CN108428052B - 一种基于可信度的主动配电网运行风险评估方法 - Google Patents
一种基于可信度的主动配电网运行风险评估方法 Download PDFInfo
- Publication number
- CN108428052B CN108428052B CN201810190541.3A CN201810190541A CN108428052B CN 108428052 B CN108428052 B CN 108428052B CN 201810190541 A CN201810190541 A CN 201810190541A CN 108428052 B CN108428052 B CN 108428052B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- credibility
- power distribution
- active power
- operation risk
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012854 evaluation process Methods 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 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
- G06Q10/06—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
- 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)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于可信度的主动配电网运行风险评估方法,在主动配电网运行风险评估过后,根据建立的可信度模型和主动配电网运行风险评估结果,计算主动配电网运行风险评估的可信度f;最后将主动配电网运行风险评估的可信度f与仿真设置的可信度fmax进行比较,若f>fmax,评估收敛,主动配电网的运行风险评估结束,输出风险评估结果,若f≤fmax,评估不收敛,继续进行主动配电网的运行风险评估过程。本发明建立主动配电网运行风险评估的可信度模型,为评估过程的准确度提供了量化标准,同时将可信度作为判敛准则,大大缩短了风险评估的计算时间。
Description
技术领域
本发明属于主动配电网风险评估领域,具体涉及一种基于可信度的主动配电网运行风险评估方法。
背景技术
近年来,随着电力需求的日益增长、能源形势的日益严峻,大量的分布式电源接入配电网,主动配电网技术应运而生。相较于传统配电网,主动配电网结构更加复杂,包含分布式电源、可控负荷等大量不确定性因素,设备、线路等的故障会影响整个主动配电网的安全运行,因此,对主动配电网的运行进行风险评估,提高主动配电网运行的安全性,是保障主动配电网安全稳定运行的重要手段,可为电网运行人员提供有效的决策依据,最大限度地避免和降低大面积停电造成的损失,保证配电网的安全可靠运行。
主动配电网结构复杂,元件众多,对其进行风险评估时,采用蒙特卡洛模拟法来获取风险评估指标值。蒙特卡洛是一种随机算法,本身就存在不确定性,它的评估准确度随着样本数的增加而增加。同时,主动配电网中还包含着大量的分布式电源、负荷等不确定因素。蒙特卡洛算法评估结果的随机性和分布式电源出力、负荷大小抽样的不确定性将极大的影响主动配电网运行风险评估的准确度和效率。
发明内容
本发明的目的在于提供一种基于可信度的主动配电网运行风险评估方法,建立主动配电网运行风险评估的可信度模型,为评估过程的准确度提供了量化标准,同时将可信度作为判敛准则,解决现有风险评估计算时间较长的问题。
为了达成上述目的,本发明的解决方案是:一种基于可信度的主动配电网运行风险评估方法,具体步骤为:
步骤1、建立主动配电网运行风险评估的可信度模型;
步骤2、对主动配电网的运行进行风险评估;
步骤3、根据建立的可信度模型和步骤2的主动配电网运行风险评估结果,计算主动配电网运行风险评估的可信度f;
步骤4、将主动配电网运行风险评估的可信度f与仿真设置的可信度fmax进行比较,若f>fmax,评估收敛,主动配电网的运行风险评估结束,输出风险评估结果,若f≤fmax,评估不收敛,返回步骤2,继续进行主动配电网的运行风险评估过程。
本发明与现有技术相比,其显著优点在于:(1)综合考虑了主动配电网运行风险评估过程中的不确定性因素,包括蒙特卡洛算法的随机性和分布式电源出力、负荷大小抽样的不确定性,评估结果全面、可信度高;(2)建立了主动配电网运行风险评估过程的可信度模型,为评估过程的准确度提供了量化标准;(3)将可信度作为判敛准则,大大缩短了风险评估的计算时间。
附图说明
图1为本发明提供的一种基于可信度的主动配电网运行风险评估方法示意图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
结合图1所示,如附图1所示,本发明提供一种基于可信度的主动配电网运行风险评估方法,建立主动配电网运行风险评估的可信度模型,评估运行风险评估过程的可信度。并将实时可信度与设置的可信度进行比较,作为主动配电网运行风险评估收敛与否的判别标准,具体步骤为:
步骤1、建立主动配电网运行风险评估的可信度模型。
主动配电网运行风险评估的可信度模型为:
f=γ1ζ+γ2δ
式中,f表示主动配电网运行风险评估的可信度,ζ表示蒙特卡洛评估结果可信度,δ表示分布式电源出力、负荷大小抽样可信度,γ1、γ2分别表示可信度ζ、δ的权重系数,且γ1+γ2=1。
其中,蒙特卡洛评估结果可信度具体计算方法为:
其中,分布式电源出力、负荷大小抽样可信度具体计算方法为:
式中,ωi、ωj分别表示第i个分布式电源、第j个负荷的抽样可信度权重,分别取第i个分布式电源容量占所有分布式电源容量的比重或第j个负荷均值占所有负荷均值和的比重为它们抽样的可信度权重;δi、δj表示第i个分布式电源、第j个负荷的抽样可信度;I、J分别表示分布式电源数和负荷数。
其中,第k个分布式电源或负荷的抽样可信度计算方法为:
式中,δk表示主动配电网第k个分布式电源或负荷的风险评估的抽样可信度;λk1、λk2分别是第k个分布式电源或负荷的均值误差和标准差误差的权重系数,且λk1+λk2=1;μk、σk分别是第k个分布式电源或负荷分布模型的均值和标准差,分别是第k个分布式电源或负荷抽样样本的均值和标准差;
步骤2、对主动配电网的运行进行风险评估,得到分布式电源出力、负荷大小的抽样值,以及主动配电网风险评估指标值;其中,对主动配电网的运行进行风险评估为现有评估方法,例如运行蒙特卡洛模拟法;
步骤3、根据建立的可信度模型和步骤2的主动配电网运行风险评估结果,计算主动配电网运行风险评估的可信度f;
步骤4、将实时求得的可信度f与仿真设置的可信度fmax进行比较,若f>fmax则评估收敛,主动配电网的运行风险评估结束,输出风险评估结果,若f≤fmax,则评估不收敛,转步骤2,继续进行主动配电网的运行风险评估过程。
实施例1
在主动配电网运行风险评估过程结束后,对主动配电网运行风险评估的实时可信度进行计算,其中实时可信度f包括蒙特卡洛算法评估结果可信度ζ和分布式电源出力、负荷大小抽样可信度δ,且是它们的线性加权,即f=γ1ζ+γ2δ,γ1、γ2分别表示可信度ζ、δ的权重系数,且γ1+γ2=1。
其中,蒙特卡洛算法评估结果可信度模型通过比较各个主动配电网风险评估指标的变化率来评估蒙特卡洛算法结果的可信度。以年为单位,每仿真一年,计算一次各个风险指标相较于前第n年风险指标的综合变化率作为蒙特卡洛评估结果可信度,如下式:
其中,分布式电源出力、负荷大小抽样可信度模型为:
式中,ωi、ωj分别表示第i个分布式电源、第j个负荷的抽样可信度权重,且ω=P/∑Pk,表示第i个分布式电源出力占所有分布式电源出力或第j个负荷值占所有负荷和的比重;δi、δj表示第i个分布式电源、第j个负荷的可信度;I、J分别表示分布式电源数和负荷数。
通过抽样均值误差和标准差误差的线性加权来表示第k个分布式电源或负荷的抽样可信度,即:
式中,δk表示主动配电网第k个分布式电源或负荷的风险评估的抽样可信度;λk1、λk2分别是第k个分布式电源或负荷的均值误差和标准差误差的权重系数,且λk1+λk2=1;μk、σk分别是第k个分布式电源或负荷分布模型的均值和标准差,分别是第k个分布式电源或负荷抽样样本的均值和标准差。
如附图1所示,在计算得到主动配电网运行风险评估的实时可信度后,将实时求得的可信度f与仿真设置的可信度fmax进行比较,若f>fmax则评估收敛,主动配电网的运行风险评估结束,输出风险评估结果,若f≤fmax,则评估不收敛,继续进行主动配电网的运行风险评估过程。
Claims (4)
1.一种基于可信度的主动配电网运行风险评估方法,其特征在于,具体步骤为:
步骤1、建立主动配电网运行风险评估的可信度模型,具体为:
f=γ1ζ+γ2δ
式中,f表示主动配电网运行风险评估的可信度,ζ表示蒙特卡洛评估结果可信度,δ表示分布式电源出力、负荷大小抽样可信度,γ1、γ2分别表示可信度ζ、δ的权重系数,且γ1+γ2=1;
步骤2、对主动配电网的运行进行风险评估,得到分布式电源出力、负荷大小的抽样值,以及主动配电网风险评估指标值;
步骤3、根据建立的可信度模型和步骤2的主动配电网运行风险评估结果,计算主动配电网运行风险评估的可信度f;
步骤4、将主动配电网运行风险评估的可信度f与仿真设置的可信度fmax进行比较,若f>fmax,评估收敛,主动配电网的运行风险评估结束,输出风险评估结果,若f≤fmax,评估不收敛,返回步骤2,继续进行主动配电网的运行风险评估过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810190541.3A CN108428052B (zh) | 2018-03-08 | 2018-03-08 | 一种基于可信度的主动配电网运行风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810190541.3A CN108428052B (zh) | 2018-03-08 | 2018-03-08 | 一种基于可信度的主动配电网运行风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108428052A CN108428052A (zh) | 2018-08-21 |
CN108428052B true CN108428052B (zh) | 2021-11-09 |
Family
ID=63157693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810190541.3A Active CN108428052B (zh) | 2018-03-08 | 2018-03-08 | 一种基于可信度的主动配电网运行风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108428052B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598452A (zh) * | 2018-12-30 | 2019-04-09 | 国网北京市电力公司 | 监测配电网的方法及装置 |
CN111369127A (zh) * | 2020-02-29 | 2020-07-03 | 上海电力大学 | 一种基于pmu的主动配电网运行风险评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310388A (zh) * | 2013-05-28 | 2013-09-18 | 清华大学 | 基于信源熵的电网运行综合指数计算方法 |
CN107330639A (zh) * | 2017-08-04 | 2017-11-07 | 国家电网公司 | 一种主动配电网运行风险评估方法 |
-
2018
- 2018-03-08 CN CN201810190541.3A patent/CN108428052B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310388A (zh) * | 2013-05-28 | 2013-09-18 | 清华大学 | 基于信源熵的电网运行综合指数计算方法 |
CN107330639A (zh) * | 2017-08-04 | 2017-11-07 | 国家电网公司 | 一种主动配电网运行风险评估方法 |
Non-Patent Citations (1)
Title |
---|
风电场入网的可靠性分析及运行风险评估;高忠旭;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(月刊)》;20140115(第01期);第31-45页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108428052A (zh) | 2018-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117951B (zh) | 基于bp神经网络的概率潮流在线计算方法 | |
CN110175386B (zh) | 变电站电气设备温度预测方法 | |
CN108694467B (zh) | 一种对配电网线损率进行预测的方法及系统 | |
CN112966954B (zh) | 一种基于时间卷积网络的防洪调度方案优选方法 | |
CN105429129B (zh) | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 | |
CN108428052B (zh) | 一种基于可信度的主动配电网运行风险评估方法 | |
CN110443724B (zh) | 一种基于深度学习的电力系统快速状态估计方法 | |
CN108336739A (zh) | 一种基于rbf神经网络的概率潮流在线计算方法 | |
CN109088407B (zh) | 基于深度信念网络伪量测建模的配电网状态估计方法 | |
CN103020728A (zh) | 一种电力系统中变电站短期电能质量预测方法 | |
CN111159638A (zh) | 基于近似低秩矩阵补全的配电网负荷缺失数据恢复方法 | |
CN111507422B (zh) | 基于cqfpa-wnn的变压器故障诊断方法 | |
Dewangan et al. | A traditional approach to solve economic load dispatch problem considering the generator constraints | |
WO2018014417A1 (zh) | 一种电力系统时滞稳定裕度快速求解方法 | |
CN111049159B (zh) | 一种嵌入深度信念网络的电力系统暂态稳定预防控制方法 | |
Gao et al. | Wind speed forecast for wind farms based on ARMA-ARCH model | |
CN109993368A (zh) | 基于奇异谱分解和长短期记忆网络的功率预测方法 | |
CN112232570A (zh) | 一种正向有功总电量预测方法、装置及可读存储介质 | |
CN103983332A (zh) | 一种基于hgsa-bp算法的传感器误差补偿方法 | |
Haixia et al. | Application of BP neural network based on genetic algorithm optimization | |
CN109950935B (zh) | 孤岛运行的交直流混联微电网概率潮流方法 | |
CN116629625A (zh) | 一种基于神经网络模型的电网线损预测方法 | |
CN116258234A (zh) | 一种基于bp神经网络模型的能源企业碳排测算与预测方法 | |
CN112330046A (zh) | 基于多维灰色-神经网络混合协调的电力需求预测方法 | |
Li et al. | Short-term Load Forecasting of Long-short Term Memory Neural Network Based on Genetic Algorithm |
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 |