CN116029491A - 一种电力调度管理***及其控制方法 - Google Patents
一种电力调度管理***及其控制方法 Download PDFInfo
- Publication number
- CN116029491A CN116029491A CN202211502203.1A CN202211502203A CN116029491A CN 116029491 A CN116029491 A CN 116029491A CN 202211502203 A CN202211502203 A CN 202211502203A CN 116029491 A CN116029491 A CN 116029491A
- Authority
- CN
- China
- Prior art keywords
- power grid
- data
- power
- characteristic data
- module
- 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
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力调度管理***,包括数据采集模块,用于采集电网运行数据;数据筛选模块,用于对电网运行数据进行筛选,得到特征数据集;电网负荷神经网络预测模块,用于使用特征数据集对电网的近期负荷和远期负荷进行预测;调度指令生成模块,用于根据远期负荷预测结果生成调度指令集;操作预令生成模块,用于根据调度指令集和近期负荷预测结果生成操作预令集;操作票生成模块,用于根据操作预令集和当前工况生成若干个备选操作票;人工确认模块,通过调度工作人员对备选操作票进行确认,根据电网实际状态选择最佳备选操作票,本发明能够改进现有技术的不足,提高了调度人员发出的调度指令的准确性,降低了调度人员的工作量。
Description
技术领域
本发明涉及电力调度技术领域,尤其是一种电力调度管理***及其控制方法。
背景技术
电力调度是指对电力***进行设备维护检修、故障处理、电网用电量和输电量的平衡调控等工作。由于电力***具有很高的复杂度和关联性,所以电力调度操作需要考虑各种可能的影响和风险因素。随着人工智能技术的发展,自动化技术逐渐融入了电力调度操作中,常见的有使用神经网络预测模型对电网的运行负荷和状态进行预测,然后调度人员再根据预测结果做出相应的调度指令。但是,神经网络预测模型是基于电网运行数据进行预测的,由于电网的运行数据量庞大,且其中包含了大量的不准确的干扰数据,神经网络预测模型在处理电网运行数据时的运算时间较长,得到的预测结果准确度也欠佳,这就直接影响到了调度人员发出的调度指令准确性。
发明内容
本发明要解决的技术问题是提供一种电力调度管理***及其控制方法,能够解决现有技术的不足,提高了调度人员发出的调度指令的准确性,降低了调度人员的工作量。
为解决上述技术问题,本发明所采取的技术方案如下。
一种电力调度管理***,包括,
数据采集模块,用于采集电网运行数据;
数据筛选模块,用于对电网运行数据进行筛选,得到特征数据集;
电网负荷神经网络预测模块,用于使用特征数据集对电网的近期负荷和远期负荷进行预测;
调度指令生成模块,用于根据远期负荷预测结果生成调度指令集;
操作预令生成模块,用于根据调度指令集和近期负荷预测结果生成操作预令集;
操作票生成模块,用于根据操作预令集和当前工况生成若干个备选操作票;
人工确认模块,通过调度工作人员对备选操作票进行确认,根据电网实际状态选择最佳备选操作票作为最终操作票发送至操作终端。
一种上述的电力调度管理***的控制方法,包括以下步骤:
A、数据采集模块采集电网运行数据;
B、数据筛选模块对电网运行数据进行筛选和重构,得到特征数据集;
C、电网负荷神经网络预测模块使用特征数据集对电网的近期负荷和远期负荷进行预测;
D、调度指令生成模块根据远期负荷预测结果生成调度指令集;
E、操作预令生成模块根据调度指令集和近期负荷预测结果生成操作预令集;
F、操作票生成模块根据操作预令集和当前工况生成若干个备选操作票;
G、调度工作人员通过人工确认模块对备选操作票进行确认,根据电网实际状态选择最佳备选操作票作为最终操作票发送至操作终端。
作为优选,步骤B中,对电网运行数据进行筛选和重构包括以下步骤,
B1、按照地理区域对电网运行数据进行分组;
B2、对每组电网运行数据进行降噪去重处理;
B3、对经过步骤B2处理后的电网运行数据进行筛选,得到原始特征数据;
B4、对原始特征数据进行重构,得到特征数据集。
