CN110266046A - 基于复杂网络的电热微网拓扑综合诊断方法与系统 - Google Patents
基于复杂网络的电热微网拓扑综合诊断方法与系统 Download PDFInfo
- Publication number
- CN110266046A CN110266046A CN201910588652.4A CN201910588652A CN110266046A CN 110266046 A CN110266046 A CN 110266046A CN 201910588652 A CN201910588652 A CN 201910588652A CN 110266046 A CN110266046 A CN 110266046A
- Authority
- CN
- China
- Prior art keywords
- node
- electric heating
- network
- degree
- microgrid
- 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
- 238000005485 electric heating Methods 0.000 title claims abstract description 159
- 238000002405 diagnostic procedure Methods 0.000 title claims abstract description 18
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 17
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 17
- 230000008878 coupling Effects 0.000 claims abstract description 43
- 238000010168 coupling process Methods 0.000 claims abstract description 43
- 238000005859 coupling reaction Methods 0.000 claims abstract description 43
- 238000003745 diagnosis Methods 0.000 claims abstract description 38
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 239000012530 fluid Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 239000010410 layer Substances 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 239000002356 single layer Substances 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 208000030208 low-grade fever Diseases 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- JPKJQBJPBRLVTM-OSLIGDBKSA-N (2s)-2-amino-n-[(2s,3r)-3-hydroxy-1-[[(2s)-1-[[(2s)-1-[[(2s)-1-[[(2r)-1-(1h-indol-3-yl)-3-oxopropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-1-oxobutan-2-yl]-6-iminohexanamide Chemical compound C([C@H](NC(=O)[C@@H](NC(=O)[C@@H](N)CCCC=N)[C@H](O)C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@@H](CC=1C=CC=CC=1)C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C=O)C1=CC=CC=C1 JPKJQBJPBRLVTM-OSLIGDBKSA-N 0.000 description 1
- 102100031277 Calcineurin B homologous protein 1 Human genes 0.000 description 1
- 102100031272 Calcineurin B homologous protein 2 Human genes 0.000 description 1
- 241001510512 Chlamydia phage 2 Species 0.000 description 1
- 241000839426 Chlamydia virus Chp1 Species 0.000 description 1
- 101000777252 Homo sapiens Calcineurin B homologous protein 1 Proteins 0.000 description 1
- 101000777239 Homo sapiens Calcineurin B homologous protein 2 Proteins 0.000 description 1
- 101000943802 Homo sapiens Cysteine and histidine-rich domain-containing protein 1 Proteins 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000013432 robust analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012800 visualization 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H02J3/383—
-
- H02J3/386—
-
- 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]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于复杂网络的电热微网拓扑综合诊断方法与系统，通过对电热耦合网络进行解耦建模后，依次进行静态诊断和动态诊断，最后根据诊断结果对电热耦合网络进行能量分配与节点拓展优化。本发明以多节点耦合模型为基础，充分考虑网络结构的特点，对耦合网络进行解耦建模，网络拓扑静态诊断方法与动态诊断方法，可应用于多节点耦合的复杂网络诊断，为实际应用过程中电热微网拓扑优化与拓展提供指标参考。
Description
技术领域
本发明涉及的是一种智能电网控制领域的技术，具体是一种基于复杂网络的电热微网拓扑综合诊断方法与系统。
背景技术
电热微网作为典型异质网络，包含电能和热能两种能量流，分别通过电力线路和热流管道进行供配。与单一电网或热网不同，电热微网的两种网络同时运行并存在耦合关系，从而实现能量互补利用，提升能源效率。但电热微网作为典型异质网络，包含电能和热能两种能量流，两种网络同时运行并存在耦合关系，现有方法仅针对单一电力网络，难以对电热微网拓扑进行综合诊断。现有电热微网的诊断大多指的是可靠性、故障等，缺少针对供能网络拓扑的有效诊断，而拓扑结构又是电热微网规划、设计与运行的关键。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于复杂网络的电热微网拓扑综合诊断方法与系统，以多节点耦合模型为基础，充分考虑网络结构的特点，对耦合网络进行解耦建模，网络拓扑静态诊断方法与动态诊断方法，可应用于多节点耦合的复杂网络诊断，为实际应用过程中电热微网拓扑优化与拓展提供指标参考。
本发明是通过以下技术方案实现的：
本发明涉及一种基于复杂网络的电热微网拓扑综合诊断方法，通过对电热耦合网络进行解耦建模后，依次进行静态诊断和动态诊断，最后根据诊断结果对电热耦合网络进行能量分配与节点拓展优化。
所述的解耦建模是指：基于复数形式表示，根据电热耦合网络建立电热微网复杂网络模型，即微电网和与之耦合的多节点耦合模型，该模型包括：冷热电三联供机组、风、光分布式电源、电力线路、热流管道、电热负荷、电热储能装置以及电热耦合元件作为节点，其中：电网侧的节点连接用实数表示，对热网侧的节点连接用虚数表示，实现对电热微网模型的复数表示。
所述的静态诊断包括：电热微网节点重要性诊断和电热微网节点间能量传输效率诊断，其中：电热微网节点重要性诊断包括：电热微网节点度、电热微网节点介数和全局节点介数；电热微网节点间能量传输效率诊断包括网络效率系数、效率损失系数、电网拓扑效率系数、热网拓扑效率系数；电热微网节点度包括：多层双向图中节点度、多层单向图中节点进度和出度。
所述的动态诊断包括：介数权重的节点度、效率权重的节点度。
本发明涉及一种实现上述方法的系统，包括：电热微网拓扑解耦建模模块、动态诊断模块、静态诊断模块以及拓扑优化模块，其中：电热微网模型模块与电热微网监测中心相连并传输电热微网拓扑和运行状态信息，静态诊断模块计算节点度，节点介数和网络效率系数等静态指标信息，动态诊断模块计算介数权重的节点度、效率权重的节点度等动态可靠性和经济性指标信息，拓扑优化模块对多能资源并网点以及拓扑拓展节点进行优化配置。
技术效果
与现有技术相比，本发明适用于多节点耦合电热微网的拓扑综合诊断，基于复杂网络理论和不同复杂网络模型，解耦建模电热微网，有效表达模型中电、热两种类型节点，实现更加清晰、可靠的诊断。本发明通过复数节点度、节点介数、效率系数、介数权重的节点度和效率系数权重的节点度等指标搜寻关键节点，实现对电热微网的综合诊断。本发明对微网内节点的灵敏度、可靠性和经济性进行量化，在单向静态网络中可以快速搜寻到电网侧和热网侧关键节点，部分指标对于动态网络的干扰也具有一定的鲁棒性，从而实现对多节点耦合电热微网的有效综合诊断。
附图说明
图1为本发明功能模块示意图；
图2为电热微网典型结构图；
图3为多节点耦合电热微网结构图；
图4为解耦前电热微网单层双向图；
图中：CHP机组1、用户电热负荷2、高压侧开闭所3、风力机组4、光伏电源5、低压侧开闭所6、电储能装置7、热储能装置8；
图5为解耦后电热微网单层双向图；
图6为电热微网多层双向图；
图7为解耦前某电热微网的单向图；
图8为解耦后某电热微网的单向图；
图9为电热微网多层单向图；
图10为双端能源单向网络图；
图11为本发明诊断系统结构图；
图12为实施例电热微网算例网络结构图；
图中：H1～H17为解耦后微热网节点，E1～E11为解耦后微电网节点，CHP1、2为电热微网内热电联供节点，grid为外电网节点；
图13为电热微网算例双向图；
图14为电热微网算例单向图；
图15为节点度分布散点图；
图16为节点介数和效率损失系数柱形图；
图17为介数权重和效率权重节点度柱形图。
具体实施方式
如图1所示，本实施例涉及一种电热微网拓扑综合诊断方法，包括电热微网拓扑解耦建模、电热微网拓扑静态诊断和电热微网动态诊断，最后由系统给出电热微网拓扑综合诊断结果与拓扑优化辅助决策，其中电热解耦利用双层建模方法形成电网与热网的邻接矩阵，将电网节点与热网节点解耦，形成若干个节点以及对应的标签作为节点各诊断指标迭代计算的总数；静态诊断针对节点度、节点介数、效率损失系数，将相关指标与整定值进行对比，得出电热微网灵敏性、可靠性与效率的缺陷；动态诊断针对介数权重的节点度和效率系数权重的节点度，将相关指标与整定值进行对比，得出电热微网稳定性与经济性的缺陷；网络优化控制以静态诊断与动态诊断结果为基础，分别采用原节点拆分、新增节点、原节点间增加连接线和/或新增节点连接线进行改善，并完成后重新循环诊断计算电热微网拓扑。
所述的解耦，满足以下设定条件：
1)电热微网为无标度网络，在计算电热微网内节点间最短距离时，将两点间最短路径所包含的边数记为其最短距离，不再计及边权重。供能节点与负荷节点最短距离越长，即能量传输所需中继节点的数量越多，能源传输效率越低；
2)同一用户的电负荷和热负荷拥有同样的物理位置坐标，在解耦前同一用户的两类负荷视为网络中的单一节点，即用户侧电热耦合节点；
3)在非故障情况下，电热微网强连通，且网络中不存在孤立节点。
如图2与图3所示的电热微网拓扑图中，节点表示电网侧的母线节点和热网侧的功率节点，边则表示各节点间的连接关系。为区分边的属性，将电热微网拓扑图中的边包括：：从电网侧节点到另一电网节点的有向边，表示节点间的电力潮流；从电网侧节点到热网节点，表示热网从电网吸收的电功率，用以直接制热；从热网节点到另一热网节点，表示节点间的热功率传输；从热网节点到电网节点，表示电网从热网吸收的热能，用以设备冷却。以下将四类边分别记为φ1,φ2,φ3,φ4。对于CCHP机组节点和用户负载节点，由于其存在电热耦合环节，可根据其传输能量的属性不同或解耦后对其连接线进行分类。
所述的建模，在进行电热解耦后，电热微网呈现出明显的分层网络结构，因此只考虑采用多层网络模型建模，并根据能量流方向信息不足或充裕等不同情况，建立多层双向图模型和多层单向图模型。
典型多电压等级电热微网8节点实例其拓扑结构可用单层双向图表示，每条边两端连接不同的节点，如图4所示。该双向图中含有三类节点：纯电网节点、纯热网节点和电热耦合节点。多类型节点增加了网络结构分析的难度，将电热耦合节点进行解耦，将一个耦合节点其包括：相互连接的电网节点和热网节点，尽管这也会增加网络中节点和边的数量，使网络自身结构复杂化，如图5所示，其中E1,H1,E2,H2表示电热联供机组节点和用户负荷节点解耦后电网部分和热网部分的节点。
在进行电热微网的梯级故障分析时，单层图可能存在一定的局限性，比如热网某一负荷节点的故障通常并不会导致热网的崩溃，但是CHP解耦后的电网侧节点故障会引起其热网节点的故障并产生梯级故障。引入多层依存网络结构，建立电热微网的多层双向图，如图6所示。各层网络间的耦合关系为进一步分析电热微网的结构提供了可能性。
所述的多层双向图的邻接矩阵的参数值根据上述设定条件3)，多节点耦合的电热微网内必含有纯电耦合或纯热耦合，由此推知该耦合两端节点的能量属性，在无孤立节点的情况下所有节点属性均可由此递推求得，该多节点耦合的电热微网结构信息并没有损失，且数据结构得以简化：将E1,H1,E2,H2节点分别记为节点1、2、9、10，则多层双向图邻接矩阵
在电热微网中，受制于实际场景下设备的功能设计，能量的传输往往是单向的，如图7，单向图在某些场景下能更有效地阐明电热微网的结构。与双向图类似，图8中的节点通过解耦后也包括：电网和热网两部分。为避免解耦过程中网络结构信息的损失，考虑到电能在能源品质上高于热管内的热能，定义解耦后的连接边由电网部分节点指向热网部分节点，将热网节点视为电网节点的负荷，更符合电热微网的应用场景。为满足网络分层要求，最终生成多层单向图以表示多节点耦合电热微网，如图9所示。
所述的多层单向图的邻接矩阵包括出入度分类矩阵和网层分类矩阵，其中：以入度和出度表示的邻接矩阵，其邻接矩阵数量恒等于2，具体为： 其中：以终点节点属性表示连接边属性，以起点节点属性表示连接边属性。显然，通过结合Ain和Aout，原有电热微网的结构信息不会存在损失，而单一矩阵将造成信息的不可逆损失。
所述的多层单向图的网层分类矩阵的数量等于网络层数，解耦后的电热微网多层图共有两层，因此基于入度表示，最后生成电网和热网两个邻接矩阵： 其中：为电网层内节点h与全局微网内节点j的连接边信息，为热网层内节点h与节点j的连接边信息。为避免电热微网结构信息损失，关联矩阵AE和AH需同时被保留。
所述的电热微网拓扑静态诊断，包括电热微网节点重要性诊断和电热微网节点间能量传输效率诊断。
所述的电热微网节点重要性诊断，具体包括：
1)电热微网节点度：在复杂网络中，节点的重要性可通过与其相连的边数量进行量化，即节点度(node degree，ND)，其在网络鲁棒性分析中具有重要应用，在寻找关键节点和梯级故障分析中可作为衡量指标。多层双向图中节点度其中：kEh为节点h与其余电网节点的相连边数，kHh为节点h与其余热网节点的相连边数，电热耦合节点可被重复计算；多层单向图中节点度包括：进度和出度分别建立基于出度和入度的节点度列表，能有效区分负荷节点和供能节点，实现电热微网的网络结构信息的提取。根据连续故障传播理论，在某节点发生故障时，下一个单位时间内只有与其直接相连的节点会受到该故障造成的冲击，故障节点的度越大，故障传播范围越大，其本身受其余故障节点冲击的概率也越大。因此复数表示的节点度可以用于量化电热微网对节点故障的灵敏度。
2)电热微网节点介数：基于节点在图中所有最短路径组合中的概率其中：x为节点编号，σhj为网络中节点h，j间最短路径的数量和，σhj(x)为节点h，j间最短路径组合中经过节点x的路径条数。
拓扑图中节点的最短路径长度通常用来表示电热微网节点间的物理距离，在无标度的网络中记为节点间最短路径所包含的边数。Dijkstra算法在最短路径搜索中可以有效节省计算资源，中最短路径的求解将基于此方法。为区分电网侧和热网侧各自对某一节点的影响，分别计算不同能量网的节点介数，最后求得全局节点介数，具体为： 其中：σE,hj为电网节点h与网络中其余节点间最短路径的数量和，σH,hj为热网节点h与网络中其余节点间最短路径的数量和。同理也可以定义边介数，从而拓展衡量网络结构的指标。介数较高的节点在网络中通常为核心中继节点，其故障传播范围较小，但容易造成电热微网节点间最短路径距离的增加甚至不可达，使网络间节点的连接强度被削弱，造成网络可靠性的下降。因此节点介数可用以量化节点对多节点耦合电热微网可靠性的影响。
所述的电热微网节点间能量传输效率诊断，具体包括：
a)网络效率系数其中：m为网络中的节点数量，dhj为节点h，j间最短路径长度。
b)根据原有网络效率系数和移除该节点或边后网络效率系数的差值进行分析，定义为效率损失系数其中：e(G)表示原有网络效率系数，e(G-1)为移除该节点或边后网络效率系数。通过比较差值占原有效率系数的百分比，降低了节点数和边数动态变化的网络对效率系数的影响，尽可能避免网络结构自身变化对关键节点搜寻的干扰。
c)将电热微网解耦，并划包括：电网拓扑和热网拓扑两部分，分别计算各自的效率系数：
效率系数指标在计及边长的电热微网中对关键节点的辨识能力将进一步得到提升。针对节点故障造成效率系数的差值，可用于量化节点对多节点耦合电热微网传输效率的影响。
所述的电热微网拓扑动态诊断包括介数权重的节点度(BCWND，between-centrality-weighted node degree)和效率权重的节点度(EWND，efficiency-weightednode degree)，其中：BCWND具体为：
其中：cE,hj为电网内边(h，j)的介数，由节点介数拓展而来，同理cE,hj为热网内边(h，j)的介数。当对多节点耦合电热微网的获取信息不足时，可以直接计算双向图中的介数权重的节点度，此时不再区分出入度。介数权重的节点度降低了节点自身作为关键节点的倾向性，但通过周围节点可用于分析后备拓展节点对电热微网稳定性的影响。
EWND具体为： 其中：ΔeE,hj，ΔeH,hj分别表示电网和热网在缺少(h，j)情况下效率系数的下降值，为电网中节点h的出度，以此类推。同理，双向图的效率权重的节点度可以在信息不足时替代上述指标。效率权重的节点度削弱了节点自身对效率系数的影响，但通过遍历周围相邻节点，可量化其作为后备节点对电热微网经济性的影响。
如图11所示，为本实施例涉及一种实现上述方法的基于复杂网络的电热微网拓扑综合诊断系统，该系统可依托计算机介质载体，如软碟、U盘等，或者以软件程序形式安装，嵌入到电热微网规划设计与运行管理系统中。系统可以实时获取微网节点的状态信息，从而实现微网拓扑感知、诊断与运行优化。该系统设计满足“即插即用”的设计原则，接受电热微网拓扑提取与输入。基于电热微网拓扑的综合诊断，系统将依据静态诊断指标对节点进行优先级排序，为电热微网各节点能源配置提供，并在网络运行状态变化的情况下实时更新节点指标排序。当网络内发生单节点故障时，该系统可迅速根据动态诊断指标选择后备节点，并由电热微网规划设计与运行控制系统优化拓展后备节点，确保电热微网运行可靠性和经济性。
如图12所示，为本实施例的某多节点耦合电热微网案例，数字编号相同的E组节点和H组节点为电热微网内同一节点，分别代表解耦后的电网测和热网侧节点，即该电热微网内节点1-13和CHP节点均为电热耦合节点，节点14-17为热网节点，CHP1和CHP2节点记为节点18和节点19。
为避免可视化后的网络结构图过于复杂，只展示部分解耦前的网络结构。图13为电热微网算例的双向图，图14所示为电热微网算例的单向图。随着电热微网节点负荷的变化，部分线路中能量流动方向将发生改变，因此根据不同工况形成不同的复杂单向网络并分别计算评估指标，观察不同运行模式下各节点的评估指标变化。为节省篇幅，假设当负荷波动时，交换单向图网络结构中节点3与节点4间连接边的方向，分析电热微网中各节点指标排序是否变化。
在该案例中，采用复数表示的节点度，即通过基于复数表示的节点度分析，以各维度上最大值节点记为关键节点，求解该多节点耦合电热微网基于敏感性评估的关键节点，结果如表1所示。
表1电热微网敏感性关键节点编号表
| 指标 | 双向图节点度 | 单向图出度 | 单向图入度 |
| 节点度实部 | 5 | 5 | 4，5 |
| 节点度虚部 | 3 | 1，2，5 | 3 |
为解决基于节点出入度但得到关键节点不同的问题，如图15所示，通过分析节点度的散点分布图，散点越大说明落在该点的节点数目越多。在此案例中，单向图的入度分布较为集中，而出度较为分散，此时出度指标较适用于对电热微网整体运行状态的诊断，而入度更适合对电热微网内节点进行诊断。比较分别基于双向图度和单向图入度得到的敏感性诊断，在关键节点上所得结论基本相似，而双向图所需信息少于单向图模型。在信息不足的情况下，双向图节点度可以替代单向图出入度对电热微网节点进行敏感性诊断。
如图16(a)，计算该电热微网双向图中各节点的节点介数，并在电热解耦处理后，计算多层单向网络中不同层内节点介数，判别各节点在不同网络中的关键性。在双向网络中，节点5和节点3是电网层和热网层最重要的中继节点，而单向图模型中，节点5和节点1成为关键节点。根据式(13)全局节点介数的定义求解单向图和双向图模型中关键节点，均得到节点5和节点3为基于可靠性评估的关节节点，因此在相关信息不足的情况下，双向图可以替代单向图对电热微网节点进行可靠性评估。分别模拟上述节点发生故障，电热微网中除故障节点外出现孤立节点。电热微网被分割成多连通图，部分节点间不再存在连通路径，网络连接强度受损，电热微网整体可靠性出现下降。为进一步验证上述检测方法，以算例解耦后节点数较多的热网侧为例，热网可靠性可用实际运行过程中热网节点耗能与设计理想值差值的绝对值之和表示，即微热网储能装置出力越少，网络可靠性越高。通过MATLAB软件搭建仿真模型，仿真时间长度为24h，求解不同节点故障情况下热网侧储能节点累计储存或释放的能量总值。如表2所示，将上述结果与热网侧对应节点介数进行序列相关性分析，其序列相关性系数为0.6894，呈显著正相关。节点介数作为检测节点对电热微网可靠性影响的指标，其有效性得到验证。
表2单点故障下热网侧物理仿真模型结果表
在负荷变化导致网络拓扑改变后，重新计算各节点介数，如图16(b)所示。变化后双向图节点介数不变，但单向图电热单网节点介数发生变化，以节点3，5，17变化较为明显，同时网络中节点1-5介数较高的情况并未改变。为进一步验证节点介数的鲁棒性，引入序列相关系数对两组节点介数序列进行分析，序列相关系数其中：Rxy为序列x，y的相关系数，xi为序列x中第i个元素，序列x中所有元素平均值。相关系数结果见表2所示，单向图中节点介数电热网侧各自两组序列为高度正相关，表明负荷变化对各节点介数的排序影响极小。当该单向网络结构发生边指向性变化时，关键节点的判定实际并未受到过多影响，节点介数作为评定节点对电热微网可靠性影响的指标的鲁棒性较高。
与基于节点介数的算例分析结果类似，如图16(c)，双向图中节点5和节点3分别为电网层和热网层的经济性关键节点。单向图中电网层关键节点为节点5，热网层关键节点为节点15。节点15作为节点1和节点18的热网中继节点，其在全网中属于边界节点，但通过效率系数差值的比较，节点15在热网中的重要性被肯定，弥补了节点介数这一指标偏向全网中继节点的问题。通过MATLAB搭建仿真模型，求解不同点故障情况下24h热网总损耗，如表3所示，与热网侧对应节点的效率损失系数进行序列相关性分析，其序列相关性系数为0.4081，呈中度正相关。节点介数作为检测节点对电热微网可靠性影响的指标，其有效性得到验证。
当电热微网拓扑变化时，如图16(d)，双向图模型指标不会发生变化。比较负荷变化前后单向图模型内对应指标，各指标值最大的5个节点保持不变。进行序列相关性分析，如表3所示，单向图中效率损失系数电热网侧各自两组序列为高度正相关，表明负荷变化对效率损失系数的排序影响极小，因此该指标在评估电热微网节点对全网经济性影响时具有较高的鲁棒性。
表3单向图节点指标序列相关系数列表
多节点耦合电热微网单向图算例的介数权重节点度结果如图17(a)所示。由于节点介数作为评估指标的鲁棒性在之前算例分析中已得到验证，介数权重的节点度这一评估指标的鲁棒性验证过程不再赘述。与节点介数比较，节点3-5仍然是确保电热微网可靠性的关键节点，而节点12-17的对应指标值显著提升。通过探寻周边节点及其连接边，可以有效评估节点作为后备节点时对电热微网可靠性的影响。
观察上述指标值较大的节点，发现其均与节点介数较高的点直接相连，若将上述节点作为高介数节点的后备节点，根据本发明对节点介数的分析，该电热网络的稳定性显著上升，该指标有效性得到验证。与直接搜寻高介数节点周围集群的交集节点不同，介数权重的节点度可以有效量化作为后备时节点对电热微网稳定性的影响，具有明显的辨别优势。
如图17(b)所示，基于双向图模型的介数权重节点度在不同细分指标下，尽管权值发生明显变化，但对复数节点度取模后权值最大的5个节点并未发生变化。将单向图中节点入度与出度相加视为节点度，并与双向图介数权重节点度在实轴和虚轴上分别进行序列相关性分析，如表3所示，得到对应序列高度正相关的结论，因此该指标在信息不足时可使用双向图模型，所得比较结果仍具有较高的参考价值。
单向图中效率权重的节点度计算结果如图17(c)所示，其作为评估指标的鲁棒性验证过程不再赘述。与效率下降系数指标进行比较，节点1-5的重要程度被降低，但节点10、12、15、17重要程度上升，原因是上述节点出度指向的节点，其节点度及对应连接边的效率损失系数较大，引起上级节点该指标值的上升。由上述算例结果，效率权重的节点度在搜索关键节点上并不理想，无法直接应用于对电热微网的评估，但其更适合搜寻关键节点的后备节点，通常作为帮助网络中原关键节点故障后快速恢复的重要节点，从后备层面量化节点对电热微网经济性影响，间接实现了对电热微网的评估。
分析上述指标值较大的节点，发现其均与效率损失系数较高的点直接相连，若将上述节点作为高效率损失系树节点的后备节点，该电热网络的稳定性显著上升，该指标有效性得到验证。同理该量化指标具有明显的辨别优势。
如图17(d)所示，同理比较双向图模型效率权重的节点度。对复数节点度取模后权值最大的5个节点维持不变。如表4所示，序列相关性较低，但对该复数型节点度取模后，两组效率权重节点度序列呈显著相关，即在信息不足的情况下，基于双向图模型求得效率权重节点度，对其取模后的所得比较结果仍具有参考意义。
表4节点度序列相关系数列表
| 指标 | 负荷变化前后序列相关系数 | 相关程度 |
| 介数权重节点度实部 | 0.9448 | 高度正相关 |
| 介数权重节点度虚部 | 0.9557 | 高度正相关 |
| 效率权重节点度实部 | 0.5100 | 显著正相关 |
| 效率权重节点度虚部 | 0.3700 | 微正相关 |
| 效率权重节点度模 | 0.6538 | 显著正相关 |
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (10)
1.一种基于复杂网络的电热微网拓扑综合诊断方法，其特征在于，通过对电热耦合网络进行解耦建模后，依次进行静态诊断和动态诊断，最后根据诊断结果对电热耦合网络进行能量分配与节点拓展优化；
所述的解耦建模是指：基于复数形式表示，根据电热耦合网络建立电热微网复杂网络模型，即微电网和与之耦合的多节点耦合模型，该模型包括：冷热电三联供机组、风、光分布式电源、电力线路、热流管道、电热负荷、电热储能装置以及电热耦合元件作为节点，对电网侧的节点连接用实数表示，对热网侧的节点连接用虚数表示，实现对电热微网模型的复数表示。
2.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的静态诊断包括：电热微网节点重要性诊断和电热微网节点间能量传输效率诊断，其中：电热微网节点重要性诊断包括：电热微网节点度、电热微网节点介数和全局节点介数；电热微网节点间能量传输效率诊断包括网络效率系数、效率损失系数、电网拓扑效率系数、热网拓扑效率系数，其中：电热微网节点度包括：多层双向图中节点度、多层单向图中节点进度和出度。
3.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的动态诊断包括：介数权重的节点度、效率权重的节点度。
4.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的解耦，满足以下设定条件：
1)电热微网为无标度网络，在计算电热微网内节点间最短距离时，将两点间最短路径所包含的边数记为其最短距离，不再计及边权重；
2)同一用户的电负荷和热负荷拥有同样的物理位置坐标，在解耦前同一用户的两类负荷视为网络中的单一节点，即用户侧电热耦合节点；
3)在非故障情况下，电热微网强连通，且网络中不存在孤立节点。
5.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的建模，采用多层网络模型建模，并根据能量流方向信息不足或充裕情况，建立多层双向图模型和多层单向图模型；
所述的多层双向图的邻接矩阵的参数值多层双向图邻接矩阵
所述的多层单向图的邻接矩阵包括出入度分类矩阵和网层分类矩阵，其中：以入度和出度表示的邻接矩阵，其邻接矩阵数量恒等于2，具体为： 其中：以终点节点属性表示连接边属性，以起点节点属性表示连接边属性，网层分类矩阵的数量等于网络层数，解耦后的电热微网多层图共有两层，基于入度表示生成电网和热网邻接矩阵分别为：其中：为电网层内节点h与全局微网内节点j的连接边信息，为热网层内节点h与节点j的连接边信息。
6.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的电热微网节点度包括：多层双向图中节点度其中：kEh为节点h与其余电网节点的相连边数，kHh为节点h与其余热网节点的相连边数，电热耦合节点可被重复计算；多层单向图中节点度包括：进度和出度分别建立基于出度和入度的节点度列表以有效区分负荷节点和供能节点，实现电热微网的网络结构信息的提取；
所述的电热微网节点介数是指：基于节点在图中所有最短路径组合中的概率其中：x为节点编号，σhj为网络中节点h，j间最短路径的数量和，σhj(x)为节点h，j间最短路径组合中经过节点x的路径条数；
所述的全局节点介数 其中：σE,hj为电网节点h与网络中其余节点间最短路径的数量和，σH,hj为热网节点h与网络中其余节点间最短路径的数量和。
7.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的电热微网节点间能量传输效率诊断，具体包括：
a)网络效率系数其中：m为网络中的节点数量，dhj为节点h，j间最短路径长度；
b)根据原有网络效率系数和移除该节点或边后网络效率系数的差值进行分析，定义为效率损失系数其中：e(G)表示原有网络效率系数，e(G-1)为移除该节点或边后网络效率系数；
c)将电热微网解耦，并划包括：电网拓扑和热网拓扑两部分，分别计算各自的效率系数：
8.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的电热微网拓扑动态诊断包括介数权重的节点度和效率权重的节点度，其中：
BCWND具体为：
其中：cE,hj为电网内边(h，j)的介数，cE,hj为热网内边(h，j)的介数；
EWND具体为： 其中：ΔeE,hj，ΔeH,hj分别表示电网和热网在缺少(h,j)情况下效率系数的下降值，为电网中节点h的出度。
9.根据权利要求1所述的基于复杂网络的电热微网拓扑综合诊断方法，其特征是，所述的网络优化控制以静态诊断与动态诊断结果为基础，分别采用原节点拆分、新增节点、原节点间增加连接线和/或新增节点连接线进行改善，并完成后重新循环诊断计算电热微网拓扑。
10.一种实现上述任一权利要求所述方法的系统，其特征在于，包括：电热微网拓扑解耦建模模块、动态诊断模块、静态诊断模块以及拓扑优化模块，其中：电热微网模型模块与电热微网监测中心相连并传输电热微网拓扑和运行状态信息，静态诊断模块计算节点度，节点介数和网络效率系数等静态指标信息，动态诊断模块计算介数权重的节点度、效率权重的节点度等动态可靠性和经济性指标信息，拓扑优化模块对多能资源并网点以及拓扑拓展节点进行优化配置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910588652.4A CN110266046B (zh) | 2019-07-02 | 2019-07-02 | 基于复杂网络的电热微网拓扑综合诊断方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910588652.4A CN110266046B (zh) | 2019-07-02 | 2019-07-02 | 基于复杂网络的电热微网拓扑综合诊断方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110266046A true CN110266046A (zh) | 2019-09-20 |
| CN110266046B CN110266046B (zh) | 2022-12-30 |
Family
ID=67923798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910588652.4A Active CN110266046B (zh) | 2019-07-02 | 2019-07-02 | 基于复杂网络的电热微网拓扑综合诊断方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110266046B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111382912A (zh) * | 2020-03-23 | 2020-07-07 | 华北电力大学 | 一种交通网层能量最优分配策略确定方法及系统 |
| CN112434442A (zh) * | 2020-12-08 | 2021-03-02 | 湘潭大学 | 基于异质依存网络的电-气区域综合能源系统弹性评估方法 |
| CN117319249A (zh) * | 2023-10-10 | 2023-12-29 | 黑龙江大学 | 一种基于通讯网络信息处理的数据优化管理系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120150679A1 (en) * | 2012-02-16 | 2012-06-14 | Lazaris Spyros J | Energy management system for power transmission to an intelligent electricity grid from a multi-resource renewable energy installation |
| EP2533397A2 (en) * | 2011-06-08 | 2012-12-12 | Alstom Grid | Coordinating energy management systems and intelligent electrical distribution grid control systems |
| CN105306372A (zh) * | 2015-11-06 | 2016-02-03 | 北京空间飞行器总体设计部 | 一种综合拓扑优化方法 |
| CN105373842A (zh) * | 2014-08-29 | 2016-03-02 | 国家电网公司 | 一种基于全能流模型的微电网能量优化与评估方法 |
| CN107222348A (zh) * | 2017-06-22 | 2017-09-29 | 湘潭大学 | 一种降低电力信息物理系统连锁故障风险的方法 |
| CN109347124A (zh) * | 2018-11-29 | 2019-02-15 | 国网江苏省电力有限公司南京供电分公司 | 利用蓄热热泵群的电热微网联络线功率平抑方法与装置 |
| CN109726483A (zh) * | 2018-12-29 | 2019-05-07 | 国网江苏省电力有限公司南京供电分公司 | 一种电热互联综合能源系统辐射状热网模型及其系统 |
-
2019
- 2019-07-02 CN CN201910588652.4A patent/CN110266046B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2533397A2 (en) * | 2011-06-08 | 2012-12-12 | Alstom Grid | Coordinating energy management systems and intelligent electrical distribution grid control systems |
| US20120150679A1 (en) * | 2012-02-16 | 2012-06-14 | Lazaris Spyros J | Energy management system for power transmission to an intelligent electricity grid from a multi-resource renewable energy installation |
| CN105373842A (zh) * | 2014-08-29 | 2016-03-02 | 国家电网公司 | 一种基于全能流模型的微电网能量优化与评估方法 |
| CN105306372A (zh) * | 2015-11-06 | 2016-02-03 | 北京空间飞行器总体设计部 | 一种综合拓扑优化方法 |
| CN107222348A (zh) * | 2017-06-22 | 2017-09-29 | 湘潭大学 | 一种降低电力信息物理系统连锁故障风险的方法 |
| CN109347124A (zh) * | 2018-11-29 | 2019-02-15 | 国网江苏省电力有限公司南京供电分公司 | 利用蓄热热泵群的电热微网联络线功率平抑方法与装置 |
| CN109726483A (zh) * | 2018-12-29 | 2019-05-07 | 国网江苏省电力有限公司南京供电分公司 | 一种电热互联综合能源系统辐射状热网模型及其系统 |
Non-Patent Citations (4)
| Title |
|---|
| FEILONG FAN 等: "Hierarchical Evaluation and Fault Diagnose Strategy for the Active Distribution Network Using the Incomplete Monitoring Information", 《2018 INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND INFORMATION SCIENCES》 * |
| 施金晓等: "电–热联合微网中分布式可再生能源功率波动平抑策略", 《中国电机工程学报》 * |
| 李珂等: "基于改进粒子群算法的配电网综合运行优化", 《上海交通大学学报》 * |
| 龚思丞等: "基于复杂网络的电热微网拓扑综合评估方法", 《电力系统自动化》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111382912A (zh) * | 2020-03-23 | 2020-07-07 | 华北电力大学 | 一种交通网层能量最优分配策略确定方法及系统 |
| CN111382912B (zh) * | 2020-03-23 | 2022-04-22 | 华北电力大学 | 一种交通网层能量最优分配策略确定方法及系统 |
| CN112434442A (zh) * | 2020-12-08 | 2021-03-02 | 湘潭大学 | 基于异质依存网络的电-气区域综合能源系统弹性评估方法 |
| CN112434442B (zh) * | 2020-12-08 | 2022-06-03 | 湘潭大学 | 一种电-气区域综合能源系统弹性评估方法 |
| CN117319249A (zh) * | 2023-10-10 | 2023-12-29 | 黑龙江大学 | 一种基于通讯网络信息处理的数据优化管理系统 |
| CN117319249B (zh) * | 2023-10-10 | 2024-03-15 | 黑龙江大学 | 一种基于通讯网络信息处理的数据优化管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110266046B (zh) | 2022-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110266046A (zh) | 基于复杂网络的电热微网拓扑综合诊断方法与系统 | |
| CN105515184B (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
| Candelieri et al. | Analytical leakages localization in water distribution networks through spectral clustering and support vector machines. The icewater approach | |
| CN105677563A (zh) | 一种基于SysML模块图的集成测试序列生成方法 | |
| Wu et al. | Vulnerability analysis of power Communication Network based on complex network theory | |
| Wu et al. | Spectral graph clustering for intentional islanding operations in resilient hybrid energy systems | |
| CN107729939A (zh) | 一种面向新增电网资源的cim模型扩展方法及装置 | |
| Li et al. | Researches on the reliability evaluation of integrated energy system based on Energy Hub | |
| Li et al. | Leak detection of municipal water supply network based on the cluster-analysis and fuzzy pattern recognition | |
| Zhou et al. | Structural health monitoring of offshore wind power structures based on genetic algorithm optimization and uncertain analytic hierarchy process | |
| CN110412417A (zh) | 基于智能电力监测仪表的微电网数据故障诊断方法 | |
| CN107742883A (zh) | 一种基于Spark的电力系统拓扑岛快速识别系统和方法 | |
| Fan et al. | Two-level diagnosis of heating pipe network leakage based on deep belief network | |
| CN114567562B (zh) | 一种电网与通信网耦合网络关键节点识别的方法 | |
| CN109858822A (zh) | 一种基于流关联分析的信息电力融合系统可靠性评估方法 | |
| CN110266527A (zh) | 基于空间相关性的传感器节点故障分类报警方法及装置 | |
| CN110415136A (zh) | 一种电力调度自动化系统服务能力评估系统与方法 | |
| Li et al. | An overview of digital twin concept for key components of renewable energy systems | |
| Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
| CN105956107A (zh) | 基于iec61968消息的数据质量检测方法 | |
| Irfan et al. | Digital Twin Concept, Method and Technical Framework for Smart Meters | |
| CN112906169A (zh) | 一种基于虚拟流故障定位的计算机介质及其应用 | |
| Gong et al. | A review of reliability, vulnerability and resilience analysis of smart grid based on complex network | |
| Yu et al. | Key Transmission Section Search Based on Graph Theory and PMU Data for Vulnerable Line Identification in Power System | |
| CN104599197A (zh) | 智能变电站保护系统可靠性分层等值方法 |
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 |