CN106875035A - 一种主动配电网可靠性评估优化方法 - Google Patents
一种主动配电网可靠性评估优化方法 Download PDFInfo
- Publication number
- CN106875035A CN106875035A CN201611257706.1A CN201611257706A CN106875035A CN 106875035 A CN106875035 A CN 106875035A CN 201611257706 A CN201611257706 A CN 201611257706A CN 106875035 A CN106875035 A CN 106875035A
- Authority
- CN
- China
- Prior art keywords
- load
- distribution network
- index
- reliability
- importance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 title abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 238000013278 delphi method Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000010885 neutral beam injection Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 abstract 1
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
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
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种主动配电网可靠性评估优化方法,包括以下步骤:获得一个区域的常规机组、光伏电池、风机及蓄电池的出力和负荷大小;判断该区域的主动配电网的出力是否大于负荷;利用三角模糊数的TOPSIS法划分负荷重要程度等级;根据负荷重要程度等级,优先切掉重要程度低的负荷直至供需平衡;计算主动配电网可靠性缺电成本;根据被切负荷重要程度计算主动配电网的可靠性指标;根据得到的可靠性缺电成本和可靠性指标对主动配电网的可靠性进行评估和优化。本发明能够在主动配电网供电不足时合理、科学地切掉相应的负荷,充分利用有限的电力资源,保证重要负荷供电和为尽可能多的负荷供电,最大化降低停电损失,提高主动配电网的可靠性。
Description
技术领域
本发明属于主动配电网可靠性评估的技术领域,具体地说涉及一种主动配电网可靠性评估优化方法。
背景技术
由于分布式可再生能源(如风电,光伏发电)在不同时间段的出力具有不确定性,且其出力特性受自然环境影响,与负荷需求没有关联。大量分布式可再生能源以及储能接入配电网,对配电网的安全可靠性运行带来重大影响。因此研究含有分布式可再生能源和储能装置的配电网的可靠性是十分必要的。
在主动配电网出现故障时,现有技术仅计算负荷的停电时间和停电次数,未对负荷进行优化,也未对负荷重要程度等级进行评估,无法准确计算主动配电网的可靠性和最大化降低缺电补偿成本。
发明内容
本发明的目的是提供一种主动配电网可靠性评估优化方法,以实现能够在配电网中因故障或者负荷升高导致供电不足时合理、科学地切掉相应的负荷,充分利用有限的电力资源,保证重要负荷供电和为尽可能多的负荷供电,最大化降低停电损失,提高主动配电网的可靠性。为此本发明采用的具体技术方案如下:
一种主动配电网可靠性评估优化方法,包括以下步骤:
S1.获得一个区域的主动配电网中的常规机组、光伏电池、风机及蓄电池的出力和负荷大小;
S2.当一个区域的主动配电网发生故障或者因负荷升高导致该区域独立供电时,将该区域定义为孤岛,判断故障或负荷升高是否使该区域变为孤岛,若是转至步骤S3,否则转至步骤S4;
S3.判断所述孤岛的出力是否大于负荷,若是则结束,否则转至步骤S5;
S4.判断该区域的主动配电网的出力是否大于负荷,若是则结束,否则转至步骤S5;
S5.利用三角模糊数的TOPSIS法划分负荷重要程度等级,具体步骤为:
S51.建立孤岛内不同时间段负荷三角模糊评价指标矩阵,专家bi对不同时间段第j个负荷的三角模糊评价为sij=(lij,mij,uij),i=1,2,,m,j=1,2,,NL,lij为最低评价值,uij为最高评价值,mij为最大可能评价值,则专家bi对所有负荷的模糊评价指标可以表示为:所有专家对所有负荷的评价指标表示为:
S52.利用效益型隶属度函数确定三角模糊数清晰度值;
S53.确定所有专家的权重评价指标矩阵,由于各个专家的知识背景有所差异,所以利用三角模糊数给各个专家赋予相应的权重,第i个专家的权重为 为对第i个专家的最小权重评价值,为对第i个专家的最大可能权重评价值,为对第i个专家的最大权重评价值,则所有专家的三角模糊权重评价值矩阵表示为:
为了更准确的表示各个专家的权重,利用德尔菲法获得各个专家的权重评价值,认为第i个专家对该领域“非常了解”、“比较了解”、“一般”、“不太了解”和“不了解”的人数分别为N1、N2、N3、N4和N5,则该专家对该领域的了解程度指标为:
indexi=(100×N1+75×N2+50×N3+25×N4)/Nall,
其中,Nall是所有反馈意见的人数。则通过德尔菲法获得所有专家的对该领域的了解程度的权重指标表示为:
最终获得各个专家的权重为P=WZ;
S54.计算加权负荷评价矩阵Y,三角模糊数的运算规则如下:
设a=[aL aM aU],b=[bL bM bU],则a×b=[aL aM aU]×[bL bM bU]=[aLbL aMbMaUbU]
故加权负荷评价矩阵为
S55.根据公式规范化负荷评价矩阵,则规范化的负荷评价矩阵表示为
S56.计算理想解和负理想解其中
S57.根据公式和公式计算各个方案到理想解与负理想解的欧氏距离,其中,为方案ti到理想解的欧式距离,为方案ti到负理想解的欧式距离;
S58.根据公式计算各个方案负荷重要程度综合评价指标值;
S59.根据负荷重要程度综合评价指标值的大小,对负荷重要程度进行排序,确定负荷重要程度的等级;
S6.根据步骤S5得到的负荷重要程度等级,在保证重要负荷供电和为尽可能多的负荷供电的原则下,优先切掉重要程度低的负荷,若供需仍不平衡,再切掉重要程度较低的负荷,以此类推,直至供需平衡;
S7.统计第k种类型负荷被切掉的单位缺电负荷量Pkj、停电时间Tkj和停电次数fki,计算主动配电网可靠性缺电成本其中,FC为主动配电网缺电可靠性缺电补偿成本,Nk为被切负荷重要程度的种类数目,Ns为同种重要程度的被切负荷的数目,Ckj表示重要程度为k的第j个被切负荷的单位补偿成本系数,Pkj表示重要程度为k的第j个单位被切负荷量,fki表示重要程度为k的第j个被切负荷的频率,Tkj表示重要程度为k第j个被切负荷的单位停电时间;
S8.根据被切负荷重要程度计算主动配电网的可靠性指标,所述可靠性指标包括用户平均停电频率、用户平均停电持续时间,系统平均停电频率、系统平均停电时间和平均供电率;
S9.根据步骤S7得到的可靠性缺电成本和步骤S8的得到的可靠性指标对主动配电网的可靠性进行评估和优化。
进一步地,所述步骤S1包括:根据不同时间段的实际风速大小计算风力发电机的输出功率PW;根据不同时间段的环境温度和光照强度计算太阳能光伏电池的输出功率PPV;以及计算不同时间段内蓄电池的出力PB和常规机组出力P。
进一步地,所述步骤S3和S4的具体判断公式分别是 其中,Pt,i为t时段第i个常规机组的出力,Pt,Bi为t时段第i个蓄电池的出力,Pt,Vi为t时段第i个太阳能光伏电池的出力,Pt,Wi为t时段第i个风机的出力,Pt,Li为t时段第i个负荷,N为常规机组的数目,NB为蓄电池的个数,NPV为太阳能光伏电池的个数,NW为风机的个数,NL为负荷的个数。
进一步地,所述步骤S8包括:
S81.计算重要程度为k的用户平均停电频率指标以及所有用户的平均停电频率指标CAIFI表示为其中,λki表示重要程度为k的负荷点i的年平均故障率,Nki表示重要程度为k的负荷点i的用户数,Nr表示重要程度为k的系统所有负荷点数目,Ng表示重要程度为k的受故障影响的停电用户总数,Nk表示系统内不同重要程度种类的集合;
S82.计算重要程度为k的用户平均停电时间指标以及所有用户的平均停电时间指标CAIDI表示为其中,Uki表示重要程度为k的负荷点i的每次平均停电时间;
S83.计算重要程度为k的系统平均停电频率指标以及系统用户的平均停电频率指标SAIFI表示为
S84.计算重要程度为k的用户平均停电时间指标以及系统内所有用户的平均停电时间指标
S85.计算平均供电可用率指标
