CN115663749A - 多端电气量保护无线通道的实时选取方法、装置及系统 - Google Patents

多端电气量保护无线通道的实时选取方法、装置及系统 Download PDF

Info

Publication number
CN115663749A
CN115663749A CN202211337281.0A CN202211337281A CN115663749A CN 115663749 A CN115663749 A CN 115663749A CN 202211337281 A CN202211337281 A CN 202211337281A CN 115663749 A CN115663749 A CN 115663749A
Authority
CN
China
Prior art keywords
wireless communication
communication channel
channel
current wireless
switching
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.)
Granted
Application number
CN202211337281.0A
Other languages
English (en)
Other versions
CN115663749B (zh
Inventor
刘志仁
胡金峰
陈凯
费彬
华梁
谢经华
房田郁
孙朝辉
浦天
汪奕彤
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.)
Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Wuxi Power Supply Co of State Grid Jiangsu Electric Power 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 Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202211337281.0A priority Critical patent/CN115663749B/zh
Publication of CN115663749A publication Critical patent/CN115663749A/zh
Application granted granted Critical
Publication of CN115663749B publication Critical patent/CN115663749B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及电力系统继电保护技术领域，具体公开了一种多端电气量保护无线通道的实时选取方法，包括：获取当前无线通信通道的通信质量信息和当前无线通信通道信息；依据当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；若发出切换当前无线通信通道的指令，则对当前无线通信通道进行切换。本发明还公开了一种多端电气量保护无线通道的实时选取装置及系统。本发明提供的多端电气量保护无线通道的实时选取方法，能够根据电网正常运行情况下的通道通信质量选择最优的通信通道，改善了因某一通道通信质量不稳定导致的差动保护不能可靠动作的问题，有效提高了多端电气量保护的可靠性。

Description

多端电气量保护无线通道的实时选取方法、装置及系统
技术领域
本发明涉及电力系统继电保护技术领域，尤其涉及一种多端电气量保护无线通道的实时选取方法、多端电气量保护无线通道的实时选取装置及包括该多端电气量保护无线通道的实时选取装置的多端电气量保护无线通道的实时选取系统。
背景技术
基于高速无线通信的配电网线路保护需要采集电网中不同点的电气量并通过通信通道传送到其他侧，通常在终端采用差动保护原理进行保护的判别。当电网发生故障时，保护装置根据快速保护原理完成故障隔离。
差动保护原理具有高可靠性、灵敏性及速动性优势，抗扰动能力强，全面适应大规模分布式电源接入，成为配电网多端电气量保护原理的首选。当快速保护采用差动原理时，差动保护通道中需要实时传送电网中不同点电流的采样值信息，传输信息量大，对通信时延等技术要求较高，还需要外部时钟进行对时同步。无线通信在传输过程中容易受到外界环境的干扰，稳定性与可靠性相对较差，一旦通信中断或者质量下降，将会导致差动保护失效。
为此，一种解决方案是保护装置接入两路无线通信通道，由不同运营商提供，互为备用，这样通过冗余配置的方法可以最大程度保证多端电气量无线保护的可靠性。这样，就存在2个无线通信通道的选优问题和通信质量波动通道切换的问题，此方法提出了一种基于人工智能技术的多端电气量无线保护通道选取方法。
发明内容
