CN117825866A - 一种基于电网模型的电网短路容量就地检测方法及*** - Google Patents
一种基于电网模型的电网短路容量就地检测方法及*** Download PDFInfo
- Publication number
- CN117825866A CN117825866A CN202311557382.3A CN202311557382A CN117825866A CN 117825866 A CN117825866 A CN 117825866A CN 202311557382 A CN202311557382 A CN 202311557382A CN 117825866 A CN117825866 A CN 117825866A
- Authority
- CN
- China
- Prior art keywords
- power grid
- short
- power
- circuit capacity
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 44
- 238000011065 in-situ storage Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 239000000243 solution Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/28—Arrangements for measuring currents or voltages or for indicating presence or sign thereof adapted for measuring in circuits having distributed constants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/01—Arrangements for measuring electric power or power factor in circuits having distributed constants
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于电网模型的电网短路容量就地检测方法及***,涉及电网短路容量检测技术领域,包括采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型;基于电网模型,通过分析计算电网故障情况下的短路容量;通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。本发明所述方法通过基于电网拓扑结构和参数信息,建立电网模型,提高了电网故障检测和预测的准确性,确保了电网运行的安全性和可靠性;通过分析计算电网故障情况下的短路容量,识别和评估电网在特定故障条件下的表现,电网的抗风险能力得到增强;通过对电网的短路容量进行预警,提高了电网的运行效率,降低了由于电网故障引起的经济和安全风险。
Description
技术领域
本发明涉及电网短路容量检测技术领域,具体为一种基于电网模型的电网短路容量就地检测方法及***。
背景技术
传统的电网短路容量检测方法通常需要在实际场景中进行实验或使用模拟计算,过于依赖经验计算和简化模型,难以准确描述复杂电力***的实际特性,导致检测结果的精度和可靠性受到挑战,这些方法通常仅考虑静态拓扑结构和固定参数,忽略了电力***动态变化的因素,导致结果缺乏实时性,对电网内部复杂交互关系的建模相对简单,未能充分考虑多元化元件及其相互作用,可能忽视潜在故障情况,传统方法缺乏智能化和自适应性,在处理电力***的高度动态性和非线性特性时显得不足,近年来出现了一种新的就地检测***及方法,旨在通过使用电网实时监测数据和智能计算技术来实现电网短路容量的准确检测,这种就地检测***通常基于大数据和人工智能技术,结合电网实时监测数据,利用高精度的模型和算法进行分析和计算,具体来说,它可以通过监测电压、电流和功率等关键参数来获取电网的实时状态,并将这些数据传输到智能计算平台进行存储,随着电力***的复杂性增加,对于具有高度动态性和非线性特性的电网,需要更先进的技术来适应***的复杂演化,并能够智能地调整检测策略以提高准确性。
在智能计算平台上,通过建立准确的电网模型和相应的算法,可以对电网短路容量进行预测和计算,通过这种就地检测***及方法,可以实现对电网短路容量的实时监测和预警,及时发现电网中可能存在的故障风险,采取相应的措施进行调整和修复,确保电力***的稳定运行和安全性。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的电网短路容量检测方法存在精度低,可靠性低,安全性低,以及如何实现对电网短路容量的实时监测和预警的问题。
为解决上述技术问题,本发明提供如下技术方案:一种基于电网模型的电网短路容量就地检测方法,包括采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型;基于电网模型,通过分析计算电网故障情况下的短路容量;通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。
作为本发明所述的基于电网模型的电网短路容量就地检测方法的一种优选方案,其中:所述采集电网的监测数据包括通过传感器监测电网中参数,参数包括电流、电压以及功率,实时采集电网的监测数据;收集电网拓扑结构信息,通过电网的设计图纸和设备参数手册获取电网中发电机、变压器、线路以及负荷的连接关系,提取电网拓扑结构信息;收集元件参数信息,通过查看发电机和变压器的技术规格书,获取发电机的容量和变压器的额定容量,提取元件参数信息;使用电压传感器和电流传感器进行实时测量,实时采集电网节点的电压数据和电流数据,计算有功功率和无功功率,表示为:
P=U×I×cosθ
Q=U×I×sinθ
其中,P和Q分别表示有功功率和无功功率,U表示电压,I表示电流,sinθ和cosθ是功率因数。
作为本发明所述的基于电网模型的电网短路容量就地检测方法的一种优选方案,其中:所述建立电网模型包括基于数据采集模块收集的拓扑结构信息和元件参数信息,构建节点支路以及支路参数矩阵,建立电网的拓扑结构和参数信息模型;构建节点和支路包括基于收集的拓扑结构信息,将电网划分为节点和支路,节点表示电网中的连接点,支路表示节点间的连接线路,通过为每个节点和支路分配唯一的标识符,建立电网的节点和支路列表;建立支路参数矩阵包括基于收集的元件参数信息,建立支路参数矩阵,支路参数矩阵的行和列分别对应电网的节点列表,矩阵元素表示相应节点间的支路参数;根据建立的支路参数矩阵,建立节点功率方程,节点功率方程表示节点输入功率等于节点消耗功率,通过解节点功率方程,计算电网中各个节点的电压和功率的值,设置有N个节点,其中第i个节点的注入功率为Pi+Qi,表示发电机注入的有功功率和无功功率,消耗功率为Si+Ti,表示负荷消耗的有功功率和无功功率,节点电压为Vicos(θi)+Visin(θi)×j,表示节点的电压幅值和相角,节点功率方程表示为:
Pi+Qi-(Si+Ti)=Vi×(∑[Gijcos(θi-θj)+Bijsin(θi-θj)])
其中,Pi表示第i个节点发电机注入的有功功率,Qi表示第i个节点发电机注入的无功功率,Si表示第i个节点负荷消耗的有功功率,Ti表示第i个节点负荷消耗的无功功率,Gij表示第i和第j个节点的支路导纳,Bij表示第i和第j个节点支路电纳,θi和θj分别表示第i和第j个节点的相角差;每个节点i对应一个节点功率方程,将所有节点的功率方程组合成联立方程组,写为矩阵形式,表示为:
[P]+[Q]-[S]-[T]=[V]([G]cos[θ]+[B]sin[θ])
其中,[P]为注入功率的有功功率的矩阵,[Q]为注入功率的无功功率的矩阵,[S]为消耗功率的有功功率的矩阵,[T]为消耗功率的无功功率的矩阵,[V]为节点电压的矩阵,[G]为支路导纳的矩阵,[B]为支路电纳的矩阵,[θ]表示相角差矩阵。
作为本发明所述的基于电网模型的电网短路容量就地检测方法的一种优选方案,其中:所述通过分析计算电网故障情况下的短路容量包括基于建立的电网模型,进行短路容量的计算,通过模拟电网中的线路短路故障情况,基于电网的拓扑结构和故障模式,选择一个线路段作为故障位置,设定故障类型为三相短路,表示线路上的三个相在同一时刻发生短路,基于线路的额定电压和故障阻抗计算得出故障电流,表示为:
其中,Isc3表示三相短路电流,U表示电网的额定电压,Zsc表示线路在故障状态下的阻抗。
