基于次序依賴的智能配電網損壞數據自動修復模型構建

盧俊，李朝瑞，肖康，戚永青，鄧奕星

（1.國網襄陽供電公司，湖北襄陽441002；2.國電華研電力科技有限公司，廣東廣州510000）

智能配電網已經實現了較高效率的遠距離、優電壓跨地域分配，是我國實現可持續發展戰略的重要成果，智能電網面對廣大用電用戶的用電需求程度，需要將配電網的供電壽命與供電質量提升至最佳狀態，與此同時，智能配電網在運行的過程中常常因數據量的龐大等因素產生損壞數據，為此，智能配電網損壞數據自動修復模型成為近年來的重要研究熱點[1-2]。

傳統基于配電網自動化的模型中應用ADN 技術對智能配電網系統進行實時狀態的監控與在線控制，從配電網的電源處提升故障范圍的閾值，保障一定區域內的智能配電網損壞數據自動診斷能力，及時向智能配電網的控制中心發送命令性信號；傳統基于拓撲結構的模型中，應用信息協同技術對智能配電網損壞數據自動修復功能進行實現，主要采用信息微處理技術對智能配電網中單個設備保護數據庫與以太網結構數據庫進行信息獲取領域的提升，為智能配電網的控制體系與集成化體系提供穩定的數據保障。

文中構建了基于次序依賴的智能配電網損壞數據自動模型，從次序依賴的角度進行算法模塊與多代理模塊的構建，使智能配電網損壞數據的修復在數據集方面建立基礎優勢。

1 自動修復算法構建

次序依賴程序能夠進入智能配電網損壞數據的屬性空間中，將損壞數據的空間距離進行屬性方面的改變，再應用次序算法對智能配電網損壞數據的復雜度進行計算，同時需要保證損壞數據能夠應用屬性優先級別重新對自動修復模型進行定義，將時間序列方面的損壞數據集表現在數據集合中，利用配電網中的智能電表讀數統計時間序列的單調遞增規律，時間序列損壞數據示意圖如圖1所示。

圖1 時間序列損壞數據示意圖

在時間序列數據集合的基礎上進行損壞數據的自動修復多項式算法，首先定義集合中的時間數據序列為i，滿足次序依賴δ=[time]→[data]序列長度，并鎖定損壞數據集合中的錯誤數據，次序依賴數據能夠應用序列的整體長度進行迭代運算，數據中滿足i序列長度的賦值需要進行完整性的維護，并滿足遞歸層次的安全系數。假設損壞數據集合為db，當db中的損壞數據經過次序依賴的安全維護后，可以利用不同長度的組數進行數據修復，若i值為3，db 中的自動修復數據通過序列的組數示例如表1所示。

表1 自動修復數據通過序列的組數示例

次序列依賴自動修復數據需要在數據集合中進行定義尋找，滿足在組數確定的狀態下最長序列長度與依賴次序之間的維護參數條件，對表中的組數示例進行閾值比較，符合參數條件的有：

db[i]：5021＜db[i]：6200

db[i]：5034＜db[i]：6200

db[i]：5123＜db[i]：6200

這些數據可以應用在長度不確定的次序依賴修復過程中，滿足相應的輸出條件后便可將損壞自動修復算法建立在動態模型的基礎上，獲取相應的移動數據方程如下：

方程中的數據完成初始化計算后需要依次計算移動方程中的序列長度，得到損壞數據的集合與最長序列數據模式，采用較簡單的數據方式維護智能配電網中的實時監測數據與已經產生的破壞數據層[3-5]。

在應用算法進行修復的過程中發現，不同算法的復雜度隨著次序依賴的時序長度變化而變化，這種狀態下的動態迭代過程會影響整體算法的配電網精準數據。設定n為智能配電網損壞數據中的迭代數據，為了使其滿足次序依賴中的序列長度，將n置于序列的末尾，增加序列的整體規模，即n=db[len]，若序列中末尾值等于n，則需要重新在動態規劃結構中，應用二分法查找相應的n值與符合復雜度的次序依賴位置[6-7]。

2 自動修復模型

文中設計的基于次序依賴的智能配電網損壞數據自動修復模型主要應用于單元模塊之間的數據通信技術，減少不同地區智能配電網損壞數據之間的誤差精度，由于數據通信之間的信道延遲可以延緩數據恢復的時間，從而進一步減少故障所發生的控制結構空間。應用次序依賴算法還能夠對全局化智能配電網損壞數據進行歷史性的預測與提取，實時性地進行不同層次的數據優化與提取?；诖涡蛞蕾嚨姆謱訑祿杉瘍灮Y構如圖2所示。

圖2 基于次序依賴的分層數據采集優化結構

在智能配電網的通信通道中，需要依靠大量的故障數據作為故障恢復性算法的運算基礎，將故障區域分散在相應的算法范圍內。當配電網絡中采用全局化損壞數據修復算法的過程中沒有對全局化數據進行優化性處理，需要在控制中心的饋線上傳輸故障處理的協調性信號，使智能配電網中的電源分布在配電主動性上具有自我調整的能力。損壞數據自動修復模型的構建過程中需要使其能夠對智能配電網內部數據進行實時監控、自我調整等，文中則應用全局化損壞數據優化結構將損壞數據進行修復性的過渡[8-9]。優化結構如圖3所示。

