[发明专利]考虑暴雨时空分布的分布式供电系统涉电安全感知方法

说明书

本发明公开了一种考虑暴雨时空分布的分布式供电系统涉电安全感知方法，本发明首先建立了考虑积水深度和微地形环境的分布式供电光储系统多维度并联寄生电容计算模型，提出考虑雨峰中心、云层移动、降雨强度与历时等暴雨时空分布特征与分布式供电系统运行状态之间的多源时空分层关联分析方法，构建了考虑暴雨时程与空间分布不均衡性和随机性的分布式供电光储系统漏电流风险概率预测模型，开发了基于深度元学习的分布式供电系统涉电安全风险感知技术；该技术能够准确感知暴雨灾害下地面积水引发分布式供电光储系统的漏电流安全风险，及时识别分布式供电系统涉电公共安全隐患的时空分布范围，避免恶劣天气下触电人身伤亡事故。

技术领域

本发明涉及供电及储能系统技术领域，具体涉及一种考虑暴雨时空分布的分布式供电系统涉电安全感知方法。

背景技术

近年来，国内暴雨灾害频发，暴雨的时程与空间分布具有随机性，表现为降雨时空分布极不均衡、暴雨中心众多、局地强降雨频现等复杂时空分异特征，暴雨时空分异特性使得分布式供电系统内涝的发生具有随机性，其引发的积水会导致供电系统漏电流升高而超过限值，从而引发触电等涉电安全问题。在整县推进屋顶分布式光伏开发试点工作政策的背景下，大量分布式光储设备接入县域级电网，分布式供电系统涉电公共安全问题将更加突出。

目前，现有漏电感知技术未考虑暴雨极端情况下产生的积水对分布式供电系统漏电流的影响，并且未对暴雨时空分布特征与供电系统运行状态特征参数进行多维时空相关性分析，无法挖掘气象因素与涉电安全隐患风险之间的关系，暴雨情况下漏电流风险感知技术还处于技术空白，亟需开发一种考虑暴雨时空分布的分布式供电系统涉电安全感知方法以填补此项空白，对保障人身安全具有重要意义。

发明内容

本发明的主要目的是提供一种考虑暴雨时空分布的分布式供电系统涉电安全感知方法，旨在解决现有漏电感知技术未考虑暴雨极端情况下产生的积水对分布式供电系统漏电流的影响的问题。

本发明提出的技术方案为：

一种考虑暴雨时空分布的分布式供电系统涉电安全感知方法，包括：

推导考虑积水深度和微地形环境的分布式供电光储系统多维度并联寄生电容解析模型，以建立暴雨情况下分布式供电光储系统漏电流计算模型；

采集数据集并对数据集进行预处理，并将数据集划分为支撑集、查询集、训练集以及测试集，其中，所述数据集包括输入参数和输出参数，所述输入参数为暴雨时空分布特征参数和光储微地形特征参数，所述输出参数为模型拟合参数和微地形拟合参数，暴雨时空分布特征参数包括雨峰位置、云层移动、降雨强度以及降雨历时，光储微地形特征参数包括屋顶长度、屋顶宽度、屋顶倾斜角、屋顶排水速率、单位面积光伏安装量、光伏安装倾斜角以及单位面积储能电池安装量；

将待预测区域暴雨时空分布特征参数与周围区域暴雨时空分布特征参数进行时空相关性分析，选择相关性高的区域的暴雨时空分布特征参数加入待测区域样本中对所述漏电流计算模型进行训练；

建立考虑暴雨时程与空间分布不均衡性和随机性的分布式供电光储系统漏电流风险概率预测模型，以通过所述漏电流计算模型和所述漏电流风险概率预测模型对待预测区域进行漏电风险感知。

优选的，所述建立考虑暴雨时程与空间分布不均衡性和随机性的分布式供电光储系统漏电流风险概率预测模型，以通过所述漏电流计算模型和所述漏电流风险概率预测模型对待预测区域进行漏电风险感知，包括：

建立基于深度元学习的分布式供电光储系统涉电安全隐患风险感知模型；

将数据集作为训练样本，并将训练样本按时空分布划分为不同子任务样本，通过子任务样本对风险感知模型分别进行预训练；

将预训练所得到的各权重与偏置参数按其与待测区域样本时空相关性大小通过软更新的方式更新正式训练模型的权重与偏置参数；