CN111507538A - 一种用于发电厂站的地磁感应电流gic预测的方法 - Google Patents
一种用于发电厂站的地磁感应电流gic预测的方法 Download PDFInfo
- Publication number
- CN111507538A CN111507538A CN202010338402.8A CN202010338402A CN111507538A CN 111507538 A CN111507538 A CN 111507538A CN 202010338402 A CN202010338402 A CN 202010338402A CN 111507538 A CN111507538 A CN 111507538A
- Authority
- CN
- China
- Prior art keywords
- geomagnetic
- gic
- prediction
- station
- solar wind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000006698 induction Effects 0.000 title claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000003062 neural network model Methods 0.000 claims abstract description 8
- 230000005684 electric field Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 7
- 230000005358 geomagnetic field Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
公开了一种用于发电厂站的地磁感应电流GIC预测的方法,采用位于日地引力平衡点L1点的ACE卫星太阳风实时参数,通过BP神经网络模型,实现提前一小时预测地磁暴地磁扰动数据,再结合高风险厂站GIC计算模型,可实现快速、实时提前一小时预测电网高风险厂站GIC量值,能为电力系统运行调度和检修维护部门制定地磁暴防灾减灾策略提供重要参考依据。
Description
技术领域
本发明属于电力领域,具体涉及一种用于发电厂站的地磁感应电流GIC的预测方法,用于地磁暴电网事故的预防减灾。
背景技术
太阳活动引起地球磁场的变化称为地磁暴。地磁暴在电网中引发的地磁感应电流(geomagnetically induced currents,GIC)会对电网的安全稳定运行造成威胁。随着我国未来电网的建设发展,GIC对电网安全稳定运行带来的风险也越来越大。预测地磁暴电网事故中高风险厂站的GIC,是避免和减轻地磁暴电网灾害的经济、有效的手段。对电网GIC的预测方法已有研究报道,但都是基于历史地磁暴数据的物理法或统计法的预测方法研究,基于历史数据的预测方法不能供防灾应用。提供一种可用于地磁暴电网事故高风险厂站,对电网GIC进行提前预测的方法已经非常迫切了。
发明目的
本发明的目的是提供一种用于发电厂站的地磁感应电流GIC预测的方法,能够减轻或避免GIC对电力系统运行造成的不良影响,减小经济损失。具体来说,本发明采用位于日地引力平衡点L1点的的ACE卫星太阳风实时参数,通过BP神经网络模型,实现提前一小时预测地磁暴地磁扰动数据,再结合高风险厂站GIC计算模型,即可实现快速、实时提前一小时预测电网高风险厂站GIC量值,弥补了现有预测方法的不足。本发明提前一小时提供的地磁暴电网事故高风险厂站GIC预测值,能为电力系统运行调度和检修维护部门制定地磁暴防灾减灾策略提供重要参考依据。
发明内容
本发明提供了一种用于发电厂站的地磁感应电流GIC预测的方法,,包括以下步骤:
步骤1:根据地磁台的实测地磁暴地磁扰动数据,以及对应时段的位于日地引力平衡点L1点的ACE卫星太阳风参数,采用BP神经网络模型,拟合太阳风参数与地磁扰动的非线性关系,实现提前一小时预测地磁暴地磁扰动数据;
步骤2:基于地磁暴地磁扰动数据,建立高风险厂站GIC计算模型,采用平面波法和大地分层电导率模型,计算感应地电场;再结合电网结构和参数,计算出地磁暴发生时电网各节点的GIC,将GIC量值最大的节点确定为地磁暴电网事故高风险厂站;
步骤3:将步骤1的地磁暴地磁扰动预测数据与步骤2的高风险厂站GIC计算模型结合起来,建立地磁暴电网事故高风险厂站GIC预测模型;向预测模型输入实时太阳风参数,得到提前一小时预测地磁暴电网事故高风险厂站GIC量值。
附图说明
图1是本发明所述GIC预测方法的流程图。
图2是本发明实施例中地磁场南北向变化量dBx的预测值和实测值对比图。
图3是本发明实施例中东西向变化量dBy的预测值和实测值对比图。
具体实施方式
以下结合附图具体阐述本发明所述的一种用于发电厂站的地磁感应电流GIC预测的方法的具体实施方式。
图1是本发明所述GIC预测方法的流程图。
步骤1的主要内容是根据位于日地引力平衡点L1点的ACE卫星太阳风参数,结合BP神经网络模型,实现提前一小时预测地磁暴地磁扰动数据。BP神经网络是一种按误差逆传播算法训练的多层前馈网络,能逼近任意非线性函数。以蒙东电网为例,距离蒙东电网最近并且能够获得地磁扰动数据的地磁台是北京地磁台,因此选择2004-2015年Dst指数最小值≤-100nT且北京地磁台实测GMD数据有效的共29次强地磁暴事件,为了统一时间分辨率,并且满足计算电网GIC需要高分辨率地磁扰动数据的要求,本发明以5min的时间窗口对所有参数进行了平均处理。
为了实现GIC实时预测效果,本发明选取的都是可以获得实时数据的太阳风参数。这些太阳风参数来源于美国NASA的OMNIWeb公开数据库(https://omniweb.gsfc.nasa.gov),包括以下六种:
|B|是行星际磁场总强度,单位为nT;
By是行星际磁场z分量,单位为nT;
Bz是行星际磁场z分量,单位为nT;
v是太阳风速度,速度为km/s;
ρ是太阳风质子密度,单位为n/cc.
考虑地磁暴的物理机制和太阳风与IMF对地球磁层环境的持续影响,BP神经网络模型的太阳风参数输入集选择如表1所示:
表1 BP神经网络模型的太阳风参数输入集
参量 | 时间间隔 | 分辨率 | 个数 |
|B| | 2h | 5min | 24 |
By | 2h | 5min | 24 |
Bz | 2h | 5min | 24 |
v | 2h | 5min | 24 |
ρ | 2h | 5min | 24 |
考虑太阳风能量从L1点传递到地球以及磁层响应的时间,BP神经网络模型的输出集为1h后地磁场南北向变化量(dBx)和东西向变化量(dBy)。
预测效果如图2和图3所示。dBx的相关系数达到0.98,dBy的相关系数达到0.80。可见预测效果较好,同时计算速度快,满足实时预测的需求。
步骤2的主要内容是基于地磁暴地磁扰动数据,建立高风险厂站GIC计算模型。考虑大地电性构造的影响,建立分层大地电导率模型,采用平面波法,可计算得到感应地电场;再根据电网结构与参数,可计算得到地磁暴发生时电网各节点的GIC,由GIC大小即可判断出地磁暴电网事故高风险厂站。
步骤3的主要内容是将地磁暴地磁扰动预测数据输入到GIC计算模型中去,建立高风险厂站GIC预测模型。在预测模型中输入实时太阳风参数,即可实现提前一小时预测电网地磁暴事故高风险厂站GIC。实时太阳风参数可从美国空间天气预报中心获取(https://www.swpc.noaa.gov)。
发明的效果
1、本发明利用太阳风参数,结合BP神经网络模型,可以实时预测未来一小时的地磁暴地磁扰动数据,解决了从地磁台获取地磁扰动数据的滞后问题,同时具有较高的预测精度和计算速度。
2、本发明明确了GIC预测对象是高风险厂站,充分考虑了大地电性构造和电网结构对GIC的影响,使得预测对象更明确,预测效果更具针对性。
3、本发明可以实时预测未来一小时的地磁暴电网事故高风险厂站GIC,为电力系统运行调度和检修维护部门制定地磁暴防灾减灾策略提供重要参考依据,减小经济损失。
Claims (3)
1.一种用于发电厂站的地磁感应电流GIC预测的方法,包括以下步骤:
步骤1:根据地磁台的实测地磁暴地磁扰动数据,以及对应时段的位于日地引力平衡点L1点的ACE卫星太阳风参数,采用BP神经网络模型,拟合太阳风参数与地磁扰动的非线性关系,实现提前一小时预测地磁暴地磁扰动数据;
步骤2:基于地磁暴地磁扰动数据,建立高风险厂站GIC计算模型,采用平面波法和大地分层电导率模型,计算感应地电场;再结合电网结构和参数,计算出地磁暴发生时电网各节点的GIC,将GIC量值最大的节点确定为地磁暴电网事故高风险厂站;
步骤3:将步骤1的地磁暴地磁扰动预测数据与步骤2的高风险厂站GIC计算模型结合起来,建立地磁暴电网事故高风险厂站GIC预测模型;向预测模型输入实时太阳风参数,得到提前一小时预测地磁暴电网事故高风险厂站GIC量值。
2.如权利要求1所述的一种用于发电厂站的地磁感应电流GIC预测的方法,其中,步骤1中所述的太阳风参数包括:
行星际磁场总强度|B|,单位为nT;
行星际磁场y分量By,单位为nT;
行星际磁场z分量Bz,单位为nT;
太阳风速度v,速度为km/s;
太阳风质子密度ρ,单位为n/cc。
3.如权利要求1所述的一种用于发电厂站的地磁感应电流GIC预测的方法,其中,步骤3中所述的实时太阳风参数从美国空间天气预报中心获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338402.8A CN111507538A (zh) | 2020-04-26 | 2020-04-26 | 一种用于发电厂站的地磁感应电流gic预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338402.8A CN111507538A (zh) | 2020-04-26 | 2020-04-26 | 一种用于发电厂站的地磁感应电流gic预测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507538A true CN111507538A (zh) | 2020-08-07 |
Family
ID=71870578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010338402.8A Pending CN111507538A (zh) | 2020-04-26 | 2020-04-26 | 一种用于发电厂站的地磁感应电流gic预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507538A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034002A (zh) * | 2021-03-26 | 2021-06-25 | 国网江苏省电力有限公司电力科学研究院 | 一种地磁暴对电力系统小扰动电压稳定性的分析方法 |
CN113078637A (zh) * | 2021-04-07 | 2021-07-06 | 山东大学 | 一种地磁扰动变化时的变电站安全等级分析方法 |
CN113344032A (zh) * | 2021-05-13 | 2021-09-03 | 中国科学院国家空间科学中心 | 一种基于相似度算法的地磁Kp指数预报方法及系统 |
CN115359629A (zh) * | 2022-08-22 | 2022-11-18 | 重庆地质矿产研究院 | 一种基于序贯评估法的区域滑坡灾害预警方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1437732A (zh) * | 2000-04-18 | 2003-08-20 | 卡梅尔系统有限责任公司 | 太空气象预测系统和方法 |
US20170074910A1 (en) * | 2015-09-16 | 2017-03-16 | Atti A. Pulkkinen | Method of using power grid as large antenna for geophysical imaging |
CN106971066A (zh) * | 2017-03-16 | 2017-07-21 | 河南师范大学 | 基于神经网络模型预报地磁暴的方法 |
CN107179430A (zh) * | 2017-05-25 | 2017-09-19 | 云南电网有限责任公司电力科学研究院 | 一种中低纬局域电网中地磁感应电流的风险评估方法 |
CN108258682A (zh) * | 2018-01-11 | 2018-07-06 | 内蒙古科技大学 | 一种电网地磁感应电流的控制方法及系统 |
CN109738968A (zh) * | 2019-02-20 | 2019-05-10 | 国家卫星气象中心(国家空间天气监测预警中心) | 空间天气灾害效应的组网监测方法及系统 |
-
2020
- 2020-04-26 CN CN202010338402.8A patent/CN111507538A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1437732A (zh) * | 2000-04-18 | 2003-08-20 | 卡梅尔系统有限责任公司 | 太空气象预测系统和方法 |
US20170074910A1 (en) * | 2015-09-16 | 2017-03-16 | Atti A. Pulkkinen | Method of using power grid as large antenna for geophysical imaging |
CN106971066A (zh) * | 2017-03-16 | 2017-07-21 | 河南师范大学 | 基于神经网络模型预报地磁暴的方法 |
CN107179430A (zh) * | 2017-05-25 | 2017-09-19 | 云南电网有限责任公司电力科学研究院 | 一种中低纬局域电网中地磁感应电流的风险评估方法 |
CN108258682A (zh) * | 2018-01-11 | 2018-07-06 | 内蒙古科技大学 | 一种电网地磁感应电流的控制方法及系统 |
CN109738968A (zh) * | 2019-02-20 | 2019-05-10 | 国家卫星气象中心(国家空间天气监测预警中心) | 空间天气灾害效应的组网监测方法及系统 |
Non-Patent Citations (4)
Title |
---|
刘连光;: "磁暴对中国电网的影响" * |
刘连光;刘春明;张冰;: "磁暴对我国特高压电网的影响研究" * |
刘连光;杜冠男;王开让;: "地磁感应电流水平与行星际扰动的关系分析" * |
杜冠男: "基于径向基神经网络模型的GIC预测" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034002A (zh) * | 2021-03-26 | 2021-06-25 | 国网江苏省电力有限公司电力科学研究院 | 一种地磁暴对电力系统小扰动电压稳定性的分析方法 |
CN113078637A (zh) * | 2021-04-07 | 2021-07-06 | 山东大学 | 一种地磁扰动变化时的变电站安全等级分析方法 |
CN113344032A (zh) * | 2021-05-13 | 2021-09-03 | 中国科学院国家空间科学中心 | 一种基于相似度算法的地磁Kp指数预报方法及系统 |
CN115359629A (zh) * | 2022-08-22 | 2022-11-18 | 重庆地质矿产研究院 | 一种基于序贯评估法的区域滑坡灾害预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507538A (zh) | 一种用于发电厂站的地磁感应电流gic预测的方法 | |
Yang et al. | A GIS-based high spatial resolution assessment of large-scale PV generation potential in China | |
Li et al. | Modeling dynamic spatial correlations of geographically distributed wind farms and constructing ellipsoidal uncertainty sets for optimization-based generation scheduling | |
Yona et al. | Determination method of insolation prediction with fuzzy and applying neural network for long-term ahead PV power output correction | |
Yan et al. | Uncertainty analysis for day ahead power reserve quantification in an urban microgrid including PV generators | |
Sarwat et al. | Weather-based interruption prediction in the smart grid utilizing chronological data | |
CN102169606A (zh) | 一种城市轨道交通网络大客流影响的预测方法 | |
CN107590568A (zh) | 一种基于空间细分的精细化负荷预测方法 | |
Villa | Institutional heat wave analysis by building energy modeling fleet and meter data | |
Härtel et al. | Cost assessment of storage options in a region with a high share of network congestions | |
NKOUNGA et al. | Short-term forecasting for solar irradiation based on the multi-layer neural network with the Levenberg-Marquardt algorithm and meteorological data: application to the Gandon site in Senegal | |
CN110045440B (zh) | 一种大气雾霾数值预报的集合预报方法及系统 | |
Jimenez-Castillo et al. | Smart meters for the evaluation of self-consumption in zero energy buildings | |
CN103927598A (zh) | 基于自学习径向基核函数的光伏发电功率预测方法 | |
Kim et al. | A probabilistic approach to potential estimation of renewable energy resources based on augmented spatial interpolation | |
CN116581755B (zh) | 功率预测方法、装置、设备及存储介质 | |
CN109659937B (zh) | 一种基于风电功率随机性成本的电力系统经济调度方法 | |
Rahimi et al. | Quasi-Steady-State computation of voltage flicker with cloud motion simulator | |
Memmel et al. | Simulation of vertical power flow at MV/HV transformers for quantification of curtailed renewable power | |
JP6853981B2 (ja) | 余剰電力評価装置及び余剰電力評価方法 | |
Gonzalez-Longatt et al. | Optimal structure of a Smart DC micro-grid for a cluster of zero net energy buildings | |
Trashchenkov et al. | Kernel density estimation for stochastic modeling of PV power output | |
CN114626604A (zh) | 一种基于基准站感知的分布式光伏观测方法及系统 | |
CN108038569A (zh) | 一种分布式光伏并网电量预测方法及系统 | |
Tang et al. | Prediction of ionospheric TEC using a GRU mechanism method |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200807 |
|
RJ01 | Rejection of invention patent application after publication |