CN107301479B - 基于自然灾害风险的输电系统多场景规划方法 - Google Patents
基于自然灾害风险的输电系统多场景规划方法 Download PDFInfo
- Publication number
- CN107301479B CN107301479B CN201710502926.4A CN201710502926A CN107301479B CN 107301479 B CN107301479 B CN 107301479B CN 201710502926 A CN201710502926 A CN 201710502926A CN 107301479 B CN107301479 B CN 107301479B
- Authority
- CN
- China
- Prior art keywords
- scene
- probability
- scenes
- planning
- disaster
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000005728 strengthening Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000003466 anti-cipated effect Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 abstract description 2
- 238000012795 verification Methods 0.000 abstract description 2
- 230000002787 reinforcement Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth 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
本发明提供一种基于自然灾害风险的输电系统多场景规划方法。通过综合考虑投资与运行经济性、常规运行情况下的系统可靠性和发生自然灾害情况下的系统风险等因素,发展了输电系统规划的混合整数非线性规划模型。构建了计及风电与负荷波动以及发生自然灾害情形下的两类场景集——“常规场景集”和“灾害场景集”,分别用于对候选规划方案进行安全校验和风险评估。之后,在分层优化架构下采用粒子群优化算法求解所构造的优化模型。
Description
技术领域
本发明属于电力系统控制技术领域,特别是涉及一种基于自然灾害风险的输电系统多场景规划方法。
背景技术
对于覆盖地理范围很大的跨区域输电系统,有些输电线路所跨越区域的地理环境复杂,遭受自然灾害的可能性较大。
另一方面,随着电力网络互联的发展和结构复杂化,故障影响范围趋于增大,发生极端灾害事件时更容易诱发大面积停电事故。考虑到极端自然灾害发生的概率虽然很低,但可能给电力系统带来的危害极大,因此构建更有“弹性(resilience)”的电力系统是近年来国内外电力系统领域普遍关注的重要课题,这反映了当今电力系统所面临的新要求和发展趋势。
因此,在输电系统规划时就应计及自然灾害因素的影响,有选择性地提升关键支路的建设,从而在考虑投资约束下最大限度降低自然灾害所可能导致的大面积停电风险非常必要。
发明内容
基于此,本发明的目的在于提供一种基于自然灾害风险的输电系统多场景规划方法,能够降低自然灾害可能导致的大面积停电风险。
为实现上述目的,本发明采用如下技术方案:一种基于自然灾害风险的输电系统多场景规划方法,其特征在于,包括以下步骤:
S1,针对电力系统在常规运行情况下的系统可靠性和发生自然灾害情况下的系统风险,考虑下述多种不确定性因素:1)间歇性能源发电如风电的发电出力波动、负荷的随机波动、元件随机停运等因素;2)严重自然灾害可能导致的多个元件停运;
S2,将输电系统规划需要考虑的不确定性场景分为两类:1)计及风电出力和负荷波动的常规运行不确定场景集,简称为“常规场景集”;2)考虑自然灾害因素影响的预想事故场景集,简称为“灾害场景集”;
S3,在常规场景集中考虑风电出力波动和负荷波动,以及N-1预想事故,采用蒙特卡洛仿真对风电出力和节点负荷概率分布进行抽样可得到常规不确定性场景,之后采用同步回代消除法对场景进行削减;
S4,在灾害场景集中考虑部分影响较大的多重预想事故,采用“按场景概率排序和抽样”的思路选取典型故障场景集,对故障场景进行筛选和削减,以在大幅减少场景数的同时仍能充分衡量候选输电规划方案在故障场景集合下的风险;
S5,综合衡量规划方案的经济性、可靠性、对不确定条件下的适应性和失负荷风险,构建输电系统规划模型;
S6,对输电系统规划模型这一混合整数非线性规划问题采用了两层优化方法进行简化求解;第一层以线路初始建设成本和常规场景集下系统切负荷与弃风电量的惩罚期望值为目标函数,考虑N-1准则和常规场景集,采用粒子群算法得到多个满足N-1预想事故校验和常规场景集要求的基本候选规划方案;第二层以线路加强成本和故障场景下系统切负荷损失风险最小为目标函数,对基本候选规划方案在预想事故场景下进行校验,得到对应每一个基本候选规划方案的最优加强方案及相应系统失负荷风险值;最后综合衡量各方案的总投资成本及两类场景集下的弃风惩罚值和失负荷损失,得到兼顾经济性、可靠性和系统灾害风险的综合较优方案。
进一步,采用同步回代消除法对场景进行削减,基本步骤如下:
1)确定常规场景集S,对于任意场景si和sj计算它们之间的概率距离d(si,sj)=pipj||si-sj||2,pi和pj分别为场景si和sj的概率,在求得所有场景组合的概率距离后,剔除与其它场景概率距离之和最小的场景;
2)置场景总数ns=ns-1,并将被剔除场景的概率值并入到与其概率距离最近的场景概率中,从而保证剩余场景的概率之和为1;
3)按步骤1)和2)逐个剔除场景直至剩余场景数达到所要求数量为止。
进一步,采用“按场景概率排序和抽样”的思路选取典型故障场景集,对故障场景进行筛选和削减,具体步骤如下:
1)按照输电系统规模和各线路综合故障率,选取最大预想事故重数M,M为需要考虑的预想事故重数m的最大值;
3)对于m重,m≥3,多重预想事故,先按场景出现概率从大到小排序,而后依次累加直到前m1个预想事故场景概率之和达到给定概率水平称此概率为排序累计概率;之后,从剩余的m重预想事故场景中随机抽样得到m2个场景,直至这m2个场景的概率之和达到给定概率水平称此概率为抽样累计概率;和的选取基于m重预想事故场景的概率总和∑pk;最后,由排序得到的m1个场景和抽样得到的m2个场景组成灾害场景集。
进一步,步骤S5的输电系统规划模型的目标函数表示为:
等号右边包括三项,各项的含义如下:
第一项表示规划方案的投资建设总成本的年值,包括线路初始建设成本年值和加强成本年值;为资金回收系数,ε为贴现率,T为给定的线路运行年限;l、xl、cl分别为规划方案f中的线路、线路l的建设条数和单位长度成本,类似地l’、xl’、cl’为线路加强方案f’中的对应量,且为各线路走廊可新建线路数,Ll为线路l的长度;
第二项表示在规划水平年常规场景集下系统切负荷与弃风电量的惩罚期望值年值,ΩU为常规场景集,pj为场景j的出现概率,wj和dj分别为场景j下系统弃风电量和切负荷电量年值,αj和βj为对应的单位电量惩罚成本系数;
第三项表示灾害场景集下系统切负荷损失风险,ΩR为灾害场景集,pk为场景k的出现概率,dk为场景k下系统失负荷量,τ为单位失负荷量的经济损失,tR为系统受灾害影响失负荷持续时间。
本发明涉及一种基于自然灾害风险的输电系统多场景规划方法。通过综合考虑投资与运行经济性、常规运行情况下的系统可靠性和发生自然灾害情况下的系统风险等因素,发展了输电系统规划的混合整数非线性规划模型。构建了计及风电与负荷波动以及发生自然灾害情形下的两类场景集——“常规场景集”和“灾害场景集”,分别用于对候选规划方案进行安全校验和风险评估。之后,在分层优化架构下采用粒子群优化算法求解所构造的优化模型。
附图说明
图1是是本发明的基于自然灾害风险的输电系统多场景规划方法的流程示意图。
图2是本发明一实施例的采用18节点系统拓扑结构图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
请参照图1,在一个实施例中,本发明提出的基于自然灾害风险的输电系统多场景规划方法,包括步骤如下:
考虑了下述多种不确定性因素:1)间歇性能源发电如风电的发电出力波动、负荷的随机波动、元件随机停运等因素;2)严重自然灾害可能导致的多个元件停运。
并且相应地将输电系统规划需要考虑的不确定性场景分为两类:1)计及风电出力和负荷波动的常规运行不确定场景集,简称为“常规场景集”;2)考虑自然灾害因素影响的预想事故场景集,简称为“灾害场景集”。在常规场景集中考虑风电出力波动和负荷波动,以及N-1预想事故,采用蒙特卡洛仿真(Monte Carlo simulation)对风电出力和节点负荷概率分布进行抽样可得到常规不确定性场景,之后采用同步回代消除法对场景进行削减。
在灾害场景集中考虑部分影响较大的多重预想事故,采用“按场景概率排序和抽样”的思路选取典型故障场景集,以在大幅减少场景数的同时仍能充分衡量候选输电规划方案在故障场景集合下的风险。
通过综合考虑投资与运行经济性、常规运行情况下的系统可靠性和发生自然灾害情况下的系统风险等因素,发展了输电系统规划的混合整数非线性规划模型。
其中,采用同步回代消除法对场景进行削减,基本步骤如下:
1)确定常规场景集S,对于任意场景si和sj计算它们之间的概率距离d(si,sj)=pipj||si-sj||2,pi和pj分别为场景si和sj的概率,在求得所有场景组合的概率距离后,剔除与其它场景概率距离之和最小的场景;
2)置场景总数ns=ns-1,并将被剔除场景的概率值并入到与其概率距离最近的场景概率中,从而保证剩余场景的概率之和为1;
3)按步骤1)和2)逐个剔除场景直至剩余场景数达到所要求数量为止。
采用“按场景概率排序和抽样”的思路选取典型故障场景集,对故障场景进行筛选和削减,具体步骤如下:
1)按照输电系统规模和各线路综合故障率,选取最大预想事故重数M,M为需要考虑的预想事故重数m的最大值;
3)对于m重,m≥3,多重预想事故,先按场景出现概率从大到小排序,而后依次累加直到前m1个预想事故场景概率之和达到给定概率水平称此概率为排序累计概率;之后,从剩余的m重预想事故场景中随机抽样得到m2个场景,直至这m2个场景的概率之和达到给定概率水平称此概率为抽样累计概率;和的选取基于m重预想事故场景的概率总和∑pk;最后,由排序得到的m1个场景和抽样得到的m2个场景组成灾害场景集。
综合衡量规划方案的经济性、可靠性、对不确定条件下的适应性和失负荷风险,构建输电系统规划模型,其目标函数表示为:
等号右边包括三项,各项的含义如下:
第一项表示规划方案的投资建设总成本的年值,包括线路初始建设成本年值和加强成本年值;为资金回收系数,ε为贴现率,T为给定的线路运行年限;l、xl、cl分别为规划方案f中的线路、线路l的建设条数和单位长度成本,类似地l’、xl’、cl’为线路加强方案f’中的对应量,且为各线路走廊可新建线路数,Ll为线路l的长度;
第二项表示在规划水平年常规场景集下系统切负荷与弃风电量的惩罚期望值年值,ΩU为常规场景集,pj为场景j的出现概率,wj和dj分别为场景j下系统弃风电量和切负荷电量年值,αj和βj为对应的单位电量惩罚成本系数;
第三项表示灾害场景集下系统切负荷损失风险,ΩR为灾害场景集,pk为场景k的出现概率,dk为场景k下系统失负荷量,τ为单位失负荷量的经济损失,tR为系统受灾害影响失负荷持续时间。
对输电系统规划模型这一混合整数非线性规划问题采用了两层优化方法进行简化求解;第一层以线路初始建设成本和常规场景集下系统切负荷与弃风电量的惩罚期望值为目标函数,考虑N-1准则和常规场景集,采用粒子群算法得到多个满足N-1预想事故校验和常规场景集要求的基本候选规划方案;第二层以线路加强成本和故障场景下系统切负荷损失风险最小为目标函数,对基本候选规划方案在预想事故场景下进行校验,得到对应每一个基本候选规划方案的最优加强方案及相应系统失负荷风险值;最后综合衡量各方案的总投资成本及两类场景集下的弃风惩罚值和失负荷损失,得到兼顾经济性、可靠性和系统灾害风险的综合较优方案。
下面以18节点系统说明本发明的方法,所述18节点系统的结构如图2所示。
18节点系统现有10个节点和9条支路。在未来某规划水平年,该系统要扩展为18个节点,总负荷为35870MW,其中节点11、14、16、18为新增发电机节点。给定节点2上连接了大型风电场,额定装机容量为3600MW,切入风速、额定风速和切出风速分别为3.5m/s、15m/s和25m/s,尺度参数和形状参数分别为10.3和2.9。取负荷波动方差为负荷预测值的3%。采用蒙特卡洛方法生成10000个常规不确定场景,表1列出了在不同保留场景数下对应的Kantorovich距离,可见当保留场景数大于100后相应的Kantorovich距离随保留场景数的增大没有明显变化,为减小计算量,选取保留常规场景数为100。
表1不同保留场景数对应的Kantorovich距离
Table1 Kantorovich distances under different numbers of reservedscenarios
采用两层优化方法的第一层可以获得五个候选输电规划方案,即表2中的A-E,在此过程中考虑了单一预想事故。考虑全部双重预想事故场景,而对三重和四重预想事故场景分别按相应场景累计概率总和的85%选择排序场景、抽样累计概率取相应全部场景概率之和的5%,综合得到各规划方案相应的灾害场景集筛选结果,如表2所示。
表2自然灾害场景筛选参数
Table2 Screening parameters of natural disaster scenarios
在上述场景设定下获得五个候选输电规划方案和对应的加强方案,最后得到表3所示的相关成本数据。表3中第2列和第5列数字与括号内数字分别表示规划方案中线路编号与相应线路条数。
表3 18节点系统的输电规划与加强方案
Table3 Transmission system planning and reinforcement schemes for the18-bus power system
从投资成本、对不确定条件的适应性及自然灾害情形下的失负荷风险等多个方面进行权衡,最后得到的综合最优规划方案为方案B。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (2)
1.一种基于自然灾害风险的输电系统多场景规划方法,其特征在于,包括以下步骤:
S1,针对电力系统在常规运行情况下的系统可靠性和发生自然灾害情况下的系统风险,考虑下述多种不确定性因素:1)间歇性能源发电:风电的发电出力波动、负荷的随机波动、元件随机停运因素;2)严重自然灾害导致的多个元件停运;
S2,将输电系统规划需要考虑的不确定性场景分为两类:1)计及风电出力和负荷波动的常规运行不确定场景集,定义为常规场景集;2)考虑自然灾害因素影响的预想事故场景集,定义为灾害场景集;
S3,在常规场景集中考虑风电的发电出力波动和负荷的随机波动,以及N-1预想事故,采用蒙特卡洛仿真对风电出力和节点负荷概率分布进行抽样可得到常规不确定性场景,之后采用同步回代消除法对场景进行削减;
S4,在灾害场景集中考虑多重预想事故,采用按场景概率排序和抽样的方法选取典型故障场景集,对故障场景进行筛选和削减,以在大幅减少场景数的同时仍能充分衡量候选输电规划方案在故障场景集合下的风险;
S5,综合衡量规划方案的经济性、可靠性、对不确定条件下的适应性和失负荷风险,构建输电系统规划模型;
S6,对输电系统规划模型这一混合整数非线性规划问题采用了两层优化方法进行简化求解;第一层以线路初始建设成本和常规场景集下系统切负荷与弃风电量的惩罚期望值为目标函数,考虑N-1准则和常规场景集,采用粒子群算法得到多个满足N-1预想事故校验和常规场景集要求的基本候选规划方案;第二层以线路加强成本和故障场景下系统切负荷损失风险最小为目标函数,对基本候选规划方案在预想事故场景下进行校验,得到对应每一个基本候选规划方案的最优加强方案及相应系统失负荷风险值;最后综合衡量各方案的总投资成本及两类场景集下的弃风惩罚值和失负荷损失,得到兼顾经济性、可靠性和系统灾害风险的综合方案;
采用按场景概率排序和抽样的方法选取典型故障场景集,对故障场景进行筛选和削减,具体步骤如下:
1)按照输电系统规模和各线路综合故障率,选取最大预想事故重数M,M为需要考虑的预想事故重数m的最大值;
3)对于m重,m≥3,多重预想事故,先按场景出现概率从大到小排序,而后依次累加直到前m1个预想事故场景概率之和达到给定概率水平称此概率为排序累计概率;之后,从剩余的m重预想事故场景中随机抽样得到m2个场景,直至这m2个场景的概率之和达到给定概率水平称此概率为抽样累计概率;和的选取基于m重预想事故场景的概率总和∑pk;最后,由排序得到的m1个场景和抽样得到的m2个场景组成灾害场景集;
步骤S5的输电系统规划模型的目标函数表示为:
等号右边包括三项,各项的含义如下:
第一项表示规划方案的投资建设总成本的年值,包括线路初始建设成本年值和加强成本年值;为资金回收系数,ε为贴现率,T为给定的线路运行年限;l、xl、cl分别为规划方案f中的线路、线路l的建设条数和单位长度成本,l’、xl’、cl’为线路加强方案f’中的线路、线路l’的建设条数和单位长度成本,且 为各线路走廊可新建线路数,Ll为线路l的长度;
第二项表示在规划水平年常规场景集下系统切负荷与弃风电量的惩罚期望值年值,ΩU为常规场景集,pj为场景j的出现概率,wj和dj分别为场景j下系统弃风电量和切负荷电量年值,αj和βj为对应的单位电量惩罚成本系数;
第三项表示灾害场景集下系统切负荷损失风险,ΩR为灾害场景集,pk为场景k的出现概率,dk为场景k下系统失负荷量,τ为单位失负荷量的经济损失,tR为系统受灾害影响失负荷持续时间。
2.根据权利要求1所述的基于自然灾害风险的输电系统多场景规划方法,其特征在于,采用同步回代消除法对场景进行削减,基本步骤如下:
1)确定常规场景集S,对于任意场景si和sj计算它们之间的概率距离d(si,sj)=pipj||si-sj||2,pi和pj分别为场景si和sj的概率,在求得所有场景组合的概率距离后,剔除与其它场景概率距离之和最小的场景;
2)置场景总数ns=ns-1,并将被剔除场景的概率值并入到与其概率距离最近的场景概率中,从而保证剩余场景的概率之和为1;
3)按步骤1)和2)逐个剔除场景直至剩余场景数达到所要求数量为止。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710236097 | 2017-04-12 | ||
CN201710236097X | 2017-04-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107301479A CN107301479A (zh) | 2017-10-27 |
CN107301479B true CN107301479B (zh) | 2020-07-14 |
Family
ID=60135101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710502926.4A Active CN107301479B (zh) | 2017-04-12 | 2017-06-27 | 基于自然灾害风险的输电系统多场景规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107301479B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325449B (zh) * | 2020-01-23 | 2022-08-23 | 清华大学 | 电网运行风险主动防控方法及装置 |
CN112688316B (zh) * | 2020-12-17 | 2023-07-21 | 国网天津市电力公司 | 考虑不确定性风电消纳和故障恢复的输电网结构优化方法 |
CN113191687B (zh) * | 2021-05-25 | 2022-10-25 | 广东电网有限责任公司广州供电局 | 一种弹性配电网全景信息可视化方法及系统 |
CN115690404B (zh) * | 2022-12-29 | 2023-03-14 | 天讯瑞达通信技术有限公司 | 一种基于目标检测的电线隐患检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102637289B (zh) * | 2012-04-16 | 2016-02-24 | 天津大学 | 含大规模风电的电力系统规划方案的安全性价值评估方法 |
CN103065057B (zh) * | 2013-01-25 | 2015-09-16 | 武汉大学 | 一种电力系统差异化规划经济性评估方法 |
CN103440400B (zh) * | 2013-07-29 | 2017-02-08 | 清华大学 | 考虑灾害因素的电力系统短期风险判定方法 |
CN104463375A (zh) * | 2014-12-24 | 2015-03-25 | 贵州电网公司电力调度控制中心 | 一种基于cim标准的电网灾难恢复控制模型建模方法 |
CN104821578A (zh) * | 2015-04-20 | 2015-08-05 | 国家电网公司 | 计及可用输电能力的含大规模风电的输电系统规划方法 |
CN106326997A (zh) * | 2015-06-26 | 2017-01-11 | 国网河南省电力公司周口供电公司 | 一种用于自然灾害下电力抢修的gis数据库的建立方法 |
-
2017
- 2017-06-27 CN CN201710502926.4A patent/CN107301479B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107301479A (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tan et al. | Scheduling post-disaster repairs in electricity distribution networks | |
CN106026092B (zh) | 一种用于含分布式电源的配电网孤岛划分方法 | |
Khaligh et al. | Stochastic expansion planning of gas and electricity networks: A decentralized-based approach | |
CN107301479B (zh) | 基于自然灾害风险的输电系统多场景规划方法 | |
Arif et al. | A stochastic multi-commodity logistic model for disaster preparation in distribution systems | |
Kandaperumal et al. | AWR: Anticipate, withstand, and recover resilience metric for operational and planning decision support in electric distribution system | |
Nasri et al. | Multi-stage and resilience-based distribution network expansion planning against hurricanes based on vulnerability and resiliency metrics | |
Panwar et al. | Integration of flow battery for resilience enhancement of advanced distribution grids | |
CN111507509A (zh) | 一种电力系统极端事件的风险评估方法 | |
US20220138872A1 (en) | Computer-aided technique for assessing infrastructure reliability and resilience and related systems, methods, and devices | |
Ghasemi et al. | A stochastic planning model for improving resilience of distribution system considering master-slave distributed generators and network reconfiguration | |
Trakas et al. | Strengthening transmission system resilience against extreme weather events by undergrounding selected lines | |
Noebels et al. | Assessing the effect of preventive islanding on power grid resilience | |
US11507041B1 (en) | Systems and methods for boosting resiliency of a power distribution network | |
Amini et al. | Electrical energy systems resilience: A comprehensive review on definitions, challenges, enhancements and future proceedings | |
Dharmasena et al. | Algorithmic formulation for network resilience enhancement by optimal der hosting and placement | |
Alvarado et al. | Co-optimizing substation hardening and transmission expansion against earthquakes: A decision-dependent probability approach | |
Bajwa et al. | Resilience‐oriented service restoration modelling interdependent critical loads in distribution systems with integrated distributed generators | |
Zhou et al. | Robustness analysis of power system dynamic process and repair strategy | |
Al-Muhaini et al. | Minimal cut sets, Petri nets, and prime number encoding in distribution system reliability evaluation | |
Zhang et al. | Intentional islanding method based on community detection for distribution networks | |
Chanda | Measuring and enabling resiliency in distribution sysems with multiple microgrids | |
Zhang et al. | A fragility-weighted topological network for resilient assessment of overhead power distribution system subjected to hurricane winds | |
Zare‐Bahramabadi et al. | A risk‐based resilient distribution system planning model against extreme weather events | |
Huo et al. | A power-balanced clustering algorithm to improve electrical infrastructure resiliency |
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 |