CN105787604A - 一种输配协同的配网态势快速感知方法 - Google Patents
一种输配协同的配网态势快速感知方法 Download PDFInfo
- Publication number
- CN105787604A CN105787604A CN201610165392.6A CN201610165392A CN105787604A CN 105787604 A CN105787604 A CN 105787604A CN 201610165392 A CN201610165392 A CN 201610165392A CN 105787604 A CN105787604 A CN 105787604A
- Authority
- CN
- China
- Prior art keywords
- distribution
- power
- transmission
- network
- node
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 251
- 230000005540 biological transmission Effects 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000012937 correction Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000000354 decomposition reaction Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 11
- 230000008447 perception Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000000052 comparative effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 235000000332 black box Nutrition 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 102000030592 phosphoserine aminotransferase Human genes 0.000 description 1
- 108010088694 phosphoserine aminotransferase Proteins 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种输配协同的配网态势快速感知方法,包括以下步骤:将配网整体等值为输配电网边界节点上所接的PQ负荷,用快速分解法计算预估的输电网状态,计算输电网戴维南等值参数;将戴维南等值参数接入配网根节点,利用前推回带方法计算修正损耗;利用修正损耗更新配网等值的PQ节点功率信息,更新获取戴维南等值参数;将更新后的戴维南等值参数传递到配网的根节点,利用前推回带法计算配网功率波动后的状态。本发明向实时态势感知技术的实现迈出了重要一步,可作为研究输配协同框架内各类问题的基础,如研究输配协同预防控制对输配协同电网态势轨迹的影响,从而寻找最优预防控制策略。
Description
技术领域
本发明涉及一种输配协同的配网态势快速感知方法。
背景技术
智能配网作为智能电网不可分割的一部分,正朝着具备灵活、可靠、高效的配电网网架结构、高可靠性和高安全性的通信网络、高渗透率的分布式电源接入、配电***的快速仿真和自愈控制的总体方向和总体目标发展。分布式发电以及新能源发电的持续并入,智能配电网呈现更加灵活多变的趋势,使得输电网与配电网的联系日益紧密,因此输配协同分析是保证电网经济性和安全运行的重要手段。为实现输配协同电网运行状态发展趋势的准确预判与发展过程的全面掌控,迫切需要提升输配协同背景下配网的态势感知能力,为各类不确定场景下的态势安全评估与预防控制奠定技术基础。
电网态势感知是掌握电网运行轨迹的重要技术手段,通过对广域时空范围内,对涉及电网运行变化的各类要素的采集、理解与预测,力求准确有效地掌握电网的安全态势,使得电网的安全管理从被动变为主动。现有的相关文献为态势感知技术在未来智能输电网的应用方面勾勒了详细的蓝图,但涉及到的关键技术未给出详细论述,有待进一步深入研究。
目前关于输配协同电网态势感知技术的研究尚少,现有的方法解决了输配协同背景下输电侧和配电侧极易发生边界功率失配和电压失配的问题,然而由于计算过程需要反复主从迭代,计算量较大。随着智能配网的发展和建设,***运行的不确定性因素增多,需进行安全态势评估的未来不确定场景数目也呈指数增长,基于主从***理论的输配协同潮流计算方法对于满足智能配网态势掌控和控制决策的实时要求还存在困难,迫切需要研究输配协同背景下配网态势快速感知的方法。
