基于深度学习的智能配电网运维策略研究

2020-12-12广东电网有限责任公司广州供电局李彦豪

电力设备管理 2020年7期

广东电网有限责任公司广州供电局李彦豪

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。

1.2 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 智能配电网的建设

在配电系统中主要从两方面加强智能配电网建设：一是在市县范围内实施配电自动化，实现配电网的故障自动隔离和自动恢复，提高配电网的供电可靠性。配电自动化系统遵循分层、分布式体系结构的设计思想，即在系统层次上分为调度主站层[1]、变配电站子站层、配电终端设备层。每一层均优先采用分布式的系统结构，配电环网的馈线自动化功能可采用智能分布式与集中式两种方式进行，优先采用智能分布式体系结构，各层次系统设计应具备相应扩展能力。

二是构建主动配电网系统，不仅具备主动控制的功能还具备主动服务的功能。主动配电网支持负荷连续转移，实现负载均衡，提高供电可靠性、配送能力和设备利用率。主动配电网系统具备停电范围分析、停电损失负荷统计、停电信息管理、结合环分析、网络重构等功能。在配电网III区中，通过系统数据集成技术构建配网III区数据中心，并建立多维度的配电网运行KPI指标体系，实现指标汇总和指标分析[2]，建立系统整体评估的预警机制。同时进一步完善配电系统自愈控制技术，实现配电网风险预防、紧急控制、运行优化和在线仿真决策。通过建设主动配电网系统，能明显提高分布式电源的就地消纳能力。

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[3]，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。不同时段电网的源荷特性不同，对系统电压具有不同的影响，采用分时段自动电压控制策略，降低电容器和电抗器等电气设备的动作次数，提高设备的使用寿命。

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[4]，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。同时，通过对电力负荷的削峰填谷，优化负荷特性，减少电网的调峰压力，延缓容量升级投资，提高了设备利用率。

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[5]。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[6]，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。

3.4 配电电力设备的异常数据处理

当采用深度学习技术发现了配电电力设备中存在异常数据时，应及时采取措施处理配电电力设备中存在的问题。如需要对配电电力设备进行拆卸操作，则应严格按照配电电力设备中的说明书要求进行操作，防止对配电电力设备造成损坏。同时还应对配电电力设备进行维护，保证配电电力设备的运行环境较为良好。在对配电电力设备进行维护的过程中，除对某些关键设施进行维护管理之外，也应对配电电力设备中其他的组件进行维护管理，使得这些组件的功能、性能都能得到很好的发挥，从而保证整个配电电力设备的性能。