基于Transformer深度学习网络的主动配电网多元源荷灾损辨识方法

近年来不断增多的强台风天气给沿海及部分内陆地区配电网带来了愈发严重的损失,造成大规模重要负荷长时间失电,提高含多元源荷的主动配电网恢复能力成为亟待解决的问题。针对现有配电网负荷损失评估方法在强台风弱通信条件下无法准确获取节点信息而造成灾损分析精度不高的问题,提出一种基于Transformer深度学习网络的主动配电网多元源荷灾损辨识方法,充分利用深度学习网络去模型化的特点并发挥其在灾损预测精度方面的优势。考虑地面粗糙程度和高度,结合弱通信条件下的台风灾害气象数据,构建主动配电网所处地理环境的风速、降雨强度等气象信息修正模型;在此基础上考虑强台风致灾机理和主动配电网拓扑结构,利用Transformer深度学习方法构建配电网灾损辨识模型,实现强台风弱通信条件下的主动配电网多元源荷灾损辨识精度提升。通过对改进的IEEE 33节点主动配电网算例进行仿真测试,对损失负荷、损坏节点数等特征量进行计算,验证了所提主动配电网多元源荷灾损辨识方法能够满足台风多发配电网灾损评估精度。