CN107239899A - 一种台风天气下电网负荷对气象因素的敏感度分析方法 - Google Patents
一种台风天气下电网负荷对气象因素的敏感度分析方法 Download PDFInfo
- Publication number
- CN107239899A CN107239899A CN201710403876.4A CN201710403876A CN107239899A CN 107239899 A CN107239899 A CN 107239899A CN 201710403876 A CN201710403876 A CN 201710403876A CN 107239899 A CN107239899 A CN 107239899A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- index
- interval
- factor
- 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
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
- G06Q10/06—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种台风天气下电网负荷对气象因素的敏感度分析方法,涉及气象预警技术领域。所述的台风天气下电网负荷对气象因素的敏感度分析方法,通过历史负荷特性指标和影响因素建立分析评价矩阵,对分析评价矩阵中每个指标根据正相关型和负相关型进行数据标准化处理;数据标准化处理时充分考虑了数据的极值一致性,标准化处理后的数据表现形式具有方向统一性;根据关联度系数变化率的大小来选择主要影响因素,避免了因盲目选择影响因素所带来的计算误差,提高了负荷特性与气象因素相关关系的分析精度,能够更加确切地反应出负荷特性指标在台风前后的波动主要受到哪些因素的影响。
Description
技术领域
本发明属于气象预警技术领域,尤其涉及一种台风天气下电网负荷对气象因素的敏感度分析方法。
背景技术
输变电设备的安全可靠运行与气象环境密切相关。以往电网的安全评估没有考虑气象环境因素。台风是对输电网络影响最大的天气因素之一,我国东南部沿海城市每年都会受到台风的侵袭,每次台风都会对当地的电网造成不小的破坏,例如线路故障、设备损坏以及设备跳闸等等。而台风对电网的影响有很大的不确定性和随机性,研究分析电网负荷与气象因素的相关关系,提高台风期间电网负荷预测精度和电网运行调度水平,对电网运行的安全性、经济性以及电能质量都有着重要的指导意义。
因此,有必要提出一种台风天气下电网负荷对气象因素的敏感度分析方法,分析台风天气下电网负荷特性随气象因素的变化规律,确定影响电网负荷特性的主要气象因素,对提高台风等特殊天气下电网负荷预测精度和运行安全性具有很好的实用价值,以便在台风天气时,及时采取措施,减少电网设备损坏。
发明内容
针对现有技术的不足,本发明提供一种台风天气下电网负荷对气象因素的敏感度分析方法。
本发明是通过如下的技术方案来解决上述技术问题的:一种台风天气下电网负荷对气象因素的敏感度分析方法,包括以下步骤:
步骤1、根据历史负荷特性指标和影响因素建立分析评价矩阵;
步骤2、根据步骤1中分析评价矩阵的评价指标性质不同,将评价指标分为正相关型和负相关型;对分好类的评价指标进行标准化处理,形成初值像矩阵;
步骤3、基于灰色关联度理论,计算台风前后负荷特性指标与影响因素的关联度系数,记为r前和r后;
步骤4、计算台风前后负荷特性指标与影响因素的关联度系数变化率;并选择台风前后关联度系数变化率较大的因素作为影响负荷特性指标的主要因素;
步骤5:采用多元分段回归方法分析负荷特性指标和影响因素的关系,捕捉影响因素对负荷特性指标的相关关系,揭示两者之间的变化规律,包括以下子步骤;
步骤5.1:根据气象因素自身的特性,将气象因素分成多段区间;
步骤5.2:基于多元分段回归的敏感度分析方法,建立负荷特性与步骤4中选择的主要因素的回归方程,在此基础上进行敏感度分析。
进一步的,所述步骤1中的负荷特性指标包括日最大负荷、日最小负荷以及日平均负荷;所述影响因素包括最高气温、平均气温、最低气温、最高湿度、平均湿度、最低湿度、最高风速、平均风速和降雨量。
进一步的,所述步骤4中的关联度系数变化率按照从大到小的顺序排列,选择排名前5%-8%的因素作为影响负荷特性的主要因素。
进一步的,所述步骤5.1中的气象因素包括降雨量、气温和风速;根据降雨量的分段区间包括小雨区间、中雨区间、大雨区间和暴雨区间;根据气温的分段区间包括暖区间、热区间、炎热区间和暑热区间;根据风速的分段区间包括微风区间、和风区间、劲风区间和疾风区间。
进一步的,所述气象因素多元组合后再进行多段区间划分,例如,影响负荷特性的主要因素为降雨量和气温,在降雨量已划分多段区间的情况下,降雨量的每一区间再根据气温进行多段区间划分,例如在小雨区间中根据气温划分为暖、热、炎热和暑热四个区间。
