CN109617071A - 一种用于配电网供电能力的分析方法、装置及存储介质 - Google Patents
一种用于配电网供电能力的分析方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109617071A CN109617071A CN201910135344.6A CN201910135344A CN109617071A CN 109617071 A CN109617071 A CN 109617071A CN 201910135344 A CN201910135344 A CN 201910135344A CN 109617071 A CN109617071 A CN 109617071A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- power supply
- sensitivity matrix
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 66
- 239000011159 matrix material Substances 0.000 claims abstract description 212
- 230000035945 sensitivity Effects 0.000 claims abstract description 152
- 230000005611 electricity Effects 0.000 claims description 64
- 238000000034 method Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008719 thickening Effects 0.000 abstract description 4
- 230000002146 bilateral effect Effects 0.000 description 7
- 125000004432 carbon atom Chemical group C* 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 108700041286 delta Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的一种用于配电网供电能力的分析方法，获取配电网中配电网系统网架架构的物理数据和电力市场数据分别建立对应的第一灵敏度矩阵和第二灵敏度矩阵，然后利用第一灵敏度矩阵和第二灵敏度矩阵对配电网供电能力进行分析。相比于现有技术中只考虑配电网系统网架加厚、负荷增长等物理层面因素对配电网的供电能力进行分析的方式，本申请对配电网的供电能力进行分析时，既结合了配电网系统网架架构的物理数据，又结合了电力市场的市场数据，提高了对配电网的供电能力进行分析时的准确度。此外，本发明还公开了一种用于配电网供电能力的分析装置及存储介质，效果如上。
Description
技术领域
本发明涉及配电网技术领域，特别涉及一种用于配电网供电能力的分析方法、装置及存储介质。
背景技术
配电网的供电能力是评估配电网的一项重要指标，目前，对于配电网的供电能力的研究是在输电网的供电能力的基础上进行。
在售电侧改革之前，配电网供电能力主要受到配电网系统网架结构、负荷增长模式等物理因素影响。配电网系统网架结构是以电网供电为基础，主要以变电站容量、变电站数量、变压器分接头、无功补偿设备以及配电网接线方式等。负荷增长模式主要采用等比例增长模式。
目前，对于配电网的供电能力的影响因素分析而言，还停留在配电网系统网架结构、负荷增长等物理层面。未考虑电力市场中各个售电主体的供电方式、用户侧的负荷增长特性、电力价值的交易方式等市场因素对配电网的供电能力的影响。如此，对于对配电网的供电能力并不能进行准确的分析。
发明内容
本发明的目的在于公开一种用于配电网供电能力的分析方法、装置及存储介质，提高了对配电网的供电能力进行分析的准确度。
为实现上述目的，本发明实施例公开了如下技术方案：
第一，本发明实施例公开了一种用于配电网供电能力的分析方法，包括：
获取配电网中配电网系统网架架构的物理数据，所述物理数据包括变电站数据和网络联络数据；
确定所述变电站数据中所有主变的主变负载率为状态变量，所述变电站数据和所述网络联络数据中的各因素变量为控制变量；
利用预先定义的主变联络关系矩阵、所述状态变量和所述控制变量建立第一灵敏度矩阵；
获取所述配电网中售电侧的电力市场数据，所述电力市场数据包括售电主体数据、购电主体数据、交易周期数据和交易方式数据；
对所述电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵；
结合所述第一灵敏度矩阵和所述第二灵敏度矩阵对所述配电网的供电能力进行分析。
可选的，所述第一灵敏度矩阵具体包括：所述主变负载率与主变数量的灵敏度矩阵、所述主变负载率与主变容量的灵敏度矩阵、所述主变负载率与联络线数量的灵敏度矩阵、所述主变负载率与联络线容量的灵敏度矩阵；
相应的，所述主变负载率与所述主变数量的灵敏度矩阵的建立过程具体为：
随着所述主变数量的增加，更新所述主变联络关系矩阵，得到与总主变数量对应的第一更新主变联络关系矩阵；
计算所述第一更新主变联络关系矩阵和与各所述主变对应的负载率构成的矩阵的乘积，得到所述主变负载率与所述主变数量的灵敏度矩阵；
所述主变负载率与主变容量的灵敏度矩阵的建立过程具体为：
计算所述主变联络关系矩阵和与各所述主变的主变容量对应的负载率构成的矩阵的乘积，得到所述主变负载率与主变容量的灵敏度矩阵；
所述主变负载率与联络线数量的灵敏度矩阵的建立过程具体为：
计算所述主变联络关系矩阵与各所述主变的联络线对应的负载率构成的矩阵的乘积，得到所述主变负载率与所述联络线数量的灵敏度矩阵；
所述主变负载率与联络线容量的灵敏度矩阵的建立过程具体为：
计算所述主变负载率与各相邻主变之间的联络容量对应的负载率构成的矩阵的乘积，得到所述主变负载率与所述联络线容量的灵敏度矩阵。
可选的，所述第一灵敏度矩阵还包括：变电站数量灵敏度矩阵和变电站容量灵敏度矩阵；
相应的，所述变电站数量灵敏度矩阵的建立过程具体为：
随着变电站数量的增加，更新所述主变联络关系矩阵，得到与所有变电站中的总主变数量对应的第二更新主变联络关系矩阵；
计算所述第二更新主变联络关系矩阵与各所述变电站对应的负载率构成的矩阵的乘积，得到所述变电站数量灵敏度矩阵；
所述变电站容量灵敏度矩阵的建立过程具体为：
计算所述主变联络关系矩阵与各所述变电站的变电站容量对应的负载率构成的矩阵的乘积，得到所述变电站容量灵敏度矩阵。
可选的，所述对所述电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵包括：
当售电主体和购电主体以中长期交易方式进行电力交易时，基于回归分析法进行负荷预测，得到第一预测电量；
当所述售电主体和所述购电主体以短期交易方式进行电力交易时，基于BP神经网络进行负荷预测，得到第二预测电量；
当所述售电主体和所述购电主体以日前交易方式或实时交易方式进行电力交易时，基于相似日小波支持向量机进行负荷预测，得到第三预测电量；
利用所述第一预测电量、所述第二预测电量和所述第三预测电量建立负荷预测模型；
确定对所述负荷预测模型产生影响的影响因素；
对所述负荷预测模型与所述影响因素进行微分计算，得到微分结果构成的所述第二灵敏度矩阵。
可选的，所述结合所述第一灵敏度矩阵和所述第二灵敏度矩阵对所述配电网的供电能力进行分析包括：
利用所述第一灵敏度矩阵和所述第二灵敏度矩阵建立所述配电网的配电网供电能力模型；
结合重复潮流算法对所述配电网供电能力模型进行配电网供电能力评估，得到负荷增长倍数和实际负荷；
基于所述负荷增长倍数和所述实际负荷更新所述配电网供电能力模型；
基于所述配电网供电能力模型采用控制变量法，分析各所述因素变量和所述影响因素对所述配电网的供电能力的影响。
可选的，所述基于所述配电网供电能力模型采用控制变量法，分析各所述因素变量和所述影响因素对所述配电网的供电能力的影响包括：
保持各所述因素变量均不变，改变所述影响因素，确定所述第二灵敏度矩阵的变化量；
根据所述第二灵敏度矩阵的变化量分析所述影响因素对所述配电网的供电能力的影响；
保持所述影响因素不变，改变所述因素变量，确定所述第一灵敏度矩阵的变化量；
根据所述第一灵敏度矩阵的变化量分析所述因素变量对所述配电网的供电能力的影响。
第二，本发明实施例公开了一种用于配电网供电能力的分析装置，包括：
第一获取模块，用于获取配电网中配电网系统网架架构的物理数据，所述物理数据包括变电站数据和网络联络数据；
确定模块，用于确定所述变电站数据中所有主变的主变负载率为状态变量，所述变电站数据和所述网络联络数据中的各因素变量为控制变量；
第一建立模块，用于利用预先定义的主变联络关系矩阵、所述状态变量和所述控制变量建立第一灵敏度矩阵；
第二获取模块，用于获取所述配电网中售电侧的电力市场数据，所述电力市场数据包括售电主体数据、购电主体数据、交易周期数据和交易方式数据；
第二建立模块，用于对所述电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵；
分析模块，用于结合所述第一灵敏度矩阵和所述第二灵敏度矩阵对所述配电网的供电能力进行分析。
可选的，所述分析模块包括：
建立单元，用于利用所述第一灵敏度矩阵和所述第二灵敏度矩阵建立所述配电网的配电网供电能力模型；
评估单元，用于结合重复潮流算法对所述配电网供电能力模型进行配电网供电能力评估，得到负荷增长倍数和实际负荷；
更新单元，用于基于所述负荷增长倍数和所述实际负荷更新所述配电网供电能力模型；
分析单元，用于基于所述配电网供电能力模型采用控制变量法，分析各所述因素变量和所述影响因素对所述配电网的供电能力的影响。
第三，本发明实施例公开了一种用于配电网供电能力的分析装置，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序以实现以上任一种提到的用于配电网供电能力的分析方法的步骤。
第四，本发明实施例公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上任一种所述的用于配电网供电能力的分析方法的步骤。
本发明实施例公开的一种用于配电网供电能力的分析方法，获取配电网中配电网系统网架架构的物理数据和电力市场数据分别建立对应的第一灵敏度矩阵和第二灵敏度矩阵，然后利用第一灵敏度矩阵和第二灵敏度矩阵对配电网供电能力进行分析。相比于现有技术中只考虑配电网系统网架加厚、负荷增长等物理层面因素对配电网的供电能力进行分析的方式，本申请对配电网的供电能力进行分析时，既结合了配电网系统网架架构的物理数据，又结合了电力市场的市场数据，提高了对配电网的供电能力进行分析时的准确度。此外，本发明实施例还公开了一种用于配电网供电能力的分析装置及存储介质，效果如上。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种用于配电网供电能力的分析方法流程示意图；
图2为本发明实施例公开的一种用于配电网供电能力的分析装置结构示意图；
图3为本发明实施例公开的另一种用于配电网供电能力的分析装置结构示意图。
具体实施方式
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、完整地描述，显然，所描述的实施例仅仅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。
本发明实施例公开了一种用于配电网供电能力的分析方法、装置及存储介质，提高了对配电网的供电能力进行分析的准确度。
请参见图1，图1为本发明实施例公开的一种用于配电网供电能力的分析方法流程示意图，该方法包括：
S101：获取配电网中配电系统网架架构的物理数据，物理数据包括变电站数据和网络联络数据。
具体的，本实施例中，配电系统网架架构物理数据主要包括变电站数据和网络联络数据，变电站数据包括变电站容量、变电站数量、主变容量和主变数量等；网络联络数据包括联络线数量、联络线容量等。
S102：确定变电站数据中所有主变的主变负载率为状态变量，变电站数据和网络联络数据中的各因素变量为控制变量。
具体的，本实施例，变电站数据和网络联络数据中的因素变量包括主变容量、主变数量、变电站数量、变电站容量、联络线数量和联络线容量。
S103：利用预先定义的主变联络关系矩阵、状态变量和控制变量建立第一灵敏度矩阵。
具体的，本实施例中，为了确定第一灵敏度矩阵，需要先确定灵敏度因子，然后针对每一种灵敏度因子确定与其对应的灵敏度矩阵，下面对第一灵敏度矩阵进行详细的介绍：
首先，对灵敏度的定义进行说明：
本申请中将影响配电网供电能力(本申请中采用TSC表示)的各因素变量设为控制变量(本申请中采用X表示)，考虑到TSC仅考虑物理因素时可以表示为配电网中所有主变的各个额定容量乘以相对应的主变负载率之和。因此，可以将配电网中所有主变的主变负载率设为状态变量(本申请中采用T表示)。通过比较状态变量T对不同控制变量X的灵敏度指标dT/dX，然后分析各个控制变量X对状态变量T的影响，为了将不同类型和不同单位的控制变量对状态变量的影响值进行量化的比较，取状态变量T和控制变量X的百分比进行计算，定义各个控制变量X对主变负载率的状态灵敏度指标为dT％/dX％。
其次，对本申请中的主变联络关系矩阵进行说明：
据上述记载，影响配电网供电能力的物理因素主要包括变电站容量、变电站数量、主变容量、主变数量、联络线容量和联络线数量。
本申请中控制变量X可以采用下式表示：
X＝[A B C D E F]
上式中，A代表的是主变数量、B代表的是主变容量、C代表的是变电站数量、D代表的是变电站容量、E代表的是联络线数量、F代表的是联络线容量。
然后定义主变联络关系矩阵Llink，主变联络关系矩阵Llink可以采用下式表示：
Llink＝[LI,J]n×n
上式中，主变联络关系矩阵Llink中的矩阵元素LI,J表示第I台主变与第J台主变的联络关系，其中，(I＝1，2，…，n，J＝1，2，…，n)。在主变I和主变J有联络关系时，将LI,J取值为1，在主变I和主变J无联络关系时，将LI,J取值为0，此外，在主变I与自身之间存在联络关系时，可以取LI,I为1。
针对第I台主变与第J台主变而言，存在与第I台主变与第J台主变所属的变电站GI和变电站GJ。假设变电站GI中除去主变I之外的另外一台主变I1，变电站GJ中除去主变J之外的另外一台主变为J1。设与主变I相连的联络数量为HI，与主变I1相连的联络数量为HI1。同理得到HJ和HJ1。
下面对配电网供电能力与主变联络关系矩阵之间的规律进行说明：
当任意主变和与之相连的联络线个数HTEF小于等于4时，需要满足下列规律：
若HI＞HI1，且HJ＞HJ1，则LI,J对配电网的供电能力TSC无效；
若HI≤HI1，且HJ≤HJ1，则LI,J对配电网的供电能力TSC无效；
若HI＞HI1，且HJ≤HJ1或HI≤HI1且HJ＞HJ1，则LI,J对配电网的供电能力TSC可能有效。
下面对本发明实施例中的第一灵敏度矩阵的类型进行说明：
作为可选的实施例，第一灵敏度矩阵具体包括：主变负载率与主变数量的灵敏度矩阵、主变负载率与主变容量的灵敏度矩阵、主变负载率与联络线数量的灵敏度矩阵、主变负载率与联络线容量的灵敏度矩阵；
下面对几种类型的灵敏度矩阵的建立过程进行说明：
第一，主变负载率与主变数量的灵敏度矩阵的建立过程具体为：
随着主变数量的增加，更新主变联络关系矩阵，得到与总主变数量对应的第一更新主变联络关系矩阵；
计算第一更新主变联络关系矩阵和与各主变对应的负载率构成的矩阵的乘积，得到主变负载率与主变数量的灵敏度矩阵；
具体的，主变负载率与主变数量的灵敏度矩阵本申请中采用表示，定义运算方式“.*”代表矩阵对应元素相乘，当主变数量由n增加为n+Δ时(Δ为整数)，更新主变联络关系矩阵得到更新后的主变联络关系矩阵，采用下式表示：
Llink＝[LI,J](n+Δ)(n+Δ)
此时，可以采用下式表示：
上式中，表示当主变数量增加为n+Δ时，第n+Δ台主变负载率的变化情况；表示当主变数量增加为n+Δ时，第n+Δ-1台和n+Δ的联络对主变n+Δ的负载率的变化情况。
第二，主变负载率与主变容量的灵敏度矩阵的建立过程具体为：
计算主变联络关系矩阵和与各主变的主变容量对应的负载率构成的矩阵的乘积，得到主变负载率与主变容量的灵敏度矩阵。
具体的，主变负载率与主变容量的灵敏度矩阵本申请采用表示，此时，主变联络矩阵为Llink＝[LI,J]n×n。具体可以采用下式表示：
上式中，表示第n台主变容量增加对第n台主变负载率的影响，表示当第n台主变容量增加时，主变n与主变n-1之间的联络对主变n负载率的影响。
第三，主变负载率与联络线数量的灵敏度矩阵的建立过程具体为：
计算主变联络关系矩阵和与各主变的联络线对应的负载率构成的矩阵的乘积，得到主变负载率与联络线数量的灵敏度矩阵。
具体的，本实施例中，主变负载率与联络线数量的灵敏度矩阵可以采用表示，由于联络线数量改变会直接造成主变联络矩阵Llink的变化，而且相比变电站数量、主变数量的改变而言联络线数量变化使得主变联络矩阵Llink变化的更加明显，因此，可以采用下式表示：
上式中，表示主变n-1和主变n之间的联络数量对主变n负载率的影响。
第四，主变负载率与联络线容量的灵敏度矩阵的建立过程具体为：
计算主变负载率与各相邻主变之间的联络容量对应的负载率构成的矩阵的乘积，得到主变负载率与联络线容量的灵敏度矩阵。
具体的，主变负载率与联络线容量的灵敏度矩阵可以采用表示，可以采用下式表示：
上式中，表示的是主变n-1和主变n之间的联络数量对主变n负载率的影响。
最终将各个灵敏度矩阵进行叠加，得到最终的第一灵敏度矩阵dT％/dX％，具体采用下式表示：
此外，变电站对于配电网供电能力也具有一定程度的影响；
因此，作为本发明可选的实施例，第一灵敏度矩阵还包括：变电站数量灵敏度矩阵和变电站容量灵敏度矩阵；
相应的，变电站数量灵敏度矩阵的建立过程具体为：
随着变电站数量的增加，更新主变联络关系矩阵，得到与变电站中的总主变数量对应的第二更新主变联络关系矩阵；
计算第二更新主变联络关系矩阵与各变电站对应的负载率构成的矩阵的乘积，得到变电站数量灵敏度矩阵。
具体的，变电站数量灵敏度矩阵可以采用表示，由于变电站数量和容量的改变直接影响的是主变的数量和容量，因此可以通过主变的变化反应变电站因素带来的影响。假设共有M个变电站，n台主变，如果增加α个变电站，且增加的变电站共包含Δ台主变，此时更新后的主变联络关系矩阵为第二更新主变联络关系矩阵可以采用下式表示：
Llink＝[LI,J](n+Δ)(n+Δ)
相应的，可以采用下式表示：
上式中，表示当变电站数量增加为M+Δ时，第M+Δ台变电站负载率变化情况，表示当变电站数量增加为M+Δ时，第M+Δ-1和第M+Δ台的联络对变电站M+Δ的负载率的影响。表示当主变数量增加为n+Δ时，第n+Δ-1和第n+Δ台的联络对主变n+Δ的负载率的影响。
仅考虑变电站容量变化时，主变联络矩阵为Llink＝[LI,J]n×n，变电站容量灵敏度矩阵的建立过程具体为：
计算主变联络关系矩阵与各变电站的变电站容量对应的负载率构成的矩阵的乘积，得到变电站容量灵敏度矩阵。
具体的，本申请中，变电站容量灵敏度矩阵可以采用表示，具体如下：
上式中，表示第M台变电站容量增加对第M台变电站负载率的影响，表示当第M台主变容量增加时，变电站M与变电站M-1之间的联络对变电站M负载率的影响，表示当第n台主变容量增加时，主变n和主变n-1之间的联络对主变n负载率的影响。
S104：获取配电网中售电侧的电力市场数据，电力市场数据包括售电主体数据、购电主体数据、交易周期数据和交易方式数据。
具体的，本实施例中，售电主体数据主要分为电网资产配电售电商、常规发电型售电商、综合能源售电商、社会资本售电商；购电主体数据主要分为大用户和零散用户，交易周期数据包括中长期交易、日前交易、实时交易和短期交易，交易方式包括双边协商和集中竞价。
S105：对电力市场数据进行行为特征分析并依据分析结果建立第二灵敏度矩阵。
具体的，本实施例中，针对不同的交易周期和不同的交易方式，进行不同的负荷预测；
作为可选的实施例，当售电主体和购电主体以中长期交易方式进行电力交易时，基于回归分析法进行负荷预测，得到第一预测电量；
具体的，当售电主体为电网资产售电商和常规发电型售电商与大用户直接进行双边协商交易，具有交易容量大，可靠性高等优点，考虑到以上两种售电商交易通常为中长期外双边协商交易(通常以年为交易周期)，因此，采用回归分析法(可以参见现有技术)进行负荷预测，得到第一预测电量，本申请记为f1。
当售电主体和购电主体以短期交易方式进行电力交易时，基于BP神经网络进行负荷预测，得到第二预测电量，本申请记为f2。
具体的，当售电主体为社会资本售电商通常与零散用户进行交易，交易方式主要为短期集中竞价交易方式(通常以月为交易周期)，采用BP神经网络的短期负荷预测，得到第二预测电量f2。
当售电主体和购电主体以日前交易方式或实时交易方式进行电力交易时，基于相似日小波支持向量机进行负荷预测，得到第三预测电量，本申请记为f3。
具体的，当售电主体为新能源发电主导的售电商，交易方式以实时交易方式或日前交易方式为辅，以月为主，由于新能源出力具有很大的波动性、不确定性，通常采用现货交易，因此，基于相似日小波支持向量机的预测方法进行负荷预测，得到第三预测电量。
利用第一预测电量、第二预测电量和第三预测电量建立负荷预测模型。
具体的，负荷预测模型具体采用下式表示：
其中，f指的是某时段综合预测的电力负荷，t1指的是将中长期交易周期划分到以小时为单位，t2指的是将短期交易周期划分到以小时为单位，t3指的是将现货交易划分到以小时为单位。
确定对负荷预测模型产生影响的影响因素。
具体的，影响负荷预测模型的影响因素按照交易方式来划分主要有双边协议、集中竞价和挂牌交易；按照交易周期划分主要有中长期交易、现货交易等，其中以年度双边协商、月度集中竞价以及现货交易最为典型。
对负荷预测模型与影响因素进行微分计算，得到微分结果构成的第二灵敏度矩阵。
具体的，影响因素可以采用x表示，则第二灵敏度矩阵可以为负荷预测模型与各个影响因素x的微分计算结果。具体采用下式表示：
其中，
其中，表示中长期场外双边协商交易对节点N处负荷的影响。
其中，表示中长期场内集中竞价交易对节点N处负荷的影响。
其中，表示现货交易对节点N处负荷的影响。
结合以上各式，第二灵敏度矩阵如下式表示：
其中，表示将节点N处中长期场外双边协商、中长期场内集中竞价以及现货交易三种方式预测的负荷划分到同一时刻。
S106：结合第一灵敏度矩阵和第二灵敏度矩阵对配电网的供电能力进行分析。
具体的，作为可选的实施例，步骤S106包括：
利用第一灵敏度矩阵和第二灵敏度矩阵建立配电网的配电网供电能力模型。
具体的，配电网供电能力模型具体采用下式表示：
其中，
s.t
Ui'min≤Ui'≤Ui'max
I'i'≤I'i'max
SBi'≤SBi'max
其中，i和j代表负荷节点，i'和j'代表配电网系统中的节点，N代表负荷节点的个数，n代表主变的个数，N'代表配电网系统中节点的个数，Si代表负荷节点i处不参与电力市场交易的负荷功率，fi代表参与市场交易行为后负荷节点i处的预测负荷，k代表负荷增长倍数，Yi代表节点i处的负荷增长基数，RI代表主变I的额定容量，TI代表主变I的负载率，FIJ代表主变I和J之间的联络容量；ΩI代表与主变I相连的主变；Pi'和Qi'分别为节点i'处注入的有功和无功功率；PDG,i'和QDG,i'分别为节点i'处分布式电源输入的有功和无功功率；Ui'min和Ui'max分别为节点i'允许电压最小值和最大值；I'i'j'max为支路i'j'的允许载流量。SBi'j'max为支路i'j'允许传输的最大容量。
结合重复潮流算法对配电网供电能力模型进行配电网供电能力评估，得到负荷增长倍数和实际负荷。
具体的，负荷增长倍数k的选取对于配电网供电能力的评估非常重要，步长选取过大容易造成精度过低，步长选取过小会造成收敛速度过慢。本申请采用自动变步长的方法逐步向前搜索，若搜索成功则以原步长继续搜索，若搜索失败则优选将步长减半，如此迭代循环，直到步长减小到满足精度要求为止，具体如下：
首先结合配电网的历史数据，通过综合负荷预测模型获取电力市场交易负荷fi；
然后获取配电网当前的实际负荷Si，令负荷增长基数Yi＝Si+Fi。
其次，确定初始搜索步长h0＞0以及收敛精度ε＞0
令配电网供电能力TSC等于当前的实际负荷Si+fi，h＝h0，k＝1。
如果此时的步长h＞ε，则继续进行下一步，如果此时的步长h＜ε，则计算结束，返回TSC和负荷增长倍数k，此时，TSC也可以为配电网在当前运行方式下可供应的最大负荷，k为最大负荷增长倍数。
在返回TSC后，可以计算TSC'＝TSC+hYi；
以TSC'为基准进行潮流计算，判断是否有越限发生，如果没有越限，则继续进行下一步，否则则将步长h缩小为原来的一半，即h＝h/2，并返回至判断步长大小的步骤，即如果此时的步长h＞ε，则继续进行下一步，如果此时的步长h＜ε，则计算结束，返回TSC和负荷增长倍数k，此时，TSC也可以为配电网在当前运行方式下可供应的最大负荷，k为最大负荷增长倍数的步骤。
最后，令TSC＝TSC'并进入计算TSC'＝TSC+hYi的步骤。
基于负荷增长倍数和实际负荷更新配电网供电能力模型。
基于配电网供电能力模型采用控制变量法，分析各因素变量和影响因素对配电网的供电能力的影响。
具体的，控制变量法的应用如下：
保持各因素变量均不变，改变影响因素，确定第二灵敏度矩阵的变化量。
即保持各个因素变量不变，改变交易方式、交易周期、交易电量等因素以对电力市场交易负荷进行预测，分析电力市场的各个影响因素对配电网供电能力的影响。
保持影响因素不变，改变因素变量，确定第一灵敏度矩阵的变化量。
具体的，保持影响因素不变，改变主变数量、主变容量、联络线数量以及联络线容量等方式，分析各个因素变量对配电网供电能力的影响，主要体现在第一灵敏度矩阵的变化量。
本发明实施例公开的一种用于配电网供电能力的分析方法，获取配电网中配电网系统网架架构的物理数据和电力市场数据分别建立对应的第一灵敏度矩阵和第二灵敏度矩阵，然后利用第一灵敏度矩阵和第二灵敏度矩阵对配电网供电能力进行分析。相比于现有技术中只考虑配电网系统网架加厚、负荷增长等物理层面因素对配电网的供电能力进行分析的方式，本申请对配电网的供电能力进行分析时，既结合了配电网系统网架架构的物理数据，又结合了电力市场的市场数据，提高了对配电网的供电能力进行分析时的准确度。
下面对本发明实施例公开的一种用于配电网供电能力的分析装置进行介绍，请参见图2，图2为本发明实施例公开的一种用于配电网供电能力的分析装置结构示意图，该装置包括：
第一获取模块201，用于获取配电网中配电网系统网架架构的物理数据，物理数据包括变电站数据和网络联络数据；
确定模块202，用于确定变电站数据中所有主变的主变负载率为状态变量，变电站数据和网络联络数据中的各因素变量为控制变量；
第一建立模块203，用于利用预先定义的主变联络关系矩阵、状态变量和控制变量建立第一灵敏度矩阵；
第二获取模块204，用于获取配电网中售电侧的电力市场数据，电力市场数据包括售电主体数据、购电主体数据、交易周期数据和交易方式数据；
第二建立模块205，用于对电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵；
分析模块206，用于结合第一灵敏度矩阵和第二灵敏度矩阵对配电网的供电能力进行分析。
作为本申请可选的实施例，分析模块206包括：
建立单元，用于利用第一灵敏度矩阵和第二灵敏度矩阵建立配电网的配电网供电能力模型；
评估单元，用于结合重复潮流算法对配电网供电能力模型进行配电网供电能力评估，得到负荷增长倍数和实际负荷；
更新单元，用于基于负荷增长倍数和实际负荷更新配电网供电能力模型；
分析单元，用于基于配电网供电能力模型采用控制变量法，分析各因素变量和影响因素对配电网的供电能力的影响。
本发明实施例公开的一种用于配电网供电能力的分析装置，获取配电网中配电网系统网架架构的物理数据和电力市场数据分别建立对应的第一灵敏度矩阵和第二灵敏度矩阵，然后利用第一灵敏度矩阵和第二灵敏度矩阵对配电网供电能力进行分析。相比于现有技术中只考虑配电网系统网架加厚、负荷增长等物理层面因素对配电网的供电能力进行分析的方式，本申请对配电网的供电能力进行分析时，既结合了配电网系统网架架构的物理数据，又结合了电力市场的市场数据，提高了对配电网的供电能力进行分析时的准确度。
请参见图3，图3为本发明实施例公开的另一种用于配电网供电能力的分析装置结构示意图，包括：
存储器301，用于存储计算机程序；
处理器302，用于执行存储器中存储的计算机程序以实现以上任一实施例提到的用于配电网供电能力的分析方法的步骤。
本实施例公开的另一种用于配电网供电能力的分析装置，由于可以通过处理器调用存储器存储的计算机程序，实现如上述任一实施例公开的用于配电网供电能力的分析方法的步骤，所以本分析装置具有同上述用于配电网供电能力的分析方法同样的实际效果。
为了更好地理解本方案，本发明实施例公开的一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上任一实施例提到的用于配电网供电能力的分析方法的步骤。
本实施例公开的计算机可读存储介质，由于可以通过处理器调用计算机可读存储介质存储的计算机程序，实现如上述任一实施例公开的用于配电网供电能力的分析方法的步骤，所以本计算机可读存储介质具有同上述用于配电网供电能力的分析方法同样的实际效果。
以上对本申请所公开的一种用于配电网供电能力的分析方法、装置及存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
Claims (10)
1.一种用于配电网供电能力的分析方法，其特征在于，包括：
获取配电网中配电网系统网架架构的物理数据，所述物理数据包括变电站数据和网络联络数据；
确定所述变电站数据中所有主变的主变负载率为状态变量，所述变电站数据和所述网络联络数据中的各因素变量为控制变量；
利用预先定义的主变联络关系矩阵、所述状态变量和所述控制变量建立第一灵敏度矩阵；
获取所述配电网中售电侧的电力市场数据，所述电力市场数据包括售电主体数据、购电主体数据、交易周期数据和交易方式数据；
对所述电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵；
结合所述第一灵敏度矩阵和所述第二灵敏度矩阵对所述配电网的供电能力进行分析。
2.根据权利要求1所述的用于配电网供电能力的分析方法，其特征在于，所述第一灵敏度矩阵具体包括：所述主变负载率与主变数量的灵敏度矩阵、所述主变负载率与主变容量的灵敏度矩阵、所述主变负载率与联络线数量的灵敏度矩阵、所述主变负载率与联络线容量的灵敏度矩阵；
相应的，所述主变负载率与所述主变数量的灵敏度矩阵的建立过程具体为：
随着所述主变数量的增加，更新所述主变联络关系矩阵，得到与总主变数量对应的第一更新主变联络关系矩阵；
计算所述第一更新主变联络关系矩阵和与各所述主变对应的负载率构成的矩阵的乘积，得到所述主变负载率与所述主变数量的灵敏度矩阵；
所述主变负载率与主变容量的灵敏度矩阵的建立过程具体为：
计算所述主变联络关系矩阵和与各所述主变的主变容量对应的负载率构成的矩阵的乘积，得到所述主变负载率与主变容量的灵敏度矩阵；
所述主变负载率与联络线数量的灵敏度矩阵的建立过程具体为：
计算所述主变联络关系矩阵与各所述主变的联络线对应的负载率构成的矩阵的乘积，得到所述主变负载率与所述联络线数量的灵敏度矩阵；
所述主变负载率与联络线容量的灵敏度矩阵的建立过程具体为：
计算所述主变负载率与各相邻主变之间的联络容量对应的负载率构成的矩阵的乘积，得到所述主变负载率与所述联络线容量的灵敏度矩阵。
3.根据权利要求2所述的用于配电网供电能力的分析方法，其特征在于，所述第一灵敏度矩阵还包括：变电站数量灵敏度矩阵和变电站容量灵敏度矩阵；
相应的，所述变电站数量灵敏度矩阵的建立过程具体为：
随着变电站数量的增加，更新所述主变联络关系矩阵，得到与所有变电站中的总主变数量对应的第二更新主变联络关系矩阵；
计算所述第二更新主变联络关系矩阵与各所述变电站对应的负载率构成的矩阵的乘积，得到所述变电站数量灵敏度矩阵；
所述变电站容量灵敏度矩阵的建立过程具体为：
计算所述主变联络关系矩阵与各所述变电站的变电站容量对应的负载率构成的矩阵的乘积，得到所述变电站容量灵敏度矩阵。
4.根据权利要求1所述的用于配电网供电能力的分析方法，其特征在于，所述对所述电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵包括：
当售电主体和购电主体以中长期交易方式进行电力交易时，基于回归分析法进行负荷预测，得到第一预测电量；
当所述售电主体和所述购电主体以短期交易方式进行电力交易时，基于BP神经网络进行负荷预测，得到第二预测电量；
当所述售电主体和所述购电主体以日前交易方式或实时交易方式进行电力交易时，基于相似日小波支持向量机进行负荷预测，得到第三预测电量；
利用所述第一预测电量、所述第二预测电量和所述第三预测电量建立负荷预测模型；
确定对所述负荷预测模型产生影响的影响因素；
对所述负荷预测模型与所述影响因素进行微分计算，得到微分结果构成的所述第二灵敏度矩阵。
5.根据权利要求4所述的用于配电网供电能力的分析方法，其特征在于，所述结合所述第一灵敏度矩阵和所述第二灵敏度矩阵对所述配电网的供电能力进行分析包括：
利用所述第一灵敏度矩阵和所述第二灵敏度矩阵建立所述配电网的配电网供电能力模型；
结合重复潮流算法对所述配电网供电能力模型进行配电网供电能力评估，得到负荷增长倍数和实际负荷；
基于所述负荷增长倍数和所述实际负荷更新所述配电网供电能力模型；
基于所述配电网供电能力模型采用控制变量法，分析各所述因素变量和所述影响因素对所述配电网的供电能力的影响。
6.根据权利要求5所述的用于配电网供电能力的分析方法，其特征在于，所述基于所述配电网供电能力模型采用控制变量法，分析各所述因素变量和所述影响因素对所述配电网的供电能力的影响包括：
保持各所述因素变量均不变，改变所述影响因素，确定所述第二灵敏度矩阵的变化量；
根据所述第二灵敏度矩阵的变化量分析所述影响因素对所述配电网的供电能力的影响；
保持所述影响因素不变，改变所述因素变量，确定所述第一灵敏度矩阵的变化量；
根据所述第一灵敏度矩阵的变化量分析所述因素变量对所述配电网的供电能力的影响。
7.一种用于配电网供电能力的分析装置，其特征在于，包括：
第一获取模块，用于获取配电网中配电网系统网架架构的物理数据，所述物理数据包括变电站数据和网络联络数据；
确定模块，用于确定所述变电站数据中所有主变的主变负载率为状态变量，所述变电站数据和所述网络联络数据中的各因素变量为控制变量；
第一建立模块，用于利用预先定义的主变联络关系矩阵、所述状态变量和所述控制变量建立第一灵敏度矩阵；
第二获取模块，用于获取所述配电网中售电侧的电力市场数据，所述电力市场数据包括售电主体数据、购电主体数据、交易周期数据和交易方式数据；
第二建立模块，用于对所述电力市场数据进行行为特性分析并依据分析结果建立第二灵敏度矩阵；
分析模块，用于结合所述第一灵敏度矩阵和所述第二灵敏度矩阵对所述配电网的供电能力进行分析。
8.根据权利要求7所述的用于配电网供电能力的分析装置，其特征在于，所述分析模块包括：
建立单元，用于利用所述第一灵敏度矩阵和所述第二灵敏度矩阵建立所述配电网的配电网供电能力模型；
评估单元，用于结合重复潮流算法对所述配电网供电能力模型进行配电网供电能力评估，得到负荷增长倍数和实际负荷；
更新单元，用于基于所述负荷增长倍数和所述实际负荷更新所述配电网供电能力模型；
分析单元，用于基于所述配电网供电能力模型采用控制变量法，分析各所述因素变量和所述影响因素对所述配电网的供电能力的影响。
9.一种用于配电网供电能力的分析装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述存储器中存储的计算机程序以实现如权利要求1至6任一项所述的用于配电网供电能力的分析方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行以实现如权利要求1至6任一项所述的用于配电网供电能力的分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910135344.6A CN109617071B (zh) | 2019-02-22 | 2019-02-22 | 一种用于配电网供电能力的分析方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910135344.6A CN109617071B (zh) | 2019-02-22 | 2019-02-22 | 一种用于配电网供电能力的分析方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109617071A true CN109617071A (zh) | 2019-04-12 |
| CN109617071B CN109617071B (zh) | 2022-05-03 |
Family
ID=66019957
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910135344.6A Active CN109617071B (zh) | 2019-02-22 | 2019-02-22 | 一种用于配电网供电能力的分析方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109617071B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110474372A (zh) * | 2019-09-17 | 2019-11-19 | 中国农业大学 | 用于高渗透率可再生能源配电网的灵活性评估方法及系统 |
| CN110766207A (zh) * | 2019-09-30 | 2020-02-07 | 上海电力大学 | 一种考虑售电公司参与交易的配电网供电能力获取方法 |
| CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104063751A (zh) * | 2014-07-18 | 2014-09-24 | 国家电网公司 | 最大供电能力影响因素的灵敏度分析方法 |
-
2019
- 2019-02-22 CN CN201910135344.6A patent/CN109617071B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104063751A (zh) * | 2014-07-18 | 2014-09-24 | 国家电网公司 | 最大供电能力影响因素的灵敏度分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| YU ZHANG等: "Power Supply Capability Analytical Method Based on Sensitivity Analysis for HV Distribution Networks", 《2016 IEEE PES ASIA-PACIFIC POWER AND ENERGY CONFERENCE》 * |
| 章禹等: "基于灵敏度分析的配电网供电能力评估方法", 《电力建设》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110474372A (zh) * | 2019-09-17 | 2019-11-19 | 中国农业大学 | 用于高渗透率可再生能源配电网的灵活性评估方法及系统 |
| CN110766207A (zh) * | 2019-09-30 | 2020-02-07 | 上海电力大学 | 一种考虑售电公司参与交易的配电网供电能力获取方法 |
| CN111260255A (zh) * | 2020-02-20 | 2020-06-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
| CN111260255B (zh) * | 2020-02-20 | 2022-08-09 | 南方电网科学研究院有限责任公司 | 一种配电网运行参数关键因素分析方法、系统以及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109617071B (zh) | 2022-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109617071B (zh) | 一种用于配电网供电能力的分析方法、装置及存储介质 | |
| CN107563779B (zh) | 一种节点边际电价求解方法 | |
| Samende et al. | Multi-agent deep deterministic policy gradient algorithm for peer-to-peer energy trading considering distribution network constraints | |
| CN107370157B (zh) | 一种基于潮流熵的电网可用输电能力风险效益决策方法 | |
| Choudhury et al. | Artificial intelligence solution to transmission loss allocation problem | |
| CN105303256B (zh) | 一种电力跨省跨区交易路径分析方法 | |
| KR20190132187A (ko) | 복합적 dr 자원을 고려한 인센티브 기반 수요응답 방법 및 시스템 | |
| Azad-Farsani | Loss minimization in distribution systems based on LMP calculation using honey bee mating optimization and point estimate method | |
| Eltantawy et al. | A novel zooming algorithm for distribution load flow analysis for smart grid | |
| Nabavi et al. | Social welfare maximization with fuzzy based genetic algorithm by TCSC and SSSC in double-sided auction market | |
| Salkuti et al. | Multi-objective day-ahead real power market clearing with voltage dependent load models | |
| Symiakakis et al. | Towards the detailed modeling of deregulated electricity markets comprising Smart prosumers and peer to peer energy trading | |
| Genc | Discriminatory versus uniform-price electricity auctions with supply function equilibrium | |
| Yang et al. | Multi-objective based demand response strategy optimization considering differential demand on reliability of power system | |
| CN109687452B (zh) | 一种用于配电网供电能力的分析方法、装置及存储介质 | |
| Sharifinia et al. | Extended Kalman filter-based approach for nodal pricing in active distribution networks | |
| CN112862175B (zh) | 基于p2p电力交易的本地优化控制方法及装置 | |
| CN109785014A (zh) | 一种能量共享系统的电价确定方法及系统 | |
| Kansal et al. | A PEM-based augmented IBDR framework and its evaluation in contemporary distribution systems | |
| CN112800674A (zh) | 一种基于极限学习机的电力系统元件可靠性参数计算方法 | |
| CN106971255A (zh) | 一种配网自动化方案综合评估系统 | |
| CN109742803A (zh) | 一种含分布式电源的配电网网损分摊方法 | |
| CN114399345A (zh) | 金融输电权价格预测方法和装置 | |
| CN116166847A (zh) | 一种基于图数据的配电网运行状态分析方法及系统 | |
| Patel et al. | Multi-agent-based forecast update methods for profit enhancement of intermittent distributed generators in a smart microgrid |
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 |