JP7269592B2 - Vulnerable Node Identification Method in Active Grids Considering New Energy Impacts - Google Patents
Vulnerable Node Identification Method in Active Grids Considering New Energy Impacts Download PDFInfo
- Publication number
- JP7269592B2 JP7269592B2 JP2022506944A JP2022506944A JP7269592B2 JP 7269592 B2 JP7269592 B2 JP 7269592B2 JP 2022506944 A JP2022506944 A JP 2022506944A JP 2022506944 A JP2022506944 A JP 2022506944A JP 7269592 B2 JP7269592 B2 JP 7269592B2
- Authority
- JP
- Japan
- Prior art keywords
- node
- network
- vulnerability index
- nodes
- matrix
- 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 description 67
- 239000011159 matrix material Substances 0.000 claims description 65
- 230000008859 change Effects 0.000 claims description 47
- 238000005070 sampling Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000008602 contraction Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 238000005094 computer simulation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005923 long-lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
-
- 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
- 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
- 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
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
本発明は、新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法に関し、アクティブ配電網における脆弱なノードの同定の技術分野に属する。 The present invention relates to a method for identifying vulnerable nodes in active power grids that takes into account the impact of new energy, and belongs to the technical field of identifying vulnerable nodes in active power grids.
近年、国内外の電力システムにおいて大規模停電事故が多発し、多大な経済的損失を招いている。2003年、アメリカとカナダで起こった大停電や2008年、中国南方地域の着氷災害は、いずれも広範囲、長時間の停電をもたらし、2018年3月21日、ブラジルの配電網においてブレーカーの過負荷保護による連鎖的なトラブルが発生して、配電網の北部と北東部の14州で大規模な停電を引き起こした。これらの停電事故の発生は電力従業者からの高度な重視を引き起こしており、電力システムにおける重要設備のリスクをどのように同定するかは、大停電の発生を減少させる重要な研究内容となっている。ノードは配電網におけるエネルギー伝送の出発点と重要な集合点であり、一部の脆弱なノードの故障による運転停止が配電網事故の広がりを助長する事例は多く見られた。配電網中の脆弱なノードの同定は、システムの現在の安全レベルの評価に役立つほか、安全レベルの変化傾向の把握にもつながり、連鎖故障の予防に重要な意義を持つ。 In recent years, large-scale power outages have occurred frequently in power systems both in Japan and overseas, causing enormous economic losses. The 2003 blackouts in the United States and Canada, and the 2008 icing disaster in southern China, both caused extensive and long-lasting power outages. A cascade of troubles with load protection caused major blackouts in 14 states in the northern and northeastern parts of the grid. The occurrence of these power outages has caused a high degree of attention from power workers, and how to identify the risks of critical equipment in the power system has become an important research topic to reduce the occurrence of large power outages. there is Nodes are starting points and important gathering points for energy transmission in distribution networks, and there have been many cases in which outages due to failures of some vulnerable nodes have facilitated the spread of distribution network accidents. Identification of vulnerable nodes in the distribution network is useful for evaluating the current safety level of the system, and also leads to grasping the changing trend of the safety level, which is of great significance in preventing chain failures.
一方、風力発電や太陽エネルギー等の新エネルギーは、配電網エネルギーに占める割合が日増しに高まっている。しかし、新エネルギー電源に特有のランダム性と変動性のため、新エネルギー発電の出力が変動すると、配電網の潮流もそれに伴って変化するが、配電網の脆弱なノードの同定には、潮流の結果を基にする必要がある場合が多いので、新エネルギーが接続された配電網において、いかにして配電網中の脆弱なノードを正確で迅速に同定するかは特に切実且つ重要な課題となっている。 On the other hand, new energy sources such as wind power and solar energy account for more and more energy in the grid. However, due to the randomness and variability inherent in new energy power sources, when the output of new energy power generation fluctuates, the power flow in the distribution network will also change accordingly. Since it is often necessary to rely on results, how to accurately and quickly identify vulnerable nodes in the distribution network has become a particularly urgent and important issue in new energy-connected distribution networks. ing.
本発明が解決しようとする技術的課題は、従来技術の欠点を克服し、新エネルギーが接続された配電網において、配電網における脆弱なノードを正確で迅速に同定し、アクティブ配電網の安全安定運転を確保することができるように、新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法を提供することである。 The technical problem to be solved by the present invention is to overcome the shortcomings of the prior art, to accurately and quickly identify vulnerable nodes in a power distribution network connected to new energy, and to ensure the safety and stability of an active power distribution network. To provide a method for identifying vulnerable nodes in an active distribution network that takes into account the impact of new energy so that operation can be ensured.
上記技術的課題を解決するために、本発明は、新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法を提供し、前記方法は、
予め構築されたDGランダム出力モデル及び負荷ランダムモデルをサンプリングして、新エネルギー及び負荷のランダム出力データを取得し、ランダム出力データに基づいてランダム出力行列を決定し、ランダム出力行列を配列して、各ランダム変数サンプリング値の相関性が最小になる傾向の配列行列を得て、
前記配列行列内のデータを、予め構築されたノードの脆弱性指標評価システムモデルに入力して、ノードの総合脆弱性指標を得、ここで、前記予め構築されたノードの脆弱性指標評価システムモデルは、アクティブ配電網に固有のトポロジー構造とDGの不確定性を総合的に考慮し、且つノードの故障する確率及びノードの運転が停止した後、ネットワークトポロジー構造と電力潮流の変化によりシステムが受ける影響も配慮した計算モデルであり、そして
ブール行列に基づく3パラメータ区間数順序付け方法を用いて、ノードの総合脆弱性指標に基づいて脆弱なノードを同定する。
In order to solve the above technical problem, the present invention provides a method for identifying vulnerable nodes in an active power grid that takes into account the impact of new energy, said method comprising:
sampling the pre-built DG random output model and load random model to obtain random output data of new energy and load; determining a random output matrix based on the random output data; arranging the random output matrix; Obtaining an array matrix that tends to minimize the correlation of each random variable sampling value,
Inputting the data in the array matrix into a pre-built node vulnerability index evaluation system model to obtain a node comprehensive vulnerability index, wherein the pre-built node vulnerability index evaluation system model comprehensively considers the topology structure and DG uncertainty inherent in active distribution networks, and the probability of node failure and changes in the network topology structure and power flow after a node stops operating. It is an impact-aware computational model and uses a 3-parameter interval number ordering method based on a Boolean matrix to identify vulnerable nodes based on their overall vulnerability index.
さらに、前記予め構築されたノードの脆弱性指標評価システムモデルは、構造脆弱性指標計算モデル、状態脆弱性指標計算モデル及び指標重み計算モデルを含み、
前記構造脆弱性指標計算モデルは、ネットワーク凝集度、ネットワークパフォーマンスの変化率及びノードの電気的中間数を計算するように構成され、
前記状態脆弱性指標計算モデルは、改良された潮流衝撃エントロピー及び改良された最小特異値変化率を計算するように構成され、
前記指標重み計算モデルは、ネットワーク凝集度、ネットワークパフォーマンスの変化率、ノードの電気的中間数、改良された潮流衝撃エントロピー及び改良された最小特異値変化率の重みを計算するように構成される。
Further, the pre-built nodal vulnerability index evaluation system model includes a structural vulnerability index calculation model, a state vulnerability index calculation model and an index weight calculation model,
The structural vulnerability index calculation model is configured to calculate network cohesion, network performance change rate and node electrical median;
The State Vulnerability Index calculation model is configured to calculate an improved tidal impulse entropy and an improved minimum singular value change rate,
The index weight calculation model is configured to calculate weights of network cohesion, rate of change of network performance, electrical median of nodes, improved tide impulsive entropy and improved minimum singular value rate of change.
さらに、前記ネットワーク凝集度は次式により求められ、
式中、a(k)はノード縮約法によりノードkを縮約した後のネットワークにおける平均最短電気距離であり、n′は縮約した後のネットワークにおけるノードの数であり、a(k)は、
と定義され、 式中、dijは縮約した後のネットワークにおける任意の2つのノードiとノードjの間の最短電気距離であり、Vはネットワークにおける全てのノードの集合を表し、
前記ネットワークパフォーマンスの変化率は次式により求められ、
c(k)=(C-c(k))/C
式中、c(k)はノードkが故障する前後のネットワークパフォーマンスの変化率であり、C(k)はノードkが故障した後のネットワークパフォーマンスであり、Cはネットワークのエネルギー効率であり、
と定義され、式中、GとDはそれぞれ、発電機と負荷ノードの集合であり、NGとNDはそれぞれ、発電機と負荷ノードの数であり、
は発電機負荷ノード対(i′,j′)のうち有効電力の小さい値であり、PGi′は発電機ノードi′の有効電力であり、PDi′は負荷ノードj′の有効電力であり、
前記ノードの電気的中間数は次式により求められ、
式中、e(k)はノードkの電気的中間数であり、
は発電機負荷ノード対(i′,j′)に単位電力を注入した場合の、分岐路l上の潮流積載量であり、E(k)は発電機負荷ノード対(i′,j′)に単位電力を注入した時のノードkの潮流変化量であり、Ωkはノードkに直結する線路の集合である。
Furthermore, the network cohesion is obtained by the following formula,
where a(k) is the average shortest electrical distance in the network after contracting node k by the node contraction method, n' is the number of nodes in the network after contraction, and a(k) teeth,
where d ij is the shortest electrical distance between any two nodes i and j in the network after contraction, V represents the set of all nodes in the network,
The rate of change in network performance is obtained by the following formula,
c(k)=(C−c(k))/C
where c(k) is the rate of change in network performance before and after node k fails, C(k) is the network performance after node k fails, C is the energy efficiency of the network,
where G and D are the set of generator and load nodes respectively, NG and ND are the number of generator and load nodes respectively,
is the smaller value of the active power of the generator load node pair (i', j'), P Gi' is the active power of the generator node i', and P Di' is the active power of the load node j'. can be,
The electrical median of the node is obtained by the following formula,
where e(k) is the electrical median of node k,
is the power flow load on branch l when unit power is injected into the generator load node pair (i', j'), and E(k) is the generator load node pair (i', j') is the change in power flow at node k when unit power is injected into , and Ωk is a set of lines directly connected to node k.