作为优选,步骤B2中,对每组电网运行数据进行降噪去重处理包括以下步骤,
B21、按照数据种类对电网运行数据进行分类;
B22、对每类数据进行拟合,在拟合曲线中标出含有尖峰噪声数据的时间段;
B23、计算每个尖峰噪声时间段内不同拟合曲线之间的相关性系数,如果全部相关性系数的方差大于设定阈值,则删除这一时间段内的尖峰噪声数据;
B24、设定滑动窗口,遍历经过步骤B23处理后的拟合曲线,建立不同拟合曲线之间的关联函数集,若滑动窗口内的全部拟合曲线保持不变,或滑动窗口内的全部拟合曲线的波动范围均小于设定阈值且关联函数集中的全部关联函数均保持不变,则保留滑动窗口中每类数据与数据中位值最接近的数据,其余数据删除。
作为优选,步骤B3中,对电网运行数据进行筛选包括以下步骤,
将步骤B24保留的数据计入原始特征数据,然后使用步骤B24中的滑动窗口对关联函数集中的全部关联函数依次进行遍历,当滑动窗口的中点与关联函数的驻点或拐点重合时,提取滑动窗口时间段内的全部电网运行数据计入原始特征数据。
作为优选,步骤B4中,对原始特征数据进行重构包括以下步骤,
原始特征数据按照时间段进行分组,同一时间段内的原始特征数据分为一组;对于每组原始特征数据建立一个散列表存储结构,列表存储结构中的每个存储单元中包括一个原始特征数据和此原始特征数据的偏移系数,偏移系数与此原始特征数据和拟合曲线的欧氏距离成正比,每个列表存储结构还包括一个存储原始特征数据关联度矩阵的存储单元,关联度矩阵每个元素为两个原始特征数据关联系数,元素在关联度矩阵中的行列值即为两个原始特征数据在散列表存储结构中的存储位置编号;将建立的全部散列表存储结构组成特征数据集。
作为优选,步骤C中,电网负荷神经网络预测模块对特征数据集的读取计算方式为,
C1、将特征数据集中的各个散列表存储结构按照时间先后顺序输入电网负荷神经网络预测模块;
C2、电网负荷神经网络预测模块按照偏移系数由小到大的顺序依次读取若干个原始特征数据;
C3、按照关联系数由大到小的先后顺序,通过关联度矩阵读取与本轮步骤C2中已读取的原始特征数据具有关联的若干个原始特征数据,步骤C3中读取的原始特征数据数量与步骤C2中读取的原始特征数据数量相等;
C4、如果电网负荷神经网络预测模块得到预测结果,则结束步骤C,否则转至步骤C2。
作为优选,步骤D中,根据远期负荷预测结果生成调度指令集包括以下步骤,
根据每个区域的电网维护计划得出不同设备的维护时长和不同设备之间同步维护的组合列表,在远期负荷预测结果中匹配与设备维护时长对应的低负荷时间段,然后根据设备维护过程中是否可以带电操作计算设备维护在匹配的低负荷时间段内电网输电功率的衰减量,然后根据不同设备之间同步维护的组合列表计算每种同步维护组合对电网输电功率的总衰减量,当本区域电网的输电功率备用冗余量大于电网输电功率的总衰减量或其它区域电网的输电功率备用冗余量之和大于电网输电功率的总衰减量的三倍时,使用此同步维护组合生成一个调度指令,最后将生成的全部调度指令生成调度指令集,在调度指令集中,根据每个调度指令对电网输电功率的总衰减量和维护总时长对调度指令赋予优先级指标,电网输电功率的总衰减量与优先级指标成反比,维护总时长与优先级指标成反比。
作为优选,步骤E中,根据调度指令集和近期负荷预测结果生成操作预令集包括以下步骤,
根据近期负荷预测结果得到每个区域的全部维护操作窗口,维护操作窗口为该区域负荷低于额定负荷的75%,且该区域电网的输电功率备用冗余大于该区域负荷的20%的时间段,将维护操作窗口与调度指令集中的调度指令进行匹配,匹配过程从优先级指标最高的调度指令开始,按照优先级指标降序的顺序依次进行匹配,匹配后的调度指令维护总时长占对应维护操作窗口时长的比例小于80%。
作为优选,步骤F中,根据操作预令集和当前工况生成若干个备选操作票包括以下步骤,
根据当前工况预估当前正在执行的操作票的完成时间,根据操作票的预计完成时间和操作票完成后的本区域电网输电功率变化对操作预令集中的操作预令进行筛选组合得到备选操作票,在备选操作票执行时间段对本区域电网输电功率的影响与同一时段内本区域负荷变化相适配。
采用上述技术方案所带来的有益效果在于:本发明从充分利用现有电力调度***基础功能并对其进行升级的角度切入,在不改变核心的神经网络预测模型,无需对调度***进行整体更换的前提下,通过对电网运行数据的优化处理,大大提高了神经网络预测模型的预测速度和预测准确性。本发明尤其适用于针对现有成熟电力调度***的升级项目中,对于现有电力调度***的改动相对较少,升级改造后的***稳定性相对更高。