发明内容
本发明为了解决上述问题,提出了一种输配协同的配网态势快速感知方法,本方法是基于广域量测戴维南等值的输配协同配网态势感知新方法,该方法避免了基于主从***理论方法的多次主从迭代过程,具备良好的计算速度,为配网实时态势感知奠定了基础,仿真算例验证了所提方法的可行性和有效性。
为了实现上述目的,本发明采用如下技术方案:
一种输配协同的配网态势快速感知方法,包括以下步骤:
(1)将配网整体等值为输配电网边界节点上所接的PQ负荷,用快速分解法计算预估的输电网状态,计算输电网戴维南等值参数;
(2)将戴维南等值参数接入配网根节点,利用前推回带方法计算修正损耗;
(3)利用修正损耗更新配网等值的PQ节点功率信息,更新获取戴维南等值参数;
(4)将更新后的戴维南等值参数传递到配网的根节点,利用前推回带法计算配网功率波动后的状态。
所述步骤(1)中,具体包括:
(1-1)从任一负荷节点向***侧观察,将复杂的电力***转化为等值电势经过等值阻抗向该负荷供电的等值网络;
(1-2)计算该等值网络的负荷等效阻抗,通过对原节点导纳矩阵进行修正得到***的节点导纳矩阵;
(1-3)计算断开各个节点出的负荷阻抗时的开路电压,得到戴维南等值电势,再次修正***的节点导纳矩阵,构造输电网潮流状态与戴维南等值参数之间的数学关系。
所述步骤(1)中,采集各节点的电压向量、电流向量、有功功率、无功功率和负荷阻抗计算等效阻抗。
所述步骤(1-3)中,节点导纳矩阵通过对原节点导纳矩阵进行修正得到,将负荷阻抗归并到***导纳矩阵,修改与负荷节点相对应的导纳阵的对角元素,得到修正后的节点导纳矩阵。
所述步骤(2)中,配电网的功率包括两部分,一部分是各母线节点连接的负荷消耗的功率,对含分布式电源的配网,将分布式电源节点处理为倒送负荷的PQ节点;另一部分为配网功率损耗。
所述步骤(2)中,具体包括:
(2-1)定义修正损耗,用以替代预估场景下的准确配网损耗;
(2-2)将预估配电网所连PQ节点的注入功率设为当前运行状态的配网损耗与预估配网负荷净功率之和,计算输电网戴维南等值参数;
(2-3)将戴维南等值参数接入配网根节点,再用前推回带法计算配网损耗,得到修正损耗。
所述步骤(2)中,对输配协同电网进行一次信息交互即可得到满足工程应用精度配网损耗结果。
所述步骤(3)中,用修正损耗和配网负荷构成边界节点向配电网注入的功率,更新配网等值的PQ节点功率信息,重新获得戴维南等值参数。
所述步骤(4)中,将更新的戴维南等值参数接入配网根节点相当于在配网中增加了一个新的节点。
所述步骤(4)中,利用前推回带法时,需新增计算两节点之间支路的前推功率和两节点的回带电压。
本发明的有益效果为:
(1)本发明向实时态势感知技术的实现迈出了重要一步,可作为研究输配协同框架内各类问题的基础,如研究输配协同预防控制对输配协同电网态势轨迹的影响,从而寻找最优预防控制策略;
(2)本发明可结合风电等新能源出力概率预测方法,分析新能源不同接入点和接入方式下对输配协同电网静态电压稳定风险的影响,得到合理的新能源接入方案;也可以通过对输配协同电网N-1场景的态势进行快速计算等;
(3)本发明为输配协同电网安全分析及预防控制等方面奠定了基础,具有广阔的应用前景。
附图说明
图1为本发明的基于戴维南等值配网态势感知示意图;
图2为本发明的戴维南等值后***示意图;
图3为本发明的配网态势感知示意图;
图4为本发明的IEEE9节点***拓扑图;
图5为本发明的配电网电压幅值计算结果对比图;
图6为本发明的配电网电压相角计算结果对比图;
图7为本发明的节点6配电网电压幅值计算结果对比图;
图8为本发明的节点6配电网电压相角计算结果对比图;
图9为本发明的节点8配电网电压幅值计算结果对比图;
图10为本发明的节点8配电网电压相角计算结果对比图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
1输配协同配网态势快速感知的基本思想
电网态势感知过程分为态势要素采集、实时态势理解、未来态势预测3个阶段,其中未来态势预测是对电网态势的发展变化规律进行总结和推理,进而预测未来态势的发展变化趋势,并对未来电网运行状态下的潜在安全问题给出预防控制对策,是态势感知中最高层次的要求。新能源发电出力具有随机性和间歇性的特点,在感知配网的未来态势时,需对新能源发电出力状态做多个场景的概率预估,再结合配网网架重构等调控场景,对配网未来态势的预测以及安全评估所面临的场景数目巨大,对在线计算的实时性要求较为迫切。因此,提高输配协同配网的态势感知速度意义重大。
对输配协同配网态势的感知,目前主要分析方法是基于主从***理论的方法。该方法在进行输电网状态计算时将配电网等值为PQ节点,PQ节点的值为配电网向输电网交互的功率信息,初始值一般为配电网的净负荷功率,然后用快速分解法计算输电网状态获得边界节点的电压,再将电压信息传递到配电网的根节点,利用前推回带法计算配电网状态并更新配电网向输电网交互的功率信息,如此反复迭代多次直至收敛。该方法计算精度高,克服了传统方法输电侧和配电侧边界功率失配和电压失配的问题,但是需主从迭代多次才能达到收敛,导致对规模较大的电网计算时速度欠优,将主从***方法应用于输配协同配网的实时态势感知仍存在一定速度瓶颈。
耦合单端口等值可将复杂电力***处理为黑箱模型,对参数进行辨识,精确的辨识结果可保证等值后的单端口在外部小扰动下的响应与复杂电力***在同样扰动下的响应一致。由此拓展到输配协同电网,主从***方法中配电网与输电网不断交互迭代信息是产生速度瓶颈的主要原因,如果把输配协同电网中的输电网部分等值为耦合单端口,再用前推回带法感知配电网的态势,可省去输电侧和配电侧边界节点信息的交互迭代,从而可提高配网态势感知速度。由此,本发明提出基于输电***耦合单端口等值的输配协同配网态势感知方法。
对于单端口的外网静态等值方法,戴维南等值参数辨识是研究较为成熟、成果较多的一类方法,总体可分为基于局域量测和广域量测两类。基于局域量测的方法假设***在多次量测时间内运行状态不变,这一假设在实际应用中难以成立,且易出现参数漂移问题影响辨识精度。随着PMU的发展,广域量测***日趋成熟,基于广域量测的戴维南等值参数辨识方法相继提出,该类方法基于单一断面潮流数据辨识戴维南等值参数,避免了基于局域量测方法的先天不足,考虑等值***内部的耦合关系,等值后的单端口对外部的响应可模拟等值前的复杂***对外部的响应。
为此,本发明采用从配电网与输电网交界节点对输电网进行戴维南等值后接入配网,再按配网传统的前推回带方法对配网进行态势计算,如图1所示:
图1中,输电网和配电网分别用M和S表示,B为输配电网的边界节点,也是配电网的根节点,Eth和Zth为输电***进行戴维南等值后的戴维南等值电势和阻抗。
利用戴维南等值进行输配协同配网态势感知时,首先将配电网等值为PQ节点,为省去输配信息多次交互的过程,要求该PQ节点功率信息与主从***方法计算的最终结果接近,因此需首先准确预估配电网向输电网交互的功率信息。然后对输电网进行戴维南等值后,将等值获得的戴维南等值电势和阻抗接入配网的根节点,如图1所示,再直接采用前推回带法感知的配网态势,省去了主从***方法中输配电网不断交互边界信息的过程,显著提高了输配协同背景下配网态势感知的速度。
2戴维南等值参数快速辨识方法
戴维南等值参数计算核心思路是基于广域量测,将单一状态断面下的负荷等效为负荷阻抗,修正***的导纳阵,基于节点电压方程求取节点的开路电压,进而获得全部等值参数。
在某时刻从任一负荷节点向***侧观察,复杂的电力***可以看作是等值电势Eth经过等值阻抗Zth向该负荷供电的等值网络,如图2所示。
在该时刻状态断面下,通过下式计算将负荷等效为阻抗:
式中:Pi、Qi、ZLi分别为节点i的电压向量、电流向量、有功功率、无功功率、负荷阻抗。
对负荷等效为阻抗后的***,其节点导纳矩阵可以通过对原节点导纳矩阵进行修正得到。设***原来导纳矩阵为Y0,Y0中元素为Y0ij,将负荷阻抗归并到***导纳矩阵只需修改与负荷
节点相对应的导纳阵的对角元素,设修正后的导纳矩阵为Y',对角元素为Y′ii,修正公式如下:
r为PQ节点的数目。当求解负荷节点i处的戴维南等值参数时,首先计算开路电压获得等值电势参数。其计算只需断开节点i处的负荷阻抗,计算其开路电压,即为戴维南等值电势。
断开i处的负荷阻抗后,需再次修正***节点导纳矩阵,设修正后节点导纳矩阵为Y,元素为Yij。修正公式如下:
除Yii外Y与Y'的元素都相同。
在求解i节点开路电压时,节点电压向量中,PV节点和平衡节点电压为已知量,PQ节点电压相量为待求量。采用节点负荷阻抗等效后,节点注入电流向量中均为0,根据节点电压方程,
可以得到由r个方程组成的方程组,如式(4)所示:
将上式中含相关项移到方程右侧,式(4)可以改写成如下的矩阵形式:
AU=-B(5)
利用高斯消元法求解方程(5),即可求解出i节点处开路电压即为戴维南等值电势然后根据式(6)求取其等值阻抗Zthi。
式中:表示节点i的复功率,上标*表示共轭。至此,利用全网状态,可快速获得观察节点外部的戴维南等值参数。
综上,可构造输电网潮流状态与戴维南等值参数之间的数学关系,用下式表示:
(Eth,Zth)=f(P,Q,V,θ,Y)(7)
式中:P,Q,V,θ,Y分别表示节点有功功率、无功功率、电压、相角和电网导纳矩阵,Eth,Zth表示戴维南等值电势和阻抗,f(·)表示戴维南等值参数和电网已知参数之间的量化关系。式(7)说明,对输电网状态的实时跟踪可快速获取该状态对应的戴维南等值参数。
3输配协同背景下配网态势快速感知方法
3.1输配电网功率交互的准确预估方法
配网中新能源出力的不确定性和间歇性,给输配协同电网的安全运行带来巨大的挑战,为评估未来不确定场景下的配网运行状况并决策最优调控措施,需准确感知配网的态势。通过本发明所提基本思想,配网的态势感知结果精度可靠的前提是戴维南等值参数的精确辨识,而戴维南等值参数准确辨识要求有准确的输电网状态断面,即要求输配电网间准确的交互功率。因此,准确预估输配电网的交互功率对输配协同配网态势感知结果的精度至关重要。
对配电网,其功率主要由两部分构成,一部分是各母线节点连接的负荷消耗的功率,对含分布式电源的配网,可将分布式电源节点处理为倒送负荷的PQ节点;另一部分为配网功率损耗,用公式表示如下:
式中:为边界节点向配电网注入的功率,为配电网中的净负荷功率,为已知量,在占主导;为配电网中的功率损耗,是未知量,在中占比例较小。因此,要准确预估配网向输电网交互的功率信息,需准确预估式(8)中对功率波动较小的预估场景,配网损耗与当前状态下配网损耗相近,可直接用当前状态下的配网损耗进行替代,对结果精度影响较小,但针对配网功率波动较大的场景,再用当前配网损耗进行替代将导致计算误差较大,本发明在此提出适合配网功率波动场景的交互功率预估方法。
首先定义修正损耗,用表示,修正损耗用来替代预估场景下的准确配网损耗,因此要求其值与实际损耗偏差不大,且需要计算简单快速。基于上述考虑,对预估的场景计算修正损耗的过程如下:
(1)将预估配电网所连PQ节点的注入功率设为当前运行状态的配网损耗与预估配网负荷净功率之和,可用快速分解法进行潮流计算预估输电网状态,再用公式(7)计算输电网戴维南等值参数;
(2)将戴维南等值参数接入配网根节点,如图1所示,再用前推回带法计算配网损耗,该损耗即为修正损耗
由于配网损耗在配网负荷中占比例较小,进行一次输配交互得到的修正损耗与实际损耗的差值在配网负荷中的比例更小,因此对输配协同电网进行一次信息交互即可得到满足工程应用精度配网损耗结果,如式(9):
用修正损耗和配网负荷构成即用式(9)代替式(8)进行计算,精简了主从***方法多次交互过程,有助于在保证精度的前提下提高输配协同配网态势的感知速度。
3.2输配协同背景下配网态势快速感知方法步骤
未来配网***将不断引入新能源、分布式电源及微网,给配网运行控制带来主动性和灵活性的同时,配网运行状态的不确定性也显著增强,配网功率将频繁波动导致运行状态不断变化。以配网功率波动为例,对配网功率波动后的输配协同配网态势快速感知,详细方法如下:
(1)将配网整体等值为输配电网边界节点上所接的PQ负荷,设其功率值为当前运行状态的配网损耗与预估配网负荷净功率之和。用快速分解法计算预估的输电网状态,再用公式(7)计算输电网戴维南等值参数E′th、Z′th;
(2)将戴维南等值参数E′th、Z′th接入配网根节点,如图1所示,用前推回带方法计算修正损耗
(3)用式(9)更新配网等值的PQ节点功率信息,重复步骤(1)获得戴维南等值参数E″th、Z″th;
(4)将E″th、Z″th传递到配网的根节点,再利用前推回带法计算配网功率波动后的状态。
上述过程中,将戴维南等值参数接入配网根节点相当于在配网中增加了一个新的节点,如图3所示:
图3中,j为原配网根节点,i为输电网等值后接入配网新增的母线。在利用前推回带法时,需新增节点i和节点j之间支路的前推功率公式(10)和两节点的回带电压公式(11):
式中,Pj、Qj、Vj分别为节点j的注入有功、无功和电压幅值,Vi为节点i的电压幅值,上标k和k+1分别表示前推回带过程的第k次和k+1次迭代,ΔV、δV分别为电压降落的纵向分量和横向分量。
4、仿真示例
新能源出力的不确定性和间歇性导致输配协同配网运行状态不断变化,而目前还无法准确预测未来时刻新能源的出力,只能给出未来时刻新能源出力的多种可能场景,假设下一时刻不确定性电源出力可能场景数目为K,若配网中不确定电源的数目为N,则下一时刻电网不确定出力的场景数目为KN,由此可见,若遍历计算每个可能场景的配网状态,对计算速度要求较高。为此,仿真验证过程中,以单个场景为例,与主从***方法进行计算速度与精度的对比,如能在精度满足要求前提下显著提高计算速度,则可说明本发明所提方法可以明显改善态势感知速度,为基于事实态势感知的优化防控奠定基础。首先以包含单配网的输配协同***为例对比本发明所提方法和主从***方法的结果精度和计算速度,验证所提方法的有效性,然后再以包含多配网的输配协同***为例验证所提方法的精度和计算速度。
本仿真计算硬件平台为THINKPADW530工作站,CPU为i7-3740QM,主频2.7GHz,内存8G,软件平台为MATLAB和PSAT工具箱。
4.1单配网算例
以IEEE3机9节点输电网***搭配IEEE33节点配电网***进行仿真,IEEE9节点***拓扑见图4。对***做如下更改:IEEE9节点***主干网架电压等级设为121kV,用IEEE33节点配网***替代节点6负荷,配网***电压等级为35kV。
改变配网的负荷来模拟功率波动,波动后的配网负荷功率见附录A。对比两种计算方法获取输配协同的配网运行状态,方法一为基于主从***理论的计算方法,以该方法结果为标准值;方法二为本发明所提方法。
表1配网电压幅值计算误差与速度对比
由表1和图5、图6可知,方法二与方法一计算结果基本一致,误差非常小,其中电压幅值最大相对误差仅1.5507e-4%,电压相角的最大绝对误差为0.0024%。但在相同计算环境下,方法二仅用时0.53秒,而方法一用时1.25秒。其中方法一主从迭代了4次。当负荷水平提升至初始水平的2倍时,主从迭代次数为10次,此时方法一的计算用时约为3.75s,而方法二由于输配电网信息交互次数是固定的,计算时间仍然是0.53s。因此,方法二与方法一结果保持同一精度水平,计算速度有明显提升,若对输电网状态的预估计算采用灵敏度方法,可进一步提高方法二的计算速度。
4.2多配网算例
在上一算例***的基础上,用IEEE33节点配网***替代节点8负荷。改变两个配网的负荷功率来模拟新能源出力波动,波动后的配网负荷功率见附录A,比较两种方法在配网负荷功率波动后配电网状态,见图7。
表2节点6配电网电压幅值计算误差与速度对比
表3节点8配电网电压幅值计算误差与速度对比
附录A配网参数及各节点功率
由图7~10和表2、3可知,方法二与方法一计算结果基本一致,误差较小,其中两个配网的电压幅值最大相对误差分别为0.002%和0.0014%,电压相角的最大绝对误差分别为0.0073%和0.0047%,但在相同计算环境下,方法二仅用时0.8秒,而方法一用时1.83秒,计算速度有显著提升。
对比两个算例,对单场景的计算时间随着电网规模的扩大而增加,可以预见,当针对包含上千节点的实际电网***时,数量和种类繁多的不确定性场景组合将导致计算规模巨大,本发明所提方法较主从***方法在计算速度上的优势将体现的更加明显,向输配协同配网态势实时感知的实现迈出了重要一步。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种输配协同的配网态势快速感知方法,其特征是:包括以下步骤:
(1)将配网整体等值为输配电网边界节点上所接的PQ负荷,用快速分解法计算预估的输电网状态,计算输电网戴维南等值参数;
(2)将戴维南等值参数接入配网根节点,利用前推回带方法计算修正损耗;
(3)利用修正损耗更新配网等值的PQ节点功率信息,更新获取戴维南等值参数;
(4)将更新后的戴维南等值参数传递到配网的根节点,利用前推回带法计算配网功率波动后的状态。
2.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(1)中,具体包括:
(1-1)从任一负荷节点向***侧观察,将复杂的电力***转化为等值电势经过等值阻抗向该负荷供电的等值网络;
(1-2)计算该等值网络的负荷等效阻抗,通过对原节点导纳矩阵进行修正得到***的节点导纳矩阵;
(1-3)计算断开各个节点出的负荷阻抗时的开路电压,得到戴维南等值电势,再次修正***的节点导纳矩阵,构造输电网潮流状态与戴维南等值参数之间的数学关系。
3.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(1)中,采集各节点的电压向量、电流向量、有功功率、无功功率和负荷阻抗计算等效阻抗。
4.如权利要求2所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(1-3)中,节点导纳矩阵通过对原节点导纳矩阵进行修正得到,将负荷阻抗归并到***导纳矩阵,修改与负荷节点相对应的导纳阵的对角元素,得到修正后的节点导纳矩阵。
5.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(2)中,配电网的功率包括两部分,一部分是各母线节点连接的负荷消耗的功率,对含分布式电源的配网,将分布式电源节点处理为倒送负荷的PQ节点;另一部分为配网功率损耗。
6.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(2)中,具体包括:
(2-1)定义修正损耗,用以替代预估场景下的准确配网损耗;
(2-2)将预估配电网所连PQ节点的注入功率设为当前运行状态的配网损耗与预估配网负荷净功率之和,计算输电网戴维南等值参数;
(2-3)将戴维南等值参数接入配网根节点,再用前推回带法计算配网损耗,得到修正损耗。
7.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(2)中,对输配协同电网进行一次信息交互即可得到满足工程应用精度配网损耗结果。
8.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(3)中,用修正损耗和配网负荷构成边界节点向配电网注入的功率,更新配网等值的PQ节点功率信息,重新获得戴维南等值参数。
9.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(4)中,将更新的戴维南等值参数接入配网根节点相当于在配网中增加了一个新的节点。
10.如权利要求1所述的一种输配协同的配网态势快速感知方法,其特征是:所述步骤(4)中,利用前推回带法时,需新增计算两节点之间支路的前推功率和两节点的回带电压。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610165392.6A CN105787604B (zh) | 2016-03-22 | 2016-03-22 | 一种输配协同的配网态势快速感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610165392.6A CN105787604B (zh) | 2016-03-22 | 2016-03-22 | 一种输配协同的配网态势快速感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105787604A true CN105787604A (zh) | 2016-07-20 |
CN105787604B CN105787604B (zh) | 2019-05-14 |
Family
ID=56390533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610165392.6A Expired - Fee Related CN105787604B (zh) | 2016-03-22 | 2016-03-22 | 一种输配协同的配网态势快速感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787604B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120673A (zh) * | 2019-05-09 | 2019-08-13 | 山东大学 | 基于戴维南等值参数辨识的分布式输配协同无功优化方法及*** |
CN111463794A (zh) * | 2020-04-29 | 2020-07-28 | 山东大学 | 一种附加对地阻抗的输配电网协同潮流控制方法及*** |
CN111563623A (zh) * | 2020-04-30 | 2020-08-21 | 国网山东省电力公司威海供电公司 | 一种风电***规划的典型场景提取方法及*** |
CN114113898A (zh) * | 2021-11-29 | 2022-03-01 | 大连海事大学 | 一种基于多源量测数据的配电网网损分析方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505061A (zh) * | 2009-03-17 | 2009-08-12 | 中国电力科学研究院 | 一种基于时域仿真的戴维南等值参数跟踪的计算方法 |
CN102622488A (zh) * | 2012-03-21 | 2012-08-01 | 江西省电力科学研究院 | 一种配网分布式电源容量规划方法 |
CN103632046A (zh) * | 2013-11-20 | 2014-03-12 | 国网河南省电力公司南阳供电公司 | 一种电网潮流计算方法 |
CN104778367A (zh) * | 2015-04-20 | 2015-07-15 | 山东大学 | 基于单一状态断面的广域戴维南等值参数在线计算方法 |
-
2016
- 2016-03-22 CN CN201610165392.6A patent/CN105787604B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101505061A (zh) * | 2009-03-17 | 2009-08-12 | 中国电力科学研究院 | 一种基于时域仿真的戴维南等值参数跟踪的计算方法 |
CN102622488A (zh) * | 2012-03-21 | 2012-08-01 | 江西省电力科学研究院 | 一种配网分布式电源容量规划方法 |
CN103632046A (zh) * | 2013-11-20 | 2014-03-12 | 国网河南省电力公司南阳供电公司 | 一种电网潮流计算方法 |
CN104778367A (zh) * | 2015-04-20 | 2015-07-15 | 山东大学 | 基于单一状态断面的广域戴维南等值参数在线计算方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120673A (zh) * | 2019-05-09 | 2019-08-13 | 山东大学 | 基于戴维南等值参数辨识的分布式输配协同无功优化方法及*** |
CN110120673B (zh) * | 2019-05-09 | 2020-10-02 | 山东大学 | 基于戴维南等值参数辨识的分布式输配协同无功优化方法及*** |
CN111463794A (zh) * | 2020-04-29 | 2020-07-28 | 山东大学 | 一种附加对地阻抗的输配电网协同潮流控制方法及*** |
CN111463794B (zh) * | 2020-04-29 | 2021-07-30 | 山东大学 | 一种附加对地阻抗的输配电网协同潮流控制方法及*** |
CN111563623A (zh) * | 2020-04-30 | 2020-08-21 | 国网山东省电力公司威海供电公司 | 一种风电***规划的典型场景提取方法及*** |
CN111563623B (zh) * | 2020-04-30 | 2022-05-10 | 国网山东省电力公司威海供电公司 | 一种风电***规划的典型场景提取方法及*** |
CN114113898A (zh) * | 2021-11-29 | 2022-03-01 | 大连海事大学 | 一种基于多源量测数据的配电网网损分析方法及*** |
CN114113898B (zh) * | 2021-11-29 | 2023-11-14 | 大连海事大学 | 一种基于多源量测数据的配电网网损分析方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN105787604B (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101976835B (zh) | 一种大规模电力***牛顿潮流的并行计算方法 | |
Zhu et al. | Wind speed behaviors feather analysis and its utilization on wind speed prediction using 3D-CNN | |
CN114091816B (zh) | 基于数据融合的门控图神经网络的配电网状态估计方法 | |
CN102354981B (zh) | 一种基于分布式计算的互联电网中子网电压稳定评估方法 | |
CN103700036B (zh) | 一种适于电力***多时间尺度的暂态稳定性投影积分方法 | |
CN103810646B (zh) | 一种基于改进投影积分算法的有源配电***动态仿真方法 | |
CN101527455B (zh) | 基于潮流模块交替迭代的互联电网分布式潮流计算方法 | |
CN105787604A (zh) | 一种输配协同的配网态势快速感知方法 | |
CN105811404B (zh) | 一种输配协同的配网静态电压稳定态势监测方法 | |
CN105656031A (zh) | 基于高斯混合分布特征的含风电电力***安全风险评估方法 | |
CN104778367A (zh) | 基于单一状态断面的广域戴维南等值参数在线计算方法 | |
CN105140919A (zh) | 一种基于图论的快速拓扑分析及拓扑岛建立的方法 | |
CN108448585A (zh) | 一种基于数据驱动的电网潮流方程线性化求解方法 | |
CN108388688A (zh) | 一种主动配电网可靠性评估方法 | |
CN104156542A (zh) | 一种基于隐式投影的有源配电***稳定性仿真方法 | |
CN105205244A (zh) | 基于机电-电磁混合仿真技术的合环操作仿真*** | |
CN104362638B (zh) | 基于相量量测单元量测的电网聚合的关键节点电压调控方法 | |
CN111079972A (zh) | 一种主动配电网可靠性规划方法、设备及介质 | |
CN106897942A (zh) | 一种配电网分布式并行状态估计方法及装置 | |
CN106208099A (zh) | 一种基于二层规划的电力***无功优化方法及其应用 | |
CN107257130A (zh) | 基于区域量测解耦的低压配电网损耗计算方法 | |
CN105119279A (zh) | 一种分布式电源规划方法及其*** | |
CN105021952A (zh) | 基于广域相角量测信息的大电网故障定位方法 | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN110120673A (zh) | 基于戴维南等值参数辨识的分布式输配协同无功优化方法及*** |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190514 |