さらに、前記改良された潮流衝撃エントロピーは次式により求められ、
l(k)=f(k)g(k)
式中、l(k)は改良された潮流衝撃エントロピーであり、f(k)はノードの故障リスク因子であり、g(k)はノードkの潮流衝撃エントロピーであり、f(k)は、
f(k)=eαF(k)と定義され、
式中、αはリスク重み付け係数であり、F(k)はノードkの電圧が限界を越える確率であり、
と定義され、式中、
はノードkの電圧が上限を上回る回数であり、
はノードkの電圧が下限を下回る回数であり、Nはサンプリングの総回数であり、g(k)は、
と定義され、式中、Gj(k)はノードkの運転が停止した後に線路jに与えられる潮流衝撃の比率であり、Mはシステム中の分岐路の総数であり、Gj(k)は、
と定義され、式中、△Pj(k)は、ノードkが故障により運転停止した後に線路jに与えられる潮流衝撃量であり、
と定義され、式中、
はノードkが故障した後の線路jの現在の潮流であり、
は線路jの初期潮流であり、
前記改良された最小特異値変化率は次式により求められ、
o(k)=f(k)h(k)
式中、o(k)は改良された最小特異値変化率であり、h(k)は最小特異値変化率であり、
と定義され、式中、
はノードkが除去される前のシステム潮流ヤコビ行列の最小特異値であり、
はノードkが除去された後のシステム潮流ヤコビ行列の最小特異値である。
Furthermore, the improved tidal impulse entropy is obtained by the following equation,
l(k)=f(k)g(k)
where l(k) is the improved tidal impulse entropy, f(k) is the failure risk factor of the node, g(k) is the tidal impulse entropy of node k, and f(k) is
defined as f(k)=e αF(k) ,
where α is the risk weighting factor, F(k) is the probability that the voltage at node k exceeds the limit,
is defined as where
is the number of times the voltage at node k exceeds the upper limit, and
is the number of times the voltage at node k is below the lower bound, N is the total number of samplings, and g(k) is
where G j (k) is the rate of current impulse imparted to line j after node k is out of service, M is the total number of branches in the system, and G j (k) teeth,
where ΔP j (k) is the tidal current impulse applied to line j after node k is shut down due to a fault, and
is defined as where
is the current power flow on line j after node k fails, and
is the initial power flow on line j, and
The improved minimum singular value change rate is obtained by the following formula,
o(k)=f(k)h(k)
where o(k) is the improved minimum singular value change rate, h(k) is the minimum singular value change rate,
is defined as where
is the smallest singular value of the system flow Jacobian matrix before node k is removed, and
is the smallest singular value of the system flow Jacobian matrix after node k has been removed.
さらに、前記指標重み計算モデルは、
各ノードのネットワーク凝集度、ネットワークパフォーマンスの変化率、ノードの電気的中間数、改良された潮流衝撃エントロピーをスタックオートエンコーダニューラルネットワークに入力して各指標の重みを決定する計算プロセスである。
Furthermore, the index weight calculation model is:
It is a computational process that inputs the network cohesion of each node, the rate of change of network performance, the electrical median of the node, and the improved tidal impulse entropy into the stack autoencoder neural network to determine the weight of each index.
さらに、ブール行列に基づく3パラメータ区間数順序付け方法を用いて前記各ノードの総合脆弱性指標に基づいて脆弱なノードを同定するプロセスは、
各ノードの総合脆弱性指標の値に基づいて各ノードの総合脆弱性指標の具体的な分布を取得し、等確率の原理に基づいて各ノードの総合脆弱性指標の上限値、期待値及び下限値を計算し、上限値、下限値及び期待値共同で各ノードの総合脆弱性指標の値の範囲を構成し、区間の形式で示された総合脆弱性指標を得るステップと、
ブール行列に基づく3パラメータ区間数順序付け方法によって、区間の形式で示された総合脆弱性指標を順序付けして、脆弱なノードを同定するステップと、
を含む。
Further, the process of identifying vulnerable nodes based on each node's overall vulnerability index using a Boolean matrix-based three-parameter interval number ordering method includes:
Obtain the specific distribution of the comprehensive vulnerability index of each node based on the value of the comprehensive vulnerability index of each node, and according to the principle of equal probability, the upper limit, expected value and lower limit of the comprehensive vulnerability index of each node calculating the values and jointly forming the upper, lower and expected values to form a range of values for the composite vulnerability index for each node to obtain a composite vulnerability index expressed in the form of intervals;
ordering the overall vulnerability index expressed in the form of intervals by a Boolean matrix-based three-parameter interval number ordering method to identify vulnerable nodes;
including.
さらに、ブール行列に基づく3パラメータ区間数順序付け方法によって、区間の形式で示された総合脆弱性指標を順序付けして、脆弱なノードを同定するプロセスは、
ノードiの総合脆弱性指標の区間数を
とし、ノードjの総合脆弱性指標の区間数を
とするステップであって、
はノードiの総合脆弱性指標の下限値であり、
はノードiの期待値であり、
はノードiの上限値であり、
はノードjの総合脆弱性指標の下限値であり、
はノードjの期待値であり、
はノードjの上限値であるステップと、
と、L(ai),L(aj),T(ai),T(aj)を定義し、これによりaiがajより大きい確率は
と表され、さらにcij=P(ai>aj)と定義するステップと、
となるようにブール行列を構築するステップであって、Eは区間数a1,a2,...,amの順序付け行列であり、eijは、
と定義されるステップと、
とし、順序付けベクトルλ=(λ1,λ2,...λn)を得るステップであって、λiはノードiの脆弱性レベルの順序付け量の値であるステップと、
λiの大きさに応じて区間数を順序付けし、各ノードの脆弱性レベルを決定して、脆弱なノードを同定するステップと、
を含む。
Further, the process of ordering the overall vulnerability index expressed in the form of intervals to identify vulnerable nodes by a 3-parameter interval number ordering method based on a Boolean matrix includes:
Let the number of intervals of the comprehensive vulnerability index of node i be
and the number of sections of the total vulnerability index of node j is
a step of
is the lower bound of the total vulnerability index of node i, and
is the expected value of node i, and
is the upper bound of node i, and
is the lower bound of the total vulnerability index of node j, and
is the expected value of node j, and
is the upper bound of node j;
and define L(a i ), L(a j ), T(a i ), T(a j ), whereby the probability that a i is greater than a j is
and further defining c ij =P(a i >a j );
constructing a Boolean matrix such that E is the number of intervals a 1 , a 2 , . . . , a m and e ij is the ordering matrix of
a step defined as
, obtaining an ordering vector λ=(λ 1 , λ 2 , .
identifying vulnerable nodes by ordering the number of intervals according to the magnitude of λ i and determining the vulnerability level of each node;
including.
本発明は以下の有益な効果を達成する。
本発明は、配電網に接続された新エネルギーを考慮に入れながら、配電網における脆弱なノードを正確で迅速に同定し、配電網の脆弱性を効果的に評価することができ、配電網オペレーターが配電網の安全状況を包括的且つ深く把握し、脆弱性に起因するリスクを除去又は緩和することに役に立つ。
The invention achieves the following beneficial effects.
The present invention can accurately and quickly identify vulnerable nodes in the distribution network, effectively evaluate the vulnerability of the distribution network, while taking into account the new energy connected to the distribution network, and the distribution network operator provides a comprehensive and in-depth understanding of the safety status of the distribution network, helping to eliminate or mitigate risks arising from vulnerabilities.
以下において、図面を参照しながら本発明をさらに説明する。以下の実施例は、本発明の技術的解決手段をより明確に説明するためのものに過ぎず、本発明の保護範囲を限定するものではない。 In the following, the invention will be further explained with reference to the drawings. The following examples are merely to describe the technical solutions of the present invention more clearly, and are not intended to limit the protection scope of the present invention.
図1-3に示すように、新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法は、以下のステップを含む。
ステップ1で、DG(分散型電源)ランダム出力モデル及び負荷ランダムモデルを構築する。
ステップ2で、アクティブ配電網に固有のトポロジー構造とDGの不確定性を総合的に考慮するだけでなく、ノードの故障する確率及びノードの運転が停止した後、ネットワークトポロジー構造と電力潮流の変化によりシステムが受ける影響にも配慮して、ノード脆弱性指標評価システムを構築する。
ステップ3で、スタックオートエンコーダニューラルネットワークを用いて指標の重みを求め、ノードの総合脆弱性指標を確立する。
ステップ4で、ラテン超立方体サンプリングに基づく方法を用いてノードの総合脆弱性指標を計算し、ブール行列に基づく3パラメータ区間数順序付け方法を用いて脆弱なノードを同定する。
As shown in Figures 1-3, a method for identifying vulnerable nodes in an active distribution network that takes into account the impact of new energy includes the following steps.
In
In
In
In
前記ステップ1は以下の方法で達成される。
Said
1.1 光起電力ランダム出力モデル
一般に、照度はBeta分布するものと考えられ、その確率密度関数は以下のとおりである。
式中、Eは照度を表し、Emaxは一定時間内の最大照度であり、k′、c′はBeta分布の形状パラメータである。
1.1 Photovoltaic Random Output Model In general, illuminance is considered to be Beta distributed, and its probability density function is as follows.
In the formula, E represents the illuminance, Emax is the maximum illuminance within a certain period of time, and k', c' are the shape parameters of the Beta distribution.
太陽光発電出力PVと照度Eの関係は以下のとおりである。
式中、Aは太陽光発電正方アレイの面積であり、ηは光電変換効率である。
The relationship between the photovoltaic power generation output PV and the illuminance E is as follows.
where A is the area of the photovoltaic square array and η is the photovoltaic conversion efficiency.
1.2 負荷ランダムモデル
負荷ランダムモデルについては、大量の過去の実データに対する分析から、正規分布モデルはそのランダムな変動性を近似的にシミュレーションできることがわかった。
1.2 Loading Random Model For the loading random model, analysis on large amounts of historical real data has shown that the normal distribution model can approximately simulate its random variability.
負荷の有効電力と無効電力の確率密度関数はそれぞれ以下のとおりである。
式中、μP、μQはそれぞれ、負荷の有効電力、無効電力の平均値であり、σP、σQはそれぞれ、対応するバリアンスである。
The probability density functions of active power and reactive power of the load are respectively as follows.
where μ P , μ Q are the mean values of the active and reactive powers of the load, respectively, and σ P , σ Q are the corresponding variances, respectively.
前記ステップ2は以下の方法で達成される。
Said
2.1 ノードの構造脆弱性指標の構築
システム構造の脆弱性とは、新エネルギーのランダム性と変動性による影響を考慮に入れた上での、システム自身の構成構造が変化した後にシステムの完全性を維持する能力を指す。従って、構造の脆弱性指標は主に電力ネットワークのトポロジー構造及び電気的特性を考慮し、複雑ネットワーク分析法に基づいて配電網内で肝心な位置にある重要なノードを選別するものであり、ノードは配電網の構造にとって重要であるほど、そして影響が大きいほど、脆弱性が高い。
2.1 Construction of node structural vulnerability index System structural vulnerability is defined as the system integrity after its own configuration structure changes, taking into account the effects of new energy randomness and variability. refers to the ability to maintain sexuality. Therefore, the structural vulnerability index mainly considers the topological structure and electrical characteristics of the power network, and selects the important nodes in the distribution network based on the complex network analysis method. The more important is to the structure of the distribution network and the greater the impact, the more vulnerable it is.
2.1.1 ネットワーク凝集度
ノードのネットワーク凝集度指標は、ノードを除去した後にネットワーク全体の接続性がどれだけ破壊されるかを測定した上に、ノードが切断された後の、システムのトポロジー構造への破壊性の強さを判断することによって、ノードの重要性を判断するものである。
式中、a(k)はノード縮約法によりノードkを縮約した後のネットワークにおける平均最短電気距離であり、dijは縮約した後のネットワークにおける任意の2つのノードiとノードjの間の最短電気距離であり、即ち、ノードiとノードjとの間の電力伝送路径上で送電線路のインピーダンス値の和は最小であり、n′は縮約した後のネットワークにおけるノードの数である。
2.1.1 Network Cohesion The network cohesion index of a node measures how much the connectivity of the entire network is destroyed after removing a node, and also measures the topology of the system after a node is disconnected. The importance of a node is judged by judging the strength of its destructiveness to the structure.
where a(k) is the average shortest electrical distance in the network after contracting node k by the node contraction method, and d ij is the distance between any two nodes i and j in the network after contraction. is the shortest electrical distance between nodes i and j, i.e. the sum of the impedance values of the transmission lines on the power transmission line diameter between node i and node j is the minimum, and n′ is the number of nodes in the network after contraction be.
ネットワーク凝集度は次式で求められる。
式中、b(k)はノードkのネットワーク凝集度である。
The network cohesion is obtained by the following formula.
where b(k) is the network cohesion of node k.
ネットワーク凝集度は該ノードがネットワークの中心に位置する度合い及びネットワークの接続を維持する能力を表す。配電網におけるノードのネットワーク凝集度が大きいほど、該ノードが重要であることを示している。 Network cohesion measures the degree to which the node is centrally located in the network and the ability of the network to maintain connectivity. The greater the network cohesion of a node in the distribution network, the more important the node is.
2.1.2 ネットワークパフォーマンスの変化率
配電網のネットワークパフォーマンスは、ネットワークのトポロジー構造を反映できるとともに、配電網の電気的特性も配慮できることが求められるため、以下のように定義される。
式中、Cはネットワークのエネルギー効率を表し、GとDはそれぞれ、発電機と負荷ノードの集合である。NGとNDはそれぞれ、発電機と負荷ノードの数であり、
は、発電機負荷ノード対(i′,j′)のうち有効電力の小さい値であり、ノード対(i′,j′)間で伝送できる最大電力を表す。PGi′は発電機ノードi′の有効電力であり、PDi′は負荷ノードj′の有効電力である。
2.1.2 Rate of Change in Network Performance The network performance of a power distribution network is required to reflect the topological structure of the network and also consider the electrical characteristics of the power distribution network, so it is defined as follows.
where C represents the energy efficiency of the network and G and D are the set of generator and load nodes respectively. NG and ND are the number of generator and load nodes, respectively;
is the smaller active power value of the generator load node pair (i',j') and represents the maximum power that can be transmitted between the node pair (i',j'). P Gi' is the active power at generator node i' and P Di' is the active power at load node j'.
電力ネットワークの接続性は各ノードから影響を受け、重要なノードが失われると、その接続性及びネットワークパフォーマンスが変化する。そのため、ノードkが除去される前後のネットワークパフォーマンスの変化率を定義してノードの重要度を測定することができ、即ち
c(k)=(C-c(k))/C (8)
となり、式中、c(k)はノードkが故障する前後のネットワークパフォーマンスの変化率であり、C(k)はノードkが故障した後のネットワークパフォーマンスである。
The connectivity of the power network is affected by each node, and the loss of a critical node alters the connectivity and network performance. Therefore, we can measure the importance of a node by defining the rate of change in network performance before and after node k is removed: c(k)=(C−c(k))/C (8)
where c(k) is the rate of change in network performance before and after node k fails, and C(k) is the network performance after node k fails.
ノードのネットワークパフォーマンスの変化率が大きいほど、該ノードが故障した後に配電網の電力伝送に与える影響が大きく、該ノードの配電網における重要度も高いことを示している。 The higher the rate of change in the network performance of a node, the greater the impact on power transmission in the grid after the node fails, and the higher the importance of the node in the grid.
2.1.3 ノードの電気的中間数
ノードの電気的中間数は、配電網のトポロジー構造と電気的パラメータを有機的に結合し、システムの電気的特性を無視した従来の中間数の欠陥を補い、配電網の運転状況に一層合致しており、以下のように定義される。
式中、e(k)はノードkの電気的中間数であり、
は電力伝送分布係数であり、即ち、発電機負荷ノード対(i′,j′)に単位電力を注入した場合の、分岐路l上の潮流積載量である。E(k)は発電機負荷ノード対(i′,j′)に単位電力を注入した時のノードkの潮流変化量であり、Ωkはノードkに直結する線路の集合である。ノードの電気的中間数が大きいほど、該ノードの重要性が高い。
2.1.3 Electrical median of nodes The electrical median of nodes organically combines the topological structure and electrical parameters of the distribution network, and eliminates the defects of conventional medians that ignore the electrical characteristics of the system. Supplementally, it is more consistent with the operating conditions of the distribution network and is defined as:
where e(k) is the electrical median of node k,
is the power transfer distribution coefficient, that is, the current loading on branch l when unit power is injected into the generator load node pair (i',j'). E(k) is the amount of change in power flow at node k when unit power is injected into generator load node pair (i', j'), and Ωk is a set of lines directly connected to node k. The higher the electrical median of a node, the more important that node is.
2.2 ノードの状態脆弱性指標の構築
ノードの状態脆弱性指標は、配電網の運転状態から、故障後の電気量オフセット度合いを考察し、配電網が干渉又は故障に耐える能力を特徴付けるものである。
2.2 Establishment of a node state vulnerability index A node state vulnerability index considers the degree of electricity quantity offset after a failure from the operating state of the distribution network, and characterizes the ability of the distribution network to withstand interference or failure. be.
2.2.1 ノードの故障リスク因子
各ノードの電圧が限界を越えるリスクの確率は、ラテン超立方体サンプリングに基づく確率潮流計算法によって計算することができ、
となり、
式中、F(k)はノードkの電圧が限界を越える確率であり、
はノードkの電圧が上限を上回る回数であり、
はノードkの電圧が下限を下回る回数であり、Nはサンプリングの総回数である。
2.2.1 Node failure risk factor The probability of risk of voltage exceeding the limit at each node can be calculated by a probabilistic load flow calculation method based on Latin hypercube sampling,
becomes,
where F(k) is the probability that the voltage at node k exceeds the limit,
is the number of times the voltage at node k exceeds the upper limit, and
is the number of times the voltage at node k is below the lower limit and N is the total number of samplings.
上式により計算された、ノードが限界を超える確率が大きいほど、該ノードはDG及び負荷が変動する時に故障しやすいことを示しているため、ノードの故障リスク因子を以下のように定義する。
f(k)=eαF(k) (11)
式中、αはリスク重み付け係数であり、α=2.56とする。
A node's failure risk factor is defined as:
f(k)=e αF(k) (11)
In the formula, α is a risk weighting factor and α=2.56.
2.2.2 ノードの潮流衝撃エントロピー
ノードkが故障により運転停止した後に線路jに与えられる潮流衝撃量を
とし、式中、
はノードkが故障した後の線路jの現在の潮流であり、
は線路jの初期潮流である。
2.2.2 Tidal current impact entropy of node
and in the formula,
is the current power flow on line j after node k fails, and
is the initial power flow on line j.
この時、ノードkの運転が停止した後に線路jに与えられる潮流衝撃の比率は、
となり、式中、Mはシステム中の分岐路の総数である。
At this time, the ratio of the tidal current impact given to the line j after the operation of the node k is stopped is
where M is the total number of branches in the system.
ノードkの潮流衝撃エントロピーは、エントロピー理論により得ることができ、
となり、ノードが切断された後、潮流衝撃エントロピーが小さいほど、システムの潮流がいくつかの分岐路に集中的に分布し、過負荷の分岐路が発生しやすくて連鎖故障を引き起こし、システムの安全レベルが深刻に影響されやすいことを示している。
The tidal impulse entropy of node k can be obtained by entropy theory,
, after the node is disconnected, the smaller the tidal current impulsive entropy, the more the tidal current in the system will be distributed intensively in some branches, and the overloaded junctures are likely to occur, causing cascading failures and system safety. indicates that the level is severely susceptible.
