一种多光伏接入下台区的无弧断路器设计优化方法及系统与流程

本发明涉及断路器设计，尤其是涉及一种多光伏接入下台区的无弧断路器设计优化方法及系统。

背景技术：

1、目前，多光伏接入下台区的无弧断路器设计优化方案主要考虑到光伏系统的特性、电网的安全稳定运行以及断路器的无弧操作，具体如下：

2、1.设计背景

3、光伏系统特性：随着分布式光伏系统的大量接入，带来了电压抬升、三相不平衡、谐波干扰等问题，这对电网安全和稳定运行提出了挑战。

4、无弧断路器需求：传统的断路器在操作时可能产生电弧，对设备和人员安全构成威胁。因此，设计无弧断路器对于提高电网安全性和可靠性具有重要意义。

5、2.设计目标

6、抑制电弧产生：确保断路器在操作时不会产生电弧，减少设备和人员安全风险。

7、提高电网稳定性：通过优化断路器的设计，提高电网对分布式光伏接入的适应能力，保障电网的稳定运行。

8、3.设计方法

9、3.1选择合适的无弧技术

10、磁感应转移和电阻限流技术：利用感应模块快速将电流转移至电容和电阻，实现快速开关无弧分闸，提高断口耐压能力。同时，通过电阻限流可以将电流限制在一定的水平以下，实现电流的关断。

11、3.2设计合理的断路器拓扑结构

12、电容器：用于能量的储存和维持电压稳定，减缓开关触头两端电场强度上升速度。

13、电感：用于延续电流和抑制短路电流上升速度。

14、二极管：使断路器电路在导通和关断时工作在不同的状态。

15、大功率电阻：泄放断路器储能元件中储存的能量。

16、机械开关：实现控制电路的导通和关断，同时确保在动作后将电路可靠关断，实现电弧能量的转移。

17、3.3优化控制策略

18、高精度测量与算法优化：通过高精度的电流、电压等参数测量，结合先进的控制算法，实现对断路器操作过程的精确控制，确保无弧操作的实现。

19、智能物联技术：利用智能物联技术，实现断路器的远程监控和智能控制，提高电网运行的自动化水平和可靠性。

20、4.实施步骤

21、需求分析：明确多光伏接入下台区的电网特性、分布式光伏系统的接入方式和容量等需求。

22、方案设计：根据需求分析结果，设计合适的无弧断路器方案，包括无弧技术选择、拓扑结构设计、控制策略优化等。

23、仿真验证：通过仿真软件对设计方案进行仿真验证，确保无弧操作的实现和电网的稳定运行。

24、实验验证：在实验室或现场进行实际测试，验证设计方案的可行性和有效性。

25、但是上述的传统方案一直在沿用，很少有较大的方案改动，这不利于断路器、光伏技术的发展，而且都是从单一维度去考虑、优化，因此，本发明尝试提供一种多维度优化的设计优化方案。

技术实现思路

1、本发明提供一种多光伏接入下台区的无弧断路器设计优化方法及系统，采用曲面拟合和神经网络方式，从多维度来设计优化无弧断路器。

2、本说明书实施例公开了一种多光伏接入下台区的无弧断路器设计优化方法，包括：

3、获取断路器电路的电容值、电阻值、衰减时间常数和断路时间；

4、将所述电容值作为行向量，将所述衰减时间常数作为列向量，构成第一矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和电容值曲面拟合方程，将该三维曲面记为第一参考域；

5、将所述电阻值作为行向量，将所述衰减时间常数作为列向量，构成第二矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和电阻值曲面拟合方程，将该三维曲面记为第二参考域；

6、基于第一参考域和第二参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数；

7、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数整理为第一训练集和第一测试集，且将所述参考断路时间单独作为验证集；

8、对所述第一训练集和第一测试集进行预处理；

9、基于预处理后的所述第一训练集，进行模型训练得到第一神经网络模型；

10、基于预处理后的所述第一测试集，获取所述第一神经网络模型的第一准确率、第一精度和第一召回率；

11、将所述第一召回率作为行向量，将所述第一准确率作为列向量，构成第三矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第三参考域；

12、将所述第一精度作为行向量，将所述第一准确率作为列向量，构成第四矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第四参考域；

13、基于第三参考域和第四参考域，以参考断路时间最优为目标，使用所述第一测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

14、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第一神经网络模型；

15、基于最优的第一神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

16、本说明书的一些实施例中，获取断路器电路的额定电压；

17、将所述额定电压作为行向量，将所述衰减时间常数作为列向量，构成第五矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和额定电压曲面拟合方程，将该三维曲面记为第五参考域；

18、基于第一参考域、第二参考域和第五参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考额定电压；

19、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考额定电压整理为第二训练集和第二测试集；

20、对所述第二训练集和第二测试集进行预处理；

21、基于预处理后的所述第二训练集，进行模型训练得到第二神经网络模型；

22、基于预处理后的所述第二测试集，获取所述第二神经网络模型的第二准确率、第二精度和第二召回率；

23、将所述第二召回率作为行向量，将所述第二准确率作为列向量，构成第六矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第六参考域；

24、将所述第二精度作为行向量，将所述第二准确率作为列向量，构成第七矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第七参考域；

25、基于第六参考域和第七参考域，以参考断路时间最优为目标，使用所述第二测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

26、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第二神经网络模型；

27、基于最优的第二神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

28、本说明书的一些实施例中，获取断路器电路的额定电流；

29、将所述额定电流作为行向量，将所述衰减时间常数作为列向量，构成第八矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和额定电流曲面拟合方程，将该三维曲面记为第八参考域；

30、基于第一参考域、第二参考域和第八参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考额定电流；

31、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考额定电流整理为第三训练集和第三测试集；

32、对所述第三训练集和第三测试集进行预处理；

33、基于预处理后的所述第三训练集，进行模型训练得到第三神经网络模型；

34、基于预处理后的所述第三测试集，获取所述第三神经网络模型的第三准确率、第三精度和第三召回率；

35、将所述第三召回率作为行向量，将所述第三准确率作为列向量，构成第九矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第九参考域；

36、将所述第三精度作为行向量，将所述第三准确率作为列向量，构成第十矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十参考域；

37、基于第九参考域和第十参考域，以参考断路时间最优为目标，使用所述第三测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

38、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第三神经网络模型；

39、基于最优的第三神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

40、本说明书的一些实施例中，获取多光伏接入下台区的电源电压波动幅值；

41、将所述电源电压波动幅值作为行向量，将所述衰减时间常数作为列向量，构成第十一矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和电源电压波动幅值曲面拟合方程，将该三维曲面记为第十一参考域；

42、基于第一参考域、第二参考域和第十一参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和电源电压波动幅值；

43、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和电源电压波动幅值整理为第四训练集和第四测试集；

44、对所述第四训练集和第四测试集进行预处理；

45、基于预处理后的所述第四训练集，进行模型训练得到第四神经网络模型；

46、基于预处理后的所述第四测试集，获取所述第四神经网络模型的第四准确率、第四精度和第四召回率；

47、将所述第四召回率作为行向量，将所述第四准确率作为列向量，构成第十二矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十二参考域；

48、将所述第四精度作为行向量，将所述第四准确率作为列向量，构成第十三矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十三参考域；

49、基于第十二参考域和第十三参考域，以参考断路时间最优为目标，使用所述第四测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

50、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第四神经网络模型；

51、基于最优的第四神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

52、本说明书的一些实施例中，获取多光伏接入下台区的故障电流与断路器电路的额定电流之间的电流差值；

53、将所述电流差值作为行向量，将所述衰减时间常数作为列向量，构成第十四矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和电流差值曲面拟合方程，将该三维曲面记为第十四参考域；

54、基于第一参考域、第二参考域和第十四参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考电流差值；

55、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考电流差值整理为第五训练集和第五测试集；

56、对所述第五训练集和第五测试集进行预处理；

57、基于预处理后的所述第五训练集，进行模型训练得到第五神经网络模型；

58、基于预处理后的所述第五测试集，获取所述第五神经网络模型的第五准确率、第五精度和第五召回率；

59、将所述第五召回率作为行向量，将所述第五准确率作为列向量，构成第十五矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十五参考域；

