CN110263992B - 一种基于客户对供电服务敏感度的最优计划停电方法 - Google Patents
一种基于客户对供电服务敏感度的最优计划停电方法 Download PDFInfo
- Publication number
- CN110263992B CN110263992B CN201910504488.4A CN201910504488A CN110263992B CN 110263992 B CN110263992 B CN 110263992B CN 201910504488 A CN201910504488 A CN 201910504488A CN 110263992 B CN110263992 B CN 110263992B
- Authority
- CN
- China
- Prior art keywords
- overhaul
- power
- maintenance
- sensitivity
- equipment
- 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
- 230000035945 sensitivity Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012423 maintenance Methods 0.000 claims abstract description 70
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000013468 resource allocation Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 3
- 238000010206 sensitivity analysis Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 10
- 230000002860 competitive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于客户对供电服务敏感度的最优计划停电方法,包括以下具体步骤:1)、建立客户供电服务中断敏感度模型;2)、建立设备检修维护计划优化模型;3)、建立设备检修资源配置计划优化模型。通过上述,本发明首先基于专家评估方法进行的客户供电服务灵敏度分析,其次寻找旨在最大限度地降低客户因停电造成的损失总成本的设备检修维护计划优化方案,最后以平衡检修班组工作量为目标制定检修资源配置计划,以最大限度地降低因正常计划设备维护导致的停电造成的客户损失的总成本,在考虑了不同客户对供电服务中断的不同敏感度的前提下提供了最佳的设备检修计划,并以平衡检修班组工作量为目标制定了检修资源的最优配置。
Description
技术领域
本发明涉及配电的领域,尤其涉及一种基于客户对供电服务敏感度的最优计划停电方法。
背景技术
随着电力市场建设的大规模部署,今天的电力公司正面临着激烈的竞争环境,他们正在寻求各种可能的解决方案,以改善其对最终用户的服务质量。这种最佳服务策略将通过最大限度地减少因计划的设备月度维护工作而导致的客户经济损失,帮助电力公司提高其服务质量的竞争力。
为了确保可靠的电力供应,电力公司需要进行基于时间或基于潜在的设备健康风险的供电设备预防性维护工作,以使配电网络处于健康状态,不会因网络设备的意外故障而导致供电服务中断。但是有一些检修维护工作不可避免地会导致计划性的供电服务中断。而电力公司现有的因设备定期检修所需采取的停电策略是简单地按时,分区,轮转的进行设备检修,其主要缺陷是无法掌握不同客户对供电服务中断的不同的敏感度及相应的损失程度,在制定设备检修维护计划时没有考虑如何地降低客户因停电造成的损失总成本;同时也未能对检修资源进行合理,优化的配置。因而使得设备维护导致的停电造成相当的,不必要的客户损失和较高的设备检修成本。
因此需要研究如何制定一个最佳的计划停电策略,使得基于正常的维修计划造成的供电中断对电力用户的影响最小。这需要重点解决三个问题:1)如何量化客户对供电服务中断的敏感度;2)如何在确定不同客户的供电中断敏感度水平条件下,制定相应的设备检修计划,最大限度地降低客户因停电造成的损失总成本;3)如何根据确认的设备检修计划,优化可用的设备检修维护资源,以平衡每个维护团队的工作负荷。
发明内容
本发明主要解决的技术问题是提供一种基于客户对供电服务敏感度的最优计划停电方法,最大限度地降低因正常计划设备维护导致的停电造成的客户损失的总成本,在考虑了不同客户对供电服务中断的不同敏感度的前提下提供了最佳的设备检修计划,并以平衡检修班组工作量为目标制定了检修资源的最优配置。
为解决上述技术问题,本发明采用的一个技术方案是:提供了一种基于客户对供电服务敏感度的最优计划停电方法,包括以下具体步骤:
1)、建立客户供电服务中断敏感度模型
1.1)时变的配电变压器停电敏感度指标体系构建,敏感度指标因子;
1.2)时变的供电区域配电变压器停电敏感度指标分析计算;
2)、建立设备检修维护计划优化模型
2.1)利用敏感度模型,建立以电力用户停电损失总成本最小为目标的最优设备检修维护调度模型;
2.2)设备检修维护调度模型的约束条件包括顺序检修,客户停电敏感度,不能同时检修,停电开始时间编号,有功功率限制,电压上下限;
3)、建立设备检修资源配置计划优化模型
3.1)根据每月计划的检修维护任务,在计划的检修维护时间段内实现检修资源的最佳调度配置;
3.2)检修维护资源优化的求解是非线性整数规划问题;
3.3)应用离散粒子群算法快速找到一种优化的检修资源调度策略,基于离散粒子群算法求解检修维护资源调度优化模型。
在本发明一个较佳实施例中,所述敏感度指标因子包括配电变压器负荷运行水平、配电变压器重要性等级、电力用户用电行为、电力用户停电投诉分析与预测。
在本发明一个较佳实施例中,所述客户供电服务中断敏感度模型:Sa(t)=β1X1+β2X2+β3X3+β4X4,式中:
Sa(t):配电变压器a在某个时段t的停电敏感度;X1:配电变压器每小时负荷运行水平;X2:配电变压器重要等级;X3:用户停电投诉;X4:已知用户用电行为;β1、β2、β3、β4:通过专家评估法给出的权重。
在本发明一个较佳实施例中,所述设备检修维护计划优化模型:
Xi:第i个设备的开始检修时间;Di:第i个设备的检修时间段;d:在Di时段内的时间点数,其等于在此时段内的负荷数据采样频率;Pa(Xi+d):第a个负荷在时间点Xi+d时刻的预测有功功率;ρa(Xi+d):第a个负荷在时间点Xi+d时刻的负荷损失成本;outLoad(Xi):在时间Xi由于设备检修所致的停电负荷集合。
Xi,Xj:第i个及第j个检修班组月度检修总时间,i,j∈(1,…,N)。
在本发明一个较佳实施例中,所述离散粒子群算法中的离散粒子群是N×M矩阵,其中N是检修维护班组的数量,M是预定维护任务的数量,粒子数等于检修维护班组的数量,矩阵的第n行定义为第n个粒子。
本发明的有益效果是:本发明的基于客户对供电服务敏感度的最优计划停电方法,首先基于专家评估方法进行的客户供电服务灵敏度分析,其次寻找旨在最大限度地降低客户因停电造成的损失总成本的设备检修维护计划优化方案,最后以平衡检修班组工作量为目标制定检修资源配置计划,以最大限度地降低因正常计划设备维护导致的停电造成的客户损失的总成本,在考虑了不同客户对供电服务中断的不同敏感度的前提下提供了最佳的设备检修计划,并以平衡检修班组工作量为目标制定了检修资源的最优配置。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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它的附图,其中:
图1是本发明中客户停电敏感度计算流程图;
图2是本发明中设备检修维护计划优化流程图;
图3是本发明中检修资源配置优化流程图;
图4是本发明中系统拓扑的电路图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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它实施例,都属于本发明保护的范围。
本发明的目标是以最大限度地降低因正常计划设备维护导致的停电造成的客户损失的总成本。其主要设计思路为首先基于专家评估方法进行的客户供电服务灵敏度分析;其次寻找旨在最大限度地降低客户因停电造成的损失总成本的设备检修维护计划优化方案;最后以平衡检修班组工作量为目标制定检修资源配置计划。
本发明在考虑客户对供电服务敏感度的最优计划停电策略方法的内容上包括三个主要步骤:
1)建立客户供电服务中断敏感度模型;
2)建立设备检修维护计划优化模型;
3)建立设备检修资源配置计划优化模型;
另外,离散粒子群优化(DPSO)方法被应用于设备检修维护资源优化配置的求解。
一、建立客户供电服务中断敏感度模型:
如图1所示,为客户停电敏感度计算流程图。配电变压器a在某个时段t的停电敏感度为Sa(t),
Sa(t)=β1X1+β2X2+β3X3+β4X4 (1)
因变量:
Sa(t):配电变压器在某个时段的停电敏感度,(0-100)
自变量:
X1:配电变压器每小时负荷运行水平,基于AMI负荷信息(时间段内的负荷算术平均,采用历史同时段,15分钟,8小时一个时段),设定一个最大配变容量,将负荷信息转化为(0-100)之间的值
其中,
a1,a2:变压器的负载和容量的权重,该值由专家评估方法确定,例如
a1=0.7,a2=0.3;
Pik:第i个变压器第k小时的预测负荷功率;
Pimax,Pimin:第i台配电变压器预测的下个月负荷最大/最小值;
SSi:第i台配电变压器容量;
Se:系统中所有变压器的最大容量。
X2:配电变压器重要等级(一方面客户本身有重要等级,另一方面基于不同变压器容量,其变压器重要等级不一样。所有客户等级的平均值归一化到0-100),则配电变压器的重要等级计算公式为,
yij:连接在第i台配电变压器下的第j个客户的重要程度;
mi:连接到第i台变压器的客户数量。
X3:用户停电投诉(配电变压器用户投诉预测,所有用户的投诉聚集到一个配变下,计算该时段下的平均值。用户投诉分为5级,转化为0-100之间的值,计算平均值。)
X3=c1×Cik (4)
Cik:第i台配电变压器第k小时的等值的客户历史投诉值;
c1:权重,取值范围[0.8-1.2],基于专家评估法确定。
X4:已知用户用电行为(配变是否有强制性的不停电通知)
X4=Uik×50+(1-Uik)×12. (5)
Uik∈[0,1]:二进制值,用于指示在小时k连接到第i个变压器的客户的不间断供电服务请求。
权重:
β1,…,β4:(0-1),累计值为1,通过专家评估法给出权重,初始值为0.25。
二、建立设备检修维护计划优化模型:
如图2所示,为设备检修维护计划优化流程图。目标函数:用户计划停电损失最小化
约束条件:
1)拓扑结构顺序检修约束:
2)多台设备非同时检修约束:
Xj+Dj≤Xi|Xi-Xj>0,
或
3)客户停电敏感度约束:
输出量:
Xi:第i个设备的开始检修时间;
输入量:
N:设备检修允许开始的最大时间点数;
Lm:被检修设备数量;
i:第i个被检修设备;
Di:第i个设备的检修时间段;
d:在Di时段内的时间点数,其等于在此时段内的负荷数据采样频率;
a:第a个负荷;
Pa(Xi+d):第a个负荷在时间点Xi+d时刻的预测有功功率;
ρa(Xi+d):第a个负荷在时间点Xi+d时刻的负荷损失成本;
outLoad(Xi):在时间Xi由于设备检修所致的停电负荷集合;
Outi(d):当设备i被检修时某些用户停电敏感度高于阈值的时间段;
download(i):连接在第i个设备下游的所有负荷。
三、建立检修资源配置计划优化模型:
如图3所示,为检修资源配置优化流程图。目标函数:检修班组工作负荷不平衡最小化
约束条件:
1)同一个班组两个检修任务之间时间间隔>=4小时,同一班组检修冲突距阵ykl∈[0,1]:
2)完成检修任务需要的班组约束:
输出量:
Xi,Xj:第i个及第j个检修班组月度检修总时间,i,j∈(1,...,N);
xik:班组i在检修任务k的检修状态∈[0,1];
输入量:
Tkend:任意班组在第k个检修任务的结束时刻;
Tl start:任意班组在第l个检修任务的开始时刻;
M:检修任务个数;
N:检修班组数;
tk:第k个检修任务的花费时间;
mk:完成检修任务k所需的班组数。
四、离散粒子群优化(DPSO)方法应用:
应用离散粒子群优化(DPSO)方法的目的是根据每月计划的维护任务和检修班组资源在计划的维护时间段内实现检修资源的最优配置。检修维护资源优化的解决方案是0-1整数非线性规划问题。可以应用DPSO快速找到一种优化的资源调度策略。DPSO属于智能进化算法,应用于解决非线性编程问题有很多优点,迭代速度快,初始参数要求简单。
DPSO的粒子群是N×M矩阵,其中N是检修维护班组的数量,M是预定维护任务的数量,粒子数等于检修维护班组的数量,矩阵的第n行定义为第n个粒子。
PSO的基本程序如下:
1.由于约束构建冲突矩阵,设置每个粒子的初始位置;
2.计算每个粒子的拟合值,拟合函数定义为目标函数;
3.找到单个最佳拟合值(pBest),找到全局最佳拟合值(gBest);
4.根据标准PSO公式更新每个粒子的位置和速度;
5.返回步骤2继续或终止程序。
五、案例仿真:
1、客户供电服务中断敏感度计算
仿真场景:共33台配电变压器,360个电力用户
输入变量:X1,配变的有功负荷数据:
利用两年内对应月份的配电变压器AMI数据,每15分钟一个数据点,一天96个数据。
输入变量:X2,配变重要等级:
1)配变容量(权重=0.2)
电网中所有配变当前容量;
2)配变下的用户重要等级(权重=0.8)
电网中配变下用户的重要等级。
输入变量:X3,配变用户投诉预测:
配电网每台配变被投诉的统计,配变投诉值=用户投诉等级累计/投诉总次数。
输入变量:X4,用户提出的不停电要求:
所有时间段内,10%用户提出不停电请求,数据随机生成。
仿真结果:
(1)小时敏感度
记录4台配电变压器一个月每小时停电敏感度
权重a1=0.25/0.15/0.35,a2=0.25/0.35/0.15,a3=0.25,a4=0.25;
(2)天敏感度
记录33台配变的一个月的每天的停电敏感度
权重a1=0.25/0.15/0.35,a2=0.25/0.35/0.15,a3=0.25,a4=0.25;
(3)月敏感度
记录33台配变的月敏感度
权重a1=0.25/0.15/0.35,a2=0.25/0.35/0.15,a3=0.25,a4=0.25。
仿真结果显示所分析的所有33台配电变压器(客户)对供电服务中断的以小时,天,及月为单位的敏感度值,以及相应的四个敏感度因子的变化对去敏感度的影响。
2、设备检修维护计划优化
仿真场景:
3个检修设备预计在2天内完成检修。检修时间为每天8点到5点的9个小时工作时间进行检修。每天考虑峰谷两类电价,其中峰值电价位于11:00AM---14:00PM之间,其余时间为谷值电价。3台检修设备共计供电给10个客户。
1)系统拓扑,如图4所示。
2)检修计划输入量
需检修设备集合:{"A""B""C"};
每个设备可以开始检修的时间的标号集合[17,15,9];
每个设备检修时间跨度集合:[2,4,10];
Load:需要停电的负荷点的集合客户1-10,{PD1,PD2,PD3,PD4,PD5,PD6,PD7,PD8,PD9,PD10};
ρ:小时电价,这里取峰值电价为0.9RMB/kWh;谷值电价为0.49RMB/kWh;
l:网络里总共线路有9条;
Ki(l):线路l在设备i检修情况下所连接的所有负荷的集合;l=1∶9;
pfup:线路1-10额每一条限值;
Upstream=[{"B"},{},{"A""B"}];
ci(Xi):高维数矩阵;
Outi(d)=[[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,18],[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,16,17,18],[0,0,0,0,0,0,0,0,0,10,11,12,13,14,15,16,17,18]]。
3)检修计划优化仿真结果
仿真结果显示所得出的满足客户停电损失成本最小的每台设备的具体的检修维护计划时间。
3、计划检修资源的优化配置
仿真场景:
1)检修班组:5个,
最早上班:8:00,最晚下班18:00;
2)月设备检修任务:16个,总时间130小时;
3)最优检修时间计划:
仿真结果显示检修资源优化后所有16个检修任务的具体的检修维护计划时间,及所需的检修班组的个数;
4)PSO算法输出结果方案列表:
仿真结果显示检修资源优化后所有为完成16个检修任务的具体的检修维护班组的安排,及每个检修班组所需的总的检修工作时间。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种基于客户对供电服务敏感度的最优计划停电方法,其特征在于,包括以下具体步骤:
1)建立客户供电服务中断敏感度模型
1.1)时变的配电变压器停电敏感度指标因子的确定与停电敏感度指标计算体系的构建;所述敏感度指标因子包括配电变压器负荷运行水平、配电变压器重要性等级、电力用户用电行为、电力用户停电投诉分析与预测;
1.2)时变的供电区域配电变压器停电敏感度指标分析计算;
所述客户供电服务中断敏感度模型:Sa(t)=β1X1+β2X2+β3X3+β4X4,式中:Sa(t):配电变压器a在某个时段t的停电敏感度;X1:配电变压器每小时负荷运行水平;X2:配电变压器重要性等级;X3:用户停电投诉;X4:已知用户用电行为;β1、β2、β3、β4:通过专家评估法给出的权重;
2)建立设备检修维护计划优化模型
2.1)利用敏感度模型,建立以电力用户停电损失总成本最小为目标的最优设备检修维护调度模型;
2.2)设备检修维护调度模型的约束条件包括顺序检修,客户停电敏感度,不能同时检修,停电开始时间编号,有功功率限制,电压上下限;
所述设备检修维护计划优化模型:
Xi:第i个设备的开始检修时间;Di:第i个设备的检修时间段;d:在Di时段内的时间点数,其等于在此时段内的负荷数据采样频率;Pa(Xi+d):第a个负荷在时间点Xi+d时刻的预测有功功率;ρa(Xi+d):第a个负荷在时间点Xi+d时刻的负荷损失成本;outLoad(Xi):在时间Xi由于设备检修所致的停电负荷集合;Lm:被检修设备数量;
3)建立设备检修资源配置计划优化模型
3.1)根据每月计划的检修维护任务,在计划的检修维护时间段内实现检修资源的最佳调度配置;
3.2)检修维护资源优化的求解是非线性整数规划问题;
3.3)应用离散粒子群算法快速找到一种优化的检修资源调度策略,基于离散粒子群算法求解检修维护资源调度优化模型。
3.根据权利要求1所述的基于客户对供电服务敏感度的最优计划停电方法,其特征在于,所述离散粒子群算法中的离散粒子群是N×M矩阵,其中N是检修维护班组的数量,M是预定维护任务的数量,粒子数等于检修维护班组的数量,矩阵的第n行定义为第n个粒子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910504488.4A CN110263992B (zh) | 2019-06-12 | 2019-06-12 | 一种基于客户对供电服务敏感度的最优计划停电方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910504488.4A CN110263992B (zh) | 2019-06-12 | 2019-06-12 | 一种基于客户对供电服务敏感度的最优计划停电方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263992A CN110263992A (zh) | 2019-09-20 |
CN110263992B true CN110263992B (zh) | 2023-07-04 |
Family
ID=67917665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910504488.4A Active CN110263992B (zh) | 2019-06-12 | 2019-06-12 | 一种基于客户对供电服务敏感度的最优计划停电方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263992B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157174A (zh) * | 2016-07-21 | 2016-11-23 | 中国南方电网有限责任公司电网技术研究中心 | 以减少停电时间与电量为目标的停电计划优化决策方法 |
CN106503814A (zh) * | 2016-11-07 | 2017-03-15 | 重庆大学 | 一种计及可靠性的配电变压器组年度检修计划生成方法 |
CN109117570A (zh) * | 2018-08-24 | 2019-01-01 | 国网安徽省电力有限公司岳西县供电公司 | 一种基于分布式光伏的配电网检修优化方法 |
-
2019
- 2019-06-12 CN CN201910504488.4A patent/CN110263992B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157174A (zh) * | 2016-07-21 | 2016-11-23 | 中国南方电网有限责任公司电网技术研究中心 | 以减少停电时间与电量为目标的停电计划优化决策方法 |
CN106503814A (zh) * | 2016-11-07 | 2017-03-15 | 重庆大学 | 一种计及可靠性的配电变压器组年度检修计划生成方法 |
CN109117570A (zh) * | 2018-08-24 | 2019-01-01 | 国网安徽省电力有限公司岳西县供电公司 | 一种基于分布式光伏的配电网检修优化方法 |
Non-Patent Citations (2)
Title |
---|
基于配电网检修计划优化模型研究;董力;《黑龙江科技信息》;20090205(第04期);全文 * |
复杂配电网的短期检修计划优化;许旭锋等;《浙江大学学报(工学版)》;20100315(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110263992A (zh) | 2019-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7482167B2 (ja) | 動的エネルギーストレージシステム制御のためのシステムおよび方法 | |
Goiri et al. | Greenslot: scheduling energy consumption in green datacenters | |
JP5276294B2 (ja) | 負荷低減計画策定システム及びデマンド制御システム | |
US9209625B2 (en) | Method and system to co-optimize utilization of demand response and energy storage resources | |
US20180144414A1 (en) | Method and apparatus for facilitating the operation of an on-site energy storage system to co-optimize battery dispatch | |
CN107491867B (zh) | 一种用于多周期发输变检修计划的安全校核及评估方法 | |
CN102855525B (zh) | 一种居民用户负荷预测分析系统和方法 | |
EP2378483A1 (en) | System and method for scheduling demand response events in a network | |
US11727307B2 (en) | Multi-agent shared machine learning approach for real-time battery operation mode prediction and control | |
CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能系统 | |
Hartmann et al. | Evaluation of business possibilities of energy storage at commercial and industrial consumers–A case study | |
Jing et al. | Quantifying the contribution of individual technologies in integrated urban energy systems–A system value approach | |
CN105787603A (zh) | 一种考虑需求侧资源的电网负荷预测方法和装置 | |
Lee et al. | Development of energy storage system scheduling algorithm for simultaneous self-consumption and demand response program participation in South Korea | |
CN112803454A (zh) | 电力资源管理方法、装置、电子设备和存储介质 | |
Dieu et al. | Improved merit order and augmented Lagrange Hopfield network for short term hydrothermal scheduling | |
Aduda et al. | Towards critical performance considerations for using office buildings as a power flexibility resource-a survey | |
CN102867239A (zh) | 用于区域发电公司运营智能管控系统的低碳调度模块 | |
Gayretli et al. | An analysis of price spikes and deviations in the deregulated Turkish power market | |
Azizi et al. | Cost/comfort-oriented clustering-based extended time of use pricing | |
Stephen et al. | Impact of storage dispatch assumptions on resource adequacy and capacity credit | |
CN110535143B (zh) | 面向智能住宅动态需求响应的能源管理方法和装置 | |
US20190089159A1 (en) | Scheduling the activities of daily living (adls) with minimum power usage cost on smart grid network | |
CN110263992B (zh) | 一种基于客户对供电服务敏感度的最优计划停电方法 | |
Ghatikar et al. | Characterization and effectiveness of technologies for India's electric grid reliability and energy security |
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 |