基于深度学习的智能配电网运维策略研究

2020-11-27郭保忠

商品与质量 2020年37期

郭保忠

国网山西省电力公司忻州供电公司山西忻州 034000

随着电网覆盖范围越来越广，对运维管理效率及质量的要求越来越高，但据实际情况来看，我国配电运维管理方面依然存在着较为明显的问题，正在长期且持续地影响着配电运维管理效率提升，对此必须深入研究运维管理工作中存在的问题，并进行针对性的改进，以进一步提高运维管理效率、质量。详细分析了配电运维管理中存在的问题，提出改进措施。

1 人工智能与深度学习

1.1 人工智能与深度学习概述

人工智能与深度学习技术所包括的内容较多，如在实际中有采用深度学习算法，自动获取实时配网拓扑结构并结合设备历史信息，如设备故障记录、维护记录、跳闸记录等用于评估配网的供电可靠性，同时考虑受电用户供电重要等级，从而决定是否需要改变系统的运行方式，甚至还可基于上述的深度学习算法给出最优化策略，进行配电网的故障隔离和自愈。基于上述获得的状态进行故障隔离后自动化恢复非故障段的供电，缩短停电时间。以中新知识城智能配电网为例，通过花瓣形接线和集中式的保护配置，可提高有效的进行故障隔离，提高了供电可靠性。此外，基于深度学习大数据的故障数据可对常态化的故障区域进行加强优先巡视，缩短巡视周期。通过各类信息手段，如5G 摄像头、自动化巡视无人机、智能视频监控分析等技术联合安监部门防范无外力破坏，最终提高电网运行可靠性[1]。

1.2 基于深度学习的异常统计数据识别

对于采用深度学习技术进行异常统计数据识别可结合神经网络算法，特别是LSTM 网络分析技术，提高对异常统计数据识别的效率和准确性，满足实际配电系统的应用要求。对于基于深度学习的异常统计数据识别，具体应用可对电力用户的历史行为数据特性进行建模，建模后学习得到电力用户的数据特征。包括但不限于设备的运行温度数据、潮流数据、负荷曲线、环境温度、运行噪声振动、设备电气试验数据、电气设备在线监测数据、设备故障次数、设备跳闸次数数据等，通过采用深度学习技术对众多的电力运行大数据进行学习分析，并将数据库中的异常数据加以识别，从而发现电力运行过程中存在的问题或者缺陷，采取措施加以解决后可提高电力网运行的可靠性[2]。

2 配电运维管理存在的问题

2.1 配电网结构布局不合理

当前我国配电网在运维管理方面存在着较大的不足，严重影响了运维管理工作，其中最为主要的问题是结构布局不合理。配电网的结构布局是整体配电网工程的前提，不仅会对配电网工程质量造成影响，同时也与后期的运维管理效率息息相关。由于部分地区配电网存在着结构布局不合理情况，影响了运维管理工作，甚至大大降低了配电网整体运行状况，并在一定程度上提高了故障率。此外，个别地区的配电网还存在着断路器数量较少的情况，以至于在出现故障时并不能及时将线路断电，进而可能引发火灾。

2.2 运维管理模式落后

我国电力系统在多年的发展过程中，有着一套比较适合国情的配电网运维管理模式，经过多年的实践应用情况来看，该运维管理模式具有较高的应用价值。但自步入21 世纪以来，各种先进思想观念冲击着社会各界，使得各领域不得不进行现代化转型。电力企业多为国企，其配电网运维管理模式已经不再适应实际情况，其疲态已愈加明显，缺少比较严格且规律的维修养护制度，以至于部分地区出现电线杆裂纹、瓷瓶劣化等情况，且未能得到及时有效的处理[3]。

3 深度学习的智能配电网运维策略分析

3.1 智能配电网的电压运维策略

在智能配电网的运行中，需对智能配电网中存在的安全风险和安全隐患实时感知，并调整配电网的运维策略。在智能配电网中包括了风电、光伏等多种类型的新能源，对于系统的电压质量带来较大的冲击。在分布式光伏大发期间，局部地区下网潮流变轻甚至倒送，使系统电压升高甚至越限，节假日期间尤为突出。针对不同的电网运行方式、负荷在不同季节的变化，以及光伏和水电上网对系统电压的影响，调整自动电压控制系统的控制策略，使之适应电网运行状态的变化。通过在智能配电网的电压运维策略中采用人工智能及深度学习技术，可提高电压调节策略的智能化水平。

3.2 配电系统负荷调节

通过在智能配电网中采用人工智能和深度学习技术，可与储能技术相结合进行联合调度，同时也可使需求响应能更好地参与电网峰谷调节，可利用弹性电价引导用户（尤其是大用户）在新能源大发时用电，调整负荷特性使之与新能源的出力特性相匹配，实现新能源发电波动的平抑，从而提高新能源发电容量的可信度以减少弃风和弃光电量。

3.3 配电网中电力设备的运维原则

配电网随着运行时间的变长可能会出现异常的运行状态，通过采用深度学习技术识别出异常的运行数据，并制定对配电网中的电力设备的运维，制定有针对性的运维策略，提高配电网的运维效率。同时配电网中涉及到的电力设备类型较多，每一类型的电力设备在维护管理的方法上有类似之处，但也应根据电力设备实际情况和运行特点加以区别对待。电力设备维护工作量较大，应在日常中加强对配电网中电力设备的运行维护力度，当配电网中的电力设备出现异常运行数据时通过深度学习技术及时发现和识别，以便运行维护人员能够及时发现故障，从而查找出故障的原因，并进行总结形成经验。在配电网的视频监控系统中可采用深度学习技术，保证配电网的工作人员按照规定进行作业。配电柜上应具有明显的标签信息，保证运维人员不会出现走错间隔的事情发生，同时在对配电电力设备进行运维的过程中，应保证配电电力设备的保护配置是否合理，并定期对保护进行检验，查看配电电力设备的保护装置是否能够正确可靠动作。