CN104200276A - 一种基于特征负荷注入的智能配电网重构方法 - Google Patents

Abstract

本发明公开了一种基于特征负荷注入的智能配电网重构方法，本发明在不获取配电网负荷具体数据情况下实现对配电网的重构，并且在负荷组成不变情况下，注入负荷节点的特征负荷曲线就不会变化，因此采用本方法更加灵活，实用性强。本发明在进行配电网重构过程中，以网络损耗为指标，综合选出网损最小的运行方式。这样可以有效地降低损耗，提高智能配电网运行的经济性。同时，此方法还能够提高配电设备利用效率，减少设备动作次数，延长设备寿命，切实地提高配电网的经济效益。

Description

一种基于特征负荷注入的智能配电网重构方法

技术领域

本发明涉及一种基于特征负荷注入的智能配电网重构方法，属于智能电网领域。

背景技术

智能配电网重构是针对配电网的负荷找出一个最优的供电网络结构，在这种网络结构下，配电网的损耗、运行电压和负荷平衡性都优于其它方案，在现有网络供电方式情况下，通过改变分段开关、联络开关的组合状态来保证配电网在一段时间内运行在安全、优质、经济的状态。

配电网进行网络重构必须通过潮流计算获得需要优化的指标，因此必须能够获取网络中每个节点的负荷信息。但由于配电网的规模庞大，如果要采集各负荷点的数据需要建设大量的采集终端和通讯网络，投资巨大，在实际配电网中，很多节点的负荷信息无法获取。

实际中，大部分负荷都具有很强的规律性，通过获取历史负荷信息，抽取同一类性质负荷的特征负荷曲线，再配合从馈线处采集得到的总功率即可生成节点的实际负荷曲线，这样也就不需要知道负荷节点的实时负荷信息。这种结合部分实际负荷和特征负荷的变化规律生成负荷分布，进行智能配电网重构的方法省时省力，这将使配电网网络重构方法得到实用化和推广应用。因此，基于特征负荷注入的智能配电网重构具有很强的可行性，将来的应用前景相当广泛。

发明内容

发明目的：本发明提出一种基于特征负荷注入的智能配电网重构方法，在不获取配电网负荷具体数据情况下，更加经济和灵活地实现对配电网的重构。

技术方案：本发明采用的技术方案为一种基于特征负荷注入的智能配电网重构方法，其特征在于，包括以下步骤：

1)读取配电网中各类负荷的历史负荷值、各馈线总负荷预测值、各节点负荷容量；

2)分别计算居民、商业、工业各类负荷的特征负荷曲线；

3)计算配电网中每个负荷节点容量与其相应负荷类型的特征负荷曲线的乘积，形成各负荷节点的功率分配系数ω_ik：

ω_ik＝S_ip_jk

其中ω_ik是第i个负荷节点在第k时刻的分配系数；S_i是第i个负荷节点的配变容量；p_jk是第j类负荷第k时刻特征负荷曲线值，j＝1表示居民，j＝2表示商业，j＝3表示工业；

4)计算各负荷节点功率预测值；

5)基于粒子群算法进行网络重构，得到满足负荷约束条件的最优方案。

优选地，所述步骤2)中，根据以下公式得到各类负荷的特征负荷曲线：

1)基于各类负荷各时刻的样本数据平均值计算其总的平均值

2)根据公式分别计算居民负荷、商业负荷、工业负荷一天24个时刻的样本数据平均值和与其总的平均值之比，并进行曲线拟合得到各类负荷的特征负荷曲线。

优选地，所述步骤4)中，根据以下公式计算各负荷节点的功率预测值：

$p_{\mathrm{ik}}=\frac{{\mathrm{\ω}}_{\mathrm{ik}}}{\underset{m=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{mk}}}\×p_{\mathrm{lk}}$

其中p_lk是馈线l第k时刻的总负荷预测值；表示第k时刻馈线l供电的配变分配系数总和；n是由馈线l供电的配变总数。

有益效果：本发明提出一种新型的重构方法，在不获取配电网负荷的具体数值情况下，通过注入各个负荷的特征负荷曲线，完成配电网的重构。这一方法的效果如下：

1、本发明在不获取配电网负荷具体数据情况下实现对配电网的重构，并且在负荷组成不变情况下，注入负荷节点的特征负荷曲线就不变，因此采用本方法更加灵活，实用性强；

2、本发明在进行配电网重构过程中，以网络损耗为指标，综合选出网损最小的运行方式。这样可以有效地降低损耗，提高智能配电网运行的经济性。同时，此方法还能能够提高配电设备利用效率，减少设备动作次数，延长设备寿命，切实地提高配电网的经济效益。

附图说明

图1为本发明基于特征负荷注入的智能配电网重构方法的流程图。

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，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。

本实施例以一个实际的10kV配电网为例，该配电网有两条母线、五条线路和多种负荷，包括居民、商业和工业等各种类型，有300个负荷节点，居民、商业和工业负荷各100个。

如图1所示，首先对各类负荷注入相应的具有代表性的历史负荷值p_k，下标k为时刻。同时将每种负荷24个时刻负荷值相加。例如以上述配电网中商业负荷为例，其一天24个时刻点的负荷值相加有10.69，负荷平均值为10.69/24＝0.4454。其中0点至8点均为0.2，9点负荷为0.72，一天中最大负荷出现在14点为0.8。

接着通过公式计算k时刻的特征负荷值计算在0点到8点的每个时刻点， $p_{\mathrm{tz}}=\frac{0.2}{0.4454}=0.449,$ 9点时为 $p_{\mathrm{tz}9}=\frac{0.72}{0.4454}=1.617,$ 14点为对其他时刻均做如上处理，并将它们进行曲线拟合，即可得到商业负荷的特征负荷曲线。可以看出，这一条特征负荷曲线P_tz与原先所注入的负荷曲线形状相同，仅仅是在数值上进行了处理。对其他几类负荷节点也进行相同的操作，同样可以得到它们的特征负荷曲线。

第三步计算各个负荷节点的分配系数ω_ix：

ω_ik＝S_ip_jk

其中ω_ik是第i个负荷节点在第k时刻的分配系数；S_i是第i个负荷节点的配变容量，从外部读取；p_jk是第j类负荷第k时刻特征负荷曲线值，j＝1表示居民，j＝2表示商业，j＝3表示工业。以节点1在9时为例，其为商业负荷，配变容量为40，则其分配系数ω₁₉＝40×1.617＝64.68。对其他的节点都做相应的处理，即可得到300个节点在9时的分配系数。

第四步从配电馈线处采集系统总功率曲线P_Σ，该曲线包含了24个时刻点的总功率。例如在8点p_Σ8＝2，9点时p_Σ9＝2.6，14点时p_Σ14＝3.5。

将采集的系统总功率P_Σ分配到各个负荷，得到每个负荷节点的预测负荷曲线。以节点1在9时为例，根据公式可以计算出此时分配到节点1的功率，式中n为所有负荷节点的数量。

其中p_lk是馈线l第k时刻的总负荷预测值；表示第k时刻馈线l供电的配变分配系数总和；n是由馈线l供电的配变总数。设此时配电网中所有节点负荷的分配系数和为10000。

此时分配到节点1的功率为同样可以算出其余299个节点在此时的分配功率。

然后对这300个负荷节点于另外23个时刻点也同样操作，即可得到300个负荷节点的分配功率。对每个所得到的离散的负荷进行曲线拟合，即可得到实际的日负荷曲线。

最后基于粒子群算法对配电网进行网络重构，选出最优的重构方案。系统输出最优运行方式到调度模块，调度模块根据接收到的信息，输出指令到配电网元件中，这样就完成了网络的重构。

Claims (3)

1.一种基于特征负荷注入的智能配电网重构方法，其特征在于，包括以下步骤：

1)读取配电网中各类负荷的历史负荷值、各馈线总负荷预测值、各节点负荷容量；

2)分别计算居民、商业、工业各类负荷的特征负荷曲线；

3)计算配电网中每个负荷节点容量与其相应负荷类型的特征负荷曲线的乘积，形成各负荷节点的功率分配系数ω_ik：

ω_ik＝S_ip_jk

其中ω_ik是第i个负荷节点在第k时刻的分配系数；S_i是第i个负荷节点的配变容量；p_jk是第j类负荷第k时刻特征负荷曲线值，j＝1表示居民，j＝2表示商业，j＝3表示工业；

4)计算各负荷节点功率预测值；

5)基于粒子群算法进行网络重构，得到满足负荷约束条件的最优方案。

2.由权利要求1所述的基于特征负荷注入的智能配电网重构方法，其特征在于，所述步骤2)中，根据以下公式得到各类负荷的特征负荷曲线：

1)基于各类负荷各时刻的样本数据平均值计算各类负荷总的平均值

2)根据公式分别计算居民负荷、商业负荷、工业负荷一天24个时刻的样本数据平均值和与其总的平均值之比，并进行曲线拟合得到各类负荷的特征负荷曲线。

3.由权利要求1所述的基于特征负荷注入的智能配电网重构方法，其特征在于，所述步骤4)中，根据以下公式计算各负荷节点的功率预测值：

$p_{\mathrm{ik}}=\frac{{\mathrm{\ω}}_{\mathrm{ik}}}{\underset{m=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{mk}}}\×p_{\mathrm{lk}}$

其中p_lk是馈线l第k时刻的总负荷预测值；表示第k时刻馈线l供电的配变分配系数总和；n是由馈线l供电的配变总数。