CN111523819A - 一种计及分布式电源出力不确定性的节能潜力评估方法 - Google Patents
一种计及分布式电源出力不确定性的节能潜力评估方法 Download PDFInfo
- Publication number
- CN111523819A CN111523819A CN202010351907.8A CN202010351907A CN111523819A CN 111523819 A CN111523819 A CN 111523819A CN 202010351907 A CN202010351907 A CN 202010351907A CN 111523819 A CN111523819 A CN 111523819A
- Authority
- CN
- China
- Prior art keywords
- distributed power
- power supply
- output
- calculated
- data
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
Abstract
本发明提出了一种计及分布式电源出力不确定性的节能潜力评估方法。本发明构建含分布式电源的多节点配电网模型,每节点至多并入一台电源;构建全年自然因素样本数据,通过K‑means进行样本聚类,再以聚类后的各聚类中心计算分布式电源的出力;根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点、线损薄弱节点,通过改善方法将其调节为非薄弱节点,分别将聚类中心计算的分布式电源的网损率、电压质量改善率、三相不平衡度、节能改造成本效益依次进行归一化处理,进一步计算综合节能潜力值;计算各聚类中心计算的分布式电源出力的综合节能潜力平均值。本发明突破DG的不确定性带来的配电网节能潜力评估的局限性,且节能潜力方案评估更为全面。
Description
技术领域:
本发明属于分布式能源技术领域,特别涉及一种计及分布式电源出力不确定性的节能潜力评估方法。
背景技术:
目前多数配电网还存在设备老化、台区负荷不匹配、线路过长、迂回供电、部分线路线径偏小、无功补偿不足等众多导致高线损的不利因素,使得配电网在节能降耗方面有着很大的挖掘潜力,但配电网节能改造方案的节能潜力评估较多是针对单一指标进行评估,没有考虑到节能改造成本效益,而将配电网节能改造引入效益分享型合同能源管理机制是配电网节能减排的重要举措,对于电力行业完成节能减排目标具有重要作用。未来高比例的DG接入配电网是趋势,其接入配电网后使得网络结构趋于复杂,且因其出力的波动性以及不确定性会对配电网的节能改造方案的节能潜力评估带来较多麻烦,进一步限制了配电网节能降耗的挖掘潜力。
本发明的一种计及分布式电源出力不确定性的配电网综合节能潜力评估方法,考虑DG的波动性及不确定性以K-means聚类方法进行场景提取,针对所选场景结合前推回代计算对含DG配电网进行备选节能改造方案库构建,以网损率、电压质量改善率、三相不平衡度偏差率、节能改造成本效益多个指标构建含DG配电网的综合节能潜力评估模型,对含DG配电网采取前推回代潮流结合综合节能潜力评估模型计算各备选节能改造方案的综合节能潜力评估值,最后结合多个场景下的节能潜力评估结果进行改造方案优选。
本发明的一种计及分布式电源出力不确定性的配电网综合节能潜力评估方法,能较大程度突破因DG的不确定性带来的配电网节能潜力评估的局限性,且能综合考虑三相不平衡度、节能改造成本效益等指标,使得节能潜力方案的评估更为全面,为含DG配电网的节能降耗潜力的挖掘提供了新的思路和技术方案,具有良好的市场应用前景。
发明内容:
本发明的目的在于提供一种计及分布式电源出力不确定性的节能潜力评估方法。有效考虑了DG不确定的特点利用K-means聚类方法进行场景选取保证了数据精度,针对各场景下的节能潜力评估构建了网损率、电压质量改善率、三相不平衡度偏差率、节能改造成本效益的综合评估指标,实现多目标目的,最终实现改造方案优选。
本发明的技术方案为一种计及分布式电源出力不确定性的节能潜力评估方法,具体包括以下步骤:
步骤1:构建多节点配电网模型,将多台分布式电源随机接入配电网的节点中,每个节点至多并入一台电源。
步骤2:构建全年自然因素样本数据,在全年自然因素样本数据中随机选择多个样本作为初始多个聚类的中心,通过K-means分类的方法将剩余自然因素样本数据分类至多个聚类中,进一步通过K-means分类后各聚类中心计算分布式电源的出力;
步骤3:根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点、线损薄弱节点,通过改善方法调节将配电网中电压、线损的薄弱节点调节为非薄弱节点,分别将聚类中心计算的分布式电源的网损率、电压质量改善率、三相不平衡度、节能改造成本效益依次进行归一化处理,得到聚类中心计算的分布式电源的归一化网损率、归一化电压质量改善率、归一化三相不平衡度、归一化节能改造成本效益,进一步计算综合节能潜力值;
步骤4:计算各聚类中心计算的分布式电源出力的综合节能潜力平均值;
作为优选,步骤2所述全年自然因素样本数据为:
data(t)(t∈[1,T]
其中,T为全年小时的数量,data(t)为全年自然因素样本数据中第t个小时的自然因素数据;
步骤2所述随机选择n个样本作为初始n个聚类的中心为:
随机选择n个样本作为初始聚类中心,即簇心;
所述n个聚类的中心为:
Ka={data(ts)}(s=1,2,...,n)
其中,data(ts)为第s个聚类的簇心,data(ts)为全年自然因素样本数据中第ts个小时的自然因素数据;
步骤2所述通过K-means分类的方法将剩余自然因素样本数据分类至n个聚类中为:
步骤2.1,所述剩余自然因素样本数据为:
Kb={data(tɡ)}(g=1,2,...,T-n)
其中,data(tɡ)为剩余自然因素样本数据第g个自然因素数据,data(tɡ)为全年自然因素样本数据中第tg个小时的自然因素数据;
步骤2.2,通过欧式距离计算公式,计算剩余自然因素样本数据中各自然因素数据到n个初始聚类中心的欧几里得距离:
d(Ka,Kb)=||data(ts)-data(tg)||2
其中,||*||2为欧式距离计算公式;
步骤2.3,根据邻近相似原则,将剩余自然因素样本数据中各自然因素数据分别归类到与其距离最近的聚类中心所在的簇中,此聚类集合为Kc={Ld}(d=1,2,...,n),其中,Ld为包含不同自然因素数据data(tp)的第d个聚类,
步骤2.4,计算归类后Ld中所有元素data(tp)的平均值Ml(l=1,2,...,n),作为n个簇新的聚类中心,并更新聚类中心,具体如下:
其中,|Ld|是包含不同自然因素数据data(tp)的总个数;
重复执行步骤2.2-步骤2.4,直到聚类结果及聚类中心不再发生变化,直到T个自然因素数据分类至n个聚类的分类结果不再变化且n个聚类中心不再变化,则最后聚类中心为Kc={data(te)}(e=1,2,...,n);
其中,data(te)为最终聚类的第e个聚类的簇心;
步骤2所述进一步通过K-means分类后各聚类中心计算分布式电源的出力为PDG:
其中,P(data(te))为自然因素data(te)下的出力,PR为分布式电源出力的额定值;
作为优选,步骤3所述根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点为:
结合聚类中心计算的分布式电源的出力通过潮流计算,依次计算配电网中每个节点的节点电压,将节点电压小于电压阈值的节点定义为电压薄弱节点;
步骤3所述根据聚类中心计算的分布式电源的出力选取配电网中线损薄弱节点为为:
结合聚类中心计算的分布式电源的出力通过潮流计算,依次计算配电网中每条支路的支路线损,将支路线损小于线损阈值的支路末端节点定义为线损薄弱节点;
步骤3中所述改善方法包含:配网改造方法,无功补偿方法,配网运行方式调整方法;
步骤3所述聚类中心计算的分布式电源的出力的网损率为:
其中,n为聚类中心的数量,αi为第i个聚类中心计算的分布式电源的出力的网损率,ΔP0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的配电网网损量,ΔP1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的配电网网损量;
步骤3所述聚类中心计算的分布式电源的出力的电压质量改善率为:
其中,n为聚类中心的数量,βi为第i个聚类中心计算的分布式电源的出力的网损率,U0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的馈线主干线末端电压,U1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的馈线主干线末端电压;
步骤3所述聚类中心计算的分布式电源的出力的三相不平衡度为
其中,n为聚类中心的数量,δi为第i个聚类中心计算的分布式电源的出力的三相不平衡度,ε0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的馈线中三相不平衡度。ε1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的馈线中三相不平衡度;
步骤3所述聚类中心计算的分布式电源的出力的节能改造成本效益为
Ei=Ai-Bi-Ci
i∈[1,n]
其中,Ei为第i个聚类中心计算的分布式电源的出力的节能改造成本效益,Ai为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后年节省电费,Bi为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的年投资费用,Ci为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的年维护费用;
步骤3所述将聚类中心计算的分布式电源的网损率进行归一化处理为:
步骤3所述将聚类中心计算的分布式电源的电压质量改善率进行归一化处理为:
步骤3所述将聚类中心计算的分布式电源的三相不平衡度进行归一化处理为:
步骤3所述将聚类中心计算的分布式电源的节能改造成本效益进行归一化处理为:
步骤3所述计算综合节能潜力值为:
其中,n为聚类中心的数量,γi为第i个聚类中心计算的分布式电源的出力的计算综合节能潜力值;
作为优选,步骤4具体为:
其中,n为聚类中心的数量,γi为第i个聚类中心计算的分布式电源的出力的计算综合节能潜力值,ω为各聚类中心计算的分布式电源出力的综合节能潜力平均值。
步骤4中该综合节能潜力平均值用于考虑分布式电源出力不确定的因素,进行配网的多种提升方法的节能评价。
本发明的有益效果是:
本发明的一种计及分布式电源出力不确定性的配电网综合节能潜力评估方法,能较大程度突破因DG的不确定性带来的配电网节能潜力评估的局限性,且能综合考虑三相不平衡度、节能改造成本效益等指标,实现多目标目的且使得节能潜力方案的评估更为全面,为含DG配电网的节能潜力挖掘提供了新的思路和技术方案,具有良好的市场应用前景。
附图说明:
图1:本发明方法流程图;
具体实施方式:
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明具体实施场景为含分布式电源的多节点配电网模型,配电网节点为80,其中分布式电源类型可选风机分布式电源作为研究对象,其自然因素为风速。
如附图1所示,本发明提出了一种计及分布式电源出力不确定性的节能潜力评估方法流程图,具体包含以下步骤:
步骤1:构建多节点配电网模型,将多台分布式电源随机接入配电网的节点中,每个节点至多并入一台电源。
步骤2:构建全年自然因素样本数据,在全年自然因素样本数据中随机选择n个样本作为初始n个聚类的中心,通过K-means分类的方法将剩余自然因素样本数据分类至n个聚类中,进一步通过K-means分类后各聚类中心计算分布式电源的出力;
步骤2所述全年自然因素样本数据为:
data(t)(t∈[1,T])
其中,T=8760为全年小时的数量,data(t)为全年自然因素样本数据中第t个小时的自然因素数据;
步骤2所述随机选择n个样本作为初始n个聚类的中心为:
随机选择n个样本作为初始聚类中心,即簇心;
所述n个聚类的中心为:
Ka={data(ts)}(s=1,2,...,n)
其中,n=12为聚类中心的数量,data(ts)为第s个聚类的簇心,data(ts)为全年自然因素样本数据中第ts个小时的自然因素数据;
步骤2所述通过K-means分类的方法将剩余自然因素样本数据分类至n个聚类中为:
步骤2.1,所述剩余自然因素样本数据为:
Kb={data(tɡ)}(g=1,2,...,T-n)
其中,n=12为聚类中心的数量,data(tɡ)为剩余自然因素样本数据第g个自然因素数据,data(tɡ)为全年自然因素样本数据中第tg个小时的自然因素数据;
步骤2.2,通过欧式距离计算公式,计算剩余自然因素样本数据中各自然因素数据到n个初始聚类中心的欧几里得距离:
d(Ka,Kb)=||data(ts)-data(tg)||2
其中,||*||2为欧式距离计算公式;
步骤2.3,根据邻近相似原则,将剩余自然因素样本数据中各自然因素数据分别归类到与其距离最近的聚类中心所在的簇中,此聚类集合为Kc={Ld}(d=1,2,...,n),其中,Ld为包含不同自然因素数据data(tp)的第d个聚类,
步骤2.4,计算归类后Ld中所有元素data(tp)的平均值Ml(l=1,2,...,n),作为n个簇新的聚类中心,并更新聚类中心,具体如下:
其中,|Ld|是包含不同自然因素数据data(tp)的总个数;
重复执行步骤2.2-步骤2.4,直到聚类结果及聚类中心不再发生变化,直到T个自然因素数据分类至n个聚类的分类结果不再变化且n个聚类中心不再变化,则最后聚类中心为Kc={data(te)}(e=1,2,...,n);
其中,data(te)为最终聚类的第e个聚类的簇心;
步骤2所述进一步通过K-means分类后各聚类中心计算分布式电源的出力为PDG:
其中,P(data(te))为自然因素data(te)下的出力,PR为分布式电源出力的额定值;
步骤3:根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点、线损薄弱节点,通过改善方法调节将配电网中电压、线损的薄弱节点调节为非薄弱节点,分别将聚类中心计算的分布式电源的网损率、电压质量改善率、三相不平衡度、节能改造成本效益依次进行归一化处理,得到聚类中心计算的分布式电源的归一化网损率、归一化电压质量改善率、归一化三相不平衡度、归一化节能改造成本效益,进一步计算综合节能潜力值;
步骤3所述根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点为为:
结合聚类中心计算的分布式电源的出力通过潮流计算,依次计算配电网中每个节点的节点电压,将节点电压小于电压阈值的节点定义为电压薄弱节点;
步骤3所述根据聚类中心计算的分布式电源的出力选取配电网中线损薄弱节点为为:
结合聚类中心计算的分布式电源的出力通过潮流计算,依次计算配电网中每条支路的支路线损,将支路线损小于线损阈值的支路末端节点定义为线损薄弱节点;
步骤3中所述改善方法包含:配网改造方法,无功补偿方法,配网运行方式调整方法;
步骤3所述聚类中心计算的分布式电源的出力的网损率为:
其中,n=12为聚类中心的数量,αi为第i个聚类中心计算的分布式电源的出力的网损率,ΔP0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的配电网网损量,ΔP1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的配电网网损量;
步骤3所述聚类中心计算的分布式电源的出力的电压质量改善率为:
其中,n=12为聚类中心的数量,βi为第i个聚类中心计算的分布式电源的出力的网损率,U0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的馈线主干线末端电压,U1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的馈线主干线末端电压;
步骤3所述聚类中心计算的分布式电源的出力的三相不平衡度为
其中,n=12为聚类中心的数量,δi为第i个聚类中心计算的分布式电源的出力的三相不平衡度,ε0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的馈线中三相不平衡度。ε1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的馈线中三相不平衡度;
步骤3所述聚类中心计算的分布式电源的出力的节能改造成本效益为
Ei=Ai-Bi-Ci
i∈[1,n]
其中,n=12为聚类中心的数量,Ei为第i个聚类中心计算的分布式电源的出力的节能改造成本效益,Ai为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后年节省电费,Bi为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的年投资费用,Ci为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的年维护费用;
步骤3所述将聚类中心计算的分布式电源的网损率进行归一化处理为:
步骤3所述将聚类中心计算的分布式电源的电压质量改善率进行归一化处理为:
步骤3所述将聚类中心计算的分布式电源的三相不平衡度进行归一化处理为:
步骤3所述将聚类中心计算的分布式电源的节能改造成本效益进行归一化处理为:
步骤3所述计算综合节能潜力值为:
其中,n=12为聚类中心的数量,γi为第i个聚类中心计算的分布式电源的出力的计算综合节能潜力值;
步骤4:计算各聚类中心计算的分布式电源出力的综合节能潜力平均值;
步骤4具体为:
其中,n=12为聚类中心的数量,γi为第i个聚类中心计算的分布式电源的出力的计算综合节能潜力值,ω为各聚类中心计算的分布式电源出力的综合节能潜力平均值。
步骤4中该综合节能潜力平均值用于考虑分布式电源出力不确定的因素,进行配网的多种提升方法的节能评价。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可对所描述的具体实施例做修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (4)
1.一种计及分布式电源出力不确定性的节能潜力评估方法,其特征在于,具体包括以下步骤:
步骤1:构建多节点配电网模型,将多台分布式电源随机接入配电网的节点中,每个节点至多并入一台电源;
步骤2:构建全年自然因素样本数据,在全年自然因素样本数据中随机选择多个样本作为初始多个聚类的中心,通过K-means分类的方法将剩余自然因素样本数据分类至多个聚类中,进一步通过K-means分类后各聚类中心计算分布式电源的出力;
步骤3:根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点、线损薄弱节点,通过改善方法调节将配电网中电压、线损的薄弱节点调节为非薄弱节点,分别将聚类中心计算的分布式电源的网损率、电压质量改善率、三相不平衡度、节能改造成本效益依次进行归一化处理,得到聚类中心计算的分布式电源的归一化网损率、归一化电压质量改善率、归一化三相不平衡度、归一化节能改造成本效益,进一步计算综合节能潜力值;
步骤4:计算各聚类中心计算的分布式电源出力的综合节能潜力平均值。
2.根据权利要求1所述的计及分布式电源出力不确定性的节能潜力评估方法,其特征在于:
步骤2所述全年自然因素样本数据为:
data(t)(t∈[1,T]
其中,T为全年小时的数量,data(t)为全年自然因素样本数据中第t个小时的自然因素数据;
步骤2所述随机选择n个样本作为初始n个聚类的中心为:
随机选择n个样本作为初始聚类中心,即簇心;
所述n个聚类的中心为:
Ka={data(ts)}(s=1,2,...,n)
其中,data(ts)为第s个聚类的簇心,data(ts)为全年自然因素样本数据中第ts个小时的自然因素数据;
步骤2所述通过K-means分类的方法将剩余自然因素样本数据分类至n个聚类中为:
步骤2.1,所述剩余自然因素样本数据为:
Kb={data(tɡ)}(g=1,2,...,T-n)
其中,data(tɡ)为剩余自然因素样本数据第g个自然因素数据,data(tɡ)为全年自然因素样本数据中第tg个小时的自然因素数据;
步骤2.2,通过欧式距离计算公式,计算剩余自然因素样本数据中各自然因素数据到n个初始聚类中心的欧几里得距离:
d(Ka,Kb)=||data(ts)-data(tg)||2
其中,||*||2为欧式距离计算公式;
步骤2.3,根据邻近相似原则,将剩余自然因素样本数据中各自然因素数据分别归类到与其距离最近的聚类中心所在的簇中,此聚类集合为Kc={Ld}(d=1,2,...,n),其中,Ld为包含不同自然因素数据data(tp)的第d个聚类,
步骤2.4,计算归类后Ld中所有元素data(tp)的平均值Ml(l=1,2,...,n),作为n个簇新的聚类中心,并更新聚类中心,具体如下:
其中,|Ld|是包含不同自然因素数据data(tp)的总个数;
重复执行步骤2.2-步骤2.4,直到聚类结果及聚类中心不再发生变化,直到T个自然因素数据分类至n个聚类的分类结果不再变化且n个聚类中心不再变化,则最后聚类中心为Kc={data(te)}(e=1,2,...,n);
其中,data(te)为最终聚类的第e个聚类的簇心;
步骤2所述进一步通过K-means分类后各聚类中心计算分布式电源的出力为PDG:
其中,P(data(te))为自然因素data(te)下的出力,PR为分布式电源出力的额定值。
3.根据权利要求1所述的计及分布式电源出力不确定性的节能潜力评估方法,其特征在于:步骤3所述根据聚类中心计算的分布式电源的出力选取配电网中电压薄弱节点为:
结合聚类中心计算的分布式电源的出力通过潮流计算,依次计算配电网中每个节点的节点电压,将节点电压小于电压阈值的节点定义为电压薄弱节点;
步骤3所述根据聚类中心计算的分布式电源的出力选取配电网中线损薄弱节点为为:
结合聚类中心计算的分布式电源的出力通过潮流计算,依次计算配电网中每条支路的支路线损,将支路线损小于线损阈值的支路末端节点定义为线损薄弱节点;
步骤3中所述改善方法包含:配网改造方法,无功补偿方法,配网运行方式调整方法;
步骤3所述聚类中心计算的分布式电源的出力的网损率为:
i∈[1,n]
其中,n为聚类中心的数量,αi为第i个聚类中心计算的分布式电源的出力的网损率,ΔP0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的配电网网损量,ΔP1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的配电网网损量;
步骤3所述聚类中心计算的分布式电源的出力的电压质量改善率为:
i∈[1,n]
其中,n为聚类中心的数量,βi为第i个聚类中心计算的分布式电源的出力的网损率,U0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的馈线主干线末端电压,U1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的馈线主干线末端电压;
步骤3所述聚类中心计算的分布式电源的出力的三相不平衡度为
i∈[1,n]
其中,n为聚类中心的数量,δi为第i个聚类中心计算的分布式电源的出力的三相不平衡度,ε0,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节前的馈线中三相不平衡度,ε1,i为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的馈线中三相不平衡度;
步骤3所述聚类中心计算的分布式电源的出力的节能改造成本效益为
Ei=Ai-Bi-Ci
i∈[1,n]
其中,Ei为第i个聚类中心计算的分布式电源的出力的节能改造成本效益,Ai为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后年节省电费,Bi为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的年投资费用,Ci为第i个聚类中心计算的分布式电源的出力的采用改善方法调节后的年维护费用;
步骤3所述将聚类中心计算的分布式电源的网损率进行归一化处理为:
i∈[1,n]
步骤3所述将聚类中心计算的分布式电源的电压质量改善率进行归一化处理为:
i∈[1,n]
步骤3所述将聚类中心计算的分布式电源的三相不平衡度进行归一化处理为:
i∈[1,n]
步骤3所述将聚类中心计算的分布式电源的节能改造成本效益进行归一化处理为:
i∈[1,n]
步骤3所述计算综合节能潜力值为:
i∈[1,n]
其中,n为聚类中心的数量,γi为第i个聚类中心计算的分布式电源的出力的计算综合节能潜力值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351907.8A CN111523819B (zh) | 2020-04-28 | 2020-04-28 | 一种计及分布式电源出力不确定性的节能潜力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010351907.8A CN111523819B (zh) | 2020-04-28 | 2020-04-28 | 一种计及分布式电源出力不确定性的节能潜力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523819A true CN111523819A (zh) | 2020-08-11 |
CN111523819B CN111523819B (zh) | 2023-04-21 |
Family
ID=71904616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010351907.8A Active CN111523819B (zh) | 2020-04-28 | 2020-04-28 | 一种计及分布式电源出力不确定性的节能潜力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523819B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417630A (zh) * | 2020-11-25 | 2021-02-26 | 重庆涪陵电力实业股份有限公司 | 一种考虑出力不确定的分布式电源选址定容优化方法 |
CN112966717A (zh) * | 2021-02-04 | 2021-06-15 | 国网浙江省电力有限公司电力科学研究院 | 一种配电网可调资源的可调潜力聚合方法 |
CN114566972A (zh) * | 2022-04-28 | 2022-05-31 | 国网四川省电力公司电力科学研究院 | 考虑新能源波动不确定性的复合潮流追踪线损优化方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587585B1 (en) * | 2000-05-23 | 2003-07-01 | Ncr Corporation | Method of parameterizing a threshold curve for a binarization program and an apparatus therefor |
JP2016077090A (ja) * | 2014-10-07 | 2016-05-12 | 株式会社日立製作所 | 省エネルギ支援システムおよび省エネルギ支援方法 |
CN105590174A (zh) * | 2015-12-29 | 2016-05-18 | 南京因泰莱电器股份有限公司 | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 |
CN107748940A (zh) * | 2017-11-16 | 2018-03-02 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
WO2018082523A1 (zh) * | 2016-11-02 | 2018-05-11 | 中国电力科学研究院有限公司 | 一种负荷周期的模式识别方法 |
CN108830324A (zh) * | 2018-06-20 | 2018-11-16 | 国网上海市电力公司 | 一种基于数据挖掘技术的公共建筑用电异常判别方法 |
CN108920790A (zh) * | 2018-06-20 | 2018-11-30 | 国网上海市电力公司 | 一种基于历史数据的公共建筑用电模式识别模型建立方法 |
CN109390940A (zh) * | 2018-11-30 | 2019-02-26 | 国家电网公司西南分部 | 一种考虑需求响应和综合效益的送端电网电源规划方法 |
CN110707685A (zh) * | 2019-09-06 | 2020-01-17 | 国网福建省电力有限公司 | 一种配电网电能质量节能增效方案优选方法 |
CN110932294A (zh) * | 2019-11-21 | 2020-03-27 | 国网节能服务有限公司 | 一种配电网三相不平衡的分布式补偿方法 |
-
2020
- 2020-04-28 CN CN202010351907.8A patent/CN111523819B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587585B1 (en) * | 2000-05-23 | 2003-07-01 | Ncr Corporation | Method of parameterizing a threshold curve for a binarization program and an apparatus therefor |
JP2016077090A (ja) * | 2014-10-07 | 2016-05-12 | 株式会社日立製作所 | 省エネルギ支援システムおよび省エネルギ支援方法 |
CN105590174A (zh) * | 2015-12-29 | 2016-05-18 | 南京因泰莱电器股份有限公司 | 基于k-均值聚类rbf神经网络的企业用电负荷预测方法 |
WO2018082523A1 (zh) * | 2016-11-02 | 2018-05-11 | 中国电力科学研究院有限公司 | 一种负荷周期的模式识别方法 |
CN107748940A (zh) * | 2017-11-16 | 2018-03-02 | 国网上海市电力公司 | 一种节电潜力量化预测方法 |
CN108830324A (zh) * | 2018-06-20 | 2018-11-16 | 国网上海市电力公司 | 一种基于数据挖掘技术的公共建筑用电异常判别方法 |
CN108920790A (zh) * | 2018-06-20 | 2018-11-30 | 国网上海市电力公司 | 一种基于历史数据的公共建筑用电模式识别模型建立方法 |
CN109390940A (zh) * | 2018-11-30 | 2019-02-26 | 国家电网公司西南分部 | 一种考虑需求响应和综合效益的送端电网电源规划方法 |
CN110707685A (zh) * | 2019-09-06 | 2020-01-17 | 国网福建省电力有限公司 | 一种配电网电能质量节能增效方案优选方法 |
CN110932294A (zh) * | 2019-11-21 | 2020-03-27 | 国网节能服务有限公司 | 一种配电网三相不平衡的分布式补偿方法 |
Non-Patent Citations (3)
Title |
---|
ENSHAEE A 等: ""Tracing reactive power flows and allocating transmission lines losses: an analytical method"", 《IEEE SYSTEM JOURNAL》 * |
杨作祥等: ""计及源荷不确定性的配电网综合节能潜力评估方法"", 《中国电力》 * |
郑玲: ""基于节能减排含分布式电源的配电网规划研究"", 《中国硕博论文-工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112417630A (zh) * | 2020-11-25 | 2021-02-26 | 重庆涪陵电力实业股份有限公司 | 一种考虑出力不确定的分布式电源选址定容优化方法 |
CN112417630B (zh) * | 2020-11-25 | 2023-04-18 | 重庆涪陵电力实业股份有限公司 | 一种考虑出力不确定的分布式电源选址定容优化方法 |
CN112966717A (zh) * | 2021-02-04 | 2021-06-15 | 国网浙江省电力有限公司电力科学研究院 | 一种配电网可调资源的可调潜力聚合方法 |
CN114566972A (zh) * | 2022-04-28 | 2022-05-31 | 国网四川省电力公司电力科学研究院 | 考虑新能源波动不确定性的复合潮流追踪线损优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111523819B (zh) | 2023-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523819A (zh) | 一种计及分布式电源出力不确定性的节能潜力评估方法 | |
CN109508823B (zh) | 一种基于场景分析法的配电网中分布式电源规划方法 | |
CN110674999A (zh) | 基于改进聚类和长短期记忆深度学习的小区负荷预测方法 | |
CN113783224A (zh) | 一种考虑多种分布式能源运行的配电网双层优化规划方法 | |
CN111461921B (zh) | 一种基于机器学习的负荷建模典型用户数据库更新方法 | |
Salimon et al. | Impact of optimal placement and sizing of capacitors on radial distribution network using cuckoo search algorithm | |
CN114611842B (zh) | 一种整县屋顶分布式光伏功率预测方法 | |
CN115759623A (zh) | 一种储能参与电力市场交易特征关系的调度方法 | |
CN111242420B (zh) | 一种综合性能多维度评估方法 | |
CN112418496A (zh) | 一种基于深度学习的配电台区储能配置方法 | |
CN110570091A (zh) | 基于改进F-score特征选择及粒子群BP神经网络的负荷辨识方法 | |
CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
CN116316611B (zh) | 基于低压台区下的供电方法及系统 | |
CN111652459A (zh) | 一种计及新能源消纳多指标内涵的电网评价方法 | |
CN115860552A (zh) | 一种农村能源互联网综合效益评价方法 | |
CN114676931B (zh) | 一种基于数据中台技术的电量预测系统 | |
CN115186882A (zh) | 一种基于聚类的可控负荷空间密度预测方法 | |
CN116307427A (zh) | 一种面向典型供电结构的电网分阶段拓展规划及求解方法 | |
Ganesh et al. | Multi objective approach for capacitor placement based on load balancing index in radial distribution system | |
CN113708380A (zh) | 风-光-储混合系统区域无功储备多目标优化方法 | |
Fan et al. | Prediction and Analysis of Power User Energy Consumption Based on Demand Side Management | |
Yang et al. | Application Research of K-means Algorithm based on Big Data Background | |
Liu et al. | A clustering-based feature enhancement method for short-term natural gas consumption forecasting | |
CN110852628A (zh) | 考虑发展模式影响的农村中长期负荷预测方法 | |
YiHua et al. | Research on partitioning strategy based on locational marginal price with high proportion of renewable energy |
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 |