圖3 全局性優化結構

智能配電網中產生大量的損壞數據是一項極小概率的事件，在智能配電網的損壞數據自動修復模塊實現過程中需要充分考慮到智能配電網對外部環境的抵御情況，并對智能配電網的硬件設備進行數據方面的彈性分析，設損害數據的目標函數為：

式中，X代表目標函數中具有環境性損壞數據的約束強度，能夠改善智能配電網中電壓水平、電流水平等參數[10-11]。智能配電網中損壞數據自動修復可以對配電網中的支路進行目標函數方面的適應度測定，將故障數據中存在的配電網支路作為整體故障數據運算編碼[12-13]。算法運行流程如圖4所示。

圖4 算法運行流程

根據次序依賴的智能配電網損壞數據自動修復的仿真計算模型，可以得出智能配電網中損壞最多的數據類型為失去負荷性的環境災害，當整個智能配電網中的負荷程度小于規定的閾值，則損壞數據自動修復模型不能夠對單獨的支路進行衡量修復[14-15]。在較大的負荷損壞程度中需要考慮到配電網中彈性功能的負荷損壞模擬狀態，從智能配電網中建立輻射狀態的配電網支路路徑，應用用電客戶端對智能配電網控制中心內的數據提取功能，分析故障數據所發生的支路位置以及損壞數據自動修復所進行的支路位置[16]。

3 實驗與研究

在構建以上模型后，對構建的模型修復性能進行研究，并設置對比實驗。將該文基于次序依賴的智能配電網損壞數據自動修復模型構建方法與傳統智能配電網損壞數據自動修復模型構建方法進行對比，設置實驗參數表如表2所示。

表2 實驗參數表

根據上述實驗參數表進行實驗設置，對自動修復模型進行管理，并設置數學操作模型執行管理任務。將遺傳算法與啟示算法相結合，進行配電網重構操作，加強對重構系統的改良力度，不斷調節不同機制內部的修復模型性能。集合一級聯絡開關，將開關狀態調整至開合狀態，連接相連的饋線，對比饋線連接方式進行集中式線體連接操作。轉移模型中的電網負荷，將其負荷電量傳輸至電網的各個角落，并對配電網輻射狀態進行研究，構建配電網輻射結構如圖5所示。

圖5 配電網輻射結構

配置相應的電網信息流，將電網內部流量與損壞數據進行分支改造，逐層分析不同電網的空間狀態，并對電網的修復狀態進行修復模型整理，離散化整理模型內容，同時加大對內容的設置力度，分化設置空間，將設置模型空間內部的電網配電量進行整合。將整合后的數據進行記錄，并構建記錄存儲空間，獲取存儲的結果數據，并構建修復完整度對比圖，如圖6所示。

圖6 修復完整度對比圖

由圖6可以看出，該文基于次序依賴的智能配電網損壞數據自動修復模型構建方法的修復完整度均高于其他兩種傳統智能配電網損壞數據自動修復模型構建方法。由于該文在模型構建的過程中分析了不同修復模型的修復性能，并調整了模型的結構模式，在優化模型配置的同時加強了對配電網系統的管理力度，逐漸增強管理的空間形式能力，在分配修復模型關系的過程中調整配電網中心的配電環節，并將調整后的數據輸入到修復系統中，對比修復參數進行修復審核，獲取相應的修復數據，利用修復數據間的關聯性對比修復的損壞數據信息，及時管理損壞數據的內部關聯程度，將關聯程度信息與修復模型相聯立，按照聯立的綜合數據進行基礎性調節，實現對整體修復模型的構建，在一定程度上強化了修復模型內部的修復性能，轉化修復信息，具有較高的修復能力，并完善了修復模型的完整性，因此，其修復完整程度較高。

在實現首次實驗操作后，根據取得的實驗結果進行二次實驗研究，進而提升對該文模型構建方法性能的研究。選擇相關程度較高的操作模型對修復模型進行數量調節，強化對調節后數據的整合力度。啟動啟發式規則，將規則程序錄入管理系統中，同時加強對規則信息的管理，執行內部管控指令。加大對修復模型的分析力度，時刻強化修復模型的管理性能，同時對管理后的模型進行標記，將標記數據與系統數據相調配，整理出相應的調配系數，獲取調配結果參數，并構建損壞數據收集精準度對比圖，如圖7所示。

圖7 損壞數據收集精準度對比圖

從圖7中可以看出，該文基于次序依賴的智能配電網損壞數據自動修復模型構建方法的損壞數據收集精準度均高于傳統方法。造成此差異的主要原因在于該文模型構建方法針對不同的配電網損壞數據信息進行數據間的模式處理，強化對操作程度較低數據的集中處理力度，并時刻分配操作信息，在調整模型修復內容的同時匹配修復參數，進一步調節了損壞數據的錄入機制，具有較強的數據收集能力。因此，提升整體模型的損壞數據收集精準度，為后續修復處理提供良好的數據基礎。

4 結束語

文中基于次序依賴的智能配電網損壞數據自動修復模型構建方法具有較強的修復能力，在縮減修復時間的同時提升整體模型的修復效率，控制處于修復階段的損壞數據信息，平衡配電網運行過程中產生的電流數據，具有較為良好的發展空間。