针对现有技术中的缺陷和不足，本发明提供了一种多端电气量保护无线通道的实时选取方法、多端电气量保护无线通道的实时选取装置及包括该多端电气量保护无线通道的实时选取装置的多端电气量保护无线通道的实时选取系统，以解决现有技术中存在的无线通信在传输过程中容易受到外界环境的干扰，稳定性与可靠性相对较差，一旦通信中断或者质量下降，将会导致差动保护失效的问题。
作为本发明的第一个方面，提供一种多端电气量保护无线通道的实时选取方法，所述多端电气量保护无线通道的实时选取方法包括：
步骤S1：获取当前无线通信通道的通信质量信息和当前无线通信通道信息；
步骤S2：依据所述当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；
步骤S3：若发出切换当前无线通信通道的指令，则对所述当前无线通信通道进行切换。
进一步地，还包括：
将所述当前无线通信通道的通信质量信息和当前无线通信通道信息输入到训练模型中，以输出目标无线通信通道；
判断所述目标无线通信通道与所述当前无线通信通道是否一致，若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
作为本发明的另一个方面，提供一种多端电气量保护无线通道的实时选取装置，所述多端电气量保护无线通道的实时选取装置包括：
获取模块，用于获取当前无线通信通道的通信质量信息和当前无线通信通道信息；
判断模块，用于依据所述当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；若发出切换当前无线通信通道的指令，则对所述当前无线通信通道进行切换。
作为本发明的另一个方面，提供一种多端电气量保护无线通道的实时选取系统，包括两侧的保护装置，两侧的保护装置分别为主侧保护装置和从侧保护装置，所述主侧保护装置和从侧保护装置均分别连接电流互感器和电压互感器，所述主侧保护装置和从侧保护装置之间通过两个无线通信通道连接，其中，所述主侧保护装置包括第一保护判据运算模块、智能体和第一通信设备，所述从侧保护装置包括第二保护判据运算模块、指令收发器和第二通信设备，所述第一通信设备和第二通信设备之间通过第一无线通信通道或第一无线通信通道通信，所述智能体包括前文所述的多端电气量保护无线通道的实时选取装置；
通过两侧的电流互感器和电压互感器采集输电线路两端的电气量，并经过通信设备和无线通信通道传输两侧的所述输电线路两端的电气量，最后通过两侧的保护判据运算模块计算，从而实现对于输电线路的快速保护功能；
将当前传输所述输电线路两端电气量的无线通信通道作为当前无线通信通道，通过智能体获取当前无线通信通道的通信质量信息和当前无线通信通道信息，并判断是否发出切换当前无线通信通道的指令；
若智能体判断出发送切换当前无线通信通道的指令，则将所述切换当前无线通信通道的指令分别发送给第一通信设备和第二通信设备，其中，智能体将所述切换当前无线通信通道的指令直接发送给第一通信设备，同时智能体将所述切换当前无线通信通道的指令发送给从侧的指令收发器，从侧的指令收发器接收到所述切换当前无线通信通道的指令后，再将所述切换当前无线通信通道的指令发送给第二通信设备，所述第一通信设备和第二通信设备在接收到所述切换当前无线通信通道的指令后，同时切换当前无线通信通道。
进一步地，假设所述当前无线通信通道为第一无线通信通道，所述第一保护判据运算模块将主侧的输电线路两端电气量通过所述第一无线通信通道传输至从侧的第二保护判据运算模块，所述第二保护判据运算模块将从侧的输电线路两端电气量通过所述第一无线通信通道传输至主侧的第一保护判据运算模块，从侧的第二保护判据运算模块和主侧的第一保护判据运算模块均对接收到的输电线路两端电气量进行计算，从而实现对于输电线路的快速保护功能；
通过智能体获取第一无线通信通道的通信质量信息和第一无线通信通道信息，并判断是否发出切换第一无线通信通道的指令；
若智能体判断出发送切换第一无线通信通道的指令，则将所述切换第一无线通信通道的指令分别发送给第一通信设备和第二通信设备，所述第一通信设备和第二通信设备在接收到所述切换第一无线通信通道的指令后，同时将所述第一无线通信通道切换为第二无线通信通道。
进一步地，所述第一通信设备将所述当前无线通信通道的通信质量信息和当前无线通信通道信息输入到所述智能体的训练模型中，以输出目标无线通信通道；
所述智能体判断所述目标无线通信通道与所述当前无线通信通道是否一致，若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
进一步地，所述智能体的训练模型为BP_AdaBoost强分类器模型，所述BP_AdaBoost强分类器模型是将BP神经网络作为弱分类器，通过Adaboost算法对多个BP神经网络弱分类器进行整合得到的强分类器；
在动模实验中模拟大量的通信状态场景，对动模实验的运行结果进行量化，获得大量的离散数据，所述离散数据包括：通道通断、通道误码率、时延抖动值和丢帧数表征无线通信通道通信质量的特征量，以及前一采样时刻的无线通信通道、前一段时间范围无线通信通道的切换次数、上一次无线通信通道的切换时刻、前一段时间范围通信失去同步的次乘时和当前时刻的通信运营商，其中，次乘时表示规定时间范围内各次通信失去同步的时间总和；其中，将上述离散数据作为所述BP_AdaBoost强分类器模型的训练数据；
