CN108573316A - 一种配电网可靠性效益分析方法及系统 - Google Patents
一种配电网可靠性效益分析方法及系统 Download PDFInfo
- Publication number
- CN108573316A CN108573316A CN201710145773.2A CN201710145773A CN108573316A CN 108573316 A CN108573316 A CN 108573316A CN 201710145773 A CN201710145773 A CN 201710145773A CN 108573316 A CN108573316 A CN 108573316A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- investment
- amount
- reliability
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 195
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 230000008901 benefit Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000011058 failure modes and effects analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明提供了一种配电网可靠性效益分析方法,所述方法包括获取多笔配电网投资构成的投资组合的收益率和收益方差;依据收益率和收益方差构建配电网的均值‑方差模型;采用拉格朗日乘数法求解均值‑方差模型,得到各笔配电网投资的最优投资金额。与现有技术相比,本发明提供的一种配电网可靠性效益分析方法,通过构建结合数理统计和经济学的均值‑方差模型,并采用拉格朗日乘数法求解均值‑方差模型,可以得到各笔配电网投资的最优投资金额,为配电网的投资规划提供科学合理的参考。
Description
技术领域
本发明涉及配电网规划技术领域,具体涉及一种配电网可靠性效益分析方法及系统。
背景技术
配电网是处于电力系统末端,把电源系统或输变电系统与用户设施连接起来,向用户分配电能和供给电能的重要环节,包括配电变电所,配电线路及接户线在内的整个配电网络及其设备。随着配电网包含的各类型电力设备不断增加,及其网络结构日益复杂,如何快速准确地评估配电网的供电可靠性成为亟待解决的重要问题。目前,主要通过构建配电网供电可靠性分析模型,对配电网的成本/效益进行分析,通过成本和效益两个维度间接评估配电网的供电可靠性,保证配电网供电可靠性与配电网投资成本之间达到平衡,使得配电网投资成本与未供电电能成本之和达到最小。但是,常规的配电网供电可靠性模型只对配电网的成本和效益进行总量的上分析,未对影响成本和效益的各因素进行分析,不利于配电网的规划建设。
发明内容
为了克服现有技术的缺陷,本发明提供了一种配电网可靠性效益分析方法及系统。
第一方面,本发明中一种配电网可靠性效益分析方法的技术方案是:
所述方法包括:
获取多笔配电网投资构成的投资组合的收益率和收益方差;
依据所述收益率和收益方差构建所述配电网的均值-方差模型;
采用拉格朗日乘数法求解所述均值-方差模型,得到所述各笔配电网投资的最优投资金额。
第二方面,本发明中一种配电网可靠性效益分析系统的技术方案是:
所述系统包括:
配电网投资收益计算模块,用于获取多笔配电网投资构成的投资组合的收益率和收益方差;
均值-方差模型构建模块,用于依据所述收益率和收益方差构建所述配电网的均值-方差模型;
均值-方差模型计算模块,用于采用拉格朗日乘数法求解所述均值-方差模型,得到所述各笔配电网投资的最优投资金额。
与最接近的现有技术相比,本发明的有益效果是:
1、本发明提供的一种配电网可靠性效益分析方法,通过构建结合数理统计和经济学的均值-方差模型,该均值-方差模型考虑了多种配电网投资构成的投资组合的效益率,从而避免只对配电网成本和效益进行总量的上分析,为配电网的投资规划提供科学合理的参考。同时,采用拉格朗日乘数法求解均值-方差模型,可以得到各笔配电网投资的最优投资金额。
2、本发明提供的一种配电网可靠性效益分析系统,通过配电网投资收益计算模块可以得到配电网投资组合的收益率和收益方差,通过均值-方差模型构建模块得到用于度量配电网可靠性风险的均值-方差模型,通过均值-方差模型计算模块对均值-方差模型进行拉格朗日乘数法求解,最终得到各笔配电网投资的最优投资金额,为配电网的投资规划提供科学合理的参考。
附图说明
图1:本发明实施例中一种配电网可靠性效益分析方法实施流程图;
图2:本发明实施例中一种配电网可靠性效益分析系统结构示意图;
其中,11:配电网投资收益计算模块;12:均值-方差模型构建模块;13:均值-方差模型计算模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例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做出创造性劳动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。