具体的,本发明从两个层面对现有电力调度***进行改进:
1、本发明对输入电网负荷神经网络预测模块的数据进行了优化处理。首先对数据进行了拟合去噪去重,采用拟合曲线变化量和关联函数的双重参数作为标准,可以有效去除各类噪声数据和重复数据,从而大大减少输入电网负荷神经网络预测模块的无效数据量。然后利用关联函数对电网运行数据中特征较为明显的数据进行进一步的二次筛选,形成原始特征数据,尤其是通过使用关联函数的变化状态与数据特征显著性相关联,有效的提高了原始特征数据的筛选质量。为了使电网负荷神经网络预测模块更高效的获取到有用的特征数据,本发明还对原始特征数据进行了重构,组成散列表存储结构,有效提高了数据的读取速度,在电网负荷神经网络预测模块读取特征数据时,优先读取偏移系数较小的特征数据以及与其关联度较大的特征数据,然后进行预测,如果无法输出预测结果则进行循环读取和预测,直至输出预测结果。由于原始特征数据筛选过程中对于特征显著性的改进,这一循环过程可以最大程度的提高的有效特征数据的利用率,使特征显著性较高的数据优先进行处理,加快电网负荷神经网络预测模块的预测结果输出。
2、由于经过对电网运行数据的优化,提高了电网负荷神经网络预测模块的预测结果准确性,从而为计算机辅助生成操作票成为了可能。首先根据远期负荷预测结果生成全部可能的调度指令,这一过程中充分考虑了不同区域电网输电功率之间的协调配合,从而可以尽可能多的得到不同的调度指令,然后在根据近期负荷预测结果挑选符合要求的调度指令,生成操作预令,这一过程中通过使用调度指令的优先级优化了调度指令的匹配顺序,从而降低了生成的操作预令对电网输电的影响,最后根据当前的实际工况,将操作预令筛选组合得到备选操作票。然后调度工作人员可以直接从备选操作票中选取佳备选操作票作为最终操作票,从而大大降低了调度人员人工设计编制操作票的工作量,同时由于提高了电网负荷预测的准确性,同时降低了人为的干预,从而降低了预测结果误差对调度的干扰和人为失误的概率,提高了调度人员发出的调度指令的准确性。
附图说明
图1是本发明一个具体实施方式的结构图。
图中:1、数据采集模块;2、数据筛选模块;3、电网负荷神经网络预测模块;4、调度指令生成模块;5、操作预令生成模块;6、操作票生成模块;7、人工确认模块。
具体实施方式
在以下实施例的描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
本发明一个具体实施方式包括,
数据采集模块1,用于采集电网运行数据;
数据筛选模块2,用于对电网运行数据进行筛选,得到特征数据集;
电网负荷神经网络预测模块3,用于使用特征数据集对电网的近期负荷和远期负荷进行预测;
调度指令生成模块4,用于根据远期负荷预测结果生成调度指令集;
操作预令生成模块5,用于根据调度指令集和近期负荷预测结果生成操作预令集;
操作票生成模块6,用于根据操作预令集和当前工况生成若干个备选操作票;
人工确认模块7,通过调度工作人员对备选操作票进行确认,根据电网实际状态选择最佳备选操作票作为最终操作票发送至操作终端。
一种上述的电力调度管理***的控制方法,包括以下步骤:
A、数据采集模块1采集电网运行数据;
B、数据筛选模块2对电网运行数据进行筛选和重构,得到特征数据集;
对电网运行数据进行筛选和重构包括以下步骤,
B1、按照地理区域对电网运行数据进行分组;
B2、对每组电网运行数据进行降噪去重处理;括以下步骤,
B21、按照数据种类对电网运行数据进行分类;
B22、对每类数据进行拟合,在拟合曲线中标出含有尖峰噪声数据的时间段;
B23、计算每个尖峰噪声时间段内不同拟合曲线之间的相关性系数,如果全部相关性系数的方差大于设定阈值,则删除这一时间段内的尖峰噪声数据;
B24、设定滑动窗口,遍历经过步骤B23处理后的拟合曲线,建立不同拟合曲线之间的关联函数集,若滑动窗口内的全部拟合曲线保持不变,或滑动窗口内的全部拟合曲线的波动范围均小于设定阈值且关联函数集中的全部关联函数均保持不变,则保留滑动窗口中每类数据与数据中位值最接近的数据,其余数据删除;
B3、对经过步骤B2处理后的电网运行数据进行筛选,得到原始特征数据,包括以下步骤,
将步骤B24保留的数据计入原始特征数据,然后使用步骤B24中的滑动窗口对关联函数集中的全部关联函数依次进行遍历,当滑动窗口的中点与关联函数的驻点或拐点重合时,提取滑动窗口时间段内的全部电网运行数据计入原始特征数据;
B4、对原始特征数据进行重构,得到特征数据集,包括以下步骤,
原始特征数据按照时间段进行分组,同一时间段内的原始特征数据分为一组;对于每组原始特征数据建立一个散列表存储结构,列表存储结构中的每个存储单元中包括一个原始特征数据和此原始特征数据的偏移系数,偏移系数与此原始特征数据和拟合曲线的欧氏距离成正比,每个列表存储结构还包括一个存储原始特征数据关联度矩阵的存储单元,关联度矩阵每个元素为两个原始特征数据关联系数,元素在关联度矩阵中的行列值即为两个原始特征数据在散列表存储结构中的存储位置编号;将建立的全部散列表存储结构组成特征数据集;
C、电网负荷神经网络预测模块3使用特征数据集对电网的近期负荷和远期负荷进行预测;电网负荷神经网络预测模块3对特征数据集的读取计算方式为,
C1、将特征数据集中的各个散列表存储结构按照时间先后顺序输入电网负荷神经网络预测模块3;
C2、电网负荷神经网络预测模块3按照偏移系数由小到大的顺序依次读取若干个原始特征数据;
C3、按照关联系数由大到小的先后顺序,通过关联度矩阵读取与本轮步骤C2中已读取的原始特征数据具有关联的若干个原始特征数据,步骤C3中读取的原始特征数据数量与步骤C2中读取的原始特征数据数量相等;
C4、如果电网负荷神经网络预测模块3得到预测结果,则结束步骤C,否则转至步骤C2;
D、调度指令生成模块4根据远期负荷预测结果生成调度指令集,包括以下步骤,
根据每个区域的电网维护计划得出不同设备的维护时长和不同设备之间同步维护的组合列表,在远期负荷预测结果中匹配与设备维护时长对应的低负荷时间段,然后根据设备维护过程中是否可以带电操作计算设备维护在匹配的低负荷时间段内电网输电功率的衰减量,然后根据不同设备之间同步维护的组合列表计算每种同步维护组合对电网输电功率的总衰减量,当本区域电网的输电功率备用冗余量大于电网输电功率的总衰减量或其它区域电网的输电功率备用冗余量之和大于电网输电功率的总衰减量的三倍时,使用此同步维护组合生成一个调度指令,最后将生成的全部调度指令生成调度指令集,在调度指令集中,根据每个调度指令对电网输电功率的总衰减量和维护总时长对调度指令赋予优先级指标,电网输电功率的总衰减量与优先级指标成反比,维护总时长与优先级指标成反比;
E、操作预令生成模块5根据调度指令集和近期负荷预测结果生成操作预令集,包括以下步骤,
根据近期负荷预测结果得到每个区域的全部维护操作窗口,维护操作窗口为该区域负荷低于额定负荷的75%,且该区域电网的输电功率备用冗余大于该区域负荷的20%的时间段,将维护操作窗口与调度指令集中的调度指令进行匹配,匹配过程从优先级指标最高的调度指令开始,按照优先级指标降序的顺序依次进行匹配,匹配后的调度指令维护总时长占对应维护操作窗口时长的比例小于80%;
F、操作票生成模块6根据操作预令集和当前工况生成若干个备选操作票,包括以下步骤,
根据当前工况预估当前正在执行的操作票的完成时间,根据操作票的预计完成时间和操作票完成后的本区域电网输电功率变化对操作预令集中的操作预令进行筛选组合得到备选操作票,在备选操作票执行时间段对本区域电网输电功率的影响与同一时段内本区域负荷变化相适配;
G、调度工作人员通过人工确认模块7对备选操作票进行确认,根据电网实际状态选择最佳备选操作票作为最终操作票发送至操作终端。
另外,当电网负荷神经网络预测模块3出现输出预测结果超时时,将步骤B24中删除的数据恢复,然后使用恢复的数据对同一滑动窗口内的保留数据进行加权平均修正,加权系数与恢复数据和保留数据的时间间隔成反比,然后对修正后的保留数据的偏移系数进行冲重新计算,然后再将经过修正处理的特征数据集发送至电网负荷神经网络预测模块3。当然,根据数据量的多少和实际运行过程中电网负荷神经网络预测模块3的预测结果可以对决定数据的恢复量进行灵活优选,从而在保证预测结果准确性和有效性的前提下尽量降低数据运算量和运算时间。
经过对国网冀北电力公司调度***的升级实验,本发明技术方案在升级后的调度***试运行阶段运行稳定正常,调度人员的工作量平均降低了约20%,在试运行的3个月的时间内未发生任何源于调度的异常或事故。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
Claims (10)
1.一种电力调度管理***,其特征在于:包括,
数据采集模块(1),用于采集电网运行数据;
数据筛选模块(2),用于对电网运行数据进行筛选,得到特征数据集;
电网负荷神经网络预测模块(3),用于使用特征数据集对电网的近期负荷和远期负荷进行预测;
调度指令生成模块(4),用于根据远期负荷预测结果生成调度指令集;
操作预令生成模块(5),用于根据调度指令集和近期负荷预测结果生成操作预令集;
操作票生成模块(6),用于根据操作预令集和当前工况生成若干个备选操作票;
人工确认模块(7),通过调度工作人员对备选操作票进行确认,根据电网实际状态选择最佳备选操作票作为最终操作票发送至操作终端。
2.一种权利要求1所述的电力调度管理***的控制方法,其特征在于包括以下步骤:
A、数据采集模块(1)采集电网运行数据;
B、数据筛选模块(2)对电网运行数据进行筛选和重构,得到特征数据集;
C、电网负荷神经网络预测模块(3)使用特征数据集对电网的近期负荷和远期负荷进行预测;
D、调度指令生成模块(4)根据远期负荷预测结果生成调度指令集;
E、操作预令生成模块(5)根据调度指令集和近期负荷预测结果生成操作预令集;
F、操作票生成模块(6)根据操作预令集和当前工况生成若干个备选操作票;
G、调度工作人员通过人工确认模块(7)对备选操作票进行确认,根据电网实际状态选择最佳备选操作票作为最终操作票发送至操作终端。
3.根据权利要求2所述的电力调度管理***的控制方法,其特征在于:步骤B中,对电网运行数据进行筛选和重构包括以下步骤,
B1、按照地理区域对电网运行数据进行分组;
B2、对每组电网运行数据进行降噪去重处理;
B3、对经过步骤B2处理后的电网运行数据进行筛选,得到原始特征数据;
B4、对原始特征数据进行重构,得到特征数据集。
4.根据权利要求3所述的电力调度管理***的控制方法,其特征在于:步骤B2中,对每组电网运行数据进行降噪去重处理包括以下步骤,
B21、按照数据种类对电网运行数据进行分类;
B22、对每类数据进行拟合,在拟合曲线中标出含有尖峰噪声数据的时间段;
B23、计算每个尖峰噪声时间段内不同拟合曲线之间的相关性系数,如果全部相关性系数的方差大于设定阈值,则删除这一时间段内的尖峰噪声数据;
B24、设定滑动窗口,遍历经过步骤B23处理后的拟合曲线,建立不同拟合曲线之间的关联函数集,若滑动窗口内的全部拟合曲线保持不变,或滑动窗口内的全部拟合曲线的波动范围均小于设定阈值且关联函数集中的全部关联函数均保持不变,则保留滑动窗口中每类数据与数据中位值最接近的数据,其余数据删除。
5.根据权利要求4所述的电力调度管理***的控制方法,其特征在于:步骤B3中,对电网运行数据进行筛选包括以下步骤,
将步骤B24保留的数据计入原始特征数据,然后使用步骤B24中的滑动窗口对关联函数集中的全部关联函数依次进行遍历,当滑动窗口的中点与关联函数的驻点或拐点重合时,提取滑动窗口时间段内的全部电网运行数据计入原始特征数据。
6.根据权利要求5所述的电力调度管理***的控制方法,其特征在于:步骤B4中,对原始特征数据进行重构包括以下步骤,
原始特征数据按照时间段进行分组,同一时间段内的原始特征数据分为一组;对于每组原始特征数据建立一个散列表存储结构,列表存储结构中的每个存储单元中包括一个原始特征数据和此原始特征数据的偏移系数,偏移系数与此原始特征数据和拟合曲线的欧氏距离成正比,每个列表存储结构还包括一个存储原始特征数据关联度矩阵的存储单元,关联度矩阵每个元素为两个原始特征数据关联系数,元素在关联度矩阵中的行列值即为两个原始特征数据在散列表存储结构中的存储位置编号;将建立的全部散列表存储结构组成特征数据集。
7.根据权利要求6所述的电力调度管理***的控制方法,其特征在于:步骤C中,电网负荷神经网络预测模块(3)对特征数据集的读取计算方式为,
C1、将特征数据集中的各个散列表存储结构按照时间先后顺序输入电网负荷神经网络预测模块(3);
C2、电网负荷神经网络预测模块(3)按照偏移系数由小到大的顺序依次读取若干个原始特征数据;
C3、按照关联系数由大到小的先后顺序,通过关联度矩阵读取与本轮步骤C2中已读取的原始特征数据具有关联的若干个原始特征数据,步骤C3中读取的原始特征数据数量与步骤C2中读取的原始特征数据数量相等;
C4、如果电网负荷神经网络预测模块(3)得到预测结果,则结束步骤C,否则转至步骤C2。
8.根据权利要求1所述的电力调度管理***的控制方法,其特征在于:步骤D中,根据远期负荷预测结果生成调度指令集包括以下步骤,
根据每个区域的电网维护计划得出不同设备的维护时长和不同设备之间同步维护的组合列表,在远期负荷预测结果中匹配与设备维护时长对应的低负荷时间段,然后根据设备维护过程中是否可以带电操作计算设备维护在匹配的低负荷时间段内电网输电功率的衰减量,然后根据不同设备之间同步维护的组合列表计算每种同步维护组合对电网输电功率的总衰减量,当本区域电网的输电功率备用冗余量大于电网输电功率的总衰减量或其它区域电网的输电功率备用冗余量之和大于电网输电功率的总衰减量的三倍时,使用此同步维护组合生成一个调度指令,最后将生成的全部调度指令生成调度指令集,在调度指令集中,根据每个调度指令对电网输电功率的总衰减量和维护总时长对调度指令赋予优先级指标,电网输电功率的总衰减量与优先级指标成反比,维护总时长与优先级指标成反比。
9.根据权利要求8所述的电力调度管理***的控制方法,其特征在于:步骤E中,根据调度指令集和近期负荷预测结果生成操作预令集包括以下步骤,
根据近期负荷预测结果得到每个区域的全部维护操作窗口,维护操作窗口为该区域负荷低于额定负荷的75%,且该区域电网的输电功率备用冗余大于该区域负荷的20%的时间段,将维护操作窗口与调度指令集中的调度指令进行匹配,匹配过程从优先级指标最高的调度指令开始,按照优先级指标降序的顺序依次进行匹配,匹配后的调度指令维护总时长占对应维护操作窗口时长的比例小于80%。
10.根据权利要求9所述的电力调度管理***的控制方法,其特征在于:步骤F中,根据操作预令集和当前工况生成若干个备选操作票包括以下步骤,
根据当前工况预估当前正在执行的操作票的完成时间,根据操作票的预计完成时间和操作票完成后的本区域电网输电功率变化对操作预令集中的操作预令进行筛选组合得到备选操作票,在备选操作票执行时间段对本区域电网输电功率的影响与同一时段内本区域负荷变化相适配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211502203.1A CN116029491B (zh) | 2022-11-28 | 2022-11-28 | 一种电力调度管理***及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211502203.1A CN116029491B (zh) | 2022-11-28 | 2022-11-28 | 一种电力调度管理***及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116029491A true CN116029491A (zh) | 2023-04-28 |
CN116029491B CN116029491B (zh) | 2023-07-21 |
Family
ID=86076695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211502203.1A Active CN116029491B (zh) | 2022-11-28 | 2022-11-28 | 一种电力调度管理***及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116029491B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114362A (zh) * | 2023-10-18 | 2023-11-24 | 江苏秉信科技有限公司 | 一种电网操作计划排程方法、***、终端设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065215A (zh) * | 2012-12-19 | 2013-04-24 | 云南电力调度控制中心 | 一种电网调度方法 |
CN106997495A (zh) * | 2017-04-13 | 2017-08-01 | 云南电网有限责任公司电力科学研究院 | 一种电力负荷预测方法 |
CN110994613A (zh) * | 2019-12-25 | 2020-04-10 | 杭州众工电力科技有限公司 | 一种电厂负荷调度***及其调度方法 |
CN113570246A (zh) * | 2021-07-27 | 2021-10-29 | 广东电网有限责任公司 | 地区电网调度控制***及控制方法 |
CN114897248A (zh) * | 2022-05-18 | 2022-08-12 | 国网安徽省电力有限公司信息通信分公司 | 一种基于人工智能的电网负荷预测方法 |
-
2022
- 2022-11-28 CN CN202211502203.1A patent/CN116029491B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065215A (zh) * | 2012-12-19 | 2013-04-24 | 云南电力调度控制中心 | 一种电网调度方法 |
CN106997495A (zh) * | 2017-04-13 | 2017-08-01 | 云南电网有限责任公司电力科学研究院 | 一种电力负荷预测方法 |
CN110994613A (zh) * | 2019-12-25 | 2020-04-10 | 杭州众工电力科技有限公司 | 一种电厂负荷调度***及其调度方法 |
CN113570246A (zh) * | 2021-07-27 | 2021-10-29 | 广东电网有限责任公司 | 地区电网调度控制***及控制方法 |
CN114897248A (zh) * | 2022-05-18 | 2022-08-12 | 国网安徽省电力有限公司信息通信分公司 | 一种基于人工智能的电网负荷预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114362A (zh) * | 2023-10-18 | 2023-11-24 | 江苏秉信科技有限公司 | 一种电网操作计划排程方法、***、终端设备及存储介质 |
CN117114362B (zh) * | 2023-10-18 | 2024-02-06 | 江苏秉信科技有限公司 | 一种电网操作计划排程方法、***、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116029491B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116029491B (zh) | 一种电力调度管理***及其控制方法 | |
CN112085285B (zh) | 母线负荷预测方法、装置、计算机设备和存储介质 | |
Gutiérrez-Alcaraz et al. | An efficient method for contingency-constrained transmission expansion planning | |
CN103326348A (zh) | 一种提高地区电网供电能力分析及全过程在线监测的*** | |
CN111881961A (zh) | 基于数据挖掘的配电网故障风险等级预测方法 | |
CN111340257B (zh) | 一种基于风险分析输电设备检修计划的优化方法及*** | |
CN113673065B (zh) | 一种配电网络自动重构的降损方法 | |
CN107563641B (zh) | 一种计及灾害偏好的配电网抗灾多场景差异化规划方法 | |
CN112036686B (zh) | 基于理论线损区间计算的低压配电台区线损评价方法 | |
CN111799798B (zh) | 一种提高未来态潮流计算结果准确性的方法及*** | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及*** | |
CN110414776B (zh) | 分行业用电特性快速响应分析*** | |
CN108510164B (zh) | 一种电力***内指定地区的外网等值模型在线生成方法 | |
CN111509715A (zh) | 计及关键指标提升运行效果的配电网技术改造方法和*** | |
CN111628498A (zh) | 一种考虑配电网可靠性的多目标配电网重构方法和装置 | |
CN107992986B (zh) | 一种基于电网拓扑结构可靠性指标的远期电网规划方法 | |
CN111900765B (zh) | 一种风电接入***的动态无功规划方法及相关装置 | |
CN114759579A (zh) | 一种基于数据驱动的电网有功优化控制***、方法和介质 | |
CN114938003A (zh) | 一种配网无功补偿控制方法、装置、设备及存储介质 | |
CN111950811A (zh) | 基于双层人工神经网络的区域光伏功率预测方法及*** | |
CN117495350B (zh) | 一种基于钟联网的时钟运维方法、***、设备和存储介质 | |
CN115618752B (zh) | 一种基于Autoformer模型的电力负荷控制方法及*** | |
CN117039945B (zh) | 一种基于软开关互联的配电网自平衡调度方法 | |
CN113705862B (zh) | 一种电力现货市场环境下超短期新能源预测数据修正方法 | |
CN107732980B (zh) | 一种小水电出力场景削减的方法 |
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 |