CN117559449B - 一种电网输电稳定控制方法、系统及存储介质 - Google Patents

一种电网输电稳定控制方法、系统及存储介质 Download PDF

Info

Publication number
CN117559449B
CN117559449B CN202410044256.6A CN202410044256A CN117559449B CN 117559449 B CN117559449 B CN 117559449B CN 202410044256 A CN202410044256 A CN 202410044256A CN 117559449 B CN117559449 B CN 117559449B
Authority
CN
China
Prior art keywords
power grid
fault
section
load
power
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
CN202410044256.6A
Other languages
English (en)
Other versions
CN117559449A (zh
Inventor
王鑫
陈海东
李江鹏
李涛
朱仔新
白鹭
田坤
王勇
张静忠
李金东
杨龙
孙原
高任龙
杨宏
秦建翔
蒙飞
田波
王庆
刘刚
徐建忠
钟当书
孙阳
周良松
姚占东
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.)
Wuhan Huafei Intelligent Technology Co ltd
State Grid Ningxia Electric Power Co Ltd
Original Assignee
Wuhan Huafei Intelligent Technology Co ltd
State Grid Ningxia 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 Wuhan Huafei Intelligent Technology Co ltd, State Grid Ningxia Electric Power Co Ltd filed Critical Wuhan Huafei Intelligent Technology Co ltd
Priority to CN202410044256.6A priority Critical patent/CN117559449B/zh
Publication of CN117559449A publication Critical patent/CN117559449A/zh
Application granted granted Critical
Publication of CN117559449B publication Critical patent/CN117559449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • H02J3/0012—Contingency detection
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0073—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source when the main path fails, e.g. transformers, busbars
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本发明提供一种电网输电稳定控制方法、系统及存储介质，该方法包括如下步骤：结合电网拓扑配置信息和运行数据生成电网系统的电网断面，并计算得到电网断面的断面潮流数据和断面稳控限额；基于断面稳控限额监测断面潮流数据的变化以实现电网断面的异常波动监测；结合电网拓扑配置信息和当前的断面潮流数据定位出现负荷故障的故障负荷点；通过电网拓扑配置信息获取故障负荷点的故障位置和故障负荷容量；构建备用负荷的最优选择模型；利用遗传算法求解最优选择模型，得到完成优化目标的最优备用负荷；对故障负荷点采取切负荷动作，并将最优备用负荷接入电网系统。本发明具有智能处理电网故障的效果。

Description

一种电网输电稳定控制方法、系统及存储介质
技术领域
本发明属于电网控制技术领域，具体是涉及到一种电网输电稳定控制方法、系统及存储介质。
背景技术
早期的电网调度自动化系统只具备数据采集以及监控功能。随着电网领域的迅速发展，电网实时数据体量越来越大，面对繁杂的全网实时数据，调度值班人员需要耗费很长的时间，对于电网的每一个微小变化都要时刻监视，这种操作方式必然导致工作人员疲劳，影响对电网系统运行的稳定控制。
通过使用能量管理系统EMS虽然可以解决上述问题，但随着超大规模电网时代的来临，仅具有电网静态监测、分析和传统控制功能的EMS也受到了挑战。当电网出现故障时，电网调度人员通过EMS获知故障信息，随即需要进行繁琐的人工操作及时处理电网故障，以使得电网的动态数据处于稳控限额范围内。只有在限额下运行才能最大限度的保证电网的安全运行。若处理不及时或处理不慎都将容易造成大面积停电，进而会对停电区域的经济造成重大损失。然而人工处理电网故障很容易出现人为操作失误，导致故障脱离控制，从而造成大量损失。
发明内容
本发明提供一种电网输电稳定控制方法、系统及存储介质，以解决人工处理电网故障很容易出现人为操作失误，导致故障脱离控制的问题。
第一方面，本发明提供一种电网输电稳定控制方法，该方法包括如下步骤：
获取电网系统的运行数据和电网拓扑配置信息；
结合所述电网拓扑配置信息和所述运行数据生成所述电网系统的电网断面，并计算得到所述电网断面的断面潮流数据和断面稳控限额；
基于所述断面稳控限额监测所述断面潮流数据的变化以实现所述电网断面的异常波动监测；
若通过所述异常波动监测确定所述电网断面出现负荷故障，则结合所述电网拓扑配置信息和当前的所述断面潮流数据定位出现所述负荷故障的故障负荷点；
通过所述电网拓扑配置信息获取所述故障负荷点的故障位置和故障负荷容量；
基于所述电网拓扑配置信息检索所述电网系统中的备用负荷，并提取所述备用负荷的备用负荷位置和备用负荷容量；
结合所述故障位置、所述故障负荷容量、所述备用负荷位置和所述备用负荷容量构建所述备用负荷的最优选择模型；
利用遗传算法求解所述最优选择模型，得到完成所述优化目标的最优备用负荷；
对所述故障负荷点采取切负荷动作，并将所述最优备用负荷接入所述电网系统。
可选的，所述结合所述电网拓扑配置信息和所述运行数据生成所述电网系统的电网断面，并计算得到所述电网断面的断面潮流数据和断面稳控限额包括如下步骤：
基于所述电网拓扑配置信息构建所述电网系统的电网拓扑模型；
利用拓扑简化算法处理所述电网拓扑模型，得到所述电网系统的拓扑简略图；
通过所述拓扑简略图识别所述电网系统的电网运行模式和电网拓扑结构类型；
根据所述电网运行模式和所述电网拓扑结构类型确定断面起点、断面终点和断面范围；
结合所述断面起点、所述断面终点和所述断面范围生成所述电网系统的电网断面；
根据所述运行数据计算得到所述电网断面的断面潮流数据和断面稳控限额。
可选的，所述根据所述运行数据计算得到所述电网断面的断面潮流数据和断面稳控限额包括如下步骤：
基于所述运行数据建立所述电网系统的节点导纳矩阵；
根据所述节点导纳矩阵设置所述电网断面参考节点和功率参数；
结合所述参考节点和所述功率参数并利用潮流计算方法计算得到所述电网断面的断面潮流数据；
分析所述断面潮流数据中有功功率和无功功率的分布，确定所述电网断面的断面稳控限额。
可选的，所述结合所述电网拓扑配置信息和当前的所述断面潮流数据定位出现所述负荷故障的故障负荷点包括如下步骤：
将当前的所述断面潮流数据与预设的故障模拟数据中的故障模拟潮流数据进行比对，分析得到所述负荷故障的故障类型；
通过预设于所述电网系统中的传感器网络并利用同步测量技术追踪所述负荷故障在所述电网系统的故障信号传播参数；
结合所述故障类型和所述故障信号传播参数选取故障定位算法；
基于所述电网拓扑配置信息并采用所述故障定位算法定位所述负荷故障的故障负荷点。
可选的，所述故障信号传播参数包括故障信号传播时间、故障信号传播速度和故障信号传播路径三种参数类别，所述结合所述故障类型和所述故障信号传播参数选取故障定位算法包括如下步骤：
判断所述故障类型是否为N-1故障或N-2故障；
若所述故障类型为所述N-1故障，则选取阻抗法作为故障定位算法；
若所述故障类型为所述N-2故障，则分别针对各个所述参数类别，基于所述故障信号传播参数对所述传感器网络中的所有检测传感器进行目标匹配，将匹配成功的目标检测传感器的所述故障信号传播参数进行数据融合，得到故障信号传播融合参数；
提取所述故障模拟数据中对于所述N-2故障的故障模拟信号传播参数；
若所述故障信号传播融合参数和所述故障模拟信号传播参数之间的参数差值低于预设的差值阈值，则选取行波法作为所述故障定位算法；
若所述故障信号传播融合参数和所述故障模拟信号传播参数之间的参数差值超出所述差值阈值，则将所述故障指示器法作为一阶定位算法，将基于状态估计的定位算法作为二阶定位算法，结合所述一阶定位算法和所述二阶定位算法构建多阶故障定位算法，并将所述多阶故障定位算法作为所述故障定位算法。
可选的，所述结合所述故障位置、所述故障负荷容量、所述备用负荷位置和所述备用负荷容量构建所述备用负荷的最优选择模型包括如下步骤：
结合所述故障位置和所有所述备用负荷的所述备用负荷位置，并基于所述电网拓扑配置信息生成所有所述备用负荷与所述故障负荷点之间的最短传输路径；
根据所述最短传输路径分别计算各个所述备用负荷与所述故障负荷点之间的电网传输距离，并结合所述电网拓扑配置信息统计所述最短传输路径所经过的岔路节点数量和关键设备节点数量；
结合所述电网传输距离、所述岔路节点数量和所述关键设备节点数量生成多个优化目标；
结合所述故障负荷容量、所述备用负荷容量、所述岔路节点数量和所述关键设备节点数量生成约束条件；
根据多个所述优化目标和所述约束条件，并基于多目标优化模型构建所述备用负荷的最优选择模型。
可选的，多个所述优化目标如下：
，
式中：minOP1表示第一优化目标，minOP2表示第二优化目标，K表示所述备用负荷的集合，i表示K中第i个所述备用负荷，ni表示第i个备用负荷所属最短传输路径所要经过的关键设备节点数量，mi表示第i个备用负荷所属最短传输路径所要经过的岔路节点数量，A表示关键设备节点对应的调整权重，B表示岔路节点对应的调整权重，Li表示第i个备用负荷所属最短传输路径的电网传输距离；
所述约束条件如下：
，
式中：St表示当前的断面潮流数据，nis表示第i个备用负荷每经过一个所述最短传输路径上的关键设备节点时对断面潮流数据的影响系数，mis表示第i个备用负荷每经过一个所述最短传输路径上的岔路节点时对断面潮流数据的影响系数，So表示所述断面稳控限额，Sr表示所述断面稳控限额的冗余系数，Qi表示第i个备用负荷的所述备用负荷容量，Qo表示所述故障负荷容量，Ko表示所述电网系统中所有所述备用负荷的数量。
可选的，所述方法还包括如下步骤：
采集所述电网系统的电网相量信息，以及所述电网系统中关键设备的遥信数据和遥测数据；
基于所述电网相量信息分析所述电网系统的运行状态，结合所述遥信数据和遥测数据评估所述关键设备的设备运行工况；
结合所述电网系统的运行状态和所述关键设备的设备运行工况，并利用预先训练的基于神经网络的稳控限额调整模型对所述断面稳控限额进行实时智能调整。
第二方面，本发明还提供一种电网输电断面稳定控制系统，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计算机程序时实现如第一方面中所述的电网输电稳定控制方法。
第三方面，本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行根据第一方面中所述的电网输电稳定控制方法。
本发明的有益效果是：
本发明中的电网输电稳定控制方法具有以下有益效果：
1、通过实时监测和快速响应故障，减少故障对电网的影响。
2、利用最优选择模型和遗传算法，确保在发生故障时能够快速找到最佳的备用负荷，减少停电时间和范围。
3、系统能够自动地检测故障、定位故障点并进行负荷转移，提高了电网对故障的自动恢复能力。
4、通过智能化的故障响应和优化的负荷调度，减少资源浪费，提高电网的整体运行效率。
附图说明
图1为本申请其中一种实施方式中电网输电断面稳定控制方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不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，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
本发明公开一种电网输电断面稳定控制方法，参照图1，图1为一个实施例中电网输电断面稳定控制方法的流程示意图。应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。如图1所示，电网输电断面稳定控制方法具体包括如下步骤：
S101.获取电网系统的运行数据和电网拓扑配置信息。
其中，电网系统运行数据通常指的是实时或历史的电力系统参数，如电压、电流、功率、频率等。电网拓扑配置信息通常指电网的物理拓扑结构以及电网的相关配置，电网相关配置包括发电机、变压器、输电线路、负荷点等电力设施。其中发电机、变压器等属于电网系统中的关键设备。在实际实施中，可以通过监测设备和传感器来获取电网系统的运行数据，如电流、电压、功率等。同时，可以利用监控系统和SCADA系统来获取电网的拓扑配置信息。
S102.结合所述电网拓扑配置信息和所述运行数据生成所述电网系统的电网断面，并计算得到所述电网断面的断面潮流数据和断面稳控限额。
其中，电网断面指电网中的一个虚拟界面，用于分析或控制通过该界面的功率流动。断面潮流数据则主要表示通过电网断面的电力流量数据，包括有功和无功功率等。断面稳控限额则是指断面上允许的最大电力流量，超过此限额可能会导致电网稳定性问题。根据所获取的电网拓扑配置信息和运行数据，可以利用电网拓扑分析软件进行电网断面的生成。通过分析电网的连接关系和设备参数，确定电网断面的起点和终点，并确定断面的范围。利用潮流计算算法，结合电网拓扑模型和运行数据，进行潮流计算，得到电网断面的电流、电压、功率等参数。同时，根据设备的额定容量、安全裕度等因素，确定电网断面的稳控限额，即断面的最大容量。
S103.基于所述断面稳控限额监测所述断面潮流数据的变化以实现所述电网断面的异常波动监测。
其中，根据断面的稳控限额，对断面潮流数据进行监测。通过实时监测断面潮流数据的变化情况，可以判断断面是否出现异常波动。如果断面潮流数据超过稳控限额，即超过了断面的最大容量，就可能出现异常波动，需要进行相应的异常监测和处理。
S104.若通过所述异常波动监测确定所述电网断面出现负荷故障，则结合所述电网拓扑配置信息和当前的所述断面潮流数据定位出现所述负荷故障的故障负荷点。
其中，负荷故障指电网中某个负荷点的异常情况，可能是由于设备过载、设备故障或其他原因引起的负荷设备问题。通过异常波动监测的结果，确定电网断面是否出现负荷故障。如果确认出现负荷故障，就需要结合电网拓扑配置信息和当前的断面潮流数据，来定位出现故障的具体负荷点。根据断面潮流数据的变化情况，可以推测可能出现故障的负荷点，并进一步验证和定位故障点。故障负荷点指发生故障的负荷具体位置。
S105.通过所述电网拓扑配置信息获取所述故障负荷点的故障位置和故障负荷容量。
其中，故障负荷容量表示切断负荷故障设备时会对电网电力容量产生影响大小的量化数值，通过电网拓扑分析，可以确定故障负荷点所在的设备和位置，进而获取其负荷容量。
S106.基于所述电网拓扑配置信息检索所述电网系统中的备用负荷，并提取所述备用负荷的备用负荷位置和备用负荷容量。
其中，备用负荷指电网中预留的或可调度的负荷资源，用于在需要时替代故障负荷。备用负荷容量表示接入备用负荷时会对电网电力容量产生影响大小的量化数值。根据电网拓扑配置信息，检索电网系统中的备用负荷。通过备用负荷的设备信息和连接关系，提取备用负荷的位置和负荷容量。备用负荷可以是其他负荷设备或发电机组，用于替代故障负荷点的供电。
S107.结合所述故障位置、所述故障负荷容量、所述备用负荷位置和所述备用负荷容量构建所述备用负荷的最优选择模型。
其中，根据故障负荷点的位置和负荷容量，以及备用负荷的位置和负荷容量，构建备用负荷的最优选择模型。该模型可以考虑多种因素，如距离、负荷容量、可靠性等。通过建立数学模型，可以对备用负荷的选择进行优化，以实现最优备用负荷的接入。由于需要考虑多维度的条件，因此可以构建多目标优化的优化模型作为最优选择模型。
S108.利用遗传算法求解所述最优选择模型，得到完成所述优化目标的最优备用负荷。
其中，应用遗传算法等优化算法，对最优选择模型进行求解，以得到能够完成优化目标的最优备用负荷。遗传算法是一种基于自然选择和遗传机制的优化算法，通过不断迭代和优胜劣汰的过程，逐步寻找到最优解。在求解最优选择模型时，可以使用遗传算法对备用负荷的位置和负荷容量进行优化，以找到最佳的备用负荷方案。
S109.对所述故障负荷点采取切负荷动作，并将所述最优备用负荷接入所述电网系统。
其中，一旦确定了最优备用负荷，可以对故障负荷点采取切负荷动作，即将故障负荷点从电网中切除。同时，将最优备用负荷接入电网系统，以替代故障负荷点的供电。通过切负荷和接入备用负荷，可以实现对负荷故障的快速恢复和供电的连续性。
本实施方式的实施原理为：
通过实时监测设备和传感器获取电网运行数据，利用潮流计算和稳控限额分析进行电网断面的生成和分析。同时，利用异常波动监测算法对断面潮流数据进行实时监测，发现负荷故障并定位故障负荷点。通过电网拓扑配置信息检索备用负荷，并利用优化算法求解最优备用负荷。最后，通过切负荷和接入备用负荷实现负荷故障的处理和电网的恢复。
综上所述，本发明基于电网运行数据和拓扑配置信息，结合潮流计算、异常波动监测和智能算法的应用，可以实现电网断面异常波动监测和负荷故障处理的自动化和智能化。这将提高电网的可靠性和稳定性，减少停电时间，提升电网的供电能力。同时，也为电力系统的运营和管理提供了更高效、可靠的工具和方法。
在其中一种实施方式中，步骤S102具体包括如下步骤：
基于所述电网拓扑配置信息构建所述电网系统的电网拓扑模型；
利用拓扑简化算法处理所述电网拓扑模型，得到所述电网系统的拓扑简略图；
通过所述拓扑简略图识别所述电网系统的电网运行模式和电网拓扑结构类型；
根据所述电网运行模式和所述电网拓扑结构类型确定断面起点、断面终点和断面范围；
结合所述断面起点、所述断面终点和所述断面范围生成所述电网系统的电网断面；
根据所述运行数据计算得到所述电网断面的断面潮流数据和断面稳控限额。
在本实施方式中，根据所述电网拓扑配置信息，可以使用节点和线路的连接关系来构建电网拓扑模型。将电网中的节点表示为顶点，将线路表示为边，通过连接关系构建电网拓扑模型。可以使用图论的方法，如邻接矩阵或邻接表，来表示电网拓扑模型。对于大规模的电网系统，拓扑模型可能非常复杂。为了简化电网拓扑模型，可以采用拓扑简化算法。拓扑简化算法可以通过删除冗余节点和边，合并相邻节点等方式，将复杂的电网拓扑模型简化为更为简略的拓扑图。简略图通常只保留重要的节点和线路，以提高计算效率和可视化效果。
基于拓扑简略图，可以识别电网的运行模式和拓扑结构类型。通过分析节点和线路的连接关系、节点的属性和线路的参数，可以判断电网是处于平衡态还是不平衡态，以及电网的拓扑结构类型，如环网、树状网、网状网等。这些信息对后续的断面生成和潮流计算具有重要的指导意义。根据电网的运行模式和拓扑结构类型，可以确定断面的起点、终点和范围。起点和终点可以选择电网中重要节点或关键节点，用于划定断面的边界。范围可以根据断面的目的和需要进行确定，可以是一个区域、一个支路或一个子系统。