配电网可靠性成本是指供电部分为使配电网达到一定的供电可靠性水平而需要增加的投资,下文称为配电网投资。配电网可靠性效益是指因电网达到一定的可靠性水平而使电力客户获得的效益,也就是减少的电力客户停电损失。可靠性成本一般可以理解为增加的设备总投入,而可靠性效益可以用所有电力客户的年停电损失来表示。假定单位停电成本保持不变,增加的设备投入与电力客户的停电损失之和作为目标函数,即可将可靠性成本和可靠性效益统一起来进行衡量。本实施例采用结合数理统计和经济学的均值-方差模型,获取目标函数的最小值,该均值-方差模型考虑了多种配电网投资构成的投资组合的效益率,从而避免只对配电网成本和效益进行总量的上分析,为配电网的投资规划提供科学合理的参考。
下面结合附图,对本发明实施例提供的一种配电网可靠性效益分析方法进行说明。
图1为本发明实施例中一种配电网可靠性效益分析方法实施流程图,如图所示,本实施例中配电网可靠性效益分析方法主要包括下述步骤,具体为:
步骤S101:获取多笔配电网投资构成的投资组合的收益率和收益方差。
本实施例中配电网投资可以包括配电网升级改造投资、配电网自动化建设投资和重大自然灾害防治投资等多种类型的配电网投资。
进一步地,本实施例中投资组合的收益率可以按照下述步骤确定:
1、分别获取对配电网进行各笔配电网投资之前和进行各笔配电网投资的过程中,配电网在预设时间段内的第一停电时户数和第二停电时户数。其中,停电时户数为配电网的可靠性指标。本实施例中投资组合包括n笔配电网投资,则对配电网进行各笔配电网投资的过程中得到的第二停电时户数为η′=(η1′,η2′,...,ηi′,...,ηn′)T,ηi′为第i笔配电网投资的停电时户数。
2、采用蒙特卡洛序贯法预测对配电网进行各笔配电网投资后,配电网在预设时段内的第三停电时户数,具体为:
(1)参数初始化。将蒙特卡洛序贯法的模拟时钟设置为0,产生1~M之间的随机数,该随机数分别与配电网中待改造的设备元件一一对应。根据每个设备元件的状态模型的失效了参数λ计算各设备元件无故障运行的时间TTF。
(2)对故障运行的时间TTFminTTF最小的设备元件产生一个随机数,并根据该设备元件的修复率参数μ计算其故障修复时间TTR。进行生成故障隔离时间ST和故障隔离并负荷转供时间SRT,并将模拟时钟的时间设置为TTFmin。
(3)读取FMEA表,查询步骤(2)确定的设备元件在故障时影响的负荷点,并记录这些失电负荷点的停电次数、停电时间和缺电量等信息。
(4)产生一个新的随机数,并将其设置为步骤(3)确定的设备元件的新的无故障运行的时间TTF。
(5)判断模拟时钟是否超出预设时间段:若未超出则将步骤(3)确定的负荷点信息累加到预设时间段内负荷点可靠性指标中;若依据步骤(3)确定的负荷点信息计算配电网在预设时段内的第三停电时户数,如下式(1)所示:
η=(η1,η2,...,ηi,...,ηn)T=(h1×t1,h2×t2,...,hi×ti,...,hn×tn)T (1)
其中,ηi为对配电网进行第i笔配电网投资后的第三停电时户数,hi和ti分别为对配电网进行第i笔配电网投资后上述设备元件故障影响的停电户数和停电时间。
3、依据第一停电时户数和第三停电时户数,计算配电网的可靠性提升量。
本实施例中设定对配电网进行组合投资后,其可靠性呈指数级衰减,该可靠性提升量η+如下式(2)所示:
其中,为第一停电时户数,H为对配电网进行各笔配电网投资之前的预设时间段,H+为对配电网进行各笔配电网投资之后的预设时间段,为衰减系数。本实施例中预设时间段H和H+均为单位时间段,即包含的时间范围相同,可以为半年或一年等时间段。
4、依据第二停电时户数和可靠性提升量,计算得到各笔配电网投资的收益率如下式(3)所示:
其中,Xi为第i笔配电网投资的收益率,为第i笔配电网投资对应的可靠性提升量,ηi′为第i笔配电网投资对应的第二停电时户数,wi为第i笔配电网投资的投资金额,β为增益。
依据公式(2)可以得到第i笔配电网投资收益率与第j笔配电网投资收益率的协方差如下式(4)所示:
δij=Cov(Xi,Xj) (4)
进而,可以得到配电网投资收益率的协方差矩阵如下式(5)所示:
∑=(δij)n×n (5)
其中,∑为退化矩阵,E(X)<k1,k为预设的阈值,1=(1,1,...,1)T。
依据公式(3)~(5),可以得到投资组合的收益率XP如下式(6)所示:
投资组合的收益方差σP如下式(7)所示:
步骤S102:依据收益率和收益方差构建配电网的均值-方差模型,该均值-方差模型如下式(8)所示:
步骤S103:采用拉格朗日乘数法求解均值-方差模型,得到各笔配电网投资的最优投资金额。本实施例中拉格朗日乘数法求解均值-方差模型包括构建目标函数、第一约束条件和第二约束条件,在两个约束条件的约束下计算目标函数的极值,即可得到各笔配电网投资的最优投资金额。
本实施例中目标函数f(w)如下式(9)所示:
第一约束条件如下式(10)所示:
wTE(XP)≥rP (10)
第二约束条件如下式(11)所示:
wT1=1 (11)
其中,rP为预设的收益期望值。
本实施例中通过构建结合数理统计和经济学的均值-方差模型,该均值-方差模型考虑了多种配电网投资构成的投资组合的效益率,从而避免只对配电网成本和效益进行总量的上分析,为配电网的投资规划提供科学合理的参考。同时,采用拉格朗日乘数法求解均值-方差模型,可以得到各笔配电网投资的最优投资金额。
本发明还提供了一种配电网可靠性效益分析系统,并给出具体实施例,下面结合附图对其进行说明。
图2为本发明实施例中一种配电网可靠性效益分析系统结构示意图,如图所示,本实施例中配电网可靠性效益分析系统可以包括配电网投资收益计算模块11、均值-方差模型构建模块12和均值-方差模型计算模块13。
其中,配电网投资收益计算模块11,用于获取多笔配电网投资构成的投资组合的收益率和收益方差。均值-方差模型构建模块12,用于依据收益率和收益方差构建配电网的均值-方差模型。均值-方差模型计算模块13,用于采用拉格朗日乘数法求解均值-方差模型,得到各笔配电网投资的最优投资金额。
进一步地,本实施例中配电网投资收益计算模块11还可以包括投资组合收益率计算单元,投资组合收益率计算单元包括了第一可靠性指标确定子单元、第二可靠性指标确定子单元、可靠性提升量计算子单元和收益率计算子单元四个子单元。
其中,第一可靠性指标确定子单元,用于分别获取对配电网进行各笔配电网投资之前和进行各笔配电网投资的过程中,配电网在预设时间段内的第一停电时户数和第二停电时户数。
第二可靠性指标确定子单元,用于采用蒙特卡洛序贯法预测述配电网进行各笔配电网投资后,配电网在预设时段内的第三停电时户数。
可靠性提升量计算子单元,用于依据第一停电时户数和第三停电时户数,计算配电网的可靠性提升量。
收益率计算子单元,用于依据第二停电时户数和可靠性提升量,计算各笔配电网投资的收益率,进而得到投资组合的收益率。
进一步地,本实施例中可靠性提升量计算子单元包括如下式(12)所示的可靠性提升量计算模型:
进一步地,本实施例中收益率计算子单元包括如下式(13)所示的收益率计算模型:
进一步地,本实施例中配电网投资收益计算模块11还可以包括如下式(14)所示的投资组合收益方差计算模型:
其中,w=(w1,w2,...,wi,...,wn)T,wi为第i笔配电网投资的投资金额,n为所述配电网投资的数量。
本实施例中通过配电网投资收益计算模块可以得到配电网投资组合的收益率和收益方差,通过均值-方差模型构建模块得到用于度量配电网可靠性风险的均值-方差模型,通过均值-方差模型计算模块对均值-方差模型进行拉格朗日乘数法求解,最终得到各笔配电网投资的最优投资金额,为配电网的投资规划提供科学合理的参考。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包括”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的PC来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种配电网可靠性效益分析方法,其特征在于,所述方法包括:
获取多笔配电网投资构成的投资组合的收益率和收益方差;
依据所述收益率和收益方差构建所述配电网的均值-方差模型;
采用拉格朗日乘数法求解所述均值-方差模型,得到所述各笔配电网投资的最优投资金额。
2.如权利要求1所述的一种配电网可靠性效益分析方法,其特征在于,所述获取投资组合的收益率包括下述步骤:
分别获取对所述配电网进行各笔配电网投资之前和进行各笔配电网投资的过程中,所述配电网在预设时间段内的第一停电时户数和第二停电时户数;
采用蒙特卡洛序贯法预测对所述配电网进行各笔配电网投资后,所述配电网在所述预设时段内的第三停电时户数;
依据所述第一停电时户数和第三停电时户数,计算所述配电网的可靠性提升量;
依据所述第二停电时户数和可靠性提升量,计算所述各笔配电网投资的收益率,进而得到所述投资组合的收益率。
3.如权利要求2所述的一种配电网可靠性效益分析方法,其特征在于,
所述可靠性提升量η+如下式所示:
其中,n为配电网投资的数量,ηi为第i笔配电网投资对应的第三停电时户数,为所述第一停电时户数,H为对配电网进行各笔配电网投资之前的预设时间段,H+为对配电网进行各笔配电网投资之后的预设时间段,为衰减系数。
4.如权利要求2所述的一种配电网可靠性效益分析方法,其特征在于,
所述投资组合的收益率XP如下式所示:
其中,n为配电网投资的数量,Xi为第i笔配电网投资的收益率, 为第i笔配电网投资对应的可靠性提升量,ηi′为第i笔配电网投资对应的第二停电时户数,wi为第i笔配电网投资的投资金额,β为增益。
5.如权利要求1所述的一种配电网可靠性效益分析方法,其特征在于,
所述投资组合的收益方差σP如下式所示:
其中,w=(w1,w2,...,wi,...,wn)T,wi为第i笔配电网投资的投资金额,n为所述配电网投资的数量。
6.如权利要求1所述的一种配电网可靠性效益分析方法,其特征在于,所述配电网的均值-方差模型如下式所示:
其中,XP和σP分别为所述投资组合的收益率和收益方差;S为随机变量,w=(w1,w2,...,wi,...,wn)T,wi为第i笔配电网投资的投资金额,n为所述配电网投资的数量。
7.如权利要求1所述的一种配电网可靠性效益分析方法,其特征在于,所述采用拉格朗日乘数法求解均值-方差模型包括构建目标函数、第一约束条件和第二约束条件:
所述目标函数f(w)如下式所示:
所述第一约束条件如下式所示:
wTE(XP)≥rP
所述第二约束条件如下式所示:
wT1=1