将上述训练数据输入到所述BP_AdaBoost强分类器模型中进行分类训练，得到训练后的BP_AdaBoost强分类器模型；
训练后的智能体能够根据所述当前无线通信通道的通信质量信息和当前无线通信通道信息判断是否需要切换当前无线通信通道，若要切换，则发出相应的指令。
进一步地，Adaboost算法的步骤如下：
(1)选定一个学习算法作为弱学习算法，给定样本空间(X,Y)，从样本空间中找出m组数据作为训练数据，将每组训练数据的初始权重均设为
Figure BDA0003915017220000031
(2)用弱学习算法进行T次迭代运算，每经过一次运算后都按照分类结果对每组训练数据的权重进行更新；
(3)弱分类器通过反复计算得到一个分类函数序列f1,f2…fT，每个分类函数赋予一个权重；
(4)T次迭代之后，最终强分类函数F由弱分类函数加权得到。
进一步地，BP_Adaboost算法的步骤如下：
(1)从训练数据样本中随机选择m组训练数据，初始权值
Figure BDA0003915017220000032
根据输入和输出数据的维度确定BP神经网络的结构，并对BP神经网络的权值和阈值进行初始化；
(2)训练第k个BP神经网络时，用训练数据训练BP神经网络并且预测训练数据输出，预测输出的误差和为ek，误差和ek的计算公式为
Figure BDA0003915017220000041
式中，g(k)为预测的结果，y为期望的结果；
(3)根据预测输出的误差和ek计算BP神经网络的权重ak，权重计算公式为
Figure BDA0003915017220000042
(4)根据计算的第k个BP神经网络的权重ak来进行下一轮训练样本的权重调整，其具体关系为
Figure BDA0003915017220000043
上式中，Bk为归一化因子；
(5)经过T轮训练后得到T组BP神经网络的弱分类函数f(gk,ak)，由T组弱分类函数f(gk,ak)组合得到强分类函数
Figure BDA0003915017220000044
进一步地，结合MEA和LM算法改进BP神经网络，先用MEA算法优化所述BP神经网络的初始权值和阈值，并将优化后的权值和阈值赋给所述BP神经网络，得到优化后的BP神经网络；然后，将所述优化后的BP神经网络按照LM算法进行训练，由此得到经两步优化的MEA_LM_BP神经网络。
本发明提供的多端电气量保护无线通道的实时选取方法具有以下优点：
(1)由于差动保护对通信质量要求高的特点，仅单个无线通信通道的通信信号服务于差动保护无法保证保护装置的高效运行。该方法采取一主一备两个无线通信通道，双通道传输信号数据增加了容错率，有效提高了保护装置的有效性；
(2)此方法基于人工智能技术实现无线双通道的合理选择。智能体对通信质量的实时评估，动态化的实现差动保护中2个无线通信通道的最优化选择，从而有效避免了某一通道信号波动造成的差动保护失效问题，并使通信通道状态达到最优，更好保证电网故障下差动保护动作的可靠性与速动性。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的多端电气量保护无线通道的实时选取方法的流程图。
图2为本发明提供的多端电气量保护无线通道的实时选取装置的结构框图。
图3为本发明提供的多端电气量保护无线通道的实时选取系统的结构框图。
图4为本发明提供的AdaBoost算法的流程图。
图5为本发明提供的BP神经网络的计算流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种多端电气量保护无线通道的实时选取方法，图1为本发明提供的多端电气量保护无线通道的实时选取方法的流程图，如图1所示，所述多端电气量保护无线通道的实时选取方法，包括：
步骤S1：获取当前无线通信通道的通信质量信息和当前无线通信通道信息；
步骤S2：依据所述当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；
步骤S3：若发出切换当前无线通信通道的指令，则对所述当前无线通信通道进行切换。
本发明提供一种多端电气量保护无线通道的实时选取方法，基于传输信号的延时、抖动、丢帧数、误码率等特征量作为通信质量好坏的判别依据，利用采集到的保护装置历史数据信息作为智能体离线训练的数据集，实现智能体可以根据保护装置所在地的通信质量对无线通信通道进行选择。若保护装置当前采用的无线通信通道的通信质量可能影响差动保护所需信号数据的传输，则发出无线通信通道切换指令。该方法可以准确的选取更优的无线通信通道为多端电气量保护提供信号传输，最大可能的保证多端电气量保护的有效性。此方法根据电网正常运行情况下的通道通信质量选择最优的通信通道，改善了因某一通道通信质量不稳定导致的差动保护不能可靠动作的问题，有效提高了多端电气量保护的可靠性，为无线通信在多端电气量保护中的应用奠定良好的基础。
优选地，还包括：
将所述当前无线通信通道的通信质量信息和当前无线通信通道信息输入到训练模型中，以输出目标无线通信通道；
判断所述目标无线通信通道与所述当前无线通信通道是否一致，若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
