CN110135489A - 一种基于主成分分析法的关键输电线路识别方法及存储设备 - Google Patents

一种基于主成分分析法的关键输电线路识别方法及存储设备 Download PDF

Info

Publication number
CN110135489A
CN110135489A CN201910388421.9A CN201910388421A CN110135489A CN 110135489 A CN110135489 A CN 110135489A CN 201910388421 A CN201910388421 A CN 201910388421A CN 110135489 A CN110135489 A CN 110135489A
Authority
CN
China
Prior art keywords
electricity
transmission line
key
quantization parameter
transmission
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
Application number
CN201910388421.9A
Other languages
English (en)
Inventor
郝广涛
唐娅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Putian University
Original Assignee
Putian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Putian University filed Critical Putian University
Priority to CN201910388421.9A priority Critical patent/CN110135489A/zh
Publication of CN110135489A publication Critical patent/CN110135489A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis

Abstract

本发明涉及输电线路识别领域，特别涉及一种基于主成分分析法的关键输电线路识别方法及存储设备。所述一种基于主成分分析法的关键输电线路识别方法，包括步骤：计算得输电线路关键量化参数；通过主成分分析法去除所述关键量化参数间的相关性；对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。通过该种方式得到的关键输电线路，因有综合考虑了电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，使得最后得到的关键输电线路的准确性更高。

Description

一种基于主成分分析法的关键输电线路识别方法及存储设备
技术领域
本发明涉及输电线路识别领域，特别涉及一种基于主成分分析法的关键输电线路识别方法及存储设备。
背景技术
电网的有功传输安全问题一直是研究的焦点问题。随着国家“节能减排”政策的推行，可再生能源以分散、集中的方式大规模的并入电网，使电网中的传统电源、可再生能源发电关联程度日益加强，电网出现“双向潮流”。在最大化利用可再生能源发电政策的驱使下，输电线路有功潮流不断接近其稳定限值，电网发生过载甚至崩溃的危险不断增加，因此识别主宰电网输电安全的极少数关键输电线路对于实施在线调度、实时控制以及预防电网潮流转移造成的大停电事故都具有重要意义。
目前，对于关键输电线路的辨识已经有了较多的研究成果，主要可以分为两类：第1类的研究从输电线路发生事故前的角度，依据多种判据判断输电线路断开会推波助澜的造成电网大停电事故，那么输电线路就是关键输电线路；第2类的研究从输电线路发生事故后的角度，辨识其它极易过载的输电线路，定义为关键输电线路。
对于第1类的研究来说，成果较多。就第2类的研究而言，是在输电线路事故后辨识其它容易过载的输电线路思路下展开的，这是与第1类研究的主要区别，这也是关键输电线路概念的另一种定义形式。该类研究相对较少，与第1类研究阶段有相似之处。总之，目前第2类的研究主要是基于图论的方式，假设潮流转移沿最短电气路径进行，具有局限性。
通过对第1类和第2类的研究发现，目前对于关键输电线路的辨识主要从电网结构、负载率方面进行辨识，而没有考虑输电线路利用率、输电线路有功输电量、输电线路过载引起其它输电线路过载数量等方面。此外，目前的研究主要从电网结构、负载率单个方面来进行判别，而没有从多个角度综合性的识别关键输电线路。对此，如何更全面、合理的辨识关键输电线路成了亟需解决的问题。
发明内容
为此，需要提供一种基于主成分分析法的关键输电线路识别方法，用以解决现有关键输电线路识别技术未考虑输电线路利用率、输电线路有功输电量、输电线路过载引起其它输电线路过载数量等方面因素，导致辨识率低且不全面的问题。具体技术方案如下：
一种基于主成分分析法的关键输电线路识别方法，包括步骤：计算得输电线路关键量化参数，所述关键量化参数包括：电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量；通过主成分分析法去除所述关键量化参数间的相关性；对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。
进一步的，所述“计算得输电线路关键量化参数”，还包括步骤：设输电线路ij的有功输电限值为当量测出输电线路的有功潮流Pij后，输电线路ij的负载率Fij，即输电线路负载率为：
进一步的，所述“计算得输电线路关键量化参数”，还包括步骤：
设发电机节点m向负荷节点n输送有功功率Pmn，有功功率Pmn的一部分由输电线路ij传输，设为Pij(mn)，那么在发电机m向负荷n输送有功功率过程中，输电线路ij的利用率为：
进一步的，所述“通过主成分分析法去除所述关键量化参数间的相关性”，还包括步骤：根据所述关键量化参数形成原始数据矩阵；并对所述原始数据矩阵进行计算得累积贡献率；根据所述累积贡献率计算得各条输电线路的主成分；结合所述累积贡献率与所述各条输电线路的主成分计算得各条输电线路的综合值。
进一步的，所述“对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路”，还包括步骤：获取预设个综合值数值在前的输电线路作为关键输电线路。
为解决上述技术问题，还提供了一种存储设备，具体技术方案如下：
一种存储设备，其中存储有指令集，所述指令集用于执行：计算得输电线路关键量化参数，所述关键量化参数包括：电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量；通过主成分分析法去除所述关键量化参数间的相关性；对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。
进一步的，所述指令集还用于执行：所述“计算得输电线路关键量化参数”，还包括步骤：设输电线路ij的有功输电限值为当量测出输电线路的有功潮流Pij后，输电线路ij的负载率Fij，即输电线路负载率为：
进一步的，所述指令集还用于执行：所述“计算得输电线路关键量化参数”，还包括步骤：设发电机节点m向负荷节点n输送有功功率Pmn，有功功率Pmn的一部分由输电线路ij传输，设为Pij(mn)，那么在发电机m向负荷n输送有功功率过程中，输电线路ij的利用率为：
进一步的，所述指令集还用于执行：所述“通过主成分分析法去除所述关键量化参数间的相关性”，还包括步骤：根据所述关键量化参数形成原始数据矩阵；并对所述原始数据矩阵进行计算得累积贡献率；根据所述累积贡献率计算得各条输电线路的主成分；结合所述累积贡献率与所述各条输电线路的主成分计算得各条输电线路的综合值。
进一步的，所述指令集还用于执行：所述“对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路”，还包括步骤：获取预设个综合值数值在前的输电线路作为关键输电线路。
本发明的有益效果是：通过计算得到电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，将这些量化参数均考虑在内，再通过主成分分析法去除所述关键量化参数间的相关性，对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。通过该种方式得到的关键输电线路，因有综合考虑了电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，使得最后得到的关键输电线路的准确性更高。
附图说明
图1为具体实施方式所述一种基于主成分分析法的关键输电线路识别方法的流程图；
图2为具体实施方式所述某小型电网图；
图3为具体实施方式所述山东500kV电网结构；
图4为具体实施方式所述存储设备的模块示意图。
附图标记说明：
400、存储设备。
具体实施方式
为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
首先对本实施方式中的一些名词做以下解释说明：
关键输电线路：关键输电线路就是在电网发电至负荷输送有功功率过程中，电网结构、输电线路负载率、输电线路有功功率量、输电线路的利用率、输电线路过载引起其它输电线路过载数量这五个方面关键性量化计算值的综合结果最大的输电线路。综合值由大到小排序所形成的输电线路集合，称为关键输电线路集。
请参阅图1，在本实施方式中，一种基于主成分分析法的关键输电线路识别方法的具体实施方式如下：
步骤S101：计算得输电线路关键量化参数，所述关键量化参数包括：电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量。
步骤S102：通过主成分分析法去除所述关键量化参数间的相关性。
步骤S103：对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。
以下对步骤S101具体展开说明：
电网结构关键性的量化：
利用图论实现电网拓扑关键线路识别的方法主要是依据线路介数的大小。该方法假设电网所有线路的权值为单位1，由此得到表征输电线路l关键性的量化模型为：
其中：V表示电网节点集合；s,t为电网任意两个不同的节点；分子表示电网中任意两个节点s和t之间最短路径经过线路l的次数；分母表示电网中任意两个节点s和t之间最短路径的数量。
式(1)值越大，表明输电线路l越脆弱，以图2所示小型电网为例说明该问题。图2所示电网共有12个节点，18条输电线路，设输电线路边权为单位1，经过计算，任意两节点之间的最短路径数量为66，各输电线路的介数如表1所示。
表1某小型电网输电线路介数值
Tab.1 The betweennesses of some small scale power grids
由表1可以看出，输电线路6-7的介数值最大。由图2中可以看出，输电线路6-7是两个局部电网之间重要的输电走廊，起关键的功率输送作用。
输电线路负载率的量化：
进一步的，所述“计算得输电线路关键量化参数”，还包括步骤：设输电线路ij的有功输电限值为当量测出输电线路的有功潮流Pij后，输电线路ij的负载率Fij，即输电线路负载率为：
式(2)越大，说明输电线路负载率越大，有功潮流越接近输电极限，极有可能发生安全越限，因而是关键的。
输电线路有功功率量的量化：
设电网输电线路ij的有功功率为Pij，则在广域量测环境下，可以实时获得电网输电线路的有功功率。
输电线路利用率的量化：
设发电机节点m向负荷节点n输送有功功率Pmn，有功功率Pmn的一部分由输电线路ij传输，设为Pij(mn)，那么在发电机m向负荷n输送有功功率过程中，输电线路ij的利用率为：
对于电网中GN个发电机向LN个负荷输送有功功率过程中，输电线路ij被利用的程度为Γij，即关键性：
为了求解式(4)的关键性，可以采用潮流追踪中的顺流和逆流追踪方法下予以求解Pmn和Pij(mn)，求解过程如下。
第一，求解Pmn。根据逆流追踪法有：
其中：Pi为节点i的总流出功率；PGk表示节点k的发电机注入有功功率；Au为N×N阶逆流矩阵(N表示电网节点总数)，其元素为：
Pji表示输电线路ji的有功潮流；表示节点i的进线集。
设节点n的有功负荷为PLn，那么由式(5)可以将节点n的总流出功率表示为：
其中：Pn表示节点n的总流出功率。
通过式(7)可以解析的表达出电网中各个发电机流入负荷节点n的有功功率量，进而可得到由发电机m提供的部分为：
第二，求解Pij(mn)。由逆流追踪方法可得输电线路ij中来源于发电机m的部分为：
由顺流追踪方法可得输电线路ij中流向负荷n的部分为：
其中：Ad表示N×N阶顺流矩阵，其元素为：
表示节点i的出线集。
根据潮流追踪的比例分配原则，结合式(9)和式(10)，可得：
输电线路过载引起其它输电线路过载数量的量化
输电线路过载后极易引发电网潮流的大范围转移，造成电网大停电，因此度量电网潮流大范围转移的危害程度对于判断过载线路的关键程度具有重要意义。
电网潮流大范围转移危害程度的判别主要就是造成其它输电线路的过载，过载数量越多，说明电网发生连锁跳闸的范围越广，危害程度越大。
设输电线路k′l′(两端节点分别为k′和l′)初始有功潮流为输电线路kl(两端节点分别为k和l)初始有功潮流为当输电线路k′l′断开后，输电线路kl的有功潮流为Pkl：
其中：表示输电线路开断分布因子(Line Outage Distribution Factor，LODF)。
根据LODF以及节点注入转移因子(Injection Shift Factor，ISF)的定义，可以表示为：
其中：表示节点k′发生ΔPk′有功功率的变化引起输电线路kl的有功变化的比值(具有相同的含义)，计算方式为：
对于输电线路kl在某一时刻t有功功率的变化量ΔPkl(t)，实际就是电网各个节点有功功率变化量引起的，所以有：
将式(16)带入式(17)有：
式(18)中的为待求量，ΔPkl(t)和ΔPi(t)(i＝1,2,…,n)可以由两个时间断面的量测获得，如：
在某一时间范围内，可以对式(19)进行K(K＞n)次广域量测，并近似认为保持不变，从而可以获得K个方程：
通过最小二乘法即可以求得式(20)中的未知数进而可以得到式(14)中的以及式(14)中的Pkl。
对于电网中所有线路来说(除去断开线路k′l′)，通过判断式(14)中的Pkl与其限值就获得该线路是否过载，进而可以获得过载输电线路的总量。
根据电网潮流方程的非线性可知，输电线路五个方面关键性之间既相关又各自具有独特的特点。
首先，电网结构关键性是电网拓扑本身的静态特性，在不同运行方式下，对输电线路负载率、输电线路有功功率量、输电线路利用率、输电线路过载引起其它输电线路过载数量都产生放大或缩小的影响。
其次，输电线路负载率越大，其有功功率量有可能大、也可能小。因此输电线路利用率、输电线路过载引起其它输电线路过载数量不一定大。
第三，输电线路有功功率量越大，说明是电网重要的输电走廊，但输电线路负载率、输电线路利用率、输电线路过载引起其它输电线路过载数量不一定很大。
第四，输电线路利用率越大，并不一定导致输电线路过载引起其它输电线路过载数量增大。
由于输电线路五个方面关键性具有相关性的特点，就需要使用主成分分析法去除相关性，进行综合判断。
在本实施方式中，通过主成分分析法去除所述关键量化参数间的相关性。具体可如下：
进一步的，所述“通过主成分分析法去除所述关键量化参数间的相关性”，还包括步骤：根据所述关键量化参数形成原始数据矩阵；并对所述原始数据矩阵进行计算得累积贡献率；根据所述累积贡献率计算得各条输电线路的主成分；结合所述累积贡献率与所述各条输电线路的主成分计算得各条输电线路的综合值。
进一步的，所述“对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路”，还包括步骤：获取预设个综合值数值在前的输电线路作为关键输电线路。
其更具体的原理如下：
设数据矩阵X有n个样品p个判据：
当判据p较大时，通过p个判据来分析问题比较繁琐，且容易造成主观因素左右问题的答案，无法客观的量化分析结果。
为了实现主成分分析，首先对式(21)数据进行均值为0，方差为1的标准化变换，以消除各个判据之间量纲、数量级不同而造成的影响：
其中：
然后，计算式(22)的相关系数矩阵R：
其中：矩阵R为对称阵，对角线元素为1；非对角线元素rjk(j,k＝1,2,…,p；j≠k)表示判据j与判据k的相关系数，计算方式为：
第三，计算式(23)相关系数矩阵R的特征值，按大小顺序排列为λ1≥λ2≥…≥λp≥0，对应的特征向量为
从而可以将式(22)进行线性变换为：
其中：F1称为第一主成分，F2称为第二主成分，以此类推，Fp称为第p个主成分。
主成分F1,F2,…,Fp互不相关，一般前w(w＜p)个就可以代表原p个判据的信息，w的确定方法为：
其中：η表示自定义的阈值，一般取90％。
当确定w后，就可以确定前w个主成分F1,F2,…,Fw，以及对于样品的综合评价值：
根据主成分分析法，将t时刻获得的电网中L L条输电线路的五个关键性量化值表示为：
对式(28)按照式(22)～式(27)的计算方式依次进行计算，可以获得电网在t时刻L条输电线路关键性的综合识别结果，并可以对其关键性进行排序，获得关键输电线路及其集合。
通过计算得到电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，将这些量化参数均考虑在内，再通过主成分分析法去除所述关键量化参数间的相关性，对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。通过该种方式得到的关键输电线路，因有综合考虑了电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，使得最后得到的关键输电线路的准确性更高。
请参阅图3，以下通过一具体实施例对以上方法进行说明：
图3所示电网中有20个节点，31条输电线路，7个等值发电机(节点18为平衡机)，13个等值负荷，输电线路参数如表2所示。以2017年某时间段电网实际运行潮流数据作为广域量测环境下获得的量测数据，分析和验证本文算法。
表2山东500kV电网参数(标幺值)
Tab.2 The parameters of Shandong 500kV power grids(in p.u.)
电网结构关键性量化
图3电网共有20个节点，经过简单计算，任意两个节点之间的最短路径总数为190。
按式(1)进行计算，可以得到图3所示电网的输电线路介数，如表3所示。
表3输电线路介数
Tab.3 The lines betweennesses
输电线路负载率计算
当量测出t时刻输电线路中的潮流后，利用式(2)就可以计算出各条输电线路的负载率，如表4所示。
表4 t时刻输电线路负载率(标幺值)
Tab.4 The lines load rates at moment t(inp.u.)
由表4可以看出，通过负载率的计算就很容易直观的看出每条输电线路可用输电容量以及距离警戒线的裕度，其中输电线路7-8负载率最高，高达44.39％。
输电线路有功功率量
在广域量测环境下，输电线路有功功率可以实时量测得到。在t时刻，量测得到电网各条输电线路有功功率如表5所示。
表5 t时刻各输电线路有功功率(标幺值)
Tab.5 The active powers of every line at moment t(inp.u.)
输电线路利用率量化
在t时刻，按照式(3)～式(13)的计算结果如表6所示。
表6 t时刻输电线路利用率量化值
Tab.6 The line utilized rates at moment t when sources transmits toloads
从表6中可以看出，输电线路7-8利用率量化值最大，为112.0861，说明该输电线路是发电机输送有功功率至负荷重要的输电走廊。
电线路过载引起其它输电线路过载数量
以PMU采集到t时刻前后的40组数据(由于PMU采集时间较短，可以认为LODF近似保持不变)，按照式(14)～(20)，依次对算例中的输电线路进行过载计算，可以得到各输电线路过载后导致的其它输电线路过载的数量，如表7所示。
表7 t时刻输电线路过载导致其它输电线路过载数量
Tab.7 The overloaded numbers of other lines caused by the overloadedline at moment t
由表7可以看出，各条输电线路断开都不会导致其它输电线路过载，经过分析，是由于各条输电线路的限值相对输电线路有功输电较大，不会造成过载。
将各条输电线路的有功输电限值变为原来的一半，即11.35(标幺值)，按照式(14)～(20)重新计算，则结果如表8所示。
表8 t时刻输电线路过载导致其它输电线路过载数量
Tab.8 The overloaded numbers of other lines caused by the overloadedline at moment t
本文以表8所得到的结果作为后续计算的依据(当然还可以进一步改变输电线路的有功限值，但计算方式相同)。
关键输电线路的综合识别
采用主成分分析方法，形成原始数据矩阵并按照式(22)～式(26)进行计算，可以获得累积贡献率，如表9所示。
表9特征值和累积贡献率
Tab.9 The eigenvalues and accumulate contribution rates
由表9可以看出，前3个特征值的累积贡献率超过99％，基本可以代替原始信息，所以取前三个特征值及其对应的特征向量，并由此可以计算出各条输电线路的第一主成分、第二主成分和第三主成分，如表10所示。
表10各输电线路的前三个主成分
Tab.10 The three principal components of every lines
结合表9和表10，按照式(27)进行计算，可以得到各条输电线路的综合值，如表11所示。
表11各输电线路的综合值
Table11 The comprehensive values of every lines
对表11中综合值进行由大到小排序，如表12所示。
表12各输电线路综合值由大到小排序结果
Tab.12 The comprehensive evaluated values of every lines sorted frombig to small
由表12可以看出，输电线路7-8、12-19、18-19的数值相对其它输电线路来说较大，对应实际电网中的泰山至淄川、枣庄至蒙阴、邹县电场至枣庄的输电线路，符合山东电网发电主要在西南部地区，而负荷主要集中在中东部地区，形成了西电东送的实际格局。
因此，当关注输电线路7-8、12-19、18-19的有功潮流安全性，就可以可靠的监视山东电网500kV的安全。
请参阅图4，在本实施方式中，一种存储设备400的具体实施方式如下：
一种存储设备400，其中存储有指令集，所述指令集用于执行：计算得输电线路关键量化参数，所述关键量化参数包括：电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量；通过主成分分析法去除所述关键量化参数间的相关性；对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。
进一步的，所述指令集还用于执行：所述“计算得输电线路关键量化参数”，还包括步骤：设输电线路ij的有功输电限值为当量测出输电线路的有功潮流Pij后，输电线路ij的负载率Fij，即输电线路负载率为：
进一步的，所述指令集还用于执行：所述“计算得输电线路关键量化参数”，还包括步骤：设发电机节点m向负荷节点n输送有功功率Pmn，有功功率Pmn的一部分由输电线路ij传输，设为Pij(mn)，那么在发电机m向负荷n输送有功功率过程中，输电线路ij的利用率为：
进一步的，所述指令集还用于执行：所述“通过主成分分析法去除所述关键量化参数间的相关性”，还包括步骤：根据所述关键量化参数形成原始数据矩阵；并对所述原始数据矩阵进行计算得累积贡献率；根据所述累积贡献率计算得各条输电线路的主成分；结合所述累积贡献率与所述各条输电线路的主成分计算得各条输电线路的综合值。
进一步的，所述指令集还用于执行：所述“对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路”，还包括步骤：获取预设个综合值数值在前的输电线路作为关键输电线路。
通过运行存储设备400上的指令集执行以下命令：计算得到电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，将这些量化参数均考虑在内，再通过主成分分析法去除所述关键量化参数间的相关性，对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。通过该种方式得到的关键输电线路，因有综合考虑了电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量这些量化参数，使得最后得到的关键输电线路的准确性更高。
需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领域，均包括在本发明的专利保护范围之内。

Claims (10)

1.一种基于主成分分析法的关键输电线路识别方法，其特征在于，包括步骤：
计算得输电线路关键量化参数，所述关键量化参数包括：电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量；
通过主成分分析法去除所述关键量化参数间的相关性；
对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。
2.根据权利要求1所述的一种基于主成分分析法的关键输电线路识别方法，其特征在于，所述“计算得输电线路关键量化参数”，还包括步骤：
设输电线路ij的有功输电限值为当量测出输电线路的有功潮流Pij后，输电线路ij的负载率Fij，即输电线路负载率为：
3.根据权利要求1所述的一种基于主成分分析法的关键输电线路识别方法，其特征在于，所述“计算得输电线路关键量化参数”，还包括步骤：
设发电机节点m向负荷节点n输送有功功率Pmn，有功功率Pmn的一部分由输电线路ij传输，设为Pij(mn)，那么在发电机m向负荷n输送有功功率过程中，输电线路ij的利用率为：
4.根据权利要求1所述的一种基于主成分分析法的关键输电线路识别方法，其特征在于，所述“通过主成分分析法去除所述关键量化参数间的相关性”，还包括步骤：
根据所述关键量化参数形成原始数据矩阵；
并对所述原始数据矩阵进行计算得累积贡献率；
根据所述累积贡献率计算得各条输电线路的主成分；
结合所述累积贡献率与所述各条输电线路的主成分计算得各条输电线路的综合值。
5.根据权利要求4所述的一种基于主成分分析法的关键输电线路识别方法，其特征在于，所述“对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路”，还包括步骤：
获取预设个综合值数值在前的输电线路作为关键输电线路。
6.一种存储设备，其中存储有指令集，其特征在于，所述指令集用于执行：
计算得输电线路关键量化参数，所述关键量化参数包括：电网结构、输电线路负载率、输电线路有功功率量、输电线路利用率和输电线路过载引起其它输电线路过载数量；
通过主成分分析法去除所述关键量化参数间的相关性；
对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路。
7.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“计算得输电线路关键量化参数”，还包括步骤：
设输电线路ij的有功输电限值为当量测出输电线路的有功潮流Pij后，输电线路ij的负载率Fij，即输电线路负载率为：
8.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“计算得输电线路关键量化参数”，还包括步骤：
设发电机节点m向负荷节点n输送有功功率Pmn，有功功率Pmn的一部分由输电线路ij传输，设为Pij(mn)，那么在发电机m向负荷n输送有功功率过程中，输电线路ij的利用率为：
9.根据权利要求6所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“通过主成分分析法去除所述关键量化参数间的相关性”，还包括步骤：
根据所述关键量化参数形成原始数据矩阵；
并对所述原始数据矩阵进行计算得累积贡献率；
根据所述累积贡献率计算得各条输电线路的主成分；
结合所述累积贡献率与所述各条输电线路的主成分计算得各条输电线路的综合值。
10.根据权利要求9所述的一种存储设备，其特征在于，所述指令集还用于执行：所述“对去除相关性后的关键量化参数进行综合判断，计算得关键输电线路”，还包括步骤：
获取预设个综合值数值在前的输电线路作为关键输电线路。
CN201910388421.9A 2019-05-10 2019-05-10 一种基于主成分分析法的关键输电线路识别方法及存储设备 Pending CN110135489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910388421.9A CN110135489A (zh) 2019-05-10 2019-05-10 一种基于主成分分析法的关键输电线路识别方法及存储设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910388421.9A CN110135489A (zh) 2019-05-10 2019-05-10 一种基于主成分分析法的关键输电线路识别方法及存储设备

Publications (1)

Publication Number Publication Date
CN110135489A true CN110135489A (zh) 2019-08-16

Family

ID=67573175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910388421.9A Pending CN110135489A (zh) 2019-05-10 2019-05-10 一种基于主成分分析法的关键输电线路识别方法及存储设备

Country Status (1)

Country Link
CN (1) CN110135489A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454120A (zh) * 2023-12-20 2024-01-26 山西思极科技有限公司 电力通信系统数据的采集分析方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750976A (zh) * 2015-03-10 2015-07-01 上海交通大学 一种输电线路状态评价参数体系的构建方法
CN105354675A (zh) * 2015-11-17 2016-02-24 南方电网科学研究院有限责任公司 基于关键输电断面识别的交直流电网连锁故障分析方法
CN106485333A (zh) * 2016-10-20 2017-03-08 云南电网有限责任公司电力科学研究院 一种输电线路运行状态评估方法
CN107967544A (zh) * 2016-10-19 2018-04-27 浙江省电力公司电力科学研究院 一种典型配电网串联无功补偿策略的能效水平评价方法
CN109066649A (zh) * 2018-06-29 2018-12-21 国网山西省电力公司阳泉供电公司 一种电网互联区域发展程度评估方法和装置
CN109149776A (zh) * 2018-09-26 2019-01-04 国网安徽省电力有限公司铜陵市义安区供电公司 应用于智能电网的输电线路可靠监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750976A (zh) * 2015-03-10 2015-07-01 上海交通大学 一种输电线路状态评价参数体系的构建方法
CN105354675A (zh) * 2015-11-17 2016-02-24 南方电网科学研究院有限责任公司 基于关键输电断面识别的交直流电网连锁故障分析方法
CN107967544A (zh) * 2016-10-19 2018-04-27 浙江省电力公司电力科学研究院 一种典型配电网串联无功补偿策略的能效水平评价方法
CN106485333A (zh) * 2016-10-20 2017-03-08 云南电网有限责任公司电力科学研究院 一种输电线路运行状态评估方法
CN109066649A (zh) * 2018-06-29 2018-12-21 国网山西省电力公司阳泉供电公司 一种电网互联区域发展程度评估方法和装置
CN109149776A (zh) * 2018-09-26 2019-01-04 国网安徽省电力有限公司铜陵市义安区供电公司 应用于智能电网的输电线路可靠监测系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454120A (zh) * 2023-12-20 2024-01-26 山西思极科技有限公司 电力通信系统数据的采集分析方法
CN117454120B (zh) * 2023-12-20 2024-03-15 山西思极科技有限公司 电力通信系统数据的采集分析方法

Similar Documents

Publication Publication Date Title
Tejada-Arango et al. Security constrained unit commitment using line outage distribution factors
Amjady et al. Application of a new sensitivity analysis framework for voltage contingency ranking
CN105493371B (zh) 换流站功率设置点分析系统和方法
Kiani et al. Wholesale energy market in a smart grid: Dynamic modeling and stability
CN105762826B (zh) 一种含vsc-hvdc交直流系统最大输电能力计算方法
Sekhar et al. Power system contingency ranking using Newton Raphson load flow method
US11245258B2 (en) Optimal sparse placement of phasor measurement units and state estimation of key buses in distribution networks
Malekpour et al. An optimal load shedding approach for distribution networks with DGs considering capacity deficiency modelling of bulked power supply
CN109728579A (zh) 一种配电网运行效率的评估方法、评估装置及评估设备
Momoh et al. Review of optimization techniques for renewable energy resources
CN111008471A (zh) 一种直流电源蓄电池组的动态优化方法及装置
CN110135489A (zh) 一种基于主成分分析法的关键输电线路识别方法及存储设备
Venkatesh et al. Machine Learning for Hybrid Line Stability Ranking Index in Polynomial Load Modeling under Contingency Conditions.
Jawad et al. Congestion mitigation in distribution network by integrated distributed generations for improving voltage profiles and minimizing the losses
CN110783913A (zh) 基于群的计及预想事故集最佳电网拓扑在线优化方法
Hussain et al. Fast and precise method of contingency ranking in modern power system
Venkatraman et al. Optimal allocation of TCSC devices for the enhancement of ATC in deregulated power system using flower pollination algorithm
CN112016838B (zh) 配电网能效指标体系的贡献率计算方法、系统及终端设备
Sundar et al. Fairly extreme: Minimizing outages equitably
Barrows et al. Using network metrics to achieve computationally efficient optimal transmission switching
Pourmirasghariyan et al. Application of Max Flow-Min Cut Theory To Find The Best Placement Of Electronic-based DC-PFCs For Enhancing Static Security In MT-HVDC Meshed Grids
Huang et al. An Ecological Robustness-Oriented Approach for Power System Network Expansion
CN106374455B (zh) 一种220kV城市电网分区最大供电能力计算方法
Yang et al. Identification of weak nodes in ac/dc hybrid power grid based on entropy theory
Boonsuwan et al. Transmission network reconfiguration algorithm considering short-circuit curtailment and voltage stability index

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190816

RJ01 Rejection of invention patent application after publication