与现有技术相比,本发明所提供的台风天气下电网负荷对气象因素的敏感度分析方法,通过历史负荷特性指标和影响因素建立分析评价矩阵,对分析评价矩阵中每个指标根据正相关型和负相关型进行数据标准化处理,然后根据灰色关联度理论选择影响负荷特性最主要的气候影响因素,再根据气象因素的自身特性设计出负荷特性的分段敏感度分析模式;数据标准化处理时充分考虑了数据的极值一致性,标准化处理后的数据表现形式具有方向统一性;根据关联度系数变化率的大小来选择主要影响因素,避免了因盲目选择影响因素所带来的计算误差,提高了负荷特性与气象因素相关关系的分析精度,能够更加确切地反应出负荷特性指标在台风前后的波动主要受到哪些因素的影响,为相关部门在台风登陆前做好相应的防风防汛工作提供了依据,及时采取防治措施,减少电网设备损坏。
具体实施方式
下面对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的一种台风天气下电网负荷对气象因素的敏感度分析方法,包括以下步骤:
1、根据历史负荷特性指标(日最大负荷、日最小负荷以及日平均负荷)和影响因素(最高气温、平均气温、最低气温、最高湿度、平均湿度、最低湿度、最高风速、平均风速和降雨量),建立分析评价矩阵;
其中,yj(t)表示第j(j=1,2,…,n)个负荷特性指标在第t时刻的样本值,n表示负荷特性指标总数,xi(t)表示第i(i=1,2,…,m)个影响因素在第t时刻的样本值,m表示影响因素总数。
2、因为评价指标体系中,各影响因素具有不同的量纲、数量级和变化幅度,不具备可比性,需将评价指标进行标准化处理,便于后续计算;根据评价指标的性质不同,将评价指标分为正相关型(越大台风综合评价指数越大型)和负相关型(越小台风综合评价指数越大型);由于评价指标性质的不同,处理数据时充分考虑了评价指标的极值一致性,无论是正相关型或负相关型,标准化处理后的表现形式应是具有方向统一性,因此,对分好类的评价指标按照式(2)和(3)或者(4)和(5)进行标准化处理,形成初值像矩阵式(6);
其中,J1、J2分别表示正相关型指标和负相关型指标,xoi(t)表示第i个影响因素在第t时刻的参照值,yoj(t)表示第j个负荷特性指标在第t时刻的参照值,如果没有确定的参照值,则,
按照式(7)对式(6)中的元素进行差值运算,得到如式(8)所示的序列矩阵,并选择差值的最大值和最小值,如式(9)所示;
Δji(t)=|y'j(t)-x'1(t)|,i=1,2,...,m (7)
3、基于灰色关联度理论,计算台风前后负荷特性指标与影响因素的关联度系数,记为r前和r后;根据式(10)计算关联度系数,并形成关联度系数矩阵,如式(11)所示,式中ρ为分辨系数,通常取0.5:
根据式(12)计算r前和r后,式中ω(t)为权重值,本实施例中取值为1/T:
4、根据式(13)计算台风前后负荷特性指标与影响因素的关联度系数变化率;将关联度系数变化率按照从大到小的顺序排列,选择排名前5%-8%的因素作为影响负荷特性指标的主要因素;
根据关联度系数变化率的大小选择影响因素,关联度系数变化率越大表明某影响因素对负荷特征指标的波动影响越大;反之,则越小;减小了因盲目选择影响因素所带来的计算误差,能确切的反映出负荷特征指标在台风前后的波动主要受哪些因素印象,适用于台风特殊天气复杂,不确定问题的分析和评价。
5、采用多元分段回归方法分析负荷特性指标和影响因素的关系,捕捉影响因素对负荷特性指标的相关关系,揭示两者之间的变化规律,包括以下子步骤;
5.1、根据影响因素自身的特性,将气象影响因素分成多段区间;气象影响因素包括降雨量、气温和风速;根据降雨量的分段区间包括小雨区间、中雨区间、大雨区间和暴雨区间;根据气温的分段区间包括暖区间、热区间、炎热区间和暑热区间;根据风速的分段区间包括微风区间、和风区间、劲风区间和疾风区间;气象影响因素多元组合后再进行多段区间划分,例如,影响负荷特性的主要因素为降雨量和气温,在降雨量已划分多段区间的情况下,降雨量的每一区间再根据气温进行多段区间划分,例如在小雨区间中根据气温划分为暖、热、炎热和暑热四个区间。
5.2、基于多元分段回归的敏感度分析方法,建立负荷特性指标与步骤4中选择的主要因素的回归方法,在此基础上进行敏感度分析;
①一元分段回归分析,建立一元分段回归方程:
Pi=ai+bix,1≤i≤l (14)
其中,Pi表示第i区间的负荷特性指标,x表示影响因素,ai,bi表示影响因素的权值,l表示影响因素分段的区间数;根据上式进行敏感度分析,当影响因素x变化一个单位时,负荷特性Pi相应变化bi个单位。
②多元分段回归分析,建立多元分段回归方程:
Pij=aij+bijx1+cijx2,1≤i≤l1;1≤j≤l2 (15)
其中,Pij表示先根据影响因素x1分段再根据x2分段后的第ij区间的负荷特性,x1,x2为主要影响因素,aij、bij、cij为影响因素的权值,l1为第一个影响因素分段的区间数,l2为第二个影响因素分段的区间数;敏感度分析,当气象影响因素x1变化一个单位时,负荷特性Pij相应变化bij个单位,当气象影响因素x2变化一个单位时,Pij负荷特性相应变化cij个单位。
以上所揭露的仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或变型,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,包括以下步骤:
步骤1、根据历史负荷特性指标和影响因素建立分析评价矩阵;
步骤2、根据步骤1中分析评价矩阵的评价指标性质不同,将评价指标分为正相关型和负相关型;对分好类的评价指标进行标准化处理,形成初值像矩阵;
