CN110909983B - 一种主动配电网电能质量多维评估方法 - Google Patents
一种主动配电网电能质量多维评估方法 Download PDFInfo
- Publication number
- CN110909983B CN110909983B CN201911021970.9A CN201911021970A CN110909983B CN 110909983 B CN110909983 B CN 110909983B CN 201911021970 A CN201911021970 A CN 201911021970A CN 110909983 B CN110909983 B CN 110909983B
- Authority
- CN
- China
- Prior art keywords
- index
- weight
- formula
- electric energy
- quality
- 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
Images
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
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种主动配电网电能质量多维评估的方法,包括基于云模型对电能质量各项指标等级的确定;计算主观层次分析法权重与客观熵权法、反熵权法权重;采用基于合作博弈理论计算每种赋权方法的权重系数,确定主动配电网整体电能质量等级;构建电能质量指标特性矩阵,基于试验外推法计算相应指标造成的能量损耗,得到目标主动配电网由于电能质量问题造成的经济性损失。本发明的优点是:1、采用多种权重计算方法对电能质量的指标权重进行计算,并考虑每一种权重计算方法的特性,使权重计算方法的优劣能够互补;2、基于合作博弈理论的权重组合方式使权重的结合更为合理;3、试验外推法对电能质量经济性的评估更为快速、方便;4、为主动配电网提供了一种更为全面、科学的电能质量多维评估方法。
Description
技术领域
本发明涉及从技术性方面和经济性方面对主动配电网电能质量进行多维评估,属电气工程和电能质量领域。
背景技术
随着科技的进步以及经济的不断发展,电能成为人们越来越关心的一部分,电能的需求增加也导致分布式电源也越来越多。由于逐渐增多的分布式电源接入主动配电网,引起主动配电网的电能质量发生变化,逐渐引起配电网和用户方面的重视,凸显了对电能质量多维评估的重要性。
当前,对主动配电网的电能质量综合评估主要集中在基于单种赋权方法对电能质量指标进行赋权,进而得出电能质量的整体等级,对于赋权方法的合理组合,以及多种维度的综合评估研究较少。申请号为201811258364的发明专利提出了一种考虑指标影响权重的电能质量综合评估方法,运用D-S证据理论确定改进层次分析法(AHP)的矩阵元素从而确定权重值,但其只考虑了从主观赋权法入手评估电能质量,获得的权重准确性难以保证;申请号为201811632904的发明专利提出了一种基于AHP法和改进熵权法来确定电能质量指标的主观权重和客观权重,但其仅将一种主观赋权法与客观赋权法相结合,未充分考虑其合理性;申请号为201810716329的发明专利提出了一种基于概率神经网络的电能质量综合评估方法,其评估过程中不需要确定指标权重,避免了人的主观因素,但其综合评估更偏向客观因素;申请号为201610652596的专利提出了一种用于电能质量经济性评估的公共信息模型构建方法,通过数据分析选取合适的数据构建经济性评估模型,但其不能迅速对电能质量问题引起的损失快速评估。
发明内容
本发明要克服现有技术的上述缺点,提供一种主动配电网电能质量多维评估方法。
本发明通过两种客观赋权法进行赋权,使其客观权重的评估更为合理,再结合主观赋权法,并利用合作博弈方法得到各种赋权方法的权重系数,从而获得更加接近于目标电网电能质量现实的权重值,实现对主动配电网电能质量更为科学的技术性综合评估,然后再通过分析区域经济损失得出主动配电网整体的经济损失,进一步实现从经济损失维度对目标主动配电网进行的电能质量经济性评估。
