CN111325449B - 电网运行风险主动防控方法及装置 - Google Patents

电网运行风险主动防控方法及装置 Download PDF

Info

Publication number
CN111325449B
CN111325449B CN202010076489.6A CN202010076489A CN111325449B CN 111325449 B CN111325449 B CN 111325449B CN 202010076489 A CN202010076489 A CN 202010076489A CN 111325449 B CN111325449 B CN 111325449B
Authority
CN
China
Prior art keywords
unit
power grid
operation risk
grid operation
active
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
Application number
CN202010076489.6A
Other languages
English (en)
Other versions
CN111325449A (zh
Inventor
钟海旺
张广伦
夏清
康重庆
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.)
Tsinghua University
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
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 Tsinghua University, State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202010076489.6A priority Critical patent/CN111325449B/zh
Publication of CN111325449A publication Critical patent/CN111325449A/zh
Application granted granted Critical
Publication of CN111325449B publication Critical patent/CN111325449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种考虑气象引致故障相关性的电网运行风险主动防控方法及装置，其中，方法包括以下步骤：生成元件故障场景；构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型；求解电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。该方法可以在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。

Description

电网运行风险主动防控方法及装置
技术领域
本发明涉及电网安全经济运行技术领域，特别涉及一种考虑气象引致故障相关性的电网运行风险主动防控方法及装置。
背景技术
随着电网规模的不断扩大，远距离输电线路穿越地区存在持续高温、暴雨、大风、雷电、冰雪等多样化的气象条件；伴随着全球气候变化、温室效应等环境问题的家具，诸如台风、飓风等极端气象事件时有发生，对电力系统安全、稳定运行造成了较大影响。相关研究与经验均表明，电力系统运行状态受气象条件影响显著，高温、低温、大风、降水、雷电等多种气象条件均会给电力系统安全稳定运行带来风险；在较为恶劣的气象条件下，电力系统元件发生故障的相关性也显著提高，容易“牵一发而动全身”，引发系统连锁故障甚至停电事故。因此，迫切需要在电网运行风险防控中，未雨绸缪地考虑短时气象因素及气象因素引起的元件故障相关性。
主动风险防控模式是未来电网调度模式应对复杂多变的气象因素的一种可行解决方案。在风险防控方面，传统电网调度模式处于被动地位：以N-1安全约束为代表的传统风险防控方法，仅仅基于系统内部元件信息进行风险评估，结合调度经验采用扫描方法模拟风险事件，风险防控不够精准。随着电网运行环境、运行方式的复杂化，电网运行及风险防控的难度将显著增加，考虑故障相关性的主动风险防控模式基于气象大数据感知，在系统内部元件信息以外，将地理信息、气象信息，以及由此得到的故障相关性因素纳入考量，能应对传统风险防控模式在极端气象情况下的局限性；其具有的风险精准定位功能，能够结合多元外部信息，定位复杂运行方式下系统的薄弱环节，精准决策防控措施，充分发挥电网调度在电力资源优化配置中的作用，大幅度提升复杂运行环境、运行方式下电网安全、经济运行水平。
现有的电网运行风险防控方法主要基于风险调度模型，且未考虑由气象因素导致的元件故障相关性。比如，在现有技术：电网调度运行全过程风险调控方法中，在目标函数中考虑系统风险指标，计算传统的电网运行机组组合及经济调度模型，在系统运行成本与系统风险间寻求综合最佳运行状态。现有方法未能精细考虑故障相关性，对恶劣气象条件下元件故障的高耦合性考虑不足；且风险定义为故障事件发生的概率乘以故障事件产生的后果，未考虑不同故障事件下系统运行成本之间的差异，得到的控制策略是概率意义上的平均风险最低。而主动防控需要达到的效果是在全故障概率空间内寻优，所期望的是平均成本最低。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种考虑气象引致故障相关性的电网运行风险主动防控方法，该方法可以在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。
本发明的另一个目的在于提出一种考虑气象引致故障相关性的电网运行风险主动防控装置。
为达到上述目的，本发明一方面实施例提出了一种考虑气象引致故障相关性的电网运行风险主动防控方法，包括以下步骤：生成元件故障场景；构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型；求解所述电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。
本发明实施例的考虑气象引致故障相关性的电网运行风险主动防控方法，基于考虑相关性的元件故障集进行决策，在全概率空间内，以包含运行成本、负荷削减成本在内的总成本期望值与启停成本之和最小为目标进行优化，以决策在该故障集下概率最优的机组组合方式，作为系统主动防控的措施；在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。
另外，根据本发明上述实施例的考虑气象引致故障相关性的电网运行风险主动防控方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述生成元件故障场景，包括：根据气象大数据信息得到每个线路和机组在该气象条件下的可靠性数据，并通过蒙特卡洛相关性采样得到大量的系统工作和/或故障状态；对所述系统工作和/或所述故障状态进行聚类分析，得到典型故障场景。
进一步地，在本发明的一个实施例中，所述电网运行风险主动防控智能决策模型的目标函数为：
Figure BDA0002378614940000021
其中，T为所研究的时间范围内时段集合；G为全体机组集合；S为故障场景集合；
Figure BDA0002378614940000022
为机组k的单次开机成本；
Figure BDA0002378614940000023
为机组k的单次停机成本；
Figure BDA0002378614940000024
为机组k在时段t的开机变量，取1表示该时段机组开启；
Figure BDA0002378614940000025
为机组k在时段t的停机变量，取1表示该时段机组关停；
Figure BDA0002378614940000031
为给定机组出力方式
Figure BDA0002378614940000032
场景s、与启停方式
Figure BDA0002378614940000033
下的电网运行总成本；ps为场景s出现的概率。
进一步地，在本发明的一个实施例中，所述电网运行风险主动防控智能决策模型的约束条件包括启停变量控制约束、最小连续停机时间约束、最小连续开机时间约束、电网运行风险约束、直流潮流方程约束、母线功率平衡约束、机组出力上下限约束、有功负荷削减量上下限约束、线路有功潮流上下限约束、母线电压相角上下限约束和机组爬坡上下限约束。
进一步地，在本发明的一个实施例中，所述得到混合整数规划模型的最优解，包括：根据机组启停变量的取值得到的最优机组组合方式。
为达到上述目的，本发明另一方面实施例提出了一种考虑气象引致故障相关性的电网运行风险主动防控装置，包括：生成模块，用于生成元件故障场景；构建模块，用于构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型；求解模块，用于求解所述电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。
本发明实施例的考虑气象引致故障相关性的电网运行风险主动防控装置，基于考虑相关性的元件故障集进行决策，在全概率空间内，以包含运行成本、负荷削减成本在内的总成本期望值与启停成本之和最小为目标进行优化，以决策在该故障集下概率最优的机组组合方式，作为系统主动防控的措施；在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。
另外，根据本发明上述实施例的考虑气象引致故障相关性的电网运行风险主动防控装置还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述生成模块进一步用于根据气象大数据信息得到每个线路和机组在该气象条件下的可靠性数据，并通过蒙特卡洛相关性采样得到大量的系统工作和/或故障状态；对所述系统工作和/或所述故障状态进行聚类分析，得到典型故障场景。
进一步地，在本发明的一个实施例中，所述电网运行风险主动防控智能决策模型的目标函数为：
Figure BDA0002378614940000034
其中，T为所研究的时间范围内时段集合；G为全体机组集合；S为故障场景集合；
Figure BDA0002378614940000035
为机组k的单次开机成本；
Figure BDA0002378614940000036
为机组k的单次停机成本；
Figure BDA0002378614940000037
为机组k在时段t的开机变量，取1表示该时段机组开启；
Figure BDA0002378614940000038
为机组k在时段t的停机变量，取1表示该时段机组关停；
Figure BDA0002378614940000041
为给定机组出力方式
Figure BDA0002378614940000042
场景s、与启停方式
Figure BDA0002378614940000043
下的电网运行总成本；ps为场景s出现的概率。
进一步地，在本发明的一个实施例中，所述电网运行风险主动防控智能决策模型的约束条件包括启停变量控制约束、最小连续停机时间约束、最小连续开机时间约束、电网运行风险约束、直流潮流方程约束、母线功率平衡约束、机组出力上下限约束、有功负荷削减量上下限约束、线路有功潮流上下限约束、母线电压相角上下限约束和机组爬坡上下限约束。
进一步地，在本发明的一个实施例中，所述求解模块进一步用于根据机组启停变量的取值得到的最优机组组合方式。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的考虑气象引致故障相关性的电网运行风险主动防控方法的流程图；
图2为根据本发明实施例的考虑气象引致故障相关性的电网运行风险主动防控装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的考虑气象引致故障相关性的电网运行风险主动防控方法及装置，首先将参照附图描述根据本发明实施例提出的考虑气象引致故障相关性的电网运行风险主动防控方法。
图1是本发明一个实施例的考虑气象引致故障相关性的电网运行风险主动防控方法的流程图。
如图1所示，该考虑气象引致故障相关性的电网运行风险主动防控方法包括以下步骤：
在步骤S101中，生成元件故障场景。
可以理解的是，本发明实施例首先考虑相关性的元件故障场景生成。
进一步地，在本发明的一个实施例中，生成元件故障场景，包括：根据气象大数据信息得到每个线路和机组在该气象条件下的可靠性数据，并通过蒙特卡洛相关性采样得到大量的系统工作和/或故障状态；对系统工作和/或故障状态进行聚类分析，得到典型故障场景。
具体而言，根据输入的气象大数据信息，得到每个线路和机组在该气象条件下的可靠性数据，通过蒙特卡洛相关性采样，得到大量的系统工作/故障状态；对采集到的工作/故障状态，进行聚类分析得到典型故障场景。从而得到L(s)和G(s)，s∈S；S为故障场景的集合；L(s)为故障场景s下全体可用线路集合，G(s)为故障场景s下的可用机组集合。
在步骤S102中，构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型。
其中，电网运行风险主动防控智能决策模型的目标函数为：
Figure BDA0002378614940000051
其中，T为所研究的时间范围内时段集合；G为全体机组集合；S为故障场景集合；
Figure BDA0002378614940000052
为机组k的单次开机成本；
Figure BDA0002378614940000053
为机组k的单次停机成本；
Figure BDA0002378614940000054
为机组k在时段t的开机变量，取1表示该时段机组开启；
Figure BDA0002378614940000055
为机组k在时段t的停机变量，取1表示该时段机组关停；
Figure BDA0002378614940000056
为给定机组出力方式
Figure BDA0002378614940000057
场景s、与启停方式
Figure BDA0002378614940000058
下的电网运行总成本；ps为场景s出现的概率。最后一项表示各个故障场景下的电网运行总成本期望值；整个目标函数意在决策最优机组组合，使得综合考虑各故障场景的运行总成本最小。
进一步地，在本发明的一个实施例中，电网运行风险主动防控智能决策模型的约束条件包括启停变量控制约束、最小连续停机时间约束、最小连续开机时间约束、电网运行风险约束、直流潮流方程约束、母线功率平衡约束、机组出力上下限约束、有功负荷削减量上下限约束、线路有功潮流上下限约束、母线电压相角上下限约束和机组爬坡上下限约束。
具体而言，约束条件为：
1、启停变量控制约束：
Figure BDA0002378614940000059
式中，
Figure BDA00023786149400000510
为机组k在时段t的启停变量，取0表示停机，取1表示开机；
2、最小连续停机时间约束：
Figure BDA0002378614940000061
Figure BDA0002378614940000062
式中，
Figure BDA0002378614940000063
为机组k的最小连续停机时间；
3、最小连续开机时间约束：
Figure BDA0002378614940000064
Figure BDA0002378614940000065
式中，
Figure BDA0002378614940000066
为机组k的最小连续开机时间；
4、电网运行风险约束：
Figure BDA0002378614940000067
式中，N为全体母线(节点)集合；
Figure BDA0002378614940000068
为母线i(在时段t的)负荷削减成本；
Figure BDA0002378614940000069
为场景s下母线i在时段t的有功负荷削减量；
Figure BDA00023786149400000610
为场景s下机组k在时段t的有功出力；
Figure BDA00023786149400000611
为机组k的出力成本函数；
需要说明的是，公式7中的
Figure BDA00023786149400000612
若为二次函数，则可化为分段线性函数处理
Figure BDA00023786149400000613
分段数NP可取10；
5、直流潮流方程约束：
Figure BDA00023786149400000614
式中，F(j)为线路j的起始母线节点，T(j)为线路j的终止母线节点；
Figure BDA00023786149400000615
为线路j的输电电抗；
Figure BDA00023786149400000616
为场景s下线路j在时段t承载的有功潮流；
Figure BDA00023786149400000617
为场景s下母线i在时段t的电压相角；
6、母线功率平衡约束：
Figure BDA00023786149400000618
其中，Gi(s)为故障场景s下节点i处的可用机组集合；
Figure BDA0002378614940000071
为母线i在时段t的有功负荷注入；
7、机组出力上下限约束：
Figure BDA0002378614940000072
式中，
Figure BDA0002378614940000073
和
Figure BDA0002378614940000074
分别为机组k的出力上下限；
Figure BDA0002378614940000075
8、有功负荷削减量上下限约束：
Figure BDA0002378614940000076
9、线路有功潮流上下限约束：
Figure BDA0002378614940000077
式中，
Figure BDA0002378614940000078
为线路j的传输容量；
Figure BDA0002378614940000079
10、母线电压相角上下限约束：
Figure BDA00023786149400000710
式中，
Figure BDA00023786149400000711
和
Figure BDA00023786149400000712
分别为母线i的电压相角上下限；
11、机组爬坡上下限约束：
Figure BDA00023786149400000713
式中，
Figure BDA00023786149400000714
和
Figure BDA00023786149400000715
分别为机组k的爬坡速率上下限。
在步骤S103中，求解电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。
其中，在本发明的一个实施例中，得到混合整数规划模型的最优解，包括：根据机组启停变量的取值得到的最优机组组合方式。
可以理解的是，利用现有的商业优化求解器(如Cplex，Gurobi等)求解步骤S102得到的混合整数规划模型，得到混合整数规划模型的最优解，机组启停变量
Figure BDA00023786149400000716
t∈T的取值，即以主动防控为目的决策得到的最优机组组合方式。
综上，本发明实施例提出的考虑气象引致故障相关性的电网运行风险主动防控方法，基于考虑相关性的元件故障集进行决策，在全概率空间内，以包含运行成本、负荷削减成本在内的总成本期望值与启停成本之和最小为目标进行优化，以决策在该故障集下概率最优的机组组合方式，作为系统主动防控的措施；在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。
其次参照附图描述根据本发明实施例提出的考虑气象引致故障相关性的电网运行风险主动防控装置。
图2是本发明一个实施例的考虑气象引致故障相关性的电网运行风险主动防控装置的结构示意图。
如图2所示，该考虑气象引致故障相关性的电网运行风险主动防控装置10包括：生成模块100、构建模块200和求解模块300。
其中，生成模块100用于生成元件故障场景；构建模块200用于构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型；求解模块300用于求解电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。本发明实施例的装置10可以在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。
进一步地，在本发明的一个实施例中，生成模块100进一步用于根据气象大数据信息得到每个线路和机组在该气象条件下的可靠性数据，并通过蒙特卡洛相关性采样得到大量的系统工作和/或故障状态；对系统工作和/或故障状态进行聚类分析，得到典型故障场景。
进一步地，在本发明的一个实施例中，电网运行风险主动防控智能决策模型的目标函数为：
Figure BDA0002378614940000081
其中，T为所研究的时间范围内时段集合；G为全体机组集合；S为故障场景集合；
Figure BDA0002378614940000082
为机组k的单次开机成本；
Figure BDA0002378614940000083
为机组k的单次停机成本；
Figure BDA0002378614940000084
为机组k在时段t的开机变量，取1表示该时段机组开启；
Figure BDA0002378614940000085
为机组k在时段t的停机变量，取1表示该时段机组关停；
Figure BDA0002378614940000086
为给定机组出力方式
Figure BDA0002378614940000087
场景s、与启停方式
Figure BDA0002378614940000088
下的电网运行总成本；ps为场景s出现的概率。
进一步地，在本发明的一个实施例中，电网运行风险主动防控智能决策模型的约束条件包括启停变量控制约束、最小连续停机时间约束、最小连续开机时间约束、电网运行风险约束、直流潮流方程约束、母线功率平衡约束、机组出力上下限约束、有功负荷削减量上下限约束、线路有功潮流上下限约束、母线电压相角上下限约束和机组爬坡上下限约束。
进一步地，在本发明的一个实施例中，求解模块300进一步用于根据机组启停变量的取值得到的最优机组组合方式。
需要说明的是，前述对考虑气象引致故障相关性的电网运行风险主动防控方法实施例的解释说明也适用于该实施例的考虑气象引致故障相关性的电网运行风险主动防控装置，此处不再赘述。
根据本发明实施例提出的考虑气象引致故障相关性的电网运行风险主动防控装置，基于考虑相关性的元件故障集进行决策，在全概率空间内，以包含运行成本、负荷削减成本在内的总成本期望值与启停成本之和最小为目标进行优化，以决策在该故障集下概率最优的机组组合方式，作为系统主动防控的措施；在已知故障场景的情况下，针对电网中可能造成较大负面影响的情况，智能决策主动防控手段，可用以降低电网运行风险，具有很高的应用价值。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
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必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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 (8)

1.一种考虑气象引致故障相关性的电网运行风险主动防控方法，其特征在于，包括以下步骤：
生成气象因素引致的元件故障相关性场景；
构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型，所述电网运行风险主动防控智能决策模型的目标函数为：
Figure FDA0003700207100000011
其中，T为所研究的时间范围内时段集合；G为全体机组集合；S为故障场景集合；
Figure FDA0003700207100000012
为机组k的单次开机成本；
Figure FDA0003700207100000013
为机组k的单次停机成本；
Figure FDA0003700207100000014
为机组k在时段t的开机变量，取1表示该时段机组开启；
Figure FDA0003700207100000015
为机组k在时段t的停机变量，取1表示该时段机组关停；
Figure FDA0003700207100000016
为给定机组出力方式
Figure FDA0003700207100000017
场景s、与启停方式
Figure FDA0003700207100000018
下的电网运行总成本；ps为场景s出现的概率；所述电网运行风险主动防控智能决策模型的约束条件包括电网运行风险约束，通过下式表示所述电网运行风险约束：
Figure FDA0003700207100000019
其中，N为全体母线节点集合；
Figure FDA00037002071000000110
为母线i在时段t的负荷削减成本；
Figure FDA00037002071000000111
为场景s下母线i在时段t的有功负荷削减量；
Figure FDA00037002071000000112
为场景s下机组k在时段t的有功出力；
Figure FDA00037002071000000113
为机组k的出力成本函数，若出力成本函数为二次函数，则将所述出力成本函数化为分段线性函数处理；以及
求解所述电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。
2.根据权利要求1所述的方法，其特征在于，所述生成气象因素引致的元件故障相关性场景，包括：
根据气象大数据信息得到每个线路和机组在当前气象条件下的可靠性数据，并通过蒙特卡洛相关性采样得到大量的系统工作和/或故障状态；
对所述系统工作和/或所述故障状态进行聚类分析，得到典型故障场景。
3.根据权利要求1所述的方法，其特征在于，所述电网运行风险主动防控智能决策模型的约束条件还包括启停变量控制约束、最小连续停机时间约束、最小连续开机时间约束、直流潮流方程约束、母线功率平衡约束、机组出力上下限约束、有功负荷削减量上下限约束、线路有功潮流上下限约束、母线电压相角上下限约束和机组爬坡上下限约束。
4.根据权利要求1所述的方法，其特征在于，所述得到混合整数规划模型的最优解，包括：
根据机组启停变量的取值得到的最优机组组合方式。
5.一种考虑气象引致故障相关性的电网运行风险主动防控装置，其特征在于，包括：
生成模块，用于生成气象因素引致的元件故障相关性场景；
构建模块，用于构建以最优机组组合为防控手段的电网运行风险主动防控智能决策模型，所述电网运行风险主动防控智能决策模型的目标函数为：
Figure FDA0003700207100000021
其中，T为所研究的时间范围内时段集合；G为全体机组集合；S为故障场景集合；
Figure FDA0003700207100000022
为机组k的单次开机成本；
Figure FDA0003700207100000023
为机组k的单次停机成本；
Figure FDA0003700207100000024
为机组k在时段t的开机变量，取1表示该时段机组开启；
Figure FDA0003700207100000025
为机组k在时段t的停机变量，取1表示该时段机组关停；
Figure FDA0003700207100000026
为给定机组出力方式
Figure FDA0003700207100000027
场景s、与启停方式
Figure FDA0003700207100000028
下的电网运行总成本；ps为场景s出现的概率；所述电网运行风险主动防控智能决策模型的约束条件包括电网运行风险约束，通过下式表示所述电网运行风险约束：
Figure FDA0003700207100000029
其中，N为全体母线节点集合；
Figure FDA00037002071000000210
为母线i在时段t的负荷削减成本；
Figure FDA00037002071000000211
为场景s下母线i在时段t的有功负荷削减量；
Figure FDA00037002071000000212
为场景s下机组k在时段t的有功出力；
Figure FDA00037002071000000213
为机组k的出力成本函数，若出力成本函数为二次函数，则将所述出力成本函数化为分段线性函数处理；以及
求解模块，用于求解所述电网运行风险主动防控智能决策模型，得到混合整数规划模型的最优解。
6.根据权利要求5所述的装置，其特征在于，所述生成模块进一步用于根据气象大数据信息得到每个线路和机组在当前气象条件下的可靠性数据，并通过蒙特卡洛相关性采样得到大量的系统工作和/或故障状态；对所述系统工作和/或所述故障状态进行聚类分析，得到典型故障场景。
7.根据权利要求5所述的装置，其特征在于，所述电网运行风险主动防控智能决策模型的约束条件还包括启停变量控制约束、最小连续停机时间约束、最小连续开机时间约束、直流潮流方程约束、母线功率平衡约束、机组出力上下限约束、有功负荷削减量上下限约束、线路有功潮流上下限约束、母线电压相角上下限约束和机组爬坡上下限约束。
8.根据权利要求5所述的装置，其特征在于，所述求解模块进一步用于根据机组启停变量的取值得到的最优机组组合方式。
CN202010076489.6A 2020-01-23 2020-01-23 电网运行风险主动防控方法及装置 Active CN111325449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010076489.6A CN111325449B (zh) 2020-01-23 2020-01-23 电网运行风险主动防控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010076489.6A CN111325449B (zh) 2020-01-23 2020-01-23 电网运行风险主动防控方法及装置

Publications (2)

Publication Number Publication Date
CN111325449A CN111325449A (zh) 2020-06-23
CN111325449B true CN111325449B (zh) 2022-08-23

Family

ID=71173278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010076489.6A Active CN111325449B (zh) 2020-01-23 2020-01-23 电网运行风险主动防控方法及装置

Country Status (1)

Country Link
CN (1) CN111325449B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025524A (zh) * 2016-12-30 2017-08-08 国电南瑞科技股份有限公司 考虑负荷供电可靠性要求的设备过载辅助决策方法
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102545258B (zh) * 2012-01-12 2013-11-06 西安交通大学 一种大规模风电并网的电网优化规划方法
US8977524B2 (en) * 2012-03-06 2015-03-10 Siemens Aktiengesellschaft Interior point method for reformulated optimal power flow model
WO2013173879A1 (en) * 2012-05-23 2013-11-28 National Ict Australia Limited Alternating current (ac) power flow analysis in an electrical power network
CN103094927A (zh) * 2013-01-30 2013-05-08 清华大学 考虑风电出力不确定性与半绝对离差风险的机组组合方法及系统
CN105303267B (zh) * 2015-11-20 2020-04-24 武汉大学 一种考虑动态频率约束的含高渗透率光伏电源的孤立电网机组组合优化方法
CN107301479B (zh) * 2017-04-12 2020-07-14 广东电网有限责任公司电力调度控制中心 基于自然灾害风险的输电系统多场景规划方法
CN109190777B (zh) * 2018-09-28 2021-06-08 国家电网公司西北分部 一种多时间尺度协调的检修计划优化方法
CN109245176B (zh) * 2018-11-24 2021-07-02 太原理工大学 计及风险的含大规模风电的互联电网机组组合方法
CN109713730A (zh) * 2018-12-05 2019-05-03 中国电力科学研究院有限公司 一种电网系统的最大受电规模的计算方法
CN109830979B (zh) * 2019-01-25 2022-07-22 重庆大学 一种基于时序模拟的计算及常规机组随机故障的发电系统灵活性评估方法
CN109861306B (zh) * 2019-03-07 2021-06-22 南方电网科学研究院有限责任公司 输电网发电调度方法与装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025524A (zh) * 2016-12-30 2017-08-08 国电南瑞科技股份有限公司 考虑负荷供电可靠性要求的设备过载辅助决策方法
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电网运行风险定级与管控研究;王一枫;《中国优秀硕士论文全文数据库 工程科技Ⅱ辑》;20150715;第C042-594页 *

Also Published As

Publication number Publication date
CN111325449A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
van der Wiel et al. Meteorological conditions leading to extreme low variable renewable energy production and extreme high energy shortfall
Hossain et al. Metrics and enhancement strategies for grid resilience and reliability during natural disasters
Dowds et al. A review of large-scale wind integration studies
Zhang et al. Ramp forecasting performance from improved short-term wind power forecasting over multiple spatial and temporal scales
Zhang et al. Resilience assessment of interdependent energy systems under hurricanes
Mohammadi et al. Optimization of hybrid solar energy sources/wind turbine systems integrated to utility grids as microgrid (MG) under pool/bilateral/hybrid electricity market using PSO
US9466034B2 (en) Renewable energy configurator
CN107944757A (zh) 电力互联系统可再生能源消纳能力评估分析方法
US10461538B2 (en) System stabilization control device and power system control system
Zhang et al. Spatial–temporal reliability and damage assessment of transmission networks under hurricanes
Smith et al. A mighty wind
Song et al. Multi-objective energy-cost design optimization for the variable-speed wind turbine at high-altitude sites
CN109546677B (zh) 一种规模化海上风电柔性送出系统安全控制策略求解方法
CN103246939A (zh) 基于安全稳定裕度的电网运行安全风险事件在线辨识方法
Persson Frequency response by wind farms in power systems with high wind power penetration
Almassalkhi et al. Incorporating storage as a flexible transmission asset in power system operation procedure
CN114763782A (zh) 用于控制可再生能源场符合朝向电网的规范的方法
Zhang et al. Boosting the power grid resilience under typhoon disasters by coordinated scheduling of wind energy and conventional generators
CN111325449B (zh) 电网运行风险主动防控方法及装置
Polleux et al. On the relationship between battery power capacity sizing and solar variability scenarios for industrial off-grid power plants
JP5504504B2 (ja) リソースの配分に係る演算処理を行なうシステムおよびリソース配分を決定する方法
JP2014176204A (ja) 供給電力予測システム、供給電力調整システム
Kaldellis Maximum wind potential exploitation in autonomous electrical networks on the basis of stochastic analysis
CN112531745A (zh) 一种电力系统频率安全预防控制优化方法
Sun et al. A multi-model-integration-based prediction methodology for the spatiotemporal distribution of vulnerabilities in integrated energy systems under the multi-type, imbalanced, and dependent input data scenarios

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