动态风险的缺陷,使测试场景能够暴露自愈策略在动态环境下的潜在失效,提高测试的动态风险检测能力,进而提高电网故障自愈测试的可靠性;对各动态演化特征进行聚类削减,得到目标域配电网的测试场景集,可剔除大量冗余场景,使最终生成的典型场景集以最少的数量覆盖最大的工况空间,提高测试场景集的代表性,进而提高电网故障自愈测试的可靠性;最终使目标域配电网利用测试场景集进行故障自愈策略测试,可显著提升自愈控制策略在复杂动态环境下的测试全面性与可靠性。

53、第三方面,本发明另一实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备或装置执行电网故障自愈的测试方法。