本发明要实现对主动配电网电能质量的多维评估。一方面是对目标主动配电网电能质量进行技术性评估,需要对电能质量相关指标数据进行量化,得出每一项指标的评估等级,同时计算出每一项指标的权重值,通过计算获得的权重值与监测指标的评估等级相结合,得出对主动配电网电能质量的整体评估等级,分析其整体的电能质量状况;另一方面是对目标主动配电网的电能质量进行经济性评估,通过对某一区域的经济损失进行评估分析,再根据区域和配电网整体之间的损失关系,评估由于电能质量问题造成主动配电网的整体经济损失。
本发明为实现上述目的,提出了一种主动配电网电能质量的多维评估方法,如附图1所示,其过程包括如下步骤:
1、电能质量各单项电能质量指标数据获取:通过主动配电网关键节点布置的电能质量监测装置,分时段采集获取系统中的电压偏差、电压波动、电压谐波、三相不平衡、闪变、频率偏差这六项电能质量指标的数据;
2、基于云模型的电能质量各单项指标的评估等级确定:构建云模型,通过对已采集获取的电能质量数据进行分析,计算出相应的特征值,进而统计得出电能质量各项指标的评估等级;
步骤201,基于云模型理论,以及步骤1已采集获取的系统电能质量各单项指标数据,计算出其对应的三个特征值:期望Ex、熵En、超熵He,其中:
期望Ex的值由公式(1)获得:
式中,n为所获取的电能质量各单项指标数据的个数,xa为对应电能质量单项指标的数据国家标准中规定的各等级区间域值;
熵En的值由公式(2)获得:
超熵He的值由公式(3)获得:
其中
步骤202,通过将电能质量各指标在步骤201中基于云模型计算得出的结果数据,与各自对应的国家标准中规定的各等级区间的划分边界值进行比较,选取50%以上数据所在的等级区间为该项指标的等级判定,1级、2级、3级、4级、5级分别代表着优秀、良好、一般、较差、很差;
3、基于合作博弈组合赋权法的电能质量综合评估:基于合作博弈理论对各电能质量指标的多种主、客观权重进行组合,在互不损害参与博弈者利益的情况下,使得参与博弈的整体获得的利益有所增加,即使得目标主动配电网各电能质量指标的权重系数分配更加合理;
步骤301,采用AHP法,即层次分析法分析获得主动配电网电能质量的各指标的主观权重;层次分析法根据专家意见给出两两指标之间的重要性比较,根据指标之间的相对重要性,构建出判断矩阵,得出各项指标的主观权重值w(1);
在此基础上,针对完成构建的判断矩阵进行一致性检验,检验的结果可由公式(5)得出:
式中,CI表示一致性检验结果值,λmax表示判断矩阵的最大特征值,c表示判断矩阵的阶数;
一致性检验结果CI的值大于0.1,表示该判断矩阵的构建不合理,需要重新构建,直至CI值小于0.1;
步骤302,采用熵权法,获得主动配电网电能质量各指标的第一种客观权重;熵权权重赋值法能够反映出电能质量指标数据的波动性情况,数据的波动性越大其熵越大,获得的权重值越大,反之获得的权重值越小;
基于步骤1获取的目标主动配电网电能质量各指标数据,构建对应的电能质量指标数据矩阵,如公式(6)所示:
式中,m表示采集纪录电能质量的指标项数;dnm表示第n组纪录数据中的第m项电能质量指标数据值,其余类推;
针对构建的数据矩阵进行归一化处理,得到归一化处理后的数据矩阵Def;
根据得到的数据矩阵Def,由公式(7)计算得到电能质量各项指标的熵值:
其中
式中,Hj表示第j项电能质量指标的熵值,fij为第j项电能质量指标在第i组采集数据中所占的比重,i=1,2...n,j=1,2...m;
获得每一项电能质量指标的熵值后,根据公式(9)计算出各项指标的第一种客观权重值:
式中,w(2)j表示第j项指标的基于熵权法求得的第一种客观权重值;
步骤303,采用反熵权法,获得主动配电网电能质量各指标的第二种客观权重;反熵权权重赋值法同样能够反映出电能质量指标数据的波动性情况,数据的波动性越大其熵越大,但其不会使某单项指标的权重值过大或过小;
基于步骤302公式(6)所构建的电能质量指标数据矩阵,按照公式(10)对其每一项指标的数据进行数据预处理:
式中,eij是第i组采集数据中的第j个指标经预处理后的值,xij和aij分别是第i组采集数据中的第j个指标的实际值和目标值;
预处理后得到的数据矩阵如公式(11)所示:
根据得到的数据矩阵E,由公式(12)计算得到电能质量各项指标的反熵值:
其中
式中,hj是第j项电能质量指标的反熵值;
获得每一项电能质量指标的反熵值后,根据公式(14)计算出各项指标的第二种客观权重值:
式中,w(3)j表示第j项指标的基于反熵权法求得的第二种客观权重值;
步骤304,基于合作博弈方法确定各指标的主、客观综合权重:合作博弈方法是在电能质量指标满足一定约束力的情况下,通过减小每一项指标的误差而不增大其他指标的误差,使得电能质量整体评估由权重分配产生的误差影响减小;
基于合作博弈理论,计算出每一种权重赋值方法的权重系数,通过公式(15)计算出层次分析法、熵权法、反熵权法这三种赋权法各自的权重系数:
式中,z表示权重赋值方法的序号,z∈[1,2,3];k是求取权重方法的个数,L(z)表示最终确定的第z种方法对应的权重系数,Wj(z)表示第z种赋权方法计算得到的第j项指标的权重值,表示第z种方法计算得到的权重向量的均值,Wj(k-z)表示除了Wj(z)外剩余k-1种权重赋权方法计算得到的第j项指标的权重值,表示除了W(z)外剩余k-1种权重赋权方法计算得到的组合权重的均值;
根据公式(15)计算获得的权重系数,由公式(16)计算求取各项电能质量指标的主、客观综合权重值:
式中,Jj表示第j项指标的权重值,Wj(z)表示第z种赋权方法计算获得的第j项指标的权重值;
将公式(16)得到的主、客观综合权重值进行归一化处理,获得电能质量各项指标的最终权重值;
4、计算主动配电网电能质量整体的综合评估等级:根据公式(17),计算得到目标主动配电网电能质量的整体综合评估等级:
式中,Ej表示步骤2中计算求得的第j项电能质量指标的等级,zl为最终确定的目标主动配电网电能质量整体综合评估等级:1判定为优秀,2判定为良好,3判定为一般,4判定为较差,5判定为很差;
5、基于试验外推法的电能质量经济性评估:采用试验外推法,研究局部损失与整体损失之间的关系,通过计算由于系统电能质量问题所造成的某一局部损失,推出主动配电网整体的经济损失;
步骤501,采用试验外推法对电能质量进行经济性评估,通过公式(18)计算得到因电能质量问题所造成的系统能量损失:
式中,B表示因系统电能质量问题造成的总能量损耗,PX表示统计时段内系统总电量,Tj表示第j项指标对应的系统特性矩阵,ρ表示统计时段内系统平均负载率;
步骤502,根据公式(19),算出因系统电能质量问题造成的总能量损耗所对应的经济性损失:
Q=A×B (19)
式中,Q是因系统电能质量问题造成的经济损失值,A是系统每千瓦时电能所对应的经济成本,其值可通过查询目标配电网电能售价表确定。
本发明的有益效果主要表现在:1、采用多种权重计算方法对电能质量的指标权重进行计算,并考虑每一种权重计算方法的特性,使权重计算方法的优劣能够互补;2、基于合作博弈理论的权重组合方式使权重的结合更为合理;3、试验外推法对电能质量经济性的评估更为快速、方便;4、为主动配电网提供了一种更为全面、科学的电能质量多维评估方法。
附图说明
图1为本发明方法的具体实施流程图。
图2为本发明的主动配电网六项电能质量指标云模型仿真图。
图3为本发明的主动配电网六项电能质量指标等级评估雷达图结果。
具体实施方式
下面结合实施例及附图对本发明作进一步的详细说明,但本发明的实施方式不限于此。实施例中对配电网电能质量多维评估方法如附图1所示,包括以下步骤:
1、电能质量各单项电能质量指标数据获取:通过主动配电网关键节点布置的电能质量监测装置,分时段采集获取系统中的电压偏差、电压波动、电压谐波、三相不平衡、闪变、频率偏差这六项电能质量指标的数据;
实施例中,电压偏差、电压波动、电压谐波、三相不平衡、闪变、频率偏差这六项电能质量指标在一周内的采集数据如表1所示:
表1电能质量指标一周数据
2、基于云模型的电能质量各单项指标的评估等级确定:构建云模型,通过对已采集获取的电能质量数据进行分析,计算出相应的特征值,进而统计得出电能质量各项指标的评估等级;
步骤201,基于云模型理论,以及步骤1已采集获取的系统电能质量各单项指标数据,计算出其对应的三个特征值:期望Ex、熵En、超熵He,其中:期望Ex的值由公式(1)获得;熵En的值由公式(2)获得;超熵He的值由公式(3)、(4)获得;
步骤202,通过将电能质量各指标在步骤201中基于云模型计算得出的结果数据,与各自对应的国家标准中规定的各等级区间的划分边界值进行比较,选取50%以上数据所在的等级区间为该项指标的等级判定,1级、2级、3级、4级、5级分别代表着优秀、良好、一般、较差、很差;
实施例中,通过云模型获得的六项电能质量指标数据分布如附图2所示,其各自的质量等级判定雷达图显示结果如附图3所示;
3、基于合作博弈组合赋权法的电能质量综合评估:基于合作博弈理论对各电能质量指标的多种主、客观权重进行组合,在互不损害参与博弈者利益的情况下,使得参与博弈的整体获得的利益有所增加,即使得目标主动配电网各电能质量指标的权重系数分配更加合理;
步骤301,采用AHP法,即层次分析法分析获得主动配电网电能质量的各指标的主观权重;层次分析法是根据专家意见给出两两指标之间的重要性比较,根据指标之间的相对重要性,构建出判断矩阵,得出各项指标的主观权重值w(1);
在此基础上,针对完成构建的判断矩阵进行一致性检验,检验的结果可由公式(5)得出;一致性检验结果CI的值大于0.1,表示该判断矩阵的构建不合理,需要重新构建,直至CI值小于0.1;
实施例中,由AHP法计算得出的六项电能质量指标各自的主观权重值如表2所示;经一致性检验,CI值小于0.1,满足合理性要求;
表2AHP法所得主观权重值
指标 | 电压偏差 | 电压波动 | 电压谐波 | 三相不平衡 | 闪变 | 频率偏差 |
主观权重 | 0.0500 | 0.0329 | 0.2102 | 0.1134 | 0.3836 | 0.2101 |
步骤302,采用熵权法,获得主动配电网电能质量各指标的第一种客观权重;熵权权重赋值法能够反映出电能质量指标数据的波动性情况,数据的波动性越大其熵越大,获得的权重值越大,反之获得的权重值越小;
基于步骤1获取的目标主动配电网电能质量各指标数据,构建对应的电能质量指标数据矩阵,如公式(6)所示;针对构建的数据矩阵进行归一化处理,得到归一化处理后的数据矩阵Def;根据得到的数据矩阵Def,由公式(7)、(8)计算得到电能质量各项指标的熵值;获得每一项电能质量指标的熵值后,根据公式(9)计算出各项指标的第一种客观权重值w(2)j;
实施例中,由熵权法计算得出的六项电能质量指标各自的第一种客观权重值如表3所示:
表3熵权法所得客观权重值
指标 | 电压偏差 | 电压波动 | 电压谐波 | 三相不平衡 | 闪变 | 频率偏差 |
权重 | 0.2398 | 0.2514 | 0.0655 | 0.0690 | 0.1335 | 0.2408 |
步骤303,采用反熵权法,获得主动配电网电能质量各指标的第二种客观权重;反熵权权重赋值法同样能够反映出电能质量指标数据的波动性情况,数据的波动性越大其熵越大,但其不会使某单项指标的权重值过大或过小;
基于步骤302公式(6)所构建的电能质量指标数据矩阵,按照公式(10)对其每一项指标的数据进行数据预处理,预处理后得到的数据矩阵如公式(11)所示;根据得到的数据矩阵E,由公式(12)、(13)计算得到电能质量各项指标的反熵值;获得每一项电能质量指标的反熵值后,根据公式(14)计算出各项指标的第二种客观权重值;
实施例中,由反熵权法计算得出的六项电能质量指标各自的第二种客观权重值如表4所示:
表4反熵权法所得客观权重值
指标 | 电压偏差 | 电压波动 | 电压谐波 | 三相不平衡 | 闪变 | 频率偏差 |
权重 | 0.1592 | 0.1599 | 0.1585 | 0.1599 | 0.1980 | 0.1645 |
步骤304,基于合作博弈方法确定各指标的主、客观综合权重:合作博弈方法是在电能质量指标满足一定约束力的情况下,通过减小每一项指标的误差而不增大其他指标的误差,使得电能质量整体评估由权重分配产生的误差影响减小;
基于合作博弈理论,计算出每一种权重赋值方法的权重系数,通过公式(15)计算出层次分析法、熵权法、反熵权法这三种赋权法各自的权重系数;根据公式(15)计算获得的权重系数,由公式(16)计算求取各项电能质量指标的主、客观综合权重值;将公式(16)得到的主、客观综合权重值进行归一化处理,获得电能质量各项指标的最终权重值;
实施例中,经归一化处理后,获得的电能质量各项指标的最终权重值如表5所示:
表5电能质量指标的最终权重值
