CN103236026B - 高渗透吞吐型电网规划方案优选方法 - Google Patents

Abstract

本发明公开了一种高渗透吞吐型电网规划方案优选方法，通过建立一个评价电网指标的模型，将从电网中获取的基础数据输入到电网指标模型中的到指标值，基于网络层次分析法获得每个评价指标的相对权重，最后根据改进后的理想点排序法获得方案的贴近度，从而获得电网规划的最优方案。本发明解决了如何优选出高渗透吞吐型电网规划方案的问题，从而可以有效的利用间歇性能源，使能源的利用率最大化；而且本发明所提供的方法能够更精确的选择出最好的电网规划方案。

Description

高渗透吞吐型电网规划方案优选方法

技术领域

本发明涉及一种电网规划方案评选方案，特别涉及一种高渗透吞吐型电网规划方案优选方法。

背景技术

世界范围内，间歇性能源发展迅猛，以风能和光伏发电为代表的清洁能源发电形式在电源结构中所占的比重不断增大，这使得电网呈现间歇性能源高渗透率的特点。同时由于间歇性电源具有强烈的波动性和随机性，间歇性电源大发时电网电能富裕，需要外送，而当间歇性电源欠发时，需要从外部输入电能，这就构成了一种高渗透吞吐型电网。这类型电网的规划方案与传统电网规划有很大不同，如果不能选择最好的规划方案就不能有效的利用这些间歇性能源，在现有技术中还没有一种那个适用于高渗透吞吐型电网规划方案的优选方法，如何建立一种适用于高渗透吞吐型电网规划方案的多目标优选方法是目前需要解决的问题。

发明内容

发明目的：针对上述现有技术存在的问题和不足，本发明提供一种能够准确选择出最优高渗透吞吐型电网规划方案的方法。

技术方案：为实现上述发明目的，本发明采用的技术方案为一种高渗透吞吐型电网规划方案优选方法,包括以下步骤，

1）通过对多个电网进行检测从中获取每个电网系统的基础数据，所述基础数据主要包括潮流计算数据、发电机状态抽样数据、线路状态抽样数据，负荷状态抽样数据、间歇性能源出力时间序列和概率数据、负荷随机出力概率数据、发电机调速器系统参数、系统随机功率扰动和故障数据、系统故障类型及位置和切除时间的抽样数据、电网中风力发电和光伏发电系统的动态参数和控制系统参数；

2）建立获取电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标模型，将步骤1）中获得的基础数据带入评价指标模型中，获得电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标；

3）将步骤2）中获得电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标分别作为一个元素集合，基于网络层次分析法获得各评价指标值的相对权重向量ω，其中获得各评价指标值的相对权重向量ω的方法为：

3.1）依次以C_i为准则，C_i表示第C元素集合中第i个元素，将除C_i外的其余元素对该准则元素的直接影响程度进行两两比较，得出该准则下的权重向量，将每次得到的权重向量合成为权重矩阵W_q；

3.2）根据步骤3.1）中获得的权重矩阵W_q的对角线上加0获得内部依赖直接影响矩阵W_d；

3.3）根据公式式中l为内部依赖直接影响矩阵W_d的阶数，并且l≠0，t为l范围内的变量，获得平均综合影响矩阵W_c；

3.4）求取平均综合影响矩阵W_c的极限，获得内部依赖矩阵；

3.5）构建元素集之间的直接影响矩阵D，直接影响矩阵D中的元素代表各元素集间相互影响程度，其中元素取值采用0-9标度法；

3.6）将元素集之间的直接影响矩阵D规范化，得到规范化直接影响矩阵B；

3.7）构建元素集加权矩阵T＝B(I-B)^-1，其中I为单位矩阵；

3.8）将元素集加权矩阵T与元素集内部依赖矩阵结合，得到系统加权超矩阵W，求取加权超矩阵的稳定极限得到系统各指标值的相对权重向量式中上标k表示加权超矩阵的幂次；

4）根据步骤3）中确定的系统指标权重W＝[w₁,w₂,…,w_n]^T，其中，上标T表示对矩阵进行转置操作，w_n表示第n个评价指标的相对权重向量，确定每个评价指标的加权评价值矩阵 $K=\left(\begin{array}{cccc}{w}_1{k}_{11}& w_2{k}_{12}& \·\·\·& w_n{k}_{1n}\\ w_1{k}_{21}& w_2{k}_{22}& \·\·\·& w_n{k}_{2n}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ w_1{k}_{m1}& w_2{k}_{m1}& \·\·\·& w_n{k}_{\mathrm{mn}}\end{array}\right),$ 矩阵K为m×n阶矩阵，其中，m为待选规划方案的总数，n为评价指标总数，矩阵中元素k_mn表示第m个规划方案的第n个指标的指标值，定义正理想方案和负理想方案 $K^{-}={\{\mathrm{0,0},\·\·\·,0\}}_n^T,$ 根据公式 ${\mathrm{Pj}}_{K^{+}}\left(k_r\right)=\underset{s=1}{\overset{n}{\mathrm{\Σ}}}{K}_s^{+}{k}_{\mathrm{rs}}/\sqrt{\underset{s=1}{\overset{n}{\mathrm{\Σ}}}{\left(K_s^{+}\right)}^2}(r=\mathrm{1,2}\·\·\·m;s=\mathrm{1,2},\·\·\·n)$ 获得方案的贴近度(k_r)，其中，r为m范围内的变量，s为n范围内的变量，(k_r)值越大，表明方案k_r越接近正理想点而远离负理想点，则这个电网的规划方案为最优的方案。

有益效果：本发明与现有技术相比，解决了如何优选出高渗透吞吐型电网规划方案的问题，从而可以有效的利用间歇性能源，使能源的利用率最大化；而且本发明所提供的方法能够更精确的选择出最好的电网规划方案。

附图说明

图1为本发明的方法流程图；

图2为电网评价指标模型图；

图3为电网系统等值SFR模型；

图4为网络评价法中各元素集的关系图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明。

如图1所示，一种高渗透吞吐型电网规划方案优选方法包括以下步骤：

1）通过对多个电网进行检测从中获取每个电网系统的基础数据，所述基础数据主要包括潮流计算数据、发电机状态抽样数据、线路状态抽样数据，负荷状态抽样数据、间歇性能源出力时间序列和概率数据、负荷随机出力概率数据、发电机调速器系统参数、系统随机功率扰动和故障数据、系统故障类型及位置和切除时间的抽样数据、电网中风力发电和光伏发电系统的动态参数和控制系统参数；

2）建立获取电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标模型，将步骤1）中获得的基础数据带入评价指标模型中，获得电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标。如图2所示，其中电网的评价指标模型中包括电能质量模块、电压稳定模块、频率稳定模块、充裕性模块、安全性模块、动态稳定模块、接纳能力模块和经济性模块。

电压稳定模块用于计算电网的静态有功、无功裕度，同时校验电网的暂态稳定；频率稳定模块用于评估电网在故障后频率能否迅速恢复到额定频率附近；充裕性模块用于校验电网的静态稳定性；安全性模块用于校验电网的概率动态稳定性；动态稳定模块用于校验电网的小干扰阻尼状况；接纳能力模块用于计算电网最大可接入的间歇性电源容量占电网总容量的比例；经济性模块用于计算电网建设运行年费用和电网充裕性、安全性的风险。

电能质量模块包含电压质量和频率质量的指标；电压稳定模块包含有功裕度、无功裕度、电压暂态稳定概率、电压中长期电压稳定概率等指标；频率稳定模块包含频率稳定概率和频率失稳频率指标；充裕性模块包含系统切负荷概率、切负荷频率、切负荷持续时间、每次切负荷持续时间、负荷切除期望值、电量不足期望值、停电指标、削减电量指标与严重程度等指标；安全稳定性模块包含系统稳定遭受破坏频率、稳定破坏导致的电量损失和稳定破坏风险度等指标；动态稳定性模块只要计算系统的小干扰稳定性指标；接纳能力模块计算间歇性电源最大接入容量与电网总容量的比值；经济性模块包括年建设运行费用指标和可靠性风险指标。

电能质量模块对电能质量进行评价时，将风电功率波动看做系统的小扰动，采用小干扰稳定理论研究风电功率波动给节点电压带来的影响。

首先建立包含风力发电系统的全系统线性化模型，同步发电机采用考虑励磁系统动态的三阶实用模型，负荷采用电压静特性模型，风力发电机系统选用采用解耦控制策略的双馈风力发电系统。得到此时的系统线性化模型为：

$\left\{\begin{array}{c}\frac{\mathrm{d\Δ}{x}_g}{\mathrm{dt}}=\mathrm{A\Δ}{x}_g+\mathrm{B\Δ}{V}_g+\mathrm{p\Δ}{P}_{\mathrm{mw}}\\ \mathrm{\Δ}{I}_g=\mathrm{E\Δ}{x}_g+\mathrm{F\Δ}{V}_g\end{array}\right.$

式中：Δx_g表示系统状态变量变化量，ΔV_g表示节点电压变化量，ΔP_mw表示风电机组机械功率变化量，A、B、p、E，F均为系统线性化模型的状态矩阵。

考虑网络影响，系统的网络方程为：

$\left[\begin{array}{c}\mathrm{\Δ}{I}_g\\ 0\end{array}\right]=\left[\begin{array}{cc}{Y}_{\mathrm{GG}}& Y_{\mathrm{GL}}\\ Y_{\mathrm{LG}}& Y_{\mathrm{LL}}\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}{V}_g\\ \mathrm{\Δ}{V}_l\end{array}\right]$

式中ΔV_l表示其余节点的电压偏差，ΔI_g表示系统状态变量节点的电流变化量，Y_GG为系统导纳矩阵对应状态变量节点的分块、Y_GL、Y_LG为系统导纳矩阵对应状态变量与非状态变量联系变量节点的分块、Y_LL分别表示系统导纳矩阵对应非状态变量节点的分块。

将系统网络方程与线性化模型联立可得：

$\mathrm{\Δ}{V}_g={(Y_{\mathrm{gg}}-Y_{\mathrm{gl}}{Y}_{\mathrm{ll}}^{-1}{Y}_{\lg }-F_g)}^{-1}{E}_g\mathrm{\Δ}{x}_g$

式中：E_g、F_g分别表示矩阵E、F的状态变量分块。

对系统线性化模型进行整理，得到全系统线性化模型为：

$\frac{\mathrm{d\Δx}}{\mathrm{dt}}=A^{\′}\mathrm{\Δx}+\mathrm{p\Δ}{P}_{\mathrm{mw}}$

A'为全系统状态矩阵，可得：Δx＝(sI-A')^-1pΔP_mw，s为拉普拉斯算子，将其转换到频域，引入频域算子jω，取s＝jω，有

Δx＝(jωI-A')^-1pΔP_mw(f)

式中：ΔP_mw(f)为频域下的风电功率波动

将上式代入可得：

$\mathrm{\Δ}{V}_g={(Y_{\mathrm{gg}}-Y_{\mathrm{gl}}{Y}_{\mathrm{ll}}^{-1}{Y}_{\lg }-F_g)}^{-1}{E}_g{(\mathrm{j\ωI}-A^{\′})}^{-1}\mathrm{p\Δ}{P}_{\mathrm{mw}}\left(f\right)$

根据网络方程可得到其余节点的电压偏差为：

$\mathrm{\Δ}{V}_L=-Y_{\mathrm{LL}}^{-1}{Y}_{\mathrm{LG}}{(Y_{\mathrm{GG}}-Y_{\mathrm{GL}}{Y}_{\mathrm{LL}}^{-1}{Y}_{\mathrm{LG}}-F_g)}^{-1}$

E_g(jωI-A')^-1pΔP_mw(f)

可得到在一定的风电功率波动情况下系统各节点的电压波动情况，经傅里叶逆变换即可得到风电功率波动下系统节点电压变动特性。

电压稳定模块采用分岔方法求解系统的动态与静态不稳定平衡点，求解出系统的有功和无功裕度，并作为电压动态稳定的判据。针对间歇性能源接入的特点，以风电场输出有功功率作为控制参数，采用延拓法求解系统电压的鞍结分岔点。对多种发电机出力和负荷波动情况进行随机抽样。利用电力系统分析综合程序仿真工具计算电网在多种负荷扰动情况下的暂态电压稳定性，采用序贯蒙特卡洛仿真统计电网的暂态稳定概率指标

频率稳定模块重点考虑系统的动态频率特性，考虑发电机组的动态调节特性，重点研究间歇性能源的波动特性对系统频率的扰动，推导间歇性能源波动与系统频率变化的传递函数。对系统可能出现的间歇性电源波动和系统故障进行状态抽样，运用序贯蒙特卡洛仿真计算系统的静态频率稳定概率指标和动态频率稳定概率指标。其中，在频率稳定指标计算中可将电网频率分为节点频率、发电机频率和整体频率。频率作为电网的全局变量，在不发生频率崩溃的情况下，电网各局部的频率经过不同的暂态过程后最终按照统一的动态过程变化，即按照系统惯性中心频率的动态过程变化，电网动态过程将基本呈现为按照惯性中心频率的动态特性变化。

惯性中心频率是根据电网系统等值模型来定义的。对于一定规模的电网系统，认为各发电机间联系紧密，网络影响可忽略，从而电网系统各机组频率响应相同。此时可采用系统等值的单机带集中负荷的模型来计算系统频率响应。如图3所示，发电机与调速器传递函数为：

$\left\{\begin{array}{c}{G}_g\left(s\right)=\frac{1}{2\mathrm{Hs}+Q}\\ G_{\mathrm{gov}}\left(s\right)=\frac{K_m}{R}\frac{1+F_H{T}_{R}s}{1+T_{R}s}\end{array}\right.$

式中：G_g(s)、G_gov(s)分别为发电机和调速器的传递函数，H为发电机转动惯量，Q为发电机阻尼系数，K_m为调速器的调差系数、R调速器增益系数、F_H为高压缸功率系数和T_R为再热器时间常数。

推导得出此时电网系统的频率偏差表达式为：

$\mathrm{\Δf}=\left(\frac{R{\mathrm{\ω}}_n^2}{\mathrm{QR}+K_m}\right)\left[\frac{(1+T_{R}s)P_d}{s^2+2\mathrm{\ζ}{\mathrm{\ω}}_{n}s+{\mathrm{\ω}}_n^2}\right]$

式中：ω_n为发电机同步转速，P_d为功率扰动量，ζ为系统的功率-频率因子，s为拉普拉斯算子。

系统频率响应为：

f(t)＝f₀[1+Δω(t)]。

式中：f₀为系统频率基准值，Δω(t)为频率偏差量。

预测得到一定时间区间内的风速数据后即可通过时间序列的差分化和风功率转换得到风电功率波动的时间序列ΔP_w(t)。前节中的系统功率扰动下的频率波动方程可以转换到时域，得出频率波动的时域表达式。但当系统面临连续的功率扰动如风电功率波动时，需采用时频转换法将系统风电功率波动作为系统输入，系统的频率传递函数表示了系统对频率扰动的响应特性，目的是求取系统的频率扰动输出，其数学关系为：

Δf＝H(s)ΔP_w

式中：Δf为系统频率偏差，ΔP_w为系统功率扰动量，H(s)为频率响应的传递函数。考虑到风电功率波动序列为一个离散时间序列，不适于在s域中进行变换，因此可采用傅里叶变换将风电功率波动和系统传递函数转换到频域进行计算，此时系统响应变为：

Δf＝H(f)ΔP_w(f)

式中：f代表频域。得到频率变化量序列后经傅里叶逆变换到时域，即可得到系统的频率变化状况。

由于一年范围内的风电功率波动数据量较大，可将其按照一定的时间间隔分成若干段，此时风电功率波动序列ΔP_w(t)变为{ΔP_w1(t),ΔP_w2(t),…,ΔP_wN(t)}，取ΔP_w(t)为系统输入变量X(f)，此时X(f)＝{X₁(f),X₂(f),…,X_N(f)}，系统频率波动为输出变量Y(f)，同样Y(f)＝{Y₁(f),Y₂(f),…,Y_N(f)}。分段后引入频域功率谱密度计算方法：

S_Y(f)＝|H(f)|²S_X(f)

式中：|H(f)|²表示传递函数的功率谱密度，相应的S_X(f)与S_Y(f)分别表示频率风电功率波动序列和频率波动序列的功率谱密度，其中：

$S_X\left(f\right)=T_{\mathrm{seg}}E\left[X\left(f\right)X^{*}\left(f\right)\right]=T_{\mathrm{seg}}\frac{1}{N}\underset{p=1}{\overset{N}{\mathrm{\Σ}}}{X}_p\left(f\right)X_p^{*}\left(f\right)$

$S_Y\left(f\right)=T_{\mathrm{seg}}E\left[Y\left(f\right)Y^{*}\left(f\right)\right]=T_{\mathrm{seg}}\frac{1}{N}\underset{p=1}{\overset{N}{\mathrm{\Σ}}}{Y}_p\left(f\right)Y_p^{*}\left(f\right)$

式中X^*(f)为X(f)的共轭，E[]表示对中括号内的公式求取期望值，T_seq表示取样分割的时间区间长度。求得S_Y(f)后，需进一步导出每个时间间隔内的输出变量Y_p(f)：

$Y_p\left(f\right)=\sqrt{S_Y\left(f\right)/T_{\mathrm{seg}}}\·{\mathrm{\ρ}}_p\left(f\right)$

式中ρ_p(f)表示一个复数随机数，需满足：

$\left\{\begin{array}{c}E\left[{\mathrm{\ρ}}_p\left(f\right){{\mathrm{\ρ}}_p}^{*}\left(f\right)\right]=1\\ E\left[{\mathrm{\ρ}}_p\left(f\right){\mathrm{\ρ}}^{*}\left(f_M\right)\right]=0\end{array}\right.$

其中，ρ_p ^*(f)为ρ_p(f)的共轭，ρ_p ^*(f_M)为ρ_p(f_M)的共轭，f和f_M为复数随机数中的选择变量，其中f不等于f_M。求得Y_p(f)后即可经过傅里叶逆变换得到频率波动变化状况：

Δf_p(t)＝IFT(Y_p(f))

充裕性模块计算中计入系统静态安全约束、考虑发电机、线路和负荷的单一故障和共同模式故障，同时考虑发电机的动态经济调度和节点负荷的不确定性。电网充裕性指标采用年值表示，分为负荷点指标和系统指标两种，负荷点反映某种系统故障时供电点基本可靠性故障量、故障严重程度和充裕性平均水平。系统充裕性指标反映事故对整个发输电系统的影响。

接纳能力模块计算系统在满足系统安全稳定运行条件下能够接纳的最大间歇性电源容量占系统总容量的比例。建立间歇性能源接入容量极限优化计算模型，以间歇性能源接入容量为目标函数，以间歇性能源接入容量和同步发电机可调节容量为控制变量，以系统节点电压、线路传输功率、动态频率稳定、电压稳定、小干扰稳定，系统备用为约束条件，模型表示如下：

max(P_R)

ΣP_W+ΣP_g-ΣP_d＝0

Prob{g(u,P_R,P_g,P_d)≤P_1max}≥α

Prob{(P_gmax-P_g)≥P_sr}≥β

s.t.P_gmin≤P_g≤P_gmax

$F\left(\underset{g=1,\mathrm{numG}}{\mathrm{\Σ}}{G}_g\right)\≥\mathrm{FG}$

$\mathrm{Vol}\left(\underset{v=1,\mathrm{numG}}{\mathrm{\Σ}}{G}_v\right)\≥\mathrm{VolG}$

SSS＜0

式中，P_R为风电场装机容量向量，P_W表示风电场出力，P_g表示常规机组出力，P_d表示系统负荷，P_1max为线路功率上限向量，P_sr为系统的旋转备用要求，P_gmax,P_gmin分别是发电机组出力的上下限向量，P_w为风电功率向量，假设负荷服从正态分布，且相互独立。F表示发电机节点的频率稳定域函数，FG表示频率稳定限值，Vol表示各节点的电压稳定裕度函数，VolG表示电压稳定裕度限值，α,β是各个约束的置信水平，SSS是系统的小干扰稳定指标。

接纳能力模块中以间歇性能源接入容量最大作为目标函数，以可调发电机出力和系统控制装置参数作为控制变量。约束条件中：等式约束为系统潮流约束，不等式约束中考虑了间歇性电源的随机性因此将部分约束条件处理为概率形式，该部分变量落在指定区域内的概率大于设定的阈值即可，这部分变量为节点电压、线路传输容量和系统旋转备用容量。

3）将步骤2）中获得电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标分别作为一个元素集合，基于网络层次分析法获得各评价指标值的相对权重向量ω。如图4所示，针对电网规划方案的评价指标体系，不设网络层，将规划方案的整体评价作为控制层，建立各元素集之间的网络关系。具体获得各评价指标值的相对权重向量ω的方法为：

3.1）依次以C_i为准则，C_i表示第C个元素集合中第i个元素，将除C_i外的其余元素对该准则元素的直接影响程度进行两两比较，得出该准则下的权重向量，将每次得到的权重向量合成为权重矩阵W_q，其中，设定一个存在内部依赖的元素集为C＝{C₁,C₂,…,C_i}，以元素C₁为准则，对各元素分别进行两两优势度比较得出判断矩阵，取各元素对于C₁的直接影响程度为x₁,x₂,…,x_i，获得C₁准则下，元素集内所有元素对准则的影响程度的判断矩阵为：

式中，x₁表示元素C₁对自身的直接影响程度。对判断矩阵C_p进行一致性检验，采用方根法并经归一化，得到C₁准则下的权重向量。将各准则下的权重向量组合为权重矩阵W_q，由于此时没有考虑各元素对自身的影响程度，因此权重矩阵W_q是对角线残缺的。

3.2）根据步骤3.1）中获得的各准则下权重向量组成的权重矩阵W_q的对角线上添0获得直接影响矩阵W_d；

3.3）根据公式（l为整数，l≠0）获得平均综合影响矩阵W_c；

3.4）求取平均综合影响矩阵W_c的极限，获得内部依赖矩阵；内部依赖矩阵的求取根据W_c矩阵极限是否唯一存在分为两种情况：

①存在唯一极限值时，F为W_d的次幂；

②当存在多个极限值，即呈现周期性时，假设p点为循环周期的开始，此处的极限值为，整个周期内的极限值为c为循环周期，平均综合影响矩阵为：

$W_c=(W_d^p+W_d^{p+1}+\·\·\·+W_d^{p+c-1})/c,(c\≥2)$

3.5）构建元素集之间的直接影响矩阵D，矩阵元素代表各元素集间相互影响程度，矩阵元素取值采用0-9标度法；

3.6）将直接影响矩阵规范化，得到规范化直接影响矩阵B；

3.7）构建元素集加权矩阵T＝B(I-B)^-1，其中I为单位矩阵；

3.8）将加权矩阵T与系统超矩阵结合，得到系统加权超矩阵W，求取加权超矩阵的稳定极限得到系统各指标值的相对权重向量

4）根据步骤3）中确定的系统指标权重W＝[w₁,w₂,…,w_n]^T，其中，w_n表示第n个评价指标的相对权重向量，确定每个评价指标的加权评价值矩阵 $K=\left(\begin{array}{cccc}{w}_1{k}_{11}& w_2{k}_{12}& \·\·\·& w_n{k}_{1n}\\ w_1{k}_{21}& w_2{k}_{22}& \·\·\·& w_n{k}_{2n}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ w_1{k}_{m1}& w_2{k}_{m1}& \·\·\·& w_n{k}_{\mathrm{mn}}\end{array}\right),$ 矩阵K为m×n阶矩阵，其中，m为被检测电网的总数，n为评价指标元素总数，定义正理想方案和负理想方案 $K^{-}={\{\mathrm{0,0},\·\·\·,0\}}_n^T,$ 根据公式 ${\mathrm{Pj}}_{K^{+}}\left(k_r\right)=\underset{s=1}{\overset{n}{\mathrm{\Σ}}}{K}_s^{+}{k}_{\mathrm{rs}}/\sqrt{\underset{s=1}{\overset{n}{\mathrm{\Σ}}}{\left(K_s^{+}\right)}^2}(r=\mathrm{1,2}\·\·\·m;s=\mathrm{1,2},\·\·\·n)$ 获得方案的贴近度，(k_r)值越大，表明方案k_r越接近正理想点而远离负理想点，则方案越优。

在本方法中针对指标体系中各指标的相对权重和指标得分，可对各方案的具体情况进行细致分析，为电网规划方案的进一步完善提供指导性建议。

Claims (1)

1.一种高渗透吞吐型电网规划方案优选方法,其特征在于：包括以下步骤，

1)通过对多个电网进行检测从中获取每个电网系统的基础数据，所述基础数据主要包括潮流计算数据、发电机状态抽样数据、线路状态抽样数据，负荷状态抽样数据、间歇性能源出力时间序列和概率数据、负荷随机出力概率数据、发电机调速器系统参数、系统随机功率扰动和故障数据、系统故障类型及位置和切除时间的抽样数据、电网中风力发电和光伏发电系统的动态参数和控制系统参数；

2)建立获取电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标模型，将步骤1)中获得的基础数据带入评价指标模型中，获得电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标；

3)将步骤2)中获得电网的电能质量、电压稳定性、频率稳定性、充裕性、安全稳定性、动态稳定性、间歇性能源接入容量和经济性的评价指标分别作为一个元素集合，基于网络层次分析法获得各评价指标值的相对权重向量w，其中获得各评价指标值的相对权重向量w的方法为：

3.1)依次以C_i为准则，C_i表示第C个元素集合中第i个元素，将除C_i外的其余元素对该准则元素的直接影响程度进行两两比较，得出C_i准则下的权重向量，将每次得到的权重向量合成为权重矩阵W_q；

3.2)通过在步骤3.1)中获得的权重矩阵W_q的对角线上加0以获得内部依赖直接影响矩阵W_d；

3.3)根据公式式中l为内部依赖直接影响矩阵W_d的阶数，并且l≠0，t为l范围内的变量，获得平均综合影响矩阵W_c；

3.4)求取平均综合影响矩阵W_c的极限，获得元素集内部依赖矩阵；

3.5)构建元素集之间的直接影响矩阵D，直接影响矩阵D中的元素代表各元素集间相互影响程度，其中元素取值采用0-9标度法；

3.6)将元素集之间的直接影响矩阵D规范化，得到规范化直接影响矩阵B；

3.7)构建元素集加权矩阵T＝B(I-B)^-1，其中I为单位矩阵；

3.8)将元素集加权矩阵T与元素集内部依赖矩阵结合，得到系统加权超矩阵W，求取加权超矩阵的稳定极限得到系统各指标值的相对权重向量式中上标k表示加权超矩阵的幂次；

4)根据步骤3)中确定的评价指标值的相对权重向量w得到系统指标权重矩阵W'＝[w₁,w₂,…,w_n]^T，其中，上标T表示对矩阵进行转置操作，w_n表示第n个评价指标的相对权重向量，确定每个评价指标的加权评价值矩阵 $K=\left(\begin{array}{cccc}{w}_1{k}_{11}& w_2{k}_{12}& ...& w_n{k}_{1n}\\ w_1{k}_{21}& w_2{k}_{22}& ...& w_n{k}_{2n}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ w_1{k}_{m1}& w_2{k}_{m1}& ...& w_n{k}_{mn}\end{array}\right),$ 矩阵K为m×n阶矩阵，其中，m为待选规划方案的总数，n为评价指标总数，矩阵中元素k_mn表示第m个规划方案的第n个指标的指标值，定义正理想方案和负理想方案根据公式 ${\mathrm{Pj}}_{K^{+}}\left(k_r\right)=\underset{s=1}{\overset{n}{\Σ}}{K}_s^{+}{k}_{rs}/\sqrt{\underset{s=1}{\overset{n}{\Σ}}{\left(K_s^{+}\right)}^2}(r=1,2,...m;s=1,2,...n)$ 获得方案的贴近度 值越大，则该电网的规划方法为优选方法，其中，r为m范围内的变量，s为n范围内的变量。