智能箱式变电站运维技术支持系统

摘要

随着人类社会的发展不断加快，电力行业进入了信息化时代，同时也面临着能源问题、环境污染等各种挑战，对智能电网的建设要求更高。在智能电网的发展过程中，智能箱式变电站始终扮演着重要角色。作为配电网络中深入负荷中心的重要传输节点，对智能箱式变电站进行智能化与信息化的运维管理显得尤为关键。目前针对智能箱式变电站实现监控管理的运维系统研究不够完善，很多系统仅仅具有基础功能或相对简单的高级功能模块，无法充分利用智能箱式变电站采集的各类数据，也无法对智能箱式变电站集群进行统一运维管理。因此，研究面向智能箱式变电站集群，具备基本功能及多种高级功能于一身的高度智能化、信息化的运维技术支持系统，具有非常重要的理论意义和工程利用价值。本文的具体工作如下:
　　(1)从智能箱式变电站层面出发，给出了智能箱变与运维系统的组网方案，信息上行保证了箱变数据采集的实时性与准确性，信息下行保证了控制操作命令的迅速性与正确性;针对智能箱变在电网中的功能特点，分析了智能箱变的运维管理模式。
　　(2)采用基于长短期记忆网络的短期负荷预测的智能箱变运行组合优化方法。利用深度学习中的长短期记忆网络，对运维系统采集的智能箱变负荷数据进行训练，获得短期负荷预测模型;建立目标节能函数，利用短期负荷预测数据或曲线，对智能箱变集群进行运行组合的优化，获得箱变集群的最优投切操作时间段;利用优化获得的投切时间段进行箱变运行组合投切，保障了供电的安全可靠，减少箱变中变压器的损耗，实现智能箱变的节能。
　　(3)提出了基于模糊层次分析法的智能箱式变电站健康状态评估方法。该方法将整个智能箱式变电站作为一个整体，利用运维系统获得的各类数据，采用模糊层次分析法对智能箱变进行分层评估，选出权重不同的多个元素进行评分，加权计算得出总评分，得到箱变的健康状态。
　　(4)在对运维系统进行功能需求分析的基础上，构建了基于Spring MVC的运维系统框架结构;在Spring MVC架构的Model层上实现上述基本功能和高级功能，在View层上实现与运维人员的交互界面，在Controller层上实现Model层与View层的连接;保证了运维人员完成各种针对智能箱式变电站的运维管理操作，使运维系统的后期维护和更新更加便捷高效;保障了系统与运维人员之间良好的交互;实现了系统的高级功能。
　　综上所述，本文在详细分析智能箱变与运维系统的组网方案、智能箱变的运维管理模式的基础上，分析论述了基于长短期记忆网络的短期负荷预测的智能箱变运行组合优化方法和基于模糊层次分析法的智能箱变健康状态评估方法;采用Spring MVC架构，构建了一个面向智能箱式变电站的运维技术支持系统;实现了对智能箱式变电站集群进行统一运维管理，保证箱变始终处于良好的运行状态;保障了供电的安全可靠，减少箱变中变压器的损耗，实现智能箱变的节能。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 本文的主要工作

第二章 智能箱式变电站及其运维管理

2．1 智能箱式变电站的特点及优势

2．2 智能箱式变电站组网方案

2．3 智能箱式变电站运维管理分析

2．3．1 智能箱式变电站运维管理模式

2．3．2 组织结构及其分工

2．4 本章小结

第三章 基于深度学习的运维系统短期负荷预测

3．1 长短期记忆网络

3．1．1 长短期记忆网络的原理及结构

3．1．2 长短期记忆网络的训练算法

3．2 基于LSTM网络的短期负荷预测模型

3．2．1 负荷数据预处理

3．2．2 LSTM网络短期负荷预测模型参数

3．3 LSTM网络短期负荷预测模型算例分析

3．4 基于短期负荷预测的智能箱变运行组合优化

3．4．1 智能箱式变电站的变压器经济运行原理

3．4．2 目标节能函数

3．4．3 箱变运行组合优化方法

3．4．4 算例分析

3．5 本章小结

第四章 基于模糊层次分析法的智能箱式变电站健康状态评估

4．1 模糊层次分析法理论基础

4．1．1 模糊层次分析法基本理论

4．1．2 模糊一致矩阵的建立

4．1．3 基于FAHP方法的元素权重计算

4．2 基于FAHP的智能箱变健康评估算法

4．2．1 智能箱变健康评估层次划分及元素确定

4．2．2 指标状态量层权重确定及设备层状态评分计算

4．2．3 设备层权重确定及智能箱式变电站整体状态评分计算

4．2．4 智能箱变健康状态评估步骤

4．3 基于FAHP的智能箱式变电站健康状态评估实现

4．4 本章小结

第五章 智能箱式变电站运维技术支持系统方案及实现

5．1 系统需求分析

5．1．1 功能需求

5．1．2 非功能需求

5．2 智能箱式变电站运维技术支持系统方案

5．3 主要模块的详细设计和具体实现

5．3．1 基本功能模块

5．3．2 基于LSTM网络的短期负荷预测功能模块

5．3．3 基于短期负荷预测的智能箱变运行组合优化功能模块

5．3．4 基于FAHP的智能箱变健康状态评估功能模块

5．4 本章小结

第六章 总结与展望

6．1 本文主要研究成果

6．2 后期工作与展望

参考文献

致谢

攻读硕士学位期间发表的论文