步骤3、基于灰色关联度理论,计算台风前后负荷特性指标与影响因素的关联度系数,记为r前和r后;
步骤4、计算台风前后负荷特性指标与影响因素的关联度系数变化率;并选择台风前后关联度系数变化率较大的因素作为影响负荷特性指标的主要因素;
步骤5:采用多元分段回归方法分析负荷特性指标和影响因素的关系,捕捉影响因素对负荷特性指标的相关关系,揭示两者之间的变化规律,包括以下子步骤;
步骤5.1:根据气象因素自身的特性,将气象因素分成多段区间;
步骤5.2:基于多元分段回归的敏感度分析方法,建立负荷特性与步骤4中选择的主要因素的回归方程,在此基础上进行敏感度分析。
2.如权利要求1所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述步骤1中的负荷特性指标包括日最大负荷、日最小负荷以及日平均负荷;所述影响因素包括最高气温、平均气温、最低气温、最高湿度、平均湿度、最低湿度、最高风速、平均风速和降雨量。
3.如权利要求1所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述步骤2中评价指标采用下式进行标准化处理,形成初值像矩阵:
<mrow>
<msup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>o</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>o</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msup>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>o</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>;</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>o</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mi>n</mi>
<mo>;</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,yj(t)表示第j(j=1,2,…,n)个负荷特性指标在第t时刻的样本值,n表示负荷特性指标总数,xi(t)表示第i(i=1,2,…,m)个影响因素在第t时刻的样本值,m表示影响因素总数;J1、J2分别表示正相关型指标和负相关型指标,xoi(t)表示第i个影响因素在第t时刻的参照值,yoj(t)表示第j个负荷特性指标在第t时刻的参照值;xi'(t)和yj'(t)分别表示标准化处理后的影响因素和负荷特性指标。
4.如权利要求3所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述参照值不确定时,采用下式确定参照值:
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>o</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mi>max</mi>
<mi>i</mi>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munder>
<mi>min</mi>
<mi>i</mi>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>o</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mi>max</mi>
<mi>j</mi>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munder>
<mi>min</mi>
<mi>j</mi>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>j</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>J</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,yj(t)表示第j个负荷特性指标在第t时刻的样本值,xi(t)表示第i个影响因素在第t时刻的样本值;J1、J2分别表示正相关型指标和负相关型指标,xoi(t)表示第i个影响因素在第t时刻的参照值,yoj(t)表示第j个负荷特性指标在第t时刻的参照值。
5.如权利要求1所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述步骤3中的台风前后负荷特性指标与影响因素的关联度系数采用下列式子进行计算:
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>T</mi>
</mrow>
其中,ω(t)为权重值,λji(t)为关联度系数。
6.如权利要求1所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述步骤4中的关联度系数变化率采用下列式子进行计算:
其中,r前为台风前负荷特性指标与影响因素的关联度系数,r后为台风后负荷特性指标与影响因素的关联度系数。
7.如权利要求1所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述步骤4中的关联度系数变化率按照从大到小的顺序排列,选择排名前5%-8%的因素作为影响负荷特性的主要因素。
8.如权利要求1所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述步骤5.1中的气象因素包括降雨量、气温和风速;根据降雨量的分段区间包括小雨区间、中雨区间、大雨区间和暴雨区间;根据气温的分段区间包括暖区间、热区间、炎热区间和暑热区间;根据风速的分段区间包括微风区间、和风区间、劲风区间和疾风区间。
9.如权利要求8所述的台风天气下电网负荷对气象因素的敏感度分析方法,其特征在于,所述气象因素先进行多元组合后再进行多段区间划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710403876.4A CN107239899A (zh) | 2017-06-01 | 2017-06-01 | 一种台风天气下电网负荷对气象因素的敏感度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710403876.4A CN107239899A (zh) | 2017-06-01 | 2017-06-01 | 一种台风天气下电网负荷对气象因素的敏感度分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107239899A true CN107239899A (zh) | 2017-10-10 |
Family
ID=59985262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710403876.4A Pending CN107239899A (zh) | 2017-06-01 | 2017-06-01 | 一种台风天气下电网负荷对气象因素的敏感度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107239899A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108362957A (zh) * | 2017-12-19 | 2018-08-03 | 东软集团股份有限公司 | 设备故障诊断方法、装置、储存介质和电子设备 |
CN109684668A (zh) * | 2018-11-26 | 2019-04-26 | 国网江苏省电力有限公司检修分公司 | 一种考虑气象要素的变压器负荷分析方法 |
CN110070282A (zh) * | 2019-04-17 | 2019-07-30 | 国网安徽省电力公司 | 一种基于综合关联度的低压台区线损影响因素分析方法 |
CN112948740A (zh) * | 2021-03-12 | 2021-06-11 | 中国气象科学研究院 | 一种天气信息处理方法及装置 |
CN113780703A (zh) * | 2020-09-27 | 2021-12-10 | 北京京东振世信息技术有限公司 | 一种指标调整方法和装置 |
CN115333103A (zh) * | 2022-10-17 | 2022-11-11 | 国网浙江省电力有限公司宁波供电公司 | 一种基于气象特征的电网电压控制参数自适应整定方法 |
-
2017
- 2017-06-01 CN CN201710403876.4A patent/CN107239899A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108362957A (zh) * | 2017-12-19 | 2018-08-03 | 东软集团股份有限公司 | 设备故障诊断方法、装置、储存介质和电子设备 |
CN108362957B (zh) * | 2017-12-19 | 2020-09-11 | 东软集团股份有限公司 | 设备故障诊断方法、装置、储存介质和电子设备 |
CN109684668A (zh) * | 2018-11-26 | 2019-04-26 | 国网江苏省电力有限公司检修分公司 | 一种考虑气象要素的变压器负荷分析方法 |
CN109684668B (zh) * | 2018-11-26 | 2023-06-06 | 国网江苏省电力有限公司检修分公司 | 一种考虑气象要素的变压器负荷分析方法 |
CN110070282A (zh) * | 2019-04-17 | 2019-07-30 | 国网安徽省电力公司 | 一种基于综合关联度的低压台区线损影响因素分析方法 |
CN110070282B (zh) * | 2019-04-17 | 2023-06-20 | 国网安徽省电力公司 | 一种基于综合关联度的低压台区线损影响因素分析方法 |
CN113780703A (zh) * | 2020-09-27 | 2021-12-10 | 北京京东振世信息技术有限公司 | 一种指标调整方法和装置 |
CN112948740A (zh) * | 2021-03-12 | 2021-06-11 | 中国气象科学研究院 | 一种天气信息处理方法及装置 |
CN112948740B (zh) * | 2021-03-12 | 2023-08-11 | 中国气象科学研究院 | 一种天气信息处理方法及装置 |
CN115333103A (zh) * | 2022-10-17 | 2022-11-11 | 国网浙江省电力有限公司宁波供电公司 | 一种基于气象特征的电网电压控制参数自适应整定方法 |
CN115333103B (zh) * | 2022-10-17 | 2023-01-31 | 国网浙江省电力有限公司宁波供电公司 | 一种基于气象特征的电网电压控制参数自适应整定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239899A (zh) | 一种台风天气下电网负荷对气象因素的敏感度分析方法 | |
Rasmussen et al. | A baseline climatology of sounding-derived supercell andtornado forecast parameters | |
WO2017032210A1 (zh) | 一种基于聚类分析的输电线路山火风险区域划分方法 | |
CN102629294B (zh) | 台风引发输电线路故障的概率评估方法 | |
Kyselý et al. | Comparison of regional and at‐site approaches to modelling probabilities of heavy precipitation | |
CN106446571B (zh) | 风电场功率预测的误差评价方法 | |
CN104319807B (zh) | 一种基于Copula函数获取多风电场容量可信度的方法 | |
CN104616075A (zh) | 一种适合于台风天气下的短期负荷预测方法 | |
CN106803128B (zh) | 光伏发电的预测方法和装置 | |
CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
CN104102832A (zh) | 一种基于混沌时间序列的风电功率超短期预测方法 | |
CN104112062A (zh) | 基于插值方法的风资源分布的获取方法 | |
Wang et al. | Bivariate copula function-based spatial–temporal characteristics analysis of drought in Anhui Province, China | |
CN106650977A (zh) | 应用于新建风电场的短期功率预测方法 | |
Barua et al. | Climate change impact on foreign direct investment inflows: A dynamic assessment at the global, regional and economic level | |
Staid et al. | Probabilistic maximum‐value wind prediction for offshore environments | |
CN107944188A (zh) | 基于气象站实测数据的台风近地面风眼半径辨识方法 | |
CN104036330A (zh) | 一种基于MapReduce的降雨量分类预测方法 | |
CN107066689A (zh) | 一种输电线路风偏故障的气象风险预警方法 | |
CN104298706A (zh) | 一种基于数据挖掘的输电杆塔塔材实际强度计算方法 | |
CN106228021A (zh) | 农田风蚀量预测模型及风蚀量预测方法 | |
Rohaimi et al. | 3 Hours ahead of time flood water level prediction using NNARX structure: Case study pahang | |
CN112950024A (zh) | 基于水电站应急指挥的决策方法、存储介质及电子设备 | |
Ye et al. | Hazard analysis of typhoon disaster-causing factors based on different landing paths: A case study of Fujian Province, China | |
Choi et al. | Possible relationship between East Asian summer monsoon and western North Pacific tropical cyclone genesis frequency |
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: 20171010 |
|
RJ01 | Rejection of invention patent application after publication |