CN105654245B - 基于负荷不确定性建模的电网静态电压稳定风险评估方法 - Google Patents
基于负荷不确定性建模的电网静态电压稳定风险评估方法 Download PDFInfo
- Publication number
- CN105654245B CN105654245B CN201511031154.8A CN201511031154A CN105654245B CN 105654245 B CN105654245 B CN 105654245B CN 201511031154 A CN201511031154 A CN 201511031154A CN 105654245 B CN105654245 B CN 105654245B
- Authority
- CN
- China
- Prior art keywords
- load
- node
- model
- power
- class
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012502 risk assessment Methods 0.000 title claims abstract description 32
- 230000003068 static effect Effects 0.000 title claims abstract description 29
- 240000002853 Nelumbo nucifera Species 0.000 claims description 31
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 31
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 31
- 230000012010 growth Effects 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000006698 induction Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 239000003102 growth factor Substances 0.000 claims description 12
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 5
- 230000007773 growth pattern Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网的静态电压稳定性风险评估方法,具体是一种基于负荷不确定性建模的电网静态电压稳定风险评估方法。本发明解决了现有静态电压稳定性风险评估方法评估结果不准确的问题。基于负荷不确定性建模的电网静态电压稳定风险评估方法,该方法是采用如下步骤实现的:1)建立负荷不确定性模型;2)建立潮流运算模型;3)建立风险评估指标,并运用风险指标识别电网中的高运行风险区域。本发明适用于电网的静态电压稳定性风险评估。
Description
技术领域
本发明涉及电网的静态电压稳定性风险评估方法,具体是一种基于负荷不确定性建模的电网静态电压稳定风险评估方法。
背景技术
在电网的实际运行过程中,静态电压崩溃导致的电压失稳事故会严重影响电网的静态稳定运行,由此造成巨大的经济损失,从而严重影响国民生产。因此,为了防止电压失稳事故的发生,需要对电网的静态电压稳定性进行风险评估。现有的静态电压稳定性风险评估方法主要包括如下两种:第一种是确定性评估方法,此种评估方法存在的问题是:由于无法计及多种不确定性因素的概率分布,导致其评估结果难以客观、全面地反映电网的实际运行状况,由此导致评估结果不准确。第二种是可计及不确定性因素的概率评估方法,此种评估方法存在的问题是:未能以历史负荷变化规律为基础,准确、全面地计及存在于初始负荷耗量、负荷出现增长的节点编号和负荷增长情形中的不确定性,并且缺少具有物理意义、能从各个层次反映静态电压稳定程度的风险指标,因此此种概率评估方法同样会导致评估结果不准确。鉴于此,有必要发明一种全新的静态电压稳定性风险评估方法,以解决现有静态电压稳定性风险评估方法评估结果不准确的问题。
发明内容
本发明为了解决现有静态电压稳定性风险评估方法评估结果不准确的问题,提供了一种基于负荷不确定性建模的电网静态电压稳定风险评估方法。
本发明是采用如下技术方案实现的:基于负荷不确定性建模的电网静态电压稳定风险评估方法,该方法是采用如下步骤实现的:
1)建立负荷不确定性模型;所述负荷不确定性模型包括:初荷波动概率分布模型、负荷出现增长的节点群识别模型、负荷随机增长模型;
2)建立潮流运算模型:首先根据负荷出现增长的节点群识别模型确定电网中出现负荷增长的节点编号,之后基于蒙特卡罗仿真方法分别采集初荷波动概率分布模型中的初荷耗量样本和负荷随机增长模型中的负荷增量样本,最后基于样本值进行计及综合负荷特性的连续潮流运算;
3)建立风险评估指标,并运用风险指标识别电网中的高运行风险区域;所述风险评估指标包括网络极限载荷水平风险指标、节点低压载荷风险指标、线路传输功率占比风险指标、线路极限传输裕度风险指标。
所述步骤1)中,
建立初荷波动概率分布模型的方法具体包括如下步骤:
1.1)取聚类数目为2,随机生成一组隶属矩阵元素的初值;
1.2)对历史负荷数据进行第一次模糊C均值聚类;
1.3)计算评价该次聚类结果的类间类内划分指标BWP;具体计算公式如下:
式(1)-(3)中:BWP(j,i)为类间类内划分指标;b(j,i)为第j类第i个样本的最小类间距离;w(j,i)为第j类第i个样本的类内距离;j和k为类标;i、p和q为样本标号;m为聚类数目;nk为第k类中的样本个数;nj为第j类的样本个数;为第k类第p个样本;为第j类第i个样本;为第j类第q个样本;
1.4)再次随机产生一组隶属矩阵元素初值,重复步骤1.2)-1.3),直到聚类次数达到历史负荷数据长度的1/2为止;
1.5)令聚类数目加1,随机生成一组隶属矩阵元素的初值,重复步骤1.2)-1.4),直到聚类数目达到历史负荷数据长度的开方值为止;
1.6)统计全部类间类内划分指标;选择类间类内划分指标最大即为BWPopt时对应的聚类结果,作为对负荷功耗时间曲线的时段划分方式:
式(4)中:BWPopt为对应最优聚类结果的类间类内划分指标;n为样本总数;Csize为负荷样本总长度的开方值;
1.7)对每类负荷功耗时段,计算全网所有载荷节点功耗的相关系数并形成相关系数矩阵;
1.8)利用Cholesky方法分解步骤1.7)中每类负荷功耗时段对应的相关系数矩阵,得到服从多维正态分布的初荷功耗样本;至此,初荷波动概率分布模型建模完毕。
负荷出现增长的节点群识别模型具体表示如下:
式(5)-(6)中:ρxy为x和y的相关系数;Ixy为x和y的互信息量;cov(x,y)为x和y的协方差;D(x)和D(y)分别为x、y的方差;p(x)和p(y)分别为x、y的边缘概率密度;p(x,y)为x和y的联合概率密度;
负荷随机增长模型具体表示如下:
式(7)-(9)中:D0为负荷增长的参考方向;D1为负荷实际增长方向;(S1,S2,...,SNload)为由各载荷节点视在功率组成的一维向量;Nload为载荷节点个数;为第i个载荷点的功率因数(1≤i≤Nload);SΔbase为***的功率基准值;kLi为负荷增长系数,kLi取值的集合可由步骤1)所述的方法确定,也可由概率分布的拟合方法确定。
所述步骤2)中,
首先,依据给定的阀值ρ1、ρ2和I1、I2,确定电网中出现负荷增长的节点编号:
ρ1≤ρxy≤ρ2 (10);
I1≤Ixy≤I2 (11);
式(10)-(11)中:x和y均为节点编号;ρ1和ρ2分别为相关系数的下限和上限;I1和I2分别为互信息量的下限和上限;
之后,利用步骤1)介绍的方法,求得初荷波动概率分布模型中的初荷耗量样本和负荷随机增长模型中的负荷增量样本,确定kLi的取值集合;
潮流运算模型具体表示如下:
式(12)-(13)中:λ为负荷量的持续增长因子;PLi0、QLi0分别为节点i的初始有功、无功功率负荷量;为节点i的功率因数;δij为节点i和j电压的相角差;当i=j时,Yii=Gii+jBii为节点自导纳;当i≠j时,Yij=Gij+jBij为节点互导纳;SΔbase为***的功率基准值;kLi为负荷增长系数,kGi为与发电调度策略有关的出力增长系数;综合负荷模型常用恒电流、恒阻抗、恒功率型负荷及感应电动机的静态等效模型表示,计及综合负荷模型时,节点导纳矩阵的构造方法为:
Yij=YIn+YZn+YMn (14);
YIn=In0/Vn0 (15);
YZn=1/Zn (16);
YMn=1/(R+jX) (17);
Z2m=(rm+r2/s)2+(xm+x2)2 (20);
Tm=l·(α+(1-α)(1-s)p) (21);
式(14)-(22)中:YIn、YZn和YMn分别为恒电流型、恒阻抗型和感应电动机负荷的等效导纳值;s、rm+jxm和r2/s+jx2分别为感应电动机的转差率、励磁阻抗和副边等效阻抗;Vi为节点i的电压幅值;l、α和p分别为感应电动机负荷率、静止阻力矩和机械负荷特性指数;
基于步骤1)建立的负荷不确定性模型,利用蒙特卡罗方法每采集一组负荷样本,便应用计及综合负荷的潮流运算模型进行计算,直到采集完全部负荷样本为止。
所述步骤3)中,
网络极限载荷水平风险指标具体表示如下:
式(23)-(24)中:m为总模拟次数;PLtotal(Mi)和p(Mi)分别为第i种负荷场景的***极限载荷量及其出现的概率,无功参数的含义与有功情况类似,不再赘述;
节点低压载荷风险指标具体表示如下:
式(25)-(26)中:为i节点电压为全网最低的事件集合;p(*)为事件Aij发生时***崩溃的概率;事件结果res(*)为经极限载荷期望值归一化处理后的***最大载荷量;
线路传输功率占比风险指标具体表示如下:
式(27)-(28)中:为全网中线路l的极限传输功率与***载荷量之比最高的事件集合;p(*)为事件Llk发生时***崩溃的概率;(p_transfer)lk和(pcollapse)k分别为事件k发生时线路l上传送的有功功率及***极限载荷量;
线路极限传输裕度风险指标具体表示如下:
式(29)-(30)中:p(*)为事件LlM发生时***崩溃的概率;(Ls-1)为线路传输极限裕度;Pt为线路送端功率传输量;Sbase为功率基准值。
与现有静态电压稳定性风险评估方法相比,本发明所述的基于负荷不确定性建模的电网静态电压稳定风险评估方法具备如下优点:其一,与确定性评估方法相比,本发明所述的基于负荷不确定性建模的电网静态电压稳定风险评估方法计及了多种不确定性因素的概率分布,由此使得评估结果能够客观、全面地反映电网的实际运行状况,从而使得评估结果更加准确。其二,与概率评估方法相比,本发明所述的基于负荷不确定性建模的电网静态电压稳定风险评估方法以历史负荷变化规律为基础,准确、全面地计及了存在于初始负荷耗量、负荷出现增长的节点编号和负荷增长情形中的不确定性,由此具备了具有物理意义、能从各个层次反映静态电压稳定程度的风险指标,从而使得评估结果更加准确。
本发明有效解决了现有静态电压稳定性风险评估方法评估结果不准确的问题,适用于电网的静态电压稳定性风险评估。
附图说明
图1是基于负荷不确定性建模的电网静态电压稳定风险评估方法流程图。
图2是描述太原110kV电网全网载荷节点负荷变化差异性的“互信息量-相关关系”。
图3是太原110kV电网节点15、18和47的负荷随机增长模型。
图4是太原110kV电网某次潮流运算中恒功率负荷下的线路传输功率变化情况。
图5是太原110kV电网某次潮流运算中综合负荷模型下的线路传输功率变化情况。
图6是太原110kV电网在三种负荷增长方式下,网络极限载荷水平风险值的核概率密度分布。
具体实施方式
基于负荷不确定性建模的电网静态电压稳定风险评估方法,该方法是采用如下步骤实现的:
1)建立负荷不确定性模型;所述负荷不确定性模型包括:初荷波动概率分布模型、负荷出现增长的节点群识别模型、负荷随机增长模型;
2)建立潮流运算模型:首先根据负荷出现增长的节点群识别模型确定电网中出现负荷增长的节点编号,之后基于蒙特卡罗仿真方法分别采集初荷波动概率分布模型中的初荷耗量样本和负荷随机增长模型中的负荷增量样本,最后基于样本值进行计及综合负荷特性的连续潮流运算;
3)建立风险评估指标,并运用风险指标识别电网中的高运行风险区域;所述风险评估指标包括网络极限载荷水平风险指标、节点低压载荷风险指标、线路传输功率占比风险指标、线路极限传输裕度风险指标。
所述步骤1)中,
建立初荷波动概率分布模型的方法具体包括如下步骤:
1.1)取聚类数目为2,随机生成一组隶属矩阵元素的初值;
1.2)对历史负荷数据进行第一次模糊C均值聚类;
1.3)计算评价该次聚类结果的类间类内划分指标BWP;具体计算公式如下:
式(1)-(3)中:BWP(j,i)为类间类内划分指标;b(j,i)为第j类第i个样本的最小类间距离;w(j,i)为第j类第i个样本的类内距离;j和k为类标;i、p和q为样本标号;m为聚类数目;nk为第k类中的样本个数;nj为第j类的样本个数;为第k类第p个样本;为第j类第i个样本;为第j类第q个样本;
1.4)再次随机产生一组隶属矩阵元素初值,重复步骤1.2)-1.3),直到聚类次数达到历史负荷数据长度的1/2为止;
1.5)令聚类数目加1,随机生成一组隶属矩阵元素的初值,重复步骤1.2)-1.4),直到聚类数目达到历史负荷数据长度的开方值为止;
1.6)统计全部类间类内划分指标;选择类间类内划分指标最大即为BWPopt时对应的聚类结果,作为对负荷功耗时间曲线的时段划分方式:
式(4)中:BWPopt为对应最优聚类结果的类间类内划分指标;n为样本总数;Csize为负荷样本总长度的开方值;
1.7)对每类负荷功耗时段,计算全网所有载荷节点功耗的相关系数并形成相关系数矩阵;
1.8)利用Cholesky方法分解步骤1.7)中每类负荷功耗时段对应的相关系数矩阵,得到服从多维正态分布的负荷功耗样本;至此,初荷波动概率分布模型建模完毕;
负荷出现增长的节点群识别模型具体表示如下:
式(5)-(6)中:ρxy为x和y的相关系数;Ixy为x和y的互信息量;cov(x,y)为x和y的协方差;D(x)和D(y)分别为x、y的方差;p(x)和p(y)分别为x、y的边缘概率密度;p(x,y)为x和y的联合概率密度;
负荷随机增长模型具体表示如下:
式(7)-(9)中:D0为负荷增长的参考方向;D1为负荷实际增长方向;(S1,S2,...,SNload)为由各载荷节点视在功率组成的一维向量;Nload为载荷节点个数;为第i个载荷点的功率因数(1≤i≤Nload);SΔbase为***的功率基准值;kLi为负荷增长系数,kLi取值的集合可由步骤1)所述的方法确定,也可由概率分布的拟合方法确定。
所述步骤2)中,
首先,依据给定的阀值ρ1、ρ2和I1、I2,确定电网中出现负荷增长的节点编号:
ρ1≤ρxy≤ρ2 (10);
I1≤Ixy≤I2 (11);
式(10)-(11)中:x和y均为节点编号;ρ1和ρ2分别为相关系数的下限和上限;I1和I2分别为互信息量的下限和上限;
之后,利用步骤1)介绍的方法,求得初荷波动概率分布模型中的初荷耗量样本和负荷随机增长模型中的负荷增量样本,确定kLi的取值集合;
潮流运算模型具体表示如下:
式(12)-(13)中:λ为负荷量的持续增长因子;PLi0、QLi0分别为节点i的初始有功、无功功率负荷量;为节点i的功率因数;δij为节点i和j电压的相角差;当i=j时,Yii=Gii+jBii为节点自导纳;当i≠j时,Yij=Gij+jBij为节点互导纳;SΔbase为***的功率基准值;kLi为负荷增长系数,kGi为与发电调度策略有关的出力增长系数;综合负荷模型常用恒电流、恒阻抗、恒功率型负荷及感应电动机的静态等效模型表示,计及综合负荷模型时,节点导纳矩阵的构造方法为:
Yij=YIn+YZn+YMn (14);
YIn=In0/Vn0 (15);
YZn=1/Zn (16);
YMn=1/(R+jX) (17);
Z2m=(rm+r2/s)2+(xm+x2)2 (20);
Tm=l·(α+(1-α)(1-s)p) (21);
式(14)-(22)中:YIn、YZn和YMn分别为恒电流型、恒阻抗型和感应电动机负荷的等效导纳值;s、rm+jxm和r2/s+jx2分别为感应电动机的转差率、励磁阻抗和副边等效阻抗;Vi为节点i的电压幅值;l、α和p分别为感应电动机负荷率、静止阻力矩和机械负荷特性指数;
基于步骤1)建立的负荷不确定性模型,利用蒙特卡罗方法每采集一组负荷样本,便应用计及综合负荷的潮流运算模型进行计算,直到采集完全部负荷样本为止。
所述步骤3)中,
网络极限载荷水平风险指标具体表示如下:
式(23)-(24)中:m为总模拟次数;PLtotal(Mi)和p(Mi)分别为第i种负荷场景的***极限载荷量及其出现的概率,无功参数的含义与有功情况类似,不再赘述;
节点低压载荷风险指标具体表示如下:
式(25)-(26)中:为i节点电压为全网最低的事件集合;p(*)为事件Aij发生时***崩溃的概率;事件结果res(*)为经极限载荷期望值归一化处理后的***最大载荷量;
线路传输功率占比风险指标具体表示如下:
式(27)-(28)中:为全网中线路l的极限传输功率与***载荷量之比最高的事件集合;p(*)为事件Llk发生时***崩溃的概率;(p_transfer)lk和(pcollapse)k分别为事件k发生时线路l上传送的有功功率及***极限载荷量;
线路极限传输裕度风险指标具体表示如下:
式(29)-(30)中:p(*)为事件LlM发生时***崩溃的概率;(Ls-1)为线路传输极限裕度;Pt为线路送端功率传输量;Sbase为功率基准值。
具体实施时,以太原57节点110kV电网为例,对本发明的技术方案作进一步具体说明:
1)建立负荷不确定性模型:
由步骤1)所述流程,得到初荷波动概率分布模型为:第一个载荷节点的部分初荷样本值为(-47.53,-46.9,-58.5,-62.5,-50.5,-55.7,-43.2,-58.5),第二个载荷节点的部分初荷样本值为(-2.2,-2.7,-3.4,-4.0,-3.5,-2.8,-3.1,-3.9),其他载荷节点初荷样本从略。由步骤1)介绍的方法,负荷功耗的时间曲线被分成两个时间段,在第一个时间段,第一和第二载荷节点样本的相关系数为0.77;在第二个时间段,第一和第二载荷节点的相关系数为0.74;
由步骤1)所述流程,将负荷出现增长的节点群识别模型表示为图2:横坐标为描述全网两两节点负荷变化差异性的互信息量,纵坐标为描述全网两两节点负荷变化差异性的相关系数。人为给定“互信息量-相关系数”的阀值分别为1.5-0.9,1-0.8,0-0,得到以下三类节点群,同一类节点负荷同时增长的可能性较大:第一类节点群,阀值在1.5-0.9至3-1之间的节点编号为2,6,9,12,13,14,15,16,19,25,29,30,38,41,49,51,52,53,54,56,57;第二类节点群,阀值在1-0.8至1.5-0.9之间的节点编号为1,3,5,8,20,27,28,32,35,47,50;第三类节点群,阀值在0-0至1-0.8之间的节点编号为10,17,18,23,31,33,42,43,44,55;
由步骤1)所述流程,得到以节点15、18、47为例的负荷随机增长模型表示为图3;
2)建立潮流运算模型,进行计及综合负荷特性的连续潮流运算,记录各条线路传输功率及全网节点电压。潮流运算中,令综合负荷模型中,感应电动机、恒阻抗、恒电流和恒功率负荷占总初始负荷功率的比例分别为0.5,0.2,0.1,0.2,感应电动机型号均选取国内典型感应电动机数值进行计算(r1=0.04,x1=0.18,r2=0.02,x2=0.12,rm=0.35,xm=3.5,α=0.15,p=2)。分别统计只增加第一类节点群、增加一二类节点群和同时增加三类节点群三种情况下的潮流运算结果。此处仅展示某次连续潮流运算中,线路1和15上传输的功率大小,如图4-图5;
3)建立风险评估指标,并基于风险评估指标对连续潮流运算结果进行风险评估。三种负荷增长方式对应的极限载荷水平风险指标Pcollapse分别为2312.3、2434.2、2447.7MW,Qcollapse分别为1050.6、1315.2、1400.1MVar,Pcollapse的核概率密度分布如图6所示。三种负荷增长方式下的节点低压载荷风险指标运算结果见表1;三种负荷增长方式下的线路传输功率占比风险指标和线路极限传输裕度风险指标运算结果见表2;
表1 节点低压载荷风险值
表2 线路功率传输风险
分析指标运算结果可知,从导致***发生电压崩溃角度讲,31和33节点均有风险,且31节点的风险值远高于33节点;线路1和15均为重负载高线路传输功率占比风险线路,但线路1的线路极限传输裕度风险很低,与线路15恰好相反。
Claims (1)
1.一种基于负荷不确定性建模的电网静态电压稳定风险评估方法,其特征在于:该方法是采用如下步骤实现的:
1)建立负荷不确定性模型;所述负荷不确定性模型包括:初荷波动概率分布模型、负荷出现增长的节点群识别模型、负荷随机增长模型;
2)建立潮流运算模型:首先根据负荷出现增长的节点群识别模型确定电网中出现负荷增长的节点编号,之后基于蒙特卡罗仿真方法分别采集初荷波动概率分布模型中的初荷耗量样本和负荷随机增长模型中的负荷增量样本,最后基于样本值进行计及综合负荷特性的连续潮流运算;
3)建立风险评估指标,并运用风险指标识别电网中的高运行风险区域;所述风险评估指标包括网络极限载荷水平风险指标、节点低压载荷风险指标、线路传输功率占比风险指标、线路极限传输裕度风险指标;
所述步骤1)中,
建立初荷波动概率分布模型的方法具体包括如下步骤:
1.1)取聚类数目为2,随机生成一组隶属矩阵元素的初值;
1.2)对历史负荷数据进行第一次模糊C均值聚类;
1.3)计算评价该次聚类结果的类间类内划分指标BWP;具体计算公式如下:
式(1)-(3)中:BWP(j,i)为类间类内划分指标;b(j,i)为第j类第i个样本的最小类间距离;w(j,i)为第j类第i个样本的类内距离;j和k为类标;i、p和q为样本标号;m为聚类数目;nk为第k类中的样本个数;nj为第j类的样本个数;为第k类第p个样本;为第j类第i个样本;为第j类第q个样本;
1.4)再次随机产生一组隶属矩阵元素初值,重复步骤1.2)-1.3),直到聚类次数达到历史负荷数据长度的1/2为止;
1.5)令聚类数目加1,随机生成一组隶属矩阵元素的初值,重复步骤1.2)-1.4),直到聚类数目达到历史负荷数据长度的开方值为止;
1.6)统计全部类间类内划分指标;选择类间类内划分指标最大即为BWPopt时对应的聚类结果,作为对负荷功耗时间曲线的时段划分方式:
式(4)中:BWPopt为对应最优聚类结果的类间类内划分指标;n为样本总数;Csize为负荷样本总长度的开方值;
1.7)对每类负荷功耗时段,计算全网所有载荷节点功耗的相关系数并形成相关系数矩阵;
1.8)利用Cholesky方法分解步骤1.7)中每类负荷功耗时段对应的相关系数矩阵,得到服从多维正态分布的负荷功耗样本;至此,初荷波动概率分布模型建模完毕;
负荷出现增长的节点群识别模型具体表示如下:
式(5)-(6)中:ρxy为x和y的相关系数;Ixy为x和y的互信息量;cov(x,y)为x和y的协方差;D(x)和D(y)分别为x、y的方差;p(x)和p(y)分别为x、y的边缘概率密度;p(x,y)为x和y的联合概率密度;
负荷随机增长模型具体表示如下:
式(7)-(9)中:D0为负荷增长的参考方向;D1为负荷实际增长方向;(S1,S2,...,SNload)为由各载荷节点视在功率组成的一维向量;Nload为载荷节点个数;为第i个载荷点的功率因数,1≤i≤Nload;SΔbase为***的功率基准值;kLi为负荷增长系数,kLi取值的集合由步骤1)所述的方法确定;
所述步骤2)中,
首先,依据给定的阈值ρ1、ρ2和I1、I2,确定电网中出现负荷增长的节点编号:
ρ1≤ρxy≤ρ2 (10);
I1≤Ixy≤I2 (11);
式(10)-(11)中:x和y均为节点编号;ρ1和ρ2分别为相关系数的下限和上限;I1和I2分别为互信息量的下限和上限;
之后,利用步骤1)介绍的方法,求得初荷波动概率分布模型中的初荷耗量样本和负荷随机增长模型中的负荷增量样本,确定kLi的取值集合;
潮流运算模型具体表示如下:
式(12)-(13)中:λ为负荷量的持续增长因子;PLi0、QLi0分别为节点i的初始有功、无功功率负荷量;为节点i的功率因数;δij为节点i和j电压的相角差;当i=j时,Yii=Gii+jBii为节点自导纳;当i≠j时,Yij=Gij+jBij为节点互导纳;SΔbase为***的功率基准值;kLi为负荷增长系数,kGi为与发电调度策略有关的出力增长系数;综合负荷模型采用恒电流、恒阻抗、恒功率型负荷及感应电动机的静态等效模型表示,计及综合负荷模型时,节点导纳矩阵的构造方法为:
Yij=YIn+YZn+YMn (14);
YIn=In0/Vn0 (15);
YZn=1/Zn (16);
YMn=1/(R+jX) (17);
Z2m=(rm+r2/s)2+(xm+x2)2 (20);
Tm=l·(α+(1-α)(1-s)p) (21);
式(14)-(22)中:YIn、YZn和YMn分别为恒电流型、恒阻抗型和感应电动机负荷的等效导纳值;s、rm+jxm和r2/s+jx2分别为感应电动机的转差率、励磁阻抗和副边等效阻抗;Vi为节点i的电压幅值;l、α和p分别为感应电动机负荷率、静止阻力矩和机械负荷特性指数;
基于步骤1)建立的负荷不确定性模型,利用蒙特卡罗方法每采集一组负荷样本,之后应用计及综合负荷的潮流运算模型进行计算,直到采集完全部负荷样本为止;
所述步骤3)中,
网络极限载荷水平风险指标具体表示如下:
式(23)-(24)中:m为总模拟次数;PLtotal(Mi)和p(Mi)分别为第i种负荷场景的***极限载荷量及其出现的概率;
节点低压载荷风险指标具体表示如下:
式(25)-(26)中:为i节点电压为全网最低的事件集合;p(*)为事件Aij发生时***崩溃的概率;事件结果res(*)为经极限载荷期望值归一化处理后的***最大载荷量;
线路传输功率占比风险指标具体表示如下:
式(27)-(28)中:为全网中线路l的极限传输功率与***载荷量之比最高的事件集合;p(*)为事件Llk发生时***崩溃的概率;(p_transfer)lk和(pcollapse)k分别为事件k发生时线路l上传送的有功功率及***极限载荷量;
线路极限传输裕度风险指标具体表示如下:
式(29)-(30)中:p(*)为事件LlM发生时***崩溃的概率;(Ls-1)为线路传输极限裕度;Pt为线路送端功率传输量;Sbase为功率基准值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511031154.8A CN105654245B (zh) | 2015-12-31 | 2015-12-31 | 基于负荷不确定性建模的电网静态电压稳定风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511031154.8A CN105654245B (zh) | 2015-12-31 | 2015-12-31 | 基于负荷不确定性建模的电网静态电压稳定风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105654245A CN105654245A (zh) | 2016-06-08 |
CN105654245B true CN105654245B (zh) | 2019-11-29 |
Family
ID=56491333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511031154.8A Active CN105654245B (zh) | 2015-12-31 | 2015-12-31 | 基于负荷不确定性建模的电网静态电压稳定风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105654245B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529060B (zh) * | 2016-11-15 | 2021-09-03 | 中国电力科学研究院有限公司 | 一种负荷序列建模方法及*** |
CN107681691B (zh) * | 2017-09-30 | 2020-01-10 | 太原理工大学 | 计及不确定性因素的风电并网***运行可靠性评估方法 |
CN107730111A (zh) * | 2017-10-12 | 2018-02-23 | 国网浙江省电力公司绍兴供电公司 | 一种考虑用户负荷和新能源接入的配网电压风险评估模型 |
CN108306303B (zh) * | 2018-01-17 | 2021-06-15 | 南方电网科学研究院有限责任公司 | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 |
CN109492851B (zh) * | 2018-09-06 | 2021-11-30 | 国网浙江省电力有限公司经济技术研究院 | 一种基于不同区域负荷增长不确定性的网架裕度评估方法 |
CN110705879B (zh) * | 2019-09-30 | 2023-05-09 | 国网山东省电力公司滨州供电公司 | 一种高比例可再生能源接入下的电网脆弱性评估方法 |
CN110932277A (zh) * | 2019-12-26 | 2020-03-27 | 广东电网有限责任公司电力科学研究院 | 一种电网静态电压稳定负荷裕度分析方法、装置和设备 |
CN111429027B (zh) * | 2020-04-15 | 2023-03-31 | 国网福建省电力有限公司经济技术研究院 | 一种基于大数据的地区输电网运行多维度分析方法 |
CN112116235B (zh) * | 2020-09-11 | 2021-09-14 | 国网山东省电力公司枣庄供电公司 | 一种电网中电压脉冲影响力评估方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295875A (zh) * | 2008-06-03 | 2008-10-29 | 山东电力研究院 | 建立不确定性环境下输电网规划模型的方法 |
CN102509018A (zh) * | 2011-11-11 | 2012-06-20 | 山东电力研究院 | 电力***设备重要性评价***及方法 |
CN103279807A (zh) * | 2013-05-06 | 2013-09-04 | 国家电网公司 | 一种恶劣天气下电网静态风险评估方法 |
CN103366220A (zh) * | 2012-04-06 | 2013-10-23 | 华东电力试验研究院有限公司 | 电力***的运行风险评估方法 |
CN103870700A (zh) * | 2014-03-24 | 2014-06-18 | 国家电网公司 | 一种基于两点估计法的配电网静态电压稳定概率评估方法 |
CN103985066A (zh) * | 2014-05-20 | 2014-08-13 | 天津大学 | 一种基于混合潮流的电力***静态风险评估方法 |
CN104659782A (zh) * | 2015-03-20 | 2015-05-27 | 太原理工大学 | 考虑负荷波动极限的电力***电压稳定性风险评估方法 |
-
2015
- 2015-12-31 CN CN201511031154.8A patent/CN105654245B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295875A (zh) * | 2008-06-03 | 2008-10-29 | 山东电力研究院 | 建立不确定性环境下输电网规划模型的方法 |
CN102509018A (zh) * | 2011-11-11 | 2012-06-20 | 山东电力研究院 | 电力***设备重要性评价***及方法 |
CN103366220A (zh) * | 2012-04-06 | 2013-10-23 | 华东电力试验研究院有限公司 | 电力***的运行风险评估方法 |
CN103279807A (zh) * | 2013-05-06 | 2013-09-04 | 国家电网公司 | 一种恶劣天气下电网静态风险评估方法 |
CN103870700A (zh) * | 2014-03-24 | 2014-06-18 | 国家电网公司 | 一种基于两点估计法的配电网静态电压稳定概率评估方法 |
CN103985066A (zh) * | 2014-05-20 | 2014-08-13 | 天津大学 | 一种基于混合潮流的电力***静态风险评估方法 |
CN104659782A (zh) * | 2015-03-20 | 2015-05-27 | 太原理工大学 | 考虑负荷波动极限的电力***电压稳定性风险评估方法 |
Non-Patent Citations (1)
Title |
---|
Online Risk-Based Security Assessment;Ming Ni等;《IEEE Power Engineering Review》;20021231;第257-265页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105654245A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105654245B (zh) | 基于负荷不确定性建模的电网静态电压稳定风险评估方法 | |
CN108280479B (zh) | 一种基于负荷特性指标加权聚类算法的电网用户分类方法 | |
CN109670675B (zh) | 充电桩运行状态评价方法及装置 | |
CN109636009B (zh) | 一种建立确定电网线损的神经网络模型的方法和*** | |
CN105678314A (zh) | 一种基于模糊c聚类的典型需求侧用户筛选方法 | |
CN106786524A (zh) | 基于类噪声信号及改进差分进化的负荷模型参数辨识方法 | |
CN107358542A (zh) | 一种励磁***性能评估模型的参数确定方法 | |
CN105676069A (zh) | 一种基于ap聚类数据筛选的谐波责任划分方法 | |
CN104410080B (zh) | 含动态无功补偿的多直流馈入电网电压支撑能力评价方法 | |
CN113556629B (zh) | 一种智能电表误差远程估计方法及装置 | |
CN107358332A (zh) | 一种电网调度运行精益化评价方法 | |
Frey et al. | Nonparametric tests for perfect judgment rankings | |
CN109902340A (zh) | 一种计及复杂气象耦合特性的多源-荷联合场景生成方法 | |
CN104573857A (zh) | 一种基于智能算法优化组合的电网负荷率预测方法 | |
CN105719024A (zh) | 一种基于irp的配电网规划方法 | |
CN103020461A (zh) | 电能质量模糊评价方法及装置 | |
CN109921426A (zh) | 基于cv-kde的风电并网***概率潮流计算方法 | |
CN106372739A (zh) | 一种基于需求响应基线的需求响应效果评估方法 | |
CN108491358A (zh) | 一种变压器套管状态评估方法及装置 | |
CN110991780A (zh) | 一种基于有序加权平均算子的电能质量评价方法 | |
Vasudevarao et al. | Methodology for creating composite standard load profiles based on real load profile analysis | |
CN105514978B (zh) | 一种混合整数二次规划形式的抗差状态估计方法 | |
CN103473450A (zh) | 智能配电网高效性评估的属性区间辨识方法 | |
Ono et al. | Island model genetic programming based on frequent trees | |
CN106066415A (zh) | 用于检测供电网络中的欺诈的方法 |
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 |