CN109409658A - 一种配电网运行风险感知方法和装置 - Google Patents
一种配电网运行风险感知方法和装置 Download PDFInfo
- Publication number
- CN109409658A CN109409658A CN201811087982.7A CN201811087982A CN109409658A CN 109409658 A CN109409658 A CN 109409658A CN 201811087982 A CN201811087982 A CN 201811087982A CN 109409658 A CN109409658 A CN 109409658A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- operation risk
- network operation
- power
- 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 315
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 70
- 230000008447 perception Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 6
- 238000012797 qualification Methods 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 5
- 206010063659 Aversion Diseases 0.000 abstract description 6
- 238000009472 formulation Methods 0.000 abstract description 6
- 239000000203 mixture Substances 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 206010008190 Cerebrovascular accident Diseases 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- QHGVXILFMXYDRS-UHFFFAOYSA-N pyraclofos Chemical compound C1=C(OP(=O)(OCC)SCCC)C=NN1C1=CC=C(Cl)C=C1 QHGVXILFMXYDRS-UHFFFAOYSA-N 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
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)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种配电网运行风险感知方法和装置，先进行超短期负荷预测和配电网状态估计；确定配电网评估指标体系中各个配电网评估指标值；感知配电网运行风险，得到的感知结果为运行人员发现、找出风险原因和风险源头提供依据，不存在局限性，准确度高，能为风险预防控制措施的制定提供可靠基础；本发明可以有效减少量测误差和量测坏数据对配电网实时运行态势评估结果的影响，并给出配电网运行风险的整体感知结果，量化配电网的实时运行状态，为配电网的运行控制提供重要的技术和数据支持；本发明更符合电力系统动态状态估计算法的特性，减少了状态估计的计算时间，提高了状态估计的计算精度。
Description
技术领域
本发明涉及配电网技术领域，具体涉及一种配电网运行风险感知方法和装置。
背景技术
配电网的安全运行是整个电网安全运行重要的一环，是目前提高供电系统运行水平的关键环节。因此，对配电网运行中的潜在风险进行准确评估，为运行调度人员提供参考，以便做好预防措施，从而间接提高供电安全性，已成为目前亟待解决的问题。传的配电网风险评估侧重于从宏观层面建立风险评估及预警体系或是基于概率统计的方法进行配电网风险评估，虽然能反映配电网总体风险水平，但得到的预警结果不能为运行人员发现、找出风险原因和风险源头提供依据，对风险预防控制措施的制定具有一定的局限性。
由于当前配电网运行风险评估使用的信息源单一，数据量不足，因此，配电网风险评估模型和计算方法所考虑的风险种类较少，所建立的风险评估指标体系中风险及其影响因素之间的关联关系不完备且准确性仍有待进一步商榷。为实现配电网运风险的感知，需要实时量测作为数据支持，而现有的数据采集与监视控制系统上传的数据存在精度低、含有坏数据、无法保证数据完整性等诸多问题。同时，相较于长时间尺度的配电网运行风险感知，配电网运行风险感知更加容易受到量测误差和坏数据的影响，容易因数据质量问题造成评估误差较大。
现有技术中的配电网运行风险感知方法大都是基于概率统计的方法实现配电网风险的感知，虽然能够反映配电网总体风险水平，但得到的感知结果不能为运行人员发现、找出风险原因和风险源头提供依据，局限性大，同时准确度也比较低，不能为风险预防控制措施的制定提供可靠基础。
发明内容
为了克服上述现有技术中感知结果局限性大且准确度低的不足，本发明提供一种配电网运行风险感知方法和装置，进行超短期负荷预测，并基于预测结果进行配电网状态估计；基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；基于各个配电网评估指标值感知配电网运行风险，得到的感知结果为运行人员发现、找出风险原因和风险源头提供依据，不存在局限性，准确度高，能为风险预防控制措施的制定提供可靠基础。
为了实现上述发明目的，本发明采取如下技术方案：
一方面，本发明提供一种配电网运行风险感知方法，包括：
基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；
基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；
基于各个配电网评估指标值感知配电网运行风险。
基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测之前，包括：
获取来自于配电自动化系统和用电信息采集系统的数据，并对获取的数据进行筛选，得到异常数据和缺失数据；
采用拉格朗日内插法对缺失数据进行插补处理；
采用统计检测法对异常数据进行辨识，并采用拉格朗日内插法对辨识后的异常数据进行插补处理。
基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，如下式：
P(tn)＝P(tn-1)+ΔP
式中，P(tn)为tn时刻有功负荷值；Q(tn)为tn时刻无功负荷值；P(tn-1)为tn-1时刻有功负荷值；ΔP为有功负荷变化量，且ΔP＝bΔt，b为有功负荷变化速率，Δt为时间间隔，且Δt＝tn-tn-1；pf为功率因数。
所述基于预测结果进行配电网状态估计，包括：
基于有功负荷值和无功负荷值确定支路电流预测值；
基于支路电流预测值进行配电网状态估计，得到状态估计结果。
所述配电网评估指标体系包括三级指标，所述三级指标包括可靠性指标和安全性指标；
所述可靠性指标包括二级指标中的系统平均停电频率、系统平均停电持续时间、系统总电量缺额、用户平均停电持续时间、用户平均停电频率、用户平均停电缺供电量、用户供电可靠率和重复停电用户比例；
所述安全性指标包括二级指标中的设备负载率、电压合格率、统计线损率和三相不平衡度。
所述设备负载率包括一级指标中的配电变压器轻载率、配电变压器过载率、配电变压器重载率、线路过载率和线路重载率；
所述电压合格率包括一级指标中的主变母线电压合格率、台区关口电压合格率和低压用户电压合格率；
所述统计线损率包括一级指标中的中低压统计线损率；
所述三相不平衡度包括一级指标中的轻微三相不平衡配电变压器比例和严重三相不平衡配电变压器比例。
所述基于各个配电网评估指标值感知配电网运行风险，包括：
基于各个配电网评估指标的评估得分和权重，计算配电网运行风险的评估得分；
基于配电网运行风险的评估得分感知配电网运行风险。
所述配电网运行风险的评估得分按下式计算：
式中，s为配电网运行风险的评估得分；n为第k级指标中配电网评估指标的个数；为k级指标中第j个配电网评估指标的评估得分，其基于各个配电网评估指标值，采用专家打分法确定；为k级指标中第j个配电网评估指标的权重，其采用层次分析法确定。
所述基于配电网运行风险的评估得分感知配电网运行风险，包括：
若配电网运行风险的评估得分大于等于90，感知配电网运行风险为可忽略风险；
若配电网运行风险的评估得分大于等于70且小于90，感知配电网运行风险为低风险；
若配电网运行风险的评估得分大于等于60且小于70，感知配电网运行风险为中风险；
若配电网运行风险的评估得分小于60，感知配电网运行风险为高风险。
另一方面，本发明还提供一种配电网运行风险感知装置，包括：
预测和状态估计模块，用于基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；
确定模块，用于基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；
感知模块，用于基于各个配电网评估指标值感知配电网运行风险。
所述装置还包括：
获取模块，用于获取来自于配电自动化系统和用电信息采集系统的数据，并对获取的数据进行筛选，得到异常数据和缺失数据；
插补模块，用于采用拉格朗日内插法对缺失数据进行插补处理，同时采用统计检测法对异常数据进行辨识，并采用拉格朗日内插法对辨识后的异常数据进行插补处理。
所述预测和状态估计模块包括预测单元，所述预测单元按下式进行超短期负荷预测：
P(tn)＝P(tn-1)+ΔP
式中，P(tn)为tn时刻有功负荷值；Q(tn)为tn时刻无功负荷值；P(tn-1)为tn-1时刻有功负荷值；ΔP为有功负荷变化量，且ΔP＝bΔt，b为有功负荷变化速率，Δt为时间间隔，且Δt＝tn-tn-1；pf为功率因数。
所述预测和状态估计模块包括状态估计单元，所述状态估计单元具体用于：
基于有功负荷值和无功负荷值确定支路电流预测值；
基于支路电流预测值进行配电网状态估计，得到状态估计结果。
所述确定模块确定的配电网评估指标体系包括三级指标，所述三级指标包括可靠性指标和安全性指标；
所述可靠性指标包括二级指标中的系统平均停电频率、系统平均停电持续时间、系统总电量缺额、用户平均停电持续时间、用户平均停电频率、用户平均停电缺供电量、用户供电可靠率和重复停电用户比例；
所述安全性指标包括二级指标中的设备负载率、电压合格率、统计线损率和三相不平衡度。
所述设备负载率包括一级指标中的配电变压器轻载率、配电变压器过载率、配电变压器重载率、线路过载率和线路重载率；
所述电压合格率包括一级指标中的主变母线电压合格率、台区关口电压合格率和低压用户电压合格率；
所述统计线损率包括一级指标中的中低压统计线损率；
所述三相不平衡度包括一级指标中的轻微三相不平衡配电变压器比例和严重三相不平衡配电变压器比例。
所述感知模块包括：
计算单元，用于基于各个配电网评估指标的评估得分和权重，计算配电网运行风险的评估得分；
感知单元，用于基于配电网运行风险的评估得分感知配电网运行风险。
所述计算单元按下式计算配电网运行风险的评估得分：
式中，s为配电网运行风险的评估得分；n为第k级指标中配电网评估指标的个数；为k级指标中第j个配电网评估指标的评估得分，其基于各个配电网评估指标值，采用专家打分法确定；为k级指标中第j个配电网评估指标的权重，其采用层次分析法确定。
所述感知单元具体用于：
若配电网运行风险的评估得分大于等于90，感知配电网运行风险为可忽略风险；
若配电网运行风险的评估得分大于等于70且小于90，感知配电网运行风险为低风险；
若配电网运行风险的评估得分大于等于60且小于70，感知配电网运行风险为中风险；
若配电网运行风险的评估得分小于60，感知配电网运行风险为高风险。
与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
本发明提供的配电网运行风险感知方法中，基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；基于各个配电网评估指标值感知配电网运行风险，得到的感知结果为运行人员发现、找出风险原因和风险源头提供依据，不存在局限性，准确度高，能为风险预防控制措施的制定提供可靠基础；
本发明提供的配电网运行风险感知装置包括预测和状态估计模块、确定模块以及感知模块，预测和状态估计模块，用于基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；确定模块，用于基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；感知模块，用于基于各个配电网评估指标值感知配电网运行风险，得到的感知结果为运行人员发现、找出风险原因和风险源头提供依据，不存在局限性，准确度高，能为风险预防控制措施的制定提供可靠基础；
本发明对获取的数据进行筛选，可以有效减少量测误差和量测坏数据对配电网实时运行态势评估结果的影响，并给出配电网运行风险的整体感知结果，量化配电网的实时运行状态，为配电网的运行控制提供重要的技术和数据支持；
本发明根据实时预测负荷计算下一时刻的电力系统各个节点的负荷，更符合电力系统动态状态估计算法的特性，减少了状态估计的计算时间，提高了状态估计的计算精度；
本发明在配电网状态估计中引入超短期负荷预测实时预测节点负荷，保证了算法具有收敛性能好、计算速度快的特点。
附图说明
图1是本发明实施例1中配电网运行风险感知方法流程图；
图2是本发明实施例1中配电网评估指标体系结构图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
实施例1
本发明实施例1提供了一种配电网运行风险感知方法，具体流程图如图1所示，具体过程如下：
S101：基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；
S102：基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；
S103：基于各个配电网评估指标值感知配电网运行风险。
上述S101的基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测之前，需要执行如下操作：
获取来自于配电自动化系统和用电信息采集系统的数据，并对获取的数据进行筛选，得到异常数据和缺失数据；
采用拉格朗日内插法对缺失数据进行插补处理，同时采用统计检测法对异常数据进行辨识，并采用拉格朗日内插法对辨识后的异常数据进行插补处理。
上述S101中，基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，具体是基于上述插补处理后的数据进行超短期负荷预测，如下式：
P(tn)＝P(tn-1)+ΔP
式中，P(tn)为tn时刻有功负荷值；Q(tn)为tn时刻无功负荷值；P(tn-1)为tn-1时刻有功负荷值；ΔP为有功负荷变化量，且ΔP＝bΔt，b为有功负荷变化速率，Δt为时间间隔，且Δt＝tn-tn-1；pf为功率因数。
状态估计能够利用实时量测的冗余性，应用估计算法来检测与剔除坏数据，提高数据精度，保持数据的一致性，实现配电网不良量测数据的辨识。因此状态估计是智能配电网分析计算的“数据出口”和“态势感知工具”的核心板块，实现配电网运行风险感知的基础。于是，S101中基于预测结果进行配电网状态估计，具体过程如下：
基于有功负荷值和无功负荷值确定支路电流预测值；
基于支路电流预测值进行配电网状态估计，得到状态估计结果。
上述S102中确定的配电网评估指标体系如图2，配电网评估指标体系包括三级指标，三级指标包括可靠性指标和安全性指标；
可靠性指标包括二级指标中的系统平均停电频率、系统平均停电持续时间、系统总电量缺额、用户平均停电持续时间、用户平均停电频率、用户平均停电缺供电量、用户供电可靠率和重复停电用户比例；
其中的系统平均停电频率(System Average Interruption Frequency Index，SAIFI)指的是在给定的时间(通常为一年)内配电系统运行故障所造成的供电用户平均停电的次数，其计算公式为：