其中,w=(w1,w2,...,wi,...,wn)T,wi为第i笔配电网投资的投资金额,n为所述配电网投资的数量,XP和σP分别为所述投资组合的收益率和收益方差,rP为预设的收益期望值。
8.一种配电网可靠性效益分析系统,其特征在于,所述系统包括:
配电网投资收益计算模块,用于获取多笔配电网投资构成的投资组合的收益率和收益方差;
均值-方差模型构建模块,用于依据所述收益率和收益方差构建所述配电网的均值-方差模型;
均值-方差模型计算模块,用于采用拉格朗日乘数法求解所述均值-方差模型,得到所述各笔配电网投资的最优投资金额。
9.如权利要求8所述的一种配电网可靠性效益分析系统,其特征在于,所述系统包括:所述配电网投资收益计算模块包括投资组合收益率计算单元;所述投资组合收益率计算单元包括第一可靠性指标确定子单元、第二可靠性指标确定子单元、可靠性提升量计算子单元和收益率计算子单元;
所述第一可靠性指标确定子单元,用于分别获取对所述配电网进行各笔配电网投资之前和进行各笔配电网投资的过程中,所述配电网在预设时间段内的第一停电时户数和第二停电时户数;
所述第二可靠性指标确定子单元,用于采用蒙特卡洛序贯法预测对所述配电网进行各笔配电网投资后,所述配电网在所述预设时段内的第三停电时户数;
所述可靠性提升量计算子单元,用于依据所述第一停电时户数和第三停电时户数,计算所述配电网的可靠性提升量;
所述收益率计算子单元,用于依据所述第二停电时户数和可靠性提升量,计算所述各笔配电网投资的收益率,进而得到所述投资组合的收益率。
10.如权利要求9所述的一种配电网可靠性效益分析系统,其特征在于,所述可靠性提升量计算子单元包括如下式所示的可靠性提升量计算模型:
其中,n为配电网投资的数量,ηi为第i笔配电网投资对应的第三停电时户数,为所述第一停电时户数,H为对配电网进行各笔配电网投资之前的预设时间段,H+为对配电网进行各笔配电网投资之后的预设时间段,为衰减系数。
11.如权利要求9所述的一种配电网可靠性效益分析系统,其特征在于,所述收益率计算子单元包括如下式所示的收益率计算模型:
其中,n为配电网投资的数量,Xi为第i笔配电网投资的收益率, 为第i笔配电网投资对应的可靠性提升量,ηi′为第i笔配电网投资对应的第二停电时户数,wi为第i笔配电网投资的投资金额,β为增益。
12.如权利要求8所述的一种配电网可靠性效益分析系统,其特征在于,所述配电网投资收益计算模块包括如下式所示的投资组合收益方差计算模型:
其中,w=(w1,w2,...,wi,...,wn)T,wi为第i笔配电网投资的投资金额,n为所述配电网投资的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145773.2A CN108573316A (zh) | 2017-03-13 | 2017-03-13 | 一种配电网可靠性效益分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145773.2A CN108573316A (zh) | 2017-03-13 | 2017-03-13 | 一种配电网可靠性效益分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108573316A true CN108573316A (zh) | 2018-09-25 |
Family
ID=63578467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710145773.2A Pending CN108573316A (zh) | 2017-03-13 | 2017-03-13 | 一种配电网可靠性效益分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108573316A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700334A (zh) * | 2021-01-13 | 2021-04-23 | 深圳海知科技有限公司 | 一种满足多偏好约束的投资收益计算方法及系统 |
-
2017
- 2017-03-13 CN CN201710145773.2A patent/CN108573316A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700334A (zh) * | 2021-01-13 | 2021-04-23 | 深圳海知科技有限公司 | 一种满足多偏好约束的投资收益计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Özdemir et al. | Economic analysis of transmission expansion planning with price-responsive demand and quadratic losses by successive LP | |
CN109428344B (zh) | 含风电场的多电源投资规划方法和装置 | |
CN110543697B (zh) | 一种电力市场仿真模拟运行系统 | |
CN110178280A (zh) | 用于电网中受屏蔽的系统的分层隐式控制器 | |
Tang et al. | A load control method for small data centers participating in demand response programs | |
Medjoudj et al. | Power customer satisfaction and profitability analysis using multi-criteria decision making methods | |
US10678984B2 (en) | Systems for real-time available delivery capability determination of large-scale distribution networks | |
Babic et al. | A review of agent-based modelling of electricity markets in future energy eco-systems | |
Tan et al. | Evaluating system dynamics models of risky projects using decision trees: alternative energy projects as an illustrative example | |
KR101572643B1 (ko) | 국민발전소 비지니스 플랫폼 연계형 전력수요자원 네모모델링 시뮬레이션 장치 및 방법 | |
Pineda et al. | Impact of equipment failures and wind correlation on generation expansion planning | |
CN109064104A (zh) | 物资设备管理方法、系统及终端设备 | |
CN105631591A (zh) | 一种区域电能质量分析系统 | |
CN108805388A (zh) | 一种未来年负荷时间序列场景的确定方法和装置 | |
Dotoli et al. | A Nash equilibrium simulation model for the competitiveness evaluation of the auction based day ahead electricity market | |
Abada et al. | An innovative approach for the optimal sizing of mini-grids in rural areas integrating the demand, the supply, and the grid | |
CN108573316A (zh) | 一种配电网可靠性效益分析方法及系统 | |
Wang | Risk-based security-constrained optimal power flow: Mathematical fundamentals, computational strategies, validation, and use within electricity markets | |
Stevanoni et al. | On the use of game theory to study the planning and profitability of industrial microgrids connected to the distribution network | |
Ng et al. | Relationships between interdependency, reliability, and vulnerability of infrastructure systems: Case study of biofuel infrastructure development | |
Tena-García et al. | Implementing data reduction strategies for the optimal design of renewable energy systems | |
Fu et al. | New market power driven multistage transmission expansion strategy in power markets | |
Babic et al. | Energy informatics in smart grids: Agent-based modelling of electricity markets | |
Babic | Agent-based modeling of electricity markets in a smart grid environment | |
Bublitz et al. | Agent-based simulation of interrelated wholesale electricity markets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180925 |