作为本发明的另一实施例，提供一种多端电气量保护无线通道的实时选取装置，如图2所示，其中，所述多端电气量保护无线通道的实时选取装置包括：
获取模块，用于获取当前无线通信通道的通信质量信息和当前无线通信通道信息；
判断模块，用于依据所述当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；若发出切换当前无线通信通道的指令，则对所述当前无线通信通道进行切换。
作为本发明的另一实施例，提供一种多端电气量保护无线通道的实时选取系统，如图3所示，所述多端电气量保护无线通道的实时选取系统包括两侧的保护装置，两侧的保护装置分别为主侧保护装置和从侧保护装置，所述主侧保护装置和从侧保护装置均分别连接电流互感器和电压互感器，所述主侧保护装置和从侧保护装置之间通过两个无线通信通道连接，其中，所述主侧保护装置包括第一保护判据运算模块、智能体和第一通信设备，所述从侧保护装置包括第二保护判据运算模块、指令收发器和第二通信设备，所述第一通信设备和第二通信设备之间通过第一无线通信通道或第一无线通信通道通信，所述智能体包括前文所述的多端电气量保护无线通道的实时选取装置；
通过两侧的电流互感器和电压互感器采集输电线路两端的电气量，并经过通信设备和无线通信通道传输两侧的所述输电线路两端的电气量，最后通过两侧的保护判据运算模块计算，从而实现对于输电线路的快速保护功能；
将当前传输所述输电线路两端电气量的无线通信通道作为当前无线通信通道，通过智能体获取当前无线通信通道的通信质量信息和当前无线通信通道信息，并判断是否发出切换当前无线通信通道的指令；
若智能体判断出发送切换当前无线通信通道的指令，则将所述切换当前无线通信通道的指令分别发送给第一通信设备和第二通信设备，其中，智能体将所述切换当前无线通信通道的指令直接发送给第一通信设备，同时智能体将所述切换当前无线通信通道的指令发送给从侧的指令收发器，从侧的指令收发器接收到所述切换当前无线通信通道的指令后，再将所述切换当前无线通信通道的指令发送给第二通信设备，所述第一通信设备和第二通信设备在接收到所述切换当前无线通信通道的指令后，同时切换当前无线通信通道。
需要说明的是，针对两侧的通信设备切换无线通信通道之间的时间差问题，通过安装对时装置解决，主侧的第一通信设备在接收到切换指令后，不会立即切换当前无线通信通道，等着和从侧的第二通信设备一起切换无线通信通道，因为两侧的通信设备接收到切换指令的时间不一样，由于切换指令需要通过无线通信通道传输到从侧的第二通信设备，所以从侧的通信设备接收到切换指令的时间比较晚，故需要在切换指令从智能体发出后一定时间后，两侧的通信设备才会同时切换通信通道。
具体地，两侧的通信设备在“切换指令从智能体发出后”的下下个整秒同时进行当前无线通信通道的切换。防止切换指令发送时快到下个整秒，这样如果在下个整秒同时切换，可能存在下个整秒时，从侧的通信设备还未接收到切换指令的情况，为了避免这种情况，所以选择在下下个整秒同时进行切换无线通信通道。
需要说明的是，仅在一侧的保护装置安装智能体，若两侧的保护装置均安装智能体，有小概率出现两侧保护装置中的切换通信通道的指令不相同的情况。为防止这一小概率事件的发生，从而造成无线通信通道选取不一致，继而造成失效的情况，因此仅在一侧保护装置内安装智能体(即采用主-从模式，安装智能体的一侧为主侧，另一侧为从侧)，通过无线通信通道将此智能体发出的切换指令传输至另一侧。
优选地，假设所述当前无线通信通道为第一无线通信通道，所述第一保护判据运算模块将主侧的输电线路两端电气量通过所述第一无线通信通道传输至从侧的第二保护判据运算模块，所述第二保护判据运算模块将从侧的输电线路两端电气量通过所述第一无线通信通道传输至主侧的第一保护判据运算模块，从侧的第二保护判据运算模块和主侧的第一保护判据运算模块均对接收到的输电线路两端电气量进行计算，从而实现对于输电线路的快速保护功能；
通过智能体获取第一无线通信通道的通信质量信息和第一无线通信通道信息，并判断是否发出切换第一无线通信通道的指令；
若智能体判断出发送切换第一无线通信通道的指令，则将所述切换第一无线通信通道的指令分别发送给第一通信设备和第二通信设备，所述第一通信设备和第二通信设备在接收到所述切换第一无线通信通道的指令后，同时将所述第一无线通信通道切换为第二无线通信通道。
需要说明的是，假设当前无线通信通道为第二无线通信通道，对第二无线通信通道进行切换的判断过程参照上述第一无线通信通道的切换，此处不再赘述。
优选地，所述第一通信设备将所述当前无线通信通道的通信质量信息和当前无线通信通道信息输入到所述智能体的训练模型中，以输出目标无线通信通道；
所述智能体判断所述目标无线通信通道与所述当前无线通信通道是否一致，若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
下面给出一个智能体离线训练的参考方法：
优选地，所述智能体的训练模型为BP_AdaBoost强分类器模型，所述BP_AdaBoost强分类器模型是将BP神经网络作为弱分类器，通过Adaboost算法对多个BP神经网络弱分类器进行整合得到的强分类器；
1、在动模实验中模拟大量的通信状态场景，根据长期的运行经验及相关运行标准，对动模实验的运行结果进行量化，从而判定是否需要切换当前的无线通信通道；
2、经过上述的模拟和计算可以获得大量的离散数据。所述离散数据主要包括：通道通断、通道误码率、时延抖动值、丢帧数等表征无线通信通道通信质量的特征量，以及前一采样时刻的无线通信通道、前一段时间范围(建议值为10分钟)无线通信通道的切换次数、上一次无线通信通道的切换时刻、前一段时间范围(建议值为1-7天)通信失去同步的次乘时和当前时刻的通信运营商，其中，次乘时表示规定时间范围内各次通信失去同步的时间总和；其中，将上述离散数据作为所述BP_AdaBoost强分类器模型的训练数据；
3、将上述训练数据输入到所述BP_AdaBoost(Back Propagation_AdaptiveBoosting)强分类器模型中进行分类训练，得到训练后的BP_AdaBoost强分类器模型；
训练后的智能体能够根据所述当前无线通信通道的通信质量信息和当前无线通信通道信息判断是否需要切换当前无线通信通道，若要切换，则发出相应的指令。
需要说明的是，在智能体输出前加一层比较运算，比较智能体输入的无线通信通道(当前时刻)和输出的无线通信通道(下一时刻)是否一致。若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
下面介绍BP_AdaBoost强分类器模型：
优选地，如图4所示，AdaBoost算法的思想是将多个弱分类器(BP神经网络)模型的输出进行整合，产生一个的有效的强分类器，Adaboost算法的步骤如下：
(1)选定一个学习算法作为弱学习算法，给定样本空间(X,Y)，从样本空间中找出m组数据作为训练数据，将每组训练数据的初始权重均设为
Figure BDA0003915017220000081
(2)用弱学习算法进行T次迭代运算，每经过一次运算后都按照分类结果对每组训练数据的权重进行更新；(对于分类失败的训练数据赋予较大的权重，即在下一次迭代运算时对这些训练数据给予更多的重视)。
(3)弱分类器通过反复计算得到一个分类函数序列f1,f2…fT，每个分类函数赋予一个权重(分类结果越好的函数，其对应权重越大)；
(4)T次迭代之后，最终强分类函数F由弱分类函数加权得到。
优选地，结合图5，BP_Adaboost算法的步骤如下：
(1)从训练数据样本中随机选择m组训练数据，初始权值
Figure BDA0003915017220000082
根据输入和输出数据的维度确定BP神经网络的结构，并对BP神经网络的权值和阈值进行初始化；
(2)训练第k个BP神经网络时，用训练数据训练BP神经网络并且预测训练数据输出，预测输出的误差和为ek，误差和ek的计算公式为
Figure BDA0003915017220000083
式中，g(k)为预测的结果，y为期望的结果；
(3)根据预测输出的误差和ek计算BP神经网络的权重ak，权重计算公式为
Figure BDA0003915017220000091
(4)根据计算的第k个BP神经网络的权重ak来进行下一轮训练样本的权重调整，其具体关系为
Figure BDA0003915017220000092
上式中，Bk为归一化因子；
(5)经过T轮训练后得到T组BP神经网络的弱分类函数f(gk,ak)，由T组弱分类函数f(gk,ak)组合得到强分类函数
Figure BDA0003915017220000093
传统的BP神经网络训练收敛速度较慢，并且容易陷入局部最优。结合MEA和LM算法改进BP神经网络，先用MEA算法优化所述BP神经网络的初始权值和阈值，并将优化后的权值和阈值赋给所述BP神经网络，得到优化后的BP神经网络；然后，将所述优化后的BP神经网络按照LM算法进行训练，由此得到经两步优化的MEA_LM_BP神经网络。其算法框架结构如下表1所示。
表1
Figure BDA0003915017220000094
Figure BDA0003915017220000101
MEA算法改进BP神经网络的具体流程如下：
1.根据样本数据进行参数初始化。主要参数包括种群大小、优胜子种群个数、临时子种群个数、子种群大小、输入层神经元个数、隐含层神经元个数、输出层神经元个数、迭代次数。
2.产生初始种群。初始种群包括优胜子种群和临时子种群。
3.种群趋同。利用种群成熟判别函数，判断每个种群是否满足异化的条件。
4.如果满足条件且迭代次数尚未达到设定的迭代最大值，则执行异化操作，并且补充新的子种群。
当算法满足迭代停止条件后，输出最优个体，对其进行解码操作，即得到优化后的BP神经网络的初始权值、阈值。
LM算法进一步改进BP神经网络，具体如下：
LM算法的核心是通过比例因子μ调节权重的大小，当μ＝0时，LM算法与牛顿算法相同；当μ为较大的值时，LM算法与梯度下降算法相同。
LM算法根据下式来修正BP神经网络的权值
ω(n+1)＝ω(n)-[JTJ+μI]-1JTe
式中，e是误差变量，I为输入变量。J是包含误差性能函数的一阶导数的雅克比矩阵。