根据确定的断面起点、终点和范围，可以从电网拓扑模型中提取出对应的节点和线路，构建电网的断面模型。断面模型通常是一个子图，包含断面起点和终点之间的节点和线路。该断面模型将用于后续的潮流计算和稳控限额分析。利用潮流计算算法，结合电网断面的拓扑模型和运行数据，进行潮流计算，得到电网断面的电流、电压、功率等参数。同时，根据设备的额定容量、安全裕度等因素，确定电网断面的稳控限额，即断面的最大容量。
通过上述具体实施方式，可以根据电网拓扑配置信息构建电网拓扑模型，并通过拓扑简化算法得到拓扑简略图。通过分析拓扑简略图，识别电网的运行模式和拓扑结构类型，并根据其确定断面起点、终点和范围。结合断面起点、终点和范围，生成电网的断面模型。最后，利用潮流计算算法，根据运行数据计算电网断面的潮流数据和稳控限额。这样可以实现电网断面的生成和潮流计算，为后续的异常波动监测和负荷故障处理提供基础数据和分析结果。
在其中一种实施方式中，根据所述运行数据计算得到所述电网断面的断面潮流数据和断面稳控限额这一步骤具体包括如下步骤：
基于所述运行数据建立所述电网系统的节点导纳矩阵；
根据所述节点导纳矩阵设置所述电网断面参考节点和功率参数；
结合所述参考节点和所述功率参数并利用潮流计算方法计算得到所述电网断面的断面潮流数据；
分析所述断面潮流数据中有功功率和无功功率的分布，确定所述电网断面的断面稳控限额。
在本实施方式中，根据电网系统的运行数据，可以得到节点的电压和注入功率信息。利用这些信息，可以建立电网系统的节点导纳矩阵。节点导纳矩阵描述了电网系统中节点之间的导纳关系，它是一个复数矩阵，其中每个元素表示节点之间的导纳值。然后根据电网断面的特点和需要，可以选择一个节点作为参考节点，并设置断面的功率参数。参考节点通常是电网中电压较稳定的节点，作为电网断面的基准节点。功率参数包括有功功率和无功功率，可以根据需求设置断面的负荷或发电功率。
结合所选择的参考节点和设置的功率参数，利用潮流计算方法进行计算，得到电网断面的断面潮流数据。潮流计算方法可以基于节点导纳矩阵和功率参数，通过迭代计算节点的电压和输入功率，直到收敛为止。计算得到的断面潮流数据包括各节点的电压、注入功率以及线路的潮流等信息。常用的潮流计算方法有牛顿-拉夫森法（Newton-Raphsonmethod）、高斯-赛德尔法（Gauss-Seidel method）和直流潮流（DC load flow）等。
对于得到的断面潮流数据，可以进行有功功率和无功功率的分布分析。通过分析断面各节点的有功功率和无功功率，可以确定断面的功率分布情况。根据设备的额定容量、安全裕度等因素，可以确定电网断面的断面稳控限额，即断面的最大容量。
通过上述具体实施方式，可以基于运行数据建立电网系统的节点导纳矩阵，并根据节点导纳矩阵设置电网断面的参考节点和功率参数。结合参考节点和功率参数，利用潮流计算方法计算得到电网断面的断面潮流数据。最后，通过分析断面潮流数据中的有功功率和无功功率分布，确定电网断面的断面稳控限额。这样可以实现电网断面的潮流计算和稳控限额分析，为后续的备用负荷优化和负荷故障处理提供基础数据和分析结果。
在其中一种实施方式中，步骤S104中结合所述电网拓扑配置信息和当前的所述断面潮流数据定位出现所述负荷故障的故障负荷点这一步骤具体包括如下步骤：
将当前的所述断面潮流数据与预设的故障模拟数据中的故障模拟潮流数据进行比对，分析得到所述负荷故障的故障类型；
通过预设于所述电网系统中的传感器网络并利用同步测量技术追踪所述负荷故障在所述电网系统的故障信号传播参数；
结合所述故障类型和所述故障信号传播参数选取故障定位算法；
基于所述电网拓扑配置信息并采用所述故障定位算法定位所述负荷故障的故障负荷点。
在本实施方式中，通过提前对电网系统中的一些常见故障类型进行故障模拟演练以及模拟计算，可以获取到故障模拟数据，其中包括模拟故障时的断面潮流数据、故障时电网系统中传感器网络所检测到的传感器数据等大量模拟数据。将当前的断面潮流数据与预设的故障模拟数据中的故障模拟潮流数据进行比对，通过对比分析可以确定负荷故障的故障类型。比对可以基于潮流数据中的电流、电压等参数，通过对故障模拟数据和实际数据的差异进行分析，确定故障类型。在电网系统中预设传感器网络，利用同步测量技术可以实时获取电网系统的测量数据。通过传感器网络和同步测量技术，可以追踪负荷故障在电网系统中的故障信号传播参数，如故障电流、故障电压等。这些参数可以用于后续的故障定位。
根据确定的故障类型和故障信号传播参数，选择适合的故障定位算法。故障定位算法可以基于电网拓扑配置信息和故障信号传播参数，通过计算和分析，确定故障所发生的位置。常用的故障定位算法包括阻抗法、行波法、潮流反演法、概率算法、神经网络算法等。根据电网的拓扑配置信息和选取的故障定位算法，可以定位出负荷故障所在的故障负荷点。根据故障信号传播参数和故障定位算法，通过计算和分析，确定故障发生的节点或线路。这样可以定位负荷故障的故障负荷点，为后续的故障处理和修复提供指导。
通过上述具体实施方式，可以将当前的断面潮流数据与预设的故障模拟数据进行比对，分析得到负荷故障的故障类型。通过预设的传感器网络和同步测量技术，追踪负荷故障在电网系统中的故障信号传播参数。结合故障类型和故障信号传播参数，选择适合的故障定位算法。基于电网拓扑配置信息和选取的故障定位算法，定位负荷故障的故障负荷点。这样可以实现负荷故障的故障类型分析和故障定位，为后续的故障处理和修复提供基础数据和指导结果。
在其中一种实施方式中，所述故障信号传播参数包括故障信号传播时间、故障信号传播速度和故障信号传播路径三种参数类别。结合所述故障类型和所述故障信号传播参数选取故障定位算法这一步骤具体包括如下步骤：
判断所述故障类型是否为N-1故障或N-2故障；
若所述故障类型为所述N-1故障，则选取阻抗法作为故障定位算法；
若所述故障类型为所述N-2故障，则分别针对各个所述参数类别，基于所述故障信号传播参数对所述传感器网络中的所有检测传感器进行目标匹配，将匹配成功的目标检测传感器的所述故障信号传播参数进行数据融合，得到故障信号传播融合参数；
提取所述故障模拟数据中对于所述N-2故障的故障模拟信号传播参数；
若所述故障信号传播融合参数和所述故障模拟信号传播参数之间的参数差值低于预设的差值阈值，则选取行波法作为所述故障定位算法；
若所述故障信号传播融合参数和所述故障模拟信号传播参数之间的参数差值超出所述差值阈值，则将所述故障指示器法作为一阶定位算法，将基于状态估计的定位算法作为二阶定位算法，结合所述一阶定位算法和所述二阶定位算法构建多阶故障定位算法，并将所述多阶故障定位算法作为所述故障定位算法。
