CN115130327A - 一种考虑区域相似性的中压配电网拓扑识别方法 - Google Patents
一种考虑区域相似性的中压配电网拓扑识别方法 Download PDFInfo
- Publication number
- CN115130327A CN115130327A CN202210955282.5A CN202210955282A CN115130327A CN 115130327 A CN115130327 A CN 115130327A CN 202210955282 A CN202210955282 A CN 202210955282A CN 115130327 A CN115130327 A CN 115130327A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power
- medium
- similarity
- topology
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000002776 aggregation Effects 0.000 claims abstract description 15
- 238000004220 aggregation Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 3
- 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 1
- 230000004931 aggregating effect Effects 0.000 claims 1
- 230000003595 spectral effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- -1 spectrum radius Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑区域相似性的中压配电网拓扑识别方法。属于电力能源领域，包括如下内容：首先基于低压侧获取的量测信息和历史数据，在中压侧聚合得到精度较高的量测聚合数据集；通过聚合得到的配电网中压侧测量数据，建立不涉及配电网拓扑先验条件的逆潮流模型，提出一种基于定参数比值齐次中压配电网拓扑识别方法，以获得中压配电网初步拓扑识别结果；并考虑到初步拓扑识别结果精确度不足等问题，采用基于配电网单元制规划方法，通过中压配电网单元制规划存在的区域相似性，对所提方法加以完善。本发明紧密结合配电网实际情况，解决现有配电网拓扑识别方案鲁棒性不强，在实际运用过程中识别模型存在识别精度不高，受噪声影响较大等问题。
Description
技术领域
本发明属于电力能源领域，具体来说，涉及一种考虑配电网区域相似性的中压配电网拓扑识别方法，可提高现有配电网拓扑识别方案的鲁棒性和准确度。
背景技术
在智能电网发展与能源转型的要求下，电力***对通信技术与电子技术的依赖程度不断加深，如今的配电***已经发展为信息物理高度耦合的配电信息物理***(Cyber-Physical Distribution System,CPDS)。另外，随着分布式发电技术的不断发展，高渗透率分布式电源并网使传统的单电源辐射状配电网转变为遍布电源和负荷的多电源***，主动配电网对协调控制能力的高要求也使配电网结构日益复杂。在此背景下，精准的配电网实时拓扑信息将对配电网的规划、运行、分析等环节产生重要影响。
目前关于配电网拓扑识别方法的研究均未考虑不同电压等级配电网各自的拓扑特点，所提出的拓扑识别方法局限于对单一电压等级的独立应用，未考虑形成自下而上的低压、中压配电网拓扑递进式识别。
考虑城市区域发展规划要求的一致性以及电力需求的相似性，中压配电网通常采用单元制规划，故中压配电网拓扑结构存在一定程度的区域相似性，具体表现为：中压配电台区总体规模的相似性；配电网各台区所有节点出度、入度均值的相似性；邻接矩阵奇异值、谱半径、矩阵范数等相似性指标等。这些区域相似性指标为中压配电网识别的精确度和鲁棒性的提升提供了参考。
发明内容
技术问题：针对现有中压配电网拓扑识别方法的不足，本发明所要解决的技术问题是：提出一种考虑配电网区域相似性的中压配电网拓扑识别方法，解决现有的配电网拓扑识别方案通常鲁棒性不强，在实际运用过程中识别模型存在的识别精度不高，受噪声影响较大等问题。
技术方案：为解决上述技术问题，本发明采用的技术方案是：
一种考虑配电网区域相似性的中压配电网拓扑识别方法，包括如下步骤：
基于低压侧获取的用户侧电力量测信息和历史数据，在中压侧聚合得到精度较高的量测聚合数据集，主要包括：有功功率、无功功率、电压数据。
通过聚合得到的配电网中压侧量测数据，建立不涉及配电网拓扑先验条件的逆潮流模型，并对其进行线性化及参数简化操作，提出了一种基于定线路参数比值齐次中压配电网拓扑识别方法，以获得中压配电网初步拓扑识别结果。
进而考虑到上述初步拓扑识别结果精确度不足等问题，基于配电网单元制规划方法，通过中压配电网单元制规划存在的区域相似性，对所提方法加以完善。
一种考虑配电网区域相似性的中压配电网拓扑识别方法，基于如下假设：
区别于配电网态势感知工作对潮流数据高精度的要求，配电网拓扑识别工作目标是判断各节点之间是否存在物理连接关系，其对数据的准确性、实时性要求不如态势感知工作严苛。
1)忽略网络中可能存在的有功、无功损耗。事实上，配电网网络中的有功、无功损耗相比输电网络更明显，但与线路中传输的实际功率相比占比极小。纵观现有关于配电网拓扑识别研究方法，大多采用了该点假设；
2)假设低压配电网中IoT设备覆盖率较高(设备覆盖率与耗设备能占比不同)，可以基本实现对低压配电网的地域全覆盖，保障中压侧拓扑识别所需的数据来源。
3)不考虑配电信息物理***中可能存在的物理故障、信息故障或信息-物理耦合故障。在电力***三道防线保护下，配电网现阶段应对普通故障已有足够的弹性支撑，即使遇到小概率-高损失的极端事件，配电信息物理***也具备一定弹性调度能力，可以及时消除或减弱故障影响。
中压侧量测数据聚合，不计及网络损耗，中压侧节点有功功率等于低压侧 IoT设备及非IoT设备消耗的有功功率之和，IoT设备有功功率可以实时获得，而缺乏其它非IoT用电设备有功数据信息。配电网历史数据中蕴含了配电网运行状态之间的时空关联特性，在用户用电行为无较大不确定性因素影响时，用电设备类型占比在一定时间范围内应无明显波动。因此，可以通过配电网用户用电数据发掘其用电行为，得到不同用电设备类型占比，进而将低压侧IoT设备有功功率量测数据按比例聚合至中压侧。
中压配电网逆潮流模型，潮流计算的任务是在已知网络拓扑(通常以节点导纳矩阵表示)情况下，针对一定的扰动变量，根据给定的控制变量，求出相应的状态变量。而配电网拓扑识别，则是根据已有的电压、潮流数据，在网络拓扑、基本参数未知的情况下，识别出配电网最有可能的拓扑结构，从而验证已知电压、潮流数据的合理性。
中压配电网潮流模型可以表示为：
上述公式分别表示有功、无功潮流等式条件；节点电压和支路电流须满足的等式条件；支路电流和节点电压约束条件。对于任意辐射状中压配电网，都应满足上述通用约束条件。基于上述假设，配电网其它约束条件不予考虑。
由于上述公式中均含有支路电流或节点电压平方项，该模型为非线性模型，为后续拓扑识别特征参数求取带来了困难。令
及
可线性化为如下模型：
基于定线路参数比值齐次中压配电网拓扑识别方法，不计线路损耗，将非线性潮流模型转化为含有拓扑识别所需物理连接关系的表达式：
其中
矩阵表示各节点电压幅值平方，p和q矩阵分别表示节点有功注入功率和无功注入功率，A矩阵为与配电网拓扑结构相关的邻接矩阵，其元素如式以下公式所示。R和X矩阵表示线路电阻和电抗参数，各线路参数均以相应对角元素形式表示。
[a0,AT]T∈{0,±1}(n+1)×n
各节点的有功、无功注入功率已知，与配电网拓扑结构相关的邻接矩阵A 各元素未知，对于辐射型配电网，邻接矩阵A必定为非奇异矩阵，且A-Ta0一定为单位矩阵，记A-Ta0＝En。因此，潮流模型(*)可转化为：
其中，AX-1AT即为节点导纳矩阵Y，其元素直接反映了配电网的物理连接关系，若节点i与节点j之间无物理连接关系，则yij＝0；若节点i与节点j直接相连，则yij≠0.因此，若能根据(12)得出节点导纳矩阵Y中的各元素，即可初步判别中压配电网的拓扑连接方式。
p、q、
均为已知量，求出Y中元素的关键在于如何确定AX-1RA-1的值。注意到X-1R实际上为线路电阻与电抗参数的比值，不妨设其比值为一定值，这种假设与实际电力线路参数设置基本符合。即：
此时，式(*)化为：
因此，中压配电网拓扑识别方法可归纳为：由中压侧聚合得到的有功功率和无功功率量测量，求出配电网节点导纳矩阵Y中的各元素，从而得到相应节点间的物理连接关系。上述潮流公式可转化为一个不需要任何先验条件(如拓扑连接关系、线路参数的逆潮流问题。
然而，使用该逆潮流模型进行中压配电网拓扑虽识别相比于传统配电网拓扑识别方法在精度、鲁棒性、可操作性上有了明显的提升，但其拓扑识别结果仍难以确保唯一性。产生多种拓扑结构可能性的原因在于，不加约束的节点导纳矩阵Y受数据有功、无功量测数据准确性影响较大，且拓扑识别中物理连接关系的判定由节点导纳矩阵Y唯一决定，从而降低了网络结构分析得分鲁棒性。
中压配电网单元制规划存在的区域相似性，对城市中压配电网而言，由于城市区域规划要求的一致性以及电力需求的相似性，中压配电网目前通常采用单元制规划，故中压配电网通常存在一定程度的相似性。这种相似性具体体现在如下几个方面：
1)中压配电台区总体规模的相似性。不同配电台区虽所处的地理环境不尽相同，但由于变电站电压等级限制，配电台区输电距离与输电功率有限，以至于中压配电网不同配电台区的扩展范围与总体规模存在相似性。
2)配电网各台区所有节点出度、入度均值的相似性。在城市发展规划要求下，同一中压配电网所供给区域用户属于相同功能区，其物理分布方式和区域结构具有一致性，极大程度上影响了电力线路的架设方案，导致台区内节点线路的出度与入度数量存在天然相似性。
3)邻接矩阵奇异值、谱半径、矩阵范数等相似性指标。一些文献基于邻接矩阵奇异值作为描述拓扑本质的重要指标，使用数学工具直接计算配电网台区相似程度指标，并给出了电网拓扑相似性与配电网供电可靠性的数学定量关系。
结合上述分析，本发明基于中压配电网拓扑结构的相似性，充分挖掘已知台区拓扑中的连接信息，为所提识别方法提供合理的超参数约束。该超参数综合考虑已知台区的节点级数、出度、入度数目，为未知拓扑结构的配电网区域提供参考，待求配电网区域也可利用该超参数排除不合理的拓扑识别结果。
该超参数表示为：
其中，M为已知中压配电网台区节点总数；Rn表示台区节点的级数参量，与中压变压器直接相连的节点记为一级节点，与一级节点直接相邻的非变压器母线节点为二级节点，与二级节点直接相邻的非一级节点记为三级节点，以此类推；γn和δn分别表示台区节点的出度与入度数值。
由中压配电网拓扑识别方法获得可能存在的拓扑结构后，分别计算各拓扑结构的超参数σ值，并排除与该中压配电网已知台区σ值相差较大的拓扑结构，最终得到最优拓扑识别结果。
有益效果：本发明与现有技术相比，具有以下特点：
本发明基于中压配电网拓扑结构的相似性，充分挖掘已知台区拓扑中的连接信息，为所提识别方法提供合理的超参数约束。该超参数综合考虑已知台区的节点级数、出度、入度数目，为未知拓扑结构的配电网区域提供参考，待求配电网区域也可利用该超参数排除不合理的拓扑识别结果。解决了现有的配电网拓扑识别方案通常鲁棒性不强，在实际运用过程中识别模型存在的识别精度不高，受噪声影响较大等问题。
附图说明
图1为本发明的一种考虑配电网区域相似性的中压配电网拓扑识别方法框图；
图2为本发明所述的考虑配电网区域相似性的中压配电网拓扑识别框图；
图3为本发明所述的中压配电网稳态运行模式图；
图4为本发明实例验证所述IEEE-37节点配电***示意图；
图5为本发明实例某地区10节点中压配电网模型拓扑识别结果图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，包括如下步骤：
基于低压侧获取的用户侧电力量测信息和历史数据，在中压侧聚合得到精度较高的量测聚合数据集，主要包括：有功功率、无功功率、电压数据等。
通过聚合得到的配电网中压侧量测数据，建立不涉及配电网拓扑先验条件的逆潮流模型，并对其进行线性化及参数简化等操作，提出了一种基于定线路参数比值齐次中压配电网拓扑识别方法，以获得中压配电网初步拓扑识别结果。
进而考虑到上述初步拓扑识别结果精确度不足等问题，基于配电网单元制规划方法，通过中压配电网单元制规划存在的区域相似性，对所提方法加以完善。
一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，基于如下假设：
区别于配电网态势感知工作对潮流数据高精度的要求，配电网拓扑识别工作目标是判断各节点之间是否存在物理连接关系，其对数据的准确性、实时性要求不如态势感知工作严苛。
1)忽略网络中可能存在的有功、无功损耗。事实上，配电网网络中的有功、无功损耗相比输电网络更明显，但与线路中传输的实际功率相比占比极小。纵观现有关于配电网拓扑识别研究方法，大多采用了该点假设；
2)假设低压配电网中IoT设备覆盖率较高(设备覆盖率与耗设备能占比不同)，可以基本实现对低压配电网的地域全覆盖，保障中压侧拓扑识别所需的数据来源。
3)不考虑配电信息物理***中可能存在的物理故障、信息故障或信息-物理耦合故障。在电力***三道防线保护下，配电网现阶段应对普通故障已有足够的弹性支撑，即使遇到小概率-高损失的极端事件，配电信息物理***也具备一定弹性调度能力，可以及时消除或减弱故障影响。
中压侧量测数据聚合，其特征在于，若不计及网络损耗，中压侧节点有功功率等于低压侧IoT设备及非IoT设备消耗的有功功率之和，IoT设备有功功率可以实时获得，而缺乏其它非IoT用电设备有功数据信息。配电网历史数据中蕴含了配电网运行状态之间的时空关联特性，在用户用电行为无较大不确定性因素影响时，用电设备类型占比在一定时间范围内应无明显波动。因此，可以通过配电网用户用电数据发掘其用电行为，得到不同用电设备类型占比，进而将低压侧IoT设备有功功率量测数据按比例聚合至中压侧。
中压配电网逆潮流模型，其特征在于，潮流计算的任务是在已知网络拓扑 (通常以节点导纳矩阵表示)情况下，针对一定的扰动变量，根据给定的控制变量，求出相应的状态变量。而配电网拓扑识别，则是根据已有的电压、潮流数据，在网络拓扑、基本参数未知的情况下，识别出配电网最有可能的拓扑结构，从而验证已知电压、潮流数据的合理性。可以说，拓扑识别是潮流计算的逆过程，拓扑识别的过程实质上是一种“逆潮流计算”。
中压配电网潮流模型可以表示为：
上述公式分别表示有功、无功潮流等式条件；节点电压和支路电流须满足的等式条件；支路电流和节点电压约束条件。对于任意辐射状中压配电网，都应满足上述通用约束条件。基于上述假设，配电网其它约束条件不予考虑。
由于上述公式中均含有支路电流或节点电压平方项，该模型为非线性模型，为后续拓扑识别特征参数求取带来了困难。令
及
可线性化为如下模型：
基于定线路参数比值齐次中压配电网拓扑识别方法，其特征在于，不计线路损耗，将非线性潮流模型转化为含有拓扑识别所需物理连接关系的表达式：
其中
矩阵表示各节点电压幅值平方，p和q矩阵分别表示节点有功注入功率和无功注入功率，A矩阵为与配电网拓扑结构相关的邻接矩阵，其元素如式以下公式所示。R和X矩阵表示线路电阻和电抗参数，各线路参数均以相应对角元素形式表示。
[a0,AT]T∈{0,±1}(n+1)×n
各节点的有功、无功注入功率已知，与配电网拓扑结构相关的邻接矩阵A 各元素未知，对于辐射型配电网，邻接矩阵A必定为非奇异矩阵，且A-Ta0一定为单位矩阵，记A-Ta0＝En。因此，潮流模型(*)可转化为：
其中，AX-1AT即为节点导纳矩阵Y，其元素直接反映了配电网的物理连接关系，若节点i与节点j之间无物理连接关系，则yij＝0；若节点i与节点j直接相连，则yij≠0.因此，若能根据(12)得出节点导纳矩阵Y中的各元素，即可初步判别中压配电网的拓扑连接方式。
p、q、
均为已知量，求出Y中元素的关键在于如何确定AX-1RA-1的值。注意到X-1R实际上为线路电阻与电抗参数的比值，不妨设其比值为一定值，这种假设与实际电力线路参数设置基本符合。即：
此时，式(*)化为：
因此，中压配电网拓扑识别方法可归纳为：由中压侧聚合得到的有功功率和无功功率量测量，求出配电网节点导纳矩阵Y中的各元素，从而得到相应节点间的物理连接关系。上述潮流公式可转化为一个不需要任何先验条件(如拓扑连接关系、线路参数的逆潮流问题。
在本发明的一个实例中：将上述拓扑识别方法运用于某地区10节点中压配电网模型，拓扑识别结果如下图5所示，相应拓扑结构的识别概率如表1所示。
表1-10节点中压配电网各拓扑结构识别概率
由上述实例不难看出，使用该逆潮流模型进行中压配电网拓扑虽识别相比于传统配电网拓扑识别方法在精度、鲁棒性、可操作性上有了明显的提升，但其拓扑识别结果仍难以确保唯一性。产生多种拓扑结构可能性的原因在于，不加约束的节点导纳矩阵Y受数据有功、无功量测数据准确性影响较大，且拓扑识别中物理连接关系的判定由节点导纳矩阵Y唯一决定，从而降低了网络结构分析得分鲁棒性。
中压配电网单元制规划存在的区域相似性，其特征在于，对城市中压配电网而言，由于城市区域规划要求的一致性以及电力需求的相似性，中压配电网目前通常采用单元制规划，故中压配电网通常存在一定程度的相似性。这种相似性具体体现在如下几个方面：
1)中压配电台区总体规模的相似性。不同配电台区虽所处的地理环境不尽相同，但由于变电站电压等级限制，配电台区输电距离与输电功率有限，以至于中压配电网不同配电台区的扩展范围与总体规模存在相似性。
2)配电网各台区所有节点出度、入度均值的相似性。在城市发展规划要求下，同一中压配电网所供给区域用户属于相同功能区，其物理分布方式和区域结构具有一致性，极大程度上影响了电力线路的架设方案，导致台区内节点线路的出度与入度数量存在天然相似性。
3)邻接矩阵奇异值、谱半径、矩阵范数等相似性指标。一些文献基于邻接矩阵奇异值作为描述拓扑本质的重要指标，使用数学工具直接计算配电网台区相似程度指标，并给出了电网拓扑相似性与配电网供电可靠性的数学定量关系。
结合上述分析，本发明基于中压配电网拓扑结构的相似性，充分挖掘已知台区拓扑中的连接信息，为所提识别方法提供合理的超参数约束。该超参数综合考虑已知台区的节点级数、出度、入度数目，为未知拓扑结构的配电网区域提供参考，待求配电网区域也可利用该超参数排除不合理的拓扑识别结果。
该超参数表示为：
其中，M为已知中压配电网台区节点总数；Rn表示台区节点的级数参量，与中压变压器直接相连的节点记为一级节点，与一级节点直接相邻的非变压器母线节点为二级节点，与二级节点直接相邻的非一级节点记为三级节点，以此类推；γn和δn分别表示台区节点的出度与入度数值。
由中压配电网拓扑识别方法获得可能存在的拓扑结构后，分别计算各拓扑结构的超参数σ值，并排除与该中压配电网已知台区σ值相差较大的拓扑结构，最终得到最优拓扑识别结果。
如图4所示，本发明的一个实例中，待识别区域为图中红色实线标记部分，同样假设图中红色虚线区域拓扑结构已知，已知区域可以为待求区域提供拓扑相似性参数，从而提高拓扑识别的准确率。基于前一算例中相同的假设，物联网企业数据中心在节点11-19处采集到的物联网设备有功、无功功率聚合数据、设备占比数据如下表所示：
表2实例量测数据采集结果及设备占比数据
为定量说明本发明所述拓扑识别方法的准确性，下表针对T1台区中的9个节点是否考虑超参数σ值约束拓扑识别准确率对比。可以看出，考虑超参数σ值相似性约束后，拓扑识别准确率明显提升。
表3考虑超参数σ值约束前后拓扑识别准确率对比
最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在发明待批的权利要求保护范围之内。
Claims (9)
1.一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，包括如下步骤：
基于低压侧获取的用户侧电力量测信息和历史数据，在中压侧聚合得到精度较高的量测聚合数据集，包括：有功功率、无功功率、电压数据；
通过聚合得到的配电网中压侧量测聚合数据集，建立不涉及配电网拓扑先验条件的逆潮流模型，并对其进行线性化及参数简化操作，提出了一种基于定线路参数比值齐次中压配电网拓扑识别方法，通过中压侧聚合得到的有功功率和无功功率量测量，求出配电网节点导纳矩阵中的各元素，从而得到相应节点间的物理连接关系，以获得中压配电网初步拓扑识别结果；
考虑到初步拓扑识别结果精确度不足问题，基于配电网单元制规划方法，通过中压配电网单元制规划存在的区域相似性，对所提方法加以完善。
2.根据权利要求1所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，中压侧量测聚合数据集，中压侧节点有功功率等于低压侧物联网设备及非物联网设备消耗的有功功率之和，物联网设备有功功率可以实时获得，而缺乏其它非物联网用电设备有功数据信息；配电网历史数据中蕴含了配电网运行状态之间的时空关联特性，在用户用电行为无不确定性因素影响时，用电设备类型占比在一定时间范围内应无明显波动；通过配电网用户用电数据发掘其用电行为，得到不同用电设备类型占比，进而将低压侧物联网设备有功功率量测数据按比例聚合至中压侧。
3.根据权利要求1所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，
中压配电网潮流模型表示为：
其中，i，j为始末端节点编号，g为线路电导，b为线路电纳，r为线路电阻，x为线路电抗；N为节点集合，E为支路集合；式(1)、(2)表示有功、无功潮流等式条件，式(3)、(4)分别表示节点电压和支路电流须满足的等式条件，式(5)-(6)为支路电流和节点电压约束条件；对于任意辐射状中压配电网，都应满足(1)-(6)通用约束条件。
由于式(1)-(4)中均含有支路电流或节点电压平方项，该模型为非线性模型，为后续拓扑识别特征参数求取带来了困难；令
及
式(1)-(4)可线性化为如下模型：
4.根据权利要求1所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，基于定线路参数比值齐次中压配电网拓扑识别方法，不计线路损耗，将(7)(8)转化为含有拓扑识别所需物理连接关系的表达式(9)：
其中
矩阵表示各节点电压幅值平方，p和q矩阵分别表示节点有功注入功率和无功注入功率，A矩阵为与配电网拓扑结构相关的邻接矩阵，其元素如式(10)(11)所示；R和X矩阵表示线路电阻和电抗参数，在式(10)中各线路参数均以相应对角元素形式表示；
[a0,AT]T∈{0,±1}(n+1)×n (11)
式(9)中各节点的有功、无功注入功率已知，与配电网拓扑结构相关的邻接矩阵A各元素未知，对于辐射型配电网，邻接矩阵A必定为非奇异矩阵，且A-Ta0一定为单位矩阵，记A-Ta0＝En；因此，(9)可转化为：
其中，AX-1AT即为节点导纳矩阵Y，其元素直接反映了配电网的物理连接关系，节点i与节点j之间无物理连接关系，则yij＝0；节点i与节点j直接相连，则yij≠0.根据(12)得出节点导纳矩阵Y中的各元素，可以得到中压配电网的拓扑连接方式；
p、q、
均为已知量，求出Y中元素的关键在于如何确定AX-1RA-1的值；注意到X- 1R实际上为线路电阻与电抗参数的比值，设其比值为一定值，这种假设与实际电力线路参数设置符合；即：
此时，式(12)化为：
中压配电网拓扑识别方法可归纳为：由中压侧聚合得到的有功功率和无功功率量测量，求出配电网节点导纳矩阵Y中的各元素，从而得到相应节点间的物理连接关系。
5.根据权利要求1所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，中压配电网单元制规划存在的区域相似性包括中压配电台区总体规模的相似性、配电网各台区所有节点出度和入度均值的相似性和邻接矩阵奇异值、谱半径、矩阵范数相似性指标。
6.根据权利要求6所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，中压配电台区总体规模的相似性：变电站电压等级限制，配电台区输电距离与输电功率有限，以至于中压配电网不同配电台区的扩展范围与总体规模存在相似性。
7.根据权利要求6所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，配电网各台区所有节点出度和入度均值的相似性，同一中压配电网所供给区域用户属于相同功能区，其物理分布方式和区域结构具有一致性，影响了电力线路的架设方案，导致台区内节点线路的出度与入度数量存在天然相似性。
8.根据权利要求6所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，邻接矩阵奇异值、谱半径、矩阵范数相似性指标：一些文献基于邻接矩阵奇异值作为描述拓扑本质的重要指标，使用数学工具直接计算配电网台区相似程度指标，并给出了电网拓扑相似性与配电网供电可靠性的数学定量关系。
9.根据权利要求6所述的一种考虑配电网区域相似性的中压配电网拓扑识别方法，其特征在于，基于中压配电网拓扑结构的相似性，充分挖掘已知台区拓扑中的连接信息，为所提识别方法提供合理的超参数约束；超参数综合考虑已知台区的节点级数、出度、入度数目，为未知拓扑结构的配电网区域提供参考，待求配电网区域也可利用该超参数排除不合理的拓扑识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210955282.5A CN115130327A (zh) | 2022-08-10 | 2022-08-10 | 一种考虑区域相似性的中压配电网拓扑识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210955282.5A CN115130327A (zh) | 2022-08-10 | 2022-08-10 | 一种考虑区域相似性的中压配电网拓扑识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115130327A true CN115130327A (zh) | 2022-09-30 |
Family
ID=83385347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210955282.5A Pending CN115130327A (zh) | 2022-08-10 | 2022-08-10 | 一种考虑区域相似性的中压配电网拓扑识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115130327A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111313405A (zh) * | 2020-02-29 | 2020-06-19 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
| US20210234922A1 (en) * | 2017-12-29 | 2021-07-29 | Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company | Method and device for identifying distribution network topology error |
| CN114123165A (zh) * | 2021-10-12 | 2022-03-01 | 国网浙江省电力有限公司双创中心 | 一种基于有向邻接矩阵的中压配电网有向拓扑辨识方法 |
| CN114204560A (zh) * | 2021-12-15 | 2022-03-18 | 国网上海市电力公司 | 一种中压配电网线路参数识别方法 |
| WO2022134596A1 (zh) * | 2020-12-23 | 2022-06-30 | 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 |
-
2022
- 2022-08-10 CN CN202210955282.5A patent/CN115130327A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210234922A1 (en) * | 2017-12-29 | 2021-07-29 | Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company | Method and device for identifying distribution network topology error |
| CN111313405A (zh) * | 2020-02-29 | 2020-06-19 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
| WO2022134596A1 (zh) * | 2020-12-23 | 2022-06-30 | 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 |
| CN114123165A (zh) * | 2021-10-12 | 2022-03-01 | 国网浙江省电力有限公司双创中心 | 一种基于有向邻接矩阵的中压配电网有向拓扑辨识方法 |
| CN114204560A (zh) * | 2021-12-15 | 2022-03-18 | 国网上海市电力公司 | 一种中压配电网线路参数识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 裴宇婷;秦超;余贻鑫;: "基于LightGBM和DNN的智能配电网在线拓扑辨识", 天津大学学报(自然科学与工程技术版), no. 09, 29 June 2020 (2020-06-29) * |
| 赵月辉;彭钰莹;顾全;陈根军;: "含分布式能源的主动配电网实时拓扑追踪", 电力大数据, no. 06, 21 June 2018 (2018-06-21) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | Autonomous optimized economic dispatch of active distribution system with multi-microgrids | |
| CN110969347B (zh) | 一种输电网结构形态评估方法 | |
| CN108876131B (zh) | 基于电网成效贡献度的储备项目优选方法 | |
| Shukla et al. | Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks | |
| CN111025081B (zh) | 一种配电台区的居民电压监测方法 | |
| Zhang et al. | Optimal configuration of hybrid AC/DC distribution network considering the temporal power flow complementarity on lines | |
| Zhou et al. | Consumer phase identification under incomplete data condition with dimensional calibration | |
| Montano-Martinez et al. | Detailed primary and secondary distribution system model enhancement using AMI data | |
| WO2023165348A1 (zh) | 配电变压器无功补偿投退状态的判别方法和装置 | |
| CN116154849A (zh) | 电网分布式电源承载能力评估方法 | |
| CN104299051A (zh) | 一种用于电网工程技术经济性分析评论的网络*** | |
| AU2021106109A4 (en) | Evaluation index screening strategy for lean management of power system line loss under big data environment | |
| CN106487008A (zh) | 基于负荷关联系数的单元制中压配电网规划方法 | |
| CN115796711A (zh) | 配电线路降损的辅助决策方法及装置 | |
| CN115130327A (zh) | 一种考虑区域相似性的中压配电网拓扑识别方法 | |
| CN112926187B (zh) | 一种配电网经济运行分析优化的方法 | |
| Sarkar et al. | A comprehensive assessment of the need and availability of smart grid technologies in an electricity distribution grid network | |
| Tianhua et al. | A novel load estimation method in distribution network | |
| Wu et al. | Topology identification method of low-voltage distribution network based on measurement data of IOT devices | |
| Khatami et al. | Measurement-based Locational Marginal Prices for Real-time Markets in Distribution Systems | |
| Wang et al. | Graph-Based Prediction on the Available Capacity of 10kV Distribution Transformers for DGs Connection | |
| CN115173440B (zh) | 一种适配多场景的台区三相负荷调优方法 | |
| Lyu et al. | Feasible set projection method for calculating multi-line-coupled ATC | |
| Xianwu et al. | Research on the Algorithm Model of Smart Grid Line Loss Diagnosis Driven by Computer Eigenvector Method | |
| Chen et al. | Cross-Zonal Long-Term ATC Calculation and Allocation Model Considering Generation Cost Uncertainty |
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 |