指标 | 电压偏差 | 电压波动 | 电压谐波 | 三相不平衡 | 闪变 | 频率偏差 |
权重 | 0.0792 | 0.2251 | 0.1585 | 0.1078 | 0.2637 | 0.1655 |
4、计算主动配电网电能质量整体的综合评估等级:根据公式(17),计算得到目标主动配电网电能质量的整体综合评估等级;
5、基于试验外推法的电能质量经济性评估:采用试验外推法,研究局部损失与整体损失之间的关系,通过计算由于系统电能质量问题所造成的某一局部损失,推出主动配电网整体的经济损失;
步骤501,采用试验外推法对电能质量进行经济性评估,通过公式(18)计算得到因电能质量问题所造成的系统能量损失;
步骤502,根据公式(19),算出因系统电能质量问题造成的总能量损耗所对应的经济性损失。
以谐波指标为例,根据试验外推法计算所得的系统在一周内各元件由于谐波造成的能量损耗如表7所示:
表7一周内各元件由于谐波造成的损耗
元件 | 电压线路 | 高压线路 | 变压器 | 电容器 |
损耗/(kWh) | 1.96×10<sup>4</sup> | 3.96×10<sup>4</sup> | 2.3×10<sup>4</sup> | 4.78×10<sup>3</sup> |
以某市电均价0.5283元/kWh计算,可得出该主动配电网一周内因谐波造成的经济性损失为4.5951×104元。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种主动配电网电能质量多维评估方法,包括如下步骤:
步骤1、电能质量各单项电能质量指标数据获取:通过主动配电网关键节点布置的电能质量监测装置,分时段采集获取系统中的电压偏差、电压波动、电压谐波、三相不平衡、闪变、频率偏差这六项电能质量指标的数据;
步骤2、基于云模型的电能质量各单项指标的评估等级确定:构建云模型,通过对已采集获取的电能质量指标数据进行分析,计算出相应的特征值,进而统计得出电能质量各项指标的评估等级;
步骤201,基于云模型理论,以及步骤1已采集获取的系统电能质量各单项指标数据,计算出其对应的三个特征值:期望Ex、熵En、超熵He,其中:
期望Ex的值由公式(1)获得:
式中,n为所获取的电能质量各单项指标数据的个数,xa为对应电能质量单项指标的数据国家标准中规定的各等级区间域值;
熵En的值由公式(2)获得:
超熵He的值由公式(3)获得:
其中
步骤202,通过将电能质量各指标在步骤201中基于云模型计算得出的结果数据,与各自对应的国家标准中规定的各等级区间的划分边界值进行比较,选取50%以上数据所在的等级区间为该项指标的等级判定,1级、2级、3级、4级、5级分别代表着优秀、良好、一般、较差、很差;
步骤3、基于合作博弈组合赋权法的电能质量综合评估:基于合作博弈理论对各电能质量指标的多种主、客观权重进行组合,在互不损害参与博弈者利益的情况下,使得参与博弈的整体获得的利益有所增加,即使得目标主动配电网各电能质量指标的权重系数分配更加合理;
步骤301,采用AHP法,即层次分析法分析获得主动配电网电能质量的各指标的主观权重;层次分析法根据专家意见给出两两指标之间的重要性比较,根据指标之间的相对重要性,构建出判断矩阵,得出各项指标的主观权重值w(1);
在此基础上,针对完成构建的判断矩阵进行一致性检验,检验的结果可由公式(5)得出:
式中,CI表示一致性检验结果值,λmax表示判断矩阵的最大特征值,c表示判断矩阵的阶数;
一致性检验结果CI的值大于0.1,表示该判断矩阵的构建不合理,需要重新构建,直至CI值小于0.1;
步骤302,采用熵权法,获得主动配电网电能质量各指标的第一种客观权重;熵权权重赋值法能够反映出电能质量指标数据的波动性情况,数据的波动性越大其熵越大,获得的权重值越大,反之获得的权重值越小;
基于步骤1获取的目标主动配电网电能质量各指标数据,构建对应的电能质量指标数据矩阵,如公式(6)所示:
式中,m表示采集纪录电能质量的指标项数;dnm表示第n组纪录数据中的第m项电能质量指标数据值,其余类推;
针对构建的数据矩阵进行归一化处理,得到归一化处理后的数据矩阵Def;
根据得到的数据矩阵Def,由公式(7)计算得到电能质量各项指标的熵值:
其中
式中,Hj表示第j项电能质量指标的熵值,fij为第j项电能质量指标在第i组采集数据中所占的比重,i=1,2...n,j=1,2...m;
获得每一项电能质量指标的熵值后,根据公式(9)计算出各项指标的第一种客观权重值:
式中,w(2)j表示第j项指标的基于熵权法求得的第一种客观权重值;
步骤303,采用反熵权法,获得主动配电网电能质量各指标的第二种客观权重;反熵权权重赋值法同样能够反映出电能质量指标数据的波动性情况,数据的波动性越大其熵越大,但其不会使某单项指标的权重值过大或过小;
基于步骤302公式(6)所构建的电能质量指标数据矩阵,按照公式(10)对其每一项指标的数据进行数据预处理:
式中,eij是第i组采集数据中的第j个指标经预处理后的值,xij和aij分别是第i组采集数据中的第j个指标的实际值和目标值;
预处理后得到的数据矩阵如公式(11)所示:
根据得到的数据矩阵E,由公式(12)计算得到电能质量各项指标的反熵值:
其中
式中,hj是第j项电能质量指标的反熵值;
获得每一项电能质量指标的反熵值后,根据公式(14)计算出各项指标的第二种客观权重值:
式中,w(3)j表示第j项指标的基于反熵权法求得的第二种客观权重值;
步骤304,基于合作博弈方法确定各指标的主、客观综合权重:合作博弈方法是在电能质量指标满足一定约束力的情况下,通过减小每一项指标的误差而不增大其他指标的误差,使得电能质量整体评估由权重分配产生的误差影响减小;
基于合作博弈理论,计算出每一种权重赋值方法的权重系数,通过公式(15)计算出层次分析法、熵权法、反熵权法这三种赋权法各自的权重系数:
式中,z表示权重赋值方法的序号,z∈[1,2,3];k是求取权重方法的个数,L(z)表示最终确定的第z种方法对应的权重系数,Wj(z)表示第z种赋权方法计算得到的第j项指标的权重值,表示第z种方法计算得到的权重向量的均值,Wj(k-z)表示除了Wj(z)外剩余k-1种权重赋权方法计算得到的第j项指标的权重值,表示除了W(z)外剩余k-1种权重赋权方法计算得到的组合权重的均值;
根据公式(15)计算获得的权重系数,由公式(16)计算求取各项电能质量指标的主、客观综合权重值:
式中,Jj表示第j项指标的权重值,Wj(z)表示第z种赋权方法计算获得的第j项指标的权重值;
将公式(16)得到的主、客观综合权重值进行归一化处理,获得电能质量各项指标的最终权重值;
步骤4、计算主动配电网电能质量整体的综合评估等级:根据公式(17),计算得到目标主动配电网电能质量的整体综合评估等级:
式中,Ej表示步骤2中计算求得的第j项电能质量指标的等级,zl为最终确定的目标主动配电网电能质量整体综合评估等级:1判定为优秀,2判定为良好,3判定为一般,4判定为较差,5判定为很差;
步骤5、基于试验外推法的电能质量经济性评估:采用试验外推法,研究局部损失与整体损失之间的关系,通过计算由于系统电能质量问题所造成的某一局部损失,推出主动配电网整体的经济损失;
步骤501,采用试验外推法对电能质量进行经济性评估,通过公式(18)计算得到因电能质量问题所造成的系统能量损失:
式中,B表示因系统电能质量问题造成的总能量损耗,PX表示统计时段内系统总电量,Tj表示第j项指标对应的系统特性矩阵,ρ表示统计时段内系统平均负载率;
步骤502,根据公式(19),算出因系统电能质量问题造成的总能量损耗所对应的经济性损失:
Q=A×B (19)
式中,Q是因系统电能质量问题造成的经济损失值,A是系统每千瓦时电能所对应的经济成本,其值可通过查询目标配电网电能售价表确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911021970.9A CN110909983B (zh) | 2019-10-25 | 2019-10-25 | 一种主动配电网电能质量多维评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911021970.9A CN110909983B (zh) | 2019-10-25 | 2019-10-25 | 一种主动配电网电能质量多维评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909983A CN110909983A (zh) | 2020-03-24 |
CN110909983B true CN110909983B (zh) | 2022-01-25 |
Family
ID=69815826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911021970.9A Active CN110909983B (zh) | 2019-10-25 | 2019-10-25 | 一种主动配电网电能质量多维评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909983B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101719A (zh) * | 2020-08-10 | 2020-12-18 | 国网浙江省电力有限公司杭州供电公司 | 基于组合赋权法的电能质量指标权重确定方法 |
CN112085413A (zh) * | 2020-09-22 | 2020-12-15 | 厦门理工学院 | 一种电能质量等级计算方法、终端设备及存储介质 |
CN112529066B (zh) * | 2020-12-07 | 2024-04-16 | 南京工程学院 | 一种基于bas-bp分类器模型的电压暂降源识别方法 |
CN112737109B (zh) * | 2020-12-18 | 2022-05-31 | 北京国电通网络技术有限公司 | 一种智能电网实时安全预警系统 |
CN112990695B (zh) * | 2021-03-11 | 2022-12-27 | 安徽大学 | 基于博弈dea-多目标决策的dg电能质量评估方法 |
CN112967153A (zh) * | 2021-04-06 | 2021-06-15 | 国网安徽省电力有限公司滁州供电公司 | 一种能源转型状态的评估方法 |
CN113689081B (zh) * | 2021-07-29 | 2022-06-10 | 同济大学 | 基于正态云模型的自动驾驶道路测试数据质量确定方法 |
CN113705987A (zh) * | 2021-08-13 | 2021-11-26 | 武汉大学 | 电网适应性并网变流器综合赋权性能评估方法及相关设备 |
CN114091948A (zh) * | 2021-11-29 | 2022-02-25 | 深圳供电局有限公司 | 一种基于多维空间体积的电能质量综合评估方法及存储介质 |
CN114118587B (zh) * | 2021-11-30 | 2024-03-26 | 北京市腾河科技有限公司 | 分布式光伏的电能质量评估方法及系统、设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615246A (zh) * | 2018-12-14 | 2019-04-12 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种主动配电网经济运行状态确定方法 |
CN109871976A (zh) * | 2018-12-20 | 2019-06-11 | 浙江工业大学 | 一种基于聚类及神经网络的含分布式电源配电网电能质量预测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9853448B2 (en) * | 2012-01-17 | 2017-12-26 | General Electric Company | Systems and methods for coordinating electrical network optimization |
US9489701B2 (en) * | 2012-11-06 | 2016-11-08 | Ali Emadi | Adaptive energy management system |
-
2019
- 2019-10-25 CN CN201911021970.9A patent/CN110909983B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615246A (zh) * | 2018-12-14 | 2019-04-12 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种主动配电网经济运行状态确定方法 |
CN109871976A (zh) * | 2018-12-20 | 2019-06-11 | 浙江工业大学 | 一种基于聚类及神经网络的含分布式电源配电网电能质量预测方法 |
Non-Patent Citations (3)
Title |
---|
Unified power quality index using ideal AHP;Buhm Lee et al.;《2008 13th International Conference on Harmonics and Quality of Power》;20081107;全文 * |
改进熵权法及其在电能质量评估中的应用;欧阳森 等;《电力系统自动化》;20131110;第37卷(第21期);全文 * |
配电网运行状态综合评估方法研究;冷华 第;《电力系统保护与控制》;20170101;第45卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110909983A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909983B (zh) | 一种主动配电网电能质量多维评估方法 | |
CN103942727B (zh) | 一种基于电网特征差异的线损水平评价方法 | |
CN111260198A (zh) | 一种台区同期线损合理度评判方法、系统及终端设备 | |
CN107527114A (zh) | 一种基于大数据的线路台区异常分析方法 | |
CN111967777B (zh) | 一种储能促进清洁能源利用价值的综合评价方法 | |
CN111563682A (zh) | 一种配电自动化设备测试评价方法 | |
CN112330121B (zh) | 一种配电网自动化建设投资效益评估方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
CN109345090A (zh) | 一种基于配电网可靠性提升的网架评价方法 | |
CN112288293A (zh) | 一种大型充电站电能质量综合评估方法 | |
CN110929220A (zh) | 一种配电网指标权重计算方法及装置 | |
CN115719177A (zh) | 一种考虑时序的区域电能质量综合评估方法 | |
CN110533291B (zh) | 一种基于风险评估的中压配电网薄弱环节辨识方法 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN117035158A (zh) | 一种基于多种收益模式的用户侧储能优化配置评估系统及方法 | |
CN112506982A (zh) | 一种线路和配变的最大负载预测的方法 | |
CN117236744A (zh) | 一种考虑多谐波源的谐波影响评估方法 | |
CN111563652A (zh) | 一种评价电网企业综合计划执行情况的方法 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN115566740A (zh) | 一种分布式可再生能源集群聚合调控潜力评估方法和装置 | |
CN115907539A (zh) | 电力市场新能源利用评价指标体系构建方法、系统及装置 | |
CN109389315A (zh) | 一种农网典型台区降损方法 | |
Lasso et al. | A model for calculating technical losses in the secondary energy distribution network | |
CN113836125A (zh) | 一种配电物联网边缘侧的配变数据清洗修复方法和系统 |
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 |