面向地磁扰动的防灾治理方法、装置、存储介质和设备

技术领域

本申请涉及电力领域，尤其涉及一种面向地磁扰动的防灾治理方法、装置、存储介质和设备。

背景技术

地磁感应电流(Geomagnetically Induced Current，GIC)引起的变压器无功损耗增加将破坏系统无功平衡，造成变压器损毁甚至大停电事故。地磁暴的全球同步性使变压器GIC无功损耗具有全网群发性，另外，磁暴时地磁场强度的不确定性也使地磁暴具有随机性。在现实生活中，电力系统的运行状态日渐接近其稳定极限，随机性强的地磁暴所引起的无功波动将会将会给电力系统带来较大冲击，从而诱发电力系统发生大规模事故。

目前，关于发生地磁暴时GIC对系统安全稳定运行可能造成威胁，研究人员提出了变压器中性点安装电阻、电容、电阻电容三种主要治理方法。但是，这些治理装置的配置往往依据某一次地磁暴事件中GIC的最大值，并没有考虑GIC的波动性，这就会造成治理装置针对性过强的问题，容易出现“过治理”和“欠治理”的问题，无法满足电力系统的稳定需求。

发明内容

本申请提供了一种面向地磁扰动的防灾治理方法、装置、存储介质和设备，目的在于在确保参与电力系统治理过程的治理装置的数量满足治理需求的情况下，避免过多的治理装置参与治理过程。

为了实现上述目的，本申请提供了以下技术方案：

一种面向地磁扰动的防灾治理方法，包括：

基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压；

根据每个所述节点的线路感应电压，计算得出每个所述节点的地磁感应电流样本；

基于各个所述地磁感应电流样本，确定地磁感应电流的概率分布函数；

对所述电力系统的偏磁数据进行解析，得到各个所述节点的偏磁电流；

将各个所述偏磁电流代入至所述概率分布函数中，得到各个实际地磁感应电流；

将各个所述实际地磁感应电流代入预先构建的偏磁治理数学模型中，得到所述偏磁治理数学模型输出的计算结果；所述偏磁治理数学模型包括以参与所述电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数；所述计算结果包括所述多目标优化函数的最优解；

调整所述电力系统中各个所述治理装置的状态，使得处于开启状态的治理装置的总数等于所述最优解。

可选的，所述基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压，包括：

基于预先收集的大地电导率数据，构建大地电导率模型；

利用平面波法，模拟计算在所述大地电导率模型下发生的地磁暴的感应地电场、线路路径、线路长度；

根据所述感应地电场、所述线路路径和所述线路长度，计算得到受所述地磁暴影响时电力系统中各个节点的线路感应电压。

可选的，所述基于各个所述地磁感应电流样本，确定地磁感应电流的概率分布函数，包括：

计算各个所述地磁感应电流样本与预设阈值之间的差值，得到各个偏磁电流样本；

按照各类概率密度函数，对各个所述偏磁电流样本的出现频率进行拟合，得到各类所述概率密度函数的拟合指标；

将所述拟合指标最小的概率密度函数，标识为地磁感应电流的概率分布函数。

可选的，所述对所述电力系统的偏磁数据进行解析，得到各个所述节点的偏磁电流，包括：

按照采样时间尺度，采集所述电力系统的偏磁数据；其中，所述采样时间尺度是依据所述地磁感应电流样本在不同时间尺度下的基准变化率和相对信息丢失率所确定得到的；

对所述偏磁数据进行解析，得到各个所述节点的偏磁电流。

一种面向地磁扰动的防灾治理装置，包括：

电压模拟单元，用于基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压；

样本计算单元，用于根据每个所述节点的线路感应电压，计算得出每个所述节点的地磁感应电流样本；

函数确定单元，用于基于各个所述地磁感应电流样本，确定地磁感应电流的概率分布函数；

电流解析单元，用于对所述电力系统的偏磁数据进行解析，得到各个所述节点的偏磁电流；

电流计算单元，用于将各个所述偏磁电流代入至所述概率分布函数中，得到各个实际地磁感应电流；

目标优化单元，用于将各个所述实际地磁感应电流代入预先构建的偏磁治理数学模型中，得到所述偏磁治理数学模型输出的计算结果；所述偏磁治理数学模型包括以参与所述电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数；所述计算结果包括所述多目标优化函数的最优解；

数量调整单元，用于调整所述电力系统中各个所述治理装置的状态，使得处于开启状态的治理装置的总数等于所述最优解。

可选的，所述电压模拟单元具体用于：

基于预先收集的大地电导率数据，构建大地电导率模型；

利用平面波法，模拟计算在所述大地电导率模型下发生的地磁暴的感应地电场、线路路径、线路长度；

根据所述感应地电场、所述线路路径和所述线路长度，计算得到受所述地磁暴影响时电力系统中各个节点的线路感应电压。

可选的，所述函数确定单元具体用于：

计算各个所述地磁感应电流样本与预设阈值之间的差值，得到各个偏磁电流样本；

按照各类概率密度函数，对各个所述偏磁电流样本的出现频率进行拟合，得到各类所述概率密度函数的拟合指标；

将所述拟合指标最小的概率密度函数，标识为地磁感应电流的概率分布函数。

可选的，所述电流解析单元具体用于：

按照采样时间尺度，采集所述电力系统的偏磁数据；其中，所述采样时间尺度是依据所述地磁感应电流样本在不同时间尺度下的基准变化率和相对信息丢失率所确定得到的；

对所述偏磁数据进行解析，得到各个所述节点的偏磁电流。

一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行所述的面向地磁扰动的防灾治理方法。

一种面向地磁扰动的防灾治理设备，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；

所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行所述的面向地磁扰动的防灾治理方法。

本申请提供的技术方案，基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压。根据每个节点的线路感应电压，计算得出每个节点的地磁感应电流样本。基于各个地磁感应电流样本，确定地磁感应电流的概率分布函数。对电力系统的偏磁数据进行解析，得到各个节点的偏磁电流。将各个偏磁电流代入至概率分布函数中，得到各个实际地磁感应电流。将各个实际地磁感应电流代入预先构建的偏磁治理数学模型中，得到偏磁治理数学模型输出的计算结果。偏磁治理数学模型包括以参与电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数，计算结果包括多目标优化函数的最优解。调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解。基于本申请所示方案，将偏磁电流代入概率分布函数，得到实际地磁感应电流，并将实际地磁感应电流代入多目标优化函数，得到参与电力系统治理过程的治理装置的数量的最优解，调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解，从而在确保参与电力系统治理过程的治理装置的数量满足治理需求的情况下，避免过多的治理装置参与治理过程，防止资源浪费。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种面向地磁扰动的防灾治理方法的流程示意图；

图2为本申请实施例提供的一种频率分布直方图；

图3为本申请实施例提供的另一种面向地磁扰动的防灾治理方法的流程示意图；

图4为本申请实施例提供的一种面向地磁扰动的防灾治理装置的架构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如图1所示，为本申请实施例提供的一种面向地磁扰动的防灾治理方法的流程示意图，包括如下步骤：

S101：基于预先收集的大地电导率数据，构建大地电导率模型。

其中，基于大地电导率数据，构建大地电导率模型的具体实现过程，为本领域技术人员所熟悉的公知常识，这里不再赘述。

S102：利用平面波法，模拟计算在大地电导率模型下发生的地磁暴的感应地电场、线路路径、线路长度。

其中，利用平面波法模拟计算在大地电导率模型下发生的地磁暴感应地电场，为本领域技术人员所熟悉的公知常识，这里不再赘述。

S103：根据地磁暴的感应地电场、线路路径和线路长度，计算得到受地磁暴影响时电力系统中各个节点的线路感应电压。

其中，根据地磁暴的感应地电场、线路路径和线路长度，计算得到受地磁暴影响时电力系统中各个节点的线路感应电压的具体计算过程，如公式(1)所示。

在公式(1)中，U代表线路感应电压，R代表线路路径，E代表感应地电场，L代表线路长度。

由上述公式(1)可知，线路感应电压实质上就是地磁暴的感应地电场沿预设线路走向的积分值，由于地磁暴的感应地电场恒定，故可认为该积分值与预设线路两端(即线路起点和线路终点)的地理位置相关，即线路感应电压为第一电压(即线路在南北方向上的感应电压)和第二电压(即线路在东西方向上的感应电压)的总和，为此，可将上述公式(1)转换为公式(2)，以方便计算线路感应电压。

U＝E

在公式(2)中，E

S104：根据每个节点的线路感应电压，计算得出每个节点的GIC样本。

其中，根据每个节点的线路感应电压，计算得出每个节点的GIC样本的具体计算过程，如公式(3)所示。

I

在公式(3)中，I

在公式(4)中，R

S105：计算每个GIC样本与预设阈值之间的差值，得到每个偏磁电流样本。

其中，受地磁暴的影响，每个偏磁电流样本理应大于0。

S106：按照各类概率密度函数，对各个偏磁电流样本的出现频率进行拟合，得到各类概率密度函数的拟合指标。

其中，概率密度函数的类型包括伽玛分布、对数正态分布、瑞利分布、指数分布以及韦伯分布。

需要说明的是，拟合指标的表达式如公式(5)所示。

在公式(5)中，I

S107：将拟合指标最小的概率密度函数，标识为GIC的概率分布函数。

其中，拟合指标越小，则代表概率密度函数的拟合精度越高，更贴合真实的GIC的概率分布。

S108：按照采样时间尺度，采集电力系统的偏磁数据，并对偏磁数据进行解析，得到各个节点的偏磁电流。

其中，采样时间尺度是依据GIC样本在不同时间尺度下的基准变化率和相对信息丢失率所确定得到的。

需要说明的是，按照不同的时间尺度，采集电力系统的偏磁数据过程中，均会丢失部分偏磁数据，为了防止丢失的数据量过多，故需要对不同时间尺度下所丢失的偏磁数据进行度量，得到不同时间尺度下的数据丢失量，并选择数据丢失量最少的时间尺度，作为采样时间尺度，从而提高偏磁数据采样的准确性。

在本申请实施例中，数据丢失量可由基准变化率和相对信息丢失率这两项指标所决定，基准变化率越小、且相对信息丢失率越小，则代表数据丢失量越少。为此，预先计算GIC样本在各个时间尺度下的基准变化率和相对信息丢失率，并从各个时间尺度中，选取基准变化率最小、相对信息丢失率最小的时间尺度，作为采样时间尺度。

一般来讲，时间尺度的增大会造成GIC变化的平稳性和连续性信息丢失，为了度量时间尺度增大对GIC波动平稳性的影响，故提出了基准变化率这一项指标，基准变化率越小，则表明时间尺度对GIC波动平稳性越小，具体的，基准变化率的表达式如公式(6)所示。

在公式(6)中，S

在不同时间尺度采样下所得到的偏磁数据中，平均一阶差分量和差分量为0处的概率，均能够反映偏磁数据的波动情况。因此，将不同时间尺度下的偏磁数据与这个标准数据进行比较，计算得出不同时间尺度下的相对信息丢失率，相对信息丢失率越小，则表明时间尺度对偏磁数据的波动越小，具体的，以时间尺度为5s和1min为例，相对信息丢失率的表达式如公式(7)所示。

在公式(7)中，λ代表相对信息丢失率，Δ

具体的，以5s、1min以及5min这三个时间尺度为例，GIC样本在这三个时间尺度下的基准变化率和相对信息丢失率，如表1所示。并由表1可知，时间尺度为5s时，基准变化率小于1％的概率最大，即确定时间尺度为5s时的基准变化率最小，此外，时间尺度为5S时的相对信息丢失率最小。为此，确定5s作为采样时间尺度。

表1

上述表1所示内容仅仅用于举例说明。

S109：将各个偏磁电流代入至概率分布函数中，得到各个实际GIC。

S110：将各个实际GIC代入预先构建的偏磁治理数学模型中，得到偏磁治理数学模型输出的计算结果。

其中，偏磁治理数学模型包括以参与电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数。另外，计算结果包括多目标优化函数的最优解。

具体的，多目标优化函数的表达式如公式(8)所示。

在公式(8)中，I

从效果层面来讲，防灾治理的目的是希望中性点偏磁电流越小越好，那么使用的治理装置势必很多，从运维层面来讲，防灾治理的目的又希望安装的治理装置越少越好，则偏磁电流就不可能都降得很低。因此，这公式(8)中所示的两个目标函数之间是互相矛盾、且相互制约的。

此外，综合考虑GIC和接地极的偏磁影响，提出的变压器偏磁治理方案，由于二者的作用范围和影响程度均不相同，故不可用统一治理标准，两种情况造成的电网偏磁电流需分开治理，为此，公式(8)中的两个目标函数的约束条件也需分别设置。具体的，I

I

0＜R

可选的，为了提高计算结果的准确性，还可以利用非支配排序遗传算法(Nondominated Sorting Genetic Algorithm，NSGA-Ⅱ)对偏磁治理数学模型进行优化。具体的，经由NSGA-Ⅱ优化后的偏磁治理数学模型，如公式(11)所示。

在公式(11)中，I

具体的，利用NSGA-Ⅱ优化偏磁治理数学模型的过程，包括如下步骤：

1、输入电网偏磁数据(即流经各个变压器中性点的实际GIC)；

2、构建目标优化模型(即公式(11))；

3、设置NSGA-Ⅱ的相关参数，并初始化种群(即种群中的个体代表治理装置的数量)；

4、对种群中的各个个体进行非支配排序，得到第一代子群；

5、迭代执行预设步骤，得到非支配解；其中，预设步骤为：将父代个体和子代个体进行合并，得到新个体；对各个新个体进行非支配排序、拥挤度计算；生成新的父代种群；对种群中的个体进行选择、交叉、变异；

6、根据非支配解调整目标优化模型的参数。

需要说明的是，上述具体实现过程仅仅用于举例说明。

S111：调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于所述最优解。

其中，调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解，能够确保参与电力系统治理过程的治理装置的数量能够满足治理需求(即使得电力系统的偏磁电流总和达到最小值)，避免过多的治理装置参与到治理过程中，从而有效解决治理过程中所存在的“过治理”和“欠治理”的问题。

综上所述，利用本实施例所示方案，能够在确保参与电力系统治理过程的治理装置的数量满足治理需求的情况下，避免过多的治理装置参与治理过程，防止资源浪费。

需要说明的是，上述实施例提及的S101，为本申请所示面向地磁扰动的防灾治理方法的一种可选的实现方式。此外，上述实施例提及的S102，也为本申请所示面向地磁扰动的防灾治理方法的一种可选的实现方式。为此，上述实施例提及的流程，可以概括为图3所示的方法。

如图3所示，为本申请实施例提供的另一种面向地磁扰动的防灾治理方法的流程示意图，包括如下步骤：

S301：基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压。

S302：根据每个节点的线路感应电压，计算得出每个节点的地磁感应电流样本。

S303：基于各个地磁感应电流样本，确定地磁感应电流的概率分布函数。

S304：对电力系统的偏磁数据进行解析，得到各个节点的偏磁电流。

S305：将各个偏磁电流代入至概率分布函数中，得到各个实际地磁感应电流。

S306：将各个实际地磁感应电流代入预先构建的偏磁治理数学模型中，得到偏磁治理数学模型输出的计算结果。

其中，偏磁治理数学模型包括以参与电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数。计算结果包括多目标优化函数的最优解。

S307：调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解。

综上所述，将偏磁电流代入概率分布函数，得到实际地磁感应电流，并将实际地磁感应电流代入多目标优化函数，得到参与电力系统治理过程的治理装置的数量的最优解，调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解，从而在确保参与电力系统治理过程的治理装置的数量满足治理需求的情况下，避免过多的治理装置参与治理过程，防止资源浪费。

与上述本申请实施例提供的面向地磁扰动的防灾治理方法相对应，本申请实施例还提供了一种面向地磁扰动的防灾治理装置。

如图4所示，为本申请实施例提供的一种面向地磁扰动的防灾治理装置的架构示意图，包括：

电压模拟单元100，用于基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压。

其中，电压模拟单元100具体用于：基于预先收集的大地电导率数据，构建大地电导率模型；利用平面波法，模拟计算在大地电导率模型下发生的地磁暴的感应地电场、线路路径、线路长度；根据感应地电场、线路路径和线路长度，计算得到受地磁暴影响时电力系统中各个节点的线路感应电压。

样本计算单元200，用于根据每个节点的线路感应电压，计算得出每个节点的地磁感应电流样本。

函数确定单元300，用于基于各个地磁感应电流样本，确定地磁感应电流的概率分布函数。

其中，函数确定单元300具体用于：计算各个地磁感应电流样本与预设阈值之间的差值，得到各个偏磁电流样本；按照各类概率密度函数，对各个偏磁电流样本的出现频率进行拟合，得到各类概率密度函数的拟合指标；将拟合指标最小的概率密度函数，标识为地磁感应电流的概率分布函数。

电流解析单元400，用于对电力系统的偏磁数据进行解析，得到各个节点的偏磁电流。

其中，电流解析单元400具体用于：按照采样时间尺度，采集电力系统的偏磁数据；其中，采样时间尺度是依据地磁感应电流样本在不同时间尺度下的基准变化率和相对信息丢失率所确定得到的；对偏磁数据进行解析，得到各个节点的偏磁电流。

电流计算单元500，用于将各个偏磁电流代入至概率分布函数中，得到各个实际地磁感应电流。

目标优化单元600，用于将各个实际地磁感应电流代入预先构建的偏磁治理数学模型中，得到偏磁治理数学模型输出的计算结果；偏磁治理数学模型包括以参与电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数；计算结果包括多目标优化函数的最优解。

数量调整单元700，用于调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解。

综上所述，将偏磁电流代入概率分布函数，得到实际地磁感应电流，并将实际地磁感应电流代入多目标优化函数，得到参与电力系统治理过程的治理装置的数量的最优解，调整电力系统中各个治理装置的状态，使得处于开启状态的治理装置的总数等于最优解，从而在确保参与电力系统治理过程的治理装置的数量满足治理需求的情况下，避免过多的治理装置参与治理过程，防止资源浪费。

本申请还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，程序执行上述本申请提供的面向地磁扰动的防灾治理方法。

本申请还提供了一种面向地磁扰动的防灾治理设备，包括：处理器、存储器和总线。处理器与存储器通过总线连接，存储器用于存储程序，处理器用于运行程序，其中，程序运行时执行上述本申请提供的面向地磁扰动的防灾治理方法，包括如下步骤：

基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压；

根据每个所述节点的线路感应电压，计算得出每个所述节点的地磁感应电流样本；

基于各个所述地磁感应电流样本，确定地磁感应电流的概率分布函数；

对所述电力系统的偏磁数据进行解析，得到各个所述节点的偏磁电流；

将各个所述偏磁电流代入至所述概率分布函数中，得到各个实际地磁感应电流；

将各个所述实际地磁感应电流代入预先构建的偏磁治理数学模型中，得到所述偏磁治理数学模型输出的计算结果；所述偏磁治理数学模型包括以参与所述电力系统治理过程的治理装置的数量，作为优化目标的多目标优化函数；所述计算结果包括所述多目标优化函数的最优解；

调整所述电力系统中各个所述治理装置的状态，使得处于开启状态的治理装置的总数等于所述最优解。

具体的，在上述实施例的基础上，所述基于预先收集的大地电导率数据，模拟得出受地磁暴影响时电力系统中各个节点的线路感应电压，包括：

基于预先收集的大地电导率数据，构建大地电导率模型；

利用平面波法，模拟计算在所述大地电导率模型下发生的地磁暴的感应地电场、线路路径、线路长度；

根据所述感应地电场、所述线路路径和所述线路长度，计算得到受所述地磁暴影响时电力系统中各个节点的线路感应电压。

具体的，在上述实施例的基础上，所述基于各个所述地磁感应电流样本，确定地磁感应电流的概率分布函数，包括：

计算各个所述地磁感应电流样本与预设阈值之间的差值，得到各个偏磁电流样本；

按照各类概率密度函数，对各个所述偏磁电流样本的出现频率进行拟合，得到各类所述概率密度函数的拟合指标；

将所述拟合指标最小的概率密度函数，标识为地磁感应电流的概率分布函数。

具体的，在上述实施例的基础上，所述对所述电力系统的偏磁数据进行解析，得到各个所述节点的偏磁电流，包括：

按照采样时间尺度，采集所述电力系统的偏磁数据；其中，所述采样时间尺度是依据所述地磁感应电流样本在不同时间尺度下的基准变化率和相对信息丢失率所确定得到的；

对所述偏磁数据进行解析，得到各个所述节点的偏磁电流。

本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。