式中，λi表示负荷点i的故障停运率(次/年)，Ni为负荷点i的用户数，n为系统所供电的负荷点总数，SAIFI的单位为次/(户·年)。
系统平均停电持续时间(System Average Interruption Duration Index，SAIDI)指的是在给定时间内配电系统运行故障所造成的供电用户平均停电持续时间，其计算公式为：
式中，Ui表示负荷点i的年平均停运时间(小时/年)，SAIDI的单位为小时/(户·年)。
系统总电量缺额(Energy Vacancy Of Power System，EVOPS)指的系统供电用户一年中所电量的总和与系统能够提供的电量总和之差，其计算公式：
式中，Si和Spi分别表示每个用户所需电量和系统能够提供给每个用户的实际电量。
用户平均停电持续时间(Customer Average Interruption Duration Index，CAIDI)指的是每个供电用户在一年内由于电力故障所遭受的平均停电持续时间，其计算公式为：
式中，CAIDI的单位为小时/(户·年)。
用户平均停电频率(Customer Average Interruption Frequency Index，CAIFI)指的是每个受停电影响的供电用户一年中所遭受的平均停电次数，其计算公式：
式中，Nj为由于负荷点j故障导致停电的用户数，ΩR表示故障导致的停电负荷点的集合，CAIFI的单位为次/(户·年)。
用户平均停电缺供电量(Average Energy Not Supplied Index，AENS)指的是在规定时间内平均每一用户因停电造成的供给不足电量，其计算公式为：
式中，Ui是表示负荷点i的停电持续时间，单位为小时；Lai为接入负荷点i的平均负荷，单位为kW；AENS单位为kW·h/(户·年)。
用户供电可靠率的计算如下式：
重复停电用户比例计算如下式：
安全性指标包括二级指标中的设备负载率、电压合格率、统计线损率和三相不平衡度。
负载率是衡量电力系统中设备运行情况的指标，负载率过高的设备会存在过热等安全隐患，反之则说明设备的利用率过低，运行经济性较差。设备负载率为三相最大电流与额定电流的比值，也可以等于设备实际功率/设备额定容量乘以功率因数。
设备负载率包括一级指标中的配电变压器轻载率、配电变压器过载率、配电变压器重载率、线路过载率和线路重载率；具体如下：
1)配电变压器过载：配电变压器年最大负载率达到或超过100％且持续2小时以上；
2)配电变压器重载：配电变压器年最大负载率达到或超过80％且持续2小时以上；
3)配电变压器轻载：主、配电变压器年最大负载率小于或等于20％；
4)10kV线路过载：10kV线路年最大负载率达到或超过100％且持续1小时以上；
5)10kV线路重载：10kV线路年最大负载率达到或超过70％且持续1小时以上。
电压指标一般是指电压合格率。电压合格率是评价电能质量的重要指标。10kV母线供电电压允许偏差为额定电压的±7％，台区关口电压(即配电变压器低压侧出口电压)允许偏差为额定电压的±7％，低压用户供电电压允许偏差为额定电压的+7％和-10％。监测点电压合格率计算公式如下：
指标体系中三类电压合格率取各类电压监测点的电压合格率平均值。本指标体系为了能够全面反映配电网不同层次的电压情况，选取了三类电压(10kV母线、台区出口和低压用户)进行统计。于是上述电压合格率包括一级指标中的主变母线电压合格率、台区关口电压合格率和低压用户电压合格率。
统计线损率包括一级指标中的中低压统计线损率，计算公式如下：
中低压统计线损率指标中供电量为统计区域在统计时间内所有10kV馈线出线开关的电量总和，售电量低压用户的电表电量总和。
三相不平衡问题在配电网中尤为突出，按规定三相不平衡度不应大于15％。三相不平衡度计算公式如下：
三相不平衡度包括一级指标中的轻微三相不平衡配电变压器比例和严重三相不平衡配电变压器比例，具体如下：
轻微三相不平衡配电变压器比例是指三相不平衡度≥15％的时间占比＞5％的配电变压器占总配电变压器的比例，即：先计算配电变压器的三相不平衡度，再统计三相不平衡度≥15％的持续时间，如果配电变压器的三相不平衡度≥15％的时间占比＞5％，则为此配电变压器为轻微三相不平衡，最后用轻微三相不平衡的配电变压器数量占总配电变压器的比例。
同理可求严重三相不平衡配电变压器比例，即三相不平衡度≥50％的时间占比＞20％的配变比例，即：先计算配电变压器的三相不平衡度，再统计三相不平衡度≥50％的持续时间，如果配电变压器的三相不平衡度≥20％的时间占比＞5％，则为此配电变压器为严重三相不平衡，最后用严重三相不平衡的配电变压器数量占总配电变压器的比例。
上述S103中，基于各个配电网评估指标值感知配电网运行风险，具体过程如下：
基于各个配电网评估指标的评估得分和权重，计算配电网运行风险的评估得分；
基于配电网运行风险的评估得分感知配电网运行风险。
上述配电网运行风险的评估得分按下式计算：
式中，s为配电网运行风险的评估得分；n为第k级指标中配电网评估指标的个数；为k级指标中第j个配电网评估指标的评估得分，其基于各个配电网评估指标值，采用专家打分法确定；为k级指标中第j个配电网评估指标的权重，其采用层次分析法确定。采用AHP方法确定权重，首先要根据各项指标的重要情况，建立各项指标间的两两比较矩阵，在得到两两比较矩阵后求取矩阵的最大特征值和最大特征值对应的特征向量，根据最大特征值进行一致性校验，如果该比较矩阵满足一致性校验要求，则将最大特征值对应的特征向量归一化处理，处理后得到各个指标最终的权重向量。
上述基于配电网运行风险的评估得分感知配电网运行风险，具体过程如下：
若配电网运行风险的评估得分大于等于90，感知配电网运行风险为可忽略风险；
若配电网运行风险的评估得分大于等于70且小于90，感知配电网运行风险为低风险；
若配电网运行风险的评估得分大于等于60且小于70，感知配电网运行风险为中风险；
若配电网运行风险的评估得分小于60，感知配电网运行风险为高风险。
实施例2
基于同一发明构思，本发明实施例2还提供一种配电网运行风险感知装置，包括预测和状态估计模块、确定模块以及感知模块，下面对上述几个模块的功能进行详细说明：
其中的预测和状态估计模块，用于基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；
其中的确定模块，用于基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；
其中的感知模块，用于基于各个配电网评估指标值感知配电网运行风险。
本发明实施例2提供的配电网运行风险感知装置还包括：
获取模块，用于获取来自于配电自动化系统和用电信息采集系统的数据，并对获取的数据进行筛选，得到异常数据和缺失数据；
插补模块，用于采用拉格朗日内插法对缺失数据进行插补处理，同时采用统计检测法对异常数据进行辨识，并采用拉格朗日内插法对辨识后的异常数据进行插补处理。
上述预测和状态估计模块包括预测单元，该预测单元按下式进行超短期负荷预测：
P(tn)＝P(tn-1)+ΔP
式中，P(tn)为tn时刻有功负荷值；Q(tn)为tn时刻无功负荷值；P(tn-1)为tn-1时刻有功负荷值；ΔP为有功负荷变化量，且ΔP＝bΔt，b为有功负荷变化速率，Δt为时间间隔，且Δt＝tn-tn-1；pf为功率因数。
上述预测和状态估计模块包括状态估计单元，该状态估计单元具体用于：
基于有功负荷值和无功负荷值确定支路电流预测值；
基于支路电流预测值进行配电网状态估计，得到状态估计结果。
上述确定模块确定的配电网评估指标体系包括三级指标，三级指标包括可靠性指标和安全性指标；
可靠性指标包括二级指标中的系统平均停电频率、系统平均停电持续时间、系统总电量缺额、用户平均停电持续时间、用户平均停电频率、用户平均停电缺供电量、用户供电可靠率和重复停电用户比例；
安全性指标包括二级指标中的设备负载率、电压合格率、统计线损率和三相不平衡度。
设备负载率包括一级指标中的配电变压器轻载率、配电变压器过载率、配电变压器重载率、线路过载率和线路重载率；
上述电压合格率包括一级指标中的主变母线电压合格率、台区关口电压合格率和低压用户电压合格率；
上述统计线损率包括一级指标中的中低压统计线损率；
上述三相不平衡度包括一级指标中的轻微三相不平衡配电变压器比例和严重三相不平衡配电变压器比例。
上述感知模块包括：
计算单元，用于基于各个配电网评估指标的评估得分和权重，计算配电网运行风险的评估得分；
感知单元，用于基于配电网运行风险的评估得分感知配电网运行风险。
上述计算单元按下式计算配电网运行风险的评估得分：
式中，s为配电网运行风险的评估得分；n为第k级指标中配电网评估指标的个数；为k级指标中第j个配电网评估指标的评估得分，其基于各个配电网评估指标值，采用专家打分法确定；为k级指标中第j个配电网评估指标的权重，其采用层次分析法确定。
上述感知单元具体用于：
若配电网运行风险的评估得分大于等于90，感知配电网运行风险为可忽略风险；
若配电网运行风险的评估得分大于等于70且小于90，感知配电网运行风险为低风险；
若配电网运行风险的评估得分大于等于60且小于70，感知配电网运行风险为中风险；
若配电网运行风险的评估得分小于60，感知配电网运行风险为高风险。
为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (18)
1.一种配电网运行风险感知方法，其特征在于，包括：
基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；
基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；
基于各个配电网评估指标值感知配电网运行风险。
2.根据权利要求1所述的配电网运行风险感知方法，其特征在于，所述基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测之前，包括：
获取来自于配电自动化系统和用电信息采集系统的数据，并对获取的数据进行筛选，得到异常数据和缺失数据；
采用拉格朗日内插法对缺失数据进行插补处理；
采用统计检测法对异常数据进行辨识，并采用拉格朗日内插法对辨识后的异常数据进行插补处理。
3.根据权利要求2所述的配电网运行风险感知方法，其特征在于，所述基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，如下式：
P(tn)＝P(tn-1)+ΔP
式中，P(tn)为tn时刻有功负荷值；Q(tn)为tn时刻无功负荷值；P(tn-1)为tn-1时刻有功负荷值；ΔP为有功负荷变化量，且ΔP＝bΔt，b为有功负荷变化速率，Δt为时间间隔，且Δt＝tn-tn-1；pf为功率因数。
4.根据权利要求3所述的配电网运行风险感知方法，其特征在于，所述基于预测结果进行配电网状态估计，包括：
基于有功负荷值和无功负荷值确定支路电流预测值；
基于支路电流预测值进行配电网状态估计，得到状态估计结果。
5.根据权利要求1所述的配电网运行风险感知方法，其特征在于，所述配电网评估指标体系包括三级指标，所述三级指标包括可靠性指标和安全性指标；
所述可靠性指标包括二级指标中的系统平均停电频率、系统平均停电持续时间、系统总电量缺额、用户平均停电持续时间、用户平均停电频率、用户平均停电缺供电量、用户供电可靠率和重复停电用户比例；
所述安全性指标包括二级指标中的设备负载率、电压合格率、统计线损率和三相不平衡度。
6.根据权利要求5所述的配电网运行风险感知方法，其特征在于，所述设备负载率包括一级指标中的配电变压器轻载率、配电变压器过载率、配电变压器重载率、线路过载率和线路重载率；
所述电压合格率包括一级指标中的主变母线电压合格率、台区关口电压合格率和低压用户电压合格率；
所述统计线损率包括一级指标中的中低压统计线损率；
所述三相不平衡度包括一级指标中的轻微三相不平衡配电变压器比例和严重三相不平衡配电变压器比例。
7.根据权利要求1所述的配电网运行风险感知方法，其特征在于，所述基于各个配电网评估指标值感知配电网运行风险，包括：
基于各个配电网评估指标的评估得分和权重，计算配电网运行风险的评估得分；
基于配电网运行风险的评估得分感知配电网运行风险。
8.根据权利要求7所述的配电网运行风险感知方法，其特征在于，所述配电网运行风险的评估得分按下式计算：
式中，s为配电网运行风险的评估得分；n为第k级指标中配电网评估指标的个数；为k级指标中第j个配电网评估指标的评估得分，其基于各个配电网评估指标值，采用专家打分法确定；为k级指标中第j个配电网评估指标的权重，其采用层次分析法确定。
9.根据权利要求7所述的配电网运行风险感知方法，其特征在于，所述基于配电网运行风险的评估得分感知配电网运行风险，包括：
若配电网运行风险的评估得分大于等于90，感知配电网运行风险为可忽略风险；
若配电网运行风险的评估得分大于等于70且小于90，感知配电网运行风险为低风险；
若配电网运行风险的评估得分大于等于60且小于70，感知配电网运行风险为中风险；
若配电网运行风险的评估得分小于60，感知配电网运行风险为高风险。
10.一种配电网运行风险感知装置，其特征在于，包括：
预测和状态估计模块，用于基于获取的配电自动化系统和用电信息采集系统的数据进行超短期负荷预测，并基于预测结果进行配电网状态估计；
确定模块，用于基于状态估计结果确定预先构建的配电网评估指标体系中各个配电网评估指标值；
感知模块，用于基于各个配电网评估指标值感知配电网运行风险。
11.根据权利要求10所述的配电网运行风险感知装置，其特征在于，所述装置还包括：
获取模块，用于获取来自于配电自动化系统和用电信息采集系统的数据，并对获取的数据进行筛选，得到异常数据和缺失数据；
插补模块，用于采用拉格朗日内插法对缺失数据进行插补处理，同时采用统计检测法对异常数据进行辨识，并采用拉格朗日内插法对辨识后的异常数据进行插补处理。
12.根据权利要求11所述的配电网运行风险感知装置，其特征在于，所述预测和状态估计模块包括预测单元，所述预测单元按下式进行超短期负荷预测：
P(tn)＝P(tn-1)+ΔP
式中，P(tn)为tn时刻有功负荷值；Q(tn)为tn时刻无功负荷值；P(tn-1)为tn-1时刻有功负荷值；ΔP为有功负荷变化量，且ΔP＝bΔt，b为有功负荷变化速率，Δt为时间间隔，且Δt＝tn-tn-1；pf为功率因数。
13.根据权利要求12所述的配电网运行风险感知装置，其特征在于，所述预测和状态估计模块包括状态估计单元，所述状态估计单元具体用于：
基于有功负荷值和无功负荷值确定支路电流预测值；
基于支路电流预测值进行配电网状态估计，得到状态估计结果。
14.根据权利要求10所述的配电网运行风险感知装置，其特征在于，所述确定模块确定的配电网评估指标体系包括三级指标，所述三级指标包括可靠性指标和安全性指标；
所述可靠性指标包括二级指标中的系统平均停电频率、系统平均停电持续时间、系统总电量缺额、用户平均停电持续时间、用户平均停电频率、用户平均停电缺供电量、用户供电可靠率和重复停电用户比例；
所述安全性指标包括二级指标中的设备负载率、电压合格率、统计线损率和三相不平衡度。
15.根据权利要求14所述的配电网运行风险感知装置，其特征在于，所述设备负载率包括一级指标中的配电变压器轻载率、配电变压器过载率、配电变压器重载率、线路过载率和线路重载率；
所述电压合格率包括一级指标中的主变母线电压合格率、台区关口电压合格率和低压用户电压合格率；
所述统计线损率包括一级指标中的中低压统计线损率；
所述三相不平衡度包括一级指标中的轻微三相不平衡配电变压器比例和严重三相不平衡配电变压器比例。
16.根据权利要求10所述的配电网运行风险感知装置，其特征在于，所述感知模块包括：
计算单元，用于基于各个配电网评估指标的评估得分和权重，计算配电网运行风险的评估得分；
感知单元，用于基于配电网运行风险的评估得分感知配电网运行风险。
17.根据权利要求16所述的配电网运行风险感知装置，其特征在于，所述计算单元按下式计算配电网运行风险的评估得分：
式中，s为配电网运行风险的评估得分；n为第k级指标中配电网评估指标的个数；为k级指标中第j个配电网评估指标的评估得分，其基于各个配电网评估指标值，采用专家打分法确定；为k级指标中第j个配电网评估指标的权重，其采用层次分析法确定。
18.根据权利要求16所述的配电网运行风险感知装置，其特征在于，所述感知单元具体用于：
若配电网运行风险的评估得分大于等于90，感知配电网运行风险为可忽略风险；
若配电网运行风险的评估得分大于等于70且小于90，感知配电网运行风险为低风险；
若配电网运行风险的评估得分大于等于60且小于70，感知配电网运行风险为中风险；
若配电网运行风险的评估得分小于60，感知配电网运行风险为高风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087982.7A CN109409658A (zh) | 2018-09-18 | 2018-09-18 | 一种配电网运行风险感知方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087982.7A CN109409658A (zh) | 2018-09-18 | 2018-09-18 | 一种配电网运行风险感知方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409658A true CN109409658A (zh) | 2019-03-01 |
Family
ID=65465566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811087982.7A Pending CN109409658A (zh) | 2018-09-18 | 2018-09-18 | 一种配电网运行风险感知方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409658A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110489404A (zh) * | 2019-06-24 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种基于三层架构的配电网领域的全面数据质量管理方法 |
| CN110728457A (zh) * | 2019-10-17 | 2020-01-24 | 广西电网有限责任公司电力科学研究院 | 一种考虑配电网多层级薄弱环节的运行风险态势感知方法 |
| CN111144638A (zh) * | 2019-12-24 | 2020-05-12 | 东南大学 | 一种基于大数据的配电网运行态势预测方法 |
| CN111179117A (zh) * | 2019-12-27 | 2020-05-19 | 天津大学 | 一种智能配电网态势感知效果评定的计算方法及装置 |
| CN111834995A (zh) * | 2019-04-18 | 2020-10-27 | 中国电力科学研究院有限公司 | 一种有源配电网运行状态诊断方法及装置 |
| CN112836936A (zh) * | 2021-01-08 | 2021-05-25 | 国家电网有限公司 | 面向电力传感网络感知层规划的风险因素筛选方法及系统 |
| CN114383652A (zh) * | 2021-12-06 | 2022-04-22 | 中国电力科学研究院有限公司 | 一种配电网潜在故障在线风险辨识方法、系统及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903058A (zh) * | 2012-12-26 | 2014-07-02 | 中国电力科学研究院 | 一种智能配电网高效运行评估方法 |
| CN107274115A (zh) * | 2017-08-11 | 2017-10-20 | 国网江苏省电力公司电力科学研究院 | 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法 |
-
2018
- 2018-09-18 CN CN201811087982.7A patent/CN109409658A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103903058A (zh) * | 2012-12-26 | 2014-07-02 | 中国电力科学研究院 | 一种智能配电网高效运行评估方法 |
| CN107274115A (zh) * | 2017-08-11 | 2017-10-20 | 国网江苏省电力公司电力科学研究院 | 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 吴争荣等: "基于状态估计的配电网实时态势感知与评估", 电力系统及其自动化学报, 11 May 2018 (2018-05-11), pages 140 - 145 * |
| 贾东梨等: "基于超短期负荷预测的智能配电网状态估计", 电力建设, 28 March 2013 (2013-03-28), pages 31 - 35 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111834995A (zh) * | 2019-04-18 | 2020-10-27 | 中国电力科学研究院有限公司 | 一种有源配电网运行状态诊断方法及装置 |
| CN111834995B (zh) * | 2019-04-18 | 2024-04-16 | 中国电力科学研究院有限公司 | 一种有源配电网运行状态诊断方法及装置 |
| CN110489404A (zh) * | 2019-06-24 | 2019-11-22 | 广西电网有限责任公司电力科学研究院 | 一种基于三层架构的配电网领域的全面数据质量管理方法 |
| CN110728457A (zh) * | 2019-10-17 | 2020-01-24 | 广西电网有限责任公司电力科学研究院 | 一种考虑配电网多层级薄弱环节的运行风险态势感知方法 |
| CN110728457B (zh) * | 2019-10-17 | 2022-11-22 | 广西电网有限责任公司电力科学研究院 | 一种考虑配电网多层级薄弱环节的运行风险态势感知方法 |
| CN111144638A (zh) * | 2019-12-24 | 2020-05-12 | 东南大学 | 一种基于大数据的配电网运行态势预测方法 |
| CN111144638B (zh) * | 2019-12-24 | 2023-12-12 | 东南大学 | 一种基于大数据的配电网运行态势预测方法 |
| CN111179117A (zh) * | 2019-12-27 | 2020-05-19 | 天津大学 | 一种智能配电网态势感知效果评定的计算方法及装置 |
| CN112836936A (zh) * | 2021-01-08 | 2021-05-25 | 国家电网有限公司 | 面向电力传感网络感知层规划的风险因素筛选方法及系统 |
| CN112836936B (zh) * | 2021-01-08 | 2023-11-24 | 国家电网有限公司 | 面向电力传感网络感知层规划的风险因素筛选方法及系统 |
| CN114383652A (zh) * | 2021-12-06 | 2022-04-22 | 中国电力科学研究院有限公司 | 一种配电网潜在故障在线风险辨识方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409658A (zh) | 一种配电网运行风险感知方法和装置 | |
| CN111537939B (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
| CN114050633A (zh) | 一种锂电池储能系统的动态管控方法、装置和电子设备 | |
| CN109633476B (zh) | 电池储能系统的健康度的评估方法及系统 | |
| CN109359894B (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
| US7979239B2 (en) | System and method for monitoring and managing electrical power transmission and distribution networks | |
| CN116125361B (zh) | 电压互感器误差评估方法、系统、电子设备及存储介质 | |
| CN106447522A (zh) | 一种全电压序列一体化电网的可靠性与风险评估方法 | |
| CN109993665B (zh) | 电力系统在线安全稳定评估方法、装置及系统 | |
| CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
| CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
| Makasa et al. | On-line voltage stability load index estimation based on PMU measurements | |
| CN104730458A (zh) | 发电机励磁系统状态监测方法 | |
| CN113205260A (zh) | 一种基于数字孪生的电动汽车充电桩健康状态评估方法 | |
| CN109450089B (zh) | 一种台区低电压识别方法、装置及终端设备 | |
| CN113112114A (zh) | 一种储能电站在线评估方法和装置 | |
| Tarigan | A Novelty Method Subjectif of Electrical Power Cable Retirement Policy | |
| CN117955248B (zh) | 一种储能电站电池状态监测系统、方法、装置和存储介质 | |
| CN108693442A (zh) | 电网故障的检测方法及系统 | |
| CN110133395A (zh) | 一种充电桩健康状态诊断方法及装置 | |
| CN116165596A (zh) | 专变用户计量异常监测方法 | |
| Jansson | Evaluation of KPIs and Battery Usage of Li-ion BESS for FCR Application | |
| Langouranis et al. | Fuzzy total power quality index for electric networks | |
| CN114662809A (zh) | 一种综合能源园区内供电电源的电能质量评价方法和系统 | |
| CN115494348B (zh) | 基于母线平衡的大数据关口故障智能诊断方法及系统 |
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 |