2.2.3 ノードの最小特異値変化率
p個の独立ノードとq個のPVノードを持つ電力システムの場合、潮流方程式の極座標の形態は、
となり、式中、Pi及びQiはノードiに注入された有効電力及び無効電力であり、Ui及びUjはノードiの電圧振幅であり、Gij及びBijはアドミタンス行列の要素であり、θijはノード間の位相角差であり、i=1,2,...p且つj=1,2,...pである。
2.2.3 Minimum singular rate of change of a node For a power system with p independent nodes and q PV nodes, the polar form of the load flow equation is
where P i and Q i are the active and reactive powers injected into node i, U i and U j are the voltage amplitudes of node i, and G ij and B ij are the elements of the admittance matrix , and θ ij is the phase angle difference between nodes, i=1, 2, . . . p and j=1, 2, . . . is p.
式(17)をテーラー級数展開して、ヤコビ行列Jを得て、それを特異値分解すると、
が得られ、式中、J∈Pc×cであり、V1及びU1はいずれもc×cの直交行列であり、Λは特異値δi(i=1,2,...c)で構成される非負対角行列であり、viとuiはそれぞれ、V1とU1中のδiに対応する列ベクトルである。
Taylor series expansion of equation (17) to obtain Jacobian matrix J, and singular value decomposition of it yields
where J ∈ P c×c , V 1 and U 1 are both c×c orthogonal matrices, and Λ is the singular value δ i (i=1, 2, . . . c ), where v i and u i are column vectors corresponding to δ i in V 1 and U 1 , respectively.
潮流ヤコビ行列Jの最小特異値δi,minはシステムの電圧安定性の相対的程度を特徴付けることができ、最小特異値が小さいほど、システムの電圧は不安定になり、逆に、システムの電圧は比較的安定している。そのため、ノードkが除去される前後の最小特異値の変化率は、
と定義し、式中、
はノードkが除去される前のシステム潮流ヤコビ行列の最小特異値であり、
はノードkが除去された後のシステム潮流ヤコビ行列の最小特異値である。ノードの運転が停止した後、最小特異値の変化率が小さいほど、該ノードは重要である。
The smallest singular value δ i,min of the current Jacobian matrix J can characterize the relative degree of voltage stability of the system, the smaller the smallest singular value, the more unstable the voltage of the system, and conversely, the less stable the voltage of the system. is relatively stable. Therefore, the rate of change of the smallest singular value before and after node k is removed is
, where
is the smallest singular value of the system flow Jacobian matrix before node k is removed, and
is the smallest singular value of the system flow Jacobian matrix after node k has been removed. The smaller the rate of change of the minimum singular value after the node stops operating, the more important the node is.
2.2.4 ノードが切断される可能性と切断の結果を総合的に考慮して、改良された潮流衝撃エントロピー指標は、
l(k)=f(k)g(k) (18)
と定義し、
改良された最小特異値変化率指標は、
o(k)=f(k)h(k) (19)
と定義する。
2.2.4 Considering holistically the probability of node disconnection and the consequences of disconnection, the improved tidal impulse entropy index is:
l(k)=f(k)g(k) (18)
and
The improved minimum singular value rate of change metric is
o(k)=f(k)h(k) (19)
defined as
前記ステップ3は以下の方法で達成される。
Said
3.1 指標の重みの決定
各ノードの指標値をスタックオートエンコーダニューラルネットワークに入力して各指標の重みを決定する。
3.1 Determining the Weight of Index The index value of each node is input to the stack autoencoder neural network to determine the weight of each index.
3.2 ノードの総合脆弱性指標の確立
ステップ2で配電網のトポロジー構造に基づいて提案されたネットワーク凝集度指標、ネットワークパフォーマンスの変化率指標、ノードの電気的中間数指標、及びノードの運転が停止した後の配電網の状態に対して提案された、改良された潮流衝撃エントロピー指標と改良された最小特異値変化率指標を総合して、ノードkの総合脆弱性指標を
と定義し、式中、ωは各指標の重みを表す。
3.2 Establishing a comprehensive vulnerability index of nodes The network cohesion index, network performance change rate index, node electrical median index, and node operation Combining the improved tidal impulse entropy index and the improved minimum singular value change rate index proposed for the state of the distribution network after an outage, we obtain the total vulnerability index for node k as
where ω represents the weight of each index.
前記ステップ4は以下の方法で達成される。
Said
前記ステップ3で確立したノードの総合脆弱性指標は、確定的な方法で計算すると、確定的な指標計算値しか得られず、配電網の正常な運転において、新エネルギーの出力及び負荷によるシステムのランダムな変動の不確定性を反映することができない。そのため、新エネルギーの出力及び負荷の不確定性の影響を考慮に入れるためには、確率潮流の方法を用いてノードの総合脆弱性指標を計算する。ラテン超立方体サンプリング法は確率潮流を解くシミュレーション法として、その計算効率はモンテカルロサンプリング法より大幅に向上し、且つ出力ランダム変数の豊富な情報を提供することもでき、それにより、計算された総合脆弱性指標は統計的に、要求をよりよく満たしている。
If the node comprehensive vulnerability index established in
4.1 ラテン超サンプリング法
ラテン超立方体サンプリング法の主な考え方は、逆関数変換法に基づいている。該方法は下記サンプリングと配列の2つのステップに分けられる。(I)サンプリングのステップでは、サンプリングポイントがランダム分布領域を完全にカバーできるように、各入力されたランダム変数をサンプリングする。(II)配列のステップでは、各ランダム変数のサンプリング値の相関性が最小になる傾向にあるように、各ランダム変数のサンプリング値の配列順序を変える。
4.1 Latin Supersampling Method The main idea of the Latin hypercube sampling method is based on the inverse transformation method. The method is divided into the following two steps: sampling and sequencing. (I) In the sampling step, each input random variable is sampled such that the sampling points completely cover the random distribution area. (II) In the arranging step, the order of arranging the sampled values of each random variable is changed so that the correlation between the sampled values of each random variable tends to be minimized.
4.1.1 サンプリング
解くべき問題にK個のランダム入力変数があり、Xk(k=1,2,...,K)がその中の任意のランダム入力変数であると仮定すると、その累積確率分布関数はYk=Fk(Xk)と表すことができ、Xknが第k個のランダム変数の第n個のサンプリング値であるとすると、
と表すことができ、式中、n=1,2,...,Nである。Nはサンプリングの総回数である。
4.1.1 Sampling Suppose there are K random input variables in the problem to be solved, and X k (k=1, 2, . . . , K) is any random input variable among them. The cumulative probability distribution function can be expressed as Yk = Fk ( Xk ), where Xkn is the nth sampled value of the kth random variable,
where n=1, 2, . . . , N. N is the total number of samplings.
全てのランダム入力変数のサンプリングが終了した後、各ランダム変数のサンプリング値を行列の1行としてランダムに配列すると、全てのサンプリング値はK×Nのサンプリング行列を形成し、
と表し、上記サンプリング行列内の要素がランダムに配列されているため、その各ランダム変数サンプリング値間の相関性はランダムで制御不能となる。そのため、サンプリング行列内の各ランダム変数間の相関性を配列によって低減することも必要になる。
After all random input variables have been sampled, randomly arranging the sampled values of each random variable as one row in a matrix, all sampled values form a K×N sampling matrix,
, and because the elements in the sampling matrix are randomly arranged, the correlation between their respective random variable sampling values is random and uncontrollable. Therefore, the array also needs to reduce the correlation between each random variable in the sampling matrix.
4.1.2 Cholesky分解に基づく順序付け方法
4.1.2.1 配列行列LkNを初期化し、配列行列LkNの各行はいずれも整数1,2,...,Nのランダムな配列で構成される。配列行列LkNは、K×Nの行列であり、その各行の要素値はサンプリング行列XkNの対応する行要素の配列位置を表す。
4.1.2 Ordering Method Based on Cholesky Decomposition 4.1.2.1 Initialize the array matrix L kN , each row of the array matrix L kN being integers 1, 2, . . . , N random arrays. The array matrix L kN is a K×N matrix, and the element value of each row represents the array position of the corresponding row element of the sampling matrix X kN .
4.1.2.2 配列行列LkNの各行間の相関係数行列ρLを計算し、ρLはK×Kの行列であり、
と表すことができ、式中、ρijは配列行列LkNの第i行と第j行との間の相関係数である。ρijは下式により計算することができる。
式中、Likは配列行列LkNの第i行第k列の要素の値であり、
は配列行列LkNの第i行の要素の平均値である。
4.1.2.2 Calculate the correlation coefficient matrix ρ L between each row of the array matrix L kN , where ρ L is a K×K matrix,
where ρij is the correlation coefficient between the ith and jth rows of the constellation matrix LkN . ρ ij can be calculated by the following formula.
where L ik is the value of the element in the i-th row and k-th column of the array matrix L kN ,
is the average value of the i-th row elements of the array matrix L kN .
4.1.2.3 相関係数行列ρLが正定値対称行列であることを証明できるため、Cholesky分解法により分解して実数の非特異下三角行列Dを得ることができ、且つDDT=ρLを満たす。 4.1.2.3 Since the correlation coefficient matrix ρ L can be proved to be a positive definite symmetric matrix, it can be decomposed by the Cholesky decomposition method to obtain a real non-singular lower triangular matrix D, and DD T = ρ L is satisfied.
4.1.2.4 Dは非特異であるため、逆行列が存在し、元の配列行列LkNを結合すると、下式により新たな配列行列GkNを構築することができる。
GkN=D-1LkN(25)
4.1.2.4 Since D is non-singular, there exists an inverse matrix, and combining the original alignment matrices L kN , we can construct a new alignment matrix G kN by
G kN =D −1 L kN (25)
4.1.2.5 配列行列GkNの要素の大きい順でサンプリング行列XkN内の要素の配列位置を指示し、サンプリング行列XkN内の要素を再配列する。 4.1.2.5 Indicate the array positions of the elements in the sampling matrix X kN in descending order of the elements of the array matrix G kN and rearrange the elements in the sampling matrix X kN .
4.2 ステップ1で構築されたDGランダム出力モデル及び負荷ランダムモデルを基に、ラテン超立方体サンプリング法でランダムにサンプリングし、サンプリングの結果は、ランダム負荷及び再生可能エネルギーの有効電力であり、サンプリングの結果を式(17)の潮流方程式に持ち込んで潮流計算を行ってノードの電圧と分岐路潮流を求めることができ、最後にサンプリングの結果、ノードの電圧及び分岐路潮流に基づいて各ノードの総合脆弱性指標値を算出することができる。
4.2 Based on the DG random output model and load random model built in
4.3 ステップ4.2のラテン超立方体サンプリング法により、所定のサンプリング規模内のノードの総合脆弱性指標値を得ることができ、さらに各ノードの総合脆弱性指標値の具体的な分布を得ることができ、等確率の原理に基づいて各ノードの総合脆弱性指標値の上限値、期待値及び下限値を算出することができる。上限値、期待値及び下限値は共同で各ノードの総合脆弱性指標値の値の範囲を構成し、それにより確定値の代わりに各ノードの脆弱性レベルを区間で反映する。 4.3 The Latin hypercube sampling method in step 4.2 can obtain the total vulnerability index value of the nodes within the predetermined sampling scale, and further obtain the specific distribution of the total vulnerability index value of each node It is possible to calculate the upper limit, expected value and lower limit of the total vulnerability index value of each node based on the principle of equal probability. The upper bound, expected value, and lower bound jointly constitute a range of values for each node's overall vulnerability index value, thereby reflecting each node's vulnerability level in intervals instead of fixed values.
4.4 不確定な場合の各ノードの脆弱性レベルを特徴付けるためには、求められる区間形式の総合脆弱性指標をブール行列に基づく3パラメータ区間数順序付け方法によって順序付けする必要がある。 4.4 In order to characterize the vulnerability level of each node in the uncertain case, the total vulnerability index in the form of the interval sought needs to be ordered by a 3-parameter interval number ordering method based on a Boolean matrix.
4.4.1 任意の2つの区間を設定して
を2つの区間数として記し、
とする。これにより、
となる。
4.4.1 By setting any two sections
Denote as two interval numbers,
and This will
becomes.
4.4.2
となるようにブール行列を構築し、Eを区間数a1,a2,...,amの順序付け行列と称し、ここで、
となる。
4.4.2
and let E be the number of intervals a 1 , a 2 , . . . , a m , where
becomes.
4.4.3
とし、順序付けベクルλ=(λ1,λ2,...λn)を得る。
4.4.3
, to obtain an ordering vector λ=(λ 1 , λ 2 , . . . λ n ).
4.4.4 λiの大きさに応じて区間数を順序付けし、各ノードの脆弱性レベルを決定して、脆弱なノードを同定する。 4.4.4 Identify vulnerable nodes by ordering the number of intervals according to the magnitude of λ i and determining the vulnerability level of each node.
図4に示すように、本実施例は、標準的なIEEE39ノードシステムを用いてケース検証を行い、番号1-39は第1-39ノードを表し、ノード21に定格容量100MWの太陽光発電を接続する。照度はBeta分布に従い、形状パラメータはk′=0.2274、c′=1.2995となる。負荷は正規分布に従い、平均値はシステム負荷の定格電力とし、バリアンスは平均値の20%とする。
As shown in FIG. 4, this example performs case verification using a
ラテン超立方体サンプリングにより太陽光発電の電力と負荷の有効電力及び無効電力とからなる組を2000組サンプリングし、サンプリングの結果をそれぞれ配電網データに持ち込み、潮流計算を行う。ノード次数、ネットワークパフォーマンスの変化率、ネットワーク凝集度、改良された潮流衝撃エントロピー及び改良された最小特異値変化率という5つの指標を算出して、データをオートエンコーダニューラルネットワークに持ち込んで各指標の重み値を算出する。さらに、配電網の総合脆弱性指標値を算出する。 By Latin hypercube sampling, 2000 sets of photovoltaic power generation and load active and reactive powers are sampled, and the sampling results are brought into the distribution network data to perform power flow calculations. Calculate five indices: node degree, rate of change of network performance, network cohesion, improved tide impulsive entropy and improved minimum singular value change rate, and bring the data into the autoencoder neural network to obtain the weight of each index. Calculate the value. Furthermore, the total vulnerability index value of the distribution network is calculated.
ここで、算出された配電網の総合脆弱性指標値の上限値、期待値及び下限値は図5に示す。 FIG. 5 shows the upper limit, expected value, and lower limit of the calculated total vulnerability index value of the distribution network.
これに基づき、上限値、下限値及び期待値を共同で各ノードの総合脆弱性指標値の値の範囲を構成し、これを基礎としてブール行列に基づく3パラメータ区間数順序付け方法を用いて脆弱なノードを同定する。同定結果は下表に示す。 Based on this, the upper limit, lower limit and expected value jointly constitute the value range of the comprehensive vulnerability index value of each node, and on this basis, the vulnerability is determined using a Boolean matrix-based three-parameter interval number ordering method. Identify a node. The identification results are shown in the table below.
ノードの脆弱性評価結果の比較
上表から分かるように、3つの評価方法の結果は高い一致性を有し、即ち、本実施例が提供する方法で得られた上位10位のノードのうち、上記3つの方法において一致するノードが6つあり、例えばノード4、16及び17である。これらのノードはいずれも配電網の肝心な位置にある重要な送電中枢であり、万一故障が発生して運転が停止すると、システムに大きな潮流の遷移が発生することがあり、線路への衝撃が極めて大きく、線路の過負荷を引き起こしやすく、ひいては配電網が自己組織化の臨界状態になり、大事故を引き起こすことになる。
As can be seen from the above table, the results of the three evaluation methods are highly consistent, i.e., among the top 10 nodes obtained by the method provided in this example, the nodes that are consistent in the above three methods , for
また、本実施例の方法は新エネルギーを接続した後の脆弱性に与えられる影響を考慮しており、新エネルギーを配電網に導入した後の不確定性による影響が近隣であるほど大きいという原則を反映しており、例えば21番ノードに新エネルギーが接続された後、その近隣の16、22番ノード及び後続に影響するノードは非常に脆弱になる。 In addition, the method of this embodiment considers the impact on the vulnerability after connecting the new energy, and the principle that the impact of the uncertainty after introducing the new energy into the distribution network is greater the closer the neighbor is. For example, after the new energy is connected to the 21st node, its neighboring 16th, 22nd and subsequent affected nodes become very vulnerable.
本実施例の方法は配電網の構造及び状態という2つの方面に基づいて科学的で全面的な脆弱性評価指標を確立し、配電網に接続された新エネルギーを考慮に入れながら、配電網における脆弱なノードを正確で迅速に同定し、配電網の脆弱性を効果的に評価することで、事故と安全リスクの発生確率を下げることができる。 The method of this embodiment establishes a scientific and comprehensive vulnerability assessment index based on the two aspects of the distribution network structure and condition, and takes into account the new energy connected to the distribution network. Accurate and rapid identification of vulnerable nodes and effective assessment of distribution grid vulnerabilities can reduce the probability of accidents and safety risks.
以上は本発明の好ましい実施例に過ぎず、指摘しておきたいのは、当業者にとって、本発明の技術原理から逸脱することなく、いくつかの改良や変形を行うことができ、これらの改良や変形も本発明の保護範囲とみなすべきである点である。 The above are only preferred embodiments of the present invention, and it should be pointed out that those skilled in the art can make several modifications and variations without departing from the technical principles of the present invention. and variations should be regarded as the protection scope of the present invention.
(付記)
(付記1)
予め構築されたDGランダム出力モデル及び負荷ランダムモデルをサンプリングして、新エネルギー及び負荷のランダム出力データを取得し、ランダム出力データに基づいてランダム出力行列を決定し、ランダム出力行列を配列して、各ランダム変数サンプリング値の相関性が最小になる傾向の配列行列を得て、
前記配列行列内のデータを、予め構築されたノードの脆弱性指標評価システムモデルに入力して、ノードの総合脆弱性指標を得、ここで、前記予め構築されたノードの脆弱性指標評価システムモデルは、アクティブ配電網に固有のトポロジー構造とDGの不確定性を総合的に考慮し、且つノードの故障する確率及びノードの運転が停止した後、ネットワークトポロジー構造と電力潮流の変化によりシステムが受ける影響も配慮した計算モデルであり、そして
ブール行列に基づく3パラメータ区間数順序付け方法を用いて、ノードの総合脆弱性指標に基づいて脆弱なノードを同定する、
ことを特徴とする、新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix)
(Appendix 1)
sampling the pre-built DG random output model and load random model to obtain random output data of new energy and load; determining a random output matrix based on the random output data; arranging the random output matrix; Obtaining an array matrix that tends to minimize the correlation of each random variable sampling value,
Inputting the data in the array matrix into a pre-built node vulnerability index evaluation system model to obtain a node comprehensive vulnerability index, wherein the pre-built node vulnerability index evaluation system model comprehensively considers the topology structure and DG uncertainty inherent in active distribution networks, and the probability of node failure and changes in the network topology structure and power flow after a node stops operating. is an impact-aware computational model, and uses a Boolean matrix-based three-parameter interval number ordering method to identify vulnerable nodes based on their overall vulnerability index;
A method for identifying vulnerable nodes in an active distribution network that takes into account the impact of new energy, characterized by:
(付記2)
前記予め構築されたノードの脆弱性指標評価システムモデルは、構造脆弱性指標計算モデル、状態脆弱性指標計算モデル及び指標重み計算モデルを含み、
前記構造脆弱性指標計算モデルは、ネットワーク凝集度、ネットワークパフォーマンスの変化率及びノードの電気的中間数を計算するように構成され、
前記状態脆弱性指標計算モデルは、改良された潮流衝撃エントロピー及び改良された最小特異値変化率を計算するように構成され、
前記指標重み計算モデルは、ネットワーク凝集度、ネットワークパフォーマンスの変化率、ノードの電気的中間数、改良された潮流衝撃エントロピー及び改良された最小特異値変化率の重みを計算するように構成される、
ことを特徴とする、付記1に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix 2)
the pre-built nodal vulnerability index evaluation system model includes a structural vulnerability index calculation model, a state vulnerability index calculation model and an index weight calculation model;
The structural vulnerability index calculation model is configured to calculate network cohesion, network performance change rate and node electrical median;
The State Vulnerability Index calculation model is configured to calculate an improved tidal impulse entropy and an improved minimum singular value change rate,
The index weight calculation model is configured to calculate network cohesion, rate of change of network performance, electrical median of nodes, improved tide impulsive entropy and improved minimum singular value rate of change weights.
A method for identifying vulnerable nodes in an active power grid taking into account the impact of new energy according to
(付記3)
前記ネットワーク凝集度は次式により求められ、
式中、a(k)はノード縮約法によりノードkを縮約した後のネットワークにおける平均最短電気距離であり、n′は縮約した後のネットワークにおけるノードの数であり、a(k)は、
と定義され、式中、dijは縮約した後のネットワークにおける任意の2つのノードiとノードjの間の最短電気距離であり、Vはネットワークにおける全てのノードの集合を表し、
前記ネットワークパフォーマンスの変化率は次式により求められ、
c(k)=(C-c(k))/C
式中、c(k)はノードkが故障する前後のネットワークパフォーマンスの変化率であり、C(k)はノードkが故障した後のネットワークパフォーマンスであり、Cはネットワークのエネルギー効率であり、
と定義され、式中、GとDはそれぞれ、発電機と負荷ノードの集合であり、NGとNDはそれぞれ、発電機と負荷ノードの数であり、
は発電機負荷ノード対(i′,j′)のうち有効電力の小さい値であり、PGi′は発電機ノードi′の有効電力であり、PDi′は負荷ノードj′の有効電力であり、 前記ノードの電気的中間数は次式により求められ、
式中、e(k)はノードkの電気的中間数であり、
は発電機負荷ノード対(i′,j′)に単位電力を注入した場合の、分岐路l上の潮流積載量であり、E(k)は発電機負荷ノード対(i′,j′)に単位電力を注入した時のノードkの潮流変化量であり、Ωkはノードkに直結する線路の集合である、
ことを特徴とする、付記2に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix 3)
The network cohesion is obtained by the following formula,
where a(k) is the average shortest electrical distance in the network after contracting node k by the node contraction method, n' is the number of nodes in the network after contraction, and a(k) teeth,
where d ij is the shortest electrical distance between any two nodes i and j in the network after contraction, V represents the set of all nodes in the network,
The rate of change in network performance is obtained by the following formula,
c(k)=(C−c(k))/C
where c(k) is the rate of change in network performance before and after node k fails, C(k) is the network performance after node k fails, C is the energy efficiency of the network,
where G and D are the set of generator and load nodes respectively, NG and ND are the number of generator and load nodes respectively,
is the smaller value of the active power of the generator load node pair (i', j'), P Gi' is the active power of the generator node i', and P Di' is the active power of the load node j'. and the electrical median of said node is obtained by the following formula,
where e(k) is the electrical median of node k,
is the power flow load on branch l when unit power is injected into the generator load node pair (i', j'), and E(k) is the generator load node pair (i', j') is the change in power flow at node k when unit power is injected into , and Ω k is a set of lines directly connected to node k.
A method for identifying vulnerable nodes in an active distribution network taking into account the impact of new energy according to
(付記4)
前記改良された潮流衝撃エントロピーは次式により求められ、
l(k)=f(k)g(k)
式中、l(k)は改良された潮流衝撃エントロピーであり、f(k)はノードの故障リスク因子であり、g(k)はノードkの潮流衝撃エントロピーであり、
f(k)=eαF(k)と定義され、
式中、αはリスク重み付け係数であり、F(k)はノードkの電圧が限界を越える確率であり、
と定義され、式中、
はノードkの電圧が上限を上回る回数であり、
はノードkの電圧が下限を下回る回数であり、Nはサンプリングの総回数であり、g(k)は、
と定義され、式中、Gj(k)はノードkの運転が停止した後に線路jに与えられる潮流衝撃の比率であり、Mはシステム中の分岐路の総数であり、Gj(k)は、
と定義され、式中、△Pj(k)は、ノードkが故障により運転停止した後に線路jに与えられる潮流衝撃量であり、
と定義され、式中、
はノードkが故障した後の線路jの現在の潮流であり、
は線路jの初期潮流であり、
前記改良された最小特異値変化率は次式により求められ、
o(k)=f(k)h(k)
式中、o(k)は改良された最小特異値変化率であり、h(k)は最小特異値変化率であり、
と定義され、式中、
はノードkが除去される前のシステム潮流ヤコビ行列の最小特異値であり、
はノードkが除去された後のシステム潮流ヤコビ行列の最小特異値である、
ことを特徴とする、付記2に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix 4)
The improved tidal impulse entropy is obtained by the following equation,
l(k)=f(k)g(k)
where l(k) is the improved tidal impulse entropy, f(k) is the failure risk factor of the node, g(k) is the tidal impulse entropy of node k,
defined as f(k)=e αF(k) ,
where α is the risk weighting factor, F(k) is the probability that the voltage at node k exceeds the limit,
is defined as where
is the number of times the voltage at node k exceeds the upper limit, and
is the number of times the voltage at node k is below the lower bound, N is the total number of samplings, and g(k) is
where G j (k) is the rate of current impulse imparted to line j after node k is out of service, M is the total number of branches in the system, and G j (k) teeth,
where ΔP j (k) is the tidal current impulse applied to line j after node k is shut down due to a fault, and
is defined as where
is the current power flow on line j after node k fails, and
is the initial power flow on line j, and
The improved minimum singular value change rate is obtained by the following formula,
o(k)=f(k)h(k)
where o(k) is the improved minimum singular value change rate, h(k) is the minimum singular value change rate,
is defined as where
is the smallest singular value of the system flow Jacobian matrix before node k is removed, and
is the smallest singular value of the system flow Jacobian after node k has been removed,
A method for identifying vulnerable nodes in an active distribution network taking into account the impact of new energy according to
(付記5)
前記指標重み計算モデルは、
各ノードのネットワーク凝集度、ネットワークパフォーマンスの変化率、ノードの電気的中間数、改良された潮流衝撃エントロピーをスタックオートエンコーダニューラルネットワークに入力して各指標の重みを決定する計算プロセスである、
ことを特徴とする、付記2に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix 5)
The index weight calculation model is
A computational process that inputs the network cohesion of each node, the rate of change of network performance, the electrical median of the node, and the improved tidal impulse entropy into a stack autoencoder neural network to determine the weight of each indicator,
A method for identifying vulnerable nodes in an active distribution network taking into account the impact of new energy according to
(付記6)
ブール行列に基づく3パラメータ区間数順序付け方法を用いて前記各ノードの総合脆弱性指標に基づいて脆弱なノードを同定するプロセスは、
各ノードの総合脆弱性指標の値に基づいて各ノードの総合脆弱性指標の具体的な分布を取得し、等確率の原理に基づいて各ノードの総合脆弱性指標の上限値、期待値及び下限値を計算し、上限値、下限値及び期待値共同で各ノードの総合脆弱性指標の値の区間を構成し、区間の形式で示された総合脆弱性指標を得るステップと、
ブール行列に基づく3パラメータ区間数順序付け方法によって、区間の形式で示された総合脆弱性指標を順序付けして、脆弱なノードを同定するステップと、
を含むことを特徴とする、付記1に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix 6)
The process of identifying vulnerable nodes based on each node's overall vulnerability index using a Boolean matrix-based three-parameter interval number ordering method, comprising:
Obtain the specific distribution of the comprehensive vulnerability index of each node based on the value of the comprehensive vulnerability index of each node, and according to the principle of equal probability, the upper limit, expected value and lower limit of the comprehensive vulnerability index of each node calculating a value and jointly forming an interval of values of the total vulnerability index for each node with the upper value, the lower value and the expected value to obtain a total vulnerability index expressed in the form of an interval;
ordering the overall vulnerability index expressed in the form of intervals by a Boolean matrix-based three-parameter interval number ordering method to identify vulnerable nodes;
A method for identifying vulnerable nodes in an active electrical grid taking into account the impact of new energy according to
(付記7)
ブール行列に基づく3パラメータ区間数順序付け方法によって、区間の形式で示された総合脆弱性指標を順序付けし、脆弱なノードを同定するプロセスは、
ノードiの総合脆弱性指標の区間数を
とし、ノードjの総合脆弱性指標の区間数を
とするステップであって、
はノードiの総合脆弱性指標の下限値であり、
はノードiの期待値であり、
はノードiの上限値であり、
はノードjの総合脆弱性指標の下限値であり、
はノードjの期待値であり、
はノードjの上限値であるステップと、
と、L(ai),L(aj),T(ai),T(aj)を定義し、これによりaiがajより大きい確率は、
と表され、さらにcij=P(ai>aj)と定義するステップと、
となるようにブール行列を構築するステップであって、Eは区間数a1,a2,...,amの順序付け行列であり、eijは、
と定義されるステップと、
とし、順序付けベクトルλ=(λ1,λ2,...λn)を得るステップであって、λiはノードiの脆弱性レベルの順序付け量の値であるステップと、
λiの大きさに応じて区間数を順序付けし、各ノードの脆弱性レベルを決定して、脆弱なノードを同定するステップと、
を含むことを特徴とする、付記6に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。
(Appendix 7)
The process of ordering the overall vulnerability index expressed in the form of intervals and identifying vulnerable nodes by a Boolean matrix-based three-parameter interval number ordering method includes:
Let the number of intervals of the comprehensive vulnerability index of node i be
and the number of sections of the total vulnerability index of node j is
a step of
is the lower bound of the total vulnerability index of node i, and
is the expected value of node i, and
is the upper bound of node i, and
is the lower bound of the total vulnerability index of node j, and
is the expected value of node j, and
is the upper bound of node j;
and define L(a i ), L(a j ), T(a i ), T(a j ), whereby the probability that a i is greater than a j is
and further defining c ij =P(a i >a j );
constructing a Boolean matrix such that E is the number of intervals a 1 , a 2 , . . . , a m and e ij is the ordering matrix of
a step defined as
, obtaining an ordering vector λ=(λ 1 , λ 2 , .
identifying vulnerable nodes by ordering the number of intervals according to the magnitude of λ i and determining the vulnerability level of each node;
A method for identifying vulnerable nodes in an active power grid taking into account the impact of new energy according to
Claims (7)
前記配列行列内のデータを、予め構築されたノードの脆弱性指標評価システムモデルに入力して、ノードの総合脆弱性指標を得、ここで、前記予め構築されたノードの脆弱性指標評価システムモデルは、アクティブ配電網に固有のトポロジー構造とDGの不確定性を総合的に考慮し、且つノードの故障する確率及びノードの運転が停止した後、ネットワークトポロジー構造と電力潮流の変化によりシステムが受ける影響も配慮した計算モデルであり、そして
ブール行列に基づく3パラメータ区間数順序付け方法を用いて、ノードの総合脆弱性指標に基づいて脆弱なノードを同定する、
ことを特徴とする、新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 sampling the pre-built DG random output model and load random model to obtain random output data of new energy and load; determining a random output matrix based on the random output data; arranging the random output matrix; Obtaining an array matrix that tends to minimize the correlation of each random variable sampling value,
Inputting the data in the array matrix into a pre-built node vulnerability index evaluation system model to obtain a node comprehensive vulnerability index, wherein the pre-built node vulnerability index evaluation system model comprehensively considers the topology structure and DG uncertainty inherent in active distribution networks, and the probability of node failure and changes in the network topology structure and power flow after a node stops operating. is an impact-aware computational model, and uses a Boolean matrix-based three-parameter interval number ordering method to identify vulnerable nodes based on their overall vulnerability index;
A method for identifying vulnerable nodes in an active distribution network that takes into account the impact of new energy, characterized by:
前記構造脆弱性指標計算モデルは、ネットワーク凝集度、ネットワークパフォーマンスの変化率及びノードの電気的中間数を計算するように構成され、
前記状態脆弱性指標計算モデルは、改良された潮流衝撃エントロピー及び改良された最小特異値変化率を計算するように構成され、
前記指標重み計算モデルは、ネットワーク凝集度、ネットワークパフォーマンスの変化率、ノードの電気的中間数、改良された潮流衝撃エントロピー及び改良された最小特異値変化率の重みを計算するように構成される、
ことを特徴とする、請求項1に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 the pre-built nodal vulnerability index evaluation system model includes a structural vulnerability index calculation model, a state vulnerability index calculation model and an index weight calculation model;
The structural vulnerability index calculation model is configured to calculate network cohesion, network performance change rate and node electrical median;
The State Vulnerability Index calculation model is configured to calculate an improved tidal impulse entropy and an improved minimum singular value change rate,
The index weight calculation model is configured to calculate network cohesion, rate of change of network performance, electrical median of nodes, improved tide impulsive entropy and improved minimum singular value rate of change weights.
A method for identifying vulnerable nodes in an active distribution network taking into account the influence of new energy according to claim 1, characterized in that:
式中、a(k)はノード縮約法によりノードkを縮約した後のネットワークにおける平均最短電気距離であり、n′は縮約した後のネットワークにおけるノードの数であり、a(k)は、
と定義され、式中、dijは縮約した後のネットワークにおける任意の2つのノードiとノードjの間の最短電気距離であり、Vはネットワークにおける全てのノードの集合を表し、
前記ネットワークパフォーマンスの変化率は次式により求められ、
c(k)=(C-c(k))/C
式中、c(k)はノードkが故障する前後のネットワークパフォーマンスの変化率であり、C(k)はノードkが故障した後のネットワークパフォーマンスであり、Cはネットワークのエネルギー効率であり、
と定義され、式中、GとDはそれぞれ、発電機と負荷ノードの集合であり、NGとNDはそれぞれ、発電機と負荷ノードの数であり、
は発電機負荷ノード対(i′,j′)のうち有効電力の小さい値であり、PGi′は発電機ノードi′の有効電力であり、PDi′は負荷ノードj′の有効電力であり、
前記ノードの電気的中間数は次式により求められ、
式中、e(k)はノードkの電気的中間数であり、
は発電機負荷ノード対(i′,j′)に単位電力を注入した場合の、分岐路l上の潮流積載量であり、E(k)は発電機負荷ノード対(i′,j′)に単位電力を注入した時のノードkの潮流変化量であり、Ωkはノードkに直結する線路の集合である、
ことを特徴とする、請求項2に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 The network cohesion is obtained by the following formula,
where a(k) is the average shortest electrical distance in the network after contracting node k by the node contraction method, n' is the number of nodes in the network after contraction, and a(k) teeth,
where d ij is the shortest electrical distance between any two nodes i and j in the network after contraction, V represents the set of all nodes in the network,
The rate of change in network performance is obtained by the following formula,
c(k)=(C−c(k))/C
where c(k) is the rate of change in network performance before and after node k fails, C(k) is the network performance after node k fails, C is the energy efficiency of the network,
where G and D are the set of generator and load nodes respectively, NG and ND are the number of generator and load nodes respectively,
is the smaller value of the active power of the generator load node pair (i', j'), P Gi' is the active power of the generator node i', and P Di' is the active power of the load node j'. can be,
The electrical median of the node is obtained by the following formula,
where e(k) is the electrical median of node k,
is the power flow load on branch l when unit power is injected into the generator load node pair (i', j'), and E(k) is the generator load node pair (i', j') is the change in power flow at node k when unit power is injected into , and Ω k is a set of lines directly connected to node k.
A method for identifying vulnerable nodes in an active power grid taking into account the influence of new energy according to claim 2, characterized in that:
l(k)=f(k)g(k)
式中、l(k)は改良された潮流衝撃エントロピーであり、f(k)はノードの故障リスク因子であり、g(k)はノードkの潮流衝撃エントロピーであり、
f(k)=eαF(k)と定義され、
式中、αはリスク重み付け係数であり、F(k)はノードkの電圧が限界を越える確率であり、
と定義され、式中、
はノードkの電圧が上限を上回る回数であり、
はノードkの電圧が下限を下回る回数であり、Nはサンプリングの総回数であり、g(k)は、
と定義され、式中、Gj(k)はノードkの運転が停止した後に線路jに与えられる潮流衝撃の比率であり、Mはシステム中の分岐路の総数であり、Gj(k)は、
と定義され、式中、△Pj(k)はノードkが故障により運転停止した後に線路jに与えられる潮流衝撃量であり、
と定義され、式中、
はノードkが故障した後の線路jの現在の潮流であり、
は線路jの初期潮流であり、
前記改良された最小特異値変化率は次式により求められ、
o(k)=f(k)h(k)
式中、o(k)は改良された最小特異値変化率であり、h(k)は最小特異値変化率であり、
と定義され、式中、
はノードkが除去される前のシステム潮流ヤコビ行列の最小特異値であり、
はノードkが除去された後のシステム潮流ヤコビ行列の最小特異値である、
ことを特徴とする、請求項2に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 The improved tidal impulse entropy is obtained by the following equation,
l(k)=f(k)g(k)
where l(k) is the improved tidal impulse entropy, f(k) is the failure risk factor of the node, g(k) is the tidal impulse entropy of node k,
defined as f(k)=e αF(k) ,
where α is the risk weighting factor, F(k) is the probability that the voltage at node k exceeds the limit,
is defined as where
is the number of times the voltage at node k exceeds the upper limit, and
is the number of times the voltage at node k is below the lower bound, N is the total number of samplings, and g(k) is
where G j (k) is the rate of current impulse imparted to line j after node k is out of service, M is the total number of branches in the system, and G j (k) teeth,
where ΔP j (k) is the tidal current impact applied to line j after node k is shut down due to a fault, and
is defined as where
is the current power flow on line j after node k fails, and
is the initial power flow on line j, and
The improved minimum singular value change rate is obtained by the following formula,
o(k)=f(k)h(k)
where o(k) is the improved minimum singular value change rate, h(k) is the minimum singular value change rate,
is defined as where
is the smallest singular value of the system flow Jacobian matrix before node k is removed, and
is the smallest singular value of the system flow Jacobian after node k has been removed,
A method for identifying vulnerable nodes in an active power grid taking into account the influence of new energy according to claim 2, characterized in that:
各ノードのネットワーク凝集度、ネットワークパフォーマンスの変化率、ノードの電気的中間数、改良された潮流衝撃エントロピーをスタックオートエンコーダニューラルネットワークに入力して各指標の重みを決定する計算プロセスである、
ことを特徴とする、請求項2に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 The index weight calculation model is
A computational process that inputs the network cohesion of each node, the rate of change of network performance, the electrical median of the node, and the improved tidal impulse entropy into a stack autoencoder neural network to determine the weight of each indicator,
A method for identifying vulnerable nodes in an active power grid taking into account the influence of new energy according to claim 2, characterized in that:
各ノードの総合脆弱性指標の値に基づいて各ノードの総合脆弱性指標の具体的な分布を取得し、等確率の原理に基づいて各ノードの総合脆弱性指標の上限値、期待値及び下限値を計算し、上限値、下限値及び期待値共同で各ノードの総合脆弱性指標の値の区間を構成し、区間の形式で示された総合脆弱性指標を得るステップと、
ブール行列に基づく3パラメータ区間数順序付け方法によって、区間の形式で示された総合脆弱性指標を順序付けして、脆弱なノードを同定するステップと、
を含むことを特徴とする、請求項1に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 The process of identifying vulnerable nodes based on each node's overall vulnerability index using a Boolean matrix-based three-parameter interval number ordering method, comprising:
Obtain the specific distribution of the comprehensive vulnerability index of each node based on the value of the comprehensive vulnerability index of each node, and according to the principle of equal probability, the upper limit, expected value and lower limit of the comprehensive vulnerability index of each node calculating a value and jointly forming an interval of values of the total vulnerability index for each node with the upper value, the lower value and the expected value to obtain a total vulnerability index expressed in the form of an interval;
ordering the overall vulnerability index expressed in the form of intervals by a Boolean matrix-based three-parameter interval number ordering method to identify vulnerable nodes;
A method for identifying vulnerable nodes in an active power grid taking into account the influence of new energy according to claim 1, characterized in that it comprises:
ノードiの総合脆弱性指標の区間数を
とし、ノードjの総合脆弱性指標の区間数を
とするステップであって、
はノードiの総合脆弱性指標の下限値であり、
はノードiの期待値であり、
はノードiの上限値であり、
はノードjの総合脆弱性指標の下限値であり、
はノードjの期待値であり、
はノードjの上限値であるステップと、
と、L(ai),L(aj),T(ai),T(aj)を定義し、これによりaiがajより大きい確率は、
と表され、さらにcij=P(ai>aj)と定義するステップと、
となるようにブール行列を構築するステップであって、Eは区間数a1,a2,...,amの順序付け行列であり、eijは、
と定義されるステップと、
とし、順序付けベクトルλ=(λ1,λ2,...λn)を得るステップであって、λiはノードiの脆弱性レベルの順序付け量の値であるステップと、
λiの大きさに応じて区間数を順序付けし、各ノードの脆弱性レベルを決定して、脆弱なノードを同定するステップと、
を含むことを特徴とする、請求項6に記載の新エネルギーによる影響を考慮に入れるアクティブ配電網における脆弱なノードの同定方法。 The process of ordering the overall vulnerability index expressed in the form of intervals and identifying vulnerable nodes by a Boolean matrix-based three-parameter interval number ordering method includes:
Let the number of intervals of the comprehensive vulnerability index of node i be
and the number of sections of the total vulnerability index of node j is
a step of
is the lower bound of the total vulnerability index of node i, and
is the expected value of node i, and
is the upper bound of node i, and
is the lower bound of the total vulnerability index of node j, and
is the expected value of node j, and
is the upper bound of node j;
and define L(a i ), L(a j ), T(a i ), T(a j ), whereby the probability that a i is greater than a j is
and further defining c ij =P(a i >a j );
constructing a Boolean matrix such that E is the number of intervals a 1 , a 2 , . . . , a m and e ij is the ordering matrix of
a step defined as
, obtaining an ordering vector λ=(λ 1 , λ 2 , .
identifying vulnerable nodes by ordering the number of intervals according to the magnitude of λ i and determining the vulnerability level of each node;
A method for identifying vulnerable nodes in an active distribution network taking into account the influence of new energy according to claim 6, characterized in that it comprises:
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541075.2 | 2020-12-23 | ||
CN202011541075.2A CN114665498A (en) | 2020-12-23 | 2020-12-23 | Active power distribution network fragile node identification method considering new energy influence |
PCT/CN2021/109973 WO2022134596A1 (en) | 2020-12-23 | 2021-08-02 | Active power distribution network vulnerable node identification method which considers new energy impact |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023511800A JP2023511800A (en) | 2023-03-23 |
JP7269592B2 true JP7269592B2 (en) | 2023-05-09 |
Family
ID=82025117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022506944A Active JP7269592B2 (en) | 2020-12-23 | 2021-08-02 | Vulnerable Node Identification Method in Active Grids Considering New Energy Impacts |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7269592B2 (en) |
CN (1) | CN114665498A (en) |
WO (1) | WO2022134596A1 (en) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943389B (en) * | 2022-07-21 | 2022-11-15 | 中国兵器科学研究院 | Delivery path optimization method and device based on brittleness theory and storage medium |
CN115130327A (en) * | 2022-08-10 | 2022-09-30 | 东南大学 | Medium-voltage distribution network topology identification method considering regional similarity |
CN115173413B (en) | 2022-08-10 | 2023-06-06 | 湖南科技大学 | Electric-betting-based power grid fragile line identification method |
CN115221468B (en) * | 2022-09-14 | 2023-04-18 | 天津大学 | Method, system, server and terminal for analyzing and calculating reliability index of power distribution network |
CN116050701B (en) * | 2022-11-16 | 2023-12-15 | 华北电力大学 | Power system node importance evaluation method considering carbon flow |
CN115801591B (en) * | 2023-02-15 | 2023-04-18 | 聊城金恒智慧城市运营有限公司 | Quantitative calculation method for network security vulnerability assessment |
CN116094053B (en) * | 2023-04-06 | 2023-08-15 | 国网江西省电力有限公司电力科学研究院 | Multi-machine parallel control method for network-structured power supply |
CN116231657B (en) * | 2023-05-09 | 2023-09-29 | 国网浙江省电力有限公司 | Global carbon flow distributed determination method and device for transmission and distribution network |
CN116738631B (en) * | 2023-05-12 | 2024-02-20 | 长安大学 | Metro network node toughness assessment method based on Monte Carlo method |
CN116979511B (en) * | 2023-07-11 | 2024-01-30 | 武汉大学 | Method and system for identifying cascading failure key line by considering low-pass characteristic of fan |
CN117175548B (en) * | 2023-08-25 | 2024-04-30 | 武汉大学 | Sequential fault emergency control method based on random power flow |
CN116908524B (en) * | 2023-09-13 | 2023-12-01 | 中国建筑科学研究院有限公司 | Abnormal sensing monitoring system of building electrical system based on artificial intelligence |
CN117575308B (en) * | 2023-10-17 | 2024-06-28 | 中科宏一教育科技集团有限公司 | Risk assessment method, device and equipment for distributed power distribution network and storage medium |
CN117833374B (en) * | 2023-12-26 | 2024-07-19 | 国网江苏省电力有限公司扬州供电分公司 | Distributed flexible resource cluster division method based on random walk algorithm |
CN117970036B (en) * | 2024-03-29 | 2024-07-09 | 杭州欣美成套电器制造有限公司 | Power distribution network cable equipment state evaluation method and system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004242452A (en) | 2003-02-07 | 2004-08-26 | Mitsubishi Electric Corp | Contraction model forming apparatus of power system |
JP2015211512A (en) | 2014-04-25 | 2015-11-24 | 株式会社日立製作所 | Voltage stability monitoring device and method |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09327128A (en) * | 1996-06-05 | 1997-12-16 | Toshiba Corp | Computer system for power system |
US9059587B2 (en) * | 2009-12-04 | 2015-06-16 | Kevin R. Williams | System and method of supplying power to loads of a drilling rig |
CN107578137A (en) * | 2016-07-04 | 2018-01-12 | 华北电力大学(保定) | A kind of Power Grid Vulnerability Assessment method for considering minimum singular value sensitivity entropy |
CN107846014B (en) * | 2017-11-09 | 2021-03-30 | 电子科技大学 | Power grid probability vulnerability assessment method based on random features and series calculation |
CN110705879B (en) * | 2019-09-30 | 2023-05-09 | 国网山东省电力公司滨州供电公司 | Power grid vulnerability assessment method under high-proportion renewable energy access |
CN112039110B (en) * | 2020-09-22 | 2024-05-14 | 贵州大学 | Reliability assessment method for flexible direct-current power distribution network with optical storage system |
-
2020
- 2020-12-23 CN CN202011541075.2A patent/CN114665498A/en active Pending
-
2021
- 2021-08-02 JP JP2022506944A patent/JP7269592B2/en active Active
- 2021-08-02 WO PCT/CN2021/109973 patent/WO2022134596A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004242452A (en) | 2003-02-07 | 2004-08-26 | Mitsubishi Electric Corp | Contraction model forming apparatus of power system |
JP2015211512A (en) | 2014-04-25 | 2015-11-24 | 株式会社日立製作所 | Voltage stability monitoring device and method |
Also Published As
Publication number | Publication date |
---|---|
WO2022134596A1 (en) | 2022-06-30 |
JP2023511800A (en) | 2023-03-23 |
CN114665498A (en) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7269592B2 (en) | Vulnerable Node Identification Method in Active Grids Considering New Energy Impacts | |
Fang et al. | Power system structural vulnerability assessment based on an improved maximum flow approach | |
CN110034581B (en) | Interval electrical medium number vulnerability assessment method for power system under wind power grid-connected condition | |
Fang et al. | Identification of vulnerable lines in power grids with wind power integration based on a weighted entropy analysis method | |
Nasiruzzaman et al. | Transient stability assessment of smart power system using complex networks framework | |
CN110350522A (en) | A kind of electric system vulnerable line identifying method based on Weighted H index | |
CN104156531A (en) | Fault current limiter distribution point optimization and capacity selection method taking operation loss into consideration | |
Zhao et al. | A fault recovery strategy of flexible interconnected distribution network with SOP flexible closed-loop operation | |
Lin et al. | Scenario generation and reduction methods for power flow examination of transmission expansion planning | |
CN110768260B (en) | Power grid cascading failure model building method based on electrical betweenness | |
Maji et al. | A priority-based multistage PMU installation approach for direct observability of all network buses | |
CN108183499A (en) | A kind of static security analysis method based on Latin Hypercube Sampling Probabilistic Load Flow | |
Wang et al. | Research on Cascading Failures Model of Power Grid Based on Complex Network | |
CN109615189A (en) | A kind of distribution network reliability evaluation method | |
Khanjani et al. | Analysis of Observability Constraint on Optimal Feeder Reconfiguration of an Active Distribution Network with $\mu\mathrm {PMUs} $ | |
Fang et al. | Optimal production facility allocation for failure resilient critical infrastructures | |
Li et al. | Interval Electrical Betweenness Method for Power Grid Vulnerability Assessment Considering Wind Power | |
Wang et al. | Vulnerability assessment method of electrical cyber–physical interdependent network considering node heterogeneity | |
Hu et al. | Identification of critical nodes in power system under the influence of new energy sources | |
Chang et al. | Identification method of vulnerable lines in power grid based on comprehensive sensitivity of branches | |
Wenji et al. | Research on Key Node Identification Method of Transmission Network based on Improved PageRank Algorithm | |
Huang et al. | The DC Power Flow Model Based Analysis on Failure of Power Grid Communication Network | |
CN117175548B (en) | Sequential fault emergency control method based on random power flow | |
CN110365047A (en) | A kind of grid short circuit electric current probability evaluation method of failure of the system containing distributed photovoltaic power generation | |
Shen et al. | Early Warning of Fault in Active Distribution Networks Based on Dynamic Power Flow Motifs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220202 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230411 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7269592 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |