CN110458314B - 一种用于电网日前潮流预报的负荷预测数据分解方法 - Google Patents
一种用于电网日前潮流预报的负荷预测数据分解方法 Download PDFInfo
- Publication number
- CN110458314B CN110458314B CN201910234163.9A CN201910234163A CN110458314B CN 110458314 B CN110458314 B CN 110458314B CN 201910234163 A CN201910234163 A CN 201910234163A CN 110458314 B CN110458314 B CN 110458314B
- Authority
- CN
- China
- Prior art keywords
- load
- active
- prediction data
- power
- power grid
- 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 102
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 52
- 230000035945 sensitivity Effects 0.000 claims description 37
- 238000004804 winding Methods 0.000 claims description 24
- 230000002354 daily effect Effects 0.000 claims description 20
- 230000003203 everyday effect Effects 0.000 claims description 13
- 238000003672 processing method Methods 0.000 claims description 11
- 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 claims description 6
- 238000005192 partition Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 10
- 238000010206 sensitivity analysis Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001052 transient effect 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
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
本发明属于电力***技术领域,特别涉及一种用于电网日前潮流预报的负荷预测数据分解方法,是一种用于日前潮流预报的110kV变电站负荷数据分解方法。在每日结束前,读入第二日的各220kV变电站主变总有功预测数据,并基于当前电网模型和运行状态,将220kV主变总有功负荷预测数据分解到主变所带的下级110kV及35kV变电站的负荷上,计算各负荷的无功。本发明将分解计算结果用于电网的日前潮流预报,为电网日前安全校核、日前无功压优化提供基础数据,提高电网稳定性和电压质量。
Description
技术领域
本发明属于电力***技术领域,特别涉及一种用于电网日前潮流预报的负荷预测数据分解方法,具体是一种用于日前潮流预报的110kV变电站负荷数据分解方法。
背景技术
在电力***运行中,为了便于提前安排电网运行方式,调度方式人员需要每日提前对即将到来的明日进行电网运行方案的编制,即编制日前运行计划。日前运行计划是电网调度的重要依据,合理的日前调度运行计划关系到***未来的安全经济运行。随着电网规模的扩大和运行方式复杂化,以往基于直流潮流的日前计划安全校核已无法满足实际需求,要求对日前计划进行包括静态安全、动态稳定和暂态稳定等方面的全面安全校核,为此,需要生成满足日前计划的合理交流潮流,这就是日前潮流预报需要完成的工作。日前潮流预报就是指根据日前电厂有功发电计划、日前检修计划及日前母线负荷预测数据,生成日前交流潮流解,由于日前电厂发电计划和母线负荷预测数据一般为15分钟间隔的96点数据,因此日前潮流预报也要生成对应的96个交流潮流解。传统做法为在直流潮流基础上凭经验给出发电机机端电压,然后进行交流潮流计算,其收敛性差,且结果往往不合理,影响了安全校核的正确性。
林毅、孙宏斌在《日前计划安全校核中计划潮流自动生成技术》(电力***自动化,2012年10月第36卷第20期,pp.68-73)中提出了一种新的日前计划编制中的潮流预报方法,可以对电网的次日计划潮流进行计算,通过计划潮流评估次日的电网运行状态和安全情况。该计划潮流方法将原问题分解为有功调整子问题和无功电压分布子问题分步求解。通过求解有功调整优化子问题协调多种计划数据之间的不一致,通过求解无功电压分布子问题来确定合理的发电机机端电压,避免了使用典型机端电压带来的收敛性问题。采用基于预测-校正步的现代内点法求解上述优化子问题,具有良好的收敛性。该方法目前已经在国内一些大区电网调度中心和省级电网调度中心得到应用。
文献中给出的方法主要对潮流预报中发电机的有功和无功进行求解,在潮流预报中负荷母线上的有功无功值是给定的,来自母线负荷预报***给出的数据。在省级电网调度中心的实际应用过程中,母线负荷预测数据主要给出220kV主变的总有功负荷预测数据。随着近年来电网调度运行管理集约化、扁平化的变革,省调电网模型中逐渐将220kV母线所带的下级负荷110kV、35kV电网模型也增加了进来,在潮流预报中,为了给出完整的交流潮流解,需要将220kV主变的总有功负荷预报数据,分解到其所带的下级电网负荷中。本发明提出的方法就是为了解决这个问题。
本发明涉及到220kV-110kV-35kV的电网运行区域,目前我国电网调度运行中,对330kV、220kV以下的电网,多采用辐射方式运行,即每座330kV/220kV变电站所带的下级110kV/35kV变电站形成独立的区域,在区域内互相联系,不同的330kV、220kV所带的下级区域之间没有电气联系。这种区域典型的示意图如附件图3所示。
本发明涉及电网运行的准稳态灵敏度,有功负荷灵敏度的物理意义为在某母线上增加注入单位有功后,电网中各主变的有功变化。孙宏斌,张伯明,相年德在《准稳态的灵敏度分析方法》(中国电机工程学报,1999年4月V19N4,pp.9-13)中提出了准稳态灵敏度方法,与常规的静态的灵敏度分析方法不同,准稳态灵敏度方法考虑了电力***准稳态的物理响应,计及***控制前后新旧稳态间的总变化,有效提高了灵敏度分析的精度。该方法基于电力***的PQ解耦模型,当发电机安装有自动电压调节器(AVR)时,可认为该发电机节点为PV节点;而当发电机装有自动无功功率调节(AQR)或自动功率因数调节(APFR)时,可认为该发电机节点与普通负荷节点相同均为PQ节点。此外,将负荷电压静特性考虑成节点电压的一次或二次曲线。这样所建立的潮流模型就自然地将这些准稳态的物理响应加以考虑,从而基于潮流模型计算出的灵敏度即为准稳态的灵敏度。本文计算中均采用上述准稳态灵敏度方法。
发明内容
为了克服上述已有技术存在的不足之处,本发明提出一种用于电网日前潮流预报的负荷预测数据分解方法。本发明在省级电网中采用220kV变电站主变的总有功预测数据,基于电网运行方式和拓扑结构,计算分解出各主变所连接的下级110kV及35kV变电站中负荷的有功预测数据,并计算出对应的无功预测数据。分解计算的结果用于电网的日前潮流预报,进而实现为电网日前安全校核、日前无功压优化提供基础数据,提高电网稳定性和电压质量的发明目的。
为了实现上述发明目的,本发明是通过以下技术方案来实现的:
一种用于电网日前潮流预报的负荷预测数据分解方法,在每日结束前,读入第二日的各220kV变电站主变总有功预测数据,并基于当前电网模型和运行状态,将220kV主变总有功负荷预测数据分解到主变所带的下级110kV及35kV变电站的负荷上,并进一步计算各负荷的无功;以110kV变电站来看,包括以下步骤:
步骤1.预先设定每日进行分解计算的时刻T,T通常为每日22时;
步骤2.在每日进行计算的时刻T来临时,从电网能量管理***EMS读入当前电网模型和潮流计算结果,形成220kV变电站x所带的下级电网的区域Zx,x为电网中220kV变电站的编号,初值为1;
步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax;
步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据;
步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据;
步骤6.x值递增1,返回步骤2继续计算下一座220kV变电站所带的区域,直至全部220kV变电站均计算完成。
所述Zx生成的步骤如下:
步骤2.1根据电网拓扑结构自动生成220kV变电站x所带的下级电网区域,生成的区域模型为:
其中,为该变电站内的220kV主变,总计n台;/>为该变电站所带下级电网110kV站内的负荷,总计m个;/>为为该变电站所带下级电网35kV站内的负荷,总计k个;
步骤2.2读入区域Zx中,当日电网最大负荷时刻的各对象对应的有功、无功为:
其中,为区域中220kV主变高压侧有功、无功值;/>为下级电网110kV站内的负荷有功、无功值;/>为下级电网35kV站内的负荷有功、无功值;i为第几个设备。
所述步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax,包括步骤如下:
步骤3.1对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功灵敏度矩阵Sx,如下:
其中,为区域内110kV负荷对主变有功的灵敏度矩阵(m*n),/>是区域中第i个110kV负荷有功对区域中第j个主变高压侧绕组有功的准稳态灵敏度,其物理意义是第i个110kV负荷增加单位有功后,第j个220kV主变高压侧绕组有功的变化量;i为负荷小于等于m,j为主变小于等于n;
同理,为区域内35kV负荷对主变有功的灵敏度矩阵(k*n维);矩阵Sx的总维度为:(m+k)*n;
步骤3.2对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功汲取因子矩阵Ax,
其中,为区域内110kV负荷对主变有功的汲取矩阵(m*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个110kV负荷有功;/>为子矩阵/>的元素;
同理,为区域内35kV负荷对主变有功的汲取矩阵(k*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个35kV负荷有功;/>为子矩阵/>的元素。
所述步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据,包括步骤如下:
步骤4.1从电网能量管理***EMS读入第二日第t个时刻的区域Zx中各台220kV主变的有功预测数据,记为:
其中,t为预测数据的时标,取值范围为1~T,即第二日总计有T个时刻的预测数据,一般情况T=96,t初始值为1;为t时刻的预测数据;
步骤4.2计算区域内部110kV和35kV的负荷有功预测数据如下:
其中为计算得到的第二日第t个时刻区域Zx中110kV和35kV负荷的有功预测数据;
步骤4.3t值递增1,返回步骤3.1继续计算下一时刻,直至第二日所有时刻的有功预测数据均计算完成。
所述步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据,包括步骤如下:
步骤5.1对第二日t时刻,采用等功率因数法,参考当前时刻负荷的功率因数,计算区域中的110kV和35kV负荷无功预测数据记为:
其中:
式(10)中的为式(2)中给出的电网当日最大负荷时刻的负荷有功、无功值;式10的i分别对应于式9的m、k;
步骤5.2t值递增1,返回步骤4.1继续计算下一时刻,直至第二日所有时刻的无功预测数据均计算完成。
所述读入第二日的各220kV变电站主变总有功预测数据,并基于当前电网模型和运行状态,将220kV主变总有功负荷预测数据分解到主变所带的下级110kV及35kV变电站的负荷上,并进一步计算各负荷的无功;以220kV站内的主变进行计算,该分区内包含两个220kV主变Tr1、Tr2,负荷Ld1、Ld2、Ld3、Ld4、Ld5、Ld6、Ld7、Ld8、Ld9;包括以下步骤:
步骤1.预先设定每日进行分解计算的时刻T,T通常为每日22时;
步骤2.在每日进行计算的时刻T来临时,从电网能量管理***EMS读入当前电网模型和潮流计算结果,形成220kV变电站x所带的下级电网的区域Zx,x为电网中220kV变电站的编号,初值为1;
步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax;
步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据;
步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据;
步骤6.x值递增1,返回步骤2继续计算下一座220kV变电站所带的区域,直至全部220kV变电站均计算完成。
所述生成Zx的步骤如下:
步骤2.1根据电网拓扑结构自动生成220kV变电站x所带的下级电网区域,生成的区域模型为:
其中,为该变电站内的220kV主变,总计n台;/>为该变电站所带下级电网110kV站内的负荷,总计m个;/>为为该变电站所带下级电网35kV站内的负荷,总计k个;
根据计算可得:Z1={Tr1,Ld1,Ld2,Ld3,Ld4,Ld5,Ld6}
Z2={Tr2,Ld7,Ld8,Ld9}
步骤2.2读入区域Zx中,当日电网最大负荷时刻的各对象对应的有功Px,max、无功Qx,max为:
其中,为区域中220kV主变高压侧有功、无功值;/>为下级电网110kV站内的负荷有功、无功值;/>为下级电网35kV站内的负荷有功、无功值;i为当前负荷;
根据实际计算的模型计算读取到的:
所述步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax,步骤如下:
步骤3.1对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功灵敏度矩阵Sx,如下:
其中,为区域内110kV负荷对主变有功的灵敏度矩阵(m*n),/>是区域中第i个110kV负荷有功对区域中第j个主变高压侧绕组有功的准稳态灵敏度,其物理意义是第i个110kV负荷增加单位有功后,第j个220kV主变高压侧绕组有功的变化量;i为负荷小于等于m,j为主变小于等于n;
同理,为区域内35kV负荷对主变有功的灵敏度矩阵(k*n维);矩阵Sx的总维度为:(m+k)*n;
计算得出的灵敏度为:
步骤3.2对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功汲取因子矩阵Ax,
其中,为区域内110kV负荷对主变有功的汲取矩阵(m*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个110kV负荷有功;/>为子矩阵/>的元素;
同理,为区域内35kV负荷对主变有功的汲取矩阵(k*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个35kV负荷有功;/>为子矩阵/>的元素;
计算得出的有功汲取因子为:
所述步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据,包括步骤如下:
步骤4.1从电网能量管理***EMS读入第二日第t个时刻的区域Zx中各台220kV主变的有功预测数据,记为:
其中,t为预测数据的时标,取值范围为1~T,即第二日总计有T个时刻的预测数据,一般情况T=96,t初始值为1;
步骤4.2计算区域内部110kV和35kV的负荷有功预测数据如下:
其中为计算得到的第二日第t个时刻区域Zx中110kV和35kV负荷的有功预测数据;
4.3t值递增1,返回步骤3.1继续计算下一时刻,直至第二日所有时刻的有功预测数据均计算完成;
计算出区域1所得数据和区域2所得数据。
所述步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据,包括步骤如下:
步骤5.1对第二日t时刻,采用等功率因数法,参考当前时刻负荷的功率因数,计算区域中的110kV和35kV负荷无功预测数据记为:
其中:
式(10)中的为式(2)中给出的电网当日最大负荷时刻的负荷有功、无功值;
同样可以计算得无功数值;
步骤5.2t值递增1,返回步骤4.1继续计算下一时刻,直至第二日所有时刻的无功预测数据均计算完成。
本发明的特点和有益效果在于:
在省级电网能量管理***中,其功率预测模块一般仅给出220kV主变的总有功预测数据,无法直接用于包含110kV、35kV等下级电网模型的全网潮流预报计算。本发明在省级电网中采用220kV变电站主变的总有功预测数据,基于电网运行方式和拓扑结构,计算分解出各主变所连接的下级110kV及35kV变电站中负荷的有功预测数据,并计算出对应的无功预测数据。分解计算的结果用于电网的日前潮流预报,进而为电网日前安全校核、日前无功压优化提供基础数据,提高电网稳定性和电压质量。
附图说明
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及具体实施方式对本发明作进一步的详细描述,以下实施例用于说明本发明,但应当理解本发明的保护范围并不受具体实施方式的限制。
图1是本发明的方法流程框图。
图2是本发明实施例变电站连接关系示意图。
图3是现有区域电气联系图。
具体实施方式
本发明提出一种用于电网日前潮流预报的负荷预测数据分解方法,如图1所示,图1是本发明的方法流程框图。该方法在每日结束前,读入第二日的各220kV变电站主变总有功预测数据,并基于当前电网模型和运行状态,将220kV主变总有功负荷预测数据分解到主变所带的下级110kV及35kV变电站的负荷上,并进一步计算各负荷的无功。以110kV变电站为例,该方法包括以下步骤:
步骤1.预先设定每日进行分解计算的时刻T,T通常为每日22时;
步骤2.在每日进行计算的时刻T来临时,从电网能量管理***EMS读入当前电网模型和潮流计算结果,形成220kV变电站x所带的下级电网的区域Zx,x为电网中220kV变电站的编号,初值为1。生成Zx的步骤如下:
2.1根据电网拓扑结构自动生成220kV变电站x所带的下级电网区域,生成的区域模型为:
其中,为该变电站内的220kV主变,总计n台;/>为该变电站所带下级电网110kV站内的负荷,总计m个;/>为为该变电站所带下级电网35kV站内的负荷,总计k个。
2.2读入区域Zx中,当日电网最大负荷时刻的各对象对应的有功、无功为:
其中,为区域中220kV主变高压侧有功、无功值;/>为下级电网110kV站内的负荷有功、无功值;/>为下级电网35kV站内的负荷有功、无功值;i为第几个设备。
步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax,步骤如下:
3.1对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功灵敏度矩阵Sx,如下:
其中,为区域内110kV负荷对主变有功的灵敏度矩阵(m*n),/>是区域中第i个110kV负荷有功对区域中第j个主变高压侧绕组有功的准稳态灵敏度,其物理意义是第i个110kV负荷增加单位有功后,第j个220kV主变高压侧绕组有功的变化量;i为负荷小于等于m,j为主变小于等于n。
同理,为区域内35kV负荷对主变有功的灵敏度矩阵(k*n维)。矩阵Sx的总维度为:(m+k)*n。
3.2对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功汲取因子矩阵Ax,
其中,为区域内110kV负荷对主变有功的汲取矩阵(m*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个110kV负荷有功;/>为子矩阵/>的元素。
同理,为区域内35kV负荷对主变有功的汲取矩阵(k*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个35kV负荷有功;/>为子矩阵/>的元素。
步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据,步骤如下:
4.1从电网能量管理***EMS读入第二日第t个时刻的区域Zx中各台220kV主变的有功预测数据,记为:
其中,t为预测数据的时标,取值范围为1~T,即第二日总计有T个时刻的预测数据,一般情况T=96,t初始值为1;为t时刻的预测数据。
4.2计算区域内部110kV和35kV的负荷有功预测数据如下:
其中为计算得到的第二日第t个时刻区域Zx中110kV和35kV负荷的有功预测数据。
4.3t值递增1,返回步骤3.1继续计算下一时刻,直至第二日所有时刻的有功预测数据均计算完成。
步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据,步骤如下:
5.1对第二日t时刻,采用等功率因数法,参考当前时刻负荷的功率因数,计算区域中的110kV和35kV负荷无功预测数据记为:
其中:
式(10)中的为式(2)中给出的电网当日最大负荷时刻的负荷有功、无功值。式10的i分别对应于式9的m、k。
5.2t值递增1,返回步骤4.1继续计算下一时刻,直至第二日所有时刻的无功预测数据均计算完成。
步骤6.x值递增1,返回步骤2继续计算下一座220kV变电站所带的区域,直至全部220kV变电站均计算完成。
本发明方法的工作原理在于:
通过对现有的省调区域模型进行准稳态灵敏度计算,获取当前的220kV站内主变与110kV、35kV站负荷之间的灵敏度,读取220kV站的有功负荷预测数据,通过灵敏度计算出110kV、35kV站的负荷预测数据,在潮流预报中,通过分解得到的负荷数据进行潮流预报计算。
实施例2.
本实施例为对一个220kV站内的主变进行计算,本实施例站站连接关系如图2所示,该分区内包含2个220kV主变Tr1、Tr2,负荷Ld1、Ld2、Ld3、Ld4、Ld5、Ld6、Ld7、Ld8、Ld9;
本发明提出一种用于电网日前潮流预报的负荷预测数据分解方法,包括以下步骤:
步骤1.预先设定每日进行分解计算的时刻T,T通常为每日22时;
步骤2.在每日进行计算的时刻T来临时,从电网能量管理***EMS读入当前电网模型和潮流计算结果,形成220kV变电站x所带的下级电网的区域Zx,x为电网中220kV变电站的编号,初值为1。生成Zx的步骤如下:
2.1根据电网拓扑结构自动生成220kV变电站x所带的下级电网区域,生成的区域模型为:
其中,为该变电站内的220kV主变,总计n台;/>为该变电站所带下级电网110kV站内的负荷,总计m个;/>为为该变电站所带下级电网35kV站内的负荷,总计k个。
根据计算可得:Z1={Tr1,Ld1,Ld2,Ld3,Ld4,Ld5,Ld6}
Z2={Tr2,Ld7,Ld8,Ld9}
2.2读入区域Zx中,当日电网最大负荷时刻的各对象对应的有功Px,max、无功Qx,max为:
其中,为区域中220kV主变高压侧有功、无功值;/>为下级电网110kV站内的负荷有功、无功值;/>为下级电网35kV站内的负荷有功、无功值;i为当前负荷;
根据实际计算的模型计算读取到的:
步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax,步骤如下:
3.1对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功灵敏度矩阵Sx,如下:
其中,为区域内110kV负荷对主变有功的灵敏度矩阵(m*n),/>是区域中第i个110kV负荷有功对区域中第j个主变高压侧绕组有功的准稳态灵敏度,其物理意义是第i个110kV负荷增加单位有功后,第j个220kV主变高压侧绕组有功的变化量。i为负荷小于等于m,j为主变小于等于n。
同理,为区域内35kV负荷对主变有功的灵敏度矩阵(k*n维)。矩阵Sx的总维度为:(m+k)*n。
计算得出的灵敏度为:
3.2对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功汲取因子矩阵Ax,
其中,为区域内110kV负荷对主变有功的汲取矩阵(m*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个110kV负荷有功;/>为子矩阵/>的元素。
同理,为区域内35kV负荷对主变有功的汲取矩阵(k*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个35kV负荷有功;/>为子矩阵/>的元素。
计算得出的有功汲取因子为:
步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据,步骤如下:
4.1从电网能量管理***EMS读入第二日第t个时刻的区域Zx中各台220kV主变的有功预测数据,记为:
其中,t为预测数据的时标,取值范围为1~T,即第二日总计有T个时刻的预测数据,一般情况T=96,t初始值为1;
4.2计算区域内部110kV和35kV的负荷有功预测数据如下:
其中为计算得到的第二日第t个时刻区域Zx中110kV和35kV负荷的有功预测数据。
4.3t值递增1,返回步骤3.1继续计算下一时刻,直至第二日所有时刻的有功预测数据均计算完成。
计算所得数据如下:区域1
/>
/>
区域2:
/>
/>
步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据,步骤如下:
5.1对第二日t时刻,采用等功率因数法,参考当前时刻负荷的功率因数,计算区域中的110kV和35kV负荷无功预测数据记为:
其中:
式(10)中的为式(2)中给出的电网当日最大负荷时刻的负荷有功、无功值。
同样可以计算得无功数值;
5.2 t值递增1,返回步骤4.1继续计算下一时刻,直至第二日所有时刻的无功预测数据均计算完成。
步骤6.x值递增1,返回步骤2继续计算下一座220kV变电站所带的区域,直至全部220kV变电站均计算完成。
Claims (6)
1.一种用于电网日前潮流预报的负荷预测数据分解方法,其特征是:在每日结束前,读入第二日的各220kV变电站主变总有功预测数据,并基于当前电网模型和运行状态,将220kV主变总有功负荷预测数据分解到主变所带的下级110kV及35kV变电站的负荷上,并进一步计算各负荷的无功;以110kV变电站来看,包括以下步骤:步骤1.预先设定每日进行分解计算的时刻T,T通常为每日22时;步骤2.在每日进行计算的时刻T来临时,从电网能量管理***EMS读入当前电网模型和潮流计算结果,形成220kV变电站x所带的下级电网的区域Zx,x为电网中220kV变电站的编号,初值为1;步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax;步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据;步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据;步骤6.x值递增1,返回步骤2继续计算下一座220kV变电站所带的区域,直至全部220kV变电站均计算完成;所述Zx生成的步骤如下:
步骤2.1根据电网拓扑结构自动生成220kV变电站x所带的下级电网区域,生成的区域模型为:
其中,为该变电站内的220kV主变,总计n台;/>为该变电站所带下级电网110kV站内的负荷,总计m个;/>为该变电站所带下级电网35kV站内的负荷,总计k个;
步骤2.2读入区域Zx中,当日电网最大负荷时刻的各对象对应的有功、无功为:
其中,为区域中220kV主变高压侧有功、无功值;/>为下级电网110kV站内的负荷有功、无功值;/>为下级电网35kV站内的负荷有功、无功值;i为第几个设备;
所述步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax,包括步骤如下:
步骤3.1对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功灵敏度矩阵Sx,如下:
其中,为区域内110kV负荷对主变有功的灵敏度矩阵(m*n),/>是区域中第i个110kV负荷有功对区域中第j个主变高压侧绕组有功的准稳态灵敏度,其物理意义是第i个110kV负荷增加单位有功后,第j个220kV主变高压侧绕组有功的变化量;i为负荷小于等于m,j为主变小于等于n;
同理,为区域内35kV负荷对主变有功的灵敏度矩阵(k*n维);矩阵Sx的总维度为:(m+k)*n;
步骤3.2对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功汲取因子矩阵Ax,
其中,为区域内110kV负荷对主变有功的汲取矩阵(m*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个110kV负荷有功;/>为子矩阵/>的元素;同理,/>为区域内35kV负荷对主变有功的汲取矩阵(k*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个35kV负荷有功;/>为子矩阵/>的元素;
所述步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据,包括步骤如下:
步骤4.1从电网能量管理***EMS读入第二日第t个时刻的区域Zx中各台220kV主变的有功预测数据,记为:
其中,t为预测数据的时标,取值范围为1~T,即第二日总计有T个时刻的预测数据,一般情况T=96,t初始值为1;为t时刻的预测数据;
步骤4.2计算区域内部110kV和35kV的负荷有功预测数据如下:
其中为计算得到的第二日第t个时刻区域Zx中110kV和35kV负荷的有功预测数据;
步骤4.3t值递增1,返回步骤3.1继续计算下一时刻,直至第二日所有时刻的有功预测数据均计算完成;
所述步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据,包括步骤如下:
步骤5.1对第二日t时刻,采用等功率因数法,参考当前时刻负荷的功率因数,计算区域中的110kV和35kV负荷无功预测数据记为:
其中:
式(10)中的为式(2)中给出的电网当日最大负荷时刻的负荷有功、无功值;式10的i分别对应于式9的m、k;
步骤5.2t值递增1,返回步骤4.1继续计算下一时刻,直至第二日所有时刻的无功预测数据均计算完成。
2.根据权利要求1所述的一种用于电网日前潮流预报的负荷预测数据分解方法,其特征是:所述读入第二日的各220kV变电站主变总有功预测数据,并基于当前电网模型和运行状态,将220kV主变总有功负荷预测数据分解到主变所带的下级110kV及35kV变电站的负荷上,并进一步计算各负荷的无功;以220kV站内的主变进行计算,该分区内包含两个220kV主变Tr1、Tr2,负荷Ld1、Ld2、Ld3、Ld4、Ld5、Ld6、Ld7、Ld8、Ld9;包括以下步骤:
步骤1.预先设定每日进行分解计算的时刻T,T通常为每日22时;
步骤2.在每日进行计算的时刻T来临时,从电网能量管理***EMS读入当前电网模型和潮流计算结果,形成220kV变电站x所带的下级电网的区域Zx,x为电网中220kV变电站的编号,初值为1;
步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax;
步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据;
步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据;
步骤6.x值递增1,返回步骤2继续计算下一座220kV变电站所带的区域,直至全部220kV变电站均计算完成。
3.根据权利要求2所述的一种用于电网日前潮流预报的负荷预测数据分解方法,其特征是:所述生成Zx的步骤如下:
步骤2.1根据电网拓扑结构自动生成220kV变电站x所带的下级电网区域,生成的区域模型为:
其中,为该变电站内的220kV主变,总计n台;/>为该变电站所带下级电网110kV站内的负荷,总计m个;/>为该变电站所带下级电网35kV站内的负荷,总计k个;
根据计算可得:Z1={Tr1,Ld1,Ld2,Ld3,Ld4,Ld5,Ld6}
Z2={Tr2,Ld7,Ld8,Ld9}
步骤2.2读入区域Zx中,当日电网最大负荷时刻的各对象对应的有功Px,max、无功Qx,max为:
其中,为区域中220kV主变高压侧有功、无功值;/>为下级电网110kV站内的负荷有功、无功值;/>为下级电网35kV站内的负荷有功、无功值;i为当前负荷;
根据实际计算的模型计算读取到的:
4.根据权利要求2所述的一种用于电网日前潮流预报的负荷预测数据分解方法,其特征是:所述步骤3.对区域Zx,计算其内部的负荷有功汲取因子矩阵Ax,步骤如下:
步骤3.1对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功灵敏度矩阵Sx,如下:
其中,为区域内110kV负荷对主变有功的灵敏度矩阵(m*n),/>是区域中第i个110kV负荷有功对区域中第j个主变高压侧绕组有功的准稳态灵敏度,其物理意义是第i个110kV负荷增加单位有功后,第j个220kV主变高压侧绕组有功的变化量;i为负荷小于等于m,j为主变小于等于n;
同理,为区域内35kV负荷对主变有功的灵敏度矩阵(k*n维);矩阵Sx的总维度为:(m+k)*n;
计算得出的灵敏度为:
步骤3.2对区域Zx,计算其区域内负荷对220kV主变高压侧绕组的有功汲取因子矩阵Ax,
其中,为区域内110kV负荷对主变有功的汲取矩阵(m*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个110kV负荷有功;/>为子矩阵/>的元素;
同理,为区域内35kV负荷对主变有功的汲取矩阵(k*n维),其元素为:
其中为式(2)中,区域Zx中第j台主变高压侧有功;/>为式(2)中,区域Zx中第i个35kV负荷有功;/>为子矩阵/>的元素;
计算得出有功汲取因子为:
。
5.根据权利要求2所述的一种用于电网日前潮流预报的负荷预测数据分解方法,其特征是:所述步骤4.对区域Zx,根据其220kV主变的有功预测数据,计算其内部110kV和35kV的负荷有功预测数据,包括步骤如下:
步骤4.1从电网能量管理***EMS读入第二日第t个时刻的区域Zx中各台220kV主变的有功预测数据,记为:
其中,t为预测数据的时标,取值范围为1~T,即第二日总计有T个时刻的预测数据,一般情况T=96,t初始值为1;
步骤4.2计算区域内部110kV和35kV的负荷有功预测数据如下:
其中为计算得到的第二日第t个时刻区域Zx中110kV和35kV负荷的有功预测数据;
4.3t值递增1,返回步骤3.1继续计算下一时刻,直至第二日所有时刻的有功预测数据均计算完成;
计算出区域1所得数据和区域2所得数据。
6.根据权利要求2所述的一种用于电网日前潮流预报的负荷预测数据分解方法,其特征是:所述步骤5.对区域Zx,根据其110kV和35kV的负荷有功预测数据,计算110kV和35kV的无功预测数据,包括步骤如下:
步骤5.1对第二日t时刻,采用等功率因数法,参考当前时刻负荷的功率因数,计算区域中的110kV和35kV负荷无功预测数据记为:
其中:
式(10)中的为式(2)中给出的电网当日最大负荷时刻的负荷有功、无功值;
同样可以计算得无功数值;
步骤5.2t值递增1,返回步骤4.1继续计算下一时刻,直至第二日所有时刻的无功预测数据均计算完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910234163.9A CN110458314B (zh) | 2019-03-26 | 2019-03-26 | 一种用于电网日前潮流预报的负荷预测数据分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910234163.9A CN110458314B (zh) | 2019-03-26 | 2019-03-26 | 一种用于电网日前潮流预报的负荷预测数据分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110458314A CN110458314A (zh) | 2019-11-15 |
CN110458314B true CN110458314B (zh) | 2023-07-25 |
Family
ID=68480598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910234163.9A Active CN110458314B (zh) | 2019-03-26 | 2019-03-26 | 一种用于电网日前潮流预报的负荷预测数据分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458314B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112288598A (zh) * | 2020-12-24 | 2021-01-29 | 中国电力科学研究院有限公司 | 一种确定变电站的负荷元件的构成的方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823837A (zh) * | 2013-12-13 | 2014-05-28 | 国网安徽省电力公司 | 基于模糊聚类和最短路径的关键输电断面搜索方法 |
WO2015081771A1 (zh) * | 2013-12-06 | 2015-06-11 | 国家电网公司 | 基于同步测量信息的电压安全稳定自适应紧急控制方法 |
CN105005940A (zh) * | 2015-07-09 | 2015-10-28 | 河海大学 | 计及相关性的电-气互联***概率最优潮流计算方法 |
CN105375513A (zh) * | 2015-11-06 | 2016-03-02 | 国家电网公司 | 一种基于实时在线等值的110千伏风电场自动电压控制方法 |
CN107464048A (zh) * | 2017-07-26 | 2017-12-12 | 广东电网有限责任公司电力调度控制中心 | 一种基于研究态的日前计划安全校核方法 |
CN108462179A (zh) * | 2018-01-16 | 2018-08-28 | 国网江苏省电力有限公司电力科学研究院 | 基于广度优先搜索的潮流跟踪方法 |
CN108631308A (zh) * | 2018-05-23 | 2018-10-09 | 国网天津市电力公司电力科学研究院 | 一种500kV变电站有功负荷变化趋势的预测方法 |
-
2019
- 2019-03-26 CN CN201910234163.9A patent/CN110458314B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015081771A1 (zh) * | 2013-12-06 | 2015-06-11 | 国家电网公司 | 基于同步测量信息的电压安全稳定自适应紧急控制方法 |
CN103823837A (zh) * | 2013-12-13 | 2014-05-28 | 国网安徽省电力公司 | 基于模糊聚类和最短路径的关键输电断面搜索方法 |
CN105005940A (zh) * | 2015-07-09 | 2015-10-28 | 河海大学 | 计及相关性的电-气互联***概率最优潮流计算方法 |
CN105375513A (zh) * | 2015-11-06 | 2016-03-02 | 国家电网公司 | 一种基于实时在线等值的110千伏风电场自动电压控制方法 |
CN107464048A (zh) * | 2017-07-26 | 2017-12-12 | 广东电网有限责任公司电力调度控制中心 | 一种基于研究态的日前计划安全校核方法 |
CN108462179A (zh) * | 2018-01-16 | 2018-08-28 | 国网江苏省电力有限公司电力科学研究院 | 基于广度优先搜索的潮流跟踪方法 |
CN108631308A (zh) * | 2018-05-23 | 2018-10-09 | 国网天津市电力公司电力科学研究院 | 一种500kV变电站有功负荷变化趋势的预测方法 |
Non-Patent Citations (4)
Title |
---|
"An Improved Network Partition Method of Voltage Control Considering Coordinated Active and Reactive Power Sources";Zhang S etc.;《2018 2nd International Conference on Environmental and Energy Engineering》;20181025;全文 * |
智能电网调度控制***的安全校核服务及实用化关键技术;吕颖等;《电力***自动化》;20150110(第01期);全文 * |
潮流追踪解析算法;李传栋等;《电力***及其自动化学报》;20130615(第03期);全文 * |
电力***功率分配的解析模型和算法;谢开贵等;《中国电机工程学报》;20061017(第22期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110458314A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Reactive power ancillary service of synchronous DGs in coordination with voltage control devices | |
CN108695857B (zh) | 风电场自动电压控制方法、装置及*** | |
Dalhues et al. | Research and practice of flexibility in distribution systems: A review | |
CN112653154B (zh) | 基于边缘计算的分布式光伏配电网无功优化控制方法 | |
CN107069814A (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与*** | |
CN110543696B (zh) | 一种未建模小机组参与电力市场出清和安全校核的方法 | |
CN113489003B (zh) | 一种考虑风光水一体化互补运行的源网协调规划方法 | |
CN108631308B (zh) | 一种500kV变电站有功负荷变化趋势的预测方法 | |
CN104143839A (zh) | 基于功率预测的风电场集群限出力有功功率分配方法 | |
CN115622053A (zh) | 一种用于考虑分布式电源的自动负荷建模方法及装置 | |
CN112821412B (zh) | 一种基于有功趋势判定的自动电压控制方法 | |
CN110458314B (zh) | 一种用于电网日前潮流预报的负荷预测数据分解方法 | |
Zhang et al. | Research on active distribution network structure planning for multi distributed generation access | |
CN113972665A (zh) | 一种光伏电站参与电网主动调压的无功优化控制方法 | |
CN105207255B (zh) | 一种适用于风电出力的电力***调峰计算方法 | |
CN104809543A (zh) | 基于月度输变电设备检修计划的电网运行方式生成方法 | |
CN115549138A (zh) | 一种多种互补外送***中的储能容量优化配置方法及*** | |
CN115292869A (zh) | 考虑大规模光伏储能接入的钻石型配电网可靠性计算方法 | |
CN113708381A (zh) | 一种改善网损的分布式无功补偿控制*** | |
CN112448384A (zh) | 一种多直流馈入电网一次调频旋转备用容量配置方法 | |
Li et al. | Research of voltage control strategy for distribution network with PV connected | |
CN108964022B (zh) | 一种适用于大容量微网的功率协调控制方法 | |
CN104283225A (zh) | 风电场运行控制装置及方法 | |
CN103887814B (zh) | 一种应对风机群体性脱网故障的火电机组紧急调控方法 | |
Zhang et al. | Typical scenario reactive power optimization of active distribution network based on limit theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |