CN111244963A - 动态潮流计算方法、装置、设备和存储介质 - Google Patents
动态潮流计算方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111244963A CN111244963A CN202010176160.7A CN202010176160A CN111244963A CN 111244963 A CN111244963 A CN 111244963A CN 202010176160 A CN202010176160 A CN 202010176160A CN 111244963 A CN111244963 A CN 111244963A
- Authority
- CN
- China
- Prior art keywords
- power
- calculation
- node
- flow data
- photovoltaic
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 137
- 238000009826 distribution Methods 0.000 claims abstract description 68
- 238000010248 power generation Methods 0.000 claims abstract description 63
- 230000005540 biological transmission Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000009434 installation Methods 0.000 claims abstract description 42
- 238000013461 design Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000035515 penetration Effects 0.000 description 8
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000009827 uniform distribution 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种应用于大规模输配电系统的动态潮流计算方法、装置、设备和存储介质该方法包括：基于输配电网模型，输入随机变量参数，其中，随机变量参数包括节点负载参数、发电量参数和发电站安装位置；基于随机变量参数，应用后退‑前进搜索方法确定针对输配电网模型的计算顺序；按照计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，潮流数据包括电压、电流、相位角和功率；若计算得到的潮流数据满足收敛条件，则输出潮流数据。解决了现有技术中的相关方法计算效率低和收敛性差的问题，在保持精度的同时大幅度提高计算效率；高速精确的计算出各种随机变量对发电站设计和安装的影响。
Description
技术领域
本发明涉及潮流计算技术领域，具体涉及一种应用于大规模输配电系统的动态潮流计算方法、装置、设备和存储介质。
背景技术
潮流计算是电力学名词，指在给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件，确定电力系统各部分稳态运行状态参数的计算。通常给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角。待求的运行状态参量包括电网各母线节点的电压幅值和相角，以及各支路的功率分布、网络的功率损耗等。
现有技术中，蒙特卡洛仿真模拟方法在潮流计算中计算准确，但是计算量巨大，因此无法解决计算效率的问题，这样就不适用于处理实际大规模电网的随机潮流计算。另外，累积量和Gram-Charlier结合方法避免了计算量大的卷积计算，但是该方法基于直流潮流分析的方法，在精度和准确性较低。
发明内容
有鉴于此，提供一种应用于大规模输配电系统的动态潮流计算方法、装置、设备和存储介质，以解决现有技术中大规模电网的随机潮流计算中的效率低、精度和准确性差的问题。
本发明采用如下技术方案：
第一方面，本申请实施例提供了一种应用于大规模输配电系统的动态潮流计算方法，该方法包括：
基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；
基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；
按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；
若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。
第二方面，本申请实施例提供了一种应用于大规模输配电系统的动态潮流计算装置，该装置包括：
参数输入模块，用于基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；
计算顺序确定模块，用于基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；
潮流数据计算模块，用于按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；
潮流数据输出模块，用于若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。
第三方面，本申请实施例提供了一种设备，该设备包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行本申请实施例第一方面所述的应用于大规模输配电系统的动态潮流计算方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
第四方面，本申请实施例提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的应用于大规模输配电系统的动态潮流计算方法中各个步骤。
本发明采用以上技术方案，通过基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。解决了现有技术中的相关方法计算效率低和收敛性差的问题，在保持精度的同时大幅度提高计算效率；高速精确的计算出各种随机变量对发电站设计和安装的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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他的附图。
图1是本发明实施例提供的一种应用于大规模输配电系统的动态潮流计算方法的流程图；
图2是本发明实施例中适用的一种126个节点的输配电网模型的示意图；
图3是本发明实施例中适用的一种在光伏穿透水平为20％且光伏安装数量为10时在松弛总线上注入的有功功率的示意图；
图4是本发明实施例中适用的一种在光伏穿透水平为20％且光伏安装数量为50时在松弛总线上注入的有功功率的示意图；
图5是本发明实施例提供的一种应用于大规模输配电系统的动态潮流计算装置的结构示意图；
图6是本发明实施例提供的一种设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
首先对本申请实施例的可应用场景的相关术语或概念进行说明。具体的，采用动态潮流计算每个时段，例如，日、月和年的潮流数据。假设可获得一小时的平均耗电量数据，可通过求解稳态潮流分析计算出一小时的功率损耗，其中，一天总功率损耗可以通过一组24小时数据的总和来计算，并通过相同的方法计算一个月和一年的功率损耗。其他类型的动态损耗可以通过类似的方式计算，例如可变的客户需求、动态系统频率和变化的电能供应等。基于动态潮流计算方法的随机潮流计算分析的一个重要应用是可再生能源电厂的发电容量和电负荷的功率损耗降低的计算。示例性的，可再生能源发电厂例如可以是光伏发电站。
另外，随机潮流计算是一种将负荷值和发电量视为时间序列中的随机变量，并使用这些随机变量的实现值分布进行潮流计算，并根据期望值进行评估的方法。在某些情况下，可以明确地将随机变量的实际值分布函数给出。在这种情况下，通过对负载值的时间序列数据进行随机扰动来创建随机变量的实际值分布和发电量。
随机潮流计算的一个重要应用在于分布式发电的优势及其对配电系统的影响。随机潮流计算可评估和设计分布式发电站的数量、分布式发电站的位置和发电机功率的大小。一个分布式发电站的典型应用是可再生能源发电站，利用电力负载和光伏发电能力的随机变量进行潮流模拟，以评估各种光伏输出水平和能耗下降对光伏发电站安装设计的影响。目前采用的随机潮流计算方法存在计算效率和准确性的问题。
实施例
图1为本发明实施例提供的一种应用于大规模输配电系统的动态潮流计算方法的流程图，该方法可以由本发明实施例提供的应用于大规模输配电系统的动态潮流计算装置来执行，该装置可采用软件和/或硬件的方式实现。参考图1，该方法具体可以包括如下步骤：
S101、基于输配电网模型，输入随机变量参数，其中，随机变量参数包括节点负载参数、发电量参数和发电站安装位置。
其中，输配电网模型的节点包括一个松弛节点，发电站位于除松弛节点以外的其他节点，图2示出了一种126个节点的输配电网模型的示意图。参考图2，节点126代表一个松弛节点，部分节点具有电负载，而其他节点则没有负载。本申请实施例中，分支和节点的负载值是给定的数据，同时假定一个一个发电站只能位于除松弛节点以外的节点上。具体的，基于该配电网模型，输入各个随机变量参数，例如，节点负载参数、发电量参数和发电站安装位置。
示例性的，随机变量参数的产生方式包括：根据天气状况确定每个发电站安装节点的发电能力，根据发电能力计算发电量参数；根据消费者的用电行为确定每个光发电站安装节点的电力负荷，根据电力负荷计算节点负载参数。具体的，以光伏发电站为例，对随机参数的产生方式进行说明，而这只是一个示例，发电站还可以是其他类型的，比如风能发电站，这里不进行限定。由于光伏发电能力取决于天气状况，因此将每个光伏安装节点的发电能力定义为随机参数。此外，由于消费者的用电行为的不确定性，每个节点的电力负荷也定义为随机参数，通过这些随机参数和其他参数针对一定时期内的多个时间序列场景进行随机潮流计算，并评估光伏安装对配电系统的影响。对于光伏容量的随机参数生成符合均匀分布的随机数，在假设在某个区域正常电力负载下生成符合正态分布的电力符合随机数。
S102、基于随机变量参数，应用后退-前进搜索方法确定针对输配电网模型的计算顺序。
具体的，输电网配电模型中有多个分支和多个节点，在本申请实施例中，基于各个随机变量参数，应用后退-前进搜索方法确定针对输配电网模型的计算顺序。其中，计算顺序比如是先计算哪个分支，再计算哪个分支，先计算当前分支中的哪些节点，再计算当前分支中的哪些节点。
S103、按照计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，潮流数据包括电压、电流、相位角和功率。
其中，在确定计算顺序后，参照该计算顺序，应用多端口补偿计算方法来获得每个节点的电压、电流、相位角和功率。示例性的，按照计算顺序，应用多端口补偿计算方法根据设定公式计算每个光伏安装节点的电流和电压。在一个具体的例子中，以126个节点的分布式光伏电力系统为例。在目标系统的节点i有K个分布式发电站的候选位置，
为负载，
为光伏发电量，
为电压，
为注入电流，因此可以得出，
基于该公式可以计算每个光伏安装节点的电压和电流。
另外，为了提高计算速度，在通过后退-前进搜索算法结合多端口补偿方法的同时，耦合快速雅各比方法和广义最小残差/不完全LU分解预处理器。
S104、若计算得到的潮流数据满足收敛条件，则输出潮流数据。
其中，收敛条件包括各个潮流的值小于设定误差阈值，其中，各个潮流数据的设定误差阈值可以相同，也可以不同。在一个具体的例子中，电压的设定误差阈值可以是10-4。具体的，当计算得到的各个潮流数据均满足相应的收敛条件时，则将符合条件的潮流数据输出。
另外，若计算得到的潮流数据不满足收敛条件，则返回执行应用后退-前进搜索方法确定针对输配电网模型的计算顺序的步骤。具体的，当计算得到的潮流数据中有至少一组数据不满足收敛条件时，比如电压数据不满足收敛条件，则返回执行本申请实施例中应用后退-前进搜索方法确定针对输配电网模型的电压数据的计算顺序的步骤，以再次计算计算，得到满足收敛条件的电压值。
本发明采用以上技术方案，通过基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。解决了现有技术中的相关方法计算效率低和收敛性差的问题，在保持精度的同时大幅度提高计算效率；高速精确的计算出各种随机变量对发电站设计和安装的影响。
可选的，发电站包括光伏发电站，相应的，发电量参数包括光伏安装节点中的光伏发电量；相应的，光伏安装节点中的光伏发电量的计算方式包括：根据各个月的总设计系数、标准测试条件下光伏阵列的额定容量、光伏发电站上每个月的总太阳辐射量和标准测试条件下的太阳辐照度，计算各个月的光伏发电量；将各个月的光伏发电量相加得到年光伏发电量。
在一个具体的例子中，可以通过以下方程计算光伏发电量，EPY＝∑Jan.Dec.{K×PAS×HAM/GS)。其中，EPY为年光伏发电量，单位是kWh/年，K为每月总设计系数，也可以称为性能比；PAS为标准测试条件下光伏阵列的额定容量，单位是kW；HAM为光伏发电站上每月的总太阳辐射量，单位是kWh/m2位·月；GS为在标准测试条件下的太阳辐照度，单位是kW/m2。同时，每个光伏发电站可位于除了松弛节点以外的任意节点。
另外，为了是使本申请的技术方案更容易理解，以及，说明本申请实施例的有益效果，下面用一个具体的例子进行说明。仍以126节点的输配电网模型为例，在每个节点中加载的数据以每小时数据为最小的数据单元，并将所有的数据都转换为标幺值pu表示。其中，pu是电力系统分析和工程计算中常用的数值标记方法，表示各物理量及参数的相对值，单位为pu，也可以认为其无量纲。比如在短路电流计算中，选定一个基准容量和基准电压，将短路计算中各个参数都转化为和该参数的基准量的比值，称为标幺值。标幺值＝实际值/基准值。考虑季节性的数据变化，每月创建一天的小时数据集，因此，通过上述过程创建24*12＝288组负荷数据用于随机潮流计算的随机变量的基础数据。表1示出了一年中各个月的各个时间节点的用户需求数据。
表1一年中各个月的各个时间节点的用户需求数据
另外，在计算得到每个光伏安装节点的电压和电流后，应用下述公式计算光伏的数量NPV。
其中，
为0-1变量，表示是否在目标位置安装光伏发电站，如果选择了候选光伏发电站位置k，则yk为1，否则为0。
示例性的，光伏穿透率用LPV表示，目标系统的总负载用
表示，可以得出如下计算公式：
总共将基于25种模式的基础数据进行仿真，由于光伏发电容量定义为随机变量，并且根据穿透水平计算出的初始值，潮流计算中适用的年累计光伏发电容量数据与总负载数据的实际比例将不完全与定义的初始渗透水平相匹配。在这个具体的例子中，基于蒙特卡洛方法的光伏发电容量和电力负荷的随机数值为10000。
本案例的潮流计算使用目标月份的小时数据，以及平均负载和发电量。每一个模式需要进行24×12×10,000＝288万次计算，25种模式将进行7200万次计算，每次计算将获取每个节点处的电压，电流和电功率，以及在松弛节点处注入的电功率和电功率损耗。图3示出了一种在光伏穿透水平为20％且光伏安装数量为10时在松弛总线上注入的有功功率的示意图；图4示出了一种在光伏穿透水平为20％且光伏安装数量为50时在松弛总线上注入的有功功率的示意图。参考图3和图4，显示了在光伏穿透水平为20％的情况下，在松弛总线上注入的有功功率，光伏的安装数量分别为10和50。这两组图表数据与其它具有相同光伏穿透水平的图表数据之间没有太大差异，可以通过这组计算结果判断即使安装的光伏数量增加结果也不会有太大变化。
综上，随机潮流计算的一个重用应用在于分析分布式发电的优势及其对配电系统的影响，随机潮流计算可评估和设计的数量、位置和发电机功率的大小。一个分布式发电站的典型应用是可再生能源发电站，例如光伏和风能，利用电力负载和光伏发电能力的随机变量进行潮流模拟以评估各种光伏输出水平和能耗下降对光伏发电站安装设计的影响。因此，与现有技术中的应用在小规模的电网的随机潮流计算相比，本申请实施例在大规模电网中的应用效果明显，在电网负载和变量数量庞大的大规模电网中，有效克服了这类大型系统状态波动的分析中的计算效率的问题。
图5是本发明是实施例提供的一种应用于大规模输配电系统的动态潮流计算装置的结构示意图，该装置适用于执行本发明实施例提供给的一种应用于大规模输配电系统的动态潮流计算方法。如图5所示，该装置具体可以包括：参数输入模块501、计算顺序确定模块502、潮流数据计算模块503和潮流数据输出模块504。
其中，参数输入模块501，用于基于输配电网模型，输入随机变量参数，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；计算顺序确定模块502，用于基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；潮流数据计算模块503，用于按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；潮流数据输出模块504，用于若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。
本发明采用以上技术方案，通过基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。解决了现有技术中的相关方法计算效率低和收敛性差的问题，在保持精度的同时大幅度提高计算效率；高速精确的计算出各种随机变量对发电站设计和安装的影响。
可选的，还包括返回执行模块，用于在计算得到的潮流数据不满足收敛条件时，返回执行应用后退-前进搜索方法确定针对输配电网模型的计算顺序的步骤。
可选的，随机变量参数产生模块，用于：
根据天气状况确定每个发电站安装节点的发电能力，根据发电能力计算发电量参数；
根据消费者的用电行为确定每个光发电站安装节点的电力负荷，根据电力负荷计算节点负载参数。
可选的，发电站包括光伏发电站，相应的，发电量参数包括光伏安装节点中的光伏发电量；
相应的，发电量计算模块，用于计算光伏安装节点中的光伏发电量，其中：
根据各个月的总设计系数、标准测试条件下光伏阵列的额定容量、光伏发电站上每个月的总太阳辐射量和标准测试条件下的太阳辐照度，计算各个月的光伏发电量；
将各个月的光伏发电量相加得到年光伏发电量。
计算顺序确定模块502具体用于：
按照计算顺序，应用多端口补偿计算方法根据设定公式计算每个光伏安装节点的电流和电压。
可选的，收敛条件包括各个潮流的值小于设定误差阈值。
可选的，输配电网模型的节点包括一个松弛节点，发电站位于除松弛节点以外的其他节点。
本发明实施例提供的应用于大规模输配电系统的动态潮流计算装置可执行本发明任意实施例提供的应用于大规模输配电系统的动态潮流计算方法，具备执行方法相应的功能模块和有益效果。
本发明实施例还提供一种设备，请参阅图6，图6为一种设备的结构示意图，如图6所示，该设备包括：处理器610，以及与处理器610相连接的存储器620；存储器620用于存储计算机程序，所述计算机程序至少用于执行本发明实施例中的应用于大规模输配电系统的动态潮流计算方法；处理器610用于调用并执行所述存储器中的所述计算机程序；上述应用于大规模输配电系统的动态潮流计算方法至少包括如下步骤：基于输配电网模型，输入随机变量参数，其中，随机变量参数包括节点负载参数、发电量参数和发电站安装位置；基于随机变量参数，应用后退-前进搜索方法确定针对输配电网模型的计算顺序；按照计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，潮流数据包括电压、电流、相位角和功率；若计算得到的潮流数据满足收敛条件，则输出潮流数据。
本发明实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如本发明实施例中的应用于大规模输配电系统的动态潮流计算方法中各个步骤：基于输配电网模型，输入随机变量参数，其中，随机变量参数包括节点负载参数、发电量参数和发电站安装位置；基于随机变量参数，应用后退-前进搜索方法确定针对输配电网模型的计算顺序；按照计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，潮流数据包括电压、电流、相位角和功率；若计算得到的潮流数据满足收敛条件，则输出潮流数据。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种应用于大规模输配电系统的动态潮流计算方法，其特征在于，包括：
基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；
基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；
按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；
若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。
2.根据权利要求1所述的方法，其特征在于，还包括：
若计算得到的潮流数据不满足收敛条件，则返回执行应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序的步骤。
3.根据权利要求1所述的方法，其特征在于，所述随机变量参数的产生方式包括：
根据天气状况确定每个发电站安装节点的发电能力，根据所述发电能力计算发电量参数；
根据消费者的用电行为确定所述每个光发电站安装节点的电力负荷，根据所述电力负荷计算节点负载参数。
4.根据权利要求1所述的方法，其特征在于，所述发电站包括光伏发电站，相应的，所述发电量参数包括光伏安装节点中的光伏发电量；
相应的所述光伏安装节点中的光伏发电量的计算方式包括：
根据各个月的总设计系数、标准测试条件下光伏阵列的额定容量、光伏发电站上每个月的总太阳辐射量和标准测试条件下的太阳辐照度，计算各个月的光伏发电量；
将各个月的光伏发电量相加得到年光伏发电量。
5.根据权利要求1所述的方法，其特征在于，所述按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流，包括：
按照所述计算顺序，应用多端口补偿计算方法根据设定公式计算每个光伏安装节点的电流和电压。
6.根据权利要求1所述的方法，其特征在于，所述收敛条件包括各个潮流的值小于设定误差阈值。
7.根据权利要求1所述的方法，其特征在于，所述输配电网模型的节点包括一个松弛节点，所述发电站位于除松弛节点以外的其他节点。
8.一种应用于大规模输配电系统的动态潮流计算装置，其特征在于，包括：
参数输入模块，用于基于输配电网模型，输入随机变量参数，其中，所述随机变量参数包括节点负载参数、发电量参数和发电站安装位置；
计算顺序确定模块，用于基于所述随机变量参数，应用后退-前进搜索方法确定针对所述输配电网模型的计算顺序；
潮流数据计算模块，用于按照所述计算顺序，应用多端口补偿计算方法来获得每个节点的潮流数据，其中，所述潮流数据包括电压、电流、相位角和功率；
潮流数据输出模块，用于若计算得到的潮流数据满足收敛条件，则输出所述潮流数据。
9.一种设备，其特征在于，包括：
处理器，以及与所述处理器相连接的存储器；
所述存储器用于存储计算机程序，所述计算机程序至少用于执行权利要求1-7任一项所述的应用于大规模输配电系统的动态潮流计算方法；
所述处理器用于调用并执行所述存储器中的所述计算机程序。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的应用于大规模输配电系统的动态潮流计算方法中各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010176160.7A CN111244963A (zh) | 2020-03-13 | 2020-03-13 | 动态潮流计算方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010176160.7A CN111244963A (zh) | 2020-03-13 | 2020-03-13 | 动态潮流计算方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111244963A true CN111244963A (zh) | 2020-06-05 |
Family
ID=70876963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010176160.7A Pending CN111244963A (zh) | 2020-03-13 | 2020-03-13 | 动态潮流计算方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111244963A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133406A (zh) * | 2017-05-10 | 2017-09-05 | 东北电力大学 | 一种电力系统静态电压稳定域边界的快速搜索方法 |
| CN107895946A (zh) * | 2017-11-02 | 2018-04-10 | 中国安全生产科学研究院 | 一种电网连锁故障模型的求解方法和设备 |
| CN109830987A (zh) * | 2019-04-11 | 2019-05-31 | 东南大学 | 计及分布式光伏随机性的主动配电网概率稳定性分析方法 |
-
2020
- 2020-03-13 CN CN202010176160.7A patent/CN111244963A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133406A (zh) * | 2017-05-10 | 2017-09-05 | 东北电力大学 | 一种电力系统静态电压稳定域边界的快速搜索方法 |
| CN107895946A (zh) * | 2017-11-02 | 2018-04-10 | 中国安全生产科学研究院 | 一种电网连锁故障模型的求解方法和设备 |
| CN109830987A (zh) * | 2019-04-11 | 2019-05-31 | 东南大学 | 计及分布式光伏随机性的主动配电网概率稳定性分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 马瑾 等: ""配电网的线损计算与分析"", 《东北电力技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Morshed et al. | A probabilistic multi-objective approach for power flow optimization in hybrid wind-PV-PEV systems | |
| Lu et al. | Probabilistic flexibility evaluation for power system planning considering its association with renewable power curtailment | |
| Vlachogiannis | Probabilistic constrained load flow considering integration of wind power generation and electric vehicles | |
| Shen et al. | Low-carbon electricity network transition considering retirement of aging coal generators | |
| Milanović | Probabilistic stability analysis: the way forward for stability analysis of sustainable power systems | |
| Fan et al. | Probabilistic power flow studies for transmission systems with photovoltaic generation using cumulants | |
| Gomes et al. | Impact of decision-making models in Transmission Expansion Planning considering large shares of renewable energy sources | |
| Dent et al. | Simplified methods for renewable generation capacity credit calculation: A critical review | |
| CN104156542B (zh) | 一种基于隐式投影的有源配电系统稳定性仿真方法 | |
| Zhou et al. | Interval optimization combined with point estimate method for stochastic security-constrained unit commitment | |
| Ma et al. | Random-fuzzy chance-constrained programming optimal power flow of wind integrated power considering voltage stability | |
| Lin et al. | Scenario generation and reduction methods for power flow examination of transmission expansion planning | |
| Gaikwad et al. | Reactive power considerations in reliability analysis of photovoltaic systems | |
| Sandhya et al. | Two-stage ANN based intelligent technique for optimal positioning and sizing of DERs in distribution system | |
| Wu et al. | Optimal scenario generation algorithm for multi-objective optimization operation of active distribution network | |
| Ibrahim et al. | Pumped thermal electricity storage for active distribution network applications | |
| Amarasinghe et al. | Capacity credit evaluation of wind and solar power generation using non-sequential Monte Carlo Simulation | |
| Malik et al. | A tutorial for evaluating capacity credit of PV plants based on effective load carrying capability | |
| CN111244963A (zh) | 动态潮流计算方法、装置、设备和存储介质 | |
| Amjady et al. | Optimal reliable operation of hydrothermal power systems with random unit outages | |
| Su et al. | Analytic Input Convex Neural Networks-based Model Predictive Control for Power System Transient Stability Enhancement | |
| Gudelek et al. | Load and PV generation forecast based cost optimization for nanogrids with PV and battery | |
| Ruppert et al. | Dynamic optimal power flow with storage restrictions using augmented lagrangian algorithm | |
| Liang et al. | Reliability assessment of microgrid island operation considering probability distribution of wind farm output | |
| Qadrdan | Modelling of an integrated gas and electricity network with significant wind capacity |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |