CN109636232A - 一种基于用户感知可靠性的配网关键性元件识别方法 - Google Patents
一种基于用户感知可靠性的配网关键性元件识别方法 Download PDFInfo
- Publication number
- CN109636232A CN109636232A CN201811596487.9A CN201811596487A CN109636232A CN 109636232 A CN109636232 A CN 109636232A CN 201811596487 A CN201811596487 A CN 201811596487A CN 109636232 A CN109636232 A CN 109636232A
- Authority
- CN
- China
- Prior art keywords
- user
- reliability
- index
- perception
- distribution network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008447 perception Effects 0.000 claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 230000005611 electricity Effects 0.000 description 9
- 238000004146 energy storage Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 241000229175 Calotes Species 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 101100088138 Pinus taeda RPL10 gene Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 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
- G06Q10/0639—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户感知可靠性的配网关键性元件识别方法,包括步骤:建立用户侧的基于用户感知的可靠性指标,以及配网系统侧的基于用户感知的可靠性指标;对于配网系统中具有的每个元件,基于用户侧的基于用户感知的可靠性指标以及配网系统侧的基于用户感知的可靠性指标,获得每个元件对应具有的预设评价指标;根据每个元件具有的预设评价指标的取值大小,来评价该元件对应用户感知可靠性的影响程度,当预设评价指标的取值超过对应的预设指标下限值时,确定该元件为关键性元件。本发明能够综合考虑用户对于配网系统可靠性的感知水平,对配电网中元件的重要性进行评价,确定其中重要性高的关键性元件,进而着重提升关键性元件的可靠性。
Description
技术领域
本发明涉及配电网技术领域,特别是涉及一种基于用户感知可靠性的配网关键性元件识别方法。
背景技术
随着经济社会的发展,针对电力系统,尤其是电配网的准确高效的可靠性评估愈发变得重要。国内外相关学者、科研机构和企业,针对配电网可靠性评估方法、可靠性指标等方面,已经进行了大量卓有成效的工作。
现有的配电网可靠性评估方法,不管是从系统侧入手,还是从用户侧入手,对于配电网可靠性的评估,主要还是将停电时长以及停电负荷量作为停电严重程度的两个决定性判据。
但是,除了以上两个指标,还有包括停电时间点、停电波及的用户种类等其他因素,也将极大程度地影响用户对于配网系统可靠性的感知水平。而用户对于供电可靠性水平的感知,将极大程度上影响未来电力市场环境下可靠性电价的制定、直购电模式的推行、储能及分布式投资安装的市场意愿。此外,在对配电网的可靠性进行评估时,若仅仅考虑停电时长和被波及用户的额定功率,则很难针对不同的用户制定出差异化的停电损失预测及赔偿机制,难以建立可靠性服务市场,从而也抑制了与可靠性密切相关的容量市场的合理发展。
目前,对于配电网中的各个元件(例如变压器、断路器、隔离开关、负荷开关、高压熔断器、避雷器等),还没有一种方法,能够综合考虑用户对于配网系统可靠性的感知水平,对配电网中元件的重要性进行评价,确定其中重要性高的关键性元件,进而着重提升关键性元件的可靠性,显著提高配网系统整体的用户感知可靠性。
发明内容
有鉴于此,本发明的目的是提供一种基于用户感知可靠性的配网关键性元件识别方法,其能够综合考虑用户对于配网系统可靠性的感知水平,对配电网中元件的重要性进行评价,确定其中重要性高的关键性元件,进而着重提升关键性元件的可靠性,显著提高配网系统整体的用户感知可靠性,具有重大的实践意义。
为此,本发明提供了一种基于用户感知可靠性的配网关键性元件识别方法,包括以下步骤:
第一步、建立用户侧的基于用户感知的可靠性指标,以及配网系统侧的基于用户感知的可靠性指标;
第二步、对于配网系统中具有的每个元件,基于用户侧的基于用户感知的可靠性指标以及配网系统侧的基于用户感知的可靠性指标,获得每个元件对应具有的预设评价指标;
第三步、根据每个元件具有的预设评价指标的取值大小,来评价该元件对应用户感知可靠性的影响程度,当预设评价指标的取值超过对应的预设指标下限值时,确定该元件为关键性元件。
其中,所示用户侧的基于用户感知可靠性的评估指标,包括:用户x感知的故障率指标、用户x感知的年累计停电时间指标、用户x感知到的平均停电持续时间指标以及用户感知期望缺供电量指标。
其中,配网系统侧的基于用户感知的可靠性指标,包括:配网系统侧用户感知的年平均停电频率指标、用户感知到的系统年平均累计停电时长指标、用户感知到的平均每次停电持续时长指标以及配网年用户感知期望缺供电量指标。
其中,所述每个元件对应具有的预设评价指标,包括元件的用户年累计停电时长分担率指标、元件的停电补偿分担率以及元件可靠性经济性关键指标。
由以上本发明提供的技术方案可见,与现有技术相比较,本发明提供了一种基于用户感知可靠性的配网关键性元件识别方法,其能够综合考虑用户对于配网系统可靠性的感知水平,对配电网中元件的重要性进行评价,确定其中重要性高的关键性元件,进而着重提升关键性元件的可靠性,显著提高配网系统整体的用户感知可靠性,具有重大的实践意义。
附图说明
图1为本发明提供的一种基于用户感知可靠性的配网关键性元件识别方法的流程图;
图2为一个典型家庭负荷春季工作日用电特性曲线示意图;
图3为对于本发明,在某次停电事件发生后,基于受停电影响的三个用户的可靠性感知,对于本次停电事件用户感知的严重程度的评估流程示意图;
图4为本发明提供的一种基于用户感知可靠性的配网关键性元件识别方法中一种具体实施例的算例图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和实施方式对本发明作进一步的详细说明。
参见图1至图3,本发明提供一种基于用户感知可靠性的配网关键性元件识别方法,包括以下步骤:
第一步:建立用户侧的基于用户感知的可靠性指标,以及配网系统(即配电系统)侧的基于用户感知的可靠性指标;
第二步:对于配网系统中具有的每个元件,基于用户侧的基于用户感知的可靠性指标以及配网系统侧的基于用户感知的可靠性指标,获得每个元件对应具有的预设评价指标;
第三步:根据每个元件具有的预设评价指标的取值大小,来评价该元件对应用户感知可靠性的影响程度(取值越大,影响程度越大),当预设评价指标的取值超过对应的预设指标下限值时,确定该元件为关键性元件。
在本发明中,具体实现上,本发明提供的配网关键性元件识别方法,可以通过计算机PC、中央处理器CPU等具有数据处理功能的设备和模块,对配网系统中的相关数据进行处理,确定多个元件中的关键性元件。
需要说明的是,对于本发明,其目的是提出基于用户感知的配网系统可靠性评估指标和评估方法,并在此基础上,研究配网系统中对用户感知可靠性有着较大影响的关键性元件,提出针对这些关键性元件的识别分析方法,从而为未来配网系统的规划、运行、维护等工作提供有价值的参考。
为了更加清楚地理解本发明的技术方案,下面,首先就停电事件对用户用电影响的严重性判别进行说明。
现有的可靠性评估指标,主要是以停电时长和停电事件所波及的范围(以停电时户数、切负荷量、期望缺供电量等相关指标来描述)来表征停电的严重性。而对于本发明,提出的基于用户感知的可靠性评估方法,将一些新的能够影响停电严重程度的因素,包括停电时刻、停电负荷类型、停电时段的负荷用电需求、用户日负荷曲线等因素纳入到用户感知可靠性评估方法中,从而拓展了传统可靠性评估方法的外延,能够从用户侧更好的描述用户所感知到的供电可靠性服务,为将来可靠性市场、容量备用市场、储能市场的建立提供了评价参考。
在本发明中,用户用电特性包括用户重要程度(通过一级、二级、三级负荷加以区分)、用户用电要求(电能质量需求,可靠性需求,容量备用需求等)、用户用电特性曲线等方面。对于本发明,将停电时刻纳入到用户感知可靠性评估方法中,是考虑到现实中两次波及范围基本相当的停电事件,若发生在不同的时刻,则可能对配网中的同一负荷产生完全不同的影响。例如,参见图2所示,图2所示的是一个典型的单个家庭(以三口之家作为标准)在春季某一工作日的用电特性曲线,可以看到工作时段(上午九点到晚上六点)以及深夜时段,家庭用电需求较低;而在早晨7到10点以及晚上7点到12点之间,则属于用电高峰。
假设对于该家庭用户(家庭总额定负荷一定),某日一次停电发生在13点到15点,另一次停电发生在20点至21点。按照传统可靠性评价指标,发生在下午的停电事件因持续时间较长,在计算系统可靠性指标时,将会产生更大的负面影响。但是,对于用户来讲,由于其用电习惯,使得夜晚时段为用电高峰,则家庭成员对于晚上那次停电的可靠性负面感知更为强烈。因此,倘若仅仅考虑停电时长,而不考虑停电时刻和时段以及相应时段的用户负荷曲线,则可能无法准确反映用户实际感知到的供电可靠性,造成系统可靠性评估指标结果与消费者实际用电感受相背离,影响可靠性评估的准确性和客观性。
需要说明的是,通常用户对于停电事件的负面感知主要来源于:停电故障造成的电能供应缺损与用户本身该时段的用电需求的矛盾冲突。冲突越大,用户感知的可靠性就越差,用户的电能使用体验就越差。
参见图3所示,图3具体阐释了在某次停电事件发生后,基于受停电影响的A、B、C等三个用户的可靠性感知,对于本次停电事件用户感知的严重程度的评估流程示意图。
为使得基于用户感知可靠性的停电事件严重程度评估具有可操作性,同时考虑到大部分用户具有较为明显的工作、休息二元用电特征,本发明将故障发生的可能时间段分为两类:工作时间(work time,下文简称WT)),休息时间((leisure time,下文简称LT)。对于周一到周五,WT为每天6:00到18:00,剩余为LT。对于周末,考虑到某些用户的用电设备并不会因为双休日而停歇,因此,对于周六周日,WT依然为6:00到18:00,LT为剩余时间段。同时,每年被分为春夏秋冬四季,每季三个月,以此区分同一用户不同季节的用电特性。这样就将一年时间分割成若干具体时间段,每一时段,针对几种典型类别的用户进行用电特性(主要针对用户的月负荷曲线与日负荷曲线)研究。然后,将不同类型用户的日负荷曲线加以拆分,分为WT负荷曲线以及LT负荷曲线。
若某次停电事件发生在时间段i内,并造成用户x停电,则在本发明中,用λi,x表示本次停电事件对于用户x的停电影响严重程度。λi,x可以通过下面的公式(1)得到:
在上面的公式中,Ti,0为时间段i的开始时刻,Ti,x表示时间段i的持续时长,Pi,x为时间段i内的负荷实时功率,Px,total为该停电用户的额定总功率。在实际操作中,Px,total一般可以从用户负荷信息中直接获得。Pi,x一般通过该用户的日负荷曲线中得到。
通过上面的公式(1)得到用户x各个时间段i的λi,x之后,运用加权平均的方法,以各个时间段的时长Ti,x为权值,通过下面的公式(2)得到针对用户x的基于用户感知可靠性的停电严重程度平均值λmean,x。
如果某次停电事件m在时间段i内发生且造成了用户x的停电,则本次停电事件对于用户x所感知的停电严重程度Sm,i,x可以用下面的公式(3)计算得到:
Sm,i,x=λi,x/λmean,x,公式(3);
具体实现上,将每次停电用户感知到的停电严重程度Sm,i,x纳入到可靠性指评估指标中,使得该指标与传统的停电时长指标、停电时户数等指标相配合,共同决定用户侧感知到的供电可靠性水平,这样便为用户感知可靠性评估指标体系打下了基础。
在本发明中,关于第一步:建立用户侧的基于用户感知的可靠性指标,以及配网系统(也称为配网系统)侧的基于用户感知的可靠性指标;具体说明如下:
一、关于用户侧的基于用户感知的可靠性指标。
用户故障率f(次/年)、用户每次停电平均持续时间r(h/次)和用户年平均停电累计时间U(h/年),是传统可靠性评估指标中描述用户侧可靠性的最基础的三个指标,其中r=U/f。在本发明中,以这三个指标为基础,引入前面推导的用户感知停电严重程度Sm,i,x,提出以下用户侧的基于用户感知可靠性的评估指标。
用户侧的基于用户感知可靠性的评估指标,具体包括:用户x感知的故障率指标、用户x感知的年累计停电时间指标、用户x感知到的平均停电持续时间指标以及用户感知期望缺供电量指标。当然,根据实际的需要,还可以增加其他的指标。
具体实现上,其中,用户x感知的故障率指标fx,aware(次/年),用于反映用户在一年内所感知到的停电次数,其计算公式为:
在上面的公式中,Nx为该用户x一年所经历的停电总次数。该式反映出用户x所经历的某次停电事件m,对于用户感知的故障率指标fx,aware的贡献,是依据用户感知到的停电严重程度Sm,i,x来确定的。若某次停电发生在用户电能消费需求较小(例如Sm,i,x<1)的时段,按照本发明提供的计算方法,本次停电对于停电频率指标的贡献是小于1次的;而传统的可靠性评估方法,对于某用户所经历的任意一次停电,其对用户年停电故障率f的贡献恒为1,这也就无法具体反映每次停电事件对于用户感知可靠性影响的差异。
具体实现上,其中,用户x感知的年累计停电时间指标(user-aware CustomerAnnual Interruption Duration Index,CAIDIx,aware,h/年),其计算公式如下:
在上面的公式中,Tm为某次停电事件m的持续时长。
具体实现上,其中,用户x感知到的平均停电持续时间指标rx,aware(h/次)的计算公式如下:
具体实现上,其中,用户感知期望缺供电量指标EENSaware,x。
需要说明的是,缺电量指标也是可靠性评估中的一个重要指标。在引入了用户感知停电严重程度Sm,i,x之后,若某次停电事件m在时间段i内发生,持续时间为Tm,且造成了用户x的停电。假定全年用户x要经历Nx次这类停电事故,则用户x全年的用户感知期望缺供电量指标EENSaware,x为:
需要说明的是,fx,aware,CAIDIx,aware和rx,aware这三个指标构成了用户感知可靠性评估指标体系的基础,由这三个指标可以导出其他更多的指标,比如:用户感知的年失负荷量(user-aware Customer Annual Load Loss,CALLx,aware=Px,total’CAIDIx,aware)等。
二、关于配网系统侧的基于用户感知的可靠性指标。
在本发明中,对于含M个用户的配网系统,在基于用户感知的用户侧可靠性指标的基础上,可以得到配网系统侧的基于用户感知的可靠性指标。
配网系统侧的基于用户感知的可靠性指标,具体包括:配网系统侧用户感知的年平均停电频率指标、用户感知到的系统年平均累计停电时长指标、用户感知到的平均每次停电持续时长指标以及配网年用户感知期望缺供电量指标,其中,具体如下:
具体实现上,其中,配网系统侧用户感知的年平均停电频率指标(user-awareSystem Annual Average Interruption Frequency Index,SAAIFIaware,次/户*年),计算公式如下:
SAAIFIaware表征该配网系统内,每个用户感知到的年平均停电次数。本指标主要反映用户感知可靠性评估下,配网系统的故障频率。
具体实现上,其中,用户感知到的系统年平均累计停电时长指标(user-awareSystem Annual Average Interruption Duration Index,SAAIDIaware,h/户*年),具体计算公式如下:
SAAIDIaware表征该配网中,每个用户感知到的年平均累计停电时长。本指标主要用来表征用户感知可靠性评估体系下,配网的停电时长。
具体实现上,其中,用户感知到的平均每次停电持续时长指标(user-awareCustomer Average Interruption Duration Index,CAIDIsystem,aware,h/次),具体计算公式如下:
该指标表征配网系统中,用户经历一次停电时的平均停电持续时长,主要用来反映该配网系统的故障恢复速度,本指标数值越小,代表系统的故障恢复速度越高。
具体实现上,其中,配网年用户感知期望缺供电量指标(user-aware ExpectedEnergy Not Supply,EENSsystem,aware,kwh/年),具体计算公式如下:
本指标对于配网系统的供电缺额估计,以及后续的配网改扩建、备用容量的规划、新增DG的选址定容、储能的选址定容,都具有重要参考意义。
需要说明的是,对于本发明,可以通过结合用户负荷自身的用电曲线,将停电的时间同当时用户的用能需求相结合,引入停电事件严重性判别指标,将严重性判别指标加入到整个可靠性评估中,从而得到了一系列用户感知的可靠性评估新指标;在此基础上,本发明采用序贯蒙特卡洛法,结合用户感知可靠性新评估指标,研究了一种基于用户感知的配网可靠性评估方法,构建了基于用户感知可靠性的新评价体系。
在本发明中,关于第二步和第三步,所提出的是基于用户感知可靠性评估的配网关键性元件识别分析方法
在本发明中,具体实现上,所述每个元件对应具有的预设评价指标,包括元件的用户年累计停电时长分担率指标、元件的停电补偿分担率以及元件可靠性经济性关键指标。当然,根据实际的需要,还可以增加其他的指标。
对于本发明提供的基于用户感知可靠性评估的配网关键性元件识别分析方法,在用户感知可靠性评估体系的背景下,为了能够分析、识别配网中对用户感知可靠性有较大影响的关键性元件,引入了“基于用户感知的配网系统可靠性关键元件”的概念,并提出以下几个指标对关键元件进行描述分析:
一、元件的用户年累计停电时长AIDIaware分担率指标。
基于用户感知的用户年累计停电时长(Consumer-aware Average InterruptionDuration Index,AIDIaware,hours/door·annual)如下式所示。AIDIaware表征在用户感知可靠性评估环境下,每个配网中的用户平均每年的累计停电时长。AIDIaware数值越大代表配网的用户感知可靠性越差。
在本发明中,假设需要进行关键性元件识别的配网系统中共有V个元件,现阶段每个元件都工作在其默认的可靠性水平下,则此时根据用户感知可靠性评估方法以及序贯蒙特卡洛法,可以得到现阶段的基于用户感知的用户年累计停电时长AIDIaware(记为AIDI0);此时配网系统中某一元件j的可靠性水平记作R;采用控制变量法,保持系统中其他元件的可靠性水平不变,提升元件j的可靠性水平至R+△R,在这种情况下再次计算系统基于用户感知的用户年累计停电时长用户年累计停电时长AIDIaware(此时记为AIDIj,R+△R);采用相同的方法,对配网系统中每一个元件都按照上述步骤遍历一遍。则元件j的AIDIaware分担率Fj,R如下式所定义:
对于某个元件,如果其Fj,R越大,说明该元件对系统整体的用户感知可靠性影响所占的比重就越大,其本身可靠性对系统可靠性的影响就越关键,具备可靠性关键元件的特征。
二、元件的停电补偿分担率指标。
假设,本发明需要进行关键性元件识别的配网系统中共有V个元件,现阶段每个元件都工作在其默认的可靠性水平。将此时因系统停电而造成的停电损失补偿记为Comsystem,annual。采用控制变量法,保持系统中其他元件的可靠性水平不变,提升元件j的可靠性水平至R+△R,在这种情况下因系统停电而造成的停电损失补偿记为Comsystem,annual,j,△R。采用相同的方法,对系统中每一个元件都按照上述步骤遍历一遍。则元件j的元件的停电补偿分担率定义为:
ΔComj,ΔR=Comsystem,annual-Comsystem,annual,j,ΔR,公式(14);
对于元件j,若其Cj,R越大,表明该元件的可靠性同系统的停电损失赔偿的关联性越大,也就意味着如果该元件能够提高可靠性,相对于其他元件可靠性的提升,能更有助于减少系统的停电赔偿,也就说明该元件具备经济性关键元件的特征。
三、元件可靠性经济性关键指标。
在本发明中,可以可靠性及经济性关键元件综合识别分析。基于元件的AIDIaware分担率以及元件的停电补偿分担率,现给出基于用户感知可靠性评估的系统元件可靠性经济性关键指标(Reliability and Economy Sensitive Index,RESI),用以表征配网系统中某一元件对于系统可靠性及经济性的综合重要程度,如下式所示:
RESIj,R=αFj,R+βCj,R,α+β=1,公式(16);
在上面的公式中,α和β为权值。对于有不同侧重的系统,这两个权值可以有不同的取值。对于一个侧重于供电可靠性的配网系统,则可让α的取值大于β;对于一个侧重于经济性,侧重于通过较少的投资减少较多的停电赔偿的配网系统,则可让α的取值小于β。
对于某一特定的配网系统,当其α和β取值确定后,可以根据上述方法,对系统中每一个元件计算其RESI,将每个元件根据其RESI取值进行排序,则可以得到配网系统内部基于用户感知可靠性与经济性的关键性元件排序,取值越大,重要性越大,从而能够非常清晰的将各个元件进行分级,确定哪些是关键性元件。
对于本发明,通过采取可靠性及经济性关键元件综合识别分析方法,可以为未来配网系统的规划、运行、维护提供可靠性参考,在配网系统进行可靠性升级的过程中,可以告诉决策者,配网系统内哪些元件为关键元件,提升它们的可靠性能够更经济、更显著地提高系统整体的用户感知可靠性。
需要说明的是,对于本发明,针对传统可靠性评估及相关指标不能完全客观的反映用户侧感知到的供电可靠性水平,配网系统全局可靠性指标同用户侧感知到的用电体验存在偏差这两个问题,提出了基于用户用电数据及用户用电感知的可靠性评估方法,建立了相应评估指标体系。同时基于用户感知可靠性评估指标与评估方法,提出了一种针对配网中对用户感知可靠性有着较大影响的关键性元件的分析识别方法,将关键性元件按照其对用户感知可靠性的影响程度进行排序,从而能够为配网系统的规划、运行、维护等工作提供有价值的参考。
为了更加清楚地理解本发明的技术方案,下面结合具体的实施例来进行说明。
对于本发明,算例采用IEEE-RBTS中位于母线2的馈线4,对实现方式进行举例说明,算例拓扑结构见图4所示。在该算例中,一个包含有分布式光伏、分布式风机、储能装置以及小型燃气轮机机组的微网于PCC节点接入到配网中。分布式光伏(PV)、风机、储能(ESS)、燃气轮机机组的参数列在表1中,MTTF表示设备的平均无故障工作时间,MTTR为平均故障修复时间。LP16-LP22为几种典型的用户负荷类型,按照重要等级分为了一级、二级、三级负荷。表2列出了用户的基本信息,包括额定功率,用户重要等级,对于用户感知可靠性水平的要求,对于可靠性违约后的补偿要求等信息。算例中,当地风速、光照、大气透明度等气象及天气因素,取天津市2010年的相关数据。配网中,所接入的微网的孤岛转换成功率0.8。快速启动的燃气轮机机组可以在0.1h之内达到其额定功率。在可靠性计算分析过程中,运用了序贯蒙特卡洛法。
表1:分布式电源DG及储能设备参数。
表2:用户负荷信息。
负荷名称 | 额定总功率P<sub>x,total</sub>/kw | 用户重要等级 |
LP16 | 12000 | 一级 |
LP21 | 3000 | 一级 |
LP17 | 14000 | 二级 |
LP22 | 2500 | 二级 |
LP18,19 | 8000 | 三级 |
LP20 | 800 | 三级 |
按照所提出的基于用户感知可靠性的关键性元件识别方法,计算算例中每个元件的RESI数值,如下表所示:
表3:配网算例中各元件RESI值。
首先,假设算例中的所有元件、设备、装置都运行在其原本的可靠性水平下,把此种情况记为情况1(S1)。根据表3所示,可以选择储能装置ESS作为一个用户感知可靠性关键性元件,只将其MTTF提高25%(MTTF提高相当于增加其平均无故障工作时间,也就提高了元件可靠性),将这种情况记为S2。接下来,选择比储能装置ESS的RESI值低一点的燃气轮机机组Diesel generator作为关键性元件;同样只将其可靠性提高(MTTF提高25%);将这种情况记为S3。对于以上两种情况,采用上文提出的用户感知可靠性评估方法指标,结合序贯蒙特卡洛法,可以得到每种情况下每个用户的fx,aware,CAIDIx,aware以及S2、S3相比于S1情况下的EENSRRx,aware如表4所示。
表4:基于用户感知的用户侧可靠性指标。
在本发明中,根据以上计算结果对比分析,可得到以下几个结论:
1、对于同一用户,某一持续时间相同的停电事件,若发生在不同的用电时间段,在考虑用户感知的配网系统可靠性评估体系下,可能造成完全不同的后果。
2、对于处于同一个负荷节点上的两个用户(如图4中的LP16,LP17),由于其所处的拓扑位置完全相同,按照传统可靠性计算的结果,其故障率f(次/年),用户平均停电时间r(h/次)以及用户年平均停电累计时间U(h/年)三个指标应该相同;而在用户感知可靠性评估体系下,受同一停电事件影响的两个用户因为感知到的本次停电的严重程度不同,所以得到的相关指标的数值也不同(表4中LP16,LP17的用户感知可靠性指标在S1、S2、S3情况下是有区别的)。
3、根据RESI值大小,选择RESI值较大的元件(本算例中选取了ESS以及Dieselgenerator两个关键性元件)作为用户感知可靠性关键元件,提升它们自身的可靠性后,表4的计算结果表明:提升关键性元件的可靠性,有助于全局提升配网中各个用户的用户感知可靠性;S2中各用户可靠性的提升相比S3更加明显,说明关键性元件ESS的重要程度要高于Diesel generator,这与两者RESI值的大小关系相一致;说明基于用户感知可靠性评估的系统元件可靠性经济性关键指标(Reliability and Economy Sensitive Index,RESI)能够反映出配网中元件对用户感知可靠性的重要性程度,可以作为关键性元件的识别判据。
基于以上技术方案可知,对于本发明,为克服传统可靠性评估方法及指标对于反映用户感知可靠性的缺陷,本发明完成了以下工作:
首先,将停电发生的时间点及该停电事件所影响的用户的种类纳入到可靠性评估考虑中,充分考虑用户对于停电事件严重性的感知;对于某一具体停电事件,考虑其具体停电时间点、受停电波及的用户种类、停电时段用户的用电需求、用电数据(负荷曲线)等因素,提出了具体停电事件对具体用户影响的严重程度判断方法,从而建立基于用户感知的可靠性评估体系;
然后,基于用户感知可靠性的评估指标和评估体系,提出了一种针对配网中对用户感知可靠性有着较大影响的关键性元件的分析识别方法,将关键性元件按照其对用户感知可靠性的影响程度进行排序,从而能够为配网系统的规划、运行、维护等工作提供有价值的参考。
综上所述,与现有技术相比较,本发明提供的一种基于用户感知可靠性的配网关键性元件识别方法,其能够综合考虑用户对于配网系统可靠性的感知水平,对配电网中元件的重要性进行评价,确定其中重要性高的关键性元件,进而着重提升关键性元件的可靠性,显著提高配网系统整体的用户感知可靠性,具有重大的实践意义。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种基于用户感知可靠性的配网关键性元件识别方法,其特征在于,包括以下步骤:
第一步、建立用户侧的基于用户感知的可靠性指标,以及配网系统侧的基于用户感知的可靠性指标;
第二步、对于配网系统中具有的每个元件,基于用户侧的基于用户感知的可靠性指标以及配网系统侧的基于用户感知的可靠性指标,获得每个元件对应具有的预设评价指标;
第三步、根据每个元件具有的预设评价指标的取值大小,来评价该元件对应用户感知可靠性的影响程度,当预设评价指标的取值超过对应的预设指标下限值时,确定该元件为关键性元件。
2.如权利要求1所述的配网关键性元件识别方法,其特征在于,所示用户侧的基于用户感知可靠性的评估指标,包括:用户x感知的故障率指标、用户x感知的年累计停电时间指标、用户x感知到的平均停电持续时间指标以及用户感知期望缺供电量指标。
3.如权利要求1所述的配网关键性元件识别方法,其特征在于,配网系统侧的基于用户感知的可靠性指标,包括:配网系统侧用户感知的年平均停电频率指标、用户感知到的系统年平均累计停电时长指标、用户感知到的平均每次停电持续时长指标以及配网年用户感知期望缺供电量指标。
4.如权利要求1至3中任一项所述的配网关键性元件识别方法,其特征在于,所述每个元件对应具有的预设评价指标,包括元件的用户年累计停电时长分担率指标、元件的停电补偿分担率以及元件可靠性经济性关键指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811596487.9A CN109636232A (zh) | 2018-12-26 | 2018-12-26 | 一种基于用户感知可靠性的配网关键性元件识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811596487.9A CN109636232A (zh) | 2018-12-26 | 2018-12-26 | 一种基于用户感知可靠性的配网关键性元件识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109636232A true CN109636232A (zh) | 2019-04-16 |
Family
ID=66077610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811596487.9A Pending CN109636232A (zh) | 2018-12-26 | 2018-12-26 | 一种基于用户感知可靠性的配网关键性元件识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636232A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222809A (zh) * | 2020-03-30 | 2020-06-02 | 广东电网有限责任公司佛山供电局 | 基于模型驱动和数据驱动结合的用户用电可靠性分析方法 |
CN118229457A (zh) * | 2024-04-07 | 2024-06-21 | 国网冀北电力有限公司经济技术研究院 | 针对不同用户的配电网可靠性分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013085A (zh) * | 2010-12-14 | 2011-04-13 | 天津市电力公司 | 配电网可靠性评价方法 |
CN106780128A (zh) * | 2015-05-29 | 2017-05-31 | 江苏省电力公司常州供电公司 | 一种配电网可靠性评价方法 |
CN107480862A (zh) * | 2017-07-19 | 2017-12-15 | 天津大学 | 一种基于大数据的配网可靠性边际成本边际效益分析方法 |
CN113112136A (zh) * | 2021-03-31 | 2021-07-13 | 国网经济技术研究院有限公司 | 一种配电网可靠性综合评估方法及系统 |
-
2018
- 2018-12-26 CN CN201811596487.9A patent/CN109636232A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013085A (zh) * | 2010-12-14 | 2011-04-13 | 天津市电力公司 | 配电网可靠性评价方法 |
CN106780128A (zh) * | 2015-05-29 | 2017-05-31 | 江苏省电力公司常州供电公司 | 一种配电网可靠性评价方法 |
CN107480862A (zh) * | 2017-07-19 | 2017-12-15 | 天津大学 | 一种基于大数据的配网可靠性边际成本边际效益分析方法 |
CN113112136A (zh) * | 2021-03-31 | 2021-07-13 | 国网经济技术研究院有限公司 | 一种配电网可靠性综合评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
SHOUXIANG WANG: "Consumer-Centric Spatiotemporal Reliability Assessment and Compensation Model with Sensitive Component Analysis in Smart Grid", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111222809A (zh) * | 2020-03-30 | 2020-06-02 | 广东电网有限责任公司佛山供电局 | 基于模型驱动和数据驱动结合的用户用电可靠性分析方法 |
CN111222809B (zh) * | 2020-03-30 | 2020-09-25 | 广东电网有限责任公司佛山供电局 | 基于模型驱动和数据驱动结合的用户用电可靠性分析方法 |
CN118229457A (zh) * | 2024-04-07 | 2024-06-21 | 国网冀北电力有限公司经济技术研究院 | 针对不同用户的配电网可靠性分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Billinton et al. | A reliability test system for educational purposes-basic data | |
Atwa et al. | Supply adequacy assessment of distribution system including wind-based DG during different modes of operation | |
Banerjee et al. | Reliability based optimum location of distributed generation | |
Dupont et al. | Demand response with locational dynamic pricing to support the integration of renewables | |
Lefebvre et al. | Measuring the efficiency of voltage reduction at Hydro-Québec distribution | |
CN109584102A (zh) | 一种基于用户感知的配电网可靠性评估分析方法 | |
CN107959308B (zh) | 配电网分布式能源接入适应性评估方法及装置 | |
US20190041436A1 (en) | Determining meter phase using interval voltage measurements | |
CN112288303B (zh) | 确定线损率的方式、装置 | |
CN109636232A (zh) | 一种基于用户感知可靠性的配网关键性元件识别方法 | |
Tévar-Bartolomé et al. | Network impact of increasing distributed PV hosting: A utility-scale case study | |
Huo et al. | A reliability-aware chance-constrained battery sizing method for island microgrid | |
Denysiuk et al. | A novel method of complex reliability assessment in microgrids with distributed generation | |
Kjølle et al. | The OPAL methodology for reliability analysis of power systems | |
Abud et al. | A modified Bass model to calculate PVDG hosting capacity in LV networks | |
Pippi et al. | Impact assessment framework of PV‐BES systems to active distribution networks | |
Jonnavithula et al. | Features that influence composite power system reliability worth assessment | |
Haberschusz et al. | Are PV battery systems causing ramping problems in the German power grid? | |
Dialynas et al. | Modelling and evaluation of microgrids reliability and operational performance and its impact on service quality | |
Alrushoud et al. | Impacts of PV capacity allocation methods on distribution planning studies | |
Kennedy et al. | Voltage-based storage control for distributed photovoltaic generation with battery systems | |
Sun et al. | A calculation method for a power user’s CIC under specific conditions in smart distribution grid | |
Saffarian et al. | New local adaptive load-shedding methods to mitigate power system blackouts | |
Nordhagen | Reliability Analysis of the Nordic44 Model and modelling of corrective Actions in OPAL | |
Poursharif | Investigating the Ability of Smart Electricity Meters to Provide Accurate Low Voltage Network Information to the UK Distribution Network Operators |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190416 |
|
WD01 | Invention patent application deemed withdrawn after publication |