在本实施方式中，根据故障类型的分析结果，判断故障类型是否为N-1故障或N-2故障。N-1故障是指系统中一条线路或设备发生故障，而N-2故障是指系统中两条线路或设备同时发生故障。对于N-1故障，由于系统的其余部分通常仍然稳定，因此可以选取阻抗法作为故障定位算法。阻抗法是一种基于电流和电压测量值计算故障位置的方法。通过测量故障点附近的电流和电压，利用阻抗计算公式可以定位故障点。
对于N-2故障，单一故障定位方法可能无法准确识别多个故障点。针对故障信号传播时间、故障信号传播速度和故障信号传播路径三种参数类别，并基于各个参数类别的具体参数数值对传感器网络中的检测传感器进行目标匹配。目标匹配步骤针对三种参数类别分别进行。匹配成功的目标检测传感器的故障信号传播参数可以进行数据融合，得到故障信号传播融合参数。通过目标匹配和数据融合对故障信号传播参数进行处理，可以去除传感器网络中传感器因网络波动或传感器误差等原因所采集到的异常值。
从故障模拟数据中提取针对N-2故障的故障模拟信号传播参数。故障模拟数据中包含了故障信号传播时间、故障信号传播速度和故障信号传播路径的故障模拟数据。比较故障信号传播融合参数和故障模拟信号传播参数之间的差值。如果差值低于预设的差值阈值，说明通过数据融合所获得的故障信号传播融合参数较为精确，因此可以选取行波法作为故障定位算法。行波法是一种基于故障行波传播速度和传播时间的故障定位方法。如果故障信号的传播路径已知，可以结合电网拓扑信息和故障传播模型来缩小潜在故障区域。如果传感器网络提供了高精度的故障发生时间记录，行波法可以非常有效，因为它依赖于故障行波到达不同传感器的时间差。精确的传播速度可以帮助确定故障行波在电网中的传播距离，这对于行波法定位算法也尤其重要。
如果故障信号传播融合参数和故障模拟信号传播参数之间的差值超出差值阈值，则说明即便通过目标匹配和数据融合进行了处理，所获得的故障信号传播融合参数仍然较不准确，故可以采用多阶故障定位算法。其中，故障指示器法作为一阶定位算法，通过在电网的关键位置安装故障指示器，这些指示器在检测到故障时会发出信号。故障指示器可以迅速指出故障发生的线路，但无法提供精确的故障位置。进一步地，将基于状态估计的定位算法作为二阶定位算法，状态估计方法利用电网的全局信息，结合电网的拓扑和电气参数，通过优化算法估计出故障点的位置。将一阶定位算法和二阶定位算法结合起来，构建多阶故障定位算法。
通过上述具体实施方式，可以根据故障类型的判断结果选择合适的故障定位算法。对于N-1故障，选取阻抗法作为故障定位算法；对于N-2故障，根据故障信号传播参数和故障模拟信号传播参数的差值，选择行波法或多阶故障定位算法作为故障定位算法。这样可以实现负荷故障的故障定位，为后续的故障处理和修复提供指导。
在其中一种实施方式中，步骤S107具体包括如下步骤：
结合所述故障位置和所有所述备用负荷的所述备用负荷位置，并基于所述电网拓扑配置信息生成所有所述备用负荷与所述故障负荷点之间的最短传输路径；
根据所述最短传输路径分别计算各个所述备用负荷与所述故障负荷点之间的电网传输距离，并结合所述电网拓扑配置信息统计所述最短传输路径所经过的岔路节点数量和关键设备节点数量；
结合所述电网传输距离、所述岔路节点数量和所述关键设备节点数量生成多个优化目标；
结合所述故障负荷容量、所述备用负荷容量、所述岔路节点数量和所述关键设备节点数量生成约束条件；
根据多个所述优化目标和所述约束条件，并基于多目标优化模型构建所述备用负荷的最优选择模型。
在本实施方式中，根据故障位置和备用负荷位置，结合电网拓扑配置信息，生成所有备用负荷与故障负荷点之间的最短传输路径。最短传输路径可以使用图论算法（如迪杰斯特拉算法（Dijkstra's algorithm）或者贝尔曼-福特算法（Bellman-Ford algorithm））来计算。
利用最短传输路径，计算每个备用负荷到故障负荷点的电网传输距离，并统计路径上的岔路节点数量和关键设备节点数量。岔路节点可能指的是路径分叉的地方，而关键设备节点可能是指变电站、交换站或其他重要设备所在的节点。岔路节点数量和关键设备节点数量可以用来评估传输路径的复杂程度和可靠性。
根据电网传输距离、岔路节点数量和关键设备节点数量，生成优化目标。这些目标可能包括最小化传输距离、减少路径上的岔路节点数量以降低故障传播的风险，或者避免过多的关键设备以减少对系统关键部分的依赖。
根据故障负荷容量、备用负荷容量、岔路节点数量和关键设备节点数量，生成约束条件。例如，故障负荷容量不能超过备用负荷容量，岔路节点数量和关键设备节点数量需要满足一定的限制条件等。这些条件用于确保所选择的备用负荷能够满足故障点的需求，并且在电网的物理和运行限制内。
根据多个优化目标和约束条件，构建备用负荷的最优选择模型。多目标优化模型可以使用多目标遗传算法、多目标粒子群算法等来求解。通过求解最优选择模型，可以得到最优的备用负荷选择方案，使得电网传输距离最小化、岔路节点数量和关键设备节点数量最小化等多个优化目标得到满足。
通过上述具体实施方式，可以根据故障位置和备用负荷位置生成最短传输路径，并计算电网传输距离、岔路节点数量和关键设备节点数量。然后，根据这些指标生成多个优化目标，并结合故障负荷容量、备用负荷容量、岔路节点数量和关键设备节点数量生成约束条件。最后，通过多目标优化模型构建备用负荷的最优选择模型，得到最优的备用负荷选择方案。这样可以实现备用负荷的最优配置，提高电网的可靠性和可用性。
在本实施方式中，多个所述优化目标如下：
，
式中：minOP1表示第一优化目标，minOP2表示第二优化目标，K表示所述备用负荷的集合，i表示K中第i个所述备用负荷，ni表示第i个备用负荷所属最短传输路径所要经过的关键设备节点数量，mi表示第i个备用负荷所属最短传输路径所要经过的岔路节点数量，A表示关键设备节点对应的调整权重，B表示岔路节点对应的调整权重，Li表示第i个备用负荷所属最短传输路径的电网传输距离；
所述约束条件如下：
，
式中：St表示当前的断面潮流数据，nis表示第i个备用负荷每经过一个所述最短传输路径上的关键设备节点时对断面潮流数据的影响系数，mis表示第i个备用负荷每经过一个所述最短传输路径上的岔路节点时对断面潮流数据的影响系数，So表示所述断面稳控限额，Sr表示所述断面稳控限额的冗余系数，Qi表示第i个备用负荷的所述备用负荷容量，Qo表示所述故障负荷容量，Ko表示所述电网系统中所有所述备用负荷的数量。
在其中一种实施方式中，电网输电断面稳定控制方法还包括如下步骤：
采集所述电网系统的电网相量信息，以及所述电网系统中关键设备的遥信数据和遥测数据；
