基于多阶段协同的极端天气下电网智能调度系统及方法与流程

摘要: 本发明涉及电力系统韧性增强与调度控制领域,尤其涉及一种考虑极端天气条件下灾前规划、预警,灾中应急调度与灾后恢复的三阶段电网优化方法,旨在提高配电网络在极端天气事...
基于多阶段协同的极端天气下电网智能调度系统及方法与流程

本发明涉及电力系统韧性增强与调度控制领域,尤其涉及一种考虑极端天气条件下灾前规划、预警,灾中应急调度与灾后恢复的三阶段电网优化方法,旨在提高配电网络在极端天气事件中的稳定性与自愈能力。

背景技术:

1、极端天气已经从单一灾种影响向多灾种耦合演变,不同类型极端天气具备差异化的破坏机理,会针对性损伤线路、变压器、开关设备、杆塔等配电网核心设备,引发短路、断线、设备绝缘击穿、杆塔倾倒等故障,大幅降低电网运行稳定性与供电韧性。

2、各类极端天气从电气绝缘、机械结构、运行工况多个维度破坏电网设备,且多种灾害易叠加发生,导致电网设备故障类型复杂、故障样本稀缺、故障随机性强,也是极端灾害下电网故障建模难度高、传统模型泛化能力差的核心原因,然而,现有方法在大规模电网应用中面临计算复杂度高、实时性不足的问题,尤其是在建立电网硬件设备故障类型的问题时,数据复杂度高、求解时间过长。此外,这些方法通常未能充分考虑电力系统与关键基础设施之间的相互依赖性,这种依赖性在极端天气下对电网的恢复过程具有重要影响。

3、传统的电网调度方法往往仅关注灾前、灾中应急或灾后单一阶段,难以在极端天气条件下实现全面防护和快速恢复。近年来,多阶段优化的电网韧性增强方法逐渐受到关注,现有技术中针对台风灾害下配电网的多阶段韧性提升恢复策略,提出了一种灾前阶段,通过优化配电网结构和预部署储能系统(es)资源,以最低成本提升配电网韧性。灾中阶段,利用故障隔离技术(rcs)快速隔离故障区域,阻止故障传播。灾后阶段,引入可分离移动储能系统(smess),优先恢复关键负荷供电,快速提升系统性能,降低经济损失。该策略通过耦合灾前重构、灾中控制和灾后恢复,实现配电网在台风灾害下的差异化动态调度,提升综合韧性。但上述方法针对单一极端天气,而且各个阶段之间独立执行,没有考虑意外干扰的影响,在极端天气情况下,灾情可能存在耦合,比如台风、暴雨都可能引起洪水,故障情况也相对复杂,简单的应对措施无法克服复杂工况的故障问题,提高电网在极端天气情况下的韧性仍缺乏完备的应对措施。基于此一种完善的多阶段协同智能调度方法的提出是很有必要的。

技术实现思路

1、为了解决这些问题,本发明提出了一种基于基于多阶段协同的极端天气下电网智能调度系统和方法,通过灾前预警、资源优化分配、灾中智能调度、灾后快速恢复策略的多阶段协调控制方法,提高电力系统的稳定性和恢复速度,提高了极端天气下电网的韧性以及恢复能力。

2、本发明重点针对上述现有技术中存在的问题,提供一种基于多阶段协同的极端天气下电网智能调度方法,建立电网-气象数据融合机制,实时获取电网运行状态数据和气象数据,能够结合电网设备运行状态和气象数据动态更新电网故障模型、准确识别故障类型以及发生故障的位置,根据故障类型设置应用预案,在灾难来临前根据故障模型预先设置应急预案,在灾难来临时调度电网资源主动防御,降低电网故障对电网造成的经济损失,在灾后阶段针对重点负荷优先恢复,保障经济重要区域的正常运行,其次考虑人力、硬件资源的约束限制,综合分析确定优化目标函数,以优化目标函数最优为目标设计恢复方案,从确保提升电网在极端天气条件下的韧性以及应对极端天气时资源调配和灾后电网恢复的能力。

3、为解决上述技术问题,本发明提供如下技术方案:

4、一种基于多阶段协同的极端天气下电网智能调度系统方法,包括以下步骤:

5、步骤1:预备阶段,建立气象-电网数据联动机制,实时获取电网运行数据和气象参数,对多模态极端天气参数及电网设备运行参数进行时空对齐并进行滤波,获得经过处理的数据;基于混合算法结合知识图谱建立电网设备故障诊断模型,通过故障诊断模型获得故障类型、故障位置以及应急电网调度预案,采用动态窗口法更新设备故障诊断模型;

6、步骤2:灾前预警阶段,根据故障类型、故障位置确定故障风险等级,风险等级达到预设阈值时进行预警;并根据电网知识图谱,自动获取对应工况下的应急电网调度预案;

7、步骤3:应急调度阶段,根据应急电网调度预案执行对应的电网调度;应急电网调度预案以预期失负荷量最小为目标函数,结合经济成本、交通约束、电力供应平衡综合生成;

