基于深度學習的智能配電網運維策略研究

廣東電網有限責任公司廣州供電局 李彥豪

1 人工智能與深度學習

1.1 人工智能與深度學習概述

人工智能與深度學習技術所包括的內容較多，如在實際中有采用深度學習算法，自動獲取實時配網拓撲結構并結合設備歷史信息，如設備故障記錄、維護記錄、跳閘記錄等用于評估配網的供電可靠性，同時考慮受電用戶供電重要等級，從而決定是否需要改變系統的運行方式，甚至還可基于上述的深度學習算法給出最優化策略，進行配電網的故障隔離和自愈。基于上述獲得的狀態進行故障隔離后自動化恢復非故障段的供電，縮短停電時間。以中新知識城智能配電網為例，通過花瓣形接線和集中式的保護配置，可提高有效的進行故障隔離，提高了供電可靠性。此外，基于深度學習大數據的故障數據可對常態化的故障區域進行加強優先巡視，縮短巡視周期。通過各類信息手段，如5G攝像頭、自動化巡視無人機、智能視頻監控分析等技術聯合安監部門防范無外力破壞，最終提高電網運行可靠性。

1.2 基于深度學習的異常統計數據識別

對于采用深度學習技術進行異常統計數據識別可結合神經網絡算法，特別是LSTM網絡分析技術，提高對異常統計數據識別的效率和準確性，滿足實際配電系統的應用要求。對于基于深度學習的異常統計數據識別，具體應用可對電力用戶的歷史行為數據特性進行建模，建模后學習得到電力用戶的數據特征。包括但不限于設備的運行溫度數據、潮流數據、負荷曲線、環境溫度、運行噪聲振動、設備電氣試驗數據、電氣設備在線監測數據、設備故障次數、設備跳閘次數數據等，通過采用深度學習技術對眾多的電力運行大數據進行學習分析，并將數據庫中的異常數據加以識別，從而發現電力運行過程中存在的問題或者缺陷，采取措施加以解決后可提高電力網運行的可靠性。

2 智能配電網的建設

在配電系統中主要從兩方面加強智能配電網建設：一是在市縣范圍內實施配電自動化，實現配電網的故障自動隔離和自動恢復，提高配電網的供電可靠性。配電自動化系統遵循分層、分布式體系結構的設計思想，即在系統層次上分為調度主站層[1]、變配電站子站層、配電終端設備層。每一層均優先采用分布式的系統結構，配電環網的饋線自動化功能可采用智能分布式與集中式兩種方式進行，優先采用智能分布式體系結構，各層次系統設計應具備相應擴展能力。

二是構建主動配電網系統，不僅具備主動控制的功能還具備主動服務的功能。主動配電網支持負荷連續轉移，實現負載均衡，提高供電可靠性、配送能力和設備利用率。主動配電網系統具備停電范圍分析、停電損失負荷統計、停電信息管理、結合環分析、網絡重構等功能。在配電網III區中，通過系統數據集成技術構建配網III區數據中心，并建立多維度的配電網運行KPI指標體系，實現指標匯總和指標分析[2]，建立系統整體評估的預警機制。同時進一步完善配電系統自愈控制技術，實現配電網風險預防、緊急控制、運行優化和在線仿真決策。通過建設主動配電網系統，能明顯提高分布式電源的就地消納能力。

3 深度學習的智能配電網運維策略分析

3.1 智能配電網的電壓運維策略

在智能配電網的運行中，需對智能配電網中存在的安全風險和安全隱患實時感知，并調整配電網的運維策略。在智能配電網中包括了風電、光伏等多種類型的新能源，對于系統的電壓質量帶來較大的沖擊。在分布式光伏大發期間，局部地區下網潮流變輕甚至倒送，使系統電壓升高甚至越限，節假日期間尤為突出。針對不同的電網運行方式、負荷在不同季節的變化[3]，以及光伏和水電上網對系統電壓的影響，調整自動電壓控制系統的控制策略，使之適應電網運行狀態的變化。通過在智能配電網的電壓運維策略中采用人工智能及深度學習技術，可提高電壓調節策略的智能化水平。不同時段電網的源荷特性不同，對系統電壓具有不同的影響，采用分時段自動電壓控制策略，降低電容器和電抗器等電氣設備的動作次數，提高設備的使用壽命。

3.2 配電系統負荷調節

通過在智能配電網中采用人工智能和深度學習技術，可與儲能技術相結合進行聯合調度，同時也可使需求響應能更好地參與電網峰谷調節，可利用彈性電價引導用戶（尤其是大用戶）在新能源大發時用電[4]，調整負荷特性使之與新能源的出力特性相匹配，實現新能源發電波動的平抑，從而提高新能源發電容量的可信度以減少棄風和棄光電量。同時，通過對電力負荷的削峰填谷，優化負荷特性，減少電網的調峰壓力，延緩容量升級投資，提高了設備利用率。

3.3 配電網中電力設備的運維原則

配電網隨著運行時間的變長可能會出現異常的運行狀態，通過采用深度學習技術識別出異常的運行數據，并制定對配電網中的電力設備的運維，制定有針對性的運維策略，提高配電網的運維效率。同時配電網中涉及到的電力設備類型較多，每一類型的電力設備在維護管理的方法上有類似之處，但也應根據電力設備實際情況和運行特點加以區別對待[5]。電力設備維護工作量較大，應在日常中加強對配電網中電力設備的運行維護力度，當配電網中的電力設備出現異常運行數據時通過深度學習技術及時發現和識別，以便運行維護人員能夠及時發現故障，從而查找出故障的原因，并進行總結形成經驗。

在配電網的視頻監控系統中可采用深度學習技術，保證配電網的工作人員按照規定進行作業。配電柜上應具有明顯的標簽信息，保證運維人員不會出現走錯間隔的事情發生[6]，同時在對配電電力設備進行運維的過程中，應保證配電電力設備的保護配置是否合理，并定期對保護進行檢驗，查看配電電力設備的保護裝置是否能夠正確可靠動作。

3.4 配電電力設備的異常數據處理

當采用深度學習技術發現了配電電力設備中存在異常數據時，應及時采取措施處理配電電力設備中存在的問題。如需要對配電電力設備進行拆卸操作，則應嚴格按照配電電力設備中的說明書要求進行操作，防止對配電電力設備造成損壞。同時還應對配電電力設備進行維護，保證配電電力設備的運行環境較為良好。在對配電電力設備進行維護的過程中，除對某些關鍵設施進行維護管理之外，也應對配電電力設備中其他的組件進行維護管理，使得這些組件的功能、性能都能得到很好的發揮，從而保證整個配電電力設備的性能。

4 結語

建設智能配電網，對于提高配電系統的供電可靠性、降低負荷損失等方面具有關鍵作用。人工智能技術和深度學習技術的應用是構建智能配電網的關鍵，在包括與儲能技術進行聯合調度、提高對配電系統異常數據識別的準確度等智能配電網的運維中，應擴大人工智能技術和深度學習技術的應用。