一种含大规模分布式能源的配电网管理方法与流程

本发明涉及能源管理，尤其涉及一种含大规模分布式能源的配电网管理方法。

背景技术：

1、随着可再生能源技术的发展和成本的下降，分布式能源，如太阳能光伏、风能、微型水电等，在能源系统中的比重不断增加。这些分布式能源通常以小规模的方式分布在电网中的不同位置，改变了传统中心化能源发电的模式，对配电网的管理提出了新的挑战和需求。

2、例如，中国专利公开号：cn115421003a，公开了一种配电网故障监测系统与监测方法，系统包括数据采集单元、数据传输单元、故障识别单元与故障隔离单元；数据采集单元用于采集多个模拟量信号；数据传输单元用于将多个模拟量信号进行分组后传输至故障识别单元；故障识别单元基于分组数据进行故障识别并将故障识别的结果发送至故障隔离单元；故障隔离单元基于故障识别结果执行至少一个故障隔离和设备保护动作。方法包括数据采集步骤、数据传输步骤、故障识别步骤与故障隔离步骤。本发明的故障监测方案符合三相四线配网设备的结构和故障发生特点，在数据采集、传输和识别方面进行了针对性的改进，故障识别效果较好。

3、但是，现有技术中还存在以下问题，

4、现有技术中，对大型电网进行检测时，需处理海量的数据，对海量数据进行遍历处理时极大的占用算力，对配电网运行状态分析的效率较低。

技术实现思路

1、为此，本发明提供一种含大规模分布式能源的配电网管理方法，用以克服现有技术中对大型电网进行检测时，需处理海量的数据，对海量数据进行遍历处理时极大的占用算力，对配电网运行状态分析的效率较低的问题。

2、为实现上述目的，本发明提供一种含大规模分布式能源的配电网管理方法，其包括：

3、步骤s1，每隔预定监测周期获取配电网各监测节点的监测信息，所述监测信息包括电压值以及电流值；

4、步骤s2，根据监测节点对应监测信息的差异计算离散波动量，以判定隐性异常类别；

5、步骤s3，根据监测节点的隐性异常类别选定针对监测节点监测数据的分析方式，所述分析方式包括，

6、调整监测节点获取监测信息的信息监测粒度，分析不同时域段内的离散波动量，以识别特征时域段，分别构建特征时域段的电压变化曲线以及电流变化曲线与样本数据库中的样本曲线段进行拟合，以判定配电网是否存在异常；

7、或，对预定时间内各时域段内的电压变化曲线以及所述电流变化曲线进行全域分析，与样本数据库中的样本曲线段进行拟合判定配电网是否存在异常，

8、其中，所述电压变化曲线以及所述电流变化曲线均为基于监测信息所构建的时域波形段。

9、进一步地，所述步骤s2中，根据公式（1）计算离散波动量，

10、   （1）；

11、公式（1）中，e表示离散波动量，vi表示第i次检测的电压值，ve表示电压值平均值，ii表示第i次检测的电流值，ie表示电流值平均值，n表示监测次数，n为大于0的正整数。

12、进一步地，所述步骤s2中，将所述离散波动量与预设离散波动量对比阈值进行对比，

13、若所述离散波动量大于所述预设离散波动量对比阈值，则判定存在强隐性异常类别，

14、若所述离散波动量小于或等于所述预设离散波动量对比阈值，则判定存在弱隐性异常类别。

15、进一步地，所述步骤s3中，根据监测节点的隐性异常类别选定针对监测节点监测数据的分析方式，其中，

16、若判定存在强隐性异常类别，则对预定时间内各时域段内的电压变化曲线以及所述电流变化曲线进行全域分析，与样本数据库中的样本曲线段进行拟合判定配电网是否存在异常；

17、若判定存在弱隐性异常类别，则调整监测节点获取监测信息的信息监测粒度，分析不同时域段内的离散波动量，以识别特征时域段，分别构建特征时域段的电压变化曲线以及电流变化曲线与样本数据库中的样本曲线段进行拟合，以判定配电网是否存在异常。

18、进一步地，所述步骤s3中，将全监测时域划分为若干时域段，计算各时域段内的离散波动量。

19、进一步地，所述步骤s3中，将各时域段内的离散波动量与预设时域段离散波动量对比阈值进行对比，

20、若所述时域段内的离散波动量大于预设时域段离散波动量对比阈值，则所述时域段为特征时域段。

21、进一步地，所述步骤s3中，根据所述时域段内的离散波动量调整时域段内监测节点获取监测信息的信息监测粒度，其中，所述时域段内的离散波动量与时域段内监测节点获取监测信息的信息监测粒度呈正相关关系。

22、进一步地，所述步骤s3中，分别构建特征时域段内电流随时间的变化曲线以及电压随时间的变化曲线，将电流变化曲线以及电压变化曲线与样本数据库中的样本曲线段进行拟合对比，若电流变化曲线或电压变化曲线与样本数据库中的样本曲线段的拟合值小于预设拟合对比阈值，则判定配电网存在异常。

23、进一步地，所述步骤s3中，分别构建全监测时域电流随时间的变化曲线以及电压随时间的变化曲线，将全监测时域电流变化曲线以及全监测时域电压变化曲线与样本数据库中的样本曲线段进行拟合对比，若全监测时域电流变化曲线或全监测时域电压变化曲线与样本数据库中的样本曲线段的拟合值小于预设拟合对比阈值，则判定配电网存在异常。

24、进一步地，所述步骤s3中，各时域段时间长度相同。

25、与现有技术相比，本发明根据获取的监测节点对应监测信息的差异计算离散波动量，以判定隐性异常类别，根据监测节点的隐性异常类别选定针对监测节点监测数据的分析方式，调整监测节点获取监测信息的信息监测粒度，分析不同时域段内的离散波动量，以识别特征时域段，构建特征时域段的电压变化曲线以及电流变化曲线与样本数据库中的样本曲线段进行拟合，以判定配电网是否存在异常，或，对预定时间内各时域段内的电压变化曲线以及所述电流变化曲线进行全域分析，与样本数据库中的样本曲线段进行拟合判定配电网是否存在异常，本发明在保证分析可靠性的同时提高了配电网管理的效率。

26、尤其，本发明根据监测节点对应监测信息的差异计算离散波动量，监测电流值可以帮助确定配电网中的负载情况，包括负载是否均衡、负载是否超载等情况，监测电压值可以帮助确定配电网中的电压稳定性、电压波动情况等，电流值与电压值易于监控，具备一定数据表征性，虽不能仅依赖电流或电压阈值判定的方式进行异常分析，但是，可以将其作为易于检测的显性参量，在一定程度反应配电网中运行状况，进而，通过计算离散波动量可以较为可靠的对配电网的运行状况做出一定程度的表征，对后续分析提供数据参考，提高对配电网管理的可靠性。

27、尤其，本发明根据离散波动量判定存在隐性异常类别，由于离散波动量可以一定程度表征配电网的运行状况，当离散波动量较大时，配电网的运行状态较为不稳定，存在一定的异常倾向，当离散波动量较小时，配电网的运行中可能存在较为不稳定的时域段，根据隐性异常类别采取不同的监测节点监测数据的分析方式，可以在保证分析可靠性的同时提高分析效率。

28、尤其，本发明识别特征时域段，调整监测节点获取监测信息的信息监测粒度，当存在弱隐性异常类别，仅需对特征时域段进行分析，通过提取离散波动量较大的特征时域段，调整特征时域段内的监测节点获取监测信息的信息监测粒度，从而可以更可靠的分析特征时域段内的配电网运行状态，提升配电网管理的可靠性。

29、尤其，本发明构分别建特征时域段的电压变化曲线以及电流变化曲线与样本数据库中的样本曲线段进行拟合，以判定配电网是否存在异常，当配电网运行不存在异常时电压变化曲线与电流变化曲线应与样本数据库中的样本曲线段高度拟合，当拟合程度较低时，此时可以判定配电网存在异常，但是，相比于阈值判定，拟合较为占用算力，且应用在大规模电网时面对海量数据会加剧上述现象，仅对特征时域段内电压以及电流情况进行分析，在保证分析可靠性的同时提高了配电网管理的分析效率。