CN116526667A - 基于电流物联网反馈机制的二次融合配网馈线终端系统 - Google Patents
基于电流物联网反馈机制的二次融合配网馈线终端系统 Download PDFInfo
- Publication number
- CN116526667A CN116526667A CN202310464470.2A CN202310464470A CN116526667A CN 116526667 A CN116526667 A CN 116526667A CN 202310464470 A CN202310464470 A CN 202310464470A CN 116526667 A CN116526667 A CN 116526667A
- Authority
- CN
- China
- Prior art keywords
- power supply
- test
- data
- distribution network
- information
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 76
- 238000009826 distribution Methods 0.000 title claims abstract description 75
- 230000008713 feedback mechanism Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 230000010354 integration Effects 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000010365 information processing Effects 0.000 claims abstract description 11
- 238000012360 testing method Methods 0.000 claims description 132
- 230000008569 process Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 11
- 125000006850 spacer group Chemical group 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000003827 upregulation Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 7
- 241000272814 Anser sp. Species 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 6
- 230000003828 downregulation Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 5
- 238000012812 general test Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011056 performance test Methods 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000008140 language development Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- H02J13/00002—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 characterised by monitoring
-
- 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
- H02J13/00006—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 characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00028—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 characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment involving the use of Internet protocols
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于电流物联网反馈机制的二次融合配网馈线终端系统，包括供电信息处理模块、物联网信息交互模块、供电网络二次融合模块、供电信息反馈模块和馈线终端集成模块；针对目前供电行业中供电二次融合配网信息管理过于复杂，资源调度算力缺乏的重要问题，将启发式优化算法、物联网框架和馈线终端系统进相结合，基于启发式思维解决供电二次融合配网馈线终端系统集成的问题；其应用层面广，社会效益高，可以被广泛的应用到供电行业。
Description
技术领域
本发明涉及配电网络领域，具体地说，涉及一种基于电流物联网反馈机制的二次融合配网馈线终端系统。
背景技术
近年来，随着我国配电网信息化水平的不断提升，配电网的智能化程度日益提高。对于传统的配电网而言，其一次电气系统与二次系统保护设备之间通常是相互独立工作，为了适应我国配电网智能化发展的需求，配电网一二次有效融合是未来电网的一种智能化运行形态，传统一二次融合系统的独立运行形态将转变至融合运行形态。然而，我国目前配电网一二次融合研究才刚刚起步，合理有效地设计配电网一二次融合系统对推动配电网的安全稳定运行具有重大意义。电力物联网针对电力系统每个环节、每个部门，在移动互联、人工智能等通讯技术的基础上，设计具有高效应变、全面感知、灵活处理的智慧服务系统。利用电力物联网的感知层、网络层、平台层、应用层基本体系架构，实现配电网新型馈线终端单元优化配置。本发明阐述了一种基于电流物联网反馈机制的供电二次融合配网馈线终端系统，针对资源调度算力缺乏的重要问题，将启发式优化算法、物联网框架和馈线终端系统进相结合，基于启发式思维解决供电二次融合配网馈线终端系统集成的问题；其应用层面广，社会效益高，可以被广泛的应用到供电行业。
发明内容
本发明的目的在于提供一种基于电流物联网反馈机制的二次融合配网馈线终端系统，以解决上述背景技术中提出的问题。
为实现上述目的，提出了一种基于电流物联网反馈机制的二次融合配网馈线终端系统，包括供电信息处理模块、物联网信息交互模块、供电网络二次融合模块、供电信息反馈模块和馈线终端集成模块；根据城市区域的划分，对供电系统中的供电信息进行类别规划和特征分析，并以设备与电能的执行关系为依据，构建系统关系型数据库管理供电信息；基于物联网IoT框架构建电敏类传感器系统采集供电网络中的供电信息，利用电学计算将供电能力统一转化为相关电流的指标，并进行归一化处理；基于物联网中的边缘网关将采集和转化的供电信息传输至供电网络二次融合过程，将供电设备与资源调度进行匹配；利用启发式反馈算法计算匹配度和调度关系，最后依靠Python和C++为编程语言，通过VisualStudio进行馈线终端系统的开发集成，并且在各个功能函数中预留终端控制的物联网供电信息，实现便捷化供电二次融合配网信息管理和提升供电资源调度的综合算力。
进一步的，所述供电信息处理模块，从管理学角度出发，将灵活性总供给和总需求以一定的时间尺度划分为若干区间，每个区间可视为以上、下灵活性供给之和为底，时间尺度为高的曲边梯形，通过计算所有曲边梯形面积之和，可近似得到总需求和总灵活性供给的覆盖面积，通过两者覆盖面积之比，可得灵活性供需匹配系数为:
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，T 为灵活性总供给和总需分析的总时间，其计算公式分别为：
，
其中，、/>分别为第/>种设备的第/>台机组在/>时刻预留的上调灵活性、下调灵活性；/>、/>分别为第/>种设备的第/>台机组在/>时刻需求的上调灵活性、下调节灵活性；M 为设备种类总数；I 为机组数量总数；为了更加准确直观的描述系统内灵活性供需匹配的情况，引入参考变量/>、/>，将该指标的取值范围限定为[0,1]，因此，灵活性供需匹配系数/>修正为：
，
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，参考变量/>、/>根据电力系统的实际高压供电与低压供电的供电电压标准引入，/>的取值越接近于1，表示电信息系统的供电灵活性供需匹配程度越高。
进一步的，所述供电信息处理模块，使用MySQL数据库基于分布式文件系统的SQL类数据库进行供电信息的数据管理，主要是基于Python编程语言开发，可存储关系复杂的数据类型。
进一步的，所述物联网信息交互模块，分为三个过程：（1）感知层完成新型智能电子设备（IED）数据采集、物理量回归和数据接收等，并在安装实施的过程中能够进行安装监测、接线监测与功能监测，保证IED的正常运行；（2）网络层的服务器基于套接字通过各个区域节点的网关将感知层发送的数据存储到数据库中，检查数据库中的数据更改并进行数据计算与分析，然后将其发回；（3）应用层通过上层管理中心在在线监测上显示每个电表的实时和历史数据，并经过可视化展示，进一步挖掘用电信息；（4）对计算框架进行优化得到更为精确的用电信息，有功电能计算设每周期拥有总数为的电能计量采样点，则电压正弦公式/>为:
，
其中，为第/>个电能计量采样点电压大小；/>表示电能计量采样点个数；t为时间变量；/>为电压幅值；/>为初始相位；电流的正弦公式/>为:
，
其中，为第/>个电能计量采样点电流大小；/>为电流幅值；可以通过电流和电压的瞬时值得到瞬时功率/>为:
，
通过点积算法得到近似的电能值为:
，
其中，T为一个计算周期的时间，为有功电能，实际情况中由于谐波的影响，正弦信号发生了改变，不再具有特定规律，因此会存在误差，随后利用高阶积分算法进行优化即可，从而减少误差，优化公式为：
。
进一步的，所述物联网信息交互模块，采用改进的自适应反向搜索策略对传统DE算法进行网关优化，引入缩放因子对反向搜索的区间进行优化，结合现有的动态参数调整策略进行元宇宙环境自主构建系统下的网关优化部署求解，对于向量，其对应的反向解为/>，其中，/>和/>为第/>个/>变量的边界；通过对搜索区间引入缩放因子微分进化算法的寻优性能，在目标向量搜索初期，较大动态缩放因子可以获得较宽广的搜索空间；对于目标向量搜索后期，较小动态缩放因子能够缩小搜索空间，进而提高算法的局部搜索能力，缩放因子后的反向解求解过程如下式所示：
，
其中，为当前迭代计算次数，/>为动态缩放因子；/>采用线性递减方式进行计算，传统上限规定是1，这里增加了0.5的上调范围，考虑到了电损参数的计算，因此，规定上限值为1.5。
进一步的，所述供电网络二次融合模块，本发明搭建的供电网络二次融合模块在融合系统基础上，搭建了对应的通用测试平台，测试平台以IEC61850标准协议为基础，主要由站控层、间隔层、传输层、融合层和应用层五层结构组成：（1）测试平台站控层主要由监控模块、时钟模块以及远动工作站等模块组成，其功能是完成信息采集分析、主站互动等；（2）间隔层主要包括继电保护二次系统、综合测控等，其功能是转发站控层和过程层的信息，收发信息并网成二次系统继电保护功能；（3）过程层主要是与二次融合系统的接口相连接；测试平台主要包括融合系统数字动态模拟和仿真、测试规约、调度自动化和信息安全等，规约测试主要是完成配电网二次融合系统的不同协议测试，包括一致性测试和互操作测试等；（4）融合层负责将电流物联网数学模型计算的灵活供需关系进行设备和电能的融合；（5）应用层是以用户需求为向导的边缘设备运行与反馈。
进一步的，所述供电网络二次融合模块，二次融合系统实时闭环测试的总体实现流程如下：（1）建立一二次融合系统模型，首先利用RTDS仿真平台搭建配电网一次系统模型，具体包含配电网结构、保护设备模块和故障控制模块，并进一步搭建一次系统的电子式互感器模块，通过仿真模拟配电网在故障情况下的运行特性来获取对应的故障电压、电流信号；然后设置二次系统设备参数以及接口设备的运行参数，将一次系统采集到的电压、电流信号连接至RTDS的GTNET_SV采样值板卡输入端，通过GTNET_SV模块将这些采样值数字信号变为满足IEC61850-9-2LE通信标准协议的格式数据帧，所有订阅了该采集信号的间隔层设备都能够获取该类信息；（2）配置测试方案，通过配电网二次融合系统的通信模块，对二次融合系统的数据模型进行分析，根据提前配置的测试方案来设置二次融合系统的测试任务方案，并生成对应的二次融合系统测试报告模板；（3）启动测试平台，通过操控测试平台的主控中心模块，打开配置好的具体测试方案，并开始测试工作，不同的测试项目采用不同的测试指标进行测试，测试平台启动后，一次系统电压和电流信号的输出格式为满足IEC61850-9-2LE标准的以太网数据帧形式，而二次系统保护设备的信息采用GOOSE报文的方式进行输出；（4）形成闭环测试。当测试平台能够接收到一次系统的GOOSE报文信息，对二次系统保护设备的动作信号进行解析，对测试方案中的二次融合系统的基本功能测试以及接口通信性能测试等进行测试验证，从而形成配电网二次融合系统的闭环测试系统；（5）处理测试异常，在测试平台的测试过程中，对测试过程可能存在的异常情况进行分析和判断，如果测试过程中存在异常现象，需调整之前的测试流程，当异常排除后再次执行之前的测试流程；（6）生成测试结果，当检测到测试任务已完成，测试平台控制中心对测试结果数据进行读取和保存，并判断当前的测试结果是否满足合格标准，最后对测试结果写入到准备好的报告模板，生成满足要求的测试报告。
进一步的，所述供电信息反馈模块，首先引入K-Means聚类分析方法对供电信息数据进行预处理，将供电信息数据聚类成集，并使用聚类中心点作为该类数据的代表，K-Means聚类分析方法是一种无监督分类算法，利用自适应方法改进K-Means聚类分析方法的数据集划分方式，假设有个样本的数据集：
，
算法目标为将数据集聚类到个簇/>，使得样本点到簇中心的误差平方和最小，首先需要在样本中随机选取/>个初始质心，对比计算样本点到各个质心的距离/>，引入自适应算子/>，修正后的灵活性供需匹配系数和为1，因为，用电信息数据反馈的是用户需求，即在不满足需求的情况下反馈数据以提供更多的电资源，所以，设定自适应算子/>如下：
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值， />为参考变量，具有泛意义，根据电力系统的实际供电标准引入然后将样本点划到最近的簇中，T 为一个计算周期的时间；再根据各簇中划入的样本点，因为自适应算子/>是一个（0,1）的数值，引入它的目的是为了重新计算簇中心/>的匹配关系，因此，做乘法计算，并重复该过程直到簇中心收敛，总误差平方和/>为：
，
其中，为簇/>的质心。
，
其中，为簇/>中样本的个数；该函数可以用于评估/>的取值，选定不同的/>值分别计算/>值，并比较不同/>值之间的/>的变化，如/>值的降低幅度从一开始的很大迅速变小时，则当前/>值则为最佳/>值；
因属于无监督算法，K-Means聚类算法无法采用交叉验证方法进行评价，本发明采用轮廓系数进行聚类效果评价，确定最佳类簇数，具体方法如下：
（1）计算样本距同簇其余样本的平均距离/>，定义/>为样本/>的簇内不相似度，/>越小，说明样本/>越应该被聚类到该类簇；
（2）计算样本到其他簇类/>的所有样本的平均距离/>，称为样本/>和簇的不相似度。定义/>为样本/>的簇间不相似度，/>；
（3）根据样本的簇内不相似度/>和簇间不相似度/>，样本的轮廓系数公式如下所示：
，
其中，所有样本的均值称为聚类结果的轮廓系数。
进一步的，所述供电信息反馈模块，本发明使用的K近邻算法（KNN）分类算法和K-Means使用相同的距离计算方法，在空间中任选一个点，计算其到平面内各个已知点的距离，选择到其距离最近的/>个点，根据它距离最近的/>个点的标签来判断/>属于哪个类别。将获取的用户用电信息为依据，对所需供电量进行判断，如果预测的供电量不在规定范围内，则对供电量进行反向的动态调整，直至使得供电量满足要求，如果预测的供电量在规定范围内，则将供电信息数据成批制录入系统数据库，以此作为提供给供电信息反馈模块的数据依据。
进一步的，所述馈线终端集成模块，具有感知层、网络层、平台层、应用层基本体系架构，感知层通过本地通信接入、现场采集部件、智能业务终端、边缘物联代理等精准采集配电网数据，可有效解决极端天气以及灾区的配电网信息采集困难的问题；网络层为配电网新型馈线终端单元优化配置的数据信息传输开通了一条安全便捷的网络通道，可将感知层采集到的数据传输至平台层，数据传输速率快，可解决配电网故障诊断技术存在的数据丢失与数据传输不及时等问题；平台层利用新型馈线终端单元优化配置模型，对新型馈线终端实施有效优化配置，通过对采集的数据综合处理，实现配电网故障诊断；应用层可有效连接电网业务以及新兴业务，并提升其供电可靠性。
本发明有益效果：本发明阐述了一种基于电流物联网反馈机制的二次融合配网馈线终端系统，包括供电信息处理模块、物联网信息交互模块、供电网络二次融合模块、供电信息反馈模块和馈线终端集成模块，提出了一种基于电流物联网反馈机制的供电二次融合配网馈线终端系统，根据城市区域的划分，对供电系统中的供电信息进行类别规划和特征分析，并以设备与电能的执行关系为依据，构建系统关系型数据库管理供电信息，基于物联网IoT框架构建电敏类传感器系统采集供电网络中的供电信息，利用电学计算将供电能力统一转化为相关电流的指标，并进行归一化处理，基于物联网中的边缘网关将采集和转化的供电信息传输至供电网络二次融合过程，将供电设备与资源调度进行匹配，利用启发式反馈算法计算匹配度和调度关系，改进了K-means算法的数据划分方法，引入自适应算子提高符合为此配电网络需求的数据预处理，最后依靠Python和C++为编程语言，通过VisualStudio进行馈线终端系统的开发集成，并且在各个功能函数中预留终端控制的物联网供电信息，实现便捷化供电二次融合配网信息管理和提升供电资源调度的综合算力。同时本发明搭建的供电网络二次融合模块在融合系统基础上，搭建了对应的通用测试平台，对测试过程可能存在的异常情况进行分析和判断，并在测试任务完成后对测试结果数据进行读取和保存，判断当前的测试结果是否满足合格标准，对测试结果写入到准备好的报告模板，生成满足要求的测试报告。本发明针对目前供电行业中供电二次融合配网信息管理过于复杂，资源调度算力缺乏的重要问题，将启发式优化算法、物联网框架和馈线终端系统进相结合，基于启发式思维解决供电二次融合配网馈线终端系统集成的问题；其应用层面广，社会效益高，可以被广泛的应用到供电行业。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实例对本发明作进一步描述。
参见图1，本发明旨在提供一种基于电流物联网反馈机制的二次融合配网馈线终端系统，以解决上述背景技术中提出的问题。
为实现上述目的，提出了一种基于电流物联网反馈机制的二次融合配网馈线终端系统，包括供电信息处理模块、物联网信息交互模块、供电网络二次融合模块、供电信息反馈模块和馈线终端集成模块；根据城市区域的划分，对供电系统中的供电信息进行类别规划和特征分析，并以设备与电能的执行关系为依据，构建系统关系型数据库管理供电信息；基于物联网IoT框架构建电敏类传感器系统采集供电网络中的供电信息，利用电学计算将供电能力统一转化为相关电流的指标，并进行归一化处理；基于物联网中的边缘网关将采集和转化的供电信息传输至供电网络二次融合过程，将供电设备与资源调度进行匹配；利用启发式反馈算法计算匹配度和调度关系，最后依靠Python和C++为编程语言，通过VisualStudio进行馈线终端系统的开发集成，并且在各个功能函数中预留终端控制的物联网供电信息，实现便捷化供电二次融合配网信息管理和提升供电资源调度的综合算力，各个模块的过程如下：
供电信息处理模块，从管理学角度出发，将灵活性总供给和总需求以一定的时间尺度划分为若干区间，每个区间可视为以上、下灵活性供给之和为底，时间尺度为高的曲边梯形，通过计算所有曲边梯形面积之和，可近似得到总需求和总灵活性供给的覆盖面积，通过两者覆盖面积之比，可得灵活性供需匹配系数为:
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，T 为灵活性总供给和总需分析的总时间，其计算公式分别为：
，
其中，、/>分别为第/>种设备的第/>台机组在/>时刻预留的上调灵活性、下调灵活性；/>、/>分别为第/>种设备的第/>台机组在/>时刻需求的上调灵活性、下调节灵活性；M为设备种类总数；I 为机组数量总数；为了更加准确直观的描述系统内灵活性供需匹配的情况，引入参考变量/>、/>，将该指标的取值范围限定为[0,1]，因此，灵活性供需匹配系数/>修正为：
，
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，参考变量/>、/>根据电力系统的实际高压供电与低压供电的供电电压标准引入，/>的取值越接近于1，表示电信息系统的供电灵活性供需匹配程度越高。
然后，使用MySQL数据库基于分布式文件系统的SQL类数据库进行供电信息的数据管理，主要是基于Python编程语言开发，可存储关系复杂的数据类型。
物联网信息交互模块，分为三个过程：（1）感知层完成新型智能电子设备（IED）数据采集、物理量回归和数据接收等，并在安装实施的过程中能够进行安装监测、接线监测与功能监测，保证IED的正常运行；（2）网络层的服务器基于套接字通过各个区域节点的网关将感知层发送的数据存储到数据库中，检查数据库中的数据更改并进行数据计算与分析，然后将其发回；（3）应用层通过上层管理中心在在线监测上显示每个电表的实时和历史数据，并经过可视化展示，进一步挖掘用电信息；（4）对计算框架进行优化得到更为精确的用电信息，有功电能计算设每周期拥有总数为的电能计量采样点，则电压正弦公式/>为:
，
其中，为第/>个电能计量采样点电压大小；/>表示电能计量采样点个数；t为时间变量；/>为电压幅值；/>为初始相位；电流的正弦公式/>为:
，
其中，为第/>个电能计量采样点电流大小；/>为电流幅值；可以通过电流和电压的瞬时值得到瞬时功率/>为:
，
通过点积算法得到近似的电能值为:
，
其中，T为一个计算周期的时间，为有功电能，实际情况中由于谐波的影响，正弦信号发生了改变，不再具有特定规律，因此会存在误差，随后利用高阶积分算法进行优化即可，从而减少误差，优化公式为：
，
然后，采用改进的自适应反向搜索策略对传统DE算法进行网关优化，引入缩放因子对反向搜索的区间进行优化，结合现有的动态参数调整策略进行元宇宙环境自主构建系统下的网关优化部署求解，对于向量，其对应的反向解为，其中，/>和/>为第/>个/>变量的边界；通过对搜索区间引入缩放因子微分进化算法的寻优性能，在目标向量搜索初期，较大动态缩放因子可以获得较宽广的搜索空间；对于目标向量搜索后期，较小动态缩放因子能够缩小搜索空间，进而提高算法的局部搜索能力，缩放因子后的反向解求解过程如下式所示：
，
其中，为当前迭代计算次数，/>为动态缩放因子；/>采用线性递减方式进行计算，传统上限规定是1，这里增加了0.5的上调范围，考虑到了电损参数的计算，因此，规定上限值为1.5。
供电网络二次融合模块，本发明搭建的供电网络二次融合模块在融合系统基础上，搭建了对应的通用测试平台，测试平台以IEC61850标准协议为基础，主要由站控层、间隔层、传输层、融合层和应用层五层结构组成：（1）测试平台站控层主要由监控模块、时钟模块以及远动工作站等模块组成，其功能是完成信息采集分析、主站互动等；（2）间隔层主要包括继电保护二次系统、综合测控等，其功能是转发站控层和过程层的信息，收发信息并网成二次系统继电保护功能；（3）过程层主要是与二次融合系统的接口相连接；测试平台主要包括融合系统数字动态模拟和仿真、测试规约、调度自动化和信息安全等，规约测试主要是完成配电网二次融合系统的不同协议测试，包括一致性测试和互操作测试等；（4）融合层负责将电流物联网数学模型计算的灵活供需关系进行设备和电能的融合；（5）应用层是以用户需求为向导的边缘设备运行与反馈。
二次融合系统实时闭环测试的总体实现流程如下：（1）建立一二次融合系统模型，首先利用RTDS仿真平台搭建配电网一次系统模型，具体包含配电网结构、保护设备模块和故障控制模块，并进一步搭建一次系统的电子式互感器模块，通过仿真模拟配电网在故障情况下的运行特性来获取对应的故障电压、电流信号；然后设置二次系统设备参数以及接口设备的运行参数，将一次系统采集到的电压、电流信号连接至RTDS的GTNET_SV采样值板卡输入端，通过GTNET_SV模块将这些采样值数字信号变为满足IEC61850-9-2LE通信标准协议的格式数据帧，所有订阅了该采集信号的间隔层设备都能够获取该类信息；（2）配置测试方案，通过配电网二次融合系统的通信模块，对二次融合系统的数据模型进行分析，根据提前配置的测试方案来设置二次融合系统的测试任务方案，并生成对应的二次融合系统测试报告模板；（3）启动测试平台，通过操控测试平台的主控中心模块，打开配置好的具体测试方案，并开始测试工作，不同的测试项目采用不同的测试指标进行测试，测试平台启动后，一次系统电压和电流信号的输出格式为满足IEC61850-9-2LE标准的以太网数据帧形式，而二次系统保护设备的信息采用GOOSE报文的方式进行输出；（4）形成闭环测试。当测试平台能够接收到一次系统的GOOSE报文信息，对二次系统保护设备的动作信号进行解析，对测试方案中的二次融合系统的基本功能测试以及接口通信性能测试等进行测试验证，从而形成配电网二次融合系统的闭环测试系统；（5）处理测试异常，在测试平台的测试过程中，对测试过程可能存在的异常情况进行分析和判断，如果测试过程中存在异常现象，需调整之前的测试流程，当异常排除后再次执行之前的测试流程；（6）生成测试结果，当检测到测试任务已完成，测试平台控制中心对测试结果数据进行读取和保存，并判断当前的测试结果是否满足合格标准，最后对测试结果写入到准备好的报告模板，生成满足要求的测试报告。
供电信息反馈模块，首先引入K-Means聚类分析方法对供电信息数据进行预处理，将供电信息数据聚类成集，并使用聚类中心点作为该类数据的代表，K-Means聚类分析方法是一种无监督分类算法，利用自适应方法改进K-Means聚类分析方法的数据集划分方式，假设有个样本的数据集：
算法目标为将数据集聚类到个簇/>，使得样本点到簇中心的误差平方和最小，首先需要在样本中随机选取/>个初始质心，对比计算样本点到各个质心的距离/>，引入自适应算子/>，修正后的灵活性供需匹配系数和为1，因为，用电信息数据反馈的是用户需求，即在不满足需求的情况下反馈数据以提供更多的电资源，所以，设定自适应算子/>如下：
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值， />为参考变量，具有泛意义，根据电力系统的实际供电标准引入然后将样本点划到最近的簇中，T为一个计算周期的时间。再根据各簇中划入的样本点，因为自适应算子/>是一个（0,1）的数值，引入它的目的是为了重新计算簇中心/>的匹配关系，因此，做乘法计算，并重复该过程直到簇中心收敛，总误差平方和/>为：
，
其中，为簇/>的质心。
，
其中，为簇/>中样本的个数；该函数可以用于评估/>的取值，选定不同的/>值分别计算/>值，并比较不同/>值之间的/>的变化，如/>值的降低幅度从一开始的很大迅速变小时，则当前/>值则为最佳/>值。
因属于无监督算法，K-Means聚类算法无法采用交叉验证方法进行评价，本发明采用轮廓系数进行聚类效果评价，确定最佳类簇数，具体方法如下：
（1）计算样本距同簇其余样本的平均距离/>，定义/>为样本/>的簇内不相似度，/>越小，说明样本/>越应该被聚类到该类簇；
（2）计算样本到其他簇类/>的所有样本的平均距离/>，称为样本/>和簇的不相似度。定义/>为样本/>的簇间不相似度，/>；
（3）根据样本的簇内不相似度/>和簇间不相似度/>，样本的轮廓系数公式如下所示：
，
其中，所有样本的均值称为聚类结果的轮廓系数。
基于上述过程，使用的K近邻算法（KNN）分类算法和K-Means使用相同的距离计算方法，在空间中任选一个点，计算其到平面内各个已知点的距离，选择到其距离最近的/>个点，根据它距离最近的/>个点的标签来判断/>属于哪个类别。将获取的用户用电信息为依据，对所需供电量进行判断，如果预测的供电量不在规定范围内，则对供电量进行反向的动态调整，直至使得供电量满足要求，如果预测的供电量在规定范围内，则将供电信息数据成批制录入系统数据库，以此作为提供给供电信息反馈模块的数据依据。
馈线终端集成模块，具有感知层、网络层、平台层、应用层基本体系架构，感知层通过本地通信接入、现场采集部件、智能业务终端、边缘物联代理等精准采集配电网数据，可有效解决极端天气以及灾区的配电网信息采集困难的问题；网络层为配电网新型馈线终端单元优化配置的数据信息传输开通了一条安全便捷的网络通道，可将感知层采集到的数据传输至平台层，数据传输速率快，可解决配电网故障诊断技术存在的数据丢失与数据传输不及时等问题；平台层利用新型馈线终端单元优化配置模型，对新型馈线终端实施有效优化配置，通过对采集的数据综合处理，实现配电网故障诊断；应用层可有效连接电网业务以及新兴业务，并提升其供电可靠性。
本实施例提供的一种基于电流物联网反馈机制的二次融合配网馈线终端系统，包括供电信息处理模块、物联网信息交互模块、供电网络二次融合模块、供电信息反馈模块和馈线终端集成模块，提出了一种基于电流物联网反馈机制的二次融合配网馈线终端系统，根据城市区域的划分，对供电系统中的供电信息进行类别规划和特征分析，并以设备与电能的执行关系为依据，构建系统关系型数据库管理供电信息，基于物联网IoT框架构建电敏类传感器系统采集供电网络中的供电信息，利用电学计算将供电能力统一转化为相关电流的指标，并进行归一化处理，基于物联网中的边缘网关将采集和转化的供电信息传输至供电网络二次融合过程，将供电设备与资源调度进行匹配，利用启发式反馈算法计算匹配度和调度关系，改进了K-means算法的数据划分方法，引入自适应算子提高符合为此配电网络需求的数据预处理，最后依靠Python和C++为编程语言，通过VisualStudio进行馈线终端系统的开发集成，并且在各个功能函数中预留终端控制的物联网供电信息，实现便捷化供电二次融合配网信息管理和提升供电资源调度的综合算力。同时本发明搭建的供电网络二次融合模块在融合系统基础上，搭建了对应的通用测试平台，对测试过程可能存在的异常情况进行分析和判断，并在测试任务完成后对测试结果数据进行读取和保存，判断当前的测试结果是否满足合格标准，对测试结果写入到准备好的报告模板，生成满足要求的测试报告。本发明针对目前供电行业中供电二次融合配网信息管理过于复杂，资源调度算力缺乏的重要问题，将启发式优化算法、物联网框架和馈线终端系统进相结合，基于启发式思维解决供电二次融合配网馈线终端系统集成的问题；其应用层面广，社会效益高，可以被广泛的应用到供电行业。
本发明还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令由处理器加载并执行，以实现上述方法。其中，该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
本发明实施方式是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，包括供电信息处理模块、物联网信息交互模块、供电网络二次融合模块、供电信息反馈模块和馈线终端集成模块；根据城市区域的划分，对供电系统中的供电信息进行类别规划和特征分析，并以设备与电能的执行关系为依据，构建系统关系型数据库管理供电信息；基于物联网IoT框架构建电敏类传感器系统采集供电网络中的供电信息，利用电学计算将供电能力统一转化为相关电流的指标，并进行归一化处理；基于物联网中的边缘网关将采集和转化的供电信息传输至供电网络二次融合过程，将供电设备与资源调度进行匹配；利用启发式反馈算法计算匹配度和调度关系，最后依靠Python和C++为编程语言，通过Visual Studio进行馈线终端系统的开发集成，并且在各个功能函数中预留终端控制的物联网供电信息，实现便捷化供电二次融合配网信息管理和提升供电资源调度的综合算力。
2.根据权利要求1所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述供电信息处理模块，从管理学角度出发，将灵活性总供给和总需求以一定的时间尺度划分为若干区间，每个区间可视为以上、下灵活性供给之和为底，时间尺度为高的曲边梯形，通过计算所有曲边梯形面积之和，可近似得到总需求和总灵活性供给的覆盖面积，通过两者覆盖面积之比，可得灵活性供需匹配系数 为:
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，T为灵活性总供给和总需分析的总时间，其计算公式分别为：
，
其中，、/>分别为第/>种设备的第/>台机组在/>时刻预留的上调灵活性、下调灵活性；/>、/>分别为第/>种设备的第/>台机组在/>时刻需求的上调灵活性、下调节灵活性；M为设备种类总数；I为机组数量总数；为了更加准确直观的描述系统内灵活性供需匹配的情况，引入参考变量/>、/>，将该指标的取值范围限定为[0,1]，因此，灵活性供需匹配系数/>修正为：
，
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，/>为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值，参考变量/>、/>根据电力系统的实际高压供电与低压供电的供电电压标准引入，/>的取值越接近于1，表示电信息系统的供电灵活性供需匹配程度越高。
3.根据权利要求2所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述供电信息处理模块，使用MySQL数据库基于分布式文件系统的SQL类数据库进行供电信息的数据管理，主要是基于Python编程语言开发，可存储关系复杂的数据类型。
4.根据权利要求1所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述物联网信息交互模块，分为三个过程：（1）感知层完成新型智能电子设备数据采集、物理量回归和数据接收等，并在安装实施的过程中能够进行安装监测、接线监测与功能监测，保证新型智能电子设备的正常运行；（2）网络层的服务器基于套接字通过各个区域节点的网关将感知层发送的数据存储到数据库中，检查数据库中的数据更改并进行数据计算与分析，然后将其发回；（3）应用层通过上层管理中心在在线监测上显示每个电表的实时和历史数据，并经过可视化展示，进一步挖掘用电信息；（4）对计算框架进行优化得到更为精确的用电信息，有功电能计算设每周期拥有总数为的电能计量采样点，则电压正弦公式/>为:
，
其中，为第/>个电能计量采样点电压大小；/>表示电能计量采样点个数；t为时间变量；/>为电压幅值；/>为初始相位；电流的正弦公式/>为:
，
其中，为第/>个电能计量采样点电流大小；/>为电流幅值；可以通过电流和电压的瞬时值得到瞬时功率/>为:
，
通过点积算法得到近似的电能值为:
，
其中，T为一个计算周期的时间，W为有功电能，实际情况中由于谐波的影响，正弦信号发生了改变，不再具有特定规律，因此会存在误差，随后利用高阶积分算法进行优化即可。
5.根据权利要求4所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述物联网信息交互模块，采用改进的自适应反向搜索策略对传统DE算法进行网关优化，引入缩放因子对反向搜索的区间进行优化，结合现有的动态参数调整策略进行元宇宙环境自主构建系统下的网关优化部署求解，对于向量，其对应的反向解为/>，其中，/>和/>为第/>个/>变量的边界；通过对搜索区间引入缩放因子微分进化算法的寻优性能，在目标向量搜索初期，较大动态缩放因子可以获得较宽广的搜索空间；对于目标向量搜索后期，较小动态缩放因子能够缩小搜索空间，进而提高算法的局部搜索能力，缩放因子后的反向解求解过程如下式所示：
，
其中，为当前迭代计算次数，/>为动态缩放因子；/>采用线性递减方式进行计算。
6.根据权利要求1所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述供电网络二次融合模块在融合系统基础上，搭建了对应的通用测试平台，测试平台以IEC61850标准协议为基础，主要由站控层、间隔层、传输层、融合层和应用层五层结构组成：（1）测试平台站控层主要由监控模块、时钟模块以及远动工作站等模块组成，其功能是完成信息采集分析、主站互动等；（2）间隔层主要包括继电保护二次系统、综合测控等，其功能是转发站控层和过程层的信息，收发信息并网成二次系统继电保护功能；（3）过程层主要是与二次融合系统的接口相连接；测试平台主要包括融合系统数字动态模拟和仿真、测试规约、调度自动化和信息安全等，规约测试主要是完成配电网二次融合系统的不同协议测试，包括一致性测试和互操作测试等；（4）融合层负责将电流物联网数学模型计算的灵活供需关系进行设备和电能的融合；（5）应用层是以用户需求为向导的边缘设备运行与反馈。
7.根据权利要求6所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，二次融合系统实时闭环测试的总体实现流程如下：（1）建立一二次融合系统模型，首先利用RTDS仿真平台搭建配电网一次系统模型，具体包含配电网结构、保护设备模块和故障控制模块，并进一步搭建一次系统的电子式互感器模块，通过仿真模拟配电网在故障情况下的运行特性来获取对应的故障电压、电流信号；设置二次系统设备参数以及接口设备的运行参数，将一次系统采集到的电压、电流信号连接至RTDS的GTNET_SV采样值板卡输入端，通过GTNET_SV模块将这些采样值数字信号变为满足IEC61850-9-2LE通信标准协议的格式数据帧，所有订阅了该采集信号的间隔层设备都能够获取该类信息；（2）配置测试方案，通过配电网二次融合系统的通信模块，对二次融合系统的数据模型进行分析，根据提前配置的测试方案来设置二次融合系统的测试任务方案，并生成对应的二次融合系统测试报告模板；（3）启动测试平台，通过操控测试平台的主控中心模块，打开配置好的具体测试方案，并开始测试工作，不同的测试项目采用不同的测试指标进行测试，测试平台启动后，一次系统电压和电流信号的输出格式为满足IEC61850-9-2LE标准的以太网数据帧形式，而二次系统保护设备的信息采用GOOSE报文的方式进行输出；（4）形成闭环测试，当测试平台能够接收到一次系统的GOOSE报文信息，对二次系统保护设备的动作信号进行解析，对测试方案中的二次融合系统的基本功能测试以及接口通信性能测试等进行测试验证，从而形成配电网二次融合系统的闭环测试系统；（5）处理测试异常，在测试平台的测试过程中，对测试过程可能存在的异常情况进行分析和判断，如果测试过程中存在异常现象，需调整之前的测试流程，当异常排除后再次执行之前的测试流程；（6）生成测试结果，当检测到测试任务已完成，测试平台控制中心对测试结果数据进行读取和保存，并判断当前的测试结果是否满足合格标准，最后对测试结果写入到准备好的报告模板，生成满足要求的测试报告。
8.根据权利要求1所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述供电信息反馈模块，首先引入K-Means聚类分析方法对供电信息数据进行预处理，将供电信息数据聚类成集，并使用聚类中心点作为该类数据的代表，K-Means聚类分析方法是一种无监督分类算法，利用自适应方法改进K-Means聚类分析方法的数据集划分方式，假设有个样本的数据集：
，
算法目标为将数据集聚类到个簇/>，使得样本点到簇中心的误差平方和最小，首先需要在样本中随机选取/>个初始质心，对比计算样本点到各个质心的距离/>，引入自适应算子/>，修正后的灵活性供需匹配系数/>和为1，设定自适应算子/>如下：
，
其中，为/>时刻系统内各能源转换设备可提供的灵活性总供给和负荷的灵活性总需求的差值， />为参考变量，具有泛意义，根据电力系统的实际供电标准引入然后将样本点划到最近的簇中，T为一个计算周期的时间；再根据各簇中划入的样本点，因为自适应算子/>是一个（0,1）的数值，引入它的目的是为了重新计算簇中心/>的匹配关系，因此，做乘法计算，并重复该过程直到簇中心收敛，总误差平方和/>为：
，
其中，为簇/>的质心；
，
其中，为簇/>中样本的个数；该函数可以用于评估/>的取值，选定不同的/>值分别计算/>值，并比较不同/>值之间的/>的变化，如/>值的降低幅度从一开始的很大迅速变小时，则当前/>值则为最佳/>值。
9.根据权利要求8所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述供电信息反馈模块，使用的K近邻算法分类算法和K-Means使用相同的距离计算方法，在空间中任选一个点，计算其到平面内各个已知点的距离，选择到其距离最近的个点，根据它距离最近的/>个点的标签来判断/>属于哪个类别；将获取的用户用电信息为依据，对所需供电量进行判断，如果预测的供电量不在规定范围内，则对供电量进行反向的动态调整，直至使得供电量满足要求，如果预测的供电量在规定范围内，则将供电信息数据成批制录入系统数据库，以此作为提供给供电信息反馈模块的数据依据。
10.根据权利要求1所述基于电流物联网反馈机制的二次融合配网馈线终端系统，其特征在于，所述馈线终端集成模块，具有感知层、网络层、平台层、应用层基本体系架构，感知层通过本地通信接入、现场采集部件、智能业务终端、边缘物联代理等精准采集配电网数据，可有效解决极端天气以及灾区的配电网信息采集困难的问题；网络层为配电网新型馈线终端单元优化配置的数据信息传输开通了一条安全便捷的网络通道，可将感知层采集到的数据传输至平台层，数据传输速率快，可解决配电网故障诊断技术存在的数据丢失与数据传输不及时等问题；平台层利用新型馈线终端单元优化配置模型，对新型馈线终端实施有效优化配置，通过对采集的数据综合处理，实现配电网故障诊断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310464470.2A CN116526667B (zh) | 2023-04-27 | 2023-04-27 | 基于电流物联网反馈机制的二次融合配网馈线终端系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310464470.2A CN116526667B (zh) | 2023-04-27 | 2023-04-27 | 基于电流物联网反馈机制的二次融合配网馈线终端系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116526667A true CN116526667A (zh) | 2023-08-01 |
| CN116526667B CN116526667B (zh) | 2023-12-29 |
Family
ID=87405982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310464470.2A Active CN116526667B (zh) | 2023-04-27 | 2023-04-27 | 基于电流物联网反馈机制的二次融合配网馈线终端系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116526667B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117277589A (zh) * | 2023-11-20 | 2023-12-22 | 云南电网有限责任公司 | 一种电力二次系统智能运维管控平台 |
| CN117477794A (zh) * | 2023-12-27 | 2024-01-30 | 南京卓威研信息技术有限公司 | 基于网关机数据交换的配电站用电管理优化系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106340968A (zh) * | 2016-10-21 | 2017-01-18 | 国网山东省电力公司电力科学研究院 | 一种面向配电网管控的一体化支撑系统及方法 |
| CN111525688A (zh) * | 2020-04-24 | 2020-08-11 | 沈阳工业大学 | 一种基于5g网络的电力物联配电网系统和互联方法 |
| CN112448477A (zh) * | 2020-11-03 | 2021-03-05 | 南京鼎臻自动化科技有限公司 | 一种基于物联网的智能监控配电控制系统 |
| CN115411629A (zh) * | 2022-08-23 | 2022-11-29 | 国网四川省电力公司眉山供电公司 | 一种物联网一二次融合环网柜 |
| CN115659254A (zh) * | 2022-09-19 | 2023-01-31 | 河海大学 | 一种双模态特征融合的配电网电能质量扰动分析方法 |
-
2023
- 2023-04-27 CN CN202310464470.2A patent/CN116526667B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106340968A (zh) * | 2016-10-21 | 2017-01-18 | 国网山东省电力公司电力科学研究院 | 一种面向配电网管控的一体化支撑系统及方法 |
| CN111525688A (zh) * | 2020-04-24 | 2020-08-11 | 沈阳工业大学 | 一种基于5g网络的电力物联配电网系统和互联方法 |
| CN112448477A (zh) * | 2020-11-03 | 2021-03-05 | 南京鼎臻自动化科技有限公司 | 一种基于物联网的智能监控配电控制系统 |
| CN115411629A (zh) * | 2022-08-23 | 2022-11-29 | 国网四川省电力公司眉山供电公司 | 一种物联网一二次融合环网柜 |
| CN115659254A (zh) * | 2022-09-19 | 2023-01-31 | 河海大学 | 一种双模态特征融合的配电网电能质量扰动分析方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117277589A (zh) * | 2023-11-20 | 2023-12-22 | 云南电网有限责任公司 | 一种电力二次系统智能运维管控平台 |
| CN117277589B (zh) * | 2023-11-20 | 2024-04-19 | 云南电网有限责任公司 | 一种电力二次系统智能运维管控平台 |
| CN117477794A (zh) * | 2023-12-27 | 2024-01-30 | 南京卓威研信息技术有限公司 | 基于网关机数据交换的配电站用电管理优化系统及方法 |
| CN117477794B (zh) * | 2023-12-27 | 2024-03-19 | 南京卓威研信息技术有限公司 | 基于网关机数据交换的配电站用电管理优化系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116526667B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116526667B (zh) | 基于电流物联网反馈机制的二次融合配网馈线终端系统 | |
| CN111428355B (zh) | 一种电力负荷数字统计智能综合的建模方法 | |
| CN118017509B (zh) | 基于数字孪生空间的大规模配电网并行优化方法 | |
| CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
| CN103617447B (zh) | 智能变电站的评价系统及评价方法 | |
| CN111208384A (zh) | 一种智能电网管理系统 | |
| WO2024056050A1 (zh) | 海量柔性负荷快速聚合控制方法及装置 | |
| CN116822719A (zh) | 一种配电网的多目标规划方法及装置 | |
| CN114897447A (zh) | 综合能源协同控制方法及系统 | |
| CN117644794B (zh) | 一种基于充电桩的智能时段控制系统 | |
| CN111476397A (zh) | 应用于中长期电量安全校核的母线负荷预测方法及系统 | |
| CN107169180A (zh) | 一种两级部署的电网调控模型中心系统 | |
| KR102644225B1 (ko) | 수소 기반 가상 발전소의 전력 거래 방법 및 장치 | |
| CN110544985A (zh) | 一种网源协调数据通信系统 | |
| US11854054B2 (en) | Adaptive energy storage operating system for multiple economic services | |
| CN111857015B (zh) | 输变电云端智能控制器 | |
| CN113191740A (zh) | 一种计量资产管理系统 | |
| CN113131487A (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 | |
| Simões et al. | Advances in information technology for Smart Grids | |
| Hinners et al. | Validation and flexibility region of the model order reduction of an active distribution grid | |
| CN116109335B (zh) | 一种基于数字孪生的新能源动态电价数据管理系统 | |
| CN117407572B (zh) | 用于配网应急一体化指挥的故障信息处理方法及系统 | |
| Li et al. | Battery Energy Storage System Integration and Monitoring Method Based on 5G and Cloud Technology | |
| Prasanna et al. | DEEP solar: Data DrivEn modeling and analytics for enhanced system layer ImPlementation | |
| Huang et al. | Automatic grid topology detection method based on Lasso algorithm and t-SNE algorithm |
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 |