8、步骤4:恢复阶段,事后恢复阶段,采用配电网网架重构与源荷运行状态优化相结合的多源协同调控策略,依托电网韧性评估指标迭代优化恢复方案,对电网资源进行优化分配,以最小化负荷损失为目标函数;

9、步骤5:根据电网设备故障运行参数、气象参数、应急预案更新优化知识图谱。

10、所述步骤1中建立气象-电网联动机制具体包括:通过自动气象站点与地理位置的关联,获得气象站位置及气象实况信息,通过电网gis与气象gis将气象数据与电网数据融合,实现电网数据与气象信息在一套 gis 中展示,关联气象位置及故障位置。

11、所述步骤1中混合算法具体采用小样本算法和图神经网络(gnn)结合,以图神经网络表达电网拓扑耦合关系,挖掘电网全局电气特征,结合迁移学习算法,获得电网模型特征。

12、所述步骤1中混合算法结合知识图谱的电网故障诊断模型能够获得电网设备故障类型、故障位置、以及应急调度方案的对应关系。

13、所述步骤1中获取电网运行数据具体通过热力图的方式显示电网设备的运行状态。

14、所述步骤1中图神经网络(gnn)+小样本度量学习混合故障诊断模型。模型整体分为:电网拓扑图构建、图空间故障特征提取、小样本度量空间映射、多特征融合 + 知识规则故障推理诊断模块;

15、所述步骤1中电网拓扑模型:式中:为电网节点集合;为支路集合;x为电网节点综合特征矩阵,包含电网设备特征与气象特征。

16、节点综合特征分为两类:1)电网设备特征:故障时刻电压、电流、功率、阻抗、线路、杆塔、基站、变压器、开关等;2)气象特征:环境温度、风速、降雨量、相对湿度等,是引发线路闪络、绝缘破损、外力故障的关键外部变量。 为电网节点总数, 为单节点综合特征维度。

17、所述步骤5中目标函数为:,其中t表示时间,c表示在t时刻负荷的成本系数,表示表示在时间t下,节点n上负荷的预计负荷需求; 表示在时间段t下,节点n上负荷l的实际供电量。

18、本发明还提供了一种基于多阶段协同的极端天气下电网智能调度系统,所述系统包括以下模块:

19、数据获取模块:建立气象-电网数据联动机制,实时获取电网运行数据和气象参数,对多模态极端天气参数及电网设备运行参数进行时空对齐并进行滤波,获得经过处理的数据;基于混合算法结合知识图谱建立电网设备故障诊断模型,通过故障诊断模型获得故障类型、故障位置以及应急电网调度预案,采用动态窗口法更新设备故障诊断模型;

20、灾前预警模块,根据故障类型、故障位置确定故障风险等级,风险等级达到预设阈值时进行预警;并根据电网知识图谱,自动获取对应工况下的应急电网调度预案;

21、应急调度模块,根据预案执行对应的电网调度;应急电网调度预案以预期失负荷量最小为目标函数,结合经济成本、交通约束、电力供应平衡综合生成;

22、恢复模块,事后恢复阶段,采用配电网网架重构与源荷运行状态优化相结合的多源协同调控策略,依托电网韧性评估指标迭代优化恢复方案,对电网资源进行优化分配,以最小化负荷损失为目标函数;

23、算法优化模块:根据电网设备故障运行参数、气象参数、应急预案更新优化知识图谱。

24、本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现基于多阶段协同的极端天气下电网智能调度方法的步骤。

25、本发明还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现基于多阶段协同的极端天气下电网智能调度方法方法的步骤。

26、本方法有效适配极端天气下复杂电网运行场景,解决了电网故障样本稀缺、跨区域故障特征差异大的问题,大幅提升极端天气下电网故障预判精度、应急处置效率与电网运行韧性,显著降低电网负荷损失与安全事故概率。

27、相对于现有技术,本发明的优点如下:

28、1 .提升电网稳定性与抗风险能力,提出了一个多阶段协同调度方法,分为灾前预警、灾中应急调度、灾后恢复三个阶段协同提高配电网韧性。提升方法流程考虑了多阶段耦合,旨在提升系统在极端天气灾害下的韧性。

29、2 .实时数据与天气预报智能融合提升自愈能力,本发明结合实时数据和气象数据,通过智能数据融合,动态优化资源配置,显著提升在极端天气下电网自愈能力。

30、3.克服小样本建模困难,本发明通过跨领域、跨设备采用场景相似的故障数据建立模型,结合迁移算法建模,而极端天气引起的故障具有耦合性,单一的建模算法无法克服故障耦合问题,基于此,结合图神经网络,将电网拓扑结构结合到模型中,增加了故障模型的精度,结合知识图谱提高故障诊断精度,对故障进行追溯,获取应对措施,本发明在灾前预警阶段能够显著提高预警准确率,为后续启动应急预案提供了比较准确全面的参考数据。显著提高了电网在灾中的韧性。

31、4 .以最小化负荷损失为目标函数优化恢复阶段电源分配降低极端天气下电网故障带来的电网负荷损失和经济损失,节省能耗、降低成本。