基于所述电网相量信息分析所述电网系统的运行状态，结合所述遥信数据和遥测数据评估所述关键设备的设备运行工况；
结合所述电网系统的运行状态和所述关键设备的设备运行工况，并利用预先训练的基于神经网络的稳控限额调整模型对所述断面稳控限额进行实时智能调整。
在本实施方式中，利用电网自动化系统，如SCADA（监控与数据采集）系统，实时收集电网中关键设备的遥信（开关状态、故障指示等）和遥测（电压、电流、功率、频率等）数据。通过同步相量测量系统（WAMS）收集电网的动态数据，包括电网相量信息等，为断面稳控提供更高精度的输入数据。
基于采集的电网相量信息，对电网系统的运行状态进行分析。这可能包括对电网的负荷情况、电压稳定性、潮流分布等方面的评估，以便及时发现电网运行中存在的问题。结合遥信数据和遥测数据，评估关键设备的设备运行工况，包括设备的状态、运行参数是否正常等情况。
将电网系统的运行状态和关键设备的设备运行工况进行综合分析，得到综合评估结果。然后，利用预先训练的基于神经网络的稳控限额调整模型，对断面稳控限额进行实时智能调整。该模型可以根据电网系统的运行状态和关键设备的设备运行工况，预测断面的稳控限额，并根据预测结果进行实时调整。调整可以通过控制设备的运行状态、调整负荷的分配等方式来实现。
通过上述具体实施方式，可以采集电网系统的电网相量信息和关键设备的遥信数据和遥测数据，进行运行状态分析和设备运行工况评估。然后，结合电网系统的运行状态和关键设备的设备运行工况，利用预先训练的基于神经网络的稳控限额调整模型对断面稳控限额进行实时智能调整。这样可以实现对电网系统的稳控限额进行实时调整，提高电网的稳定性和可靠性。
本发明还公开一种电网输电断面稳定控制系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意一种实施方式中所描述的电网输电断面稳定控制方法。
其中，处理器可以采用中央处理单元（CPU），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。
其中，存储器可以为计算机设备的内部存储单元，例如，计算机设备的硬盘或者内存，也可以为计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡（SMC）、安全数字卡（SD）或者闪存卡（FC）等，并且，存储器还可以为计算机设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及计算机设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本申请对此不做限制。
本发明还公开一种计算机可读存储介质，该计算机可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得处理器被配置成执行上述任意一种实施方式中所描述的电网输电断面稳定控制方法。
其中，计算机程序可以存储于机器可读介质中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，机器可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM）、随机存取存储器（RAM）、电载波信号、电信信号以及软件分发介质等，需要说明的是，机器可读介质包括但不限于上述元器件。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的保护范围限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请中一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
本申请中一个或多个实施例旨在涵盖落入本申请的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请中一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种电网输电稳定控制方法，其特征在于，包括如下步骤：
获取电网系统的运行数据和电网拓扑配置信息；
结合所述电网拓扑配置信息和所述运行数据生成所述电网系统的电网断面，并计算得到所述电网断面的断面潮流数据和断面稳控限额；
基于所述断面稳控限额监测所述断面潮流数据的变化以实现所述电网断面的异常波动监测；
若通过所述异常波动监测确定所述电网断面出现负荷故障，则结合所述电网拓扑配置信息和当前的所述断面潮流数据定位出现所述负荷故障的故障负荷点；
通过所述电网拓扑配置信息获取所述故障负荷点的故障位置和故障负荷容量；
基于所述电网拓扑配置信息检索所述电网系统中的备用负荷，并提取所述备用负荷的备用负荷位置和备用负荷容量；
结合所述故障位置和所有所述备用负荷的所述备用负荷位置，并基于所述电网拓扑配置信息生成所有所述备用负荷与所述故障负荷点之间的最短传输路径；
根据所述最短传输路径分别计算各个所述备用负荷与所述故障负荷点之间的电网传输距离，并结合所述电网拓扑配置信息统计所述最短传输路径所经过的岔路节点数量和关键设备节点数量；
结合所述电网传输距离、所述岔路节点数量和所述关键设备节点数量生成多个优化目标；
多个所述优化目标如下：
，
式中：minOP1 表示第一优化目标，minOP2 表示第二优化目标，K 表示所述备用负荷的集合，i 表示K 中第i 个所述备用负荷，ni 表示第i 个备用负荷所属最短传输路径所要经过的关键设备节点数量，mi 表示第i 个备用负荷所属最短传输路径所要经过的岔路节点数量，A 表示关键设备节点对应的调整权重，B 表示岔路节点对应的调整权重，Li 表示第i个备用负荷所属最短传输路径的电网传输距离；
结合所述故障负荷容量、所述备用负荷容量、所述岔路节点数量和所述关键设备节点数量生成约束条件；
所述约束条件如下：
，
式中：St 表示当前的断面潮流数据，nis 表示第i 个备用负荷每经过一个所述最短传输路径上的关键设备节点时对断面潮流数据的影响系数，mis 表示第i 个备用负荷每经过一个所述最短传输路径上的岔路节点时对断面潮流数据的影响系数，So 表示所述断面稳控限额，Sr 表示所述断面稳控限额的冗余系数，Qi 表示第i 个备用负荷的所述备用负荷容量，Qo 表示所述故障负荷容量，Ko 表示所述电网系统中所有所述备用负荷的数量；
根据多个所述优化目标和所述约束条件，并基于多目标优化模型构建所述备用负荷的最优选择模型；
利用遗传算法求解所述最优选择模型，得到完成所述优化目标的最优备用负荷；
对所述故障负荷点采取切负荷动作，并将所述最优备用负荷接入所述电网系统。
2.根据权利要求1所述的电网输电稳定控制方法，其特征在于，所述结合所述电网拓扑配置信息和所述运行数据生成所述电网系统的电网断面，并计算得到所述电网断面的断面潮流数据和断面稳控限额包括如下步骤：
基于所述电网拓扑配置信息构建所述电网系统的电网拓扑模型；
利用拓扑简化算法处理所述电网拓扑模型，得到所述电网系统的拓扑简略图；
通过所述拓扑简略图识别所述电网系统的电网运行模式和电网拓扑结构类型；
根据所述电网运行模式和所述电网拓扑结构类型确定断面起点、断面终点和断面范围；
结合所述断面起点、所述断面终点和所述断面范围生成所述电网系统的电网断面；
根据所述运行数据计算得到所述电网断面的断面潮流数据和断面稳控限额。
3.根据权利要求2所述的电网输电稳定控制方法，其特征在于，所述根据所述运行数据计算得到所述电网断面的断面潮流数据和断面稳控限额包括如下步骤：
基于所述运行数据建立所述电网系统的节点导纳矩阵；
根据所述节点导纳矩阵设置所述电网断面参考节点和功率参数；
结合所述参考节点和所述功率参数并利用潮流计算方法计算得到所述电网断面的断面潮流数据；
分析所述断面潮流数据中有功功率和无功功率的分布，确定所述电网断面的断面稳控限额。
4.根据权利要求1所述的电网输电稳定控制方法，其特征在于，所述结合所述电网拓扑配置信息和当前的所述断面潮流数据定位出现所述负荷故障的故障负荷点包括如下步骤：
将当前的所述断面潮流数据与预设的故障模拟数据中的故障模拟潮流数据进行比对，分析得到所述负荷故障的故障类型；
通过预设于所述电网系统中的传感器网络并利用同步测量技术追踪所述负荷故障在所述电网系统的故障信号传播参数；
结合所述故障类型和所述故障信号传播参数选取故障定位算法；
基于所述电网拓扑配置信息并采用所述故障定位算法定位所述负荷故障的故障负荷点。
5.根据权利要求4所述的电网输电稳定控制方法，其特征在于，所述故障信号传播参数包括故障信号传播时间、故障信号传播速度和故障信号传播路径三种参数类别，所述结合所述故障类型和所述故障信号传播参数选取故障定位算法包括如下步骤：
判断所述故障类型是否为N-1故障或N-2故障；
若所述故障类型为所述N-1故障，则选取阻抗法作为故障定位算法；
若所述故障类型为所述N-2故障，则分别针对各个所述参数类别，基于所述故障信号传播参数对所述传感器网络中的所有检测传感器进行目标匹配，将匹配成功的目标检测传感器的所述故障信号传播参数进行数据融合，得到故障信号传播融合参数；
提取所述故障模拟数据中对于所述N-2故障的故障模拟信号传播参数；
若所述故障信号传播融合参数和所述故障模拟信号传播参数之间的参数差值低于预设的差值阈值，则选取行波法作为所述故障定位算法；
若所述故障信号传播融合参数和所述故障模拟信号传播参数之间的参数差值超出所述差值阈值，则将所述故障指示器法作为一阶定位算法，将基于状态估计的定位算法作为二阶定位算法，结合所述一阶定位算法和所述二阶定位算法构建多阶故障定位算法，并将所述多阶故障定位算法作为所述故障定位算法。
6.根据权利要求1至5任意一项所述的电网输电稳定控制方法，其特征在于，所述方法还包括如下步骤：
采集所述电网系统的电网相量信息，以及所述电网系统中关键设备的遥信数据和遥测数据；
基于所述电网相量信息分析所述电网系统的运行状态，结合所述遥信数据和遥测数据评估所述关键设备的设备运行工况；
结合所述电网系统的运行状态和所述关键设备的设备运行工况，并利用预先训练的基于神经网络的稳控限额调整模型对所述断面稳控限额进行实时智能调整。
7.一种电网输电断面稳定控制系统，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的电网输电稳定控制方法。
8.一种计算机可读存储介质，该计算机可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至6中任一项所述的电网输电稳定控制方法。
CN202410044256.6A 2024-01-12 2024-01-12 一种电网输电稳定控制方法、系统及存储介质 Active CN117559449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410044256.6A CN117559449B (zh) 2024-01-12 2024-01-12 一种电网输电稳定控制方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410044256.6A CN117559449B (zh) 2024-01-12 2024-01-12 一种电网输电稳定控制方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN117559449A CN117559449A (zh) 2024-02-13
CN117559449B true CN117559449B (zh) 2024-03-26

Family

ID=89820869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410044256.6A Active CN117559449B (zh) 2024-01-12 2024-01-12 一种电网输电稳定控制方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117559449B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2435615A1 (de) * 1973-11-23 1975-06-05 Zellweger Uster Ag Verfahren und vorrichtung zur automatischen abtrennung einer schadhaften strecke eines leitungszuges eines elektrischen energieversorgungsnetzes
CN103323742A (zh) * 2013-05-31 2013-09-25 华北电力大学 基于随机布点pmu的电网故障识别系统及故障识别方法
CN105470928A (zh) * 2015-09-21 2016-04-06 国电南瑞科技股份有限公司 基于城市输电网故障恢复的分区分层负荷转移方法
WO2016191187A1 (en) * 2015-05-27 2016-12-01 University Of Pittsburgh-Of The Commonwealth System Of Higher Education Communication-less fault section identification for hybrid hvdc transmission systems
CN110690716A (zh) * 2019-08-16 2020-01-14 中国电力科学研究院有限公司 一种基于电压相轨迹信息对电网主动解列断面进行定位的方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2435615A1 (de) * 1973-11-23 1975-06-05 Zellweger Uster Ag Verfahren und vorrichtung zur automatischen abtrennung einer schadhaften strecke eines leitungszuges eines elektrischen energieversorgungsnetzes
CN103323742A (zh) * 2013-05-31 2013-09-25 华北电力大学 基于随机布点pmu的电网故障识别系统及故障识别方法
WO2016191187A1 (en) * 2015-05-27 2016-12-01 University Of Pittsburgh-Of The Commonwealth System Of Higher Education Communication-less fault section identification for hybrid hvdc transmission systems
CN105470928A (zh) * 2015-09-21 2016-04-06 国电南瑞科技股份有限公司 基于城市输电网故障恢复的分区分层负荷转移方法
CN110690716A (zh) * 2019-08-16 2020-01-14 中国电力科学研究院有限公司 一种基于电压相轨迹信息对电网主动解列断面进行定位的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
电力系统输电断面及故障评估关键技术研究;姜臻;《CNKI》;20150715;全文 *
输电断面稳定规则自动识别和稳控限额自适应调整技术;汪旸;《水电能源科学》;20200630;全文 *

Also Published As

Publication number Publication date
CN117559449A (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Zhu et al. Time series shapelet classification based online short-term voltage stability assessment
Della Giustina et al. Electrical distribution system state estimation: measurement issues and challenges
Bose et al. Real-time modeling of power networks
Dong et al. Frequency prediction of power systems in FNET based on state-space approach and uncertain basis functions
US11824354B2 (en) Online state estimation and topology identification using advanced metering infrastructure (AMI) measurements
CN104134999A (zh) 基于多数据源的配电网量测有效性分析实用化计算方法
Chanda et al. Quantifying resiliency of smart power distribution systems with distributed energy resources
WO2020162937A1 (en) Automated model validation system for electrical grid
CN109993665B (zh) 电力系统在线安全稳定评估方法、装置及系统
KR102625403B1 (ko) 지역 단위 재생 에너지 통합 관제 시스템
CN105119282A (zh) 一种电网理论线损在线计算系统及方法
CN104269844B (zh) 一种配电网状态估计异常识别方法及其装置
CN114915546A (zh) 一种停电用户定位方法、装置、设备、介质
CN109378804A (zh) 一种配电网故障试发自愈容错处理方法及系统
CN108596450B (zh) 电网风险预警方法和系统
CN116973694B (zh) 配电网故障诊断优化方法及系统
CN108845285B (zh) 电能计量装置检测方法和系统
CN117559449B (zh) 一种电网输电稳定控制方法、系统及存储介质
US20190260230A1 (en) Real-time electrical grid restoration
CN113837423A (zh) 基于能源互联网电力大数据的电网运行态势预测方法
CN109617229A (zh) 一种智能变电站设备虚回路状态评估方法和评估系统
US20220284156A1 (en) Real-time update of power system models for dynamic security assessment
Blinov et al. Faults Indicators applying for smart monitoring system for improving reliability electric power distribution
CN112749099A (zh) 一种pas应用性能的评估方法、系统、终端设备及介质
Bajagain et al. Spectral clustering for fast outage detection and visualization in power distribution systems

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