基于人工智能算法的DG接入柔性互联配网线路保护方法技术

本发明专利技术涉及电力系统继电保护技术领域，具体公开了一种基于人工智能算法的DG接入柔性互联配网线路保护方法，包括：获取配网线路中的当前电气量、当前第一电流波形图像和当前第二电流波形图像；根据配网线路中的当前电气量计算出当前特征量；构建线路故障预测模型，并对线路故障预测模型进行训练，以得到训练后的线路故障预测模型；将配网线路中的当前特征量、当前第一电流波形图像和当前第二电流波形图像输入到训练后的线路故障预测模型中进行故障预测，以输出配网线路的当前故障预测结果。本发明专利技术降低了DG接入柔性互联配网原有线路保护纵差拒动的可能性，为柔性互联的有源配电网发展奠定了保护基础，适应新的电网发展态势。势。势。

【技术实现步骤摘要】
基于人工智能算法的DG接入柔性互联配网线路保护方法


[0001]本专利技术涉及电力系统继电保护
，更具体地，涉及一种基于人工智能算法的DG接入柔性互联配网线路保护方法。

技术介绍

[0002]国内配电网通常采用“闭环设计、开环运行”的供电方式，当配电网进行网络重构、负荷转移或设备检修时，可以通过合环操作转移负荷，以避免用户停电，提高供电可靠性。然而在实际应用环境中，跨220kV片区的配电网合环操作安全性难以准确评估，线路中产生的合环电流可能造成保护跳闸的风险。为此，当前采用一种柔性互联装置实现不同配电区域的闭环运行，避免不同片区低压合环带来的冲击，并且可实现潮流调节和协调控制策略，提升了分布式能源的消纳能力和配电网的运行可靠性。
[0003]随着更高比例的分布式发电系统接入配电网，电网潮流流向日益复杂。传统的过电流保护难以适应大量分布式电源接入的配电网络，线路纵差保护逐渐得到应用。多端电源网络发生故障时，线路纵差保护能够可靠动作，迅速切除故障。但是，如图1所示，对于分布式电源通过柔性互联装置并入配电网络时，当发生线路故障，故障电流由分布式电源和柔性互联装置共同提供，故障电流将呈现更加复杂的特性。原有的线路纵差保护在固定整定值条件下，难以与柔性互联装置形成有效配合，保护装置存在拒动的风险。
[0004]线路纵差保护用于分布式电源接入的配电网络，能够快速切除故障。但是，随着柔性互联装置的引入，原有的线路纵差保护在固定整定值条件下，难以与柔性互联装置形成有效配合，保护装置存在拒动的风险。
[0005]因此，为保证柔性互联配网线路安全可靠运行，快速准确切除故障，本专利技术提出一种基于人工智能算法的DG接入柔性互联配网线路保护方法。

技术实现思路

[0006]为了解决现有技术中存在的不足，本专利技术提供了一种基于人工智能算法的DG接入柔性互联配网线路保护方法，降低了DG接入柔性互联配网原有线路保护纵差拒动的可能性，为柔性互联的有源配电网发展奠定了保护基础，适应新的电网发展态势。
[0007]作为本专利技术的第一个方面，提供一种基于人工智能算法的DG接入柔性互联配网线路保护方法，分布式电源DG通过柔性互联装置并入所述配网线路，所述配网线路中设置有电压互感器和两个电流互感器，通过所述电流互感器和电压互感器采集所述配网线路中的多个电气量，同时，通过第一电流互感器采集第一电流波形图像，通过第二电流互感器采集第二电流波形图像，所述基于人工智能算法的DG接入柔性互联配网线路保护方法包括如下步骤：
[0008]步骤S1：获取所述配网线路中的当前电气量、当前第一电流波形图像和当前第二电流波形图像；
[0009]步骤S2：根据所述配网线路中的当前电气量计算出当前特征量；
[0010]步骤S3：构建基于类Stacking模型融合方法的线路故障预测模型，并对所述线路故障预测模型进行训练，以得到训练后的线路故障预测模型；
[0011]步骤S4：将所述配网线路中的当前特征量、当前第一电流波形图像和当前第二电流波形图像输入到所述训练后的线路故障预测模型中进行故障预测，以输出所述配网线路的当前故障预测结果。
[0012]进一步地，所述根据所述配网线路中的当前电气量计算出当前特征量，还包括：
[0013]所述配网线路中的当前电气量包括送端正序电压Vs1、受端正序电压Vr1、送端正序电流Is1、受端正序电流Ir1、送端负序电压Vs2、受端负序电压Vr2、送端负序电流Is2、受端负序电流Ir2、送端零序电压Vs0、受端零序电压Vr0、送端零序电流Is0、受端零序电流Ir0、送端A相电流Isa、受端A相电流Ira、送端B相电流Isb、受端B相电流Irb、送端C相电流Isc和受端C相电流Irc；
[0014]所述当前特征量包括正序电压差变化率、正序电流差变化率、负序电压差变化率、负序电流差变化率、零序电压差变化率、零序电流差变化率、A相电压差变化率、B相电压差变化率、C相电压差变化率、正序电压差额、负序电压差额、零序电压差额、正序电流差额、负序电流差额、零序电流差额、A相电流差变化率、B相电流差变化率和C相电流差变化率，其计算公式分别如下：
[0015]正序电压差变化率
[0016]正序电流差变化率
[0017]负序电压差变化率
[0018]负序电流差变化率
[0019]零序电压差变化率
[0020]零序电流差变化率
[0021]A相电压差变化率
[0022]B相电压差变化率
[0023]C相电压差变化率
[0024]正序电压差额X
13
＝V
s1
‑
V
r1
；
[0025]负序电压差额X
14
＝V
s2
‑
V
r2
；
[0026]零序电压差额X
15
＝V
s0
‑
V
r0
；
[0027]正序电流差额X
16
＝I
s1
‑
I
r1
；
[0028]负序电流差额X
17
＝I
s2
‑
I
r2
；
[0029]零序电流差额X
18
＝I
s0
‑
I
r0
；
[0030]A相电流差变化率
[0031]B相电流差变化率
[0032]C相电流差变化率
[0033]其中，下标1、2、0分别表示正序分量、负序分量、零序分量；S和R分别表示第一变电站和第二变电站；a、b、c分别表示A、B、C三相。
[0034]进一步地，所述对所述线路故障预测模型进行训练，以得到训练后的线路故障预测模型，还包括：
[0035]获取用于训练所述线路故障预测模型的训练集，所述训练集包括所述配网线路中的历史特征量、历史第一电流波形图像和历史第二电流波形图像，所述配网线路中的历史特征量根据所述配网线路中的历史电气量计算得到；
[0036]根据所述训练集中的数据对所述线路故障预测模型进行训练，以得到训练后的线路故障预测模型。
[0037]进一步地，所述获取用于训练所述线路故障预测模型的训练集，所述训练集包括所述配网线路中的历史特征量、历史第一电流波形图像和历史第二电流波形图像，所述配网线路中的历史特征量根据所述配网线路中的历史电气量计算得到，还包括：
[0038]补全所述训练集中缺失的数据和清理所述训练集中的异常数据，并采用Savitzky
‑
Golay滤波算法对所述训练集中的数据进行滤波处理；
[0039]针对所述训练集中的电流波形图像，采用Resize图像增强手段固定为统一的尺寸，便于模型的训练。
[0040]进一步地，所述将所述配网线路中的当前特征量、当前第一电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能算法的DG接入柔性互联配网线路保护方法，分布式电源DG通过柔性互联装置并入所述配网线路，所述配网线路中设置有电压互感器和两个电流互感器，通过所述电流互感器和电压互感器采集所述配网线路中的多个电气量，同时，通过第一电流互感器采集第一电流波形图像，通过第二电流互感器采集第二电流波形图像，其特征在于，所述基于人工智能算法的DG接入柔性互联配网线路保护方法包括如下步骤：步骤S1：获取所述配网线路中的当前电气量、当前第一电流波形图像和当前第二电流波形图像；步骤S2：根据所述配网线路中的当前电气量计算出当前特征量；步骤S3：构建基于类Stacking模型融合方法的线路故障预测模型，并对所述线路故障预测模型进行训练，以得到训练后的线路故障预测模型；步骤S4：将所述配网线路中的当前特征量、当前第一电流波形图像和当前第二电流波形图像输入到所述训练后的线路故障预测模型中进行故障预测，以输出所述配网线路的当前故障预测结果。2.根据权利要求1所述的基于人工智能算法的DG接入柔性互联配网线路保护方法，其特征在于，所述根据所述配网线路中的当前电气量计算出当前特征量，还包括：所述配网线路中的当前电气量包括送端正序电压Vs1、受端正序电压Vr1、送端正序电流Is1、受端正序电流Ir1、送端负序电压Vs2、受端负序电压Vr2、送端负序电流Is2、受端负序电流Ir2、送端零序电压Vs0、受端零序电压Vr0、送端零序电流Is0、受端零序电流Ir0、送端A相电流Isa、受端A相电流Ira、送端B相电流Isb、受端B相电流Irb、送端C相电流Isc和受端C相电流Irc；所述当前特征量包括正序电压差变化率、正序电流差变化率、负序电压差变化率、负序电流差变化率、零序电压差变化率、零序电流差变化率、A相电压差变化率、B相电压差变化率、C相电压差变化率、正序电压差额、负序电压差额、零序电压差额、正序电流差额、负序电流差额、零序电流差额、A相电流差变化率、B相电流差变化率和C相电流差变化率，其计算公式分别如下：正序电压差变化率正序电流差变化率负序电压差变化率负序电流差变化率零序电压差变化率零序电流差变化率A相电压差变化率
B相电压差变化率C相电压差变化率正序电压差额X
13
＝V
s1
‑
V
r1
；负序电压差额X
14
＝V
s2
‑
V
r2
；零序电压差额X
15
＝V
s0
‑
V
r0
；正序电流差额X
16
＝I
s1
‑
I
r1
；负序电流差额X
17
＝I
s2
‑
I
r2
；零序电流差额X
18
＝I
s0
‑
I
r0

【专利技术属性】
技术研发人员：童伟林，刘志仁，柴晓光，吕亚娟，刘仲一，董金哲，顾文雯，谢经华，
申请(专利权)人：国网江苏省电力有限公司无锡供电分公司，
类型：发明
国别省市：