60、将所述第五精度作为行向量，将所述第五准确率作为列向量，构成第十六矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十六参考域；

61、基于第十五参考域和第十六参考域，以参考断路时间最优为目标，使用所述第五测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

62、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第五神经网络模型；

63、基于最优的第五神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

64、本说明书的一些实施例中，获取断路器电路的环境温度；

65、将所述环境温度作为行向量，将所述衰减时间常数作为列向量，构成第十七矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和环境温度曲面拟合方程，将该三维曲面记为第十七参考域；

66、基于第一参考域、第二参考域和第十七参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考环境温度；

67、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考环境温度整理为第六训练集和第六测试集；

68、对所述第六训练集和第六测试集进行预处理；

69、基于预处理后的所述第六训练集，进行模型训练得到第六神经网络模型；

70、基于预处理后的所述第六测试集，获取所述第六神经网络模型的第六准确率、第六精度和第六召回率；

71、将所述第六召回率作为行向量，将所述第六准确率作为列向量，构成第十八矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十八参考域；

72、将所述第六精度作为行向量，将所述第六准确率作为列向量，构成第十九矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第十九参考域；

73、基于第十八参考域和第十九参考域，以参考断路时间最优为目标，使用所述第六测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

74、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第六神经网络模型；

75、基于最优的第六神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

76、本说明书的一些实施例中，获取多光伏接入下台区的谐波电流；

77、将所述谐波电流作为行向量，将所述衰减时间常数作为列向量，构成第二十矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和谐波电流曲面拟合方程，将该三维曲面记为第二十参考域；

78、基于第一参考域、第二参考域和第二十参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考谐波电流；

79、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考谐波电流整理为第七训练集和第七测试集；

80、对所述第七训练集和第七测试集进行预处理；

81、基于预处理后的所述第七训练集，进行模型训练得到第七神经网络模型；

82、基于预处理后的所述第七测试集，获取所述第七神经网络模型的第七准确率、第七精度和第七召回率；

83、将所述第七召回率作为行向量，将所述第七准确率作为列向量，构成第二十一矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二十一参考域；

84、将所述第七精度作为行向量，将所述第七准确率作为列向量，构成第二十二矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二十二参考域；

85、基于第二十一参考域和第二十二参考域，以参考断路时间最优为目标，使用所述第七测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

86、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第七神经网络模型；

87、基于最优的第七神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

88、本说明书的一些实施例中，获取多光伏接入下台区的谐波电压；

89、将所述谐波电压作为行向量，将所述衰减时间常数作为列向量，构成第二十三矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和谐波电压曲面拟合方程，将该三维曲面记为第二十三参考域；

90、基于第一参考域、第二参考域和第二十三参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考谐波电压；

91、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考谐波电压整理为第八训练集和第八测试集；

92、对所述第八训练集和第八测试集进行预处理；

93、基于预处理后的所述第八训练集，进行模型训练得到第八神经网络模型；

94、基于预处理后的所述第八测试集，获取所述第八神经网络模型的第八准确率、第八精度和第八召回率；

95、将所述第八召回率作为行向量，将所述第八准确率作为列向量，构成第二十四矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二十四参考域；

96、将所述第八精度作为行向量，将所述第八准确率作为列向量，构成第二十五矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二十五参考域；

97、基于第二十四参考域和第二十五参考域，以参考断路时间最优为目标，使用所述第八测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

98、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第八神经网络模型；

99、基于最优的第八神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

100、本说明书的一些实施例中，获取多光伏接入下台区的谐波频率；

101、将所述谐波频率作为行向量，将所述衰减时间常数作为列向量，构成第二十六矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和谐波频率曲面拟合方程，将该三维曲面记为第二十六参考域；

102、基于第一参考域、第二参考域和第二十六参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考谐波频率；

103、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数和参考谐波频率整理为第九训练集和第九测试集；

104、对所述第九训练集和第九测试集进行预处理；

105、基于预处理后的所述第九训练集，进行模型训练得到第九神经网络模型；

106、基于预处理后的所述第九测试集，获取所述第九神经网络模型的第九准确率、第九精度和第九召回率；

107、将所述第九召回率作为行向量，将所述第九准确率作为列向量，构成第二十七矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二十七参考域；

108、将所述第九精度作为行向量，将所述第九准确率作为列向量，构成第二十八矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第二十八参考域；

109、基于第二十七参考域和第二十八参考域，以参考断路时间最优为目标，使用所述第九测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

110、基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第九神经网络模型；

111、基于最优的第九神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

112、本说明书实施例还公开了一种多光伏接入下台区的无弧断路器设计优化系统，用于实现上述中任一项所述的多光伏接入下台区的无弧断路器设计优化方法，所述多光伏接入下台区的无弧断路器设计优化系统包括：

113、获取模块，用于获取断路器电路的电容值、电阻值、衰减时间常数和断路时间；

114、第一拟合模块，用于：

115、将所述电容值作为行向量，将所述衰减时间常数作为列向量，构成第一矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和电容值曲面拟合方程，将该三维曲面记为第一参考域；

116、将所述电阻值作为行向量，将所述衰减时间常数作为列向量，构成第二矩阵，再导入所述断路时间，执行曲面拟合操作，获得三维曲面和电阻值曲面拟合方程，将该三维曲面记为第二参考域；

117、参考模块，用于基于第一参考域和第二参考域，以断路时间最优为目标，得到参考断路时间、参考电容值、参考电阻值、参考衰减时间常数；

118、神经网络模块，用于：

119、将参考断路时间、参考电容值、参考电阻值、参考衰减时间常数整理为第一训练集和第一测试集，且将所述参考断路时间单独作为验证集；

120、对所述第一训练集和第一测试集进行预处理；

121、基于预处理后的所述第一训练集，进行模型训练得到第一神经网络模型；

122、基于预处理后的所述第一测试集，获取所述第一神经网络模型的第一准确率、第一精度和第一召回率；

123、第二拟合模块，用于：

124、将所述第一召回率作为行向量，将所述第一准确率作为列向量，构成第三矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第三参考域；

125、将所述第一精度作为行向量，将所述第一准确率作为列向量，构成第四矩阵，再导入所述参考断路时间，执行曲面拟合操作，获得三维曲面，将该三维曲面记为第四参考域；

126、第一优化模块，用于基于第三参考域和第四参考域，以参考断路时间最优为目标，使用所述第一测试集，选取参考断路时间最优对应的模型的最优的准确率、最优的精度和最优的召回率；

127、第二优化模块，用于基于所述最优的准确率、最优的精度和最优的召回率，通过调整超参数、修改模型结构和采用正则化来优化模型参数，并基于所述验证集，选取参考断路时间最优对应的模型参数，得到最优的第一神经网络模型；

128、设计优化模块，用于基于最优的第一神经网络模型进行多光伏接入下台区的无弧断路器设计优化。

129、本说明书实施例至少可以实现以下有益效果：

130、通过获取断路器电路的电容值、电阻值、衰减时间常数和断路时间，分别进行曲面拟合操作，得到第一参考域和二参考域，并基于第一参考域和第二参考域，得到相应的参考数据，并基于参考数据进行神经网络训练，得到神经网络模型，并采用曲面拟合方式来优化神经网络模型，得到最优的神经网络模型，最后基于最优的神经网络模型进行多光伏接入下台区的无弧断路器设计优化。本发明采用曲面拟合和神经网络方式，从多维度来设计优化无弧断路器，先通过历史数据或仿真数据来建立参考域，再进行神经网络训练，并采用曲面拟合优化神经网络模型，得到最优的神经网络模型，最后基于最优的神经网络模型进行多光伏接入下台区的无弧断路器设计优化，可以使得设计好的无弧断路器更为适合应用在当前的多光伏接入下台区中，以获得断路时间最优的无弧断路器。