CN110707816B - 一种分布式配网终端 - Google Patents

一种分布式配网终端 Download PDF

Info

Publication number
CN110707816B
CN110707816B CN201910984852.1A CN201910984852A CN110707816B CN 110707816 B CN110707816 B CN 110707816B CN 201910984852 A CN201910984852 A CN 201910984852A CN 110707816 B CN110707816 B CN 110707816B
Authority
CN
China
Prior art keywords
distribution network
autonomous
data
site information
communication equipment
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.)
Active
Application number
CN201910984852.1A
Other languages
English (en)
Other versions
CN110707816A (zh
Inventor
张长祥
余洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiayuan Technology Co Ltd
Original Assignee
Jiayuan Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiayuan Technology Co Ltd filed Critical Jiayuan Technology Co Ltd
Priority to CN201910984852.1A priority Critical patent/CN110707816B/zh
Publication of CN110707816A publication Critical patent/CN110707816A/zh
Application granted granted Critical
Publication of CN110707816B publication Critical patent/CN110707816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本申请涉及一种分布式配网终端，其特征在于，将全网划分为多个独立的自治区域，每个自治区域内设置独立的所述分布式配网终端，其包括：采集模块、通信设备、监控主机和UPS电源；采集模块，用于采集本自治区域内被监控设备的站点信息，并上传给监控主机；通信设备用于通过物联网连接其他自治区域内的分布式配网终端；监控主机用于依据制定的故障处理逻辑，判断采集模块收集的本自治区域内的站点信息以及通信设备收集的其他自治区域的站点信息，智能决策本区域内的开关动作，其包括负荷预测模块，用于所述多个自治区域内的分布式配网终端的负荷；UPS电源，用于给采集模块、通信设备和监控主机供电。

Description

一种分布式配网终端
技术领域
本申请涉及下一代信息网络产业技术领域，尤其涉及一种分布式配网终端。
背景技术
分布式配网终端是配电自动化系统建设的重要组成部分，具备多线路的实时数据监控、故障检测、故障区域定位、隔离及非故障区域恢复供电等功能。该终端包含站所终端(DTU)、馈线终端(FTU)及配变终端(TTU)，应用广泛，尤其适用于10kV中压配电控制系统。
实现配电自动化是电力系统发展的需求，而馈线自动化(FA)技术是配网自动化的核心技术。馈线自动化是配电网提高供电可靠性、减少供电损失的直接有效的技术手段和重要保证，因此是配电网建设与改造的重点。馈线自动化，能够使电网运行更加智能化，从而逐步满足配电自动化的发展要求。馈线自动化是电力系统现代化的必然趋势，当配网发生故障时，能够迅速查出故障区域，自动隔离故障区域，及时恢复非故障区域用户的供电，因此缩短了用户的停电时间，减少了停电面积，提高了供电可靠性。馈线自动化可以实时监控配电网及其设备的运行状态，为进一步加强电网建设并逐步实现配电自动化提供依据。馈线自动化主要采用就地分布式FA、集中式FA两种方式实现。配电主干环路主要采用集中式FA控制的方式，通过主站系统协调，借助通信信息来实现控制；支线、辐射供电多采用就地分布式FA控制的方式，局部范围实现快速控制。
分布式FA将自动化处理的决策权下放到配网终端层级，将全网划分为若干独立的自治区域，自治区内站点之间以对等通信方式实现故障信息的可靠汇总交互，依据制定的故障处理逻辑，判断各站点信息，智能决策开关动作，实现对馈线故障的就地型分布式处理。
许多客观因素制约着各个分布式FA的超短期负荷，例如节假日、天气和社会活动等，这些因素在时间序列上呈现非平稳的随机过程，而且对各个分布式FA的影响是不一样的。
发明内容
为克服相关技术中存在的问题，本申请提供一种加密的边缘物联网关。
根据本申请实施例，提供一种分布式配网终端，其特征在于，将全网划分为多个独立的自治区域，每个自治区域内设置独立的所述分布式配网终端，其包括：采集模块、通信设备、监控主机和UPS电源；
采集模块，用于采集本自治区域内被监控设备的站点信息，并上传给监控主机；
通信设备用于通过物联网连接其他自治区域内的分布式配网终端；
监控主机用于依据制定的故障处理逻辑，判断采集模块收集的本自治区域内的站点信息以及通信设备收集的其他自治区域的站点信息，智能决策本区域内的开关动作，其包括负荷预测模块，用于所述多个自治区域内的分布式配网终端的负荷；
UPS电源，用于给采集模块、通信设备和监控主机供电。
优选的，负荷预测模块包括：
统计单元：用于采集统计各个自治区域的负荷数据和因素数据；
训练单元：用于采用统计单元采集的历史负荷数据和因素数据进行训练，得到预测模型。
优选的，所述因素数据包括气象数据和日历数据。
优选的，所述训练单元进行训练包括：
设置训练模型
Figure BDA0002236364990000021
其中，N是负荷数据的个数，M是因素数据的个数，αi是第一预设参数，βj是第二预设参数，ti()是关于负荷数据的理想随机权网络模型，sj()是关于因数数据的理想随机权网络模型。
优选的，
Figure BDA0002236364990000022
其中，
Figure BDA0002236364990000031
e是预设的第一样本训练误差，x(i)为第i个负荷数据样本的输入变量矢量。
优选的，
Figure BDA0002236364990000032
其中，G()是R→R的第一激活函数，δi是第i个网络隐层结点和输出结点之间的外权调节矢量，εi是第i个网络隐层结点和输出结点之间的内权调节矢量，∈i是第i个结点的阈值。
优选的，
Figure BDA0002236364990000033
其中，
Figure BDA0002236364990000034
g是预设的第二样本训练误差，y(j)为第j个因素数据样本的输入变量矢量。
优选的，
Figure BDA0002236364990000035
其中，W()是R→R的第二激活函数，θj是第j个网络隐层结点和输出结点之间的外权调节矢量，μi是第i个网络隐层结点和输出结点之间的内权调节矢量，πi是第i个结点的阈值。
优选的，
Figure BDA0002236364990000037
优选的，
Figure BDA0002236364990000041
本申请的实施例提供的技术方案可以包括以下有益效果：通过采用大量数据进行训练，提高了负荷预测精度及其稳定性。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种基于物联网的分布式配网终端的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下文的公开提供了许多不同的实施例或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不只是所讨论各种实施例和/或设置之间的关系。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的可应用性和/或其他材料的使用。另外，以下描述的第一特征在第二特征值“上”的结构可以包括第一和第二特征形成为直接接触的实施例，也可以包括另外的特征形成在第一和第二特征之间的实施例，这样第一和第二特征可能不是直接接触。
在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
图1是根据一示例性实施例示出的一种基于物联网的分布式配网终端的框图。参照图1，将全网划分为多个独立的自治区域，每个自治区域内设置独立的所述分布式配网终端，其包括：采集模块110、通信设备120、监控主机130和UPS电源140；
采集模块110，用于采集本自治区域内被监控设备200的站点信息，并上传给监控主机130；
通信设备120用于通过物联网300连接其他自治区域内的分布式配网终端；
监控主机130用于依据制定的故障处理逻辑，判断采集模块110收集的本自治区域内的站点信息以及通信设备120收集的其他自治区域的站点信息，智能决策本区域内的开关动作，其包括负荷预测模块，用于所述多个自治区域内的分布式配网终端的负荷；
UPS电源040，用于给采集模块110、通信设备120和监控主机130供电。
许多客观因素制约着各个分布式FA的超短期负荷，例如节假日、天气和社会活动等，这些因素在时间序列上呈现非平稳的随机过程，而且对各个分布式FA的影响是不一样的。而上述实施例在分布式配网终端中设置了负荷预测模块，从而可以预测负荷的随机过程，进行解决了上述问题。
优选的，负荷预测模块包括：
统计单元：用于采集统计各个自治区域的负荷数据和因素数据；
训练单元：用于采用统计单元采集的历史负荷数据和因素数据进行训练，得到预测模型。
通过采用大量数据进行训练，提高了负荷预测精度及其稳定性。
申请人发现，区域负荷的趋势惯性随机波动很大，主要是由于在时间序列上受到诸如假期休息日和天气突变等因素的影响。本优选实施例并不局限于采用历史负荷数据进行训练，而是增加了因素数据，例如天气数据、节假日数据、上下班时间数据、学校开学放假考试数据等，因此得到了更加精准和稳定的训练模型。
优选的，所述因素数据包括气象数据和日历数据。申请人在实践当中发现这两个因素是对负荷波动影响最大的因素，并且往往有一定的周期性，适合进行训练。
优选的，所述训练单元进行训练包括：
设置训练模型
Figure BDA0002236364990000061
其中，N是负荷数据的个数，M是因素数据的个数，αi是第一预设参数，βj是第二预设参数，ti()是关于负荷数据的理想随机权网络模型，sj()是关于因数数据的理想随机权网络模型。
优选的，
Figure BDA0002236364990000062
其中，
Figure BDA0002236364990000063
e是预设的第一样本训练误差，x(i)为第i个负荷数据样本的输入变量矢量。
优选的，
Figure BDA0002236364990000064
其中，G()是R→R的第一激活函数，δi是第i个网络隐层结点和输出结点之间的外权调节矢量，εi是第i个网络隐层结点和输出结点之间的内权调节矢量，∈i是第i个结点的阈值。
优选的，
Figure BDA0002236364990000071
其中，
Figure BDA0002236364990000072
g是预设的第二样本训练误差，y(j)为第j个因素数据样本的输入变量矢量。
优选的，
Figure BDA0002236364990000073
其中，W()是R→R的第二激活函数，θj是第j个网络隐层结点和输出结点之间的外权调节矢量，μi是第i个网络隐层结点和输出结点之间的内权调节矢量，πi是第i个结点的阈值。
优选的，
Figure BDA0002236364990000075
优选的，
Figure BDA0002236364990000076
本发明的上述优选实施例给出了对历史负荷数据和因素数据进行训练的具体算法，经大量实践证明，计算量比较小，足以在分布式配网终端上快速布置，并且预测效果非常良好。
优选的，所述物联网采用PLC(Power Line Carrier，电力线载波通信)、FSK(微功率无线通信)、RS485、M-BUS(Meter-Bus)、zigbee(紫蜂)、LoRa和NB-IoT中的至少一种。
本优选实施例支持现在市场上主流的物联网，从而使得本技术方案得到尽可能的推广应用。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (5)

1.一种分布式配网终端，其特征在于，将全网划分为多个独立的自治区域，每个自治区域内设置独立的所述分布式配网终端，其包括：采集模块、通信设备、监控主机和UPS电源；
采集模块，用于采集本自治区域内被监控设备的站点信息，并上传给监控主机；
通信设备用于通过物联网连接其他自治区域内的分布式配网终端；
监控主机用于依据制定的故障处理逻辑，判断采集模块收集的本自治区域内的站点信息以及通信设备收集的其他自治区域的站点信息，智能决策本区域内的开关动作，其包括负荷预测模块，用于所述多个自治区域内的分布式配网终端的负荷；
UPS电源，用于给采集模块、通信设备和监控主机供电；
其中，负荷预测模块包括：
统计单元：用于采集统计各个自治区域的负荷数据和因素数据；
训练单元：用于采用统计单元采集的历史负荷数据和因素数据进行训练，得到预测模型；
其中，所述因素数据包括气象数据和日历数据；
其中，所述训练单元进行训练包括：
设置训练模型
Figure DEST_PATH_IMAGE001
；
其中，N是负荷数据的个数，M是因素数据的个数，
Figure 697563DEST_PATH_IMAGE002
是第一预设参数，
Figure DEST_PATH_IMAGE003
是第二预设参数，
Figure 788884DEST_PATH_IMAGE004
是关于负荷数据的理想随机权网络模型，
Figure DEST_PATH_IMAGE005
是关于因数数据的理想随机权网络模型。
2.根据权利要求1所述的分布式配网终端，其特征在于，
Figure 449673DEST_PATH_IMAGE006
；
其中，
Figure DEST_PATH_IMAGE007
；e是预设的第一样本训练误差，
Figure 77094DEST_PATH_IMAGE008
为第i个负荷数据样本的输入变量矢量；
其中，
Figure 493032DEST_PATH_IMAGE010
其中，G()是
Figure DEST_PATH_IMAGE011
的第一激活函数，
Figure 340159DEST_PATH_IMAGE012
是第i个网络隐层结点和输出结点之间的外权调节矢量，
Figure DEST_PATH_IMAGE013
是第i个网络隐层结点和输出结点之间的内权调节矢量，
Figure 601376DEST_PATH_IMAGE014
是第i个结点的阈值。
3.根据权利要求2所述的分布式配网终端，其特征在于，
Figure DEST_PATH_IMAGE015
；
其中，
Figure 83304DEST_PATH_IMAGE016
；g是预设的第二样本训练误差，
Figure DEST_PATH_IMAGE017
为第j个因素数据样本的输入变量矢量；
其中，
Figure DEST_PATH_IMAGE019
其中，W()是
Figure 607826DEST_PATH_IMAGE011
的第二激活函数，
Figure 204899DEST_PATH_IMAGE020
是第j个网络隐层结点和输出结点之间的外权调节矢量，
Figure DEST_PATH_IMAGE021
是第j个网络隐层结点和输出结点之间的内权调节矢量，
Figure 4227DEST_PATH_IMAGE022
是第j个结点的阈值。
4.根据权利要求3所述的分布式配网终端，其特征在于，
Figure DEST_PATH_IMAGE023
。
5.根据权利要求4所述的分布式配网终端，其特征在于，
Figure 543924DEST_PATH_IMAGE024
。
CN201910984852.1A 2019-10-16 2019-10-16 一种分布式配网终端 Active CN110707816B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910984852.1A CN110707816B (zh) 2019-10-16 2019-10-16 一种分布式配网终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910984852.1A CN110707816B (zh) 2019-10-16 2019-10-16 一种分布式配网终端

Publications (2)

Publication Number Publication Date
CN110707816A CN110707816A (zh) 2020-01-17
CN110707816B true CN110707816B (zh) 2020-08-14

Family

ID=69201218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910984852.1A Active CN110707816B (zh) 2019-10-16 2019-10-16 一种分布式配网终端

Country Status (1)

Country Link
CN (1) CN110707816B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551884A (zh) * 2009-05-08 2009-10-07 华北电力大学 面向大规模样本的cvr电力负荷快速预测方法
CN108063456A (zh) * 2017-12-19 2018-05-22 国家电网公司 分布式光伏发电并网规划方法及终端设备
CN109103881A (zh) * 2018-10-24 2018-12-28 国网江西省电力有限公司经济技术研究院 适用于多场景的电力负荷预测方法
CN110224493A (zh) * 2019-07-08 2019-09-10 佳源科技有限公司 一种基于物联网的新型配电自动化终端

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9705329B2 (en) * 2012-06-29 2017-07-11 Operation Technology, Inc. Proactive intelligent load shedding

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551884A (zh) * 2009-05-08 2009-10-07 华北电力大学 面向大规模样本的cvr电力负荷快速预测方法
CN108063456A (zh) * 2017-12-19 2018-05-22 国家电网公司 分布式光伏发电并网规划方法及终端设备
CN109103881A (zh) * 2018-10-24 2018-12-28 国网江西省电力有限公司经济技术研究院 适用于多场景的电力负荷预测方法
CN110224493A (zh) * 2019-07-08 2019-09-10 佳源科技有限公司 一种基于物联网的新型配电自动化终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
区域负荷趋势特征分析与金字塔模型超短期预测方法;许刚等;《计算机工程》;20180215;第44卷(第2期);第287-293页 *

Also Published As

Publication number Publication date
CN110707816A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
US11378994B2 (en) Systems and methods for grid operating systems in electric power systems
CN109818812A (zh) 一种基于物联网的低压配电网末端感知系统及方法
JP2012512619A (ja) 電力グリッドの供給停止および故障状況の管理
CN110994789B (zh) 低压配电网拓扑关系在线识别与监测方法
WO2019148976A1 (zh) 能源信息处理方法及其设备、能源互联网系统
JP2022140414A (ja) 動的潮流モデリングによる最適な電力潮流制御
CN107730093A (zh) 一种电网事故复电路径的系统与方法
CN109949178B (zh) 一种基于支持向量机中压配网停电事件判断及补全方法
CN212012259U (zh) 一种具有智能配变终端的低压配电网状态监控系统
CN113159598A (zh) 台区故障抢修与调度方法、装置及终端设备
CN110244163B (zh) 一种台区停复电事件层级智能研判方法及装置
CN107832946A (zh) 一种用于生产车间的电能监控与管理方法及系统
CN104283222A (zh) 一种地区电网无功电压控制系统
CN112737106B (zh) 一种线损异常分段管控方法
CN110707816B (zh) 一种分布式配网终端
CN113438563A (zh) 一种基于5g的终端信息采集系统
CN108494088A (zh) 考虑自组网设备状态的智能分布式馈线自动化终端
Singh et al. A smart volt-var optimization engine for energy distribution system
CN116436090A (zh) 一种低压分布式光伏发电出力预测方法
CN113131487B (zh) 基于调压图案的台区识别方法、装置、存储介质及电子设备
Liao et al. Optimal smart grid operation and control enhancement by edge computing
CN113270944A (zh) 一种低压配电用户侧状态评估方法
CN105207370A (zh) 一种电力系统有序用电监控系统
CN109599951A (zh) 一种智能型分布式采集与集成终端及其数据处理方法
Florea et al. From bridge to control hub—The power Smart Grid evolution

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 210000 14-17 / F, building 7, yunmi City, 19 ningshuang Road, Yuhuatai District, Nanjing City, Jiangsu Province

Patentee after: Jiayuan Technology Co.,Ltd.

Address before: 210012 14-17 floors, 7 Building, Yunmicheng, 19 Ningshuang Road, Yuhuatai District, Nanjing, Jiangsu Province

Patentee before: Jiayuan Technology Co.,Ltd.