CN105548779B - 一种低压配电网无功运行状态的预警方法及*** - Google Patents
一种低压配电网无功运行状态的预警方法及*** Download PDFInfo
- Publication number
- CN105548779B CN105548779B CN201610074905.2A CN201610074905A CN105548779B CN 105548779 B CN105548779 B CN 105548779B CN 201610074905 A CN201610074905 A CN 201610074905A CN 105548779 B CN105548779 B CN 105548779B
- Authority
- CN
- China
- Prior art keywords
- state parameter
- early warning
- low
- voltage network
- idle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种低压配电网无功运行状态的预警方法及***,所述方法包括:获取待预警低压配电网无功运行的各状态参数;将所述各状态参数按预设的评价模型进行评价,确定所述低压配电网无功运行状态的评价结果;在所述评价结果满足预设的预警条件时进行预警。上述低压配电网无功运行状态的预警方法及***,解决了现有技术中对低压配电网的无功运行状态预警不及时的技术问题,实现了科学有效地管理和监测低压配电网的无功运行状态。
Description
技术领域
本发明涉及电力***领域,尤其涉及一种低压配电网无功运行状态的预警方法及***。
背景技术
低压配电网作为连接电网和用户的纽带,关系着整个电网对用户的供电质量和供电能力。目前我国电力用户的自然功率因数普遍较低,大量的用户无功功率需由电网进行异地补偿,加剧了电网电压质量偏低和线损偏高的问题。无功功率分布不合理、无功功率补偿设备少、投运率不高等现象长期存在,许多电力单位还依靠经验进行无功规划,缺乏***和科学的理论指导,无功功率补偿的效果不佳,难以使有限的资金发挥最大的效益。
未来的智能配电网将是数据流、能量流以及业务流的共同承载者。随着当前电网通信网络技术和传感器技术的不断发展,我国目前已实现亿级用户的用电信息采集,电力数据呈指数级增长、复杂程度增大,逐步构成了电力大数据。大数据存储与处理以及大数据解析等关键技术的发展让大数据在智能配电网中的应用成为可能。大数据在配电网中应用的目标不是为了获取更多的数据,而是从数据中挖掘出更大的价值。通过开展大数据在智能配电网中的应用研究,可以实现数据资产的保值与增值,有效提升智能配电网运行水平与服务水平。因此,如何利用这些采集到的海量数据,充分发掘大数据在智能配电网中的价值成为当前的研究热点。
现有的针对配电网的无功优化及规划方法的研究,未深入研究配电网整体的无功运行状态评估。现有的电压无功运行导则和规定虽然明确了无功功率补偿设备的配置原则、各级电压质量的合格范围及功率因数的合理运行水平,但还无法满足无功评价精细化的需求,从而无法在低压配电网的无功运行状态不好时进行及时的预警,以使得维护人员对低压配电网进行维护和优化。
发明内容
基于现有技术的缺陷,本发明提供一种低压配电网无功运行状态的预警方法及***,以解决现有技术对低压配电网的无功运行状态预警不及时的技术问题。
第一方面,本发明提供一种低压配电网无功运行状态的预警方法,包括:
获取待预警低压配电网无功运行的各状态参数;
将所述各状态参数按预设的评价模型进行评价,确定所述待预警低压配电网无功运行状态的评价结果;
在所述评价结果满足预设的预警条件时进行预警。
可选地,在所述获取待预警低压配电网无功运行的各状态参数之前,所述方法还包括:
获取所述待预警低压配电网中各电力设备的检测数据和各配电***的配置数据,并根据获取的数据构建所述待预警低压配电网的电力大数据库;
对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数。
可选地,所述将所述各状态参数按预设的评价模型进行评价,确定所述待预警低压配电网无功运行状态的评价结果,包括:
将所述待预警低压配电网按预设的划分规则划分为多个配电网格单元;
根据所述各配电网格单元以及所述各状态参数,确定所述待预警低压配电网无功运行状态的评价结果。
可选地,所述根据所述配电网格单元以及所述各状态参数,确定所述待预警低压配电网无功运行状态的评价结果,包括:
根据所述配电网格单元以及所述各状态参数,确定所述待预警低压配电网的状态参数矩阵;
根据所述状态参数矩阵,确定的各状态参数对应的权重;
根据预设的最优值确定规则,确定所述状态参数矩阵对应的最优序列;
根据所述状态参数矩阵以及所述最优序列,确定所述待预警低压配电网的评价矩阵;
根据所述各状态参数对应的权重以及所述评价矩阵,确定所述待预警低压配电网无功运行状态的评价结果。
可选地,所述根据所述状态参数矩阵,确定的各状态参数对应的权重,包括:
根据所述状态参数矩阵,确定每个配电网格单元的标准化系数;
根据所述标准化系数,确定各状态参数对应的差异系数;
根据所述差异系数,确定各状态参数对应的权重。
可选地,所述根据预设的最优值确定规则,确定所述状态参数矩阵对应的最优序列,包括:
将各状态参数按照预设的分类规则进行分类;
根据各状态参数所属分类的最优值确定规则,确定每个状态参数的最优值;
根据所述每个状态参数的最优值,确定所述状态参数矩阵对应的最优序列。
可选地,所述根据所述状态参数矩阵以及所述最优序列,确定所述待预警低压配电网的评价矩阵,包括:
将所述状态参数矩阵的每一列与所述最优序列做商,将做商处理后的每一列组成修正矩阵;
基于灰色关联法,确定所述修正矩阵中每个元素的相关系数;
根据所述修正矩阵中每个元素的相关系数,确定所述待预警低压配电网的评价矩阵。
可选地,所述对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数,包括:
对所述电力大数据库中的数据进行存储、处理及调度,确定所述待预警低压配电网的无功运行状态的各状态参数。
第二方面,本发明提供一种低压配电网无功运行状态的预警***,包括:
获取单元,用于获取待预警低压配电网无功运行的各状态参数;
评价单元,用于将所述各状态参数按预设的评价模型进行评价,确定所述待预警低压配电网无功运行状态的评价结果;
预警单元,用于在所述评价结果满足预设的预警条件时进行预警。
可选地,所述***还包括:
构建单元,用于获取所述待预警低压配电网中各电力设备的检测数据和各配电***的配置数据,并根据获取的数据构建所述待预警低压配电网的电力大数据库;
确定单元,用于对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数。
由上述技术方案可知,本发明的低压配电网无功运行状态的预警方法及***,针对我国当前低压配电网的无功补偿方式多样、就地补偿要求高难度大、无功设备管理和运维困难等实际情况,对低压配电网的无功运行状态进行完整的评价,并根据评价结果进行及时预警,解决了现有技术中对低压配电网的无功运行状态预警不及时的技术问题,实现了科学有效地管理和监测低压配电网的无功运行状态。
附图说明
图1为本发明一实施例提供的低压配电网无功运行状态的预警方法的流程示意图;
图2为本发明一实施例中低压配电网的配电网格单元的示意图;
图3为本发明一实施例提供的低压配电网无功运行状态的评价体系的结构示意图;
图4为本发明一实施例提供的低压配电网无功运行状态的预警***的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1示出了本发明一实施例提供的低压配电网无功运行状态的预警方法的流程示意图。如图1所示,本实施例的低压配电网无功运行状态的预警方法包括步骤S11至S13。
S11、获取待预警低压配电网无功运行的各状态参数。
本实施例的状态参数包括四个方面:无功容量配置、无功控制能力、无功控制策略及无功设备健康。
S12、将所述各状态参数按预设的评价模型进行评价,确定所述待预警低压配电网无功运行状态的评价结果。
S13、在所述评价结果满足预设的预警条件时进行预警。
根据评价结果,判断待预警低压配电网是否满足预设的预警条件,在满足预设的预警条件时,进行预警,以提示电网的维护人员对低压配电网中评分靠后的部分进行相应的无功改造或优化。
本实施例的低压配电网无功运行状态的预警方法,对低压配电网的无功运行状态进行完整的评价,并根据评价结果进行及时预警,实现了科学有效地管理和监测低压配电网的无功运行状态。
在本发明一个优选的实施例中,在步骤S11之前还包括图1中未示出的步骤S00及S01。
S00、获取所述待预警低压配电网中各电力设备的检测数据和各配电***的配置数据,并根据获取的数据构建所述待预警低压配电网的电力大数据库。
电力***的数字化、信息化、智能化的不断发展,带来了更多的数据源,***式增长的监测数据、历史运行数据、气象观测数据等让传统的数据处理技术遇到瓶颈,无法满足从海量数据中快速获取知识与信息的分析需求,因此通过对智能电表等各种电力设备的测量数据采集和管理信息***MIS、数据采集与监视控制***SCADA等智能配电***的数据迁移,应用电力大数据技术将更多的电力企业内部及外部数据资源整合并共享,构建统一的电力大数据平台,成为电力行业信息化、智能化发展的必然要求,也是大数据在电力***中应用的基础。
S01、对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数。
对所述电力大数据库中的数据进行分析处理,确定所述低压配电网的无功运行状态的各状态参数。
利用恰当的数据分析技术对存储的数据进行分析,达到可以从大数据中高效提取出与低压配电网的无功运行状态评价相关的数据的目的。
本实施例的低压配电网无功运行状态的预警方法,充分利用大数据技术抽取各电力设备的监测数据及各配电***的配置数据,实现对低压配电网无功运行状态的检测并预警。
在本发明一个优选的实施例中,步骤S12具体包括图1中未示出的子步骤S121至S122。
S121、将所述待预警低压配电网按预设的划分规则划分为多个配电网格单元。
为了对低压配电网实现精细化评价,首先对低压配电网进行配电网格单元的划分。配电网格单元划分原则为:由联络开关或开环点分开的各个相当独立的10kV配电区域,为相应的各个配电网格单元。配电网格单元的构成如图2所示。配电网格单元囊括了低压配电网常见的三种无功补偿方式:低压侧集中补偿、低压线路补偿以及用户终端分散补偿。
S132、根据所述各配电网格单元以及所述各状态参数,确定所述待预警低压配电网无功运行状态的评价结果。
本实施例的低压配电网无功运行状态的预警方法,通过引入配电网格单元作为评价对象,将整个低压配电网分割成为若干个包含不同补偿方式的配电网格单元,实现了对低压配电网无功运行状态的精细化评价,既避免了评价目标的模糊和重叠,又可以使用户有目的和针对性、分区域进行无功补偿的改造升级,使有限的资金发挥最大的效益,避免盲目投资和重复浪费,使补偿效果达到最优。
在本发明一个优选的实施例中,步骤S122具体包括图1中未示出的子步骤S1221至S1225。
S1221、根据所述配电网格单元以及所述各状态参数,确定所述待预警低压配电网的状态参数矩阵。
可以理解的是,在对待预警低压配电网的无功运行状态进行评价时,可以选取待预警低压配电网中的一部分区域进行评价。同理,也可以根据实际的评价应用需求,选取状态参数中的一部分进行评价。例如,评价应用需求为电压质量分析、无功设备检测等,可以在各状态参数中选取相关的指标。设评价所涉及的配电网格单元的数目是m,涉及的评价指标是n项,利用xij表示第i个配电网格单元的第j个状态参数,其中i∈[1,m],j∈[1,n]。
则,状态参数矩阵X可表示为
S1222、根据所述状态参数矩阵,确定的各状态参数对应的权重。
S1223、根据预设的最优值确定规则,确定所述状态参数矩阵对应的最优序列。
S1224、根据所述状态参数矩阵以及所述最优序列,确定所述待预警低压配电网的评价矩阵。
S1225、根据所述各状态参数对应的权重以及所述评价矩阵,确定所述待预警低压配电网无功运行状态的评价结果。
步骤S1222具体包括子步骤S12221至S12223。
S1321、根据所述状态参数矩阵,确定每个配电网格单元的标准化系数。
应用熵权赋值法将矩阵X作为模糊综合评价矩阵,对其进行标准化处理,标准化系数按照公式(1)进行计算:
公式(1)中,zij为配电网格单元的标准化系数,xij表示第i个配电网格单元的第j个状态参数,m为配电网格单元的数目。
S1322、根据所述标准化系数,确定各状态参数对应的差异系数。
根据上述标准化系数,计算第j个状态参数的差异系数,计算公式如公式(2)所示:
公式(2)中,dj为第j个状态参数的差异系数,zij为配电网格单元的标准化系数,m为配电网格单元的数目。
S1323、根据所述差异系数,确定各状态参数对应的权重。
定义第j个状态参数的权重为vj,由公式(3)计算得到:
公式(3)中,vj为第j个状态参数的权重,dj为第j个状态参数的差异系数,n为选取的状态参数的数目。
步骤S1223具体包括子步骤S12231至S12233。
S12231、将各状态参数按照预设的分类规则进行分类。
本实施例中,各状态参数都以百分率的形式表示,避免了去量纲化处理的麻烦。将各状态参数按“效益型”参数、“损耗型”参数和“中间型”参数进行分类。例如补偿设备可用率越高越好,为效益型参数;电容器故障率越低越好,为损耗型参数;配变无功总容量补偿率在20%~40%之间,过低不满足需求,过高造成资源浪费,越接近中间值越好,为中间型参数。
S12232、根据各状态参数所属分类的最优值确定规则,确定每个状态参数的最优值。
本实施例中,最优值确定规则具体为:如果第j个状态参数为“效益型”参数,则自m个配电网格单元中选取此状态参数中的最大值作为最优值。
根据选取的各状态参数,确定每个配电网格单元的n个状态参数的最优值。
S12233、根据所述每个状态参数的最优值,确定所述状态参数矩阵对应的最优序列。
将选取的n个最优值构成最优序列rj。
步骤S1224具体包括子步骤S12241至S12243。
S12241、将所述状态参数矩阵的每一列与所述最优序列做商,将做商处理后的每一列组成修正矩阵。
按照公式(4)对状态参数矩阵X中的各元素进行关于最优序列的修正化处理:
公式(4)中,x′ij为状态参数矩阵X中的各元素的修正结果,xij表示第i个配电网格单元的第j个状态参数,rj为低压配电网评价区域的最优序列。
S12242、基于灰色关联法,确定所述修正矩阵中每个元素的相关系数。
定义配电网格单元i的第j个状态参数与该指标的最优值的基于灰色关联法的相关系数cij由公式(5)计算得到:
公式(5)中,cij为相关系数,rj为待预警低压配电网评价区域的最优序列,x′ij为状态参数矩阵X中的各元素的修正结果,ρ为分辨系数,取值区间为[0,1],为最小极差,为最大极差。
S12243、根据所述修正矩阵中每个元素的相关系数,确定所述待预警低压配电网的评价矩阵。
低压配电网的评价矩阵C由各相关系数cij组成。
相应的,步骤S1225、根据所述各状态参数对应的权重以及所述评价矩阵,确定所述待预警低压配电网无功运行状态的评价结果。具体由公式(6)计算得到:
公式(6)中,Si为第i个配电网格单元的最优评价关联度,vj为第j个状态参数的权重,C为待预警低压配电网的评价矩阵。
最优网格评价关联度Si在考虑单项指标与最优评价序列关联程度的基础上,从应用层指标集的总体层面对网格进行综合评价。Si值越大说明对应的网格越接近于待预警低压配电网实际无功运行的最优,以此为依据可排出m个配电网格单元在n个状态参数下的优劣顺序,作为该应用需求下待预警低压配电网无功运行状态的评价结果。
最后根据评价结果,判断是否适合预警,在符合条件时及时预警。
本实施例的低压配电网无功运行状态的预警方法,可对低压配电网中评价结果较低的部分进行预警,从而有效解决我国当前大量的用户无功功率需由电网进行异地补偿引发的电网电压质量和线损偏高的问题,最大程度的实现无功的就地平衡和低压无功补偿设备的高效管理,极大促进配电网的运行效益,具有巨大的经济价值和社会意义。
在本发明一个优选的实施例中,步骤S001具体包括以下步骤:
对所述电力大数据库中的数据进行存储、处理及调度,确定所述待预警低压配电网的无功运行状态的各状态参数。
利用基于Hadoop文件***的分布式文件处理***作为大数据的存储框架,利用基于MapReduce的分布式计算技术作为大数据的处理框架,调度框架包含数据仓库工具、数据传递工具、数据序列化格式与传输工具和非关系型数据库等子模块,以实现对电力大数据的组织与调度。
本实施例的低压配电网无功运行状态的预警方法,具有良好的通用性,电力大数据平台的存储架构和处理架构可构建在通用的服务器、操作***甚至虚拟机上,架构的终端构成单元具有低成本和高拓展性。
在本发明一个优选的实施例中,根据上述低压配电网无功运行状态的预警方法中对低压配电网无功运行状态评价结果的评价过程,提出一个低压配电网无功运行状态的评价体系,具体结构如图3所示。
本实施例的低压配电网无功运行状态的评价体系包括三层:数据层、参数层和应用层。
第一层为数据层,数据层结合大数据技术,将智能用电设备和智能配电***采集到的用户侧数据进行抽取和集成,构建电力大数据平台进行数据存储和数据分析,满足指标层从海量数据中高效提取出目标数据的需求,为评价体系提供数据支撑和分析基础,为指标层的各个状态参数的采集和运算提供数据支持。电力大数据平台对广泛异构的数据源进行抽取和集成,按照统一的标准对数据进行存储,利用恰当的数据分析技术对存储的数据进行分析,达到让指标层可以从中高效提取出有价值的数据的目的。
第二层为参数层,参数层在整个评价体系中处于承上启下的位置,各状态参数的构建既决定了如何对数据层的数据进行提取和挖掘,又直接影响对低压配电网无功运行状态的评价结果的好坏。参数层针对低压配电网的实际无功补偿的方式和运行的特点,分别从无功容量配置、无功控制能力、无功控制策略、无功设备健康状态四方面进行全面、精细的评价,以追踪存在的无功问题及导致该问题的根源,充分发掘大数据在无功评价方面的数据价值。
各状态参数的选取应当遵循全面、量化、针对性的原则,各评价指标的物理意义清晰,能够针对低压配电网的无功补偿特点和存在的主要问题进行量化分析,全面精细地反映地区电网的无功运行情况,但要避免交叉评价和重复描述。
本实施例中的四个方面又包含多个状态参数。具体如表1所示。
表1状态参数具体内容
1、无功容量配置方面。
无功容量配置主要用于评价低压配电变压器无功补偿总容量和电容器单组容量的配置是否符合要求。无功容量配置指标在无功运行的过程中具有不可调节性,因此主要针对低压配电网的无功规划和改造工作提出。其包括以下两个状态参数:
1)配变总容量补偿率。
本实施例中,“配电变压器”简称为“配变”。
配电变压器低压侧集中补偿是目前国内低压配电网较为常见的一种无功补偿方式,配变总容量补偿率就是针对这种补偿方式提出的用于评价配变的无功补偿总容量配置是否满足相关导则及规定要求的指标。配变总容量补偿率由公式(7)定义如下:
公式(7)中,CTCR为配电网格单元的配变总容量补偿率,n为配电网格单元内的配变台数,配变i的额定容量为Si,且有i∈[1,n],对应无功补偿装置的总容量为Ci。按国家电网电力***无功补偿配置技术原则规定,配电网格单元的配变总容量补偿率应在20%~40%之间。
2)单组容量不当率。
单组容量不当率用于评价电容器的单组容量划分能否满足功率因数的考核要求。定义单组容量不当率为:
公式(8)中,CSCR为配电网格单元的单组容量不当率,N1为配电网格单元内考核点全天的数据采集时刻数目,TSC为电容器的单组容量无论如何投切都无法满足功率因数要求的时刻数目。
2、无功控制能力方面。
无功控制能力包括功率因数合格率、功率因数负荷匹配率、电压合格率和电压波动合格率四个状态参数。功率因数合格率、电压合格率为现有的统计方法,此处不再赘述。
1)功率因数负荷匹配率。
公式(9)中,LMDOPF为配电网格单元的功率因数负荷匹配率,N2为配电网格单元内考核点采集的高峰和低谷时刻数目,TPF为采集的高峰和低谷时刻中功率因数满足相应的负荷在轻载和重载两种情况下功率因数要求的时刻的数目。
2)电压波动合格率。
公式(10)中,UVFQR为配电网格单元的电压波动合格率,N3为配电网格单元内电压考核点的数目,TVQ为典型日内的电压波动率符合要求(低电力用户为额定电压的±7%,低压照明用户为额定电压的+5%~-10%)的考核点的数目。
3、无功控制策略方面。
无功控制策略主要从无功投切效果和投切是否频繁两方面衡量现有的电容器组投切规则,以此来追踪无功调节问题,评价现有的无功控制策略是否得当。
1)无功投切不当率。
无功投切不当率用于评价电容器的投切控制策略能否满足电压改善的要求。定义无功投切不当率为:
公式(11)中,RITR为配电网格单元的无功投切不当率,NT为配电网格单元内有电容器投切动作的时刻数目,NTI为电容器的投切导致电压越限的投切不当时刻数目。例如,若k时刻电压越限,并且在电容器投切动作之后电压质量并没有得到改善,则k为投切不当时刻数。
2)无功动作超标率。
无功动作超标率用于评价配电网格单元内电容器是否动作过于频繁以及频繁的程度,以此来衡量电容器组的动作延时时间及动作触发设置等无功控制策略是否合理。无功动作超标率定义为:
公式(12)中,ROCR为配电网格单元的无功动作超标率,NC在为网格内所有电容器的数目,NOC为在评价时段内电容器的实际动作次数超过动作次数上限的电容器的数目。显然,ROCR越高表明配电网格单元内电容器的频繁动作程度越严重,易发生投切震荡,从而容易对***产生冲击,应该考虑对电容器组的动作时间和触发设置进行相应改进。
4、无功设备健康方面。
当前城镇低压用户用电量不断增加,现有补偿方式尤其是用户终端分散补偿方式,由于用户终端地点分散,对无功设备的管理提出了更高的要求。无功设备健康基于大数据和无功在线检测技术的支持,为解决低压配电网无功设备运维成本高的难题而提出。
1)补偿设备可用率。
补偿设备可用率用于衡量配电网格单元内无功补偿装置总体的健康状况,是确保无功补偿运行可靠性的重要指标。补偿设备可用率定义为:
公式(13)中,K为配电网格单元的补偿设备可用率,m为配电网格单元内并联电容器的组数,n为故障停运时间超过24小时的并联电容器的组数,Si为电容器组容量,Ti为月历小时数,Sei为故障容量,Tei为故障小时数。无功补偿设备可用率应该维持在96%以上。
2)电容器老化率。
公式(14)中,TDR为配电网格单元的电容器老化率,UP为电容器在电网中的实际连续工作电压,UN为电容器的额定电压,α为与配变类型和品牌有关、通过已有电容器实际使用年限数据分析出的修正系数(例如对于全膜电容器α=9,但根据品牌的不同数值会上下浮动),rt为电容器当前运行总时间和额定使用寿命的比值。对网格内的所有电容器老化率加权取均值即可反映配电网格单元总体的无功补偿设备的老化状况。
3)电容器投切故障率。
公式(15)中,ER为配电网格单元的电容器投切故障率,NS为考核时间段内电容器应该执行投切动作的次数,Ni为实际投切成功的次数。ER越高说明该电容器越易发生投切故障,需要进行相应器件的检修或者更换。
第三层为应用层,应用层直接面向有无功评价需求的低压电力用户,用户根据不同的无功评价需求(无功配置优化、无功设备检测等)选取指标层对应的指标,将指标的原始计算结果按照综合评价的关联度方法排出网格在评价指标下的优劣顺序,将该评分结果作为所有网格在该实际应用要求下的最终评价结果。
智能配电网中的多种数据源和数据类型通过电力大数据平台的基于Hadoop文件***的分布式文件处理***的大数据存储框架转化为统一的存储类型,并结合基于MapReduce分布式计算技术的大数据处理框架和相应的并行运算技术,实现在海量数据中的快速查询和运算;数据层通过大数据平台的调度模块实现对所需原始数据的获取,计算出各个评价指标的值;用户根据实际的评价需求选取相应的状态参数,计算出各配电网格单元在相应状态参数下的关联度得分,实现配电网格单元的横向化比较,根据实际能力选取评分靠后的配电网格单元进行相应的预警,以提示电网维护人员进行无功改造或优化。
本实施例的低压配电网无功运行状态的评价体系,打破传统评价研究局限于对评价指标的选取的局限,提出了包含数据层、参数层、应用层于一体的评价体系,通用性和实用性强,有效满足低压配电网无功评价的不同实际需求,填补了在低压配电网的无功运行状态评价领域内完整的无功评价体系的空白,实现精细、科学、有效的无功评价。
图4示出了本发明一实施例提供的低压配电网无功运行状态的预警***的结构示意图。如图4所示,本实施例的低压配电网无功运行状态的预警***包括:获取单元401、评价单元402和预警单元403。
获取单元401,用于获取待预警低压配电网无功运行的各状态参数。
评价单元402,用于将所述各状态参数按预设的评价模型进行评价,确定所述待预警低压配电网无功运行状态的评价结果。
预警单元403,用于在所述评价结果满足预设的预警条件时进行预警。
本实施例的低压配电网无功运行状态的预警***,实现了科学、有效的对低压配电网的无功运行状态进行评价,从而使得对低压配电网无功运行状态不良好时及时预警。
在本发明一个优选的实施例中,上述***还包括图4中未示出的以下单元:
构建单元,用于获取所述待预警低压配电网中各电力设备的检测数据和各配电***的配置数据,并根据获取的数据构建所述待预警低压配电网的电力大数据库;
确定单元,用于对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数。
本实施例的低压配电网无功运行状态的预警***,充分发掘和展示了大数据在智能配电网中的巨大应用价值,为大数据技术与电网发展的结合找到新的切入点。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (7)
1.一种低压配电网无功运行状态的预警方法,其特征在于,包括:
获取所述待预警低压配电网中各电力设备的检测数据和各配电***的配置数据,并根据获取的数据构建所述待预警低压配电网的电力大数据库;
对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数,以从大数据中提取出与低压配电网的无功运行状态评价相关的数据;
获取待预警低压配电网无功运行的各状态参数;所述状态参数包括,无功容量配置、无功控制能力、无功控制策略及无功设备健康;
将所述各状态参数按预设的评价模型进行评价,确定所述低压配电网无功运行状态的评价结果;包括,将所述待预警低压配电网按预设的划分规则划分为多个配电网格单元;根据所述各配电网格单元以及所述各状态参数,确定所述待预警低压配电网无功运行状态的评价结果;相应地,所述无功设备健康包括补偿设备可用率、电容器老化率和电容器投切故障率;
所述补偿设备可用率具体为,
式中,K为配电网格单元的补偿设备可用率,m为配电网格单元内并联电容器的组数,n为故障停运时间超过24小时的并联电容器的组数,Si为电容器组容量,Ti为月历小时数,Sei为故障容量,Tei为故障小时数;
所述电容器老化率具体为,
式中,TDR为配电网格单元的电容器老化率,UP为电容器在电网中的实际连续工作电压,UN为电容器的额定电压,α为与配变类型和品牌有关、通过已有电容器实际使用年限数据分析出的修正系数,rt为电容器当前运行总时间和额定使用寿命的比值;
所述电容器投切故障率具体为,
式中,ER为配电网格单元的电容器投切故障率,NS为考核时间段内电容器应该执行投切动作的次数,Ni为实际投切成功的次数;
在所述评价结果满足预设的预警条件时进行预警。
2.根据权利要求1所述的方法,其特征在于,所述根据所述配电网格单元以及所述各状态参数,确定所述待预警低压配电网无功运行状态的评价结果,包括:
根据所述配电网格单元以及所述各状态参数,确定所述待预警低压配电网的状态参数矩阵;
根据所述状态参数矩阵,确定的各状态参数对应的权重;
根据预设的最优值确定规则,确定所述状态参数矩阵对应的最优序列;
根据所述状态参数矩阵以及所述最优序列,确定所述待预警低压配电网的评价矩阵;
根据所述各状态参数对应的权重以及所述评价矩阵,确定所述待预警低压配电网无功运行状态的评价结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述状态参数矩阵,确定的各状态参数对应的权重,包括:
根据所述状态参数矩阵,确定每个配电网格单元的标准化系数;
根据所述标准化系数,确定各状态参数对应的差异系数;
根据所述差异系数,确定各状态参数对应的权重。
4.根据权利要求2所述的方法,其特征在于,所述根据预设的最优值确定规则,确定所述状态参数矩阵对应的最优序列,包括:
将各状态参数按照预设的分类规则进行分类;
根据各状态参数所属分类的最优值确定规则,确定每个状态参数的最优值;
根据所述每个状态参数的最优值,确定所述状态参数矩阵对应的最优序列。
5.根据权利要求2所述的方法,其特征在于,所述根据所述状态参数矩阵以及所述最优序列,确定所述待预警低压配电网的评价矩阵,包括:
将所述状态参数矩阵的每一列与所述最优序列做商,将做商处理后的每一列组成修正矩阵;
基于灰色关联法,确定所述修正矩阵中每个元素的相关系数;
根据所述修正矩阵中每个元素的相关系数,确定所述待预警低压配电网的评价矩阵。
6.根据权利要求1所述的方法,其特征在于,所述对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数,包括:
对所述电力大数据库中的数据进行存储、处理及调度,确定所述待预警低压配电网的无功运行状态的各状态参数。
7.一种低压配电网无功运行状态的预警***,其特征在于,包括:
构建单元,用于获取所述待预警低压配电网中各电力设备的检测数据和各配电***的配置数据,并根据获取的数据构建所述待预警低压配电网的电力大数据库;
确定单元,用于对所述电力大数据库中的数据进行分析处理,确定所述待预警低压配电网的无功运行状态的各状态参数,以从大数据中提取出与低压配电网的无功运行状态评价相关的数据;
获取单元,用于获取待预警低压配电网无功运行的各状态参数;所述状态参数包括,无功容量配置、无功控制能力、无功控制策略及无功设备健康;
评价单元,用于将所述各状态参数按预设的评价模型进行评价,确定所述待预警低压配电网无功运行状态的评价结果;包括,将所述待预警低压配电网按预设的划分规则划分为多个配电网格单元;根据所述各配电网格单元以及所述各状态参数,确定所述待预警低压配电网无功运行状态的评价结果;相应地,所述无功设备健康包括补偿设备可用率、电容器老化率和电容器投切故障率;
所述补偿设备可用率具体为,
式中,K为配电网格单元的补偿设备可用率,m为配电网格单元内并联电容器的组数,n为故障停运时间超过24小时的并联电容器的组数,Si为电容器组容量,Ti为月历小时数,Sei为故障容量,Tei为故障小时数;
所述电容器老化率具体为,
式中,TDR为配电网格单元的电容器老化率,UP为电容器在电网中的实际连续工作电压,UN为电容器的额定电压,α为与配变类型和品牌有关、通过已有电容器实际使用年限数据分析出的修正系数,rt为电容器当前运行总时间和额定使用寿命的比值;
所述电容器投切故障率具体为,
式中,ER为配电网格单元的电容器投切故障率,NS为考核时间段内电容器应该执行投切动作的次数,Ni为实际投切成功的次数;
预警单元,用于在所述评价结果满足预设的预警条件时进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610074905.2A CN105548779B (zh) | 2016-02-02 | 2016-02-02 | 一种低压配电网无功运行状态的预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610074905.2A CN105548779B (zh) | 2016-02-02 | 2016-02-02 | 一种低压配电网无功运行状态的预警方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105548779A CN105548779A (zh) | 2016-05-04 |
CN105548779B true CN105548779B (zh) | 2018-12-07 |
Family
ID=55828100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610074905.2A Active CN105548779B (zh) | 2016-02-02 | 2016-02-02 | 一种低压配电网无功运行状态的预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105548779B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107948008B (zh) * | 2017-10-23 | 2021-01-05 | 珠海许继芝电网自动化有限公司 | 一种用于低压配电网监控***的建模方法 |
CN109412145B (zh) * | 2018-10-16 | 2022-03-29 | 国网上海市电力公司 | 一种基于同步测量数据的主动配电网动态特性评估方法 |
CN111060779B (zh) * | 2019-11-20 | 2022-03-11 | 安徽大学 | 一种基于概率神经网络的电网分区故障诊断方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3028486C (en) * | 2008-05-09 | 2020-10-27 | Accenture Global Services Limited | Method and system for managing a power grid |
CN103679544A (zh) * | 2012-11-27 | 2014-03-26 | 江苏省电力公司南京供电公司 | 一种智能配电网运行综合评估方法 |
CN104573947A (zh) * | 2014-12-29 | 2015-04-29 | 国家电网公司 | 区域智能配电网低压台区综合评价方法 |
CN104616210B (zh) * | 2015-02-05 | 2017-12-08 | 河海大学常州校区 | 一种智能配电网大数据融合重构与交互方法 |
CN104932278A (zh) * | 2015-05-29 | 2015-09-23 | 国网山东省电力公司经济技术研究院 | 一种基于智能电网的电力大数据*** |
CN105160024A (zh) * | 2015-09-30 | 2015-12-16 | 谢乐 | 一种大数据用电分析的***和方法 |
CN105226648A (zh) * | 2015-10-14 | 2016-01-06 | 国网河南省电力公司电力科学研究院 | 一种基于大数据的分布式电源配电网规划方法 |
-
2016
- 2016-02-02 CN CN201610074905.2A patent/CN105548779B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105548779A (zh) | 2016-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107274067B (zh) | 一种配电变压器过载风险评估方法 | |
CN109740863A (zh) | 基于大电源接入***的综合评价方法 | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
CN105427039A (zh) | 一种基于责任区的配电网抢修工单高效处理方法 | |
CN101859409A (zh) | 基于风险评估的输变电设备状态检修体系 | |
CN108805443A (zh) | 一种电网性能综合评价方法和*** | |
CN110689240A (zh) | 一种配电网经济运行模糊综合评价方法 | |
CN102629364A (zh) | 一种电力设备状态的量化评分方法 | |
CN104318339A (zh) | 一种基于综合赋权法的电网投资效益评价方法 | |
CN102545213A (zh) | 电网线损实时管理***及方法 | |
CN109409770A (zh) | 一种基于神经网络的农村电网智能水平评价方法 | |
CN105548779B (zh) | 一种低压配电网无功运行状态的预警方法及*** | |
CN106447533A (zh) | 基于城市电能安全发展指数的评价方法 | |
CN102063563A (zh) | 网省地一体化的母线负荷预测方法 | |
CN109816269A (zh) | 一种基于配电单元综合效益的配电网项目规划方法 | |
CN108876114A (zh) | 考虑新能源接入的电网效率效益评估方法 | |
CN109447335A (zh) | 一种电网项目两阶段决策优化方法及*** | |
CN107169655A (zh) | 一种优选配电网方案适应性的方法及装置 | |
CN105184493A (zh) | 一种用于电网企业能源绩效评价的方法 | |
CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
CN112308425A (zh) | 一种构建配变健康评价指标体系的方法 | |
CN115409264A (zh) | 基于馈线故障预测的配电网抢修驻点位置优化方法 | |
CN111105218A (zh) | 一种基于全息影像技术的配电网运行监视方法 | |
CN101685964B (zh) | 基于大规模并行处理的在线调度辅助决策方法和*** | |
Guoliang et al. | Evaluating power grid enterprise's investment returns |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |