CN108520330B - 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法 - Google Patents

一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法 Download PDF

Info

Publication number
CN108520330B
CN108520330B CN201810150038.5A CN201810150038A CN108520330B CN 108520330 B CN108520330 B CN 108520330B CN 201810150038 A CN201810150038 A CN 201810150038A CN 108520330 B CN108520330 B CN 108520330B
Authority
CN
China
Prior art keywords
planning
distribution network
line
power distribution
load
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
Application number
CN201810150038.5A
Other languages
English (en)
Other versions
CN108520330A (zh
Inventor
杨楠
黎索亚
张磊
刘颂凯
王灿
李宏圣
黄禹
叶迪
董邦天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202110786423.0A priority Critical patent/CN113609649B/zh
Priority to CN201810150038.5A priority patent/CN108520330B/zh
Publication of CN108520330A publication Critical patent/CN108520330A/zh
Application granted granted Critical
Publication of CN108520330B publication Critical patent/CN108520330B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/04Power grid distribution networks
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (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

本发明将地区差异化划分的思想融入到配网规划之中,充分考虑负荷预测误差的不确定性分布,提出了一种面向低负荷密度地区10kV中压线路的差异化不确定性规划方法。首先在负荷预测误差概率特性模型的基础上,构建基于机会约束理论的中压线路规划数学模型,针对模型中的置信水平取值问题,先通过综合赋权方法对待规划地区配电网抗风险能力进行差异化分析,然后据此对不同抗风险能力的配电网选取相应的置信水平。相比于传统规划方法,本发明提出的方法不仅可以实现风险和成本的统筹协调,还充分考虑了低负荷密度地区不同配电台区发展的差异化特征,从而有效提升了配电网规划的精细化水平。基于实际算例的仿真结果验证了本发明所提方法的正确性和有效性。

Description

一种考虑负荷预测误差不确定性的配电网中压线路差异化规 划方法
技术领域
本发明中提出了一种融入了地区差异化划分的思想,并充分考虑负荷预测误差的不确定性分布的针对低负荷密度地区10kV中压线路的差异化不确定性规划方法对低负荷密度地区配电网进行线径规划,属于中压配电网规划技术领域。
背景技术
目前,我国配电网低电压问题严重,在负荷密度小于1MW/km2的农牧地区尤为突出。在低负荷密度区,供电距离过长、配电网设备陈旧是导致低电压问题的最主要原因,而进行配电网,尤其是配电网中压线路改造是解决低电压问题的重要手段。同时,相对于负荷密度较高的城市电网,低负荷密度地区具有一定的独特性,主要包括:供电区域广阔、负荷随机波动性大、且不同区域配电网抗风险能力存在显著差异。因此,亟需研究面向低负荷密度区的中压线路规划方法。
对于中压配网规划及线径选型问题,目前的研究仅通过确定性的负荷预测值来确定网架型号,采用的是确定性的规划方法,这种方法对负荷预测误差及其概率分布等不确定性因素缺乏精细化的度量。对于负荷随机波动性较大的低负荷密度地区而言,这种方法很难实现误差风险和经济成本的统筹协调,因而难免得出保守或冒进的规划方案。
基于不确定性理论的配电网规划方法,因其能够在规划过程中精确度量不确定性因素的概率分布,并提升规划方法的精细化水平而日益引起学术界的关注,而机会约束是其中具有代表性的方法之一。该方法使用置信区间的概率论思想把一些确定性约束条件转化为满足一定概率条件的风险约束,用约束条件成立的概率来表示和量度风险,实现决策方案中风险与经济的统筹协调。机会约束规划方法虽然成功将机会约束理论应用于部分配电网规划问题,但是一方面都集中于研究分布式电源的选址定容及发电机组的能量调度问题,在配电网中压线路的线径选型问题中应用较少;另一方面,规划模型中的置信度水平往往统一取值,并未考虑区域发展水平的差异。而有研究表明,在供电范围广袤的低负荷密度地区,由于不同村镇的经济水平、负荷结构差异巨大,配电网对于各类风险的承受能力也是有所差别的。
发明内容
本发明是为了解决在低负荷密度地区,配电网低电压问题严重的技术问题,而且现有技术很难实现误差风险和经济成本的统筹协调,因而难免得出保守或冒进的规划方案的技术问题。
本发明采取的技术方案为:
一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,包括以下步骤:
步骤1:基于机会约束理论的配电网中压线路规划模型;
步骤2:不同供电区域配电网差异化置信水平的取值;
步骤3:低负荷密度区不同供电区域的抗风险能力的差异化评估;
通过上述步骤,完成考虑负荷预测误差不确定性的配电网中压线路差异化规划。
在步骤1)中包括以下步骤:
1)选型目标函数的建立;在保证配电网中压网架满足输送容量和末端电压要求的前提下,使其待规划区域的线径选型成本最小,建立目标函数
2)配电网中压网架线径规划模型的约束条件;假设电源侧容量配置足够,因而线路规划时约束条件仅需考虑线路的输送容量和末端电压是否满足要求;
上述约束条件包括线路容量约束、线路末端电压约束、规划裕度值约束。
在步骤2)中,通过基于综合权重的配电网风险权系数的排序结果再结合Biengyne-Chebyshev不等式确定模型的置信水平取值。
在步骤3)中,包括以下步骤:
1)抗风险能力评估体系的建立;
2)基于层次分析法的主观权重计算;
3)基于离差最大化方法的客观权重计算;
4)基于综合权重的配电网风险权系数的计算;
在进行基于层次分析法的主观权重计算时,首先选取待规划区域进行抗风险能力影响指标相对重要性问卷调查,然后结合九分位比例标度确定指标之间的相对重要程度,进而采用标度扩展法确定判断矩阵A,从而在满足一致性要求的同时简化计算量。
在基于离差最大化方法的客观权重计算时,配电网客观权系数的判断取决于多层次结构中各指标相对最佳值的满足程度,在对层次模型中各指标相对优属度进行计算前,还需先根据指标类型及特点确定其目标类型。
在进行基于综合权重的配电网风险权系数的计算时,采用组合赋权方法求解综合权重,进而结合配电网各项指标的归一化优属度函数评估各村镇配电网的抗风险能力,并计算其风险权系数。
在进行基于层次分析法的主观权重计算时,采用如下步骤:
1)对各层次结构中的若干指标进行两两比较,按重要程度递减排序。假设根据标度扩展法得到m个指标的重要性排序为x1≥x2≥…≥xm,对xg与xg+1进行比较,并将其对应的标度值记为tg,然后按照指标重要程度的传递性计算出判断矩阵中的其他元素值,从而得出判断矩阵A,A为m阶方阵;
2)利用排序原理得出矩阵排序矢量,计算各指标的主观权重系数;
上述目标类型包括固定型指标、区间型指标、成本型指标、效益型指标。
采用上述技术方案,本发明提供一种结合地区差异化划分的思想,并充分考虑负荷预测误差不确定性分布的面向低负荷密度地区10kV中压线路的差异化不确定性规划方法,首先在负荷预测误差概率特性模型的基础上,构建基于机会约束理论的中压线路规划数学模型,针对模型中的置信水平取值问题,先通过综合赋权方法对待规划地区配电网抗风险能力进行差异化分析,然后据此对不同抗风险能力的配电网选取相应的置信水平,这种方法不仅可以实现风险和成本的统筹协调,还充分考虑了低负荷密度地区不同配电台区发展的差异化特征,从而有效提升了配电网规划的精细化水平。
附图说明
图1为风险权系数层级结构图;
图2为基于机会约束规划和组合赋权的低负荷密度区配电网10kV中压线路差异化选型方法求解流程图;
图3为DIGSILENT辐射型配电网简化接线图;
图4为配变1低压出线;
图5低负荷密度区28节点系统地理接线图;
图6是抗风险能力评估指标类型表;
图7是算例线路参数表;
图8是指标最佳值表;
图9是规划裕度量表;
图10是基于机会约束规划的架空线选径方案表;
图11是中压线路的负荷量规划值表;
图12是不同选型方法线径成本核算结果表;
图13为各支路长度表;
图14为2016年月份预测误差统计表;
图15为不同行政村落抗风险能力评估指标实际参数表;
图16为指标相对重要性程度评估结果表;
图17为指标权重结果表;
图18为不同方法的线径选型方案表;
图19是选型费用一览表。
具体实施方式
一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,主要包括以下步骤:
步骤1:基于机会约束理论的配电网中压线路规划模型;
步骤2:不同供电区域配电网差异化置信水平的取值;
步骤3:低负荷密度区不同供电区域的抗风险能力的差异化评估;
通过上述步骤,完成考虑负荷预测误差不确定性的配电网中压线路差异化规划。
具体的,在步骤1中,已知在基准年内采样收集的负荷预测误差样本个数为n,则基于非参数核密度估计的中长期预测误差概率密度模型的表达式为
Figure GDA0001755412100000041
式中:
Figure GDA0001755412100000042
为预测误差概率密度函数;K(θ,l)为核函数;θm为预测误差值样本中的第m个样本值;l为模型的带宽参数,l取值越大,概率密度函数越平滑但精度降低,反之,函数波动性增加但精度提高。
本发明选择高斯函数K(θ)作为负荷预测误差概率密度模型的核函数,即
Figure GDA0001755412100000043
由式(1)和式(2)可知,基于非参数核密度估计的中长期预测误差概率分布模型可改写为
Figure GDA0001755412100000044
本发明以负荷预测误差历史样本数据为基础,采用文献“基于模糊序优化的风功率概率模型非参数核密度估计方法”提出的带宽优化模型和方法求解综合考虑模型精确性和平滑性的带宽参数,并最终确定其预测误差的概率密度函数φ(θ)及相应的概率分布函数Φ(θ)。
所建模型特征在于,融入了地区差异化划分的思想,并充分考虑负荷预测误差的不确定性分布,并且在保证配电网中压网架满足输送容量和末端电压要求的前提下,使其待规划区域的线径选型成本最小,其目标函数为:
Figure GDA0001755412100000051
式中:L为新建10kV线路集合;li表示辐射型配网10kV线路的供电距离,pi表示单位长度架空线价格,一般由线径型号决定;Ki表示第i条架空线的安装系数;C为目标函数,表示架空线路的投资成本。
假设电源侧容量配置足够,因而线路规划时约束条件仅需考虑线路的输送容量和末端电压是否满足要求,主要包括:
(1)线路容量约束
Simax≥Dgi (5)
式中:Simax表示线路的最大容量限制;Dgi表示第i条10kV线路规划负载。
(2)线路末端电压约束
Ut≥Utmin (6)
式中:Ut为中压线路末端电压,电压允许偏差值下限为-7%,则末端电压允许的最小值为Utmin=9.3kV。
(3)规划裕度值约束
为保证在负荷预测存在误差情况下,规划方案依然有效,系统还需设定规划裕度,但由于负荷预测误差本身是一种具有随机分布特性的不确定性因素,因此,本发明基于机会约束理论,将规划裕度约束描述为系统规划裕度满足实际需求的概率应不小于某一置信水平,即:
Figure GDA0001755412100000052
式中:Di表示第i条10kV线路实际负荷;
Figure GDA0001755412100000053
为根据配电网风险权系数排序确定的差异化的置信水平,本发明将利用综合赋权方法来求取不同村镇配电网的风险权系数。
已知
Di=Dij[(1+β)α+θ] (8)
式中:Dij表示第i条线路的负荷基准值;β为预测得出的规划年限内年均负荷增长率;α为新建线路的规划使用年限;θ为负荷预测误差百分数,是一个随机量。结合式(7)和式(8),规划裕度值约束可改写为
Figure GDA0001755412100000061
结合基于非参数核密度估计的负荷预测误差概率分布模型,由式(7)可得出不同置信水平下配电线路的规划裕度值。本发明根据Biengyne-Chebyshev不等式给出的置信水平取值范围,由风险权系数Zi排序结果依次选取不同的置信水平,且置信度取值大于等于80%。结合基于负荷预测误差的概率密度模型,由式(9)可得出不同置信水平下配电线路规划裕度值。
本发明首先采用非参数核密度估计方法对低负荷密度区的负荷预测误差进行概率密度建模,然后在此基础上针对配电网中压线路的选型问题,构建基于机会约束的不确定性规划模型。
基于综合赋权方法的低负荷密度区风险权系数计算:
1)配电网抗风险能力评估指标体系
结合辐射型配电网安全运行特点和影响因素,本发明建立了由3个一级指标和10个二级指标,构成的抗风险能力评估指标体系如图1所示。
(1)配电网电力负荷状况
电力负荷状况会直接影响配电网的潮流分布和末端电压,在负荷预测出现误差的情况下,其会直接影响规划方案失效的可能性。因此本发明以负荷状况作为表征配电网抗风险能力的一级指标之一。年最大负荷利用小时数可以间接反应负荷的波动情况,负荷波动越大,线路末端出现低电压的可能性越高,规划方案失效的风险也就越大,相比于负荷波动小的配电网,其抗风险能力也就越低;负荷密度直接反映配网负荷的密集程度,负荷密度越大,在既定的规划区域面积下,电力用户数量和总负荷量越大,一旦对负荷预测出现误差,规划方案失效的风险也就越大,相比于负荷密度小的供电区域,其抗风险能力也就越低;供电区域内的重要负荷会对配电网的供电可靠性提出更高的要求,供电可靠性要求越高意味着配电网抗风险能力越低。因此,本发明采用负荷密度、年最大负荷利用小时数、重要负荷的覆盖率等三个二级指标来表征电力负荷状况。其中重要负荷的覆盖率可表示为
Figure GDA0001755412100000071
式中:Psl为中压馈线所带重要负荷,本发明将由中压馈线供电的公共服务类负荷视为重要负荷;Ptotal为总负荷。
(2)供电能力
配电网的供电能力是指配电网在满足配电网辐射状约束方程的最大负荷,约束条件包括:支路功率约束和节点电压约束,馈线的容量约束,网架结构的连通性约束以及配变容量约束。供电能力可以在一定程度上反映中压馈线输送电能的容量裕度大小,容量裕度越大,在面对负荷预测误差时,规划方案失效的可能性更低,因此本发明采用供电能力作为表征配电网抗风险能力的一级指标之一。
重载配变占比描述的是待规划区域内配变的负载情况,重载配变占比越高,低压负荷越容易出现“卡脖子”,反映为供电能力较差,如果负荷预测出现误差,规划方案失效的风险更大,其抗风险能力也就相对较低;容载比指待规划区域内10kV配电网的可供电总容量在满足配电网正常运行的基础上与对应最高负荷之比[18],容载比过小,意味着网架供电能力较低,其抵御负荷预测误差的风险也就相对较低;中压馈线重载运行时间为一个季度内中压馈线的累积重载运行时间,重载运行时间越长,则中压馈线的电能输送能力越弱,相比于电能输送能力强的配电网,其抗风险能力也就越低。因此,本发明采用重载配变占比、容载比、中压馈线重载运行时间等三个二级指标来表征配电网架的供电能力。
(3)配电网运行水平
运行水平可直接反映配电网运行状况,其运行水平越好,在负荷预测出现误差时,规划方案失效的可能性越低,即配电网抗风险能力越强。因此,本发明以运行水平作为表征配电网抗风险能力的一级指标之一。
电压合格率可以直接反映用户的电压质量,如果电压合格率低于国家电网公司规范值,则意味着规划方案失效,故电压合格率越低,配电网抗风险能力也就越低;综合线损率是国家电网公司评估配电网规划方案科学性和合理性的重要指标,当综合线损率低于国家电网公司规范值,则需重新规划改造配电网,故综合线损率越高,规划方案失效风险越大,其抗风险能力也就越低;中压馈线的故障跳闸率及其所供用户的平均停电时间直接反映配电网供电的可靠性,在网架结构相同的情况下,供电可靠性越高,规划方案失效的风险也就越小,其抗风险能力也就越高。因此,本发明采用电压合格率、线损率、中压馈线的故障跳闸率及用户的平均停电时间等二级指标来表征配电网的运行水平,其中,用户的平均停电时间可表示为
Figure GDA0001755412100000081
式中:tav为用户平均停电时间;tev为用户每次停电时间;nyh为每次停电用户数;N为中压馈线的总供电用户数。
2)基于层次分析法的主观权重计算
本发明基于层次分析法对各级指标进行主观赋权,计算其主观权重值。首先选取待规划区域进行抗风险能力影响指标相对重要性问卷调查,然后结合“九分位”比例标度确定指标之间的相对重要程度,进而采用标度扩展法确定判断矩阵A,从而在满足一致性要求的同时简化计算量。详细的计算步骤如下:
(1)对各层次结构中的若干指标进行两两比较,按重要程度递减排序。假设根据标度扩展法得到m个指标的重要性排序为x1≥x2≥…≥xm,对xg与xg+1进行比较,并将其对应的标度值记为tg,然后按照指标重要程度的传递性计算出判断矩阵中的其他元素值,从而得出判断矩阵A,A为m阶方阵。
Figure GDA0001755412100000082
(2)利用排序原理得出矩阵排序矢量,计算各指标的主观权重系数。
Figure GDA0001755412100000083
式中:Mg为判断矩阵A每一行元素的积;Bg为Mg的m次方根;wg为指标主观权重系数。
3)基于离差最大化方法的客观权重计算
配电网客观权系数的判断取决于多层次结构中各指标相对“最佳值”的满足程度,本发明采用基于模糊数学的相对优属度指标来描述。在对层次模型中各指标相对优属度进行计算前,还需先根据指标类型及特点确定其目标类型,结果如图6和图13所示。
不同目标类型的相对优属度表达式μij可描述如下:
(1)固定型指标
Figure GDA0001755412100000091
式中:rij为第i条馈线第j个指标的统计值或测量值;
Figure GDA0001755412100000092
为事先给定的第j个指标rj的最佳值;σj为待规划区内n条馈线中rij
Figure GDA0001755412100000093
之差绝对值的最大值,即
Figure GDA0001755412100000094
(2)区间型指标
Figure GDA0001755412100000095
式中:
Figure GDA0001755412100000096
Figure GDA0001755412100000097
为给定的第j个指标rj的最佳下界和上界;ηj为rij偏离最佳区间绝对值的最大值,即
Figure GDA0001755412100000098
其中:rjmax、rjmin为指标rj所有统计值或测量值的最大值和最小值。
(3)成本型指标
μij=1-rij/(rjmax+rjmin) (18)
(4)效益型指标
μij=rij/(rjmax+rjmin) (19)
对含有n条中压线路的配电网m个指标进行评估,根据各项的统计值或测量值形成评判指标矩阵R。
Figure GDA0001755412100000099
应用式(14)~(20)并结合抗风险能力指标体系各指标类型,将评判指标矩阵R转换为相对优属度μ:
Figure GDA0001755412100000101
通过离差最大化方法确定客观权重的基本思想是:如果指标j相对最佳值满足程度较好,则指标j对综合效果优劣影响的作用很小,应赋予较小的权重;反之,则对综合效果的优劣排序将起重要作用,应赋予较大的权重。本发明基于相对优属度矩阵μ得到指标j的客观权重vj
Figure GDA0001755412100000102
式中:i和b表示不同的中压馈线;|μijbj|表示中压馈线i与b的指标j的优属度偏差绝对值。
4)基于综合权重的配电网风险权系数的计算
考虑到主观权系数具有一定的主观性,而客观权系数又无法反映指标对实际问题的重要程度,为使配电网抗风险能力评估更为客观、科学,本发明采用组合赋权方法求解综合权重λj,进而结合配电网各项指标的归一化优属度函数评估各村镇配电网的抗风险能力,并计算其风险权系数。
综合权重计算方法为如下。
Figure GDA0001755412100000103
式中:ωj为指标j的主观权重;vj为指标j的客观权重。
各村镇配电网的风险权系数计算方法如下:
Figure GDA0001755412100000104
式中:λj为指标j的综合权重;Zi为配电网风险权系数,i=1,2,…n。
由推导过程可知,风险权系数值越高,表明该地区抗风险能力越低,所需要的规划裕度越大,根据Zi的排序结果再结合Biengyne-Chebyshev不等式确定规划模型的置信水平取值。
以四川省阿坝藏族羌族自治州茂县某变电站低电压改造治理工程为例。该变电站的供电区域共有4个行政村,每个行政村由一条10kV中压线路进行供电,详细的地理接线情况如图1所示,拓扑结构的支路信息见图5。本发明利用DIGSILENT软件构建上述配电网的等值模型,结果如图3所示,模型中每个配变被等效为一个节点,配变统一采用S11-160/10参数进行设定:额定容量160Kva,空载损耗270W,负载损耗2200W,短路阻抗(%)4,空载电流(%)0.9,配变的低压出线接线情况则是在节点中单独设置,由于待规划区域内0.4kV低压配电线路线径及线长统计十分复杂,故在建模时考虑每个节点的低压负荷总量。以配变1为例,其0.4kV低压接线如图4所示。仿真实验在DIGSILENT环境下实现,算例中主变容量为2×10MVA,中压馈线负荷参数如图7所示,采用本发明所提的方法,对该地区10kV中压线路进行改造,确定其线路选型方案,在进行成本核算时,安装系数Ki取值为1。
图7是算例线路参数表,结合国网茂县供电公司2007年~2015年不同台区每月历史售电量数据及2016年各台区每月实际售电量数据得到基准年2016年预测误差统计结果见图14。
待规划区域配电网基准年内各参数实际取值详见图15,参考国家电网公司配电网相关规范确定各指标的最佳值或最佳区间,具体情况如图8所示,具体不同行政村落抗风险能力评估指标实际参数见图15。
1、基于本发明方法的配电网中压线路规划方案计算及分析
1)负荷预测误差的概率密度模型
基于预测误差统计结果,求解负荷预测误差的概率密度模型带宽为l=0.15。
2)配电网风险权系数的确定
(1)判断矩阵的形成。
本发明认为一级指标中,电力负荷状况是影响低负荷密度区配电网抗风险能力最为重要的指标,供电能力和运行水平次之,且重要程度相同。据此形成基于9级标度的判断矩阵A1
Figure GDA0001755412100000111
同时对指标体系中的二级指标重要性程度进行排序,认为其重要性程度由高到低依次为:年最大负荷利用小时数>重要负荷的覆盖率>负荷密度>容载比>中压馈线重载运行时间=重载配变占比>电压合格率>架空线故障跳闸率=用户平均停电时间>综合线损率。按照排序设计调查问卷对算例所在地区电力从业人员进行调研,结果见图16。结合调研结果,形成基于9级标度的二级指标判断矩阵A2
Figure GDA0001755412100000121
(2)结合一、二级指标判断矩阵,采用本文提及的方法得到不同村落配电网抗风险能力指标及主观权重设置见图17。
基于指标最佳值,结合基准年内不同行政村落配电网实际参数形成相对优属度矩阵μ
Figure GDA0001755412100000122
进而通过式(23)得出各指标客观权重和综合权重,计算结果见图17。
(3)得出待规划区域的四个村落的风险权系数:Z1=0.604,Z2=0.478,Z3=0.365,Z4=0.241。在规划过程中参考风险权系数,将置信水平分为四挡,依次选取不同村落的
Figure GDA0001755412100000123
置信度为95%、90%、85%、80%,根据本发明提出的方法计算中压线路的规划裕度量,结果如图9所示。
由图9可知,由于不同区域各项指标主观权重一致,而客观权重则通过指标相对“最佳值”的满足程度最终确定,村1电力负荷分布状况复杂,负荷密度大,负载较重,运行水平相对较低,可以预见未来村1将会呈现快速发展的特点,发展不确定性较大。从而导致层次结构中的各项指标实际值偏离“最佳值”较远,由此计算得出的风险权系数在四个村落中也最大。由于本发明将所有指标均为“最佳值”下的配电网抗风险能力视为最优,则在本发明中风险权系数越大,表明配电网抗风险能力越弱,相应的置信水平取值也应越大。相对而言,村4负荷结构单一、负荷密度较低、发展缓慢,因而负荷预测出现较大误差的风险较低,所以表现为风险权系数最低,因而所选取的置信水平也最低。
根据图9结果和本文提出的基于机会约束的中压线路规划模型,得出考虑不同村镇配电网抗风险能力的架空线线型方案,结果如图10所示。
由图10可知,规划使用年限越长,规划区域考虑的负荷增长量越大,所以选取的中压线路线径也越大,建设改造成本也就随之增加。对于不同村落,由于其基准负荷和配电网的抗风险能力不同,村1~4中压线路的选型也不一致,根据计算结果,村4的风险权系数最低,其抗风险能力最大,因此其规划裕度也就最低,所以规划方案最为激进,所选的中压线路线径最小。
2、仿真结果的对比分析
为验证文发明所提方法的有效性,分别通过三种方法对本文算例进行中压线路选型规划。
方法一:即本发明所提方法,考虑负荷预测误差的不确定性,并根据不同配电网抗风险能力,选择差异化的规划裕度;
方法二:考虑负荷预测误差的不确定性,但不考虑差异化的抗风险能力(此时规划裕度根据抗风险能力最差的行政村来求取),仿真算例中的4个行政村落置信水平统一取值为95%;
方法三:不考虑负荷预测误差的不确定性,更不考虑行政村的差异化抗风险能力,此时以负荷预测误差最大值为基础确定规划裕度,根据负荷预测误差样本,本发明取基准负荷的90%作为规划裕度。
三种规划方法下不同地区中压线路规划负荷量的计算结果如图11所示。
图12表示不同规划年限下,三种规划方法的成本结果,三种方法的详细选型方案见图18。
由图12可知,在规划年限为10年时,方法一的规划成本为8.35万元,在保证供电质量的前提下,比方法二按最大置信水平进行选型的方式节省1.13万元,约13.5%的费用,比方法三节省3.11万元,约37.2%的费用。随着规划年限的增加,方法一的经济性更加明显,规划年限为15年时,比方法二的节约成本2.5万元,比方法三的选径方式节约成本4.2万元,规划年限为20年时,比方法二的选径方式节约成本4.22万元,比方法三的选径方式节约成本6.9万元。
其原因是,方法三没有考虑负荷预测误差的不确定性,直接以最大化的规划裕度来保证规划方案的有效性,方案选择最为保守,所以成本最高。而且由于规划年限越大,负荷预测的误差绝对值越大,将导致规划裕度量更大,规划方案的经济性也就越低。方法二未考虑地区发展水平差异造成的配电网风险承受能力的不同,而在不同规划年限下对不同区域的配电网统一选择置信水平从而影响了规划方案的经济性。本发明所提方法不仅考虑了负荷预测误差的不确定性,而且根据不同行政村落的抗风险能力,还差异化的选择了风险置信水平,因而规划成本最低。

Claims (10)

1.一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,包括以下步骤:
步骤1:基于机会约束理论的配电网中压线路规划模型;
步骤2:不同供电区域配电网差异化置信水平的取值;
步骤3:低负荷密度区不同供电区域的抗风险能力的差异化评估;
通过上述步骤,完成考虑负荷预测误差不确定性的配电网中压线路差异化规划;
在步骤1中,首先采用非参数核密度估计方法对低负荷密度区的负荷预测误差进行概率密度建模,然后构建基于机会约束的配电网中压线路规划模型;
具体包括以下步骤:
已知在基准年内采样收集的负荷预测误差样本个数为n,则基于非参数核密度估计的中长期预测误差概率密度模型的表达式为:
Figure FDA0003001705990000011
式中:
Figure FDA0003001705990000012
为预测误差概率密度函数;K(θ,l)为核函数;θm为预测误差值样本中的第m个样本值;l为模型的带宽参数;
选择高斯函数K(θ)作为负荷预测误差概率密度模型的核函数,即
Figure FDA0003001705990000013
由式(1)和式(2)可知,基于非参数核密度估计的中长期预测误差概率分布模型为
Figure FDA0003001705990000014
所述模型的目标函数为:
Figure FDA0003001705990000015
式中:L为新建10kV线路集合;li表示辐射型配网10kV线路的供电距离,pi表示单位长度架空线价格,一般由线径型号决定;Ki表示第i条架空线的安装系数;C为目标函数,表示架空线路的投资成本;
假设电源侧容量配置足够,因而线路规划时约束条件仅需考虑线路的输送容量和末端电压是否满足要求,主要包括:
(1)线路容量约束:
Simax≥Dgi (5);
式中:Simax表示线路的最大容量限制;Dgi表示第i条10kV线路规划负载;
(2)线路末端电压约束:
Ut≥Utmin (6);
式中:Ut为中压线路末端电压,Utmin为末端电压允许的最小值;
(3)规划裕度值约束:
为保证在负荷预测存在误差情况下,规划方案依然有效,还需设定规划裕度,基于机会约束理论,将规划裕度约束描述为系统规划裕度满足实际需求的概率应不小于某一置信水平,即:
Figure FDA0003001705990000022
式中:Di表示第i条10kV线路实际负荷;
Figure FDA0003001705990000023
为根据配电网风险权系数排序确定的差异化的置信水平,将利用综合赋权方法来求取不同村镇配电网的风险权系数;
已知
Di=Dij[(1+β)α+θ] (8)
式中:Dij表示第i条线路的负荷基准值;β为预测得出的规划年限内年均负荷增长率;α为新建线路的规划使用年限;θ为负荷预测误差百分数,是一个随机量,结合式(7)和式(8),规划裕度值约束可改写为:
Figure FDA0003001705990000021
2.根据权利要求1所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,在步骤1)中包括以下步骤:
1)选型目标函数的建立;在保证配电网中压网架满足输送容量和末端电压要求的前提下,使其待规划区域的线径选型成本最小,建立目标函数;
2)配电网中压网架线径规划模型的约束条件;假设电源侧容量配置足够,因而线路规划时约束条件仅需考虑线路的输送容量和末端电压是否满足要求。
3.根据权利要求2所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,所述约束条件包括线路容量约束、线路末端电压约束、规划裕度值约束。
4.根据权利要求1所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,在步骤2)中,通过基于综合权重的配电网风险权系数的排序结果再结合Biengyne-Chebyshev不等式确定模型的置信水平取值。
5.根据权利要求1所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,在步骤3)中,包括以下步骤:
1)抗风险能力评估体系的建立;
2)基于层次分析法的主观权重计算;
3)基于离差最大化方法的客观权重计算;
4)基于综合权重的配电网风险权系数的计算。
6.根据权利要求5所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,在进行基于层次分析法的主观权重计算时,首先选取待规划区域进行抗风险能力影响指标相对重要性问卷调查,然后结合九分位比例标度确定指标之间的相对重要程度,进而采用标度扩展法确定判断矩阵A,从而在满足一致性要求的同时简化计算量。
7.根据权利要求5所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,在基于离差最大化方法的客观权重计算时,配电网客观权系数的判断取决于多层次结构中各指标相对最佳值的满足程度,在对层次模型中各指标相对优属度进行计算前,还需先根据指标类型及特点确定其目标类型。
8.根据权利要求5所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,在进行基于综合权重的配电网风险权系数的计算时,采用组合赋权方法求解综合权重,进而结合配电网各项指标的归一化优属度函数评估各村镇配电网的抗风险能力,并计算其风险权系数。
9.根据权利要求5或6所述的考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,
在进行基于层次分析法的主观权重计算时,采用如下步骤:
1)对各层次结构中的若干指标进行两两比较,按重要程度递减排序,假设根据标度扩展法得到m个指标的重要性排序为x1≥x2≥…≥xm,对xg与xg+1进行比较,并将其对应的标度值记为tg,然后按照指标重要程度的传递性计算出判断矩阵中的其他元素值,从而得出判断矩阵A,A为m阶方阵;
2)利用排序原理得出矩阵排序矢量,计算各指标的主观权重系数。
10.根据权利要求7所述考虑负荷预测误差不确定性的配电网中压线路差异化规划方法,其特征在于,所述目标类型包括固定型指标、区间型指标、成本型指标、效益型指标。
CN201810150038.5A 2018-02-13 2018-02-13 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法 Active CN108520330B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110786423.0A CN113609649B (zh) 2018-02-13 2018-02-13 一种构建基于机会约束的配电网中压线路规划模型的方法
CN201810150038.5A CN108520330B (zh) 2018-02-13 2018-02-13 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810150038.5A CN108520330B (zh) 2018-02-13 2018-02-13 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110786423.0A Division CN113609649B (zh) 2018-02-13 2018-02-13 一种构建基于机会约束的配电网中压线路规划模型的方法

Publications (2)

Publication Number Publication Date
CN108520330A CN108520330A (zh) 2018-09-11
CN108520330B true CN108520330B (zh) 2021-08-10

Family

ID=63433223

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110786423.0A Active CN113609649B (zh) 2018-02-13 2018-02-13 一种构建基于机会约束的配电网中压线路规划模型的方法
CN201810150038.5A Active CN108520330B (zh) 2018-02-13 2018-02-13 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110786423.0A Active CN113609649B (zh) 2018-02-13 2018-02-13 一种构建基于机会约束的配电网中压线路规划模型的方法

Country Status (1)

Country Link
CN (2) CN113609649B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109615175B (zh) * 2018-11-13 2023-04-28 广东电网有限责任公司 一种10kV中压线路自动化分段合理性评价方法
CN111313475A (zh) * 2018-12-11 2020-06-19 华北电力大学(保定) 一种功率平衡约束考虑预测误差不确定变量的电力系统调度方法
CN109829581B (zh) * 2019-01-29 2023-07-25 竺炜 一种基于首端“负荷云”预测的10千伏线路滚动规划优先级排序方法
CN109687458B (zh) * 2019-03-05 2022-03-18 东北电力大学 考虑区域配电网风险承受能力差异的网架规划方法
CN110728394A (zh) * 2019-04-24 2020-01-24 内蒙古电力(集团)有限责任公司内蒙古电力经济技术研究院分公司 一种考虑潮流分布的高压变电站规划方法
CN110097284B (zh) * 2019-04-30 2022-10-04 广东电网有限责任公司 一种基于馈线容量约束的配电网可靠性评估方法和装置
CN110275440B (zh) * 2019-07-02 2022-04-26 江苏科技大学 基于负荷预测的多能源船舶能量管理控制器及其控制方法
CN111144623B (zh) * 2019-12-09 2023-03-31 云南电网有限责任公司临沧供电局 一种基于自适应学习因子粒子群的定值调优方法
CN113049919A (zh) * 2021-03-23 2021-06-29 绍兴大明电力设计院有限公司 一种中压馈线供电负荷特性的多样性识别方法及系统
CN114154279A (zh) * 2021-11-26 2022-03-08 三峡大学 含蓄热式电采暖接入的配网承载能力的机会约束评估方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105552965A (zh) * 2016-02-18 2016-05-04 中国电力科学研究院 一种基于机会约束规划的分布式能源优化配置方法
CN105719024A (zh) * 2016-01-25 2016-06-29 江苏省电力公司电力经济技术研究院 一种基于irp的配电网规划方法
CN107069814A (zh) * 2017-04-14 2017-08-18 广东电网有限责任公司东莞供电局 配网分布式电源容量布点的模糊机会约束规划方法与系统
CN107506854A (zh) * 2017-08-04 2017-12-22 国网浙江省电力公司经济技术研究院 一种考虑差异化场景的220kV电网网架结构规划方法
CN107563641A (zh) * 2017-08-31 2018-01-09 东北大学 一种计及灾害偏好的配电网抗灾多场景差异化规划方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101764407A (zh) * 2010-01-08 2010-06-30 杨毅 一种基于模糊期望值模型的配电网的规划方法
CN105225000B (zh) * 2015-09-16 2018-11-02 三峡大学 一种基于模糊序优化的风功率概率模型非参数核密度估计方法
CN105354636B (zh) * 2015-10-29 2019-10-08 三峡大学 一种基于非参数核密度估计的风功率波动性概率密度建模方法
CN107145707B (zh) * 2017-04-01 2019-12-27 三峡大学 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法
CN107038292B (zh) * 2017-04-01 2020-05-26 三峡大学 一种基于自适应多变量非参数核密度估计的多风电场出力相关性建模方法
CN107301482A (zh) * 2017-08-10 2017-10-27 嘉兴恒创电力设计研究院有限公司 一种基于城市综合管廊的配电网中压线路路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719024A (zh) * 2016-01-25 2016-06-29 江苏省电力公司电力经济技术研究院 一种基于irp的配电网规划方法
CN105552965A (zh) * 2016-02-18 2016-05-04 中国电力科学研究院 一种基于机会约束规划的分布式能源优化配置方法
CN107069814A (zh) * 2017-04-14 2017-08-18 广东电网有限责任公司东莞供电局 配网分布式电源容量布点的模糊机会约束规划方法与系统
CN107506854A (zh) * 2017-08-04 2017-12-22 国网浙江省电力公司经济技术研究院 一种考虑差异化场景的220kV电网网架结构规划方法
CN107563641A (zh) * 2017-08-31 2018-01-09 东北大学 一种计及灾害偏好的配电网抗灾多场景差异化规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
输电网规划方案的多层级组合模糊综合评价方法研究;陈伟华;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170531;正文第10-40页 *

Also Published As

Publication number Publication date
CN108520330A (zh) 2018-09-11
CN113609649A (zh) 2021-11-05
CN113609649B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN108520330B (zh) 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法
CN112467722B (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
CN110969347B (zh) 一种输电网结构形态评估方法
Schneider et al. Modern grid initiative distribution taxonomy final report
WO2023010759A1 (zh) 基于配售电竞争态势下区域配电网网格化负荷区间预测方法
Liang et al. Probability-driven transmission expansion planning with high-penetration renewable power generation: A case study in northwestern China
CN109687458A (zh) 考虑区域配电网风险承受能力差异的网架规划方法
Raouf Mohamed et al. Distributed battery energy storage systems operation framework for grid power levelling in the distribution networks
CN115640963A (zh) 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法
CN115392697A (zh) 一种数据-模型混合驱动的电力系统安全评估方法及系统
CN116187165A (zh) 基于改进粒子群算法的电网弹性提升方法
CN114862229A (zh) 电能质量评估方法、装置、计算机设备和存储介质
Madadi et al. Probabilistic available transfer capability evaluation considering dynamic line rating based on a sequential game-theoretic approach
Šarić et al. Distributed generation allocation using fuzzy multi criteria decision making algorithm
CN109754119B (zh) 基于Floyd算法的电动汽车充换电服务网络优化规划方法
CN110738345A (zh) 基于精准投资策略的单元制配电网规划项目优选方法
Balouchi et al. Pseudo-worst-case forecast for a preventive control in LV smart grids
Alarcon-Rodriguez et al. Multi-objective planning of distributed energy resources with probabilistic constraints
CN115344995A (zh) 能源承载能力评估方法、装置、计算机设备和存储介质
Teh Analysis of dynamic thermal rating system of transmission lines
Menke A comprehensive approach to implement monitoring and state estimation in distribution grids with a low number of measurements
Zheng et al. A comprehensive decision-making method for coordinated transmission and distribution network planning
Tan et al. Estimation method of line loss rate in low voltage area based on mean shift clustering and BP neural network
Xiaoqun et al. Optimal location and capacity of distributed generation based on scenario probability
Wang et al. A bi-level programming model for distribution network expansion planning with distributed generations and energy storage systems

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180911

Assignee: Hubei Yunzhihang Drone Technology Co.,Ltd.

Assignor: CHINA THREE GORGES University

Contract record no.: X2023980044730

Denomination of invention: A Differentiated Planning Method for Medium Voltage Transmission Lines in Distribution Networks Considering Uncertainty of Load Forecasting Errors

Granted publication date: 20210810

License type: Common License

Record date: 20231027