[发明专利]适用于风电场接入配电网的线路重合方法

权利要求书

1.一种适用于风电场接入配电网的线路重合方法，其特征在于，包括以下步骤：

步骤1，风电场接入配电网的线路发生故障时，线路差动保护动作，线路两侧断路器三相跳闸，风电场与大电网系统断开；

步骤2，建立深度神经网络DNN模型，学习计算风电场出口处电压频率与联络线初始潮流的非线性关系；

步骤3，将深度神经网络DNN模型的预测值与防孤岛保护整定值比较，确定风电场运行情况，配置匹配的风电场侧重合闸策略。

2.根据权利要求1所述的适用于风电场接入配电网的线路重合方法，其特征在于，所述步骤1，具体如下：

系统侧重合闸选用检线路无压方式，检测故障线路有无电压：

若线路发生永久性故障，线路存在电压，不满足检无压判据，则重合闸失败，重合闸闭锁；

若线路发生瞬时性故障，故障消失，检无压判据满足，则系统侧重合闸成功。

3.根据权利要求1所述的适用于风电场接入配电网的线路重合方法，其特征在于，所述步骤2，具体如下：

步骤2.1，测量线路上风电场侧重合闸处电压值和联络线初始潮流，并以这些数据样本作为输入，风电场出口电压和频率作为输出；

步骤2.2，将检测得到的电压、频率和初始潮流作为数据样本并输入到初始深度神经网络模型中；

步骤2.3，选用均方差损失函数作为评估指标，在规则化方法、优化器、隐含层的维度和深度方面对初始深度神经网络模型结构进行优化调整，得到最终的深度神经网络DNN模型。

4.根据权利要求1所述的适用于风电场接入配电网的线路重合方法，其特征在于，所述步骤3，具体如下：

步骤3.1，将联络线初始潮流、重合闸点电压值和风电场出口处电压频率的原始数据进行预处理，将预处理后的数据样本输入到深度神经网络DNN模型中，得到风电场出口处电压和频率的预测值；

步骤3.2，将预测值与风电场的防孤岛保护整定值比较；

步骤3.3，根据风电场运行情况，配置匹配的风电场侧重合闸策略。

5.根据权利要求3所述的适用于风电场接入配电网的线路重合方法，其特征在于，所述步骤2.3中，最终的神经网络模型含有256个神经元，具有四层隐含层，选用nAdam函数作为优化器，并且引入0.1丢失率dropout层。

6.根据权利要求4所述的适用于风电场接入配电网的线路重合方法，其特征在于，步骤3.1中，数据预处理方法采用最小-最大值缩放进行归一化，将数据按比例缩放至区间[0，1]，其中最小-最大值缩放计算公式为：

式中，x_i(k)为第i个样本，x_j(k)为第j个样本，n为样本数。

7.根据权利要求4所述的适用于风电场接入配电网的线路重合方法，其特征在于，步骤3.3中，风电场侧重合闸配置策略如下：

a)预测值超过防孤岛保护整定值，风电场脱网，风电场侧重合闸采用“检线路有压母线无压”的方式；检测母线无压判据最低整定值由0.3倍额定电压改为0.2倍额定电压，防止风电场低电压穿越，重合闸误动作；

b)预测值未超过防孤岛保护整定值，风电场保持运行状态未脱网，风电场侧重合闸采用准同期方式；若判据条件在2s时间内满足，重合闸动作成功；若在2s时间内不满足，防孤岛保护动作，风电场侧重合闸转为“检线路有压母线无压”的方式。