CN110880072A - 实时电网静态安全风险处置优化方法、装置及存储介质 - Google Patents
实时电网静态安全风险处置优化方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110880072A CN110880072A CN201911120088.XA CN201911120088A CN110880072A CN 110880072 A CN110880072 A CN 110880072A CN 201911120088 A CN201911120088 A CN 201911120088A CN 110880072 A CN110880072 A CN 110880072A
- Authority
- CN
- China
- Prior art keywords
- fault
- decision
- real
- power
- model
- 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.)
- Pending
Links
- 230000003068 static effect Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 230000035945 sensitivity Effects 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000002441 reversible effect Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000005283 ground state Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 8
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (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
本发明公开了一种实时电网静态安全风险处置优化方法，用于对电网运行静态安全风险进行预警和辅助决策。在实际的数据测试中，本发明所实现的风险处置优化方法在对电网静态安全故障处理时，能够在满足电网***安全的约束条件的前提下大幅降低运行成本和决策代价，可以为实际的电网故障的风险处置和辅助决策提供强有力的控制方案。同时，在提供正确的风险处置方法、保证电网***安全运行的基础上，本发明能够最小化风险处置方法的代价，缩减辅助决策的调度流程，降低调度员的劳动强度，为调度员提供最大限度的风险处置方法支持，在降低决策代价的同时提升调度员的工作效率。
Description
技术领域
本发明涉及电网故障处理领域，具体来说，涉及一种实时电网静态安全风险处置优化方法、装置及存储介质。
背景技术
近年来，随着国内经济的快速发展，电力工业同时也在高速发展，同时对电力供应的可靠性和稳定性提出了更高的要求，电力***静态安全分析对保证电力供应的可靠性和稳定性具有重要意义。电网静态潮流越界是非常容易出现的电力***安全威胁，对该问题的辅助决策是否合理直接影响电力***的稳定运行。
目前的在线安全稳定分析***(简称在线***)嵌入在新一代智能电网调度控制***支持***基础平台(简称“D5000***”)，它基于实时潮流、同步数据共享，进行定期安全扫描及预想方式分析，监测当前电网的运行风险并给出实用辅助决策，能极大提高电网的可观可控性，拓展电网运行空间，真正实现电网预防性控制。然而，该***在辅助决策模块存在着一定的问题。在当前在线***中，辅助决策模块对稳措策略、控制手段及代价、不同类型调节特性、方案优化性、***容错性等方面考虑的不够完善，需要对其进行进一步的优化。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题，本发明提出一种一种实时电网静态安全风险处置优化方法，能够解决事故发生时在线***输出的辅助决策策略不合理、方案优化性不强、容错性不高等问题。同时提供了一套静态安全在线辅助决策模型的求解的方法。
为实现上述技术目的，本发明的技术方案是这样实现的：
本发明公开了一种实时电网静态安全风险处置优化方法，该方法包括断面数据计算与故障判断、读取故障信息并计算灵敏度、静态安全辅助决策模型构建、静态安全辅助决策模型求解和辅助决策结果分析。
更进一步地，所述五个步骤进一步包括以下步骤：
步骤1，当电网发生事故时，从在线安全稳定分析***读取省级电网基础数据断面，进行静态安全分析，判断故障情况，所述故障情况包括故障线路以及N-1越限情况的明细；
步骤2，根据所述步骤1判断的故障情况，将故障设备及故障情况作为输入，其中，所述输入的故障信息包括故障设备有功、限值信息；同时计算故障设备的灵敏度矩阵，选择灵敏度绝对值较高的节点作为输入，并输入灵敏度绝对值较高节点的功率、出力范围及灵敏度值；
步骤3，根据所述步骤2输入的故障信息，灵敏度信息及节点信息，同时输入各类型节点调节代价，以最小化辅助决策代价为目的，基于多目标优化函数构建静态安全辅助决策模型；
步骤4，基于所述步骤3构建出的静态安全辅助决策模型，采用非凸函数的非线性规划问题求解方法对模型进行求解，得到满足约束条件、调节代价最小辅助决策结果；
步骤5，利用所述步骤4输出的辅助决策结果对全网进行潮流计算判断是有新的故障产生，再次进行迭代处理还是没有新故障产生输出每次迭代的辅助决策结果。
更进一步地，所述断面数据计算与故障的判断进一步包括，读取D5000***实时监控的电网***各项数据，以各母线、干线的实时电压为主要读取对象，读取出现越界的线路信息，进行故障判断之后将设备名称、设备越界情况输出给下一步。
更进一步地，所述读取故障信息并计算灵敏度进一步包括：读取上一步输出故障设备与故障情况，计算与该故障设备相关的灵敏度矩阵，选择灵敏度矩阵中灵敏度绝对值较高的节点，将节点的功率、出力范围及灵敏度值信息输入到下一步，进行静态安全辅助决策模型的构建。
更进一步地，所述静态安全辅助决策模型构建进一步包括：以控制调节的代价最小为目标，要求能够对于故障信息给出能够保证进行全网潮流计算后全网静态安全的最优化辅助决策，
其中，F为模型的目标优化函数，C1、C2、C3和C4分别表示机组出力调整、水电机组启停、地区小电源出力控制和负荷倒供这四类控制措施的调节代价；其中Δps-i(1≤i≤a)、Δps-i(1≤i≤a)分别表示对水电厂i、火电厂j的有功出力调整量，Δpx-k、Δpd-k表示对负荷节点k的小电源出力调节、倒出负荷有功量，a、b、m分别为全网水、火电电源节点以及负荷节点的数量；ts-i为水电厂i的启停机组台数；αv为相应的控制措施的调节代价系数。
更进一步地，所述静态安全辅助决策模型中的约束计算进一步包括：模型中约束分为负荷平衡约束、潮流安全约束和控制变量约束，
其中，式Ⅲ为负荷平衡约束计算，
和pw为当前的外联络线送入的有功计划值和实时值；式Ⅳ为潮流安全计算，D和
分别为全网控制断面实时有功功率及其限额向量，断面限额由在线***按基态及N-1潮流越限边界取定，
表示全网电源节点，ΠG表示电源节点-断面灵敏度；式(Ⅴ)为控制变量约束计算，分别表示水电厂、火电厂对负荷节点k的小电源出力调节、倒出负荷有功量的上下限额。
更进一步地，所述辅助决策模型的求解进一步包括：采取局部最优化函数进行求解，***的辅助决策模型求解过程通过在范围内多次随机设定初值进行计算，然后取模型的最优结果作为最终的辅助决策内容以保证最终的决策最优。
更进一步地，所述辅助决策模型的结果分析进一步包括：主要任务是判断本次辅助决策流程是否停止并输出决策内容，在得出模型求解结果后，按照模型求解结果对全网进行潮流计算判断是否有新的故障产生，如果有新故障产生，则记录本次辅助决策结果并转到所述步骤1再次进行迭代处理；如果没有新故障产生，则表示故障全部解决，则输出每次迭代的辅助决策结果。
本发明还公开了一种电子装置，包括：处理器；以及，存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的实时电网静态安全风险处置优化方法。
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的实时电网静态安全风险处置优化方法。
本发明的有益效果：本发明公开的一种实时电网静态安全风险处置优化方法可以为实际的电网故障辅助决策提供强有力的控制方案。同时，在提供正确的辅助决策方法、保证电网***安全运行的基础上，能够最小化辅助决策方法的代价，缩减辅助决策的调度流程，降低调度员的劳动强度，为调度员提供最大限度的辅助决策支持，在降低决策代价的同时提升调度员的工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种实时电网静态安全风险处置优化方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供了一种实时电网静态安全风险处置优化方法，其目的是为了解决事故发生时在线***输出的辅助决策策略不合理、方案优化性不强、容错性不高等问题，同时提供了一套静态安全在线辅助决策模型的求解思路。
如图1所示，根据本发明实施例所述的实时电网静态安全风险处置优化方法，包括以下步骤：
(1)断面数据计算与故障判断：当电网发生事故时，从在线安全稳定分析***读取省级电网基础数据断面，进行静态安全分析，判断故障情况，包括故障线路以及N-1越限情况的明细等。
(2)读取故障信息并计算灵敏度：根据步骤(1)判断的故障情况，将故障设备及故障情况作为输入，主要包括故障设备有功、限值等信息；同时计算故障设备的灵敏度矩阵，选择灵敏度绝对值较高的节点作为输入，并输入灵敏度绝对值较高节点的功率、出力范围及灵敏度值。
(3)静态安全辅助决策模型构建：根据步骤(2)输入的故障信息，灵敏度信息及节点信息，同时输入各类型节点调节代价，以最小化辅助决策代价为目的，基于多目标优化函数构建静态安全辅助决策模型。
(4)静态安全辅助决策模型求解：基于步骤(3)构建出的静态安全辅助决策模型，采用非凸函数的非线性规划问题求解方法对模型进行求解，得到满足约束条件、调节代价最小辅助决策结果。
(5)辅助决策结果分析：利用步骤(4)输出的辅助决策结果对全网进行潮流计算判断是有新的故障产生，再次进行迭代处理还是没有新故障产生输出每次迭代的辅助决策结果。
优选地，该方法包括断面数据计算与故障判断、读取故障信息并计算灵敏度、静态安全辅助决策模型构建、静态安全辅助决策模型求解和辅助决策结果分析五个步骤。
优选地，断面数据计算与故障的判断。读取D5000***实时监控的电网***各项数据，以各母线、干线的实时电压为主要读取对象，读取出现越界的线路信息，进行故障判断之后将设备名称、设备越界情况等输出给下一步。
优选地，读取故障信息并计算灵敏度。读取上一步输出故障设备与故障情况，计算与该故障设备相关的灵敏度矩阵，选择灵敏度矩阵中灵敏度绝对值较高的节点，将节点的功率、出力范围及灵敏度值等信息输入到下一步，进行静态安全辅助决策模型的构建。
优选地，静态安全辅助决策模型的构建。以控制调节的代价最小为目标，要求能够对于故障信息给出能够保证进行全网潮流计算后全网静态安全的最优化辅助决策，模型的目标优化函数为F，如式(I)所示。C1、C2、C3和C4分别表示机组出力调整、水电机组启停、地区小电源出力控制和负荷倒供这四类控制措施的调节代价，如式(Ⅱ)所示。其中Δps-i(1≤i≤a)、Δps-i(1≤i≤a)分别表示对水电厂i、火电厂j的有功出力调整量，Δpx-k、Δpd-k表示对负荷节点k的小电源出力调节、倒出负荷有功量，a、b、m分别为全网水、火电电源节点以及负荷节点的数量。ts-i为水电厂i的启停机组台数。αv为相应的控制措施的调节代价系数，其值主要体现在执行速度和影响范围两方面，由单位时间成本Timv和单位经济成本Ecov所决定，如表1所示。
表1各控制措施的Timv，Ecov，αv使用值
优选地，静态安全辅助决策模型中的约束计算。模型中约束分为负荷平衡约束、潮流安全约束和控制变量约束。式(Ⅲ)表示负荷平衡约束计算，
和pw为当前的外联络线送入的有功计划值和实时值。式(Ⅳ)表示潮流安全计算，D和
分别为全网控制断面实时有功功率及其限额向量，断面限额由在线***按基态及N-1潮流越限边界取定，
表示全网电源节点，ΠG表示电源节点-断面灵敏度。式(Ⅴ)表示控制变量约束计算，分别表示水电厂、火电厂对负荷节点k的小电源出力调节、倒出负荷有功量的上下限额。
优选地，辅助决策模型的求解。静态安全辅助决策模型求解的任务是得到满足模型约束条件、辅助决策代价最小的决策结果。该问题可以看成是非凸函数的非线性规划问题，其中控制措施的调节代价为求解的目标变量。而机组出力调整、水电机组启停、地区小电源出力控制和负荷倒供这四类控制措施的调节则是求解过程中的决策变量。将目标变量和决策变量连接起来构建的目标优化函数是一个非凸函数，目标是最小化控制措施的调节代价，因此采用非凸函数的非线性规划进行求解。在求解的过程中，由于模型的约束条件较多，需要采取局部最优化函数进行求解，这样就会导致模型的初值设置会对模型的结果有很大的影响。所述***的辅助决策模型求解过程采用的方法是通过在范围内多次随机设定初值进行计算，然后取模型的最优结果作为最终的辅助决策内容以保证最终的决策最优。
优选地，辅助决策模型的结果分析。主要任务是判断本次辅助决策流程是否停止并输出决策内容。在得出模型求解结果后，按照模型求解结果对全网进行潮流计算判断是否有新的故障产生，如果有新故障产生，则记录本次辅助决策结果并转到步骤(1)再次进行迭代处理；如果没有新故障产生，则表示故障全部解决，则输出每次迭代的辅助决策结果。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，根据本发明所述的一种实时电网静态安全风险处置优化方法，包括以下步骤：
(1)断面数据计算与故障判断：当电网发生事故时，从在线安全稳定分析***读取省级电网基础数据断面，进行静态安全分析，判断故障情况，包括故障线路以及N-1越限情况的明细等。
(2)读取故障信息并计算灵敏度：根据步骤(1)判断的故障情况，将故障设备及故障情况作为输入，主要包括故障设备有功、限值等信息；同时计算故障设备的灵敏度矩阵，选择灵敏度绝对值较高的节点作为输入，并输入灵敏度绝对值较高节点的功率、出力范围及灵敏度值。
(3)静态安全辅助决策模型构建：根据步骤(2)输入的故障信息，灵敏度信息及节点信息，同时输入各类型节点调节代价，以最小化辅助决策代价为目的，基于多目标优化函数构建静态安全辅助决策模型。
(4)静态安全辅助决策模型求解：基于步骤(3)构建出的静态安全辅助决策模型，采用非凸函数的非线性规划问题求解方法对模型进行求解，得到满足约束条件、调节代价最小辅助决策结果。
(5)辅助决策结果分析：利用步骤(4)输出的辅助决策结果对全网进行潮流计算判断是有新的故障产生，再次进行迭代处理还是没有新故障产生输出每次迭代的辅助决策结果。
本发明基于D5000智能调度支持***，电网运行数据均采自D5000支撑平台，运行环境为Linux环境；开发语言为Python。
下面以湖南.隆平Ⅱ线断开，湖南.隆平Ⅰ线线路越界后的辅助决策为一实例进行详细说明，湖南.隆平Ⅱ线断开后，在线辅助决策***通过潮流计算发现湖南.隆平Ⅰ线线路越界，随即将故障线路位置—湖南.隆平Ⅰ线、线路当前有功—152WM，线路限额—100WM发送到辅助决策***中，同时计算湖南.隆平Ⅰ线的灵敏度矩阵，将灵敏度矩阵信息也发送到辅助决策***中；再提醒调度员出现故障之后，调度员对配置文件信息进行设定，设置需要调节的单位最大数量为10，需要调节的水电厂最大数量为5，设置灵敏度阈值为0.1，设置水、火电厂调节代价为调节量*0.6，设置水电厂机组启停代价为调节量*启停量*16，设置小电源调节代价为调节量*45，设置负荷倒供调节代价为调节量*100，设置完成后辅助模型***自动进行辅助决策求解，再取五次随机初始量最优求解的辅助决策信息进行新一轮潮流计算，发现潮流计算并未发现故障，***运行流程结束，得到辅助决策信息为湖南.挂治A2厂减少出力80MW，机组启停量为0，湖南.铜湾A2厂减少出力110MW，机组启停量为0，湖南.洪江A2厂减少出力86MW，机组启停量为0，总代价为166，总时间为0.656秒。
采用上述技术方案后，能够为实际的电网故障辅助决策提供强有力的控制方案。同时，在提供正确的辅助决策方法、保证电网***安全运行的基础上，本发明能够最小化辅助决策方法的代价，缩减辅助决策的调度流程，降低调度员的劳动强度，为调度员提供最大限度的辅助决策支持，在降低决策代价的同时提升调度员的工作效率。
综上所述，借助于本发明的上述技术方案，通过本发明公开的一种实时电网静态安全风险处置优化方法可以为实际的电网故障辅助决策提供强有力的控制方案。同时，在提供正确的辅助决策方法、保证电网***安全运行的基础上，能够最小化辅助决策方法的代价，缩减辅助决策的调度流程，降低调度员的劳动强度，为调度员提供最大限度的辅助决策支持，在降低决策代价的同时提升调度员的工作效率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种实时电网静态安全风险处置优化方法，其特征在于，该方法包括断面数据计算与故障判断、读取故障信息并计算灵敏度、静态安全辅助决策模型构建、静态安全辅助决策模型求解和辅助决策结果分析。
2.如权利要求1所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述五个步骤进一步包括以下步骤：
步骤1，当电网发生事故时，从在线安全稳定分析***读取省级电网基础数据断面，进行静态安全分析，判断故障情况，所述故障情况包括故障线路以及N-1越限情况的明细；
步骤2，根据所述步骤1判断的故障情况，将故障设备及故障情况作为输入，其中，所述输入的故障信息包括故障设备有功、限值信息；同时计算故障设备的灵敏度矩阵，选择灵敏度绝对值较高的节点作为输入，并输入灵敏度绝对值较高节点的功率、出力范围及灵敏度值；
步骤3，根据所述步骤2输入的故障信息，灵敏度信息及节点信息，同时输入各类型节点调节代价，以最小化辅助决策代价为目的，基于多目标优化函数构建静态安全辅助决策模型；
步骤4，基于所述步骤3构建出的静态安全辅助决策模型，采用非凸函数的非线性规划问题求解方法对模型进行求解，得到满足约束条件、调节代价最小辅助决策结果；
