(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211277094.8 (22)申请日 2022.10.18 (71)申请人 国网安徽省电力有限公司 地址 230022 安徽省合肥市包河区黄山路9 号 申请人 合肥工业大 学 (72)发明人 于洋　王吉文　王同文　戴长春　 汪伟　汤伟　李端超　孙伟　方昭　 李奇越　李帷韬　 (74)专利代理 机构 合肥市浩智运专利代理事务 所(普通合伙) 34124 专利代理师 闫客 (51)Int.Cl. H02J 3/00(2006.01) G06Q 10/06(2012.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 配网分布式保护装置的优化配置方法及系 统 (57)摘要 本发明公开一种配网分布式保护装置的优 化配置方法及系统， 包括基于配网中分布式保护 装置的各配置状态， 结合超可靠低延迟通信应用 理论， 计算配网分布式保护系统不同配置状态对 应的数据传输错误率； 基于不同配置状态对应的 数据传输错误率， 计算配网分布式保护系统不同 配置状态对应的可靠性； 将不同配置状态对应的 可靠性作为强化学习的奖励依据， 以配网保护业 务的可靠性需求为约束条件， 对神经网络模型进 行训练， 使奖励达到最优， 求解得到配网分布式 保护装置的优化配置。 本发明通过提出建立不同 主站保护装置数量与分布式保护装置布置方案 情况下， 系统的可靠性的量化计算指标， 改变传 统保护装置由人工设计布置且缺乏量化评价指 标的问题。 权利要求书2页 说明书8页 附图3页 CN 115513942 A 2022.12.23 CN 115513942 A 1.一种配网分布式保护装置的优化配置方法， 其特 征在于， 所述方法包括： 基于配网中分布式保护装置的各配置状态， 结合超可靠低延迟通信应用理论， 计算配 网分布式保护系统不同配置状态对应的数据传输错误率， 其中， 所述分布式保护装置的配 置状态包括主站 布置数量和分布式保护装置的位置； 基于不同配置状态对应的数据传输错误率， 计算配网分布式保护系统不同配置状态对 应的可靠性； 将不同配置状态对应的可靠性作为强化学习的奖励依据， 以配网保护业务的可靠性需 求为约束 条件， 对神经网络模型进行训练， 使奖励达到最优， 求解得到配网分布式保护装置 的优化配置 。 2.如权利要求1所述的配网分布式保护装置的优化配置方法， 其特征在于， 所述数据传 输错误率的计算公式为： 式中： ε为数据传输错误率； W为带宽； SINRi代表信号与干扰噪音比； V代表信道分散度； Dtx为数据块长度； C为 最大通信速率； Q 为高斯积分函数。 3.如权利要求1所述的配网分布式保护装置的优化配置方法， 其特征在于， 所述基于不 同配置状态对应的数据传输错误率， 计算配网分布式保护系统不同配置状态对应的可靠 性， 公式表示 为： y＝1‑ε 式中： ε为数据传输错 误率； y为可靠性。 4.如权利要求1所述的配网分布式保护装置的优化配置方法， 其特征在于， 所述将不同 配置状态对应的可靠性作为 强化学习的奖励依据， 以配网保护业务的可靠性需求为约束 条 件， 对神经网络模型进行训练时， 包括： 根据学习率， 在每个时间步长t对所述神经网络模型的每个权重参数θi使用不同的学习 率进行更新， 公式表示 为： 式中： η为学习率； gt,i为目标函数在第t步学习对参数θi的偏导运 算， 为 梯度算符， J()为参数θt,i的损失函数； Gt,ii为对角矩阵； ξ为避免被零除的常数项； θt,i为第t 步学习时的权 重参数θi； θt+1,i为使用学习率更新后的权 重参数。 5.如权利要求4所述的配网分布式保护装置的优化配置方法， 其特征在于， 在进行参数 更新时， 所述方法还 包括： 在Gt和gt之间执行矩阵向量积， 进行矢量 化， 公式表示 为： 式中： η为学习率； gt为第t步学习的梯度， Gt为所有gt,i形成的矩阵； ξ为避免被零除的常 数项； θt为t时刻的权 重参数； θt+1为t+1时刻的权 重参数；⊙为矩阵向量积。 6.如权利要求1所述的配网分布式保护装置的优化配置方法， 其特征在于， 所述神经网权　利　要　求　书 1/2 页 2 CN 115513942 A 2络模型包括依 次连接的输入层、 第一全连接层和第二全连接层， 所述第二全连接层后连接 有softmax函数； 所述第二全连接层包括 个神经元， 其中H为分布式保护装置的个数。 7.一种配网分布式保护装置的优化配置系统， 其特 征在于， 所述系统包括： 传输错误率计算模块， 用于基于配网中分布式保护装置的各配置状态， 结合超可靠低 延迟通信应用理论， 计算配网分布式保护系统不同配置状态对应的数据传输错误率， 其中， 所述分布式保护装置的配置状态包括主站 布置数量和分布式保护装置的位置； 可靠性计算模块， 用于基于不同配置状态对应的数据传输错误率， 计算配网分布式保 护系统不同配置状态对应的可靠性； 配置优化模块， 用于将不同配置状态对应的可靠性作为强化学习的奖励依据， 以配网 保护业务的可靠性需求为约束 条件， 对神经网络模 型进行训练， 使 奖励达到最优， 求解得到 配网分布式保护装置的优化配置 。 8.如权利要求7所述的配网分布式保护装置的优化配置系统， 其特征在于， 所述数据传 输错误率的计算公式为： 式中： ε为数据传输错误率； W为带宽； SINRi代表信号与干扰噪音比； V代表信道分散度； Dtx为数据块长度； C为 最大通信速率； Q 为高斯积分函数。 9.如权利要求7所述的配网分布式保护装置的优化配置系统， 其特征在于， 所述可靠性 的计算公式为： y＝1‑ε 式中： ε为数据传输错 误率； y为可靠性。 10.如权利要求7所述的配网分布式保护装置的优化配置系统， 其特征在于， 所述配置 优化模块， 具体用于： 根据学习率， 在每个时间步长t对所述神经网络模型的每个权重参数θi使用不同的学习 率进行更新， 公式表示 为： 式中： η为学习率； gt,i为目标函数在第t步学习对参数θi的偏导运 算， 为 梯度算符， J()为参数θt,i的损失函数； Gt,ii为对角矩 阵； gt为第t步学习的梯度， Gt为所有 gt,i形成的矩阵； ξ为避免被零除的常数项； θt,i为第t步学习时的权重参数θi； θt+1,i为使用学 习率更新后的权 重参数。权　利　要　求　书 2/2 页 3 CN 115513942 A 3