本发明采用上述技术方案,具有的有益效果是:本发明所提出的主动配电网可靠性评估优化方法,能够在主动配电网出现故障时,对切掉负荷进行合理、科学的优化,充分利用有限的电力资源为更重要的,更多的负荷供电,最小化主动配电网可靠性缺电补偿成本。且根据所切掉负荷的重要程度能够更加准确的计算用户平均停电频率、用户平均停电持续时间,系统平均停电频率、系统平均停电时间和平均供电率,由此为决策者的决策提供更可靠的数据支持。
附图说明
图1示出了根据本发明实施例的主动配电网可靠性评估优化方法的流程图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。参照图1,本发明的具体实施步骤是:
S1、获得一个区域的主动配电网的常规机组、光伏电池、风机及蓄电池的出力和负荷大小,具体包括:
S11、根据不同时间段的实际风速大小计算风力发电机的输出功率PW,风力发电机的输出功率与实际风速的数学表达式如下:
式中:PW为风机的实际输出功率,Pr为风机的额定功率;V、Vci、Vco与Vr分别为风机的实际风速、切入风速、切出风速与额定风速。
S12、根据不同时间段的环境温度和光照强度计算太阳能光伏电池的输出功率PPV,光伏电池的运行特性与环境温度和光照强度直接相关,其输出功率函数表达式如下:
Tc=Tand+0.0138(1+0.0138Tand)(1-0.042V)GAC (5)
式中:Ppv为光伏电池输出功率,PSTC为STC(标准测试条件:太阳光入射强度1000W/m2,环境温度为25℃)下的最大测试功率,GAC为当前实际光照强度,GSTC为STC下的光照强度,k为功率温度系数,Tc为光伏电池板工作温度,Tr为参考温度,Tand为环境温度。
S13、计算不同时间段内蓄电池的出力PB和常规机组出力P,蓄电池在某一时刻的荷电状态表达式如下:
PB(t)=U×Ie(t) (6)
式中:Ie(t)为t时刻蓄电池实际充放电电流,U为蓄电池端电压。
S2、当一个区域的主动配电网发生故障或者因负荷升高导致该区域独立供电时,将该区域定义为孤岛,判断故障或负荷升高是否使该区域变为孤岛,若是转至步骤S3,否则转至步骤S4。
S3.判断所述孤岛的出力是否大于负荷,若是则结束,否则转至步骤S5。根据公式(7)来判断孤岛的出力是否大于负荷,即判断孤岛内功率充裕度是否足够。
式中,Pt,Bi为t时段第i个蓄电池的出力,Pt,Vi为t时段第i个太阳能光伏电池的出力,Pt,Wi为t时段第i个风机的出力,Pt,Li为t时段第i个负荷,NB为蓄电池的个数,NPV为太阳能光伏电池的个数,NW为风机的个数,NL为负荷的个数。
S4.根据公式(8)判断该区域的主动配电网的出力是否大于负荷(即判断主动配电网功率充裕度是否足够),若是则结束,否则转至步骤S5。
式中,Pt,i为t时段第i个常规机组的出力,N为常规机组的数目。
S5、利用三角模糊数的TOPSIS法划分负荷重要程度等级,具体步骤如下:
S51、建立孤岛内不同时间段负荷三角模糊评价指标矩阵,
专家bi对不同时间段第j个负荷的三角模糊评价为sij=(lij,mij,uij),i=1,2,,m,j=1,2,,NL,lij为最低评价值,uij为最高评价值,mij为最大可能评价值,则专家bi对所有负荷的模糊评价指标可以表示为:
所有专家对所有负荷的评价指标表示为:
S52、利用效益型隶属度函数公式(9)确定三角模糊数清晰度值。
S53、确定所有专家的权重评价指标矩阵,
由于各个专家的知识背景有所差异,所以利用三角模糊数给各个专家赋予相应的权重,第i个专家的权重为 为对第i个专家的最小权重评价值,为对第i个专家的最大可能权重评价值,为对第i个专家的最大权重评价值,则所有专家的三角模糊权重评价值矩阵表示为:
为了更准确的表示各个专家的权重,利用德尔菲法获得各个专家的权重评价值,认为第i个专家对该领域“非常了解”、“比较了解”、“一般”、“不太了解”和“不了解”的人数分别为N1、N2、N3、N4和N5,则该专家对该领域的了解程度指标为:
indexi=(100×N1+75×N2+50×N3+25×N4)/Nall,
式中:Nall是所有反馈意见的人数。则通过德尔菲法获得所有专家的对该领域的了解程度的权重指标表示为:
最终获得各个专家的权重为P=WZ。
S54、计算加权负荷评价矩阵Y,
三角模糊数的运算规则如下:
设a=[aL aM aU],b=[bL bM bU],则a×b=[aL aM aU]×[bL bM bU]=[aLbL aMbMaUbU],
故加权负荷评价矩阵为
S55、根据公式(10)规范化负荷评价矩阵,规范化的负荷评价矩阵表示为
S56、计算理想解和负理想解其中,
S57、根据公式(11)和公式(12)计算各个方案到理想解与负理想解的欧氏距离,
式中:为方案ti到理想解的欧式距离,为方案ti到负理想解的欧式距离。
S58、根据公式(13)计算各个方案负荷重要程度综合评价指标值.
S59、根据负荷重要程度综合评价指标值的大小,对负荷重要程度进行排序,确定负荷重要程度的等级。
S6、根据步骤S6中负荷的重要程度等级,在保证重要负荷供电和为尽可能多的负荷供电的原则下,优先切掉重要程度低的负荷,若供需扔不平衡,再切掉重要程度较低的负荷,以此类推,直至供需平衡。
S7、统计第k种类型负荷被切掉的单位缺电负荷量Pkj、停电时间Tkj和停电次数fki,根据公式(14),计算主动配电网可靠性缺电成本:
其中,FC为主动配电网缺电可靠性缺电补偿成本,Nk为被切负荷重要程度的种类数目,Ns为同种重要程度的被切负荷的数目,Ckj表示重要程度为k的第j个被切负荷的单位补偿成本系数,Pkj表示重要程度为k的第j个单位被切负荷量,fki表示重要程度为k的第j个被切负荷的频率,Tkj表示重要程度为k第j个被切负荷的单位停电时间。
S8、根据被切负荷重要程度计算主动配电网的可靠性指标,具体包括:
S81、计算重要程度为k的用户平均停电频率指标CAIFIk,该指标表示重要程度为k的每个受故障影响的停电用户所遭受的平均停电次数:
其中,λki表示重要程度为k的负荷点i的年平均故障率,Nki表示重要程度为k的负荷点i的用户数,Nr表示重要程度为k的系统所有负荷点数目,Ng表示重要程度为k的受故障影响的停电用户总数。
所有用户的平均停电频率指标CAIFI表示为:
Nk表示系统内不同重要程度种类的集合。
S82、计算重要程度为k的用户平均停电时间指标CAIDIk,该指标表示重要程度为k的每个受故障影响的停电用户所遭受的平均停电时间:
其中,Uki表示重要程度为k的负荷点i的每次平均停电时间。
所有用户的平均停电时间指标CAIDI表示为:
S83、计算重要程度为k的系统平均停电频率指标SAIFIk,该指标表示系统中重要程度为k的每个用户所遭受的平均停电次数:
系统用户的平均停电频率指标SAIFI表示为:
S84、计算重要程度为k的用户平均停电时间指标SAIDIk,该指标表示系统中重要程度为k的每个用户所遭受的平均停电时间:
系统内所有用户的平均停电时间指标SAIDI表示为:
S85、计算平均供电可用率指标:
S9、根据步骤S7得到的可靠性缺电成本和步骤S8的得到的可靠性指标对主动配电网的可靠性进行评估和优化。上述指标越小,说明主动配电网的可靠性越高。当主动配电网可靠性比较低,缺电补偿成本较大时,可通过适当增加可再生能源(如光伏电池、风机)或蓄电池的数量来优化,进而提高主动配电网的可靠性。
本发明的方法可以通过计算机程序来实现,并集成到现有主动配电网的调度控制系统中,从而提高主动配电网的可靠性,并使缺电补偿成本最低。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (4)
1.一种主动配电网可靠性评估优化方法,其特征在在于,包括以下步骤:
S1.获得一个区域的主动配电网的常规机组、光伏电池、风机及蓄电池的出力和负荷大小;
S2.当一个区域的主动配电网发生故障或者因负荷升高导致该区域独立供电时,将该区域定义为孤岛,判断故障或负荷升高是否使该区域变为孤岛,若是转至步骤S3,否则转至步骤S4;
S3.判断所述孤岛的出力是否大于负荷,若是则结束,否则转至步骤S5;
S4.判断该区域的主动配电网的出力是否大于负荷,若是则结束,否则转至步骤S5;
S5.利用三角模糊数的TOPSIS法划分负荷重要程度等级,具体步骤为:
S51.建立孤岛内不同时间段负荷三角模糊评价指标矩阵,专家bi对不同时间段第j个负荷的三角模糊评价为sij=(lij,mij,uij),i=1,2,,m,j=1,2,,NL,lij为最低评价值,uij为最高评价值,mij为最大可能评价值,则专家bi对所有负荷的模糊评价指标可以表示为:
所有专家对所有负荷的评价指标表示为:
S52.利用效益型隶属度函数确定三角模糊数清晰度值;
S53.确定所有专家的权重评价指标矩阵,由于各个专家的知识背景有所差异,所以利用三角模糊数给各个专家赋予相应的权重,第i个专家的权重为 为对第i个专家的最小权重评价值,为对第i个专家的最大可能权重评价值,为对第i个专家的最大权重评价值,则所有专家的三角模糊权重评价值矩阵表示为:
为了更准确的表示各个专家的权重,利用德尔菲法获得各个专家的权重评价值,认为第i个专家对该领域“非常了解”、“比较了解”、“一般”、“不太了解”和“不了解”的人数分别为N1、N2、N3、N4和N5,则该专家对该领域的了解程度指标为:
indexi=(100×N1+75×N2+50×N3+25×N4)/Nall,
其中,Nall是所有反馈意见的人数。则通过德尔菲法获得所有专家的对该领域的了解程度的权重指标表示为:
最终获得各个专家的权重为P=WZ;
S54.计算加权负荷评价矩阵Y,三角模糊数的运算规则如下:
设a=[aL aM aU],b=[bL bM bU],则a×b=[aL aM aU]×[bL bM bU]=[aLbL aMbM aUbU]故加权负荷评价矩阵为
S55.根据公式规范化负荷评价矩阵,则规范化的负荷评价矩阵表示为
S56.计算理想解和负理想解其中
S57.根据公式和公式计算各个方案到理想解与负理想解的欧氏距离,其中,为方案ti到理想解的欧式距离,为方案ti到负理想解的欧式距离;
S58.根据公式计算各个方案负荷重要程度综合评价指标值;
S59.根据负荷重要程度综合评价指标值的大小,对负荷重要程度进行排序,确定负荷重要程度的等级;
S6.根据步骤S5得到的负荷重要程度等级,在保证重要负荷供电和为尽可能多的负荷供电的原则下,优先切掉重要程度低的负荷,若供需仍不平衡,再切掉重要程度较低的负荷,以此类推,直至供需平衡;
S7.统计第k种类型负荷被切掉的单位缺电负荷量Pkj、停电时间Tkj和停电次数fki,计算主动配电网可靠性缺电成本其中,FC为主动配电网缺电可靠性缺电补偿成本,Nk为被切负荷重要程度的种类数目,Ns为同种重要程度的被切负荷的数目,Ckj表示重要程度为k的第j个被切负荷的单位补偿成本系数,Pkj表示重要程度为k的第j个单位被切负荷量,fki表示重要程度为k的第j个被切负荷的频率,Tkj表示重要程度为k第j个被切负荷的单位停电时间;
S8.根据被切负荷重要程度计算主动配电网的可靠性指标,所述可靠性指标包括用户平均停电频率、用户平均停电持续时间,系统平均停电频率、系统平均停电时间和平均供电率;
S9.根据步骤S7得到的可靠性缺电成本和步骤S8的得到的可靠性指标对主动配电网的可靠性进行评估和优化。
2.如权利要求1所述的主动配电网可靠性评估优化方法,其特征在于,所述步骤S1包括:
根据不同时间段的实际风速大小计算风力发电机的输出功率PW;根据不同时间段的环境温度和光照强度计算太阳能光伏电池的输出功率PPV;以及计算不同时间段内蓄电池的出力PB和常规机组出力P。
3.如权利要求1所述的主动配电网可靠性评估优化方法,其特征在于,所述步骤S3和S4的具体判断公式分别是其中,Pt,i为t时段第i个常规机组的出力,Pt,Bi为t时段第i个蓄电池的出力,Pt,Vi为t时段第i个太阳能光伏电池的出力,Pt,Wi为t时段第i个风机的出力,Pt,Li为t时段第i个负荷,N为常规机组的数目,NB为蓄电池的个数,NPV为太阳能光伏电池的个数,NW为风机的个数,NL为负荷的个数。
4.如权利要求1所述的主动配电网可靠性评估优化方法,其特征在于,所述步骤S8包括:
S81.计算重要程度为k的用户平均停电频率指标以及所有用户的平均停电频率指标CAIFI表示为其中,λki表示重要程度为k的负荷点i的年平均故障率,Nki表示重要程度为k的负荷点i的用户数,Nr表示重要程度为k的系统所有负荷点数目,Ng表示重要程度为k的受故障影响的停电用户总数,Nk表示系统内不同重要程度种类的集合;
S82.计算重要程度为k的用户平均停电时间指标以及所有用户的平均停电时间指标CAIDI表示为其中,Uki表示重要程度为k的负荷点i的每次平均停电时间;
S83.计算重要程度为k的系统平均停电频率指标以及系统用户的平均停电频率指标SAIFI表示为
S84.计算重要程度为k的用户平均停电时间指标以及系统内所有用户的平均停电时间指标
S85.计算平均供电可用率指标
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611257706.1A CN106875035B (zh) | 2016-12-30 | 2016-12-30 | 一种主动配电网可靠性评估优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611257706.1A CN106875035B (zh) | 2016-12-30 | 2016-12-30 | 一种主动配电网可靠性评估优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106875035A true CN106875035A (zh) | 2017-06-20 |
CN106875035B CN106875035B (zh) | 2019-05-24 |
Family
ID=59165322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611257706.1A Active CN106875035B (zh) | 2016-12-30 | 2016-12-30 | 一种主动配电网可靠性评估优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875035B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108306285A (zh) * | 2018-01-08 | 2018-07-20 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
CN108921376A (zh) * | 2018-05-24 | 2018-11-30 | 华南理工大学 | 一种智能配电网用电可靠性提升对象的优选方法及系统 |
CN109005152A (zh) * | 2018-06-25 | 2018-12-14 | 全球能源互联网研究院有限公司 | 一种源网荷系统攻击危害的评估方法及系统 |
CN109103874A (zh) * | 2017-11-27 | 2018-12-28 | 广东电网有限责任公司佛山供电局 | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 |
CN110829442A (zh) * | 2018-08-09 | 2020-02-21 | 国网江苏省电力有限公司 | 考虑电网中可中断负荷参与的可靠性投资优化方法及装置 |
CN112541252A (zh) * | 2020-11-23 | 2021-03-23 | 浙江泰仑电力集团有限责任公司 | 一种基于可靠性评估的接线方式优化方法及系统 |
CN118115004A (zh) * | 2024-03-05 | 2024-05-31 | 广东电网有限责任公司广州供电局 | 一种基于电力大数据进行用电水平评估的方法 |
CN118229457A (zh) * | 2024-04-07 | 2024-06-21 | 国网冀北电力有限公司经济技术研究院 | 针对不同用户的配电网可靠性分析方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102545210A (zh) * | 2011-12-29 | 2012-07-04 | 广东电网公司深圳供电局 | 一种配电网供电可靠性指标优化调控方法及其系统 |
CN103839189A (zh) * | 2013-12-16 | 2014-06-04 | 广东电网公司中山供电局 | 基于可靠性效益评估的配电自动化方案优化方法和系统 |
CN104715294A (zh) * | 2015-04-02 | 2015-06-17 | 国家电网公司 | 一种配电网规划方案评价数据处理系统 |
CN104851053A (zh) * | 2015-05-14 | 2015-08-19 | 上海电力学院 | 一种含风光储的配电网供电可靠性评估方法 |
CN104933505A (zh) * | 2015-04-22 | 2015-09-23 | 国家电网公司 | 一种基于模糊评估的智能配电网群决策评价方法 |
CN105184672A (zh) * | 2015-08-31 | 2015-12-23 | 同济大学 | 一种针对三公调度发电计划的评估方法 |
CN106058857A (zh) * | 2016-06-30 | 2016-10-26 | 上海电力学院 | 计及负荷转移与切负荷的主动配电网可靠性评估方法 |
-
2016
- 2016-12-30 CN CN201611257706.1A patent/CN106875035B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102545210A (zh) * | 2011-12-29 | 2012-07-04 | 广东电网公司深圳供电局 | 一种配电网供电可靠性指标优化调控方法及其系统 |
CN103839189A (zh) * | 2013-12-16 | 2014-06-04 | 广东电网公司中山供电局 | 基于可靠性效益评估的配电自动化方案优化方法和系统 |
CN104715294A (zh) * | 2015-04-02 | 2015-06-17 | 国家电网公司 | 一种配电网规划方案评价数据处理系统 |
CN104933505A (zh) * | 2015-04-22 | 2015-09-23 | 国家电网公司 | 一种基于模糊评估的智能配电网群决策评价方法 |
CN104851053A (zh) * | 2015-05-14 | 2015-08-19 | 上海电力学院 | 一种含风光储的配电网供电可靠性评估方法 |
CN105184672A (zh) * | 2015-08-31 | 2015-12-23 | 同济大学 | 一种针对三公调度发电计划的评估方法 |
CN106058857A (zh) * | 2016-06-30 | 2016-10-26 | 上海电力学院 | 计及负荷转移与切负荷的主动配电网可靠性评估方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109103874A (zh) * | 2017-11-27 | 2018-12-28 | 广东电网有限责任公司佛山供电局 | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 |
CN109103874B (zh) * | 2017-11-27 | 2021-07-13 | 广东电网有限责任公司佛山供电局 | 考虑负荷特性与分布式电源接入的配电网可靠性评估方法 |
CN108306285A (zh) * | 2018-01-08 | 2018-07-20 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
CN108306285B (zh) * | 2018-01-08 | 2020-02-07 | 厦门大学 | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 |
CN108921376A (zh) * | 2018-05-24 | 2018-11-30 | 华南理工大学 | 一种智能配电网用电可靠性提升对象的优选方法及系统 |
CN109005152A (zh) * | 2018-06-25 | 2018-12-14 | 全球能源互联网研究院有限公司 | 一种源网荷系统攻击危害的评估方法及系统 |
CN110829442A (zh) * | 2018-08-09 | 2020-02-21 | 国网江苏省电力有限公司 | 考虑电网中可中断负荷参与的可靠性投资优化方法及装置 |
CN110829442B (zh) * | 2018-08-09 | 2021-03-16 | 国网江苏省电力有限公司 | 考虑电网中可中断负荷参与的可靠性投资优化方法及装置 |
CN112541252A (zh) * | 2020-11-23 | 2021-03-23 | 浙江泰仑电力集团有限责任公司 | 一种基于可靠性评估的接线方式优化方法及系统 |
CN118115004A (zh) * | 2024-03-05 | 2024-05-31 | 广东电网有限责任公司广州供电局 | 一种基于电力大数据进行用电水平评估的方法 |
CN118229457A (zh) * | 2024-04-07 | 2024-06-21 | 国网冀北电力有限公司经济技术研究院 | 针对不同用户的配电网可靠性分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106875035B (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875035B (zh) | 一种主动配电网可靠性评估优化方法 | |
CN104319768B (zh) | 一种微电网供电及监控方法 | |
CN106532688B (zh) | 一种用于评估微电网运行可靠性的方法及系统 | |
Yang et al. | A novel optimization sizing model for hybrid solar-wind power generation system | |
CN104485681B (zh) | 一种风电场储能系统的监控方法 | |
CN104182809A (zh) | 一种家庭智能用电系统的优化方法 | |
CN104348188A (zh) | 一种分布式电源运行及监控方法 | |
CN110060165B (zh) | 光伏储能系统收益测算方法及能量管理控制方法 | |
CN104281986B (zh) | 一种微电网功率预测方法 | |
CN104268806A (zh) | 一种微电网功率监控系统 | |
KR20200119367A (ko) | 에너지 저장 시스템용 수요전력 예측 장치 및 이를 이용한 수요전력 예측 방법 | |
CN104348189A (zh) | 一种分布式电源系统 | |
CN104505907B (zh) | 一种具有无功调节功能的电池储能系统的监控装置 | |
Santos-Pereira et al. | The requirements and constraints of storage technology in isolated microgrids: A comparative analysis of lithium-ion vs. lead-acid batteries | |
Tong et al. | Reusing electric vehicle battery for demand side management integrating dynamic pricing | |
Cui et al. | Equivalent Circuit Model of Lead-acid Battery in Energy Storage Power Station and Its State-of-Charge Estimation Based on Extended Kalman Filtering Method. | |
CN118017573A (zh) | 一种考虑灵活性供需平衡的源网荷储资源规划方法 | |
CN109120006B (zh) | 一种离网光伏系统负载管理方法及系统 | |
CN110765591A (zh) | 一种基于区块链技术的配电网分布式状态感知与优化方法 | |
CN117236638B (zh) | 基于多模态网络的运河微电网分布式能量管理系统 | |
CN112039062B (zh) | 一种基于熵权法的最优储能方式确定方法 | |
US20230344244A1 (en) | Power management device and power feeding system | |
Engin et al. | Sizing PV-wind hybrid energy system for lighting | |
Saadaoui et al. | Hybridization and energy storage high efficiency and low cost | |
Kusuma et al. | Leveraging PSO algorithms to achieve optimal stand-alone microgrid performance with a focus on battery lifetime |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200310 Address after: 610000 No. 366 Shu Xiu West Road, Chengdu high tech Zone, Sichuan Patentee after: ECONOMIC AND TECHNOLOGY RESEARCH INSTITUTE, STATE GRID SICHUAN ELECTRIC POWER CO., LTD. Address before: High tech Zone in Chengdu City West Shu 610041 Sichuan province No. 366 Co-patentee before: Integrated Electronic Co., Ltd. Patentee before: ECONOMIC AND TECHNOLOGY RESEARCH INSTITUTE, STATE GRID SICHUAN ELECTRIC POWER CO., LTD. |