一种基于电网实时数据并用于合环控制的全模型仿真系统

技术领域

本发明涉及供电系统领域，特别涉及一种基于电网实时数据并用于合环控制的全模型仿真系统。

背景技术

随着现代电力系统电网结构的不断完善，电力运行方式日益增加，为进一步提高电网运行科可靠性，降低网损，提高网络的带负载能力和利用效率，使互供能力更强，在当前电力系统中建立了大量的环网，使配电网络能满足各种运行方式的需要。配电网进行合环操作时两侧电源一般处于分裂运行状态，常常因合环点开关两侧母线或线路电压差的存在，使得合环操作中产生的环流过大引起过流保护误动。

为了保证重要用户的不间断供电，了解配网潮流的变化情况，避免不必要的过负荷或者意外事故，需要对合环电流进行详细的分析和计算，这有助于运行人员对地区电力网络的运行方式进行适当的调整，从而保证用户利益，减少停电损失。配电网广泛采用闭环设计、开环运行的供电方式，即具有双电源供电甚至多电源供电的结构，这提高了供电的灵活性，也为允许执行合环操作提供了基本条件。因此，当某个母线、开关、馈线或者相关二次变需要检修的时候，通过合环操作，将该母线、开关或馈线上的负荷不停电地转移到与之相连的其他母线或馈线上，可以提高供电可靠性。但有些情况下，若执行合环操作会产生较大的合环电流，从而可能导致保护装置误动或超设备额定值，影响到配电网的安全可靠运行。

因此，需要提供一种基于电网实时数据并用于合环控制的全模型仿真系统，用于提高合环的可靠性。

发明内容

本发明提供一种基于电网实时数据并用于合环控制的全模型仿真系统，包括：数据获取模块，用于获取目标配电网的拓扑结构及所述目标配电网的合环实时数据，其中，所述合环实时数据至少包括所述目标配电网中每个联络开关两侧的配电节点的实时电气特征、实时运行环境信息及负荷相关信息；仿真建立模块，用于基于所述目标配电网的拓扑结构及所述目标配电网的合环实时数据，建立合环仿真模型；合环筛选模块，用于基于所述合环仿真模型及合环目标信息，确定至少一个候选合环节点；合环优化模块，用于基于每个所述候选合环节点对应的联络开关两侧的配电节点的实时电气特征、实时运行环境信息及负荷相关信息，从所述至少一个候选合环点中确定最优合环节点；其中，所述合环优化模块基于每个所述候选合环节点对应的联络开关两侧的配电节点的实时电气特征、实时运行环境信息及负荷相关信息，从所述至少一个候选合环点中确定最优合环节点，包括：对于每个所述候选合环节点，基于所述候选合环节点对应的联络开关两侧的配电节点的实时电气特征，确定所述候选合环节点对应的联络开关两侧的配电节点的电气特征稳定值；基于每个所述候选合环节点对应的联络开关两侧的配电节点的电气特征稳定值，对所述至少一个候选合环点进行第一次筛选，确定至少一个第一合环点；基于每个所述第一合环点对应的联络开关两侧的配电节点的实时电气特征，对所述至少一个第一合环点进行第二次筛选，确定至少一个第二合环点：基于每个所述第二合环点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定所述第二合环点的合环匹配分值，基于所述第二合环点的合环匹配分值，从所述至少一个第二合环点中确定所述最优合环节点。

进一步地，所述数据获取模块至少包括多个实时数据获取单元及多个边缘计算单元，其中，一个所述边缘计算单元对应至少一个所述实时数据获取单元，所述实时数据获取单元包括母线数据获取组件、多个设备数据获取组件及多个环境数据获取组件，其中，所述母线数据获取组件用于获取所述配电节点的实时母线电气特征，所述设备数据获取组件用于获取所述配电节点的配电设备的实时设备电气特征，所述配电节点的电气特征至少包括所述实时母线电气特征及所述实时设备电气特征，所述环境数据获取组件用于获取所述配电节点的实时运行环境信息；所述边缘计算单元用于对对应的所述实时数据获取单元获取的数据进行数据预处理，并降预处理后的数据上传至所述仿真建立模块。

进一步地，所述数据获取模块通过以下流程确定所述多个实时数据获取单元与所述多个边缘计算单元的对应关系：基于所述目标配电网的拓扑结构及历史运行信息，确定任意两个所述配电节点的合环关联度；基于任意两个所述配电节点的合环关联度，确定所述多个实时数据获取单元与所述多个边缘计算单元的对应关系。

进一步地，所述合环筛选模块基于所述合环仿真模型及合环目标信息，确定至少一个候选合环节点，包括：基于所述合环目标信息包括的待转供节点、所述合环仿真模型及所述目标配电网中每个配电节点的状态信息，确定所述至少一个候选合环节点。

进一步地，所述合环优化模块基于每个所述第一合环点对应的联络开关两侧的配电节点的实时电气特征，对所述至少一个第一合环点进行第二次筛选，确定至少一个第二合环点，包括：对于每个所述第一合环点，基于所述第一合环点对应的联络开关两侧的配电节点的实时电气特征，确定所述第一合环点对应的联络开关两侧的电压差、相位差、相角差及频率差和所述第一合环点对应的合环稳态电流及合环冲击电流；基于每个所述第一合环点对应的联络开关两侧的电压差、相位差、相角差及频率差和每个所述第一合环点对应的合环稳态电流及合环冲击电流，对所述至少一个第一合环点进行第二次筛选，确定至少一个第二合环点。

进一步地，所述合环优化模块基于每个所述第二合环点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定所述第二合环点的合环匹配分值，包括：基于每个所述第二合环点对应的联络开关两侧的配电节点的实时运行环境信息，确定所述第二合环点在合环环境指标的得分；基于所述第二合环点对应的联络开关两侧的配电节点的负荷相关信息，确定所述第二合环点在合环负荷指标的得分；基于所述第二合环点在合环环境指标的得分和所述第二合环点在合环负荷指标的得分，确定所述第二合环点的合环匹配分值。

进一步地，所述合环优化模块还用于确定所述最优合环节点对应的最优合环时间。

进一步地，所述合环优化模块确定所述最优合环节点对应的最优合环时间，包括：基于所述最优合环节点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定所述最优合环节点对应的最优合环时间。

相比于现有技术，本发明提供的一种基于电网实时数据并用于合环控制的全模型仿真系统，至少具备以下有益效果：

1、通过获取目标配电网的拓扑结构及所述目标配电网的合环实时数据，建立合环仿真模型，实现目标配电网运行的远程监控，进一步地，可以基于合环仿真模型及合环目标信息，确定最优合环节点，为目标配电网的负荷转移提供合环操作建议，提高了后续合环操作的可靠性；

2、从电气特征、运行环境及负荷这三维角度，确定第二合环点的合环匹配分值，为从至少一个候选合环点中确定最优合环节点提供更加全面且准确的数据支持；

3、基于最优合环节点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定最优合环节点对应的最优合环时间，提高后续合环的成功率。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的一种基于电网实时数据并用于合环控制的全模型仿真系统的模块示意图；

图2是根据本说明书一些实施例所示的确定最优合环节点的流程示意图；

图3是根据本说明书一些实施例所示的确定存在合环关联的任意两个配电节点之间的合环关联度的流程示意图。

实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的一种基于电网实时数据并用于合环控制的全模型仿真系统的模块示意图，如图1所示，一种基于电网实时数据并用于合环控制的全模型仿真系统可以包括数据获取模块、仿真建立模块、合环筛选模块及合环优化模块。

数据获取模块可以用于获取目标配电网的拓扑结构及目标配电网的合环实时数据。

在一些实施例中，数据获取模块可以通过任意方式获取目标配电网的拓扑结构。例如，将目标配电网内所有变电站内的母线组成集合，选取该集合中的任意一条母线B1及站内与B1合环运行的母线B1-1…B1-n做为拓扑起点，沿母线B1,B1-1…B1-n上的各线路开关QF1,…QFn，实时拓扑搜索线路的对侧开关，并处理搜索结果，从搜索得到的母线Bi上，沿其上其余的各线路开关QFn+1…QFm出发，沿网络实时拓扑搜索线路对侧的开关，继续依照上述流程处理搜索结果，从而形成逐渐发散的拓扑路径搜索方式；当拓扑路径无法再继续找到任何厂站时，结束当前的拓扑路径搜索，再从其余变电站内的母线开始新一轮的拓扑搜索识别，从而生成目标配电网的拓扑结构。

其中，合环实时数据至少包括目标配电网中每个联络开关两侧的配电节点的实时电气特征、实时运行环境信息及负荷相关信息。

在一些实施例中，数据获取模块至少包括多个实时数据获取单元及多个边缘计算单元。其中，一个边缘计算单元对应至少一个实时数据获取单元。

实时数据获取单元包括母线数据获取组件、多个设备数据获取组件及多个环境数据获取组件，其中，母线数据获取组件用于获取配电节点的实时母线电气特征（例如，母线的实时A相电流、实时B相电流、实时C相电流、实时A相电压、实时B相电压和实时C相电压），设备数据获取组件用于获取配电节点的配电设备的实时设备电气特征（例如，电流、电压、电磁辐射信息等），配电节点的电气特征至少包括实时母线电气特征及实时设备电气特征，环境数据获取组件用于获取配电节点的实时运行环境信息（例如，温度、湿度、光照、气压、粉尘等）。

边缘计算单元用于对对应的实时数据获取单元获取的数据进行数据预处理，并降预处理后的数据上传至仿真建立模块。具体的，边缘计算单元可以利用数理统计、数据挖掘和预定义清理规则等有关技术将实时数据获取单元获取的数据中的无效数据处理掉，消除实时数据获取单元获取的数据中的错误、不一致、不完整和重复等数据，然后以期望的格式输出清理过的数据。

在一些实施例中，边缘计算单元还可以用于在清除掉无效数据后，进行数据补全。具体的，边缘计算单元可以通过第一数据补全模型基于配电节点在多个历史时间点的母线电气特征，对清除掉无效数据后的配电节点的实时母线电气特征进行补全，通过第二数据补全模型基于配电节点的配电设备在多个历史时间点的设备电气特征，对清除掉无效数据后的配电节点的配电设备的实时设备电气特征进行补全，通过第三数据补全模型基于配电节点在多个历史时间点的运行环境信息，对清除掉无效数据后的配电节点的实时运行环境信息进行补全。其中，第一数据补全模型、第二数据补全模型及第三数据补全模型可以均为长短时记忆网络(Long Short-Term Memory，LSTM)模型。

在一些实施例中，数据获取模块通过以下流程确定多个实时数据获取单元与多个边缘计算单元的对应关系：

基于目标配电网的拓扑结构及历史运行信息，确定任意两个配电节点的合环关联度；

基于任意两个配电节点的合环关联度，确定多个实时数据获取单元与多个边缘计算单元的对应关系。

具体的，数据获取模块可以先基于目标配电网的拓扑结构，确定任意两个配电节点之间是否存在合环关联，例如，任意两个配电节点之间存在联络开关，则判断该两个配电节点之间存在合环关联。再确定存在合环关联的任意两个配电节点之间的合环关联度。

图3是根据本说明书一些实施例所示的确定存在合环关联的任意两个配电节点之间的合环关联度的流程示意图，如图3所示，在一些实施例中，数据获取模块可以通过以下流程确定存在合环关联的任意两个配电节点之间的合环关联度：

对于某个配电节点，将与该配电节点存在合环关联的配电节点作为该配电节点的关联配电节点；

对于每个关联配电节点，基于该关联配电节点的负荷信息，确定该关联配电节点与该配电节点之间的负荷相似度；

对于每个关联配电节点，基于该关联配电节点在目标历史周期（例如，过去一年、过去半年等）的母线电气特征及该配电节点在目标历史周期的母线电气特征，确定该关联配电节点与该配电节点之间的合环匹配度；

对于每个关联配电节点，基于该关联配电节点在目标历史周期的母线电气特征和设备电气特征，确定该关联配电节点的设备稳定性；

对于每个关联配电节点，基于该关联配电节点在目标历史周期的运行环境信息，确定该关联配电节点的环境匹配分数；

对于每个关联配电节点，基于该关联配电节点与该配电节点之间的负荷相似度、该关联配电节点与该配电节点之间的合环匹配度、该关联配电节点的设备稳定性及该关联配电节点的环境匹配分数，确定该关联配电节点对应的合环优先分值；

基于每个关联配电节点对应的合环优先分值，确定每个关联配电节点与该配电节点之间的合环关联度。

例如，数据获取模块可以通过以下公式计算存在合环关联的任意两个配电节点之间的合环关联度：

其中，/>

具体的，对于每个关联配电节点，数据获取模块可以先获取关联配电节点的负荷特征矩阵和该配电节点的负荷特征矩阵，其中，负荷特征矩阵的行向量可以为（Type，Number），其中，Type可以表征某一种负荷类型（例如，等），Number表征该种负荷类型的数量，计算关联配电节点的负荷特征矩阵和该配电节点的负荷特征矩阵之间的矩阵余弦相似度。再获取关联配电节点的负荷在目标历史周期的多个历史段的用电量和该配电节点的负荷在目标历史周期的多个历史时间段的用电量，并基于关联配电节点的负荷在目标历史周期的多个历史时间段的用电量和该配电节点的负荷在目标历史周期的多个历史时间段的用电量，确定该关联配电节点与该配电节点的用电相似度，对矩阵余弦相似度和用电相似度进行加权求和，确定该关联配电节点与该配电节点之间的负荷相似度。

数据获取模块可以基于该关联配电节点在目标历史周期的母线电气特征及该配电节点在目标历史周期的母线电气特征，确定该关联配电节点在目标历史周期可以与该配电节点进行合环操作的时间段，例如，可以将目标历史周期拆分为多个历史时间段，对于每个历史时间段，数据获取模块可以基于该关联配电节点在该历史时间段的母线电气特征及该配电节点在该历史时间段的母线电气特征，确定该关联配电节点对应的联络开关两侧的电压差、相位差、相角差及频率差和该关联配电节点对应的合环稳态电流及合环冲击电流，基于该关联配电节点对应的联络开关两侧的电压差、相位差、相角差及频率差和该关联配电节点对应的合环稳态电流及合环冲击电流判断该关联配电节点与该配电节点在该历史时间段是否能进行合环，将能进行合环的历史时间段的时间长度的总和与目标历史周期的时间长度的比值，作为该关联配电节点与该配电节点之间的合环匹配度。

数据获取模块可以通过故障检测模型基于关联配电节点在目标历史周期的母线电气特征和设备电气特征，确定该关联配电节点的设备稳定性，该关联配电节点的设备稳定性可以表征该关联配电节点发生故障的可能性。其中，故障检测模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。

数据获取模块可以基于目标配电网和其它配电网的历史合环信息，确定合环操作与环境的关联性，确定合环成功率更高的最优环境特征，基于关联配电节点在目标历史周期的运行环境信息，确定该关联配电节点的运行环境特征，计算该关联配电节点的运行环境特征与最优环境特征之间的环境相似度，将该环境相似度作为该关联配电节点的环境匹配分数。

在一些实施例中，数据获取模块可以基于任意两个配电节点的合环关联度及边缘计算单元最大算力负荷，确定多个实时数据获取单元与多个边缘计算单元的对应关系。具体的，数据获取模块可以基于任意两个配电节点的合环关联度，确定合环配电节点对，其中，合环配电节点对可以包括合环关联度大于预设合环关联度阈值的两个配电节点，并确定每个合环配电节点对对应的算力需求，其中，合环配电节点对对应的算力需求可以基于该合环配电节点对包括的两个配电节点对应的实时数据获取单元采集的数据量的大小确定，最后基于每个合环配电节点对对应的算力需求和边缘计算单元最大算力负荷，确定多个实时数据获取单元与多个边缘计算单元的对应关系。例如，一个边缘计算单元可以对应至少一个合环配电节点对包括的两个配电节点对应的实时数据获取单元，且该边缘计算单元对应的所有合环配电节点对对应的算力需求之和小于边缘计算单元最大算力负荷。

可以理解的，通过设置多个边缘计算单元，分散性完成数据预处理，提高数据处理的实时性，减少了合环筛选模块和合环优化模块的任务量，进一步地，两个配电节点的合环关联度越大，该两个配电节点中的任意一个需要进行负荷转移时，对该两个配电节点进行合环操作的可能性越高，因此，将合环关联度大于预设合环关联度阈值的两个配电节点作为合环配电节点对，使得合环配电节点对的两个配电节点的数据可以经由同一个边缘计算单元进行处理，使得某个合环配电节点对需要进行合环判断时，该合环配电节点对的两个配电节点的相关数据可以同步进行数据处理和数据传输，提高后续确定最优合环节点的效率。

仿真建立模块可以用于基于目标配电网的拓扑结构及目标配电网的合环实时数据，建立合环仿真模型。

其中，合环仿真模型可以为用于模拟目标配电网运行的数字模型。仿真建立模块可以通过任意方式基于目标配电网的拓扑结构及目标配电网的合环实时数据，建立合环仿真模型。例如，仿真建立模块可以根据数据孪生技术基于目标配电网的拓扑结构及目标配电网的合环实时数据，建立合环仿真模型。

合环筛选模块可以用于基于合环仿真模型及合环目标信息，确定至少一个候选合环节点。

在一些实施例中，合环筛选模块基于合环仿真模型及合环目标信息，确定至少一个候选合环节点，包括：基于合环目标信息包括的待转供节点、合环仿真模型及目标配电网中每个配电节点的状态信息，确定至少一个候选合环节点。

具体的，待转供节点可以为需要进行负荷转移的配电节点，候选合环节点可以为用于对从待转供节点转移过来的负荷进行供电的配电节点。合环筛选模块可以先确定与该待转供节点之间的合环关联度大于预设合环关联度阈值的关联配电节点，再基于与该待转供节点之间的合环关联度大于预设合环关联度阈值的关联配电节点的状态信息，确定至少一个候选合环节点。例如，可以将处于正常运行状态的与该待转供节点之间的合环关联度大于预设合环关联度阈值的关联配电节点作为该待转供节点的候选合环节点。

合环优化模块可以用于基于合环仿真模型从至少一个候选合环点中确定最优合环节点。

在一些实施例中，合环优化模块基于合环仿真模型从至少一个候选合环点中确定最优合环节点，包括：

基于每个候选合环节点对应的联络开关两侧的配电节点的实时电气特征、实时运行环境信息及负荷相关信息，从至少一个候选合环点中确定最优合环节点。

图2是根据本说明书一些实施例所示的确定最优合环节点的流程示意图，如图2所示，在一些实施例中，合环优化模块基于每个候选合环节点对应的联络开关两侧的配电节点的实时电气特征、实时运行环境信息及负荷相关信息，从至少一个候选合环点中确定最优合环节点，包括：

对于每个候选合环节点，基于候选合环节点对应的联络开关两侧的配电节点的实时电气特征，确定候选合环节点对应的联络开关两侧的配电节点的电气特征稳定值；

基于每个候选合环节点对应的联络开关两侧的配电节点的电气特征稳定值，对至少一个候选合环点进行第一次筛选，确定至少一个第一合环点；

基于每个第一合环点对应的联络开关两侧的配电节点的实时电气特征，对至少一个第一合环点进行第二次筛选，确定至少一个第二合环点：

基于每个第二合环点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定第二合环点的合环匹配分值，基于第二合环点的合环匹配分值，从至少一个第二合环点中确定最优合环节点。

具体的，合环优化模块可以基于候选合环节点对应的联络开关两侧的配电节点在当前时间段的实时母线电气特征，确定候选合环节点对应的联络开关两侧的配电节点在当前时间段的电流波动情况及电压波动情况，确定候选合环节点对应的联络开关两侧的配电节点的电气特征稳定值，将电气特征稳定值大于预设电气特征稳定值阈值的候选合环点作为第一合环点。

在一些实施例中，合环优化模块基于每个第一合环点对应的联络开关两侧的配电节点的实时电气特征，对至少一个第一合环点进行第二次筛选，确定至少一个第二合环点，包括：

对于每个第一合环点，基于第一合环点对应的联络开关两侧的配电节点的实时电气特征，确定第一合环点对应的联络开关两侧的电压差、相位差、相角差及频率差和第一合环点对应的合环稳态电流及合环冲击电流；

基于每个第一合环点对应的联络开关两侧的电压差、相位差、相角差及频率差和每个第一合环点对应的合环稳态电流及合环冲击电流，对至少一个第一合环点进行第二次筛选，确定至少一个第二合环点。

具体的，合环优化模块可以基于第一合环点对应的联络开关两侧的电压差、相位差、相角差及频率差和每个第一合环点对应的合环稳态电流及合环冲击电流，判断候选合环节点是否满足预设合环要求集，包括：

基于电压差及相角差，计算压差，判断压差是否满足预设压差条件，例如，压差小于等于额定电压的5%；

判断相位差是否满足预设相位差条件，例如，相位差为0°~30°；

判断频率差是否满足预设频率差条件，例如，±0.05Hz；

判断合环稳态电流与预设合环稳态电流之间的电流差值是否小于预设电流差值阈值；

判断合环冲击电流是否小于预设合环冲击电流。

合环优化模块可以将满足预设合环要求集的第一合环点作为第二合环点。

在一些实施例中，合环优化模块基于每个第二合环点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定第二合环点的合环匹配分值，包括：

基于每个第二合环点对应的联络开关两侧的配电节点的实时运行环境信息，确定第二合环点在合环环境指标的得分；

基于第二合环点对应的联络开关两侧的配电节点的负荷相关信息，确定第二合环点在合环负荷指标的得分；

基于第二合环点在合环环境指标的得分和第二合环点在合环负荷指标的得分，确定第二合环点的合环匹配分值。

具体的，合环优化模块可以基于第二合环点对应的联络开关两侧的配电节点的实时运行环境信息，确定第二合环点对应的联络开关两侧的配电节点的运行环境特征，计算该第二合环点对应的联络开关两侧的配电节点的运行环境特征与最优环境特征之间的环境相似度，将该环境相似度作为该第二合环点在合环环境指标的得分。环境相似度越大，第二合环点在合环环境指标的得分越高。

合环优化模块先获取第二合环点对应的联络开关两侧的配电节点的负荷特征矩阵，其中，负荷特征矩阵的行向量可以为（Type，Number），其中，Type可以表征某一种负荷类型（例如，等），Number表征该种负荷类型的数量，计算第二合环点对应的联络开关两侧的配电节点的负荷特征矩阵之间的矩阵余弦相似度。再获取第二合环点对应的联络开关两侧的配电节点的负荷在当前合环周期（例如，1个月、1个星期等）的多个时间段的用电量，并第二合环点对应的联络开关两侧的配电节点的负荷在当前合环周期的多个时间段的用电量，确定第二合环点对应的联络开关两侧的配电节点的用电相似度，对矩阵余弦相似度和用电相似度进行加权求和，确定第二合环点在合环负荷指标的得分。矩阵余弦相似度越高和/或用电相似度越高，第二合环点在合环负荷指标的得分越高。

合环优化模块可以基于第二合环点在合环环境指标的得分和第二合环点在合环负荷指标的得分进行加权求和，确定第二合环点的合环匹配分值。

可以理解的，从电气特征、运行环境及负荷这三维角度，确定第二合环点的合环匹配分值，为从至少一个候选合环点中确定最优合环节点提供更加全面且准确的数据支持。

在一些实施例中，合环优化模块还用于确定最优合环节点对应的最优合环时间。具体的，基于最优合环节点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定最优合环节点对应的最优合环时间。

具体的，合环优化模块可以通过用电量预测模型，基于最优合环节点对应的联络开关两侧的配电节点的负荷在当前合环周期的多个时间段的用电量及在多个历史周期的多个历史时间段的用电量，预测最优合环节点对应的联络开关两侧的配电节点的负荷在多个未来时间段的用电量。基于预测的最优合环节点对应的联络开关两侧的配电节点的负荷在该未来时间段的用电量，确定最优合环节点对应的联络开关两侧的配电节点在该未来时间段的负荷，并确定最优合环节点对应的联络开关两侧的配电节点在该未来时间段的负荷的负荷特征矩阵。将最优合环节点对应的联络开关两侧的配电节点在该未来时间段的负荷小于预设负荷阈值且最优合环节点对应的联络开关两侧的配电节点在该未来时间段的负荷的负荷特征矩阵之间的矩阵相似度大于预设矩阵相似度阈值的未来时间段作为候选未来时间段。

通过环境预测模型基于最优合环节点对应的联络开关两侧的配电节点的负荷在当前合环周期的多个时间段的实时运行环境信息及在多个历史周期的多个历史时间段的实时运行环境信息，预测最优合环节点对应的联络开关两侧的配电节点的负荷在多个候选未来时间段的运行环境信息。对于每个候选未来时间段，计算最优合环节点对应的联络开关两侧的配电节点的负荷在该候选未来时间段的运行环境信息与最优环境特征之间的环境相似度，将环境相似度大于预设环境相似度阈值的候选未来时间段作为最优合环时间。

其中，电量预测模型及环境预测模型可以均为人工神经网络(Artificial NeuralNetwork，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。对于每个未来时间段。

可以理解的，基于最优合环节点对应的联络开关两侧的配电节点的实时运行环境信息及负荷相关信息，确定最优合环节点对应的最优合环时间，提高后续合环的成功率。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。