LM算法有较快的收敛速度且可避免陷入局部最优，同时所需的迭代次数也相对较少。
在本发明实施例中，为了防止在某一时间段内两个无线通信通道通信质量均存在较大波动，智能体频繁发送无线通信通道切换指令的极端现象，从而造成保护通信通道不匹配继而造成失效等问题。此方法在模型训练的输入数据中构建了前一采样时刻的无线通信通道、前一段时间范围内无线通信通道切换次数等特征量，从而保证了保护装置无线通信通道选择的稳定性，提高了差动保护的有效性。
同时，为进一步保证差动保护的可靠性，此方法考虑将一段防止运营商频繁切换的判别程序加入智能体中。该判别程序统计前一段时间范围内(T1)无线通信通道切换次数，当切换次数达到提前设定的上限值(3次)时，则闭锁智能体指令的发出。当无线通信通道频繁切换的问题恢复后，即判断前一段时间(T2)范围内，无线通信通道切换次数降低至0，重新启用智能体的无线通信通道选择。T1、T2由工程经验设定，一般T2远大于T1。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种多端电气量保护无线通道的实时选取方法，其特征在于，所述多端电气量保护无线通道的实时选取方法包括：
步骤S1：获取当前无线通信通道的通信质量信息和当前无线通信通道信息；
步骤S2：依据所述当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；
步骤S3：若发出切换当前无线通信通道的指令，则对所述当前无线通信通道进行切换。
2.根据权利要求1所述的多端电气量保护无线通道的实时选取方法，其特征在于，还包括：
将所述当前无线通信通道的通信质量信息和当前无线通信通道信息输入到训练模型中，以输出目标无线通信通道；
判断所述目标无线通信通道与所述当前无线通信通道是否一致，若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
3.一种多端电气量保护无线通道的实时选取装置，其特征在于，所述多端电气量保护无线通道的实时选取装置包括：
获取模块，用于获取当前无线通信通道的通信质量信息和当前无线通信通道信息；
判断模块，用于依据所述当前无线通信通道的通信质量信息和当前无线通信通道信息，判断是否发出切换当前无线通信通道的指令；若发出切换当前无线通信通道的指令，则对所述当前无线通信通道进行切换。
4.一种多端电气量保护无线通道的实时选取系统，其特征在于，包括两侧的保护装置，两侧的保护装置分别为主侧保护装置和从侧保护装置，所述主侧保护装置和从侧保护装置均分别连接电流互感器和电压互感器，所述主侧保护装置和从侧保护装置之间通过两个无线通信通道连接，其中，所述主侧保护装置包括第一保护判据运算模块、智能体和第一通信设备，所述从侧保护装置包括第二保护判据运算模块、指令收发器和第二通信设备，所述第一通信设备和第二通信设备之间通过第一无线通信通道或第一无线通信通道通信，所述智能体包括权利要求3所述的多端电气量保护无线通道的实时选取装置；
通过两侧的电流互感器和电压互感器采集输电线路两端的电气量，并经过通信设备和无线通信通道传输两侧的所述输电线路两端的电气量，最后通过两侧的保护判据运算模块计算，从而实现对于输电线路的快速保护功能；
将当前传输所述输电线路两端电气量的无线通信通道作为当前无线通信通道，通过智能体获取当前无线通信通道的通信质量信息和当前无线通信通道信息，并判断是否发出切换当前无线通信通道的指令；
若智能体判断出发送切换当前无线通信通道的指令，则将所述切换当前无线通信通道的指令分别发送给第一通信设备和第二通信设备，其中，智能体将所述切换当前无线通信通道的指令直接发送给第一通信设备，同时智能体将所述切换当前无线通信通道的指令发送给从侧的指令收发器，从侧的指令收发器接收到所述切换当前无线通信通道的指令后，再将所述切换当前无线通信通道的指令发送给第二通信设备，所述第一通信设备和第二通信设备在接收到所述切换当前无线通信通道的指令后，同时切换当前无线通信通道。
5.根据权利要求4所述的多端电气量保护无线通道的实时选取系统，其特征在于，假设所述当前无线通信通道为第一无线通信通道，所述第一保护判据运算模块将主侧的输电线路两端电气量通过所述第一无线通信通道传输至从侧的第二保护判据运算模块，所述第二保护判据运算模块将从侧的输电线路两端电气量通过所述第一无线通信通道传输至主侧的第一保护判据运算模块，从侧的第二保护判据运算模块和主侧的第一保护判据运算模块均对接收到的输电线路两端电气量进行计算，从而实现对于输电线路的快速保护功能；
通过智能体获取第一无线通信通道的通信质量信息和第一无线通信通道信息，并判断是否发出切换第一无线通信通道的指令；
若智能体判断出发送切换第一无线通信通道的指令，则将所述切换第一无线通信通道的指令分别发送给第一通信设备和第二通信设备，所述第一通信设备和第二通信设备在接收到所述切换第一无线通信通道的指令后，同时将所述第一无线通信通道切换为第二无线通信通道。
6.根据权利要求4所述的多端电气量保护无线通道的实时选取系统，其特征在于，所述第一通信设备将所述当前无线通信通道的通信质量信息和当前无线通信通道信息输入到所述智能体的训练模型中，以输出目标无线通信通道；
所述智能体判断所述目标无线通信通道与所述当前无线通信通道是否一致，若不一致，则发出切换当前无线通信通道的指令，以将所述当前无线通信通道切换为所述目标无线通信通道。
7.根据权利要求6所述的多端电气量保护无线通道的实时选取系统，其特征在于，所述智能体的训练模型为BP_AdaBoost强分类器模型，所述BP_AdaBoost强分类器模型是将BP神经网络作为弱分类器，通过Adaboost算法对多个BP神经网络弱分类器进行整合得到的强分类器；
在动模实验中模拟大量的通信状态场景，对动模实验的运行结果进行量化，获得大量的离散数据，所述离散数据包括：通道通断、通道误码率、时延抖动值和丢帧数表征无线通信通道通信质量的特征量，以及前一采样时刻的无线通信通道、前一段时间范围无线通信通道的切换次数、上一次无线通信通道的切换时刻、前一段时间范围通信失去同步的次乘时和当前时刻的通信运营商，其中，次乘时表示规定时间范围内各次通信失去同步的时间总和；其中，将上述离散数据作为所述BP_AdaBoost强分类器模型的训练数据；
将上述训练数据输入到所述BP_AdaBoost强分类器模型中进行分类训练，得到训练后的BP_AdaBoost强分类器模型；
训练后的智能体能够根据所述当前无线通信通道的通信质量信息和当前无线通信通道信息判断是否需要切换当前无线通信通道，若要切换，则发出相应的指令。
8.根据权利要求7所述的多端电气量保护无线通道的实时选取系统，其特征在于，Adaboost算法的步骤如下：
(1)选定一个学习算法作为弱学习算法，给定样本空间(X,Y)，从样本空间中找出m组数据作为训练数据，将每组训练数据的初始权重均设为
Figure FDA0003915017210000031
(2)用弱学习算法进行T次迭代运算，每经过一次运算后都按照分类结果对每组训练数据的权重进行更新；
(3)弱分类器通过反复计算得到一个分类函数序列f1,f2…fT，每个分类函数赋予一个权重；
(4)T次迭代之后，最终强分类函数F由弱分类函数加权得到。
9.根据权利要求8所述的多端电气量保护无线通道的实时选取系统，其特征在于，BP_Adaboost算法的步骤如下：
(1)从训练数据样本中随机选择m组训练数据，初始权值
Figure FDA0003915017210000032
根据输入和输出数据的维度确定BP神经网络的结构，并对BP神经网络的权值和阈值进行初始化；
(2)训练第k个BP神经网络时，用训练数据训练BP神经网络并且预测训练数据输出，预测输出的误差和为ek，误差和ek的计算公式为
Figure FDA0003915017210000033
式中，g(k)为预测的结果，y为期望的结果；
(3)根据预测输出的误差和ek计算BP神经网络的权重ak，权重计算公式为
Figure FDA0003915017210000034
(4)根据计算的第k个BP神经网络的权重ak来进行下一轮训练样本的权重调整，其具体关系为
Figure FDA0003915017210000035
上式中，Bk为归一化因子；
(5)经过T轮训练后得到T组BP神经网络的弱分类函数f(gk,ak)，由T组弱分类函数f(gk,ak)组合得到强分类函数
Figure FDA0003915017210000036
10.根据权利要求9所述的多端电气量保护无线通道的实时选取系统，其特征在于，结合MEA和LM算法改进BP神经网络，先用MEA算法优化所述BP神经网络的初始权值和阈值，并将优化后的权值和阈值赋给所述BP神经网络，得到优化后的BP神经网络；然后，将所述优化后的BP神经网络按照LM算法进行训练，由此得到经两步优化的MEA_LM_BP神经网络。
CN202211337281.0A 2022-10-28 2022-10-28 多端电气量保护无线通道的实时选取方法、装置及系统 Active CN115663749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211337281.0A CN115663749B (zh) 2022-10-28 2022-10-28 多端电气量保护无线通道的实时选取方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211337281.0A CN115663749B (zh) 2022-10-28 2022-10-28 多端电气量保护无线通道的实时选取方法、装置及系统

Publications (2)

Publication Number Publication Date
CN115663749A true CN115663749A (zh) 2023-01-31
CN115663749B CN115663749B (zh) 2024-02-02

Family

ID=84993968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211337281.0A Active CN115663749B (zh) 2022-10-28 2022-10-28 多端电气量保护无线通道的实时选取方法、装置及系统

Country Status (1)

Country Link
CN (1) CN115663749B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202693740U (zh) * 2012-06-25 2013-01-23 广西电网公司电力科学研究院 Gis局部放电在线监测综合处理单元
CN103024842A (zh) * 2011-09-21 2013-04-03 宏碁股份有限公司 切换无线通讯系统运作模式的方法
CN110649579A (zh) * 2019-09-29 2020-01-03 许继集团有限公司 一种基于无线通信的差动保护方法与装置
CN114243898A (zh) * 2021-11-08 2022-03-25 国网河南省电力公司郑州供电公司 基于5g通信网络的配电网差动保护系统及保护方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103024842A (zh) * 2011-09-21 2013-04-03 宏碁股份有限公司 切换无线通讯系统运作模式的方法
CN202693740U (zh) * 2012-06-25 2013-01-23 广西电网公司电力科学研究院 Gis局部放电在线监测综合处理单元
CN110649579A (zh) * 2019-09-29 2020-01-03 许继集团有限公司 一种基于无线通信的差动保护方法与装置
CN114243898A (zh) * 2021-11-08 2022-03-25 国网河南省电力公司郑州供电公司 基于5g通信网络的配电网差动保护系统及保护方法

Also Published As

Publication number Publication date
CN115663749B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN107394773B (zh) 考虑故障处理全过程的配网信息物理系统可靠性评估方法
CN107609725B (zh) 一种考虑变电站影响的输电网风险评估方法
CA2147774C (en) Method and apparatus for distributed power control in cellular radio systems
Lim et al. Service restoration methodology for multiple fault case in distribution systems
CN109378815B (zh) 一种配电网合环转供电控制方法、装置及设备
CN108873733B (zh) 电力信息物理系统中信息预想事故影响的分析方法
CN105467971A (zh) 一种电力二次设备监测系统及方法
CN105425768A (zh) 一种电力二次设备监测装置及方法
CN109687410B (zh) 一种基于最大熵增的连锁故障集构建方法
CN111882125B (zh) 基于风险元理论的电力信息物理系统连锁故障预测方法
CN113328437B (zh) 一种智能配电网cps拓扑构建方法及故障恢复方法
Wang et al. Weighted and constrained consensus for distributed power dispatch of scalable microgrids
Ghorbani et al. A MAS learning framework for power distribution system restoration
CN115663749B (zh) 多端电气量保护无线通道的实时选取方法、装置及系统
CN111669777B (zh) 基于改进卷积神经网络的移动通信系统智能预测方法
CN115563543B (zh) 基于通道质量多端电气量保护原理选取方法、装置及系统
CN113408921B (zh) 一种基于网络依存关系的连锁故障风险评估方法
CN115021399A (zh) 一种适配园区多能源供电网络的拓扑辨识方法及装置
CN114595543A (zh) 一种基于电压关联系数的配电网拓扑识别方法
CN110807590A (zh) 基于概率可用传输能力的电网规划方法
CN106028372A (zh) 一种基于sdn融合异构无线网络的系统
CN111275291A (zh) 一种基于风险传递路径的电力信息物理系统可靠性分析方法
CN113295952B (zh) 智能分布式fa功能测试方法、系统及存储介质
Hassan et al. A Framework for Service Restoration of Cyber-Physical Power Systems
CN116581767A (zh) 基于多场景的配电网源网荷储协同电力耦合方法及系统

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