[发明专利]一种基于神经网络的远景220kV电网组网方法及其系统

说明书

本发明公开了一种基于神经网络的远景220kV电网组网方法及系统，所述方法包括：将规划变电站500kV母线的短路电流、规划变电站主变压器阻抗、220kV片区的发电厂额定有功功率、220kV片区的发电厂接入电网的电压等级和规划变电站并列运行的主变压器台数共五个参数分别输入至预设BP神经网络模型；所述预设BP神经网络模型根据上述参数进行组网，并输出与组网方式对应的短路电流值；在所述短路电流值小于或等于最大预设短路电流时，将所述短路电流值对应的组网方式更新至可行组网方式库。本发明计算短路电流时无需构建详细电路模型，简化了工作流程，提高短路电流计算的效率和结果的准确性，可用于远景220kV网络组网规划。

技术领域

本发明涉及电网组网技术领域，特别是涉及一种基于神经网络的远景220kV电网组网方法及其系统。

背景技术

目前，针对采用短路计算并校核短路电流上限的组网方法，短路电流计算是其关键。其中，BPA短路电流计算通常分为基于潮流和基于网架两种基本方法，两种计算模式都首先要搭建复杂的大电网网架、完成众多元件参数的填写，适用于现有或5-10年内网架；对于更长远的网架，适用性较差。而电力系统规划设计的远期短路电流计算，一般采用简化或近似计算，需要做出假设：如假设故障前为空载、故障前所有节点电压标幺值等于1；假设系统各元件的电阻略去不计，只计算短路电流基频的周期分量；假定大电网提供给某500kV变电站高压侧母线短路电流接近开关限值，测算极端情况下220kV片网运行方式的承载力等，因此往往存在参数不确定的情况，包括电源电抗参数不确定、线路长度不确定等，从而导致计算结果不精确；同时前面所述的假设条件不确定或出现组合多的情况，会导致短路电流计算复杂、效率低下，最终导致组网方案具有较大的盲目性。

发明内容

本发明的目的在于提供一种基于神经网络的远景220kV电网组网方法及其系统。该方法无需构建详细电路模型计算短路电流，简化了工作流程，提高短路电流计算的效率和结果的准确性，可用于远景220kV网络组网规划。

为了克服上述现有技术中的缺陷，本发明实施例提供一种基于神经网络的远景220kV电网组网方法，包括：

将规划变电站500kV母线的短路电流、规划变电站主变压器阻抗、220kV片区的发电厂额定有功功率、220kV片区的发电厂接入电网的电压等级和所述规划变电站并列运行的主变压器台数分别输入至预设BP神经网络模型；

所述预设BP神经网络模型根据所述500kV母线的短路电流、所述主变压器阻抗、所述220kV片区的发电厂额定有功功率、所述220kV片区的发电厂接入电网的电压等级和所述主变压器台数进行组网，并输出与组网方式对应的短路电流值；

在所述短路电流值小于或等于最大预设短路电流时，将所述短路电流值对应的组网方式更新至可行组网方式库。

优选地，所述基于神经网络的远景220kV电网组网方法，还包括：

保持规划变电站500kV母线的短路电流、规划变电站主变压器阻抗、220kV片区的发电厂额定有功功率和220kV片区的发电厂接入电网的电压等级不变，分别输入至预设BP神经网络模型；

将所述规划变电站并列运行的主变压器台数从1至预设的最大台数依次输入至所述预设BP神经网络模型；

所述预设BP神经网络模型根据所述500kV母线的短路电流、所述主变压器阻抗、所述220kV片区的发电厂额定有功功率、所述220kV片区的发电厂接入电网的电压等级和所述主变压器台数进行组网，并输出与每种所述组网方式对应的短路电流值；

在所述短路电流值小于或等于最大预设短路电流时，将所述短路电流值对应的组网方式更新至可行组网方式库。

优选地，所述预设BP神经网络模型的构建方式，包括：