CN107330540A - 一种考虑电压质量的配电网台区缺供电量预测方法 - Google Patents
一种考虑电压质量的配电网台区缺供电量预测方法 Download PDFInfo
- Publication number
- CN107330540A CN107330540A CN201710353190.9A CN201710353190A CN107330540A CN 107330540 A CN107330540 A CN 107330540A CN 201710353190 A CN201710353190 A CN 201710353190A CN 107330540 A CN107330540 A CN 107330540A
- Authority
- CN
- China
- Prior art keywords
- mrow
- voltage
- platform area
- area
- msub
- 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
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种考虑电压质量的配电网台区缺供电量预测方法,包括获取设定统计时间段内,配电网中各台区的特征指标,每个用户所属的行业分类和用电量,根据用户所属行业分类,计算台区内各行业的总用电量,采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,选择与中心样本最近的台区作为典型台区,对典型台区进行电压监测,计算各级电压合格概率,以典型台区的电压偏低概率代表此类台区的电压质量,统计每个电压偏低等级下各行业用户主要用电设备的运行情况,确定电压偏低幅值与失负荷率的关联关系表,根据台区的各级电压合格率和各行业总用电量,计算由电压偏低引起的隐性缺供电量进一步得到台区总缺供电量。
Description
技术领域
本发明涉及电力技术领域,具体涉及一种考虑电压质量的配电网台区缺供电量预测方法。
背景技术
在供电可靠性领域中,由于系统电源不足、停电等原因造成用户负荷中断或负荷缩减,所减少的供电量就是电力系统对用户的缺供电量。在现有的配电网缺供电量计算中只考虑了限电和停电两种情况,对于供电电压偏低造成的缺供电量尚未纳入统计范围。事实上,目前PLC、计算机、交流接触器、电动机等电压敏感型设备广泛应用于工农业生产,电压偏低常常导致用户设备停运或无法启动,也成为了用户被动缩减负荷的一个重要原因。在高新企业和工业密集的城市中,电压偏低导致用户无法正常用电已经成为用户投诉的主要电能质量问题。随着电源和主网建设的不断完善,电网的限电和停电事件将大大减少,电压质量导致的隐性缺供电量的占比也将愈发突出。因此,电压质量问题及其导致的隐性缺供电量必将引起供电企业和用户越来越高的重视。
在供电企业开展配电网改造时,预测评估考虑电压质量影响的台区缺供电量,将有助于快速准确筛选提升需求较高的台区,一次性发现并解决供电可靠性与电压偏低两大问题。现有研究针对配电台区电压偏低问题开展了偏低概率预测和对设备运行的影响分析,但对电压偏低引起的隐性缺供电量暂未有成熟的研究成果。目前的缺供电量统计方法仅计及由停电和限电导致的用户用电量缩减,未考虑用户由于电压质量问题而被迫减少的用电量,难以反映用户的实际用电体验,不便于指导电压质量问题的改造提升工作,存在缺陷与不足。
发明内容
为了克服现有技术中现有台区缺供电量统计方法未能全面计及电压偏低带来的隐性缺供电量,存在局限性的技术问题,本发明提供一种考虑电压质量的配电网台区缺供电量预测方法。
本发明采用如下技术方案:
一种考虑电压质量的配电网台区缺供电量预测方法,包括如下步骤:
S1获取设定统计时间段内,配电网中各台区的特征指标,每个用户所属的行业分类和用电量;
S2根据用户所属行业分类,计算台区内各行业的总用电量;
S3采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,选择与中心样本最近的台区作为典型台区;
S4对典型台区进行电压监测,计算各级电压合格概率,以典型台区的电压偏低概率代表此类台区的电压质量;
S5在典型台区中,统计每个电压偏低等级下各行业用户主要用电设备的运行情况,确定电压偏低幅值与失负荷率的关联关系表;
S6根据台区的各级电压合格率和各行业总用电量,计算由电压偏低引起的隐性缺供电量;
S7结合用户停电和限电记录,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量。
所述配电网中各台区的特征指标包括电压合格率、年最大负载率、供电半径及线路功率因数。
所述S2中,计算台区内各行业的总用电量,具体是指:假设一个供电台区所有用户分为j个行业,第j行业总用电量是台区中所有行业分类为第j行业的用户在统计时间段内的用电量的总和,记为Qj。
所述S3中,采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,得到多个台区,选择与中心样本最近的台区作为典型台区,具体包括如下步骤:
S3.1配电网内有m个台区,以聚类有效性为目标,确定最优的聚类数n,
其中所述聚类有效性是指类内紧凑度与类间分离度的比值,记为Vxie,计算公式为:
其中,U是隶属矩阵,V是聚类中心矩阵,m是样本个数,即台区数,n是聚类数,α是模糊因子,uij是U矩阵中的元素,vi是V矩阵中的第i行元素,Vxie计算值取得最小时对应的n就是最佳聚类;
S3.2,采用模糊C均值聚类算法,根据电压合格率、年最大负载率、供电半径及线路功率因数四项特征指标将m个台区分为n类,并计算每类的样本中心;
S3.3在每类台区中,计算各台区和该类样本中心的欧式距离,选择每类台区中,选择最小的台区为典型台区。
所述S4对典型台区进行电压监测,计算各级电压合格概率,以典型台区的电压偏低概率代表此类台区的电压质量;
S4.1对S3得到的n个典型台区进行电压检测,每T分钟记录一次台区的供电电压;
S4.2由统计时间段内的所有供电电压监测数据,计算各级电压合格率VERk%,其中,各级电压合格率VERk%,K=90,80,70,…,10是指:统计时间内,台区供电电压幅值偏低至K%~(K+10)%额定电压的发生概率,表达式为:
式中:CK表示监测电压大于等于K%Ue且小于(K+10)%Ue的时间节点数;Ue表示台区额定供电电压;N表示设定统计时段包含的总天数。
所述失负荷率,具体为:
台区供电电压偏低至K%Ue,K=90,80,70,…,10时,台区内各行业用户因电压质量而无法正常使用的负荷占该行业总负荷的百分比,即失负荷率。
所述计算由电压偏低引起的隐性缺供电量,具体为:
假设台区供电电压偏低至K%Ue时,第j行业用户的失负荷率为AKj,某台区供电电压偏低至K%Ue的时间与总统计时间的比值近似等于其所属台区分类的典型台区的K%电压合格率VERk%,该台区由电压偏低引起的隐性缺供电量ΔQ的计算公式为:
所述S7结合用户停电和限电记录,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量,具体为:
根据用户停电和限电记录,获取每次停电或限电的前后变压器负载率差、持续时间和台区变压器额定容量,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量AENS,计算公式为:
其中,表示该台区的功率因数,Δki表示该台区变压器在第i次停电或限电前后的负载率差,ti表示第i次停电或限电的持续时间,S表示该台区变压器的额定容量。
本发明首次定量计算了电压质量造成的隐性缺供电量问题,丰富了缺供电量的含义,使缺供电量统计工作更真实全面地反映用户实际用电情况;该方法实用性强、经济性好,可为供电企业的可靠性和电能质量提升工作提供指导。
本发明的有益效果:
1、本发明设计的配电网台区缺供电量计算方法首次计及了电压质量的影响,拓宽了缺供电量的统计范围,提供了一个量化指标来反映用户由于电压偏低无法正常使用用电设备而被迫削减负荷的情况,与传统的缺供电量计算方法相比,能够更全面地评估台区的供电可靠性和电能质量水平,更能反映用户实际用电体验,使用户信服;
2、本发明设计的考虑电压质量的隐性缺供电量计算方法,不仅考虑了电压偏低幅值对用户失负荷率的影响,而且兼顾了不同行业主要用电设备的电压质量敏感特性差异,隐性缺供电量的预测结果具有较好的准确性和可信度;
3、本发明设计的基于模糊C均值聚类算法的典型台区选取方法,可以有效解决配电网台区点多量大、全面监测调研成本过高的问题,采用与电压质量相关的特征指标进行聚类,以对少量典型台区的电压监测和用户负荷特性跟踪统计来代替全覆盖的监测统计,大大减少了设备成本和统计工作量,具有突出的经济性和高效性。
附图说明
图1是本发明的一种考虑电压质量的配电网台区缺供电量预测方法的工作流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种考虑电压质量的配电网台区缺供电量预测方法,包括如下步骤:
S1获取设定统计时间段内,配电网中各台区的特征指标,每个用户所属的行业分类和用电量;
所述配电网中各台区的特征指标是与台区整体电压质量水平相关的指标参数,包括电压合格率、年最大负载率、供电半径及线路功率因数。
S2根据用户所属行业分类,计算台区内各行业的总用电量;
具体是指:假设一个供电台区所有用户分为j个行业,第j行业总用电量是台区中所有行业分类为第j行业的用户在统计时间段内的用电量的总和,记为Qj。
S3采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,选择与中心样本最近的台区作为典型台区;
采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,得到多个台区,选择与中心样本最近的台区作为典型台区,具体包括如下步骤:
S3.1配电网内有m个台区,以聚类有效性为目标,确定最优的聚类数n,
其中所述聚类有效性是指类内紧凑度与类间分离度的比值,记为Vxie,计算公式为:
其中,U是隶属矩阵,V是聚类中心矩阵,m是样本个数,即台区数,n是聚类数,α是模糊因子,uij是U矩阵中的元素,vi是V矩阵中的第i行元素,Vxie计算值取得最小时对应的n就是最佳聚类;
S3.2,采用模糊C均值聚类算法,根据电压合格率、年最大负载率、供电半径及线路功率因数四项特征指标将m个台区分为n类,并计算每类的样本中心;
S3.3在每类台区中,计算各台区和该类样本中心的欧式距离,选择每类台区中,选择最小的台区为典型台区。
S4对典型台区进行电压监测,计算各级电压合格概率,以典型台区的电压偏低概率代表此类台区的电压质量,具体为;
S4.1对S3得到的n个典型台区进行电压检测,每T分钟记录一次台区的供电电压;
S4.2由统计时间段内的所有供电电压监测数据,计算各级电压合格率VERk%,其中,各级电压合格率VERk%,K=90,80,70,…,10是指:统计时间内,台区供电电压幅值偏低至K%~(K+10)%额定电压的发生概率,表达式为:
式中:CK表示监测电压大于等于K%Ue且小于(K+10)%Ue的时间节点数;Ue表示台区额定供电电压;N表示设定统计时段包含的总天数。
S5在典型台区中,统计每个电压偏低等级下各行业用户主要用电设备的运行情况,确定电压偏低幅值与失负荷率的关联关系表;
所述失负荷率,具体为:
台区供电电压偏低至K%Ue,K=90,80,70,…,10时,台区内各行业用户因电压质量而无法正常使用的负荷占该行业总负荷的百分比,即失负荷率。
S6根据台区的各级电压合格率和各行业总用电量,计算由电压偏低引起的隐性缺供电量;
具体为:
假设台区供电电压偏低至K%Ue时,第j行业用户的失负荷率为AKj,某台区供电电压偏低至K%Ue的时间与总统计时间的比值近似等于其所属台区分类的典型台区的K%电压合格率VERk%,该台区由电压偏低引起的隐性缺供电量ΔQ的计算公式为:
S7结合用户停电和限电记录,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量。
具体为:
根据用户停电和限电记录,获取每次停电或限电的前后变压器负载率差、持续时间和台区变压器额定容量,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量AENS,计算公式为:
其中,表示该台区的功率因数,Δki表示该台区变压器在第i次停电或限电前后的负载率差,ti表示第i次停电或限电的持续时间,S表示该台区变压器的额定容量。
本实施例中,
某低压配电网共有10个供电台区,分别记为台区1~10。首先获取所有供电台区在近一年的特征指标数据,即台区的电压合格率、年最大负载率、供电半径、线路功率因数,如表1所示。
表1 10个供电台区的特征指标数据
在本实施例中将用户所属行业分为5类:敏感工业、一般工业、敏感商业农业、一般商业农业和居民,统计各个台区的客户所属的行业分类和用电量。
根据统计情况,计算台区内各行业用户的总用电量,表2为近一年台区1的行业用户用电量统计表。
表2台区1的行业用户用电量统计表
根据步骤S3,采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,选择与中心样本最近的台区作为典型台区。首先,以聚类有效性指标Vxie最小为目标,确定最优聚类数为3。利用模糊C均值聚类算法,根据表1的特征指标数据将10个供电台区聚为3类,确定各类的聚类中心。3类台区聚类中心的指标数值、所包含的台区编号以及典型台区如表3所示。
表3台区聚类结果及典型台区
根据步骤S4,对3个典型台区(台区1、台区2和台区6)进行电压监测,每15分钟记录一次台区的供电电压,基于1年的监测数据计算各级电压合格率,结算结果如表4所示。
表4 3个典型台区的各级电压合格率统计结果
根据3个台区监测结果统计出电压偏低幅值与失负荷率的关联关系,如表5所示。
表5不同电压偏低幅值下各行业的失负荷率
根据步骤S6,由台区的各级电压合格率和各行业总用电量,计算由电压偏低引起的隐性缺供电量。对于非典型台区的各级电压合格率,可以用其所属台区分类的典型台区的各级电压合格率近似表示。在本实施例中,台区1的隐性缺供电量ΔQ由表2的行业用电量、表4的各级电压合格率和表5的不同电压偏低幅值下各行业的失负荷率计算得出。
根据步骤S7,根据用户停电和限电记录,获取每次停电或限电的前后变压器负载率差、持续时间和台区变压器额定容量,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量AENS。台区1的功率因数φ为0.9,台区变压器额定容量S为1250KVA,在统计时段内共发生8次停电事故,2次限电,记录每次停电或限电的持续时间和前后变压器负载率差,计算得出台区1考虑停电或限电情况的传统缺供电量为15.75MW·h,总缺供电量为446.664MW·h。
由隐性缺供电量和总缺供电量的计算过程可以看出,电压质量带来的隐性缺供电量与电压偏低程度、台区中敏感行业用户的用电量占比有关。在含有较多敏感行业用户且供电电压质量较差的台区或配电网中,由电压质量尤其是电压偏低问题造成的用户用电设备不可用情况突出,隐性缺供电量大,这部分缺供电量在传统缺供电量统计中无法体现,不利于指导供电企业的规划和改造工作。
本实施例进一步表明了:本发明所述的考虑电压质量的配电网台区缺供电量预测方法能够定量预测了电压质量造成的隐性缺供电量问题,丰富了缺供电量的含义,使缺供电量统计工作更真实全面地反映用户实际用电情况,为供电企业的可靠性和电能质量提升工作提供参考。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种考虑电压质量的配电网台区缺供电量预测方法,其特征在于,包括如下步骤:
S1获取设定统计时间段内,配电网中各台区的特征指标,每个用户所属的行业分类和用电量;
S2根据用户所属行业分类,计算台区内各行业的总用电量;
S3采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,选择与中心样本最近的台区作为典型台区;
S4对典型台区进行电压监测,计算各级电压合格概率,以典型台区的电压偏低概率代表此类台区的电压质量;
S5在典型台区中,统计每个电压偏低等级下各行业用户主要用电设备的运行情况,确定电压偏低幅值与失负荷率的关联关系表;
S6根据台区的各级电压合格率和各行业总用电量,计算由电压偏低引起的隐性缺供电量;
S7结合用户停电和限电记录,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量。
2.根据权利要求1所述的配电网台区缺供电量预测方法,其特征在于,所述配电网中各台区的特征指标包括电压合格率、年最大负载率、供电半径及线路功率因数。
3.根据权利要求1所述的配电网台区缺供电量预测方法,其特征在于,所述S2中,计算台区内各行业的总用电量,具体是指:假设一个供电台区所有用户分为j个行业,第j行业总用电量是台区中所有行业分类为第j行业的用户在统计时间段内的用电量的总和,记为Qj。
4.根据权利要求1所述的配电网台区缺供电量预测方法,其特征在于,所述S3中,采用模糊C均值聚类算法,根据台区特征指标对配电网中所有台区进行聚类,得到多个台区,选择与中心样本最近的台区作为典型台区,具体包括如下步骤:
S3.1配电网内有m个台区,以聚类有效性为目标,确定最优的聚类数n,
其中所述聚类有效性是指类内紧凑度与类间分离度的比值,记为Vxie,计算公式为:
<mrow>
<msub>
<mi>V</mi>
<mrow>
<mi>x</mi>
<mi>i</mi>
<mi>e</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<mi>V</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>&alpha;</mi>
</msubsup>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>m</mi>
<munder>
<mrow>
<mi>min</mi>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>k</mi>
</mrow>
</munder>
</mrow>
</mfrac>
</mrow>
其中,U是隶属矩阵,V是聚类中心矩阵,m是样本个数,即台区数,n是聚类数,α是模糊因子,uij是U矩阵中的元素,vi是V矩阵中的第i行元素,Vxie计算值取得最小时对应的n就是最佳聚类;
S3.2,采用模糊C均值聚类算法,根据电压合格率、年最大负载率、供电半径及线路功率因数四项特征指标将m个台区分为n类,并计算每类的样本中心;
S3.3在每类台区中,计算各台区和该类样本中心的欧式距离,选择每类台区中,选择最小的台区为典型台区。
5.根据权利要求1所述的配电网台区缺供电量预测方法,其特征在于,所述S4对典型台区进行电压监测,计算各级电压合格概率,以典型台区的电压偏低概率代表此类台区的电压质量;
S4.1对S3得到的n个典型台区进行电压检测,每T分钟记录一次台区的供电电压;
S4.2由统计时间段内的所有供电电压监测数据,计算各级电压合格率VERk%,其中,各级电压合格率VERk%,K=90,80,70,…,10是指:统计时间内,台区供电电压幅值偏低至K%~(K+10)%额定电压的发生概率,表达式为:
<mrow>
<msub>
<mi>VER</mi>
<mrow>
<mi>K</mi>
<mi>%</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>c</mi>
<mi>K</mi>
</msub>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mn>1440</mn>
<mo>/</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
式中:CK表示监测电压大于等于K%Ue且小于(K+10)%Ue的时间节点数;Ue表示台区额定供电电压;N表示设定统计时段包含的总天数。
6.根据权利要求1所述的配电网台区缺供电量预测方法,其特征在于,所述失负荷率,具体为:
台区供电电压偏低至K%Ue,K=90,80,70,…,10时,台区内各行业用户因电压质量而无法正常使用的负荷占该行业总负荷的百分比,即失负荷率。
7.根据权利要求6所述的配电网台区缺供电量预测方法,其特征在于,所述计算由电压偏低引起的隐性缺供电量,具体为:
假设台区供电电压偏低至K%Ue时,第j行业用户的失负荷率为AKj,某台区供电电压偏低至K%Ue的时间与总统计时间的比值近似等于其所属台区分类的典型台区的K%电压合格率VERk%,该台区由电压偏低引起的隐性缺供电量ΔQ的计算公式为:
<mrow>
<mi>&Delta;</mi>
<mi>Q</mi>
<mo>=</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>K</mi>
</munder>
<msub>
<mi>VER</mi>
<mrow>
<mi>K</mi>
<mi>%</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>Q</mi>
<mi>j</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>A</mi>
<mrow>
<mi>K</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
8.根据权利要求1所述的配电网台区缺供电量预测方法,其特征在于,所述S7结合用户停电和限电记录,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量,具体为:
根据用户停电和限电记录,获取每次停电或限电的前后变压器负载率差、持续时间和台区变压器额定容量,计算考虑电压偏低引起的隐性缺供电量后的台区总缺供电量AENS,计算公式为:
其中,表示该台区的功率因数,Δki表示该台区变压器在第i次停电或限电前后的负载率差,ti表示第i次停电或限电的持续时间,S表示该台区变压器的额定容量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710353190.9A CN107330540B (zh) | 2017-05-18 | 2017-05-18 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
PCT/CN2017/111344 WO2018209913A1 (zh) | 2017-05-18 | 2017-11-16 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710353190.9A CN107330540B (zh) | 2017-05-18 | 2017-05-18 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107330540A true CN107330540A (zh) | 2017-11-07 |
CN107330540B CN107330540B (zh) | 2019-03-05 |
Family
ID=60193551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710353190.9A Active CN107330540B (zh) | 2017-05-18 | 2017-05-18 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107330540B (zh) |
WO (1) | WO2018209913A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256724A (zh) * | 2017-11-27 | 2018-07-06 | 国网浙江省电力公司嵊泗县供电公司 | 一种基于动态行业系数的配电网可开放容量规划方法 |
WO2018209913A1 (zh) * | 2017-05-18 | 2018-11-22 | 华南理工大学 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
CN109615207A (zh) * | 2018-12-04 | 2019-04-12 | 国网山东省电力公司无棣县供电公司 | 一种低压台区供电负荷调配方法及系统 |
CN110288215A (zh) * | 2019-06-17 | 2019-09-27 | 国网甘肃省电力公司兰州供电公司 | 一种基于熵权法的电力客户服务态势感知评价方法 |
CN111191966A (zh) * | 2020-02-18 | 2020-05-22 | 南京工程学院 | 一种基于时空特性的配电网电压不合格时段识别方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264107B (zh) * | 2019-07-01 | 2021-08-24 | 国网安徽省电力有限公司滁州供电公司 | 一种基于大数据技术的台区线损率异常诊断方法 |
CN113434690B (zh) * | 2021-08-25 | 2022-02-08 | 广东电网有限责任公司惠州供电局 | 基于聚类算法的用电预测评估方法、装置、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007109156A2 (en) * | 2006-03-16 | 2007-09-27 | Leveler Llc | Site analysis methodology and device for testing electric power |
CN103903189A (zh) * | 2014-03-20 | 2014-07-02 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
CN104408549A (zh) * | 2014-10-31 | 2015-03-11 | 国家电网公司 | 一种城市配电网运行状态评估方法 |
CN104573853A (zh) * | 2014-12-19 | 2015-04-29 | 华南理工大学 | 低压台区配电网电压质量评估与优化的系统化解决方法 |
CN105389636A (zh) * | 2015-12-11 | 2016-03-09 | 河海大学 | 一种低压台区kfcm-svr合理线损预测方法 |
CN105760997A (zh) * | 2016-02-16 | 2016-07-13 | 国网山东省电力公司经济技术研究院 | 基于模糊评价的配电网异常电压评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330540B (zh) * | 2017-05-18 | 2019-03-05 | 华南理工大学 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
-
2017
- 2017-05-18 CN CN201710353190.9A patent/CN107330540B/zh active Active
- 2017-11-16 WO PCT/CN2017/111344 patent/WO2018209913A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007109156A2 (en) * | 2006-03-16 | 2007-09-27 | Leveler Llc | Site analysis methodology and device for testing electric power |
CN103903189A (zh) * | 2014-03-20 | 2014-07-02 | 华南理工大学 | 基于模糊聚类的低压配网台区聚类方法 |
CN104408549A (zh) * | 2014-10-31 | 2015-03-11 | 国家电网公司 | 一种城市配电网运行状态评估方法 |
CN104573853A (zh) * | 2014-12-19 | 2015-04-29 | 华南理工大学 | 低压台区配电网电压质量评估与优化的系统化解决方法 |
CN105389636A (zh) * | 2015-12-11 | 2016-03-09 | 河海大学 | 一种低压台区kfcm-svr合理线损预测方法 |
CN105760997A (zh) * | 2016-02-16 | 2016-07-13 | 国网山东省电力公司经济技术研究院 | 基于模糊评价的配电网异常电压评估方法 |
Non-Patent Citations (1)
Title |
---|
张颖 等: ""基于自组织竞争神经网络的低电压台区预测模型"", 《水电能源科学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018209913A1 (zh) * | 2017-05-18 | 2018-11-22 | 华南理工大学 | 一种考虑电压质量的配电网台区缺供电量预测方法 |
CN108256724A (zh) * | 2017-11-27 | 2018-07-06 | 国网浙江省电力公司嵊泗县供电公司 | 一种基于动态行业系数的配电网可开放容量规划方法 |
CN108256724B (zh) * | 2017-11-27 | 2021-12-07 | 国网浙江省电力公司嵊泗县供电公司 | 一种基于动态行业系数的配电网可开放容量规划方法 |
CN109615207A (zh) * | 2018-12-04 | 2019-04-12 | 国网山东省电力公司无棣县供电公司 | 一种低压台区供电负荷调配方法及系统 |
CN109615207B (zh) * | 2018-12-04 | 2021-11-02 | 国网山东省电力公司无棣县供电公司 | 一种低压台区供电负荷调配方法及系统 |
CN110288215A (zh) * | 2019-06-17 | 2019-09-27 | 国网甘肃省电力公司兰州供电公司 | 一种基于熵权法的电力客户服务态势感知评价方法 |
CN111191966A (zh) * | 2020-02-18 | 2020-05-22 | 南京工程学院 | 一种基于时空特性的配电网电压不合格时段识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107330540B (zh) | 2019-03-05 |
WO2018209913A1 (zh) | 2018-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330540A (zh) | 一种考虑电压质量的配电网台区缺供电量预测方法 | |
CN110110881B (zh) | 电力客户需求预测分析方法及系统 | |
CN105930976B (zh) | 基于加权理想点法的节点电压暂降严重程度综合评估方法 | |
CN110707706B (zh) | 一种基于线路潮流分布的输电网规划方法及系统 | |
CN107221927A (zh) | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 | |
Panapakidis et al. | Load profiling in the deregulated electricity markets: A review of the applications | |
CN108181527A (zh) | 一种基于能量指标的电压暂降综合严重程度的评估方法 | |
CN110175761B (zh) | 一种基于用户端电压偏差率的配电网低电压综合评价方法 | |
CN110490454B (zh) | 基于配网设备运行效率评价的配网资产运行效率计算方法 | |
CN110555624A (zh) | 一种考虑指标关联的电网调度运行综合评估方法 | |
CN110137947A (zh) | 一种基于itic曲线的电网电压暂降严重程度评估方法 | |
CN108490285A (zh) | 一种基于电压降落法的低压台区线损率计算方法 | |
CN111967684B (zh) | 一种基于大数据分析的计量资产主动配送方法 | |
CN113657739A (zh) | 一种多场景下定量储能评价的方法 | |
CN104573897A (zh) | 配电网规划的评估方法和装置 | |
CN112801542A (zh) | 用电客户信用评估方法 | |
CN116167659B (zh) | 一种碳市场碳排放数据质量评价方法 | |
CN106849792A (zh) | 电机设备及集群系统的能耗计算和节能措施评估方法 | |
CN112464550A (zh) | 基于降维估计和阻尼最小二乘法的智能电表误差估计方法 | |
CN114676931A (zh) | 一种基于数据中台技术的电量预测系统 | |
CN105203838B (zh) | 一种电量采集系统 | |
CN112611997A (zh) | 一种台区关口表挂接关系在线校验方法和系统 | |
CN116070781B (zh) | 电能计量设备需求预测方法、装置和计算机设备 | |
CN105391049B (zh) | 一种考虑概率分布的电网参数估计方法 | |
CN113884975B (zh) | 一种基于改进动态线损估计的超差电表检测方法 |
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 |