作为本发明所述的基于电网模型的电网短路容量就地检测方法的一种优选方案,其中:所述通过分析计算电网故障情况下的短路容量还包括在分析中测量实时发生的短路电流,结合电网模型和实时监测数据,计算电网在线路短路故障情况下的短路容量;使用短路发生器,在选定的故障位置上施加故障电流,在分析过程中,通过电流传感器设备,测量故障发生时的实时短路电流,计算出电网在线路短路故障情况下的短路容量,具体计算公式如下:
其中,Ssc表示短路容量,U表示线路的额定电压,Zsc表示线路在故障状态下的阻抗。
作为本发明所述的基于电网模型的电网短路容量就地检测方法的一种优选方案,其中:所述建立预测模型包括根据电网模型和监测数据,通过训练模型和优化算法,建立预测模型预测电网的短路容量,将数据集划分为训练集和测试集,训练集用于模型的训练和参数优化,测试集用于评估模型的性能和泛化能力;通过岭回归算法,使用训练集对模型进行训练,在训练过程中,输入实时的电网状态和监测数据,预测电网的短路容量,表示为:
ypre=w1×F1+w2×F2+...+wn×Fn
其中,ypre表示预测电网的短路容量,F1,F2,...,Fn表示电网的特征,w1,w2,...,wn为对应的权重;基于已训练的回归模型对测试集中的电网特征进行预测,计算预测值ypre,将测试集中的实际观测值Ssc与预测值ypre进行比较,计算每个样本的预测误差(Ssc-ypre)2,对所有样本的预测误差求和,并除以样本数量n,对结果取平方根,计算RMSE,评估模型的预测精度,表示为:
其中,RMSE表示均方根误差,n表示测试集的样本数量,y表示实际观测值,ypre表示模型预测值,sqrt表示平方根。
作为本发明所述的基于电网模型的电网短路容量就地检测方法的一种优选方案,其中:所述对电网的短路容量进行预警包括基于RMSE,对电网的短路容量进行预测和预警,当检测到电网短路容量超过安全范围时,发出警报并采取安全措施,安全措施包括自动断开故障线路和调整电网运行状态;通过历史数据计算出节点的短路容量,设置短路容量预警阈值为节点短路容量的80%,基于预测模型和实时监测数据,对电网的短路容量进行预测,预测的短路容量超过设定的预警阈值,***触发警报,对于n个节点,分别记为C1,C2,...,Cn,对应的历史短路容量数据为S1,S2,...,Sn,计算每个节点的短路容量预警阈值,对于节点Ci的短路容量预警阈值为Wi,计算过程表示为:
Wi=Si×80%
其中,Si为节点Ci的历史短路容量数据,Wi表示短路容量预警阈值,80%为设定的预警阈值比例;比较预测值ypre与节点的短路容量预警阈值Wi,当ypre大于Wi,表示短路容量超过设定的预警阈值,触发警报。
本发明的另外一个目的是提供一种基于电网模型的电网短路容量就地检测***,其能通过基于电网模型,通过分析计算电网故障情况下的短路容量,解决了目前的电网短路容量检测含有精度低的问题。
作为本发明所述的基于电网模型的电网短路容量就地检测***的一种优选方案,其中:包括数据采集模块,短路容量分析模块,监测预警模块;所述数据采集模块用于采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型;所述短路容量分析模块用于基于电网模型,通过分析计算电网故障情况下的短路容量;所述监测预警模块用于通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序是实现基于电网模型的电网短路容量就地检测方法的步骤。
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电网模型的电网短路容量就地检测方法的步骤。
本发明的有益效果:本发明提供的基于电网模型的电网短路容量就地检测方法通过基于电网拓扑结构和参数信息,建立电网模型,提高了电网故障检测和预测的准确性,确保了电网运行的安全性和可靠性;通过分析计算电网故障情况下的短路容量,识别和评估电网在特定故障条件下的表现,电网的抗风险能力得到增强,有助于预防大规模电力中断;通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警,提高了电网的运行效率,还降低了由于电网故障引起的经济和安全风险,本发明在准确性、可靠性以及安全性方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明第一个实施例提供的一种基于电网模型的电网短路容量就地检测方法的整体流程图。
图2为本发明第三个实施例提供的一种基于电网模型的电网短路容量就地检测***的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
实施例1
参照图1,为本发明的一个实施例,提供了一种基于电网模型的电网短路容量就地检测方法,包括:
S1:采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型。
更进一步的,采集电网的监测数据包括通过传感器监测电网中参数,参数包括电流、电压以及功率,实时采集电网的监测数据;收集电网拓扑结构信息,通过电网的设计图纸和设备参数手册获取电网中发电机、变压器、线路以及负荷的连接关系,提取电网拓扑结构信息;收集元件参数信息,通过查看发电机和变压器的技术规格书,获取发电机的容量和变压器的额定容量,提取元件参数信息;使用电压传感器和电流传感器进行实时测量,实时采集电网节点的电压数据和电流数据,计算有功功率和无功功率,表示为:
P=U×I×cosθ
Q=U×I×sinθ
其中,P和Q分别表示有功功率和无功功率,U表示电压,I表示电流,sinθ和cosθ是功率因数。
应说明的是,建立电网模型包括基于数据采集模块收集的拓扑结构信息和元件参数信息,构建节点支路以及支路参数矩阵,建立电网的拓扑结构和参数信息模型;构建节点和支路包括基于收集的拓扑结构信息,将电网划分为节点和支路,节点表示电网中的连接点,支路表示节点间的连接线路,通过为每个节点和支路分配唯一的标识符,建立电网的节点和支路列表;建立支路参数矩阵包括基于收集的元件参数信息,建立支路参数矩阵,支路参数矩阵的行和列分别对应电网的节点列表,矩阵元素表示相应节点间的支路参数;根据建立的支路参数矩阵,建立节点功率方程,节点功率方程表示节点输入功率等于节点消耗功率,通过解节点功率方程,计算电网中各个节点的电压和功率的值,设置有N个节点,其中第i个节点的注入功率为Pi+Qi,表示发电机注入的有功功率和无功功率,消耗功率为Si+Ti,表示负荷消耗的有功功率和无功功率,节点电压为Vicos(θi)+Visin(θi)×j,表示节点的电压幅值和相角,节点功率方程表示为:
Pi+Qi-(Si+Ti)=Vi×(∑[Gijcos(θi-θj)+Bijsin(θi-θj)])
其中,Pi表示第i个节点发电机注入的有功功率,Qi表示第i个节点发电机注入的无功功率,Si表示第i个节点负荷消耗的有功功率,Ti表示第i个节点负荷消耗的无功功率,Gij表示第i和第j个节点的支路导纳,Bij表示第i和第j个节点支路电纳,θi和θj分别表示第i和第j个节点的相角差;每个节点i对应一个节点功率方程,将所有节点的功率方程组合成联立方程组,写为矩阵形式,表示为:
[P]+[Q]-[S]-[T]=[V]([G]cos[θ]+[B]sin[θ])
其中,[P]为注入功率的有功功率的矩阵,[Q]为注入功率的无功功率的矩阵,[S]为消耗功率的有功功率的矩阵,[T]为消耗功率的无功功率的矩阵,[V]为节点电压的矩阵,[G]为支路导纳的矩阵,[B]为支路电纳的矩阵,[θ]表示相角差矩阵。
还应说明的是,电力***的物理连接关系,包括节点和支路之间的布局。拓扑结构信息的收集有助于理解电网的整体结构,通过收集拓扑结构和元件参数信息,建立了电网的综合模型,为后续的***分析提供了准确的输入,为每个节点和支路分配唯一的标识符,有助于***的标识和管理,简化了复杂***的建模过程,通过建立支路参数矩阵,更有效地描述了电力***中节点之间的电学特性,提高了模型的准确性,通过解析节点功率方程,实现了对电网中各个节点电压和功率的准确计算,为***的实时监测和优化提供了基础。将所有节点的功率方程组合成联立方程组,以矩阵形式表示,方便了对整个电网***的综合分析和求解。
S2:基于电网模型,通过分析计算电网故障情况下的短路容量。
更进一步的,通过分析计算电网故障情况下的短路容量包括基于建立的电网模型,进行短路容量的计算,通过模拟电网中的线路短路故障情况,基于电网的拓扑结构和故障模式,选择一个线路段作为故障位置,设定故障类型为三相短路,表示线路上的三个相在同一时刻发生短路,基于线路的额定电压和故障阻抗计算得出故障电流,表示为:
其中,Isc3表示三相短路电流,U表示电网的额定电压,Zsc表示线路在故障状态下的阻抗。
应说明的是,通过分析计算电网故障情况下的短路容量还包括在分析中测量实时发生的短路电流,结合电网模型和实时监测数据,计算电网在线路短路故障情况下的短路容量;使用短路发生器,在选定的故障位置上施加故障电流,在分析过程中,通过电流传感器设备,测量故障发生时的实时短路电流,计算出电网在线路短路故障情况下的短路容量,具体计算公式如下:
其中,Ssc表示短路容量,U表示线路的额定电压,Zsc表示线路在故障状态下的阻抗。
还应说明的是,通过实时监测故障时的短路电流,结合电网模型,可以更准确地分析电网的短路容量,这对于电网设计和故障预防至关重要,使用短路发生器和电流传感器可以快速、准确地模拟和测量短路情况,为电网运营商提供实时的故障反应能力,电网运营商可以更好地理解其***的局限性和薄弱点,从而采取措施增强电网的可靠性,精确的短路容量计算有助于电网维护和运营的优化,尤其是在规划升级和应急响应策略时。
S3:通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。
更进一步的,建立预测模型包括根据电网模型和监测数据,通过训练模型和优化算法,建立预测模型预测电网的短路容量,将数据集划分为训练集和测试集,训练集用于模型的训练和参数优化,测试集用于评估模型的性能和泛化能力;通过岭回归算法,使用训练集对模型进行训练,在训练过程中,输入实时的电网状态和监测数据,预测电网的短路容量,表示为:
ypre=w1×F1+w2×F2+...+wn×Fn
其中,ypre表示预测电网的短路容量,F1,F2,...,Fn表示电网的特征,w1,w2,...,wn为对应的权重;基于已训练的回归模型对测试集中的电网特征进行预测,计算预测值ypre,将测试集中的实际观测值Ssc与预测值ypre进行比较,计算每个样本的预测误差(Ssc-ypre)2,对所有样本的预测误差求和,并除以样本数量n,对结果取平方根,计算RMSE,评估模型的预测精度,表示为:
其中,RMSE表示均方根误差,n表示测试集的样本数量,y表示实际观测值,ypre表示模型预测值,sqrt表示平方根。
应说明的是,对电网的短路容量进行预警包括基于RMSE,对电网的短路容量进行预测和预警,当检测到电网短路容量超过安全范围时,发出警报并采取安全措施,安全措施包括自动断开故障线路和调整电网运行状态;通过历史数据计算出节点的短路容量,设置短路容量预警阈值为节点短路容量的80%,基于预测模型和实时监测数据,对电网的短路容量进行预测,预测的短路容量超过设定的预警阈值,***触发警报,对于n个节点,分别记为C1,C2,...,Cn,对应的历史短路容量数据为S1,S2,...,Sn,计算每个节点的短路容量预警阈值,对于节点Ci的短路容量预警阈值为Wi,计算过程表示为:
Wi=Si×80%
其中,Si为节点Ci的历史短路容量数据,Wi表示短路容量预警阈值,80%为设定的预警阈值比例;比较预测值ypre与节点的短路容量预警阈值Wi,当ypre大于Wi,表示短路容量超过设定的预警阈值,触发警报。
还应说明的是,通过对短路容量的实时监测和预测,***能够提前发现潜在的电网问题,从而及时采取措施防止电网故障,根据每个节点的历史数据设定个性化的预警阈值,使预警***更加准确和灵敏,自动化的安全措施能有效减少由于电网故障造成的风险和损失,增加电网的整体稳定性和可靠性,使用历史数据和RMSE提供的准确预测结果,使电网运营商能够做出更加数据驱动的决策。
实施例2
本发明的一个实施例,提供了一种基于电网模型的电网短路容量就地检测方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
首先,选取一个中等规模的城市电网作为试验对象,该电网包括4个主要配电节点,在每个节点安装电流和电压传感器,连续24小时监测电流和电压,采集节点1至节点4的电流、电压数据,采集节点1至节点4的电流、电压数据,假定每个节点发生三相短路,计算短路电流,使用短路模型计算每个节点的短路容量。
参考表1,对试验数据进行记录分析。
表1实验数据记录表
可以通过表格看出,节点4的短路容量最高,可能由于其连接了更多的负载或具有更高的输电能力,节点1的短路容量最低,表明其可能是电网中的薄弱环节,各节点的有功功率和无功功率计算显示节点4负载最高,而节点1最低,这些数据有助于评估每个节点的负荷情况和稳定性,短路容量数据指示节点4在极端故障情况下可能承受较大压力,这些信息对于优化电网设计和应急准备至关重要,这个实施例不仅为电网的短路容量评估提供了具体的方法,还通过客观数据分析支持了电网运营的决策制定,有助于提高电网的可靠性和安全性,故,我方发明具有创造性。
实施例3
参照图2,为本发明的一个实施例,提供了一种基于电网模型的电网短路容量就地检测***,包括数据采集模块,短路容量分析模块,监测预警模块。
其中数据采集模块用于采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型;短路容量分析模块用于基于电网模型,通过分析计算电网故障情况下的短路容量;监测预警模块用于通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。
功能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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于电网模型的电网短路容量就地检测方法,其特征在于,包括:
采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型;
基于电网模型,通过分析计算电网故障情况下的短路容量;
通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。
2.如权利要求1所述的基于电网模型的电网短路容量就地检测方法,其特征在于:所述采集电网的监测数据包括通过传感器监测电网中参数,参数包括电流、电压以及功率,实时采集电网的监测数据;
收集电网拓扑结构信息,通过电网的设计图纸和设备参数手册获取电网中发电机、变压器、线路以及负荷的连接关系,提取电网拓扑结构信息;
收集元件参数信息,通过查看发电机和变压器的技术规格书,获取发电机的容量和变压器的额定容量,提取元件参数信息;
使用电压传感器和电流传感器进行实时测量,实时采集电网节点的电压数据和电流数据,计算有功功率和无功功率,表示为:
P=U×I×cosθ
Q=U×I×sinθ
其中,P和Q分别表示有功功率和无功功率,U表示电压,I表示电流,sinθ和cosθ是功率因数。
3.如权利要求2所述的基于电网模型的电网短路容量就地检测方法,其特征在于:所述建立电网模型包括基于数据采集模块收集的拓扑结构信息和元件参数信息,构建节点支路以及支路参数矩阵,建立电网的拓扑结构和参数信息模型;
构建节点和支路包括基于收集的拓扑结构信息,将电网划分为节点和支路,节点表示电网中的连接点,支路表示节点间的连接线路,通过为每个节点和支路分配唯一的标识符,建立电网的节点和支路列表;
建立支路参数矩阵包括基于收集的元件参数信息,建立支路参数矩阵,支路参数矩阵的行和列分别对应电网的节点列表,矩阵元素表示相应节点间的支路参数;
根据建立的支路参数矩阵,建立节点功率方程,节点功率方程表示节点输入功率等于节点消耗功率,通过解节点功率方程,计算电网中各个节点的电压和功率的值,设置有N个节点,其中第i个节点的注入功率为Pi+Qi,表示发电机注入的有功功率和无功功率,消耗功率为Si+Ti,表示负荷消耗的有功功率和无功功率,节点电压为Vicos(θi)+Visin(θi)×j,表示节点的电压幅值和相角,节点功率方程表示为:
Pi+Qi-(Si+Ti)=Vi×(∑[Gijcos(θi-θj)+Bijsin(θi-θj)])
其中,Pi表示第i个节点发电机注入的有功功率,Qi表示第i个节点发电机注入的无功功率,Si表示第i个节点负荷消耗的有功功率,Ti表示第i个节点负荷消耗的无功功率,Gij表示第i和第j个节点的支路导纳,Bij表示第i和第j个节点支路电纳,θi和θj分别表示第i和第j个节点的相角差;
每个节点i对应一个节点功率方程,将所有节点的功率方程组合成联立方程组,写为矩阵形式,表示为:
[P]+[Q]-[S]-[T]=[V]([G]cos[θ]+[B]sin[θ])
其中,[P]为注入功率的有功功率的矩阵,[Q]为注入功率的无功功率的矩阵,[S]为消耗功率的有功功率的矩阵,[T]为消耗功率的无功功率的矩阵,[V]为节点电压的矩阵,[G]为支路导纳的矩阵,[B]为支路电纳的矩阵,[θ]表示相角差矩阵。
4.如权利要求3所述的基于电网模型的电网短路容量就地检测方法,其特征在于:所述通过分析计算电网故障情况下的短路容量包括基于建立的电网模型,进行短路容量的计算,通过模拟电网中的线路短路故障情况,基于电网的拓扑结构和故障模式,选择一个线路段作为故障位置,设定故障类型为三相短路,表示线路上的三个相在同一时刻发生短路,基于线路的额定电压和故障阻抗计算得出故障电流,表示为:
其中,Isc3表示三相短路电流,U表示电网的额定电压,Zsc表示线路在故障状态下的阻抗。
5.如权利要求4所述的基于电网模型的电网短路容量就地检测方法,其特征在于:所述通过分析计算电网故障情况下的短路容量还包括在分析中测量实时发生的短路电流,结合电网模型和实时监测数据,计算电网在线路短路故障情况下的短路容量;
使用短路发生器,在选定的故障位置上施加故障电流,在分析过程中,通过电流传感器设备,测量故障发生时的实时短路电流,计算出电网在线路短路故障情况下的短路容量,具体计算公式如下:
其中,Ssc表示短路容量,U表示线路的额定电压,Zsc表示线路在故障状态下的阻抗。
6.如权利要求5所述的基于电网模型的电网短路容量就地检测方法,其特征在于:所述建立预测模型包括根据电网模型和监测数据,通过训练模型和优化算法,建立预测模型预测电网的短路容量,将数据集划分为训练集和测试集,训练集用于模型的训练和参数优化,测试集用于评估模型的性能和泛化能力;
通过岭回归算法,使用训练集对模型进行训练,在训练过程中,输入实时的电网状态和监测数据,预测电网的短路容量,表示为:
ypre=w1×F1+w2×F2+...+wn×Fn
其中,ypre表示预测电网的短路容量,F1,F2,...,Fn表示电网的特征,w1,w2,...,wn为对应的权重;
基于已训练的回归模型对测试集中的电网特征进行预测,计算预测值ypre,将测试集中的实际观测值Ssc与预测值ypre进行比较,计算每个样本的预测误差(Ssc-ypre)2,对所有样本的预测误差求和,并除以样本数量n,对结果取平方根,计算RMSE,评估模型的预测精度,表示为:
其中,RMSE表示均方根误差,n表示测试集的样本数量,y表示实际观测值,ypre表示模型预测值,sqrt表示平方根。
7.如权利要求6所述的基于电网模型的电网短路容量就地检测方法,其特征在于:所述对电网的短路容量进行预警包括基于RMSE,对电网的短路容量进行预测和预警,当检测到电网短路容量超过安全范围时,发出警报并采取安全措施,安全措施包括自动断开故障线路和调整电网运行状态;
通过历史数据计算出节点的短路容量,设置短路容量预警阈值为节点短路容量的80%,基于预测模型和实时监测数据,对电网的短路容量进行预测,预测的短路容量超过设定的预警阈值,***触发警报,对于n个节点,分别记为C1,C2,...,Cn,对应的历史短路容量数据为S1,S2,...,Sn,计算每个节点的短路容量预警阈值,对于节点Ci的短路容量预警阈值为Wi,计算过程表示为:
Wi=Si×80%
其中,Si为节点Ci的历史短路容量数据,Wi表示短路容量预警阈值,80%为设定的预警阈值比例;
比较预测值ypre与节点的短路容量预警阈值Wi,当ypre大于Wi,表示短路容量超过设定的预警阈值,触发警报。
8.一种采用如权利要求1~7任一所述的基于电网模型的电网短路容量就地检测方法的***,其特征在于:包括数据采集模块,短路容量分析模块,监测预警模块;
所述数据采集模块用于采集电网的监测数据,基于电网拓扑结构和参数信息,建立电网模型;
所述短路容量分析模块用于基于电网模型,通过分析计算电网故障情况下的短路容量;
所述监测预警模块用于通过电网模型和监测数据,建立预测模型,对电网的短路容量进行预警。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于电网模型的电网短路容量就地检测方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于电网模型的电网短路容量就地检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311557382.3A CN117825866A (zh) | 2023-11-21 | 2023-11-21 | 一种基于电网模型的电网短路容量就地检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311557382.3A CN117825866A (zh) | 2023-11-21 | 2023-11-21 | 一种基于电网模型的电网短路容量就地检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117825866A true CN117825866A (zh) | 2024-04-05 |
Family
ID=90508539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311557382.3A Pending CN117825866A (zh) | 2023-11-21 | 2023-11-21 | 一种基于电网模型的电网短路容量就地检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117825866A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118226199A (zh) * | 2024-05-21 | 2024-06-21 | 山东太平洋电力通信装备有限公司 | 一种用于电力输送的线缆故障检测*** |
-
2023
- 2023-11-21 CN CN202311557382.3A patent/CN117825866A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118226199A (zh) * | 2024-05-21 | 2024-06-21 | 山东太平洋电力通信装备有限公司 | 一种用于电力输送的线缆故障检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及*** | |
CN110829417B (zh) | 基于lstm双结构模型的电力***暂态稳定预测方法 | |
CN108445410A (zh) | 一种监测蓄电池组运行状态的方法及装置 | |
CN117825866A (zh) | 一种基于电网模型的电网短路容量就地检测方法及*** | |
CN110210606A (zh) | 一种基于bp神经网络的输电线路泄漏电流预测方法、***及存储介质 | |
CN112330488B (zh) | 基于迁移学习的电网频率态势预测方法 | |
CN103633938A (zh) | 一种光伏阵列故障定位的方法 | |
CN110703743A (zh) | 设备故障预测与检测***和方法 | |
CN117590159A (zh) | 一种基于深度学习的隧道电缆供电状态监测方法及*** | |
CN118070203B (zh) | 一种基于大数据的设备画像构建方法及*** | |
CN108009063A (zh) | 一种电子设备故障阈值检测的方法 | |
CN117113157B (zh) | 一种基于人工智能的台区用电故障检测*** | |
CN117826058A (zh) | 一种关口电容式电压互感器运行状态在线监测方法及装置 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN115586402B (zh) | 配电网故障诊断与处理方法 | |
CN117031201A (zh) | 一种配电网多场景拓扑异常识别方法及*** | |
CN116433034A (zh) | 一种基于机器学习的虚拟电厂运行风险检测方法 | |
CN116258467A (zh) | 一种电力施工管控*** | |
Chen et al. | Condition assessment of distribution automation remote terminal units based on double-layer improved cloud model | |
CN113067352B (zh) | 一种基于eeac和elm的电网临界切除时间预测方法 | |
CN115146715A (zh) | 用电安全隐患诊断方法、装置、设备及存储介质 | |
CN117200449B (zh) | 一种基于多维算法分析的电网监测管理方法及*** | |
CN118157325B (zh) | 一种用于新能源电力的实时监测方法及*** | |
CN117074840B (zh) | 直流充电桩在线测试*** | |
Tembhurne et al. | Fault Classification in Transmission Line Using Soft Computing Tool |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |