CN110705879B - 一种高比例可再生能源接入下的电网脆弱性评估方法 - Google Patents
一种高比例可再生能源接入下的电网脆弱性评估方法 Download PDFInfo
- Publication number
- CN110705879B CN110705879B CN201910943261.XA CN201910943261A CN110705879B CN 110705879 B CN110705879 B CN 110705879B CN 201910943261 A CN201910943261 A CN 201910943261A CN 110705879 B CN110705879 B CN 110705879B
- Authority
- CN
- China
- Prior art keywords
- node
- vulnerability
- scene
- branch
- nodes
- 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 31
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000035945 sensitivity Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 15
- 238000013210 evaluation model Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000002411 adverse Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012038 vulnerability analysis Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种高比例可再生能源接入下的电网脆弱性评估方法,借助多场景技术,采用模糊C均值聚类算法,对目标地区电网高比例可再生能源出力数据聚类,得到高比例可再生能源出力的多场景时序分布模型;在各典型场景下运用基于DEAHP的脆弱性指标体系对元件脆弱性进行评估,得到随可再生能源出力变化而变化的脆弱性时序评估指标,从而反应节点脆弱特性的波动程度和实时运行状况。引入加权熵的思想,利用时序加权向量将各时间断面的静态评估模型线性加权集结,以综合考虑所有典型时序场景下节点脆弱性的波动特性和均衡程度。实现典型场景概率性与脆弱性评估时序性的结合,静动态综合地评估网络中各节点的脆弱性,使得评估结果更加符合电网运行实际。
Description
技术领域
本发明涉及电力***领域,它特别涉及一种高比例可再生能源接入下的电网脆弱性评估方法及设备。
背景技术
风电和光伏是当前技术最成熟的可再生能源发电技术,但这两类电源都具有很强的波动性、随机性,并且不可存储、不易控制,在不同时间尺度、不同空间范围,呈现不同的波动特性。这些不利因素可能会导致可再生能源并网后对电能质量水平、输电充裕度和供电持续性都产生不利影响,大大增加了电网安全稳定运行的风险。同时,电网在接纳高比例可再生能源时,由于其间歇性和随机性的运行特点、不稳定的输出特性及不可控的源动力,使电网在结构和运行上不可避免地会出现某些难以预料的脆弱特性:一方面导致电网原有拓扑结构发生改变,出现承担重要传输与外送任务的高度数节点和重负荷线路,成为了网络易受威胁的新脆弱源;另一方面,高渗透率新能源功率外送势必加重电网消纳压力,为了维持全网功率平衡,网络潮流分布、电压状态相继发生改变,若此时***元件较为脆弱,新能源并网的随机性和波动性将加剧这种脆弱。因此,对新能源接入地区电网进行脆弱性评估,最终识别其脆弱节点值得深入研究。
脆弱性评估是对***及其组成要素的结构、功能进行分析,评估***自身对不利扰动的抵抗能力和恢复到初始状态的能力以及外部扰动与内部失谐对***可能造成的影响程度。脆弱性评估分析能全面反映出***安全裕度与***参数变化带来的变化趋势,可弥补传统电网安全评估技术的不足。近年来,电网脆弱性是与电力***安全性、稳定性、充裕性等概念既有交叉研究,又各具鲜明特点的理论研究新视角,一直是学术界关注的热点,但目前尚未形成公认的定义和评估技术。
现有研究中,根据侧重点的不同,可将电网脆弱性评估技术分为两类:一类侧重于脆弱性产生原因分析,通常指扰动影响下电网传输能力不断弱化的特性;电力***承受干扰或故障后维持正常运行的能力;另一类侧重于后果评估,通常指网络中有选择地移去某个节点或某条支路,导致网络性能因此而下降的程度;***因人为干预、内部故障等因素而潜伏着大停电事故的危险状态等。可见,传统技术均是从某一个角度来评估脆弱性,如研究***状态量变化对节点状态的影响(表明的是***对于节点的影响),抑或是研究节点发生单位负荷变化对***拓扑结构完整性及***性能的影响(表明的是节点对***的影响),均不够完整。
发明内容
针对现有电网脆弱性评估技术存在评估角度单一,以及高比例可再生能源接入给电网现有脆弱性评估指标带来的影响,本发明提出一种高比例可再生能源接入下的电网脆弱性评估方法及设备。本发明从元件影响力和抗干扰能力的双向角度建立带有不确定测度的脆弱性评估指标集,用以进行***脆弱性评估;在此基础上,本发明还针对高比例可再生能源并网对电网原有的网络拓扑和潮流分布特性的改变,基于DEAHP(data envelopmentanalysis model with analytic hierarchy process restraint cone,DEAHP)和多场景技术的电网脆弱元件识别技术。
一种高比例可再生能源接入下的电网脆弱性评估方法,包括步骤:
S100借助多场景技术中的场景缩减技术,采用模糊C均值聚类算法,对目标地区电网高比例可再生能源出力数据聚类,得到高比例可再生能源出力的多场景时序分布模型;
S200在各典型场景下运用基于DEAHP的脆弱性指标体系对多场景时序分布模型的元件脆弱性进行评估,得到随高比例可再生能源出力变化而变化的脆弱性时序评估结果。
S300根据多场景时序分布模型的概率因子与脆弱性时序评估结果,对基于加权熵的电网脆弱元件进行识别,得到对电网节点的综合脆弱性评估结果。
优选的,所述步骤S100包括:
S110采用模糊C均值聚类算法进行多场景的聚类分析,将每个地区的风光功率数据划分到多个场景;
S120从多个场景中选取出场景集,建立多场景时序分布模型。
优选的,所述步骤S110:采用模糊C均值聚类算法,每组时间序列针对每个聚类中心都有相应的隶属度,用[0,1]之间的任意数值来表示隶属关系,每一个地区风光功率数据都被划分到多个场景中。
优选的,所述步骤S120,通过地区风光出力数据进行场景集的选取,包括:
S121连续n天,每天m个等时间间隔采集得到地区风光出力数据表示为:
其中,采样天数a=1,2,...,n,采样时刻b=1,2,...,m;
S122随机初始化聚类中心:
将待处理的风光出力数据集XW=[xa,b]划分为c类,其中V={v1,v2,...vc}代表各类簇聚类中心的集合,预选c个聚类中心V(b)={v1,v2,...vc},2≤c≤n;迭代次数b=0;
S123求取隶属度矩阵U:
S124求解目标函数值
dij=||xi-xj||
式中,J(XW,V)表示地区各日风光出力数据样本到聚类中心的距离,加权指数s∈[1,+∞)。调整隶属度的指数可用来控制调整隶属度的平滑程度,在一般的实例中,如无特殊要求,隶属度的指数s—般取2。dij=||xi-xj||为第i个数据点与第j个聚类中心间的欧几里得距离。
S125计算更新隶属度矩阵矩阵U(b),聚类中心v(b+1):
S126目标函数最小值判据:
当||J(b)-J(b+1)||<ε时表示算法收敛,算法计算完毕;否则令b=b+1,进入步骤S123,重复迭代计算。
优选的,所述步骤S200中,基于DEAHP的脆弱性指标体系的建立包括:
根据节点抗干扰能力、节点影响力,得到基于DEAHP的电网脆弱性评估指标。
优选的,所述节点抗干扰能力包括负荷波动下节点抗干扰能力,故障下节点抗干扰能力;一方面,传输能量越逼近其极限能量的节点,其抗干扰能力越弱;另一方面,随着负荷加重,能量的传输给节点造成了较大的负担,节点脆弱趋势越明显,其抗干扰能力越弱。因此,负荷波动时节点抗干扰能力可由能量裕度和脆弱灵敏度指标共同反映。
所述节点抗干扰能力的指标包括能量裕度和脆弱灵敏度;
节点能量裕度:
其中,E、E0、Ecr分别为节点静态能量的当前值、初始值与临界值;当ΔE=1时,表明节点能量处于初始运行水平;ΔE越小,表明当前运行状态下,该节点能量越逼近节点临界能量,节点承受负荷增长的能力越弱。
节点脆弱灵敏度:
其中,Sn(i)为节点能量Ei对电压幅值Vi的偏导;当Sn(i)≥0时,表明该节点维持电压在稳定状态的能力较强,尚能承担当前状态下的传输任务。
所述故障下节点抗干扰能力采用直线方程拟合支路故障概率得到:
故障下节点抗干扰能力的指标为:
其中,NL为***支路总数;为支路l的归一化权重;pl为支路l的故障概率;ΔVi为支路l断开后,节点i的电压变化量;Vi 0为节点i的初始电压,Vlim为节点低电压极限,一般设定为额定电压VN的90%。该指标越大,支路故障对节点电压的冲击越大,表明节点抗干扰能力越弱。
优选的,所述节点影响力包括网络拓扑结构影响力和运行状态影响力;
所述网络拓扑结构影响力:
节点i的电气介数Be(i):
所述运行状态影响力:
当***运行在正常工况下,即平衡基态时,支路mn传输的潮流为在节点i增加单位负荷,即***在受到扰动冲击工况下,支路mn上的潮流为因此,将节点i受到扰动后在支路mn上引起的潮流增量定义为节点i对支路mn的潮流冲击:
节点i对整个***的潮流冲击量为其在所有支路上引起的潮流冲击之和:
其中,Nl为***所有支路条数;
定义节点i的潮流冲击熵为:
HD(i)将节点过负荷扰动给***带来的潮流冲击的分布特性量化。当节点i的潮流分布熵最大时,各支路所受到的潮流冲击率相等,因此有
HDmax(i)=lnNl。
此时***中所有支路平均分摊节点i扰动引起的潮流冲击。因此,每条支路受到的潮流冲击都最小,支路过载导致连锁故障的概率最低,即是说节点i潮流冲击对***潮流稳定分布的影响最小。
优选的,所述基于DEAHP的脆弱性评估指标Zn:DEAHP模型要求输入为成本型指标、输出为效益型指标,且均为正数。基于改进的DEAHP模型综合元件抗干扰能力和影响力指标,评估元件综合脆弱性,可将***中每一个元件看作一个DMU,抗干扰能力指标转化为成本型指标(该指标值越小,元件抗干扰能力越差,越利于评价元件脆弱性),作为输入指标;影响力指标可转化为效益型指标(该指标值越大,元件影响力越大,越利于评价元件脆弱性),作为输出指标;通过三标度法确定输入、输出指标AHP约束锥;定义效率评价指数为节点综合脆弱性指标Zn。具体表达式如下:
其中,vj,j=1,2,3与uj,j=1,2分别为DEAHP模型确定的权重。节点脆弱性指标越大,表明该节点抗干扰能力越弱,同时对***影响更大,是需要关注的脆弱节点。基于DEAHP模型的考虑节点抗干扰能力和影响力的节点脆弱性指标,兼顾了脆弱性的原因分析与后果评估2种评估角度,物理意义清晰,有效结合了主客观因素,利于综合评价。
优选的,所述步骤S300包括:
结合加权潮流熵模型,将多场景技术中的概率因子引入到评估模型,考虑各节点所有典型场景下脆弱指标的平均值和离散程度,提出了基于加权熵的节点综合脆弱性评估指标。
其中,s(s=1,2,3,4)代表场景数目,t(t=1,2,...,24)代表一天24小时。
定义的加权熵指标可整体量化评估每个节点脆弱性的波动信息和平均信息,将脆弱性评估指标的时序性与场景发生的概率性相结合,适用于多场景下节点综合脆弱性的纵向比较。Hi越小,表明该节点在评估时段内的脆弱性波动程度越大,整体脆弱性表现越不均匀,综合脆弱性越显著。需要运行人员重点关注此类节点的时序特性,对脆弱节点的脆弱时刻加以识别。
根据本发明的另一方面,提供一种电子设备,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行以上任一项所述的方法。
与现有技术相比,本发明的有益效果:
本发明首先从现有脆弱性评估机理和评估模型出发,建立了综合考虑元件抗干扰能力和影响力的脆弱性评估指标体系,将潮流熵、电气介数等指标纳入评估指标体系,以适应新能源接入后电网实时潮流变化显著、并网点拓扑结构位置对脆弱元件识别的影响;在此基础上,采用DEAHP权重分析法将多层次、多指标问题综合成单层次、单指标的形式,建立兼顾主客观影响的脆弱元件评估指标。
然后,借助多场景技术中的场景缩减技术,采用模糊C均值聚类算法,对实际某地区电网风光出力数据聚类,实现海量发电场景的归类削减。在各典型场景下运用基于DEAHP的脆弱性指标体系对元件脆弱性进行评估,得到随可再生能源出力变化而变化的脆弱性时序评估指标,从而反应节点脆弱特性的波动程度和实时运行状况。
引入加权熵的思想,利用时序加权向量将各时间断面的静态评估模型线性加权集结,从而建立起基于多场景技术的脆弱元件辨识模型,以综合考虑所有典型时序场景下节点脆弱性的波动特性和均衡程度。最终实现典型场景概率性与脆弱性评估时序性的结合,静动态综合地评估网络中各节点的脆弱性,使得评估结果更加符合电网运行实际。
附图说明:
图1为本发明的流程示意图。
图2为地区电网网络拓扑图示意图。
图3为节点能量裕度随负荷增长的变化曲线示意图。
图4为节点脆弱灵敏度随负荷增长的变化曲线示意图。
图5为节点脆弱灵敏度随负荷增长的变化曲线示意图。
图6为节点电气介数示意图。
图7是节点潮流冲击熵示意图。
图8为不同模型下的节点综合脆弱性指标示意图。
图9为基于多场景技术及加权熵的节点综合脆弱性示意图。
图10为一种电子设备的结构示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例,凡基于本发明内容所实现的技术均属于本发明的范围。
如图1所示,一种高比例可再生能源接入下的电网脆弱性评估方法,根据电网脆弱性评估机理、电网脆弱性评估指标集、基于DEAHP的元件脆弱性评估,提出面向可再生能源并网的电网脆弱性时序评估指标;应用到具体目标地区电网时,通过模糊C均值聚类算法,对发电场景进行筛选与聚类,建立可再生能源出力的多场景时序分布模型;再根据评估指标的时序性和场景分析的概率性,对基于加权熵的电网脆弱性元件进行识别,得到地区电网仿真分析。
如图2所示,本实施例的电网***是以两座500kV变电站为支撑,多座220kV双环网构成的市级骨干网架。***的网络结构图及节点支路编号如下图所示。基于本专利所提节点脆弱性评估方法,对该标准***进行建模和仿真计算分析,验证本专利方法的合理有效性。
(1)节点抗干扰能力
节点能量裕度随负荷增长的变化曲线如图3所示:
负荷增长对负荷节点以及可再生能源接入点附近节点的能量裕度的影响较其他类型节点更为显著,如负荷节点24处于西北部负荷中心,节点29、节点30为风电接入的发电机节点及其邻近节点,随着负荷加重,风电场从***吸收无功,这些节点由于缺乏无功支撑,电压波动相对较大。综上可见,本专利所采用的静态能量裕度指标能够有效表征节点在负荷增长时的脆弱程度。
节点脆弱灵敏度随负荷增长的变化曲线如图4所示,节点27相对其他节点表现出了较小的脆弱灵敏度,而其余节点脆弱灵敏度均大于等于0,表明这些节点维持电压稳定的能力较强,在当前负荷水平下能够完成电网的传输任务。节点27位于地区电网的西南部,该节点是一个与外网直接相连的枢纽节点,一旦***负荷发生增长,地区电网自身无法平衡时,需要从外网输入能量以维持地区电网潮流平衡,然而该节点缺乏一定的无功补偿,因此,该节点对***扰动冲击更为灵敏,节点能量随着电压的降低而增加并逐渐逼近临界能量,表现出比其他节点更为明显的脆弱趋势。
设支路故障概率统计值设定1.81×10-4,支路潮流正常值的上下限值设为额定容量的0.95-1.05倍,以计算故障下节点抗干扰能力指标。计算时有电压变大的节点存在,并且会有支路退出运行导致节点脱网成为孤立节点的情况,由于本专利主要关注***的低电压问题,因此计算时忽略此类节点。计算结果如图5所示。
由抗干扰能力指标物理意义可知,指标绝对值越大表明支路故障对节点电压的冲击越大,节点抗干扰能力越弱。分析上图不难发现,节点30、节点29、节点13、节点28计算结果表现突出。节点30位于电网北端,属于负荷节点,该站缺乏无功补偿,一旦***发生故障,电压波动明显,因此抗干扰能力很弱。而节点39和节点13由于光伏和风电场的接入,由于可再生能源出力的随机性,不易控制,当遍历支路退出运行,容易引发此类节点的电压波动。这是因为他们属于电网末端的负荷节点,与电网的电气连接稍显薄弱。26、19、18等负荷节点也排在前列。总体上说明了遍历支路退出运行,容易引发这类负荷节点的电压波动。此外,节点1、节点10、节点22、节点27计算结果接近于0。这类节点均为平衡节点、发电机节点或者与发电机节点相邻的具有充足无功补偿的节点,由于其具有强大的无功支撑,因此在线路故障退出运行后,节点电压水平仍能保持不变,相对其他站而言电压波动不易受影响,节点抗干扰能力越强。
(2)节点影响力
基于拓扑建模计算各节点的电气介数,结果如图6所示:
电气介数指标不仅反映了电网固有拓扑结构强弱的本质属性,还引入了发电机,负荷容量,反映了***潮流对节点的占用情况。分析上图可以看出,排在前五位的节点为:节点1、节点10、节点2、节点11以及节点6。其中,节点1、节点2、节点10均为500kV高电压等级侧的发电机节,是该地区电网电能重要的枢纽点,若这三个节点发生故障或退出运行,将造成该区域电网与外网的联结断开,全网潮流发生大幅转移,加重了剩余元件的负担,严重时导致重载支路发生故障而退出运行,最终将导致电网灾难性事故的发生;节点11、节点6分别位于该地区电网西北部、东南部重要的环网中,是各区域电网之间的重要联络点。若这两个节点发生故障或退出运行,两个区域的环网将发生断裂,导致区域电网与主网分离,网内潮流无法平衡。因此这些节点在地区电网网架结构中的活跃程度很高,结构上表现出非常显著的脆弱性。相反,电气介数排名较末的节点如:节点3、节点14、节点24、节点25以及节点30。这些节点属于***末端带负荷节点,从结构上看这些节点发生故障甚至退出运行对地区主网没有太大的影响,所以,节点结构鲁棒性相对很低。综上可见,节点电气介数对节点网络拓扑影响力刻画的合理有效性。
节点潮流冲击熵如图7所示,节点负荷的变化将引起***中剩余支路的负载率发生变化,而节点潮流冲击熵能够反映出***受到单位负荷冲击时***潮流变化的均匀程度。由上图可以看出,节点14、节点13、节点15、节点12以及节点11的潮流冲击熵数值略小于其他节点。表明这些站点负荷受到扰动后,***潮流转移分布较不均衡,对线路的冲击极大,若此时重载线路承担了这些潮流转移,将会引起重载支路潮流越限而过载,继而导致地区电网网络状态逐步恶化。究其原因,节点12、13、14均为与发电机2号节点直接相连的节点,而11号节点也直接与28号发电机节点相连,它们担负着将发电机功率输出的重要任务,且这些节点属于重负荷节点,一旦这些节点负荷受到较大冲击,发电机将立刻增加出力,因此,这些站点的负荷波动需要运行人员重点关注。相反,节点18、节点19处于各自局部环网中,运行可靠性较高,因此一旦负荷发生波动,对剩余支路和节点影响不显著,节点潮流冲击熵相对较大。
(3)基于DEAHP的节点脆弱性分析
按照指标定义,分别计算节点抗干扰能力和影响力5个指标。抗干扰能力计算过程中,本专利选取负荷水平λ=0.2(负荷增长20%)为负荷波动模式。
,如图8,节点11为该时刻下地区电网最为脆弱的节点。不难发现该节点在抗干扰能力指标以及影响力指标中的排序均靠前。究其原因,一方面,11号节点与该地区重要的等效发电机节点28号、22号直接相连,承担了较重的变电负荷以及能量传输任务,节点能量易发生大幅波动,且邻近新能源接入点,一旦***发生故障,节点对电压波动的承受能力较弱;另一方面,作为全网变电任务最重的220kV站点之一,该节点处于联结各区域电网的枢纽位置,承担着区域间电能互送的任务。能量传输对该节点的占用占比较大,节点影响力显著。因此在抗干扰能力和影响力上,11号节点均显现出较强的脆弱性,故其综合脆弱性排名靠前。
综合排序靠前的13号、6号节点在抗干扰能力指标系列排序中相对靠后,而在影响力系列指标中排序靠前。此类节点是区域电网之间的联络点,如果发生故障或退出运行,导致地区电网相互分离,形成孤网,对电网影响较大。相反地,节点27、节点16具有影响力微弱而抗干扰能力远低于其他节点的特征。虽然此类节点在***中的重要度不高,然而对***扰动敏感,一旦***运行状态恶化,其电压波动明显,节点能量逐渐逼近临界能量,严重时节点崩溃而退出运行,影响区域电网的潮流平衡。由此可见,节点综合脆弱指标辨识出的脆弱节点不仅是结构上和状态上较重要的节点,同时也是能量波动明显,安全裕度不足、难以抵御外界干扰的节点,也可得出本专利采用的指标评估体系的综合性和完善性。
排序相对靠后的站点如节点24、节点25以及节点26。这些节点都集中在区域电网的西北部,且处于同一个环网中。该区域电网功率传输对它们的占用相对较少,结构和状态影响力表征不明显,此外,该环网中有重要的525kV发电站,无功补偿相对充足,具有维持自身能量以及电压平衡的能力,承载电网扰动的能力较强。因此,节点综合脆弱性不显著。
(4)基于多场景技术及加权熵的节点综合脆弱性分析
最终的地区电网节点脆弱性排序,如图9所示。
运用本专利所提方法辨识出的脆弱节点中,节点11脆弱性位列首位:
从典型场景下***实际运行角度分析,其脆弱性主要体现在以下两方面。一方面,节点11作为***中最重要的联络节点之一,承担着地区电网北部新能源和常规能源的发电功率往西部负荷中心输送的任务。由于新能源出力的波动性,当***遭受扰动时,该节点需及时调整功率输送以维持***潮流平衡,较其他节点更易受到扰动影响,抗干扰能力弱;另一方面,节点11作为与主干变压器支路相连接的节点,其一旦退出运行将阻断通道,致使全网潮流大幅转移,加重***其它元件的传输负担,影响力显著。即从抗干扰能力与重要度两方面均体现出节点11显著的关键性。
从节点全年的脆弱时序特性分析,节点11全年的脆弱特性曲线波动明显,综合脆弱性均值大小和离散程度处于较高的水平,相较于其他节点,该节点受新能源出力波动影响最为明显,因此需要运行人员重点关注其时序特性。
与节点11类似,节点7、8、6、5作为***中重要的中枢节点,处于能量汇总与分配的关键位置,抗干扰能力弱,季节波动特性明显,因此相对于其他节点更为脆弱。
图10示出了根据本发明示例性实施例的电子设备(例如具备程序执行功能的计算机服务器),其包括至少一个处理器,电源,以及与所述至少一个处理器通信连接的存储器和输入输出接口;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述任一实施例所公开的方法;所述输入输出接口可以包括显示器、键盘、鼠标、以及USB接口,用于输入输出数据;电源用于为电子设备提供电能。
本领域技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
当本发明上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明具体实施方式的详细说明,而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下,做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。
Claims (4)
1.一种高比例可再生能源接入下的电网脆弱性评估方法,其特征在于,包括步骤:
S100借助多场景技术中的场景缩减技术,采用聚类算法,对目标地区电网高比例可再生能源出力数据聚类,得到高比例可再生能源出力的多场景时序分布模型;
所述步骤S100包括:
S110采用模糊C均值聚类算法,每组时间序列针对每个聚类中心都有相应的隶属度,用[0,1]之间的任意数值来表示隶属关系,每一个地区风光功率数据都被划分到多个场景中;
S120从多个场景中选取出场景集,建立多场景时序分布模型;通过地区风光出力数据进行场景集的选取,包括:
S121连续n天,每天m个等时间间隔采集得到地区风光出力数据表示为:
其中,采样天数a=1,2,...,n,采样时刻b=1,2,...,m;
S122随机初始化聚类中心:
将待处理的风光出力数据集XW=[xa,b]划分为c类,其中V={v1,v2,...vc}代表各类簇聚类中心的集合,预选c个聚类中心V(b)={v1,v2,...vc},2≤c≤n;迭代次数b=0;
S123求取隶属度矩阵U:
引入隶属度函数μij表示该地区第i天风光出力数据样本隶属于第j类簇的概率;随机选取[0,1]间的数,使其满足,0≤μij≤1,隶属度μij的计算公式为:
S124求解目标函数值
dij=||xi-xj||
式中,J(XW,V)表示地区各日风光出力数据样本到聚类中心的距离,加权指数s∈[1,+∞);dij=||xi-xj||为第i个数据点与第j个聚类中心间的欧几里得距离;
S125计算更新隶属度矩阵U(b),聚类中心v(b+1):
若,则μij (b)=1,否则μij (b)=0
S126目标函数最小值判据:
当||J(b)-J(b+1)||<ε时表示算法收敛,算法计算完毕;否则令b=b+1,进入步骤S123,重复迭代计算;
S200根据节点抗干扰能力、节点影响力,得到基于DEAHP的电网脆弱性评估指标,建立DEAHP的脆弱性指标体系,在各典型场景下运用基于DEAHP的脆弱性指标体系对多场景时序分布模型的元件脆弱性进行评估,得到随高比例可再生能源出力变化而变化的脆弱性时序评估结果;所述基于DEAHP的脆弱性评估指标Zn:
vi与uj分别为DEAHP模型确定的权重,其中,i=1,2,3且j=1,2,Be(i)为节点i的电气介数,HD(i)为分布特性量化,为节点能量裕度,为节点脆弱灵敏度,为故障下节点抗干扰能力;
S300根据多场景时序分布模型的概率因子与脆弱性时序评估结果,对基于加权熵的电网脆弱元件进行识别,得到电网节点的综合脆弱性评估结果;
对每一个节点Ni,特征场景s某一断面时刻t下节点的脆弱大小计算结果为,场景s发生的概率为Ps;节点综合脆弱性的指标如下:
其中,s(s=1,2,3,4)代表场景数目,t(t=1,2,...,24)代表一天24小时。
2.根据权利要求1所述的高比例可再生能源接入下的电网脆弱性评估方法,其特征在于,所述节点抗干扰能力包括负荷波动下节点抗干扰能力和故障下节点抗干扰能力;
所述节点抗干扰能力的指标包括能量裕度和脆弱灵敏度;
节点能量裕度:
其中,E、E0、Ecr分别为节点静态能量的当前值、初始值与临界值;
节点脆弱灵敏度:
其中,Sn(i)为节点能量Ei对电压幅值Vi的偏导;
所述故障下节点抗干扰能力:
其中,F为支路潮流值,与分别是支路潮流正常值的上、下限;
故障下节点抗干扰能力的指标为:
其中,NL为***支路总数;为支路l的归一化权重;pl为支路l的故障概率;ΔVi为支路l断开后,节点i的电压变化量;Vi 0为节点i的初始电压,Vlim为节点低电压极限。
3.根据权利要求2所述的高比例可再生能源接入下的电网脆弱性评估方法,其特征在于,所述节点影响力包括网络拓扑结构影响力和运行状态影响力;
所述网络拓扑结构影响力为节点i的电气介数Be(i):
其中,Wa为发电机节点a的实际出力;Wb为负荷节点b的实际负荷;为在“发电机节点a-负荷节点b”节点对间注入单位电流元时,在节点i处产生的电流分布;
所述运行状态影响力为节点过负荷扰动给***带来的潮流冲击的分布特性量化HD(i):
当***运行在正常工况下,支路mn传输的潮流为;在节点i增加单位负荷,即***在受到扰动冲击工况下,支路mn上的潮流为,节点i受到扰动后在支路mn上引起的潮流增量为节点i对支路mn的潮流冲击:
节点i对整个***的潮流冲击量为其在所有支路上引起的潮流冲击之和:
其中,Nl为***所有支路条数;
支路mn的潮流冲击率为节点i对***的潮流冲击在支路mn上的分配比例:
节点i的潮流冲击熵为:
。
4.一种电子设备,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943261.XA CN110705879B (zh) | 2019-09-30 | 2019-09-30 | 一种高比例可再生能源接入下的电网脆弱性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910943261.XA CN110705879B (zh) | 2019-09-30 | 2019-09-30 | 一种高比例可再生能源接入下的电网脆弱性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705879A CN110705879A (zh) | 2020-01-17 |
CN110705879B true CN110705879B (zh) | 2023-05-09 |
Family
ID=69196488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910943261.XA Active CN110705879B (zh) | 2019-09-30 | 2019-09-30 | 一种高比例可再生能源接入下的电网脆弱性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705879B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444593B (zh) * | 2020-03-02 | 2022-05-03 | 浙江大学 | 一种电-气综合能源***元件脆弱性改善方法 |
CN111369388B (zh) * | 2020-03-09 | 2024-01-26 | 华北电力大学 | 用于城市电网的对抗脆弱性评估方法及*** |
CN111428200B (zh) * | 2020-03-23 | 2024-02-06 | 全球能源互联网研究院有限公司 | 一种跨空间连锁故障的评估方法、装置及设备 |
CN111695235B (zh) * | 2020-04-24 | 2023-05-26 | 广东电网有限责任公司 | 可再生能源消纳责任权重的区域分解方法、装置及*** |
CN111682574B (zh) * | 2020-06-18 | 2021-10-15 | 国网江苏省电力有限公司电力科学研究院 | 一种交直流混联***运行场景辨识方法、存储介质和设备 |
CN112288326B (zh) * | 2020-11-23 | 2023-04-18 | 天津大学 | 一种适用于输电***韧性评估的故障场景集削减方法 |
CN114665498A (zh) * | 2020-12-23 | 2022-06-24 | 南京邮电大学 | 一种计及新能源影响的主动配电网脆弱节点辨识方法 |
CN113191643B (zh) * | 2021-05-06 | 2022-04-01 | 四川大学 | 电-气互联***脆弱线路辨识方法 |
CN114140002B (zh) * | 2021-12-07 | 2023-10-24 | 国网江苏省电力有限公司扬州供电分公司 | 一种综合能源***脆弱性评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006011880A (ja) * | 2004-06-25 | 2006-01-12 | Sony Corp | 環境地図作成方法、環境地図作成装置、及び移動型ロボット装置 |
CN102930175A (zh) * | 2012-03-28 | 2013-02-13 | 河海大学 | 基于动态概率潮流的智能配电网脆弱性评估方法 |
CN109145428A (zh) * | 2018-08-14 | 2019-01-04 | 国网四川省电力公司信息通信公司 | 一种连锁故障模式下信息物理融合***脆弱性评估方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298872A (zh) * | 2014-10-11 | 2015-01-21 | 国家电网公司 | 一种面向电网稳定性分析算法的弱切除策略 |
CN105654245B (zh) * | 2015-12-31 | 2019-11-29 | 太原理工大学 | 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 |
CN106815684A (zh) * | 2017-01-19 | 2017-06-09 | 国网山东省电力公司邹城市供电公司 | 精细化有序用电管理的方法 |
CN107846014B (zh) * | 2017-11-09 | 2021-03-30 | 电子科技大学 | 一种基于随机特征和级数计算的电网概率脆弱性评估方法 |
CN107979117A (zh) * | 2017-12-08 | 2018-05-01 | 甘肃省电力公司风电技术中心 | 提升高渗透率风电接入电网暂态稳定性有功功率控制策略 |
CN109904869A (zh) * | 2019-03-01 | 2019-06-18 | 广东工业大学 | 一种微电网混合储能容量配置的优化方法 |
CN110097474A (zh) * | 2019-03-25 | 2019-08-06 | 国网辽宁省电力有限公司 | 一种实现配电网削峰填谷的负荷控制方法 |
-
2019
- 2019-09-30 CN CN201910943261.XA patent/CN110705879B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006011880A (ja) * | 2004-06-25 | 2006-01-12 | Sony Corp | 環境地図作成方法、環境地図作成装置、及び移動型ロボット装置 |
CN102930175A (zh) * | 2012-03-28 | 2013-02-13 | 河海大学 | 基于动态概率潮流的智能配电网脆弱性评估方法 |
CN109145428A (zh) * | 2018-08-14 | 2019-01-04 | 国网四川省电力公司信息通信公司 | 一种连锁故障模式下信息物理融合***脆弱性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110705879A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705879B (zh) | 一种高比例可再生能源接入下的电网脆弱性评估方法 | |
CN111628499B (zh) | 一种计及多风险因素的配电网新能源消纳能力评估的方法 | |
CN107437135B (zh) | 一种新型储能选型方法 | |
CN110782130A (zh) | 一种基于多属性决策的区域电压质量综合评估方法 | |
Galvani et al. | Data clustering based probabilistic optimal power flow in power systems | |
CN115000968B (zh) | 基于博弈和风电出力相关性的海上风电接入***规划方法 | |
CN112001644A (zh) | 一种配电网运行可靠性检测方法、装置、终端及存储介质 | |
CN112818525A (zh) | 一种水电机组状态评价方法及其*** | |
CN114006410B (zh) | 一种基于机会约束规划的大规模海上风电接入点优化方法 | |
CN117578413A (zh) | 基于经济性分析的配电网可靠性提升方法 | |
CN117353321A (zh) | 一种基于源荷不确定性的配电网安全评估方法和*** | |
CN109193779B (zh) | 一种分布式风力发电最大容量评估方法 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN116757406A (zh) | 一种考虑不确定性的分布式电源接入配电网选址定容方法 | |
CN113690930B (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
CN115860552A (zh) | 一种农村能源互联网综合效益评价方法 | |
Liang et al. | A risk assessment method of the energy supply chain based on combination weights and technique for order preference by similarity to an ideal solution | |
CN112994016B (zh) | 一种用于电力***潮流的恢复可解性调整方法及*** | |
CN111160693B (zh) | 一种电网规划协调性评估方法及*** | |
CN112288240A (zh) | 一种配电网建设项目成效评价方法 | |
CN118199184B (zh) | 考虑线路脆弱性的配电网光伏和储能优化配置方法 | |
CN112529241B (zh) | 一种遥感卫星效费权衡优化方法 | |
CN117955133B (zh) | 一种配电网储能优化配置方法及*** | |
CN113283702B (zh) | 融合电力***安全稳定特性的潮流状态评价方法及装置 | |
Zhang et al. | Study on the smart grid vulnerability index based on the moment-generating function and distortion function |
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 |