(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211111793.5 (22)申请日 2022.09.13 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 申请人 国网河南省电力公司电力科 学研究 院 (72)发明人 苗世洪　姚福星　涂青宇　王廷涛　 王子欣　李丰君　孙芊　冯光　 徐铭铭　徐恒博　董轩　张建宾　 陈明　牛荣泽　谢芮芮　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 王颖翀(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 考虑强对流天气的乡镇配电网树线矛盾预 警及处理方法 (57)摘要 本发明公开了一种考虑强对流天气的乡镇 配电网树线矛盾预警及处理方法， 基于SVM建立 了乡镇配电网各区域强对流天气 ‑树线矛盾映射 模型， 实现了树障接地风险的分区预警； 并基于 风险预警结果， 综合考虑清障资源约束、 清障班 组工作时间约束等条件， 以总体经济投入和停电 损失最小为目标， 建立了计及强对流天气影响的 乡镇配电网树线矛盾双层优化处理模 型， 决策各 矛盾易发点的清障计划。 方法充分考虑了强对流 天气的地域关联特性 以及乡镇供电公司的清障 条件， 能够有效挖掘强对流天气与树线矛盾间的 映射关系， 为树障接地风险防控提供理论依据， 并妥善权衡各矛盾易发点的清障成本和停电损 失， 给出经济性最优的事前清障计划。 权利要求书3页 说明书15页 附图3页 CN 115526383 A 2022.12.27 CN 115526383 A 1.一种考虑强对流天气的乡镇配电网树线矛盾预警及处 理方法， 其特 征在于， 包括： S1， 根据R个乡镇的行政区划信息进行区域划分得到R个区域； S2， 建立R个SVM分类模型， 分别对所述R个区域的历史强对流气象监测信息进行预处理 得到R个特征变量， 以所述R个特征变量及在所述历史强对流气象下第i个区域的树障接地 故障标志作为训练集， 对第i个SVM分类模型进行训练； i ＝1,2,…,R； S3， 将对各区域的强对流气象预报信息进行预处理后得到的特征变量， 分别输入对应 的训练好的SVM分类模型中， 得到各区域 树障接地故障的预测结果及对应的故障概 率； S4， 以树线矛盾易发点所属区域的树障接地风险概率作为其故障概率； 建立包括决策 层和调度层的树线矛盾优化处 理模型； 所述决策层包括事前清障决策模型， 其优化目标为日前清障成本、 日前清障产生的计 划性停电损失、 日内配电网发生 故障后的清障成本以及日内配电网故障和清障造成的停电 损失之和最小， 约束条件包括清障作业点数目约束； 其中， 日前为正常天气， 日内为强对流 天气； 所述日内配电网发生 故障后的清障成本及日内配电网故障和清障造成的停电损失根 据各树线矛盾易发点的故障概 率获取； 所述调度层包括清障班组调度模型， 其优化目标为所述日前清障成本与日前清障产生 的计划性停电损失之和最小， 约束条件包括清障资源约束、 停电损失约束、 清障时长约束、 清障班组工作状态约束、 清障班组工作时长约束和清障班组修整时长约束； S5， 所述决策层在事前清障决策模型的约束条件范围内随机生成各树线矛盾易发点的 初始清障决策结果并下发至所述调 度层， 所述调度层根据所述清障决策结果对所述清障班 组调度模型进 行求解以得到清障班组工作计划， 并将所述清障班组工作计划相应的清障成 本反馈给决策层； 决策层结合反馈得到的清障成本和事前清障决策模型 的目标函数， 随机 生成新的清障决策结果， 在穷尽所有树线矛盾易发点的清障决策结果后， 得出最优事前清 障计划结果。 2.如权利要求1所述的方法， 其特征在于， 分别对所述R个区域各时刻的强对流气象监 测信息按照时间标度对齐， 并进行 数据编码及标幺化， 得到R个特 征变量。 3.如权利要求1或2所述的方法， 其特征在于， 所述监测信 息及预报信 息均包括温度、 湿 度、 风速、 降雨 量、 风向和风力级别。 4.如权利要求1所述的方法， 其特征在于， 所述日内配电网发生故障后的清障成本 所述日内配电网故障和清障造成的停电损失 其中， n为树线矛盾易发点总数； Piextr为树线矛盾易发点i强对流天气下的故障概率； 为强对流天气下的单位时间清障成本； Ticlear‑extr为树线矛盾易发点i强对流天气下 的清障时长； ui为树线矛盾易发点i是否采取清障作业的标志变量， ui＝1表示矛盾易发点i 采取事前清障措施， ui＝0则表示矛盾易发点i并未采取治理措施； 为树线矛盾易发点i 的单位时间停电损失； Tifail‑extr为树线矛盾易发点 i强对流天气下的停电时长；权　利　要　求　书 1/3 页 2 CN 115526383 A 2所述日前清障成本 所述日前清障产生的计划性停电损失 其中， N为清障班组数目， T为 一天的时长即24小时； 为正常天气条件下清障班组 j的单位时间工作成本； 为t时段清障班 组j的工作 标志变量， 表示t时段清障班 组j在矛盾易发点i处于工作状态， 反之则处于休息状态或在其它矛盾易发点处于工作状 态； 为t时段矛盾易发点i 是否采取清障措 施的标志变 量， 表示t时段矛盾易发点i 正在进行清障作业， 则表示t时段矛盾易发点 i并未处于清障状态。 5.如权利要求1所述的方法， 其特征在于， 所述清障作业点数目约束为： 其 中， nmax为事前清障作业 点数目上限； 所述清障资源约束为： 其中， Nmax为同一时段允许的最大清 障班组工作数量； 所述停电损失约束为： 其中， Cmax为同一时段允许的最大 停电损失量； 所述清障时长约束为 其中， Ti,min为树线矛盾易发点 i的最小清障时长； 所述清障班组工作状态约束为： 所述清障班组工作时长约束为： 其中， 为清障班组j在树线 矛盾易发点i的工作时长， 为清障班组j在树线矛盾易发点i的剩余工作时长， 为清障 班组j的最大工作时长； 该约束条件表明： 第j个清障班组最多只能工作 个小时； 所述清障班组修整时长约束为： 其中， 为清障班组j的休息 时长， 为清障班组j的最小休息时长， fpc(·)为正比例函数。 6.如权利要求1所述的方法， 其特征在于， 采用粒子群算法求解所述事前清障决策模 型， 步骤S5包括： S51， 决策层采用粒子群优化算法， 在事前清障决策模型的约束条件范围内初始化各粒 子的位置及速度； S52， 各粒子将其位置参数传递给调度层， 调度层根据传递的参数求解所述清障班 组调 度模型得到各清障班组工作计划， 并将相应的清障成本反馈给决策层；权　利　要　求　书 2/3 页 3 CN 115526383 A 3