步骤5，利用所述步骤4输出的辅助决策结果对全网进行潮流计算判断是有新的故障产生，再次进行迭代处理还是没有新故障产生输出每次迭代的辅助决策结果。
3.根据权利要求2所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述断面数据计算与故障的判断进一步包括，读取D5000***实时监控的电网***各项数据，以各母线、干线的实时电压为主要读取对象，读取出现越界的线路信息，进行故障判断之后将设备名称、设备越界情况输出给下一步。
4.根据权利要求2所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述读取故障信息并计算灵敏度进一步包括：读取上一步输出故障设备与故障情况，计算与该故障设备相关的灵敏度矩阵，选择灵敏度矩阵中灵敏度绝对值较高的节点，将节点的功率、出力范围及灵敏度值信息输入到下一步，进行静态安全辅助决策模型的构建。
5.根据权利要求2所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述静态安全辅助决策模型构建进一步包括：以控制调节的代价最小为目标，要求能够对于故障信息给出能够保证进行全网潮流计算后全网静态安全的最优化辅助决策，
其中，F为模型的目标优化函数，C1、C2、C3和C4分别表示机组出力调整、水电机组启停、地区小电源出力控制和负荷倒供这四类控制措施的调节代价；其中Δps-i(1≤i≤a)、Δps-i(1≤i≤a)分别表示对水电厂i、火电厂j的有功出力调整量，Δpx-k、Δpd-k表示对负荷节点k的小电源出力调节、倒出负荷有功量，a、b、m分别为全网水、火电电源节点以及负荷节点的数量；ts-i为水电厂i的启停机组台数；αv为相应的控制措施的调节代价系数。
6.根据权利要求2所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述静态安全辅助决策模型中的约束计算进一步包括：模型中约束分为负荷平衡约束、潮流安全约束和控制变量约束，
其中，式Ⅲ为负荷平衡约束计算，
和pw为当前的外联络线送入的有功计划值和实时值；式Ⅳ为潮流安全计算，D和
分别为全网控制断面实时有功功率及其限额向量，断面限额由在线***按基态及N-1潮流越限边界取定，
表示全网电源节点，∏G表示电源节点-断面灵敏度；式(Ⅴ)为控制变量约束计算，分别表示水电厂、火电厂对负荷节点k的小电源出力调节、倒出负荷有功量的上下限额。
7.根据权利要求2所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述辅助决策模型的求解进一步包括：采取局部最优化函数进行求解，***的辅助决策模型求解过程通过在范围内多次随机设定初值进行计算，然后取模型的最优结果作为最终的辅助决策内容以保证最终的决策最优。
8.根据权利要求2所述的一种实时电网静态安全风险处置优化方法，其特征在于，所述辅助决策模型的结果分析进一步包括：主要任务是判断本次辅助决策流程是否停止并输出决策内容，在得出模型求解结果后，按照模型求解结果对全网进行潮流计算判断是否有新的故障产生，如果有新故障产生，则记录本次辅助决策结果并转到所述步骤1再次进行迭代处理；如果没有新故障产生，则表示故障全部解决，则输出每次迭代的辅助决策结果。
9.一种电子装置，其特征在于，包括：
处理器；以及，
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-8任一项所述的实时电网静态安全风险处置优化方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的实时电网静态安全风险处置优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120088.XA CN110880072A (zh) | 2019-11-15 | 2019-11-15 | 实时电网静态安全风险处置优化方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120088.XA CN110880072A (zh) | 2019-11-15 | 2019-11-15 | 实时电网静态安全风险处置优化方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110880072A true CN110880072A (zh) | 2020-03-13 |
Family
ID=69729118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911120088.XA Pending CN110880072A (zh) | 2019-11-15 | 2019-11-15 | 实时电网静态安全风险处置优化方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110880072A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539586A (zh) * | 2020-06-05 | 2020-08-14 | 中国电力科学研究院有限公司 | 一种电力调度中心及辅助决策方法 |
| CN112381363A (zh) * | 2020-10-28 | 2021-02-19 | 广西电网有限责任公司贺州供电局 | 一种电网事故处理智能导航方法及*** |
| CN116308887A (zh) * | 2023-05-12 | 2023-06-23 | 北京迅巢科技有限公司 | 一种智能配电集成平台模型构建方法 |
| CN117154852A (zh) * | 2023-10-27 | 2023-12-01 | 华南理工大学 | 考虑n-1潮流约束下基于交替迭代的电网经济调度方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104868471A (zh) * | 2015-06-15 | 2015-08-26 | 国家电网公司 | 一种省级电网静态安全辅助决策方法 |
| US20160077164A1 (en) * | 2014-09-17 | 2016-03-17 | Kabushiki Kaisha Toshiba | Failure sign diagnosis system of electrical power grid and method thereof |
| CN105811401A (zh) * | 2016-03-21 | 2016-07-27 | 国家电网公司 | 省级电网事故应急控制辅助决策方法 |
-
2019
- 2019-11-15 CN CN201911120088.XA patent/CN110880072A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160077164A1 (en) * | 2014-09-17 | 2016-03-17 | Kabushiki Kaisha Toshiba | Failure sign diagnosis system of electrical power grid and method thereof |
| CN104868471A (zh) * | 2015-06-15 | 2015-08-26 | 国家电网公司 | 一种省级电网静态安全辅助决策方法 |
| CN105811401A (zh) * | 2016-03-21 | 2016-07-27 | 国家电网公司 | 省级电网事故应急控制辅助决策方法 |
Non-Patent Citations (1)
| Title |
|---|
| 石辉 等: "基于在线***的电网事故应急辅助决策研究", 《湖南电力》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539586A (zh) * | 2020-06-05 | 2020-08-14 | 中国电力科学研究院有限公司 | 一种电力调度中心及辅助决策方法 |
| CN112381363A (zh) * | 2020-10-28 | 2021-02-19 | 广西电网有限责任公司贺州供电局 | 一种电网事故处理智能导航方法及*** |
| CN116308887A (zh) * | 2023-05-12 | 2023-06-23 | 北京迅巢科技有限公司 | 一种智能配电集成平台模型构建方法 |
| CN116308887B (zh) * | 2023-05-12 | 2023-08-11 | 北京迅巢科技有限公司 | 一种智能配电集成平台模型构建方法 |
| CN117154852A (zh) * | 2023-10-27 | 2023-12-01 | 华南理工大学 | 考虑n-1潮流约束下基于交替迭代的电网经济调度方法 |
| CN117154852B (zh) * | 2023-10-27 | 2024-01-02 | 华南理工大学 | 考虑n-1潮流约束下基于交替迭代的电网经济调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110880072A (zh) | 实时电网静态安全风险处置优化方法、装置及存储介质 | |
| Zhang et al. | Hierarchically-coordinated voltage/VAR control of distribution networks using PV inverters | |
| CN102930344A (zh) | 一种基于负荷趋势变化的超短期母线负荷预测方法 | |
| CN101888087A (zh) | 一种在配网终端中实现分布式超短期区域负荷预测的方法 | |
| KR101219544B1 (ko) | 배전선로의 최적 연계 해석 방법 | |
| Morillo et al. | Risk-averse stochastic dual dynamic programming approach for the operation of a hydro-dominated power system in the presence of wind uncertainty | |
| Zhang et al. | Deep reinforcement learning for load shedding against short-term voltage instability in large power systems | |
| CN111079972A (zh) | 一种主动配电网可靠性规划方法、设备及介质 | |
| Zhang et al. | Research on AGC performance during wind power ramping based on deep reinforcement learning | |
| CN112163304A (zh) | 一种输电网冗余约束识别方法、存储介质及计算设备 | |
| CN113077075A (zh) | 新能源不确定性电力***安全风险预防控制方法及装置 | |
| CN111799793A (zh) | 一种源网荷协同的输电网规划方法与*** | |
| JP3336140B2 (ja) | 発電機負荷配分装置 | |
| Bento et al. | Analysis of the load growth direction variation in the dynamic security assessment | |
| CN113537646B (zh) | 电网设备停电检修方案制定方法、***、设备及存储介质 | |
| CN114759579A (zh) | 一种基于数据驱动的电网有功优化控制***、方法和介质 | |
| CN113452081A (zh) | 一种新能源消纳提升量后评估方法及装置 | |
| CN112751334A (zh) | 一种基于内存计算架构的电网在线建模的方法及*** | |
| Angel et al. | Comparison of Deep Learning-Based Methods for Electrical Load Forecasting | |
| Zhang et al. | Optimal Scheduling Strategy for Power Systems Containing Offshore Wind Farms Considering Wind Power Uncertainty | |
| Zhang et al. | Probabilistic transmission network expansion planning considering integration of wind power | |
| CN116722549B (zh) | 一种基于高精度仿真技术的配电网分层控制方法及装置 | |
| Liu | Distribution Network Optimization Planning Based on Genetic Algorithms | |
| Arestova et al. | Algorithms of in-station optimization in the simulation model of a hydropower plants cascade | |
| CN112688330B (zh) | 一种基于d5000在线潮流的电网分析状态库生成的方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200313 |