CN109638838B - 电网关键断面识别方法、装置及电子设备 - Google Patents
电网关键断面识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109638838B CN109638838B CN201910054689.9A CN201910054689A CN109638838B CN 109638838 B CN109638838 B CN 109638838B CN 201910054689 A CN201910054689 A CN 201910054689A CN 109638838 B CN109638838 B CN 109638838B
- Authority
- CN
- China
- Prior art keywords
- power
- node
- probability
- power grid
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000005540 biological transmission Effects 0.000 claims abstract description 106
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 4
- 238000002940 Newton-Raphson method Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 238000005192 partition Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电网关键断面识别方法、装置及电子设备,其中,该方法包括:建立待识别电网的电网模型;将电网拓扑图作为有向拓扑图,建立该电网模型的laplace矩阵;根据laplace矩阵的特征向量将待识别电网分成多个区域;获取概率潮流模型,该概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性;根据节点潮流方程、支路潮流方程及概率潮流模型,确定各个区域之间的联络线路的概率输电介数;根据概率输电介数得到各个区域之间的输电断面;根据输电断面的所有联络线路的负载率,计算所有区域之间的所有输电断面平均负载率,选择平均负载率的最大值作为关键输电断面,通过该方式可以有效提高关键断面的识别精度。
Description
技术领域
本发明涉及电网调度及运行技术领域,尤其是涉及一种电网关键断面识别方法、装置及电子设备。
背景技术
随着大规模新能源的大规模并网,在增加电网规模的同时提高了其潮流的随机性和波动性。对电力系统所有节点进行在线监控是现实的,因而将系统划分为若干区域,有针对性地对各区域之间的关键断面进行重点监控,成为监测电力系统运行的必然选择。为了保证电网的稳定运行防止停电事件的发生,关键断面的识别逐渐成为研究问题的重点。
目前在电网关键断面识别手段很多,其中laplace矩阵谱聚类方法和基于复杂网络的输电介数方法成为重要的理论基础。但在现有的laplace矩阵谱聚类方法中将电网看作无向图,与具有功率传输方向的实际电网不符;而在基于复杂网络的输电介数方法中,由于输电介质一般会受到电气参数变化的影响,导致该方法计算的关键断面的识别精度偏低。
发明内容
有鉴于此,本发明实施例的目的在于提供一种电网关键断面识别方法、装置及电子设备,从而提高了电网关键断面的识别精度。
第一方面,本发明实施例提供了一种电网关键断面识别方法,包括:
建立待识别电网的电网模型;
将带有潮流传输方向的电网拓扑图作为有向拓扑图,建立所述电网模型的laplace矩阵;
根据所述laplace矩阵的特征向量将所述待识别电网分成多个区域;
获取概率潮流模型,所述概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性;
根据节点潮流方程、支路潮流方程及所述概率潮流模型,确定各个所述区域之间的联络线路的概率输电介数;
根据所述概率输电介数得到各个所述区域之间的输电断面;
根据所述输电断面的所有联络线路的负载率,计算所有所述区域之间的输电断面的平均负载率,将所述平均负载率最大的输电断面作为关键输电断面。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述laplace矩阵为n*n阶的对称矩阵,所述对称矩阵中的各个元素表示为:
其中,n表示所述电网拓扑图中节点的数量,M表示对称矩阵,Mii表示节点i的度,即节点i到根节点的最短路径数;Mij表示节点i到节点j的潮流关系;其中当潮流方向为节点i到节点j时,Mij取值为1,当潮流方向为节点j到节点i时,Mij取值为-1,当节点i到节点j之间无潮流传输时,Mij取值为0。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,根据所述laplace矩阵的特征向量将所述待识别电网分成多个区域的步骤,包括:
求解所述laplace矩阵的特征值;
基于所述特征值所对应的特征向量的元素符号,对所述电网拓扑图中相应的节点进行划分,得到多个区域。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述概率潮流模型表示为:
其中,k为正整数;fk表示发电、或者负荷、或者运行方式改变造成的不确定性。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述各个所述区域之间的联络线路的概率输电介数通过如下算式计算:
其中,P(i,j)是根据节点潮流方程、支路潮流方程及所述概率潮流模型计算得到的,表示为:
P(i,j)=Z0+ΔZ
其中,I为电网模型中所有的节点集合,包括发电机节点、负荷节点和中间联络节点;D为电网模型中的负荷节点集合;
Gpq_ij(z)表示两端节点分别为p和q的联络线路z关于由节点i和节点j组成的节点对(i,j)的概率潮流介数;P(i,j)表示电源节点i流向负荷节点j的有功功率;Pz(i,j)表示节点对(i,j)之间传输的功率在联络线路zp,q上的份额;Spi为节点i流出的概率潮流有功功率的数学期望;Spj为负荷节点j的最大需求负荷的数学期望值;min(Spi,Spj)为单一潮流介数的权重;
S0、x0、Z0分别为节点注入功率、节点电压与支路潮流功率的期望值;ΔS、Δx、ΔZ为由于发电、负荷及电网运行方式的不确定性造成的节点注入功率、节点电压与支路潮流功率的随机扰动,所述随机扰动的波动形式是由概率潮流模型确定的;J为牛顿拉夫逊法最后一次迭代所用的雅克比矩阵;H为支路潮流对节点电压幅值和相位的灵敏度矩阵。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述根据所述概率输电介数得到各个所述区域之间的输电断面的步骤,包括:
对所述概率输电介数进行排序,获取最大概率输电介数;
断开所述最大概率输电介数对应的联络线路,判断所述联络线路是否属于割集;
如果属于,则确定所述割集内的所有线路,并根据所述laplace矩阵中对应于所述线路的元素,判断所述线路的传输功率是否同向;
如果同向,则确定所述联络线路所在的断面为输电断面。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述平均负载率的计算式为:
其中,L表示所述输电断面上联络线路的数量;βz表示联络线路z的负载率;Pz表示第z条支路上实际传输的有功功率;Pz_max表示第z条支路传输的有功功率最大值。
第二方面,本发明实施例还提供一种电网关键断面识别装置,包括:
模型建立模块,用于建立待识别电网的电网模型;
矩阵建立模块,用于将带有潮流传输方向的电网拓扑图作为有向拓扑图,建立所述电网模型的laplace矩阵;
区域划分模块,用于根据所述laplace矩阵的特征向量将所述待识别电网分成多个区域;
模型获取模块,用于获取概率潮流模型,所述概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性;
介数确定模块,用于根据节点潮流方程、支路潮流方程及所述概率潮流模型,确定各个所述区域之间的联络线路的概率输电介数;
断面计算模块,用于根据所述概率输电介数得到各个所述区域之间的输电断面;
断面确定模块,用于计算所有所述区域之间的输电断面的平均负载率,将所述平均负载率最大的输电断面作为关键输电断面。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面及其任一种可能的实施方式所述的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现上述第一方面及其任一种可能的实施方式所述的方法。
本发明实施例带来了以下有益效果:
在本发明实施例中,该电网关键断面识别方法一方面改进了传统laplace矩阵为无向图的缺点,通过将有潮流传输方向的电网拓扑图作为有向拓扑图,建立电网模型的laplace矩阵,从而利用改进laplace矩阵进行电网分区;另一方面在关键断面选择时充分考虑发电、负荷及电网运行方式的不确定性对输电介数的影响得到概率输电介数,并根据由概率输电介数确定的输电断面中所有联络线路的负载率,计算各个区域之间的输电断面的平均负载率,最后基于该平均负载率的比较得到关键断面,从而提高了关键断面的识别精度。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种电网关键断面识别方法的流程示意图;
图2为本发明实施例提供的一种IEEE30节点网络分区图;
图3为本发明实施例提供的一种电网关键断面识别装置的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
目前,电网关键断面识别方法通常分为laplace矩阵谱聚类方法和基于复杂网络的输电介数方法。但现有的laplace矩阵谱聚类方法中将电网看作无向图,与具有功率传输方向的实际电网不符;而在基于复杂网络的输电介数方法中,由于输电介质一般会受到电气参数变化的影响,导致该方法计算的关键断面的识别精度偏低。基于此,本发明实施例提供了一种电网关键断面识别方法、装置及电子设备,可以提高电网关键断面的识别精度。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种电网关键断面识别方法进行详细介绍。
实施例一:
图1示出了一种电网关键断面识别方法,该方法应用于电网关键断面的识别过程中,可以通过相关的处理器实现。如图1所示,该方法包括步骤S1-S7,具体如下:
步骤S1,建立待识别电网的电网模型。
步骤S2,将带有潮流传输方向的电网拓扑图作为有向拓扑图,建立该电网模型的laplace矩阵。
步骤S3,根据laplace矩阵的特征向量将待识别电网分成多个区域。
步骤S4,获取概率潮流模型,该概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性。
步骤S5,根据节点潮流方程、支路潮流方程及概率潮流模型,确定各个区域之间的联络线路的概率输电介数。
步骤S6,根据概率输电介数得到各个区域之间的输电断面。
步骤S7,根据输电断面的所有联络线路的负载率,计算所有区域之间的所有输电断面平均负载率,选择平均负载率的最大值作为关键输电断面。
在本发明实施例中,该电网关键断面识别方法一方面改进了传统laplace矩阵为无向图的缺点,通过将有潮流传输方向的电网拓扑图作为有向拓扑图,建立电网模型的laplace矩阵,从而利用改进laplace矩阵进行电网分区;另一方面在关键断面选择时充分考虑发电、负荷及电网运行方式的不确定性对输电介数的影响得到概率输电介数,并根据由概率输电介数确定的输电断面中所有联络线路的负载率,计算各个区域之间的输电断面的平均负载率,最后基于该平均负载率的比较得到关键断面,从而提高了关键断面的识别精度。
上述步骤S1中,该电网模型可以为节点-支路模型。具体的,本发明实施例中的节点-支路模型以IEEE30节点网络为例,对IEEE30节点电网模型中10kV电压以下的网络进行简化等效,并得到简化模型中线路和设备的电气参数。
上述步骤S2中,建立laplace矩阵的核心思想是:将带有潮流传输方向的电网拓扑看作一个有向拓扑图;假设所研究电网拓扑有n个节点,则其对应的laplace矩阵是一个n*n阶的对称矩阵M。M的各个元素表示为:
其中,Mii表示节点i的度,即节点i到根节点的最短路径数;Mij表示节点i到节点j的潮流关系;其中当潮流方向为节点i到节点j时,Mij取值为1,当潮流方向为节点j到节点i时,Mij取值为-1,当节点i到节点j之间无潮流传输时,Mij取值为0。
上述步骤S3包括:求解上述laplace矩阵的特征值;基于该特征值所对应的特征向量的元素符号,对上述电网拓扑图中相应的节点进行划分,得到多个区域。
利用laplace矩阵的特征向量将整个电网分成多个区域,每个区域内部电气联系比较紧密,而区域之间的连接则相对松散。
在可能的实施例中,上述区域的划分方法具体为:对矩阵M求解其特征值,特征值类型分别为0值和非0值;除特征值零之外,M矩阵中其他特征值所对应的特征向量完全由正、负两种组成;基于非0特征值对应的特征向量中的元素符号,对相应的网络节点进行区域划分,即正、负数元素对应的网络节点分属于不同区域。例如可以进行多次分区操作,第一次分出两个区域(如A1、A2),然后进行第二次分区。第二次分区后,如果A1区中的额特征值符号相同,而A2区中出现了正负两种元素符号,则再将A2分成了两个(A2_1区和A2_2区)。当然根据特征值的元素符号情况,如果A1中的元素符号不同也可分为两个,可以根据具体情况划分,在此不作限定。
如图2所示,通过对IEEE30节点网络进行划分,可以得到S1、S2和S3三个不同的区域。
上述步骤S4中,发电、负荷及电网运行方式的不确定性模型均采用均值为0,标准差为σ的正态分布来表示。因此,概率潮流模型可表示为:
其中k=1,2,3时,fk分别表示发电、或者负荷、或者运行方式改变造成的不确定性。
上述步骤S5中,假设区域a与区域b之间的联络线为z,联络线两端的两个节点分别为p与q,则联络线路zp,q的概率输电介数可表示为:
其中,I为电网中所有的节点集合,包括发电机节点、负荷节点和中间联络节点;D为电网中的负荷节点集合;Gpq_ij(z)为联络线路zp,q关于由节点i和节点j组成的节点对(i,j)的概率潮流介数;P(i,j)表示电源节点i流向负荷节点j的有功功率;Pz(i,j)表示节点对(i,j)之间传输的功率在联络线路zp,q上的份额;Spi为节点i流出的概率潮流有功功率的数学期望;Spj为负荷节点j的最大需求负荷的数学期望值;min(Spi,Spj)为单一潮流介数的权重,即以Spi,Spj两者最小值来表示节点对之间的最大可用传输功率,从而表示节点对之间的功率交换水平对输电线路传输容量上限的控制。
进一步的,当考虑发电、负荷及运行方式改变等造成的不确定性时,P(i,j)可表示为:
P(i,j)=Z0+ΔZ (5)
其中是通过将系统的节点潮流方程S=F(x)与支路潮流方程Z=G(x)按照泰勒级数展开,并忽略高次项得到的;S0、x0、Z0分别为IEEE30节点网络中节点注入功率、节点电压与支路潮流功率的期望值;ΔS、Δx、ΔZ为由于发电、负荷及电网运行方式的不确定性造成的节点注入功率、节点电压与支路潮流功率的随机扰动,随机扰动的波动形式是由算式(2)确定的;J为牛顿拉夫逊法最后一次迭代所用的雅克比矩阵;H为支路潮流对节点电压幅值和相位的灵敏度矩阵。
通过概率输电介数Gpq(z)表征了在考虑概率潮流的条件下,线路对电网潮流的承载能力以及各区域间功率的交换能力。
上述步骤S6包括:对概率输电介数进行排序,获取最大概率输电介数;断开该最大概率输电介数对应的联络线路,判断联络线路是否属于割集;如果属于,则确定该割集内的所有线路,并根据上述laplace矩阵中对应于线路的元素,判断线路的传输功率是否同向;如果同向,则确定该联络线路所在的断面为输电断面。
也就是,分别计算整个网络的各个区域之间所有联络线路的概率输电介数,并采用冒泡排序法,得到最大概率输电介数;将最大概率输电介数的联络线路作为预断开线路,判断该线路是否属于割集,并搜索与该线路构成割集的其他线路;然后通过laplace矩阵中该线路元素的正负来判断割集内的线路的传输功率是否同向;如果传输功率同向,则该联络线路所在断面为输电断面。
仍以图2为例,利用上述方法可得IEEE30节点网络某个时刻下的输电断面分别为断面1(包括线路11,12,14),断面2(包括线路35),断面3(包括线路36)。
上述步骤S7中,联络线路的负载率是指线路实际传输的有功功率和线路传输的有功功率最大值的比值,即:
其中,βz表示联络线路z的负载率;Pz表示第z条支路上实际传输的有功功率;Pz_max表示第z条支路传输的有功功率最大值。
具体的,假设断面有L条联络线路,则该断面的平均负载率可定义为:
进一步的,对所有区域之间的输电断面的平均负载率进行排序,得到最大平均负载率所对应的输电断面即为关键输电断面。经计算,IEEE30节点网络中3个断面的平均负载率如表1所示:
表1 IEEE30节点网络某时刻3个断面平均负载率
断面 | 包括线路号 | 平均负载率 |
断面1 | 11,12,14 | 90.57% |
断面2 | 35 | 85.46% |
断面3 | 36 | 57.98% |
经过比较可得,断面1的平均负载率最大,因此该断面即为关键断面。
本发明实施例改进了传统laplace矩阵为无向图的缺点,将整个功率传输电网看作一个有向网络,从而利用改进laplace矩阵进行电网分区;同时,该发明实施例在关键断面选择时充分考虑发电、负荷及电网运行方式的不确定性对输电介数的影响得到概率输电介数,并根据由概率输电介数确定的输电断面中所有联络线路的负载率,计算各个区域之间的输电断面的平均负载率,最后基于该平均负载率的比较得到关键断面,从而提高了关键断面的识别精度。
实施例二:
对应于上述实施例中的一种电网关键断面识别方法,本发明实施例还提供了一种电网关键断面识别装置,参见图3,该装置包括:
模型建立模块11,用于建立待识别电网的电网模型;
矩阵建立模块12,用于将带有潮流传输方向的电网拓扑图作为有向拓扑图,建立电网模型的laplace矩阵;
区域划分模块13,用于根据上述laplace矩阵的特征向量将待识别电网分成多个区域;
模型获取模块14,用于获取概率潮流模型,该概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性;
介数确定模块15,用于根据节点潮流方程、支路潮流方程及上述概率潮流模型,确定各个区域之间的联络线路的概率输电介数;
断面计算模块16,用于根据上述概率输电介数得到各个区域之间的输电断面;
断面确定模块17,用于计算所有区域之间的输电断面的平均负载率,将平均负载率最大的输电断面作为关键输电断面。
在本发明实施例中,该电网关键断面识别方法一方面改进了传统laplace矩阵为无向图的缺点,通过将有潮流传输方向的电网拓扑图作为有向拓扑图,建立电网模型的laplace矩阵,从而利用改进laplace矩阵进行电网分区;另一方面在关键断面选择时充分考虑发电、负荷及电网运行方式的不确定性对输电介数的影响得到概率输电介数,并根据由概率输电介数确定的输电断面中所有联络线路的负载率,计算各个区域之间的输电断面的平均负载率,最后基于该平均负载率的比较得到关键断面,从而提高了关键断面的识别精度。
实施例三:
参见图4,本发明实施例还提供一种电子设备100,包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。
其中,存储器41可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本发明实施例提供的电网关键断面识别装置及电子设备,与上述实施例提供的电网关键断面识别方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例所提供的进行电网关键断面识别方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置及电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
附图中的流程图和框图显示了根据本发明的多个实施例方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种电网关键断面识别方法,其特征在于,包括:
建立待识别电网的电网模型;
将带有潮流传输方向的电网拓扑图作为有向拓扑图,建立所述电网模型的laplace矩阵;
根据所述laplace矩阵的特征向量将所述待识别电网分成多个区域;
获取概率潮流模型,所述概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性;
根据节点潮流方程、支路潮流方程及所述概率潮流模型,确定各个所述区域之间的联络线路的概率输电介数;
根据所述概率输电介数得到各个所述区域之间的输电断面;
根据所述输电断面的所有联络线路的负载率,计算所有所述区域之间的输电断面的平均负载率,将所述平均负载率最大的输电断面作为关键断面。
3.根据权利要求1所述的方法,其特征在于,根据所述laplace矩阵的特征向量将所述待识别电网分成多个区域的步骤,包括:
求解所述laplace矩阵的特征值;
基于所述特征值所对应的特征向量的元素符号,对所述电网拓扑图中相应的节点进行划分,得到多个区域。
5.根据权利要求1所述的方法,其特征在于,所述各个所述区域之间的联络线路的概率输电介数通过如下算式计算:
其中,P(i,j)是根据节点潮流方程、支路潮流方程及所述概率潮流模型计算得到的,表示为:
P(i,j)=Z0+ΔZ
其中,I为电网模型中所有的节点集合,包括发电机节点、负荷节点和中间联络节点;D为电网模型中的负荷节点集合;
Gpq_ij(z)表示两端节点分别为p和q的联络线路z关于由节点i和节点j组成的节点对(i,j)的概率潮流介数;P(i,j)表示电源节点i流向负荷节点j的有功功率;Pz(i,j)表示节点对(i,j)之间传输的功率在联络线路z上的份额;Spi为节点i流出的概率潮流有功功率的数学期望;Spj为负荷节点j的最大需求负荷的数学期望值;min(Spi,Spj)表征以Spi,Spj两者最小值来表示节点对之间的最大可用传输功率;
S0、x0、Z0分别为节点注入功率、节点电压与支路潮流功率的期望值;ΔS、Δx、ΔZ为由于发电、负荷及电网运行方式的不确定性造成的节点注入功率、节点电压与支路潮流功率的随机扰动,所述随机扰动的波动形式是由概率潮流模型确定的;J为牛顿拉夫逊法最后一次迭代所用的雅克比矩阵;H为支路潮流对节点电压幅值和相位的灵敏度矩阵。
6.根据权利要求1所述的方法,其特征在于,所述根据所述概率输电介数得到各个所述区域之间的输电断面的步骤,包括:
对所述概率输电介数进行排序,获取最大概率输电介数;
断开所述最大概率输电介数对应的联络线路,判断所述联络线路是否属于割集;
如果属于,则确定所述割集内的所有线路,并根据所述laplace矩阵中对应于所述线路的元素,判断所述线路的传输功率是否同向;
如果同向,则确定所述联络线路所在的断面为输电断面。
8.一种电网关键断面识别装置,其特征在于,包括:
模型建立模块,用于建立待识别电网的电网模型;
矩阵建立模块,用于将带有潮流传输方向的电网拓扑图作为有向拓扑图,建立所述电网模型的laplace矩阵;
区域划分模块,用于根据所述laplace矩阵的特征向量将所述待识别电网分成多个区域;
模型获取模块,用于获取概率潮流模型,所述概率潮流模型用于表征由于发电、负荷及电网运行方式的不确定性;
介数确定模块,用于根据节点潮流方程、支路潮流方程及所述概率潮流模型,确定各个所述区域之间的联络线路的概率输电介数;
断面计算模块,用于根据所述概率输电介数得到各个所述区域之间的输电断面;
断面确定模块,用于计算所有所述区域之间的输电断面的平均负载率,将所述平均负载率最大的输电断面作为关键断面。
9.一种电子设备,其特征在于,包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910054689.9A CN109638838B (zh) | 2019-01-21 | 2019-01-21 | 电网关键断面识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910054689.9A CN109638838B (zh) | 2019-01-21 | 2019-01-21 | 电网关键断面识别方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109638838A CN109638838A (zh) | 2019-04-16 |
CN109638838B true CN109638838B (zh) | 2020-11-10 |
Family
ID=66062253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910054689.9A Active CN109638838B (zh) | 2019-01-21 | 2019-01-21 | 电网关键断面识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109638838B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084513A (zh) * | 2019-04-26 | 2019-08-02 | 中国电力科学研究院有限公司 | 基于分布因子的电网输电断面确定方法 |
CN110458375B (zh) * | 2019-09-06 | 2022-07-12 | 广东工业大学 | 一种考虑电网潮流分布均衡度的电力系统经济调度方法 |
CN111211577B (zh) * | 2019-11-22 | 2022-04-05 | 国网河南省电力公司电力科学研究院 | 一种提升区域电网分区新能源运行可靠性的方法 |
CN111523827B (zh) * | 2020-05-13 | 2022-02-11 | 中国电力科学研究院有限公司 | 一种省间交易代理模式下节点的选取方法及系统 |
CN111697579B (zh) * | 2020-06-30 | 2022-11-29 | 广东电网有限责任公司梅州供电局 | 一种电力系统关键输电断面的确定方法、系统及介质 |
CN112069653B (zh) * | 2020-07-31 | 2024-05-10 | 南方电网科学研究院有限责任公司 | 一种区域备用容量的计算方法、装置、设备及存储介质 |
CN112632846B (zh) * | 2020-11-13 | 2023-10-24 | 国网浙江省电力有限公司绍兴供电公司 | 一种电力系统输电断面极限概率评估方法及电子设备 |
CN112989129B (zh) * | 2021-03-18 | 2024-05-24 | 国家电网有限公司 | 一种基于图论的输电网重点感知断面识别方法及系统 |
CN114665470B (zh) * | 2022-03-21 | 2024-06-25 | 清华大学 | 一种电力系统关键输电断面识别方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104242299B (zh) * | 2014-08-22 | 2016-04-06 | 国家电网公司 | 一种考虑线路电气介数的电网分区方法 |
CN107769191A (zh) * | 2016-08-18 | 2018-03-06 | 中国电力科学研究院 | 基于网络拓扑和潮流数据的关键输电断面自动识别方法 |
-
2019
- 2019-01-21 CN CN201910054689.9A patent/CN109638838B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109638838A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109638838B (zh) | 电网关键断面识别方法、装置及电子设备 | |
CN111064614A (zh) | 一种故障根因定位方法、装置、设备及存储介质 | |
US11683238B2 (en) | Network management based on modeling of cascading effect of failure | |
CN109066687A (zh) | 一种电力系统潮流计算方法、系统及电子设备 | |
CN103236691A (zh) | 基于复仿射数学理论的三相不平衡潮流计算方法 | |
CN115201744A (zh) | 低压台区的计量点误差的确定方法及装置 | |
CN110739692B (zh) | 一种基于概率图模型的配电网结构识别方法 | |
WO2014185921A1 (en) | Systems and methods for meter placement in power grid networks | |
CN112485604A (zh) | 一种配电网故障电流计算方法 | |
CN103957114A (zh) | 一种基于变异系数的网络抗毁性评估方法 | |
Dong et al. | A probabilistic load flow method with consideration of random branch outages and its application | |
CN113627655B (zh) | 一种配电网灾前故障场景模拟预测方法及装置 | |
CN116341950A (zh) | 一种基于综合介数的电力系统脆弱线路评估方法及装置 | |
CN115275975A (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN114936612A (zh) | 短路类型识别方法、装置、电子设备及存储介质 | |
CN112684398A (zh) | 基于动态线损的电能表运行误差监测方法及系统 | |
CN113205204A (zh) | 一种基于贝叶斯网络的配电网停运节点预测方法 | |
CN112488550A (zh) | 基于深度学习的不确定性电网静态安全分析方法及系统 | |
CN114336766B (zh) | 面向网架拓扑决策优化的多馈入短路比约束线性化方法 | |
CN104731989A (zh) | 一种大规模电阻网络端到端等效电阻的快速计算方法 | |
Singh | Assigning transition rates to unit models with incomplete data for power system reliability analysis | |
Krishnamurthy et al. | Brief announcement: the accuracy of tree-based counting in dynamic networks | |
CN117422339A (zh) | 一种电网节点的重要性评估方法、装置、设备及介质 | |
CN114640110A (zh) | 配电网拓扑识别的方法、装置、终端及存储介质 | |
CN114648237A (zh) | 一种光伏系统连锁故障序列辨识方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |