一种基于高可靠性的中压配电网优化方法及系统与流程

1.本发明涉及电网优化技术领域，尤其涉及一种基于高可靠性的中压配电网优化方法及系统。


背景技术：

2.自20世纪90年代以来，随着地区和城乡经济的发展，电网的负荷密集程度进一步加大，城市中压配电网的规模也正日趋复杂化与庞大化，提高供电的可靠性优化中压配电网成为了城市配电网建设的当务之急。在当前的互联电网中，一旦出现了能够引发电网大面积停电的严重事故，将会对国民经济造成巨大的损失，给社会带来严重的负面影响。高速、准确动作的继电保护和可靠、及时的紧急控制能够减小互联电网大面积停电事故的影响范围。
3.随着广域保护系统的提出，可以使得互联电网快速、可靠和准确地消除故障发生的概率，同时能够根据故障消除前后电网潮流分布和拓扑结构变化的情况，判断消除故障可能对系统安全稳定运行产生的影响，从而有选择地采取切机、切负荷和电网重构等预防性措施来对频率和电压进行控制，使系统从一个运行状态平稳地过渡到另一个稳定运行的状态，不必等待系统参数偏离正常值之后再采取措施。在预防性措施万一不能奏效的情况下，可以采取协调一致的紧急控制措施，防止发生大规模的联锁跳闸和崩溃。虽然，广域保护系统的提出为保证互联电网的安全稳定运行提供了重要控制手段。但是，实时可靠的通信是实现广域保护系统的关键。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有存在的问题，提出了本发明。因此，本发明提供了一种基于高可靠性的中压配电网优化方法，用来解决实际问题中，高速通信网络对配电网数据传输不准确、数据同步采样不及时导致故障无法及时处理的问题。
6.为解决上述技术问题，本发明提供如下技术方案：
7.第一方面，本发明提供了一种基于高可靠性的中压配电网优化方法，包括：
8.基于高速通信通道进行实时数据交换，同时采用长短波授时时间同步技术为测量数据加上精确时标，建立新型广域保护通信系统；
9.采用以太网和路由技术对配电网内各种设备保护信息进行数据共享，实现配电网保护信息的可视化显示；
10.通过基于卫星和地面网络传输的高可靠性授时技术，实现区域内保护数据的同步采样。
11.作为本发明所述的基于高可靠性的中压配电网优化方法的一种优选方案，其中：
所述建立广域保护通信系统，包括：
12.广域保护通信系统由变电站内部的局域网、多个变电站与广域决策单元的光纤环网组成。
13.作为本发明所述的基于高可靠性的中压配电网优化方法的一种优选方案，其中：所述广域决策单元的光纤环网，包括：
14.将广域内所有变电站的中间层，使用一个光纤环网进行连接；
15.各个变电站的内部，通过多个路由器组成一个局域网。
16.作为本发明所述的基于高可靠性的中压配电网优化方法的一种优选方案，其中：采用以太网和路由技术对配电网内各种设备保护信息进行数据共享，包括：
17.基于高速数据通信网络和网络对时同步数据，利用高速网络将变电站内的数据进行共享，实现变电站站域保护控制功能。
18.作为本发明所述的基于高可靠性的中压配电网优化方法的一种优选方案，其中：实现变电站站域保护控制功能，包括：
19.将若干变电站作为一个区域电网，利用高速数据网络将区域内各变电站的数据通过无线通信的方式上送到区域主站，实现区域保护控制功能；
20.将若干区域电网作为一个广域电网，利用高速数据网络将广域电网内各区域主站的数据通过无线通信的方式上送到广域主站，实现广域保护控制功能。
21.作为本发明所述的基于高可靠性的中压配电网优化方法的一种优选方案，其中：实现区域内保护数据的同步采样，包括：
22.将广域电网内的各区域主站和区域电网所属的变电站站域子站通过光纤互联，构建新型保护控制系统；
23.通过新型保护控制系统，筛选需要的保护单元；
24.筛选过程步骤为：当主保护拒动或断路器失灵时，系统根据被保护的电力系统拓扑结构以及故障线路位置，将主保护拒动或断路器失灵时未出现故障的线路位置与对应的设备进行筛选，筛选出需要作为后备保护动作的保护单元；
25.其中，以太网向对应的设备智能操作箱发出跳闸指令，根据实际电力系统的拓扑结构，构建训练集；
26.设备智能操作箱根据所述构建的训练集，跳开故障线路上的各侧断路器，设定时间时延，判断故障线路是否还存在电流，如果线路故障存在电流，则认为该线路上的断路器失灵，舍弃当前线路，并切断与其相关的断路器设备，将切断的设备编号通过线路信号预警器返回给设备智能操作箱，给出提示信息并重置构建的训练集中的故障处理数据；否则通过以太网向对应的设备智能操作箱发出跳闸指令，同时将线路信号预警器重置，跳开故障线路位置的上一级的断路器，保护后继电路设备。
27.作为本发明所述的基于高可靠性的中压配电网优化方法的一种优选方案，其中：所述构建训练集，包括：
28.利用电力系统拓扑结构的及时性和通用性特性，对设备智能箱中的继电器和可编程控制器进行机器学习训练，产生电路故障时的响应时域信息；
29.其中，机器学习训练采用的是卷积神经网络的深度学习法；
30.通过所述电路故障时的响应时域信息，构建电路二维故障时域模型；
31.基于电路二维故障时域模型，将原始电路可能会发生的故障处理数据连接到自编码神经网络中，并进行归一化处理，步骤如下：
32.利用电力系统拓扑结构的及时性和通用性特性，对设备智能箱中的继电器和可编程控制器进行机器学习训练，产生电路故障时的响应时域信息；
33.通过所述电路故障时的响应时域信息，构建电路二维故障时域模型；
34.基于电路二维故障时域模型，将原始电路可能会发生的故障处理数据连接到自编码神经网络中，并进行归一化处理，步骤如下：
35.进行电路可能会发生的故障处理判断时，二维故障时域模型会根据当前的电路故障范围选择多条原始电路，通过提取各个线路在不同情况下受到故障的特征信息进行汇总；将汇总后故障的特征信息与各线路故障输出的故障响应曲线做对比，选择故障响应曲线波动最大的响应曲线作为可能会发生的电路故障处理数据，同时将故障响应曲线最小的作为预备故障电路处理数据，通过线路信号预警器进行线路标记；经过此过程的反复迭代，直到所述故障处理数据全部连接到自编码神经网络中；
36.通过所述归一化处理过后的数据，结合当前系统运行的故障电路情况进行优化预警。
37.第二方面，本发明提供了一种基于高可靠性的中压配电网优化系统，其包括：
38.数据交换单元，用于采集数据，并通过高速通信通道进行实时数据的交换；
39.信息可视化单元，用于对配电网保护信息的可视化显示；
40.同步采样单元，用于对电网区域内的保护数据进行同步采样。
41.第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述方法的任一步骤。
42.第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述方法的任一步骤。
43.与现有技术相比，发明有益效果为：本发明通过建立新型广域保护通信系统，利用高信息传输通道和共享机制对配电网数据信息进行保护和控制，实现对配电网信息的可视化显示；采用卫星和地面网络传输的高可靠性授时技术，实现数据的同步采样，以及时处理故障下的电网信息，增强配电网的稳定状态。
附图说明
44.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
45.图1为本发明一个实施例所述的基于高可靠性的中压配电网优化方法的整体流程图；
46.图2为本发明一个实施例所述的基于高可靠性的中压配电网优化方法的电压mmc模拟故障图；
47.图3为本发明一个实施例所述的基于高可靠性的中压配电网优化方法的神经网络与深度学习算法优化对比图。
具体实施方式
48.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
49.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
50.其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
51.本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
52.同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
53.本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
54.实施例1
55.参照图1，为本发明第一个实施例，该实施例提供了一种基于高可靠性的中压配电网优化方法，包括：
56.s1、基于高速通信通道进行实时数据交换、采用时间同步技术为测量数据加上精确时标，建立新型广域保护通信系统；
57.进一步的，新型广域保护通信系统结构包括，变电站内部的局域网、多个变电站与广域决策单元的光纤环网；
58.应当说明的是，广域决策单元与广域内所有变电站中间层通过一个光纤环网联接起来，在各个变电站内通过多个路由器组成一个局域网；
59.s2、采用以太网和路由技术实现网内各设备保护信息的数据共享，实现配电网保护信息的可视化；
60.进一步的，基于高速数据通信网络和网络对时同步数据，利用高速网络将变电站内的数据进行共享，实现变电站站域保护控制功能；
61.进一步的，将若干变电站作为一个区域电网，利用高速数据网络将区域内各变电站的数据通过无线通信的方式上送到区域主站，实现区域保护控制功能；
62.进一步的，将若干区域电网作为一个广域电网，利用高速数据网络将广域电网内
各区域主站的数据通过无线通信的方式上送到广域主站，实现广域保护控制功能；
63.进一步的，将广域电网内的各区域主站和区域电网所属的变电站站域子站通过光纤互联，构建新型保护控制系统；
64.通过新型保护控制系统，筛选需要的保护单元；
65.筛选过程步骤为：当主保护拒动或断路器失灵时，系统根据被保护的电力系统拓扑结构以及故障线路位置，将主保护拒动或断路器失灵时未出现故障的线路位置与对应的设备进行筛选，筛选出需要作为后备保护动作的保护单元；
66.其中，以太网向对应的设备智能操作箱发出跳闸指令，根据实际电力系统的拓扑结构，构建训练集；
67.设备智能操作箱根据所述构建的训练集，跳开故障线路上的各侧断路器，设定时间时延，判断故障线路是否还存在电流，如果线路故障存在电流，则认为该线路上的断路器失灵，舍弃当前线路，并切断与其相关的断路器设备，将切断的设备编号通过线路信号预警器返回给设备智能操作箱，给出提示信息并重置构建的训练集中的故障处理数据；否则通过以太网向对应的设备智能操作箱发出跳闸指令，同时将线路信号预警器重置，跳开故障线路位置的上一级的断路器，保护后继电路设备；
68.进一步的，构建训练集包括：
69.利用电力系统拓扑结构的及时性和通用性特性，对设备智能箱中的继电器和可编程控制器进行机器学习训练，产生电路故障时的响应时域信息；
70.通过电路故障时的响应时域信息，构建电路二维故障时域模型；
71.基于电路二维故障时域模型，将原始电路可能会发生的故障处理数据连接到自编码神经网络中，并进行归一化处理；
72.进一步的，将原始电路可能会发生的故障处理数据连接到自编码神经网络中包括：
73.利用电力系统拓扑结构的及时性和通用性特性，对设备智能箱中的继电器和可编程控制器进行机器学习训练，产生电路故障时的响应时域信息；
74.其中，机器学习训练采用的是卷积神经网络的深度学习法；
75.通过所述电路故障时的响应时域信息，构建电路二维故障时域模型；
76.基于电路二维故障时域模型，将原始电路可能会发生的故障处理数据连接到自编码神经网络中，并进行归一化处理，步骤如下：
77.进行电路可能会发生的故障处理判断时，二维故障时域模型会根据当前的电路故障范围选择多条原始电路，通过提取各个线路在不同情况下受到故障的特征信息进行汇总；将汇总后故障的特征信息与各线路故障输出的故障响应曲线做对比，选择故障响应曲线波动最大的响应曲线作为可能会发生的电路故障处理数据，同时将故障响应曲线最小的作为预备故障电路处理数据，通过线路信号预警器进行线路标记；经过此过程的反复迭代，直到所述故障处理数据全部连接到自编码神经网络中；
78.通过所述归一化处理过后的数据，结合当前系统运行的故障电路情况进行优化预警；
79.应当说明的是，本发明是在电网的非对称故障下进行线路故障和设备筛选，以保证电压电流的传输率；机器学习训练采用神经网络与深度学习法，以实现故障线路的全线
移动机制；
80.s3、通过基于卫星和地面网络传输的高可靠性授时技术，实现区域内保护数据的同步采样；
81.进一步的，本实施例还提供基于高可靠性的中压配电网优化系统，包括：
82.数据交换单元，用于采集数据，并通过高速通信通道进行实时数据的交换；
83.信息可视化单元，用于对配电网保护信息的可视化显示；
84.同步采样单元，用于对电网区域内的保护数据进行同步采样。
85.本实施例还提供一种计算设备，适用于基于高可靠性的中压配电网优化方法的情况，包括：
86.存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的实现基于高可靠性的中压配电网优化方法。
87.本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的实现高可靠性的中压配电网优化方法。
88.本实施例提出的存储介质与上述实施例提出的实现考虑源荷波动的配电网中长期可靠性评估方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
89.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(readonly，memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
90.实施例2
91.参照图2，为本发明第二个实施例，该实施例提供了一种基于高可靠性的中压配电网优化方法，包括：
92.本发明通过构建的新型广域保护系统对电网在非对称故障下的传输率进行实验数据对比；
93.如表1所示，利用matlab中的函数解决最优化问题；同时，在系统中搭建了相应的对称伪双极系统，其中mmc2采用定直流电压控制，mmc1采用定功率控制，负序内环电流解耦控制器的电流参考值采用表1中的理论计算值；参考表1如下：
94.表1
[0095][0096]
case1，在0秒时刻，系统从停运态开始正常启动，系统正常运行即交流系统电压跌落百分比为0，逐步提高mmc1的传输功率直至系统允许的最大值，系统仿真结果如图2-b所
示；仿真结果表明，mmc1最大可传输的有功功率为989.57mw；
[0097]
case2，在0秒时刻，系统从停运态开始正常启动，2s时刻mmc1开始逐步增加输出的功率，5s时刻mmc1交流侧发生a相经92电阳接地故障(交流系统电压跌落百分比为50％)，故障持续1s；系统仿真结果如图2-b所示；仿真结果表明，mmc1最大可传输的有功功率为794.54mw；
[0098]
case3，在0秒时刻，系统从停运态开始正常启动，2s时刻mmc1开始逐步增加输出的功率，5s时刻mmc1交流侧发生a相直接接地故障(交流系统电压跌落百分比为100％)，故障持续1s；系统仿真结果如图2-b所示；仿真结果表明，mmc1最大可传输的有功功率为693.87mw；
[0099]
从图2-a中可以看到mmc1和mmc2同时从0秒时刻开始进行极间直流电压的输出，mmc1在0.26秒时刻呈上升趋势，此时的极间直流电压输出占比超过mmc2在0.26秒时刻输出的电压；当遇到电压故障时，电压相应发生换流反应，在4.31秒时刻输出的电压，可以看到mmc2明显超过mmc1，说明mmc2的接地故障率比mmc1低，能够使得故障电压达到更加稳定的效果；
[0100]
仿真结果与计算值相比，两者误差小于2％；误差主要是由于理论计算时并没有将mmc换流站和换流变的损耗考虑在内，同时没有考虑桥臂环流的影响；但是从图2-c能够看出mmc上桥臂电流的三相不平衡度(ita、itb、itc)；随着上桥臂电流产生的电能损耗，导致其负载轻的一相就有富余容量，从而使配变的出力减少，随着时间段在2秒的位置，三相负载不平衡越大，配变出力减少越多；而在实际系统中mmc换流站中的2倍频环流不可能完全被抑制到0；因此，在误差允许的范围内，pscad的仿真结果还是验证了该非对称故障下系统最大传输功率策略的正确性；进一步说明本发明构建的新型广域保护系统能够提高故障状态下的数据传输率。
[0101]
实施例3
[0102]
参照图3，为本发明第三个实施例，该实施例提供了一种基于高可靠性的中压配电网优化方法，包括：
[0103]
通过对本发明所提到的机器学习训练中的卷积神经网络的深度学习法，同对抗网络算法进行实验数据对比说明，参考表2如下：
[0104]
表2
[0105][0106]
由此可见，通过设备的电流输出值和实验模拟电压测试值，在非对称故障下与对抗网络的深度学习算法相比，本发明提出卷积神经网络的深度学习法更加高效，使得故障
误差率参数降低了40％以上，提高了模型训练效率；
[0107]
通过图3在0.28秒的位置，本发明故障下电压要略高于同等算法下的电压，是因为模拟实验中采用的是定直流电压控制，相对于其他的电流控制更加稳定；在0.3秒位置达到电压最高峰，此时本发明算法的电压低于对抗网络算法下的电压，是因为定直流电压满足了线性调节的约束条件，从而导致电压略低；但在0.4秒之后的时间段中，本发明算法的电压一直高于对抗网络算法下的电压曲线，并且与对抗网络算法相比，电压能够处于更加稳定的状态；综合所有的实验数据和图表电压曲线，不难得到本发明提出的神经网络的深度学习法能够使得电压更加稳定，从而更好的应用于新型广域保护系统，并且有效减少了电压故障率。
[0108]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种基于高可靠性的中压配电网优化方法，其特征在于，包括：基于高速通信通道进行实时数据交换，同时采用长短波授时时间同步技术为测量数据加上精确时标，建立新型广域保护通信系统；采用以太网和路由技术对配电网内各种设备保护信息进行数据共享，实现配电网保护信息的可视化显示；通过基于卫星和地面网络传输的高可靠性授时技术，实现区域内保护数据的同步采样。2.如权利要求1所述的基于高可靠性的中压配电网优化方法，其特征在于，所述建立新型广域保护通信系统，包括：广域保护通信系统由变电站内部的局域网、多个变电站与广域决策单元的光纤环网组成。3.如权利要求1或2所述的基于高可靠性的中压配电网优化方法，其特征在于，所述广域决策单元的光纤环网，包括：将广域内所有变电站的中间层，使用一个光纤环网进行连接；各个变电站的内部，通过多个路由器组成一个局域网。4.如权利要求3所述的基于高可靠性的中压配电网优化方法及系统，其特征在于，采用以太网和路由技术对配电网内各种设备保护信息进行数据共享，包括：基于高速数据通信网络和网络对时同步数据，利用高速网络将变电站内的数据进行共享，实现变电站站域保护控制功能。5.如权利要求4所述的基于高可靠性的中压配电网优化方法，其特征在于，实现变电站站域保护控制功能，包括：将若干变电站作为一个区域电网，利用高速数据网络将区域内各变电站的数据通过无线通信的方式上送到区域主站，实现区域保护控制功能；将若干区域电网作为一个广域电网，利用高速数据网络将广域电网内各区域主站的数据通过无线通信的方式上送到广域主站，实现广域保护控制功能。6.如权利要求4或5所述的基于高可靠性的中压配电网优化方法，其特征在于，实现区域内保护数据的同步采样，包括：将广域电网内的各区域主站和区域电网所属的变电站站域子站通过光纤互联，构建新型保护控制系统；通过新型保护控制系统，筛选需要的保护单元；筛选过程步骤为：当主保护拒动或断路器失灵时，系统根据被保护的电力系统拓扑结构以及故障线路位置，将主保护拒动或断路器失灵时未出现故障的线路位置与对应的设备进行筛选，筛选出需要作为后备保护动作的保护单元；其中，以太网向对应的设备智能操作箱发出跳闸指令，根据实际电力系统的拓扑结构，构建训练集；设备智能操作箱根据所述构建的训练集，跳开故障线路上的各侧断路器，设定时间时延，判断故障线路是否还存在电流，如果线路故障存在电流，则认为该线路上的断路器失灵，舍弃当前线路，并切断与其相关的断路器设备，将切断的设备编号通过线路信号预警器返回给设备智能操作箱，给出提示信息并重置构建的训练集中的故障处理数据；否则通过
以太网向对应的设备智能操作箱发出跳闸指令，同时将线路信号预警器重置，跳开故障线路位置的上一级的断路器，保护后继电路设备。7.如权利要求6所述的基于高可靠性的中压配电网优化方法，其特征在于，所述构建训练集，包括：利用电力系统拓扑结构的及时性和通用性特性，对设备智能箱中的继电器和可编程控制器进行机器学习训练，产生电路故障时的响应时域信息；其中，机器学习训练采用的是卷积神经网络的深度学习法；通过所述电路故障时的响应时域信息，构建电路二维故障时域模型；基于电路二维故障时域模型，将原始电路可能会发生的故障处理数据连接到自编码神经网络中，并进行归一化处理，步骤如下：进行电路可能会发生的故障处理判断时，二维故障时域模型会根据当前的电路故障范围选择多条原始电路，通过提取各个线路在不同情况下受到故障的特征信息进行汇总；将汇总后故障的特征信息与各线路故障输出的故障响应曲线做对比，选择故障响应曲线波动最大的响应曲线作为可能会发生的电路故障处理数据，同时将故障响应曲线最小的作为预备故障电路处理数据，通过线路信号预警器进行线路标记；经过此过程的反复迭代，直到所述故障处理数据全部连接到自编码神经网络中；通过所述归一化处理过后的数据，结合当前系统运行的故障电路情况进行优化预警。8.一种基于高可靠性的中压配电网优化系统，基于权利要求1～7任一所述的基于高可靠性的中压配电网优化方法，其特征在于，包括：数据交换单元，用于采集数据，并通过高速通信通道进行实时数据的交换；信息可视化单元，用于对配电网保护信息的可视化显示；同步采样单元，用于对电网区域内的保护数据进行同步采样。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述方法的步骤。

技术总结
本发明公开了一种基于高可靠性的中压配电网优化方法，包括基于高速通信通道进行实时数据交换，同时采用长短波授时时间同步技术为测量数据加上精确时标，建立新型广域保护通信系统；构建训练集，并采用以太网和路由技术对配电网内各种设备保护信息进行数据共享，实现配电网保护信息的可视化显示；通过基于卫星和地面网络传输的高可靠性授时技术，实现区域内保护数据的同步采样；本发明建立的新型广域保护系统能够提高故障下的电网传输率，并降低电压预警时候的故障率，结合实际卫星和地面网络传输的高可靠性授时技术，完成对数据的同步采样。样。样。


技术研发人员：余万荣 欧阳广泽 郭建平 彭程 韦锋 杨祥 徐小东 丁宇洁 肖小兵 李欢 何晔
受保护的技术使用者：贵州电网有限责任公司
技术研发日：2023.03.31
技术公布日：2023/7/22