论文部分内容阅读
智能变电站采用光缆取代大量的电缆接线,使用GOOSE(Generic Object Oriented Substation Event)、SV(Sampled Value)等网络,完成IED(Intelligent Electronic Devices)间过程层的信息传递。为了方便智能变电站的设计、调试和运维,国内提出了虚端子的概念。现阶段,国内智能变电站虚端子连接工作主要依靠设计院人员手动完成,工作量大,时间长且容易出错,对智能变电站的安全运行造成隐患。因此采用计算机自动连接智能变电站IED间的虚端子成为了当前的研究方向。由于智能变电站内的IED种类型号繁多,不同设备生产厂家对同一类型的虚端子表示形式不一,而且虚端子连接的规则十分复杂,使用传统的字符串匹配方法实现虚端子自动连接存在巨大的困难。随着机器学习技术的发展和实际运行的智能变电站数量的增加,为使用机器学习方法学习智能变电站虚端子连接规则创造了条件。本文主要工作内容如下:1)针对智能变电站二次设备种类和数量较多、相互连接复杂的问题,本文提出了基于智能变电站电气间隔和IED功能的二次设备关联模板库。通过电气间隔和IED功能划分二次设备间隔,给出了典型二次间隔的相关IED的配置和逻辑信息流图,得到二次设备关联模板库。从而将全站虚端子连接问题分解为相连IED间的虚端子匹配问题。2)针对当前设计院的虚端子连接严重依赖于设计人员对智能变电站虚连接的熟悉程度的弊端,本文提出了基于k近邻学习(k-Nearest Neighbor,kNN)的虚端子自动匹配方法,实现IED间的虚端子的自动连接。该方法利用已有智能变电站SCD文件中获取虚连接信息作为样本集,将接收IED的输入虚端子和与之相连的发送IED的输出虚端子的虚端子组合作为测试数据,通过计算测试数据与样本集的距离,再使用投票方法选取合适的虚端子组合作为自动匹配结果。同时给出了自动匹配结果的可信度计算方法。3)针对不同设备生产厂家对同一类型的虚端子表示形式不一的问题,同时为了获取合适的kNN学习方法中的虚连接距离度量,本文提出了基于权重向量优化的方法对虚连接距离进行计算。通过分析虚连接组成成分的特征,引入智能变电站的专业知识,计算虚连接组成属性的距离,同时利用已有智能变电站虚连接信息,构建了距离权重向量优化模型,并通过粒子群优化算法进行求解,获得可以表示待匹配IED虚连接特征的距离权重向量,从而得到了用于kNN的合适的距离。4)最后本文基于实际智能变电站对提出的智能变电站虚端子自动连接方法进行测试,并给出测试指标进行分析。算例结果表明,该方法可以准确实现虚端子的自动连接,有效减轻变电站建设的工作量,提高虚端子的设计质量。