CN111598484A - 一种风光储系统电能质量综合评估方法 - Google Patents
一种风光储系统电能质量综合评估方法 Download PDFInfo
- Publication number
- CN111598484A CN111598484A CN202010456448.XA CN202010456448A CN111598484A CN 111598484 A CN111598484 A CN 111598484A CN 202010456448 A CN202010456448 A CN 202010456448A CN 111598484 A CN111598484 A CN 111598484A
- Authority
- CN
- China
- Prior art keywords
- index
- wind
- evaluation
- storage system
- power 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 68
- 238000004146 energy storage Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000012544 monitoring process Methods 0.000 claims abstract description 62
- 238000010606 normalization Methods 0.000 claims abstract description 13
- 238000013441 quality evaluation Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000001514 detection method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 abstract description 11
- 230000007547 defect Effects 0.000 abstract description 4
- 238000013210 evaluation model Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000011905 homologation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明的风光储系统电能质量综合评估方法,包括如下步骤:步骤1)建立了包含电压波动d、电压闪变Pst、电压偏差ΔU、电压暂降/升ΔUsags、电力谐波THD、三相不平衡ε、频率偏差Δf和供电可靠性率ASAI共8个内层指标的风光储系统的电能质量评价指标体系;步骤2)对各项指标进行同向化、归一化处理;步骤3)采用模糊层次分析法确定各指标排序权重;步骤4)制定分辨系数动态调整策略,评估监测点电能质量等级。有益效果:使主观与客观得到了统一,考虑了传统灰色关联分析法分辨系数取定值的弊端,引入动态分辨系数,适用于风光储系统电能质量综合评估。
Description
技术领域
本发明属于电能质量综合评估领域,尤其涉及一种风光储系统电能质量综合评估方法。
背景技术
化石燃料的不断消耗,不仅引起了能源供给的日趋紧张,而且还带来了严重的环境问题。近年来,大型风电场、光伏电场技术相继得到广泛应用。同时,集成了风电场、光伏电站、储能的风光储系统,更是得到了深入研究。
然而,风光储系统并网后会对电能质量产生潜在的影响,可能会引起频率偏差、电压波动、电压闪变、电压不平衡、谐波畸变和直流注入等问题。例如通过电力电子装置并网会产生谐波、三相电流不平衡,输出功率的随机性易造成电网电压波动、闪变。准确全面地对电能质量进行综合评估,对推动电能质量的综合治理和建立公平、公正的电力市场有着重要意义。
虽然风光储系统电能质量的综合评估十分重要,但是这方面的相关研究还并不多见。电能质量的综合评估相对于传统电力系统和风光储系统而言,只是其应用场合不同而已,其问题的实质是一致的。故可以借鉴传统电力系统中的电能质量综合评估方法。现有的电能质量综合评估方法主要有层次分析法、模糊数学法、熵权法以及各种智能算法。但层次分析法和模糊数学法属于主观赋权法,其结果受人为主观因素影响较大,与之相反熵权法则只考虑电能指标实际的波动情况,完全忽视了专家的工程经验,因此都不能很好的反应实际的电能质量情况。而各种智能算法的使用需要利用大量的样本进行训练,当样本容量不足时会造成评估结果的不准确。
发明内容
本发明目的在于克服背景技术中出现的问题,提供了一种风光储系统电能质量综合评估方法,改进各个指标的量化赋权后,通过考察评估对象的客观数值分布特性,并引入动态分辨系数调整策略,增加了评估模型的有效性和鲁棒性,具体由以下技术方案实现:
所述风光储系统电能质量综合评估方法,其特征在于包括如下步骤:
步骤1)建立了包含电压波动d、电压闪变Pst、电压偏差ΔU、电压暂降/升ΔUsags、电力谐波THD、三相不平衡ε、频率偏差Δf和供电可靠性率ASAI共8个内层指标的风光储系统的电能质量评价指标体系;
步骤2)对各项指标进行同向化、归一化处理;
步骤3)采用模糊层次分析法确定各指标排序权重,得到加权归一化评价矩阵;
步骤4)制定分辨系数动态调整策略,结合所述加权归一化评价矩阵评估监测点电能质量等级。
2.根据权利要求1所述的风光储系统电能质量综合评估方法,其特征在于,所述步骤2)包括如下步骤:
步骤2-1)指标同向化处理:将所述电能质量评价指标体系中的电压暂降/升和供电可靠性率为正向指标,其余指标均为逆向指标,并通过式(1)将电压暂降/升和供电可靠性率转化为逆向指标;
步骤2-2)根据式(2)对各指标进行归一化处理,
3.根据权利要求1所述的风光储系统电能质量综合评估方法,其特征在于,所述步骤3)中,采用模糊层次分析法确定各指标排序权重,具体包括如下步骤:
步骤3-1)设对于准则层中的第k个准则,有m个指标与其相关,采用0.1~0.9标度法对所述m个指标两两比较选取标度值,构造模糊判断矩阵Ak=(aij)m×m,其中如果第i个指标对于第j个指标的标度值为aij,则第j个指标对于第i个指标的标度值为aji=1-aij,采用加性一致性矩阵的定义对模糊判断矩阵进行变形得到模糊一致矩阵Rk,参见式(3);
其中,
式中,ri为模糊判断矩阵Ak中第i行的所有元素之和;rj为模糊判断矩阵Ak中第j行的所有元素之和;
步骤3-2)采用最小二乘法,根据式(4)计算出第i个指标对应的权重,得到所述m个指标相对于准则k的权重Wk=[ω1,ω2,…,ωm];
步骤3-3)重复步骤3-1)、3-2)求出各下层指标相对于上层指标的权重值,并最终计算出指标层中的指标j相对于目标层的总排序权重dj。
步骤3-4)设定对n个监测点进行检测,每个监测点测得全部m个指标的检测数据xij,根据式(5)计算得到加权归一化评价矩阵:
B=(bij)m×n=(djxij)m×n (5)。
4.根据权利要求1所述的风光储系统电能质量综合评估方法,其特征在于,所述步骤4)具体包括如下步骤:
步骤4-1)选定参考序列:根据评价指标体系及其对应的评价值确定一个最优序列作为对比参照,并选择加权归一化评价矩阵中各指标的极小值作为参考序列,记为B0=[b10,b20,...,bm0];
步骤4-2)根据式(6)计算第i个监测点的第j个指标相对于标准数列B0的第j个指标的关联系数βij;
Δij=|bj0-bij|
式中,ε为分辨系数,其范围为0到1;Δij表示加权归一化评价矩阵中第i个监测点的各指标监测值与标准数列中对应指标的差形成的差序列;Δmin表示差序列Δij中的最小值;Δmax表示差序列Δij中的最大值;
步骤4-3)根据式(7)定义制定动态分辨系数调整策略;
步骤4-4)根据监测点指标数据和参考序列中对应的指标的关联系数,通过式(7)计算出第i个监测点的监测数据与参考序列的整体灰色关联度为:
5.根据权利要求4所述的风光储系统电能质量综合评估方法,其特征在于,所述步骤4-3)中,当εΔj>0.5时,设定此时指标数据为平稳状态,为了增强Δmax对关联度的支配作用,充分突出关联度中所蕴含整体数据信息的差异性,取任意ε∈[0.8,1];当0<εΔj<0.5时,设定此时指标数据为异常状态,为了抑制Δmax对关联度的支配作用,取当εΔj=0时,取任意ε∈[0,1]。
本发明的优点如下:
本发明所提出的一种基于模糊层次分析法和改进灰色关联分析的风光储系统电能质量综合评估方法,使主观与客观得到了统一,考虑了传统灰色关联分析法分辨系数取定值的弊端,引入动态分辨系数,适用于风光储系统电能质量综合评估。
本发明所建立的一种基于模糊层次分析法和改进灰色关联分析的风光储系统电能质量综合评估方法,将专家知识和长期运行经验作为评估模型的输入的参量(参量的数值不影响该方法的可重复实施,仅作为输入参数)进行量化后赋权给各个指标,给客观评价提供了主观经验的参考,并采用动态分辨系数调整策略,弥补了传统灰色关联度的不足,增加了评估模型的有效性。
附图说明
图1为本发明的风光储系统电能质量综合评估方法的示意图。
图2为电能质量评价指标体系的示意图。
具体实施方式
下面结合附图以及两则具体实施例对本发明进行详细说明。
本发明如图1所示,本发明所述的基于模糊层次分析法和改进灰色关联分析的风光储系统电能质量综合评估方法,采用模糊层次分析法,结合专家知识和长期运行经验,确定各指标排序权重,从而根据各监测点指标数据形成加权归一化矩阵。引入动态分辨系数,改进传统灰色关联法系法,计算各监测点指标数据灰色关联度,评估监测点电能质量等级。
其实现步骤包括:
步骤1)建立风光储系统电能质量评价指标体系;
要建立风光储系统的电能质量综合评估模型,首先需要建立其电能质量评价指标体系。风电、光伏由于其间歇性、随机性,接入配电系统后会带来一系列新的电能质量问题。在稳态方面,风光储系统并网会对电压波动、电压闪变、电压偏差、频率偏差、电力谐波等影响;在暂态方面,风光储系统并网会带来电压暂降/升、电力短时中断等影响。结合传统配电系统的电能质量影响因素和风光储系统并网带来的影响,本实施例将反映监测点电能质量等级的因素归纳为频率质量、电压质量和供电可靠性这三个准则层因子,建立了如图2所示的包含电压波动d、电压闪变Pst、电压偏差ΔU、电压暂降/升ΔUsags、电力谐波THD、三相不平衡ε、频率偏差Δf和供电可靠性率ASAI共8个内层指标的电能质量评价指标体系。当然,根据实际监测条件限制和不同场景下的需求,该指标体系可以进行相应的扩展或化简,以适应多种应用场合。
步骤2)对各项指标进行同向化、归一化处理。具体包括如下步骤:
步骤2-1)指标同向化
按照指标的性质,可以将本实施例采用的8个电能质量指标分为正向指标和逆向指标两类。其中电压暂降/升和供电可靠性率为正向指标,其余指标均为逆向指标,因此为保证指标数据大小的一致性,采用式(1)~(2)将电压暂降/升和供电可靠性率转化为逆向指标。
步骤2-2)指标归一化
进行电能质量综合评估前,为了使各指标处于同一量纲和数量级,还应对指标进行归一化处理。本实施例指标经同向化处理后均转化为逆向指标,指标数值越小越好,因此对各指标进行如下处理:
步骤3)采用模糊层次分析法确定各指标排序权重;
模糊层次分析法[15]将模糊数学与层次分析法相结合,构造模糊判断矩阵,并通过一定方式转化为模糊一致矩阵,解决了层次分析法中检验判断矩阵是否具有一致性过程复杂且判断标准缺少科学依据的问题。
设对于准则层中的第k个准则,有m个指标与其相关,采用如表1所示的0.1~0.9标度法对这m个指标两两比较选取标度值,构造模糊判断矩阵Ak=(aij)m×m,其中如果第i个指标对于第j个指标的标度值为aij,则第j个指标对于第i个指标的标度值为aji=1-aij。由于0.1~0.9标度法是一种加性标度,采用加性一致性矩阵的定义对模糊判断矩阵进行变形得到模糊一致矩阵Rk:
其中,
式中ri为模糊判断矩阵Ak中第i行的所有元素之和;rj为模糊判断矩阵Ak中第j行的所有元素之和。
表1 0.1~0.9标度法
采用最小二乘法,根据式(5)计算出第i个指标对应的权重,由此得到这m个指标相对于准则k的权重Wk=[ω1,ω2,…,ωm]。
按照上述方法可以求出各下层指标相对于上层指标的权重值,并最终计算出指标层中的指标j相对于目标层的总排序权重dj。
假设对n个监测点进行检测,每个监测点测得全部m个指标的检测数据xij,则根据式(6)计算得到加权归一化评价矩阵:
B=(bij)m×n=(djxij)m×n (6)
步骤4)制定分辨系数动态调整策略,改进传统灰色关联分析法,评估监测点电能质量等级,具体包括如下步骤:
步骤4-1)选定参考序列
根据评价指标体系及其对应的评价值确定一个最优序列作为对比参照。此序列也称为标准序列或参考序列。其各个指标的取值一般为此指标在所有参与评价对象中的最优值。由于本实施例所建立的风光储系统电能质量评价指标体系中各指标经同向化处理后均为逆向指标,因此选择加权归一化评价矩阵中各指标的极小值作为参考序列,记为B0=[b10,b20,...,bm0]。
步骤4-2)计算关联系数
计算第i个监测点的第j个指标相对于标准数列B0的第j个指标的关联系数βij。计算公式如下:
Δij=|bj0-bij| (10)
式中,ε为分辨系数,其范围为0到1。
步骤4-3)动态分辨系数调整策略
由式(7)可以看出,分辨系数ε与Δmax的乘积对于整个公式的值有较大的影响,ε的取值反映了系统Δmax因子对关联度的间接影响程度,ε不同则关联度不同。传统方法中人为设置ε为0.5,将导致计算结果趋于平均化,同时减小关联度的分布区间,导致结果趋于平均化,且人为取值随机性较强,使最终评估结果的有效性降低[18]。因此,本实施例提出一种动态分辨系数调整策略,克服人为固定分辨系数的不足,提高最终评估结果的有效性。
定义:
由于ε∈(0,1],当εΔj>0.5时,说明此时数据较为平稳,为了增强Δmax对关联度的支配作用,充分突出关联度中所蕴含整体数据信息的差异性,取任意ε∈[0.8,1];当0<εΔj<0.5时,说明此时指标数据中有异常值,为了抑制Δmax对关联度的支配作用,取当εΔj=0时,取任意ε∈[0,1]。
步骤4-4)确定关联度
根据监测点指标数据和参考序列中对应的指标的关联系数,计算出第i个监测点的监测数据与参考序列的整体灰色关联度为:
下面通过一个算例对本发明做进一步的说明。
为了验证本实施例所提方法的有效性和可行性,选取国内某风光储系统进行实测分析。将8项电能质量指标分为优秀、良好、中等、合格和不合格5级,各指标各等级划分的临界值L1~L4如表2所示。表3中的数据为待评价的电能质量监测值。且表2和表3中指标数据均已经过同向化、归一化处理。
下面利用FAHP-GRA方法对该风光储系统电能质量进行综合评估。
由FAHP法计算排序权重
根据专家意见和用户的要求确定指标间的标度值,构造模糊判断矩阵,按照式(4)~(5)计算得到各项指标相对于目标层的总排序权重:
D=[0.0576,0.1758,0.0522,0.1078,0.0234,0.0130,0.4302,0.1400]。
表2各电能质量指标等级限值
指标 | L<sub>1</sub> | L<sub>2</sub> | L<sub>3</sub> | L<sub>4</sub> |
ΔU | 1.00 | 3.00 | 5.00 | 7.00 |
THD | 1.00 | 2.00 | 3.00 | 5.00 |
d | 0.50 | 1.00 | 1.50 | 2.00 |
P<sub>st</sub> | 0.20 | 0.50 | 0.80 | 1.00 |
ε | 0.50 | 1.00 | 1.50 | 2.00 |
ΔU<sub>sags</sub> | 0.10 | 0.20 | 0.50 | 0.90 |
Δf | 0.05 | 0.10 | 0.15 | 0.20 |
ASAI | 0.05 | 1.05 | 0.20 | 0.30 |
表3电能质量监测数据
由GRA法评估监测点电能质量等级
根据式(6)和测得的电能质量监测数据计算得到加权归一化评价矩阵:
为了能够从结果中判断出各监测点的等级,本实施例将各项指标的等级界限也当做监测数据处理,得到如下归一化评价矩阵:
确定参考序列
选择加权归一化评价矩阵中各指标的极小值作为参考序列,即B0=[0,0,...,0]。
计算关联系数矩阵
采用上述动态分辨系数调整策略,根据式(7)~(10)计算各监测点指标与各等级界限对于参考序列对应指标的关联系数,得到如下关联系数矩阵:
确定关联度,对各监测点进行排序
根据式(13)计算出各监测点与各等级界限的关联度,得到综合评估向量为:
向量中最后四个数为L1~L4等级界限的评估值,前五个数为各监测点的评估值。从中可以看出5个点的电能质量优劣顺序为:监测点2>L1>监测点3>监测点1>监测点5>L2>监测点4。
可以得出以下结论:监测点1的电能质量等级为优秀,监测点1、3、5的电能质量均为良好,监测点4的电能质量为中等。
为进一步验证本实施例所提方法的有效性,将按照本实施例的FAHP-GRA法并采用动态分辨系数调整策略计算出的综合评估结果与采用FAHP-GRA法但固定分辨系数以及文献[13]所采用的组合赋权法得到的评估结果对比,如表4所示。
表4不同评估方式评估结果
从排序结果上看,运用本实施例所提方法得到的排序结果与采用另两种方法所得到的评估结果基本一致,说明本实施例所提FAHP-GRA法得到监测点电能质量评估结果是可信有效的。
此外,比较采用本实施例所提动态分辨系数策略和固定分辨系数时得到的关联度,采用传统的灰色关联分析即固定分辨系数时,大部分监测点指标数据的关联度较大且数值接近,不利于分辨出高关联度监测数据的排序情况。说明式(7)中Δmax未能对关联系数的计算结果产生应有的影响,这将降低各监测点电能质量的区分度。
采用动态分辨系数调整策略,改进传统灰色关联分析法后,可以看到关联度较大的数据(>3.3)较为分散,方差为0.5632,而固定分辨系数的传统灰色关联分析法,关联度较大(>7)的数据基本分布在一条直线上,方差为0.0292。由此可见,采用动态分辨系数改进传统灰色关联分析法后,关联度高的数据分布区间明显增大,各监测数据关联度的分散程度增加,充分体现了关联度的整体性,验证了本实施例所提方法的有效性。
采用模糊层次分析法确定权重的过程中,省去了层次分析法中检验判断矩阵是否具有一致性的复杂过程,减少计算量。将模糊层次分析法与灰色关联分析相结合,使主观与客观得到了统一,评价结果更为合理,更符合实际。考虑传统灰色关联分析分辨系数取定值的弊端,引入动态分辨系数,使所建立的评估模型反映客观数据所蕴含的有效信息,且受异常数据的影响较小,有较强的鲁棒性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种风光储系统电能质量综合评估方法,其特征在于包括如下步骤:
步骤1)建立了包含电压波动d、电压闪变Pst、电压偏差ΔU、电压暂降/升ΔUsags、电力谐波THD、三相不平衡ε、频率偏差Δf和供电可靠性率ASAI共8个内层指标的风光储系统的电能质量评价指标体系;
步骤2)对各项指标进行同向化、归一化处理;
步骤3)采用模糊层次分析法确定各指标排序权重,得到加权归一化评价矩阵;
步骤4)制定分辨系数动态调整策略,结合所述加权归一化评价矩阵评估监测点电能质量等级。
3.根据权利要求1所述的风光储系统电能质量综合评估方法,其特征在于,所述步骤3)中,采用模糊层次分析法确定各指标排序权重,具体包括如下步骤:
步骤3-1)设对于准则层中的第k个准则,有m个指标与其相关,采用0.1~0.9标度法对所述m个指标两两比较选取标度值,构造模糊判断矩阵Ak=(aij)m×m,其中如果第i个指标对于第j个指标的标度值为aij,则第j个指标对于第i个指标的标度值为aji=1-aij,采用加性一致性矩阵的定义对模糊判断矩阵进行变形得到模糊一致矩阵Rk,参见式(3);
其中,
式中,ri为模糊判断矩阵Ak中第i行的所有元素之和;rj为模糊判断矩阵Ak中第j行的所有元素之和;
步骤3-2)采用最小二乘法,根据式(4)计算出第i个指标对应的权重,得到所述m个指标相对于准则k的权重Wk=[ω1,ω2,…,ωm];
步骤3-3)重复步骤3-1)、3-2)求出各下层指标相对于上层指标的权重值,并最终计算出指标层中的指标j相对于目标层的总排序权重dj;
步骤3-4)设定对n个监测点进行检测,每个监测点测得全部m个指标的检测数据xij,根据式(5)计算得到加权归一化评价矩阵:
B=(bij)m×n=(djxij)m×n (5)。
4.根据权利要求1所述的风光储系统电能质量综合评估方法,其特征在于,所述步骤4)具体包括如下步骤:
步骤4-1)选定参考序列:根据评价指标体系及其对应的评价值确定一个最优序列作为对比参照,并选择加权归一化评价矩阵中各指标的极小值作为参考序列,记为B0=[b10,b20,...,bm0];
步骤4-2)根据式(6)计算第i个监测点的第j个指标相对于标准数列B0的第j个指标的关联系数βij;
Δij=|bj0-bij|
式中,ε为分辨系数,其范围为0到1;Δij表示加权归一化评价矩阵中第i个监测点的各指标监测值与标准数列中对应指标的差形成的差序列;Δmin表示差序列Δij中的最小值;Δmax表示差序列Δij中的最大值;
步骤4-3)根据式(7)定义制定动态分辨系数调整策略;
步骤4-4)根据监测点指标数据和参考序列中对应的指标的关联系数,通过式(7)计算出第i个监测点的监测数据与参考序列的整体灰色关联度为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010456448.XA CN111598484A (zh) | 2020-05-26 | 2020-05-26 | 一种风光储系统电能质量综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010456448.XA CN111598484A (zh) | 2020-05-26 | 2020-05-26 | 一种风光储系统电能质量综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598484A true CN111598484A (zh) | 2020-08-28 |
Family
ID=72186523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010456448.XA Pending CN111598484A (zh) | 2020-05-26 | 2020-05-26 | 一种风光储系统电能质量综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598484A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521304A (zh) * | 2018-12-07 | 2019-03-26 | 国网河南省电力公司电力科学研究院 | 一种节点电压暂降耐受特性的描述及评估方法及装置 |
CN112288293A (zh) * | 2020-11-03 | 2021-01-29 | 浙江华电器材检测研究所有限公司 | 一种大型充电站电能质量综合评估方法 |
CN112308458A (zh) * | 2020-11-23 | 2021-02-02 | 广东电网有限责任公司计量中心 | 一种低压台区量测数据评价方法和系统 |
CN113420975A (zh) * | 2021-06-17 | 2021-09-21 | 中智行科技有限公司 | 一种系统性能的评测方法及装置 |
CN114219206A (zh) * | 2021-11-04 | 2022-03-22 | 三峡大学 | 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法 |
CN114742334A (zh) * | 2021-11-09 | 2022-07-12 | 无锡城市职业技术学院 | 一种基于多层次灰色系统评价法的高职学生就业质量评价模型 |
CN115081951A (zh) * | 2022-07-28 | 2022-09-20 | 东南大学溧阳研究院 | 基于模糊综合评判的风电并网系统电能质量评估方法 |
CN115879654A (zh) * | 2023-03-03 | 2023-03-31 | 山东科技大学 | 一种地下巷道稳定性预测和可靠性评价方法 |
CN117373556A (zh) * | 2023-12-04 | 2024-01-09 | 山东清控生态环境产业发展有限公司 | 一种基于多维数据的溯源仪器及系统 |
WO2024125037A1 (zh) * | 2022-12-13 | 2024-06-20 | 浙江万胜智能科技股份有限公司 | 一种基于物联网的电表电能质量检测方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007172512A (ja) * | 2005-12-26 | 2007-07-05 | Fujifilm Corp | 画像品質定量評価方法及びその装置並びに画像品質定量評価値を計算するプログラム |
CN109447459A (zh) * | 2018-10-26 | 2019-03-08 | 国网四川省电力公司达州供电公司 | 一种考虑指标质量影响权重的电能质量综合评估方法 |
-
2020
- 2020-05-26 CN CN202010456448.XA patent/CN111598484A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007172512A (ja) * | 2005-12-26 | 2007-07-05 | Fujifilm Corp | 画像品質定量評価方法及びその装置並びに画像品質定量評価値を計算するプログラム |
CN109447459A (zh) * | 2018-10-26 | 2019-03-08 | 国网四川省电力公司达州供电公司 | 一种考虑指标质量影响权重的电能质量综合评估方法 |
Non-Patent Citations (3)
Title |
---|
周依希等: "基于AHP-灰色关联度的复杂电网节点综合脆弱性评估", 《电力系统保护与控制》 * |
李涛: "基于模糊层次分析法和灰色关联分析方法的变电站选址研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
王忠民等: "基于灰色模糊层次分析的电能质量综合评估", 《通信电源技术》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109521304B (zh) * | 2018-12-07 | 2021-04-02 | 国网河南省电力公司电力科学研究院 | 一种节点电压暂降耐受特性的描述及评估方法及装置 |
CN109521304A (zh) * | 2018-12-07 | 2019-03-26 | 国网河南省电力公司电力科学研究院 | 一种节点电压暂降耐受特性的描述及评估方法及装置 |
CN112288293A (zh) * | 2020-11-03 | 2021-01-29 | 浙江华电器材检测研究所有限公司 | 一种大型充电站电能质量综合评估方法 |
CN112308458A (zh) * | 2020-11-23 | 2021-02-02 | 广东电网有限责任公司计量中心 | 一种低压台区量测数据评价方法和系统 |
CN113420975A (zh) * | 2021-06-17 | 2021-09-21 | 中智行科技有限公司 | 一种系统性能的评测方法及装置 |
CN114219206B (zh) * | 2021-11-04 | 2024-05-28 | 三峡大学 | 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法 |
CN114219206A (zh) * | 2021-11-04 | 2022-03-22 | 三峡大学 | 基于灰色层次分析的抽水蓄能机组油系统状态综合评估方法 |
CN114742334A (zh) * | 2021-11-09 | 2022-07-12 | 无锡城市职业技术学院 | 一种基于多层次灰色系统评价法的高职学生就业质量评价模型 |
CN115081951A (zh) * | 2022-07-28 | 2022-09-20 | 东南大学溧阳研究院 | 基于模糊综合评判的风电并网系统电能质量评估方法 |
WO2024125037A1 (zh) * | 2022-12-13 | 2024-06-20 | 浙江万胜智能科技股份有限公司 | 一种基于物联网的电表电能质量检测方法及系统 |
CN115879654A (zh) * | 2023-03-03 | 2023-03-31 | 山东科技大学 | 一种地下巷道稳定性预测和可靠性评价方法 |
CN115879654B (zh) * | 2023-03-03 | 2023-05-16 | 山东科技大学 | 一种地下巷道稳定性预测和可靠性评价方法 |
CN117373556A (zh) * | 2023-12-04 | 2024-01-09 | 山东清控生态环境产业发展有限公司 | 一种基于多维数据的溯源仪器及系统 |
CN117373556B (zh) * | 2023-12-04 | 2024-02-13 | 山东清控生态环境产业发展有限公司 | 一种基于多维数据的溯源仪器及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598484A (zh) | 一种风光储系统电能质量综合评估方法 | |
CN106055918B (zh) | 一种电力系统负荷数据的辨识及修正方法 | |
CN111177650B (zh) | 一种配电网电能质量监测与综合评估系统及方法 | |
CN104408562B (zh) | 一种基于bp神经网络的光伏系统发电效率综合评估方法 | |
CN112308427B (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN109546659B (zh) | 基于随机矩阵和智能场景匹配的配电网无功优化方法 | |
CN105631771A (zh) | 一种基于变权函数的多参数电缆状态评价方法 | |
CN112990627B (zh) | 电能质量评估方法 | |
CN112926893A (zh) | 基于模糊综合评判和层次分析的水平井调剖效果评价方法 | |
CN114897331A (zh) | 一种基于三参数区间灰数决策的电力变压器风险评估方法 | |
CN114912339A (zh) | 一种变电站一次设备多因素温度预测方法 | |
CN113866552B (zh) | 一种基于机器学习的中压配网用户用电异常诊断方法 | |
CN117332288A (zh) | 一种建筑节能技术评估系统及方法 | |
CN117236744A (zh) | 一种考虑多谐波源的谐波影响评估方法 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN117273195A (zh) | 一种蒸汽供热系统需求负荷预测方法 | |
CN113361946B (zh) | 一种基于分布式光伏并网系统的电能质量评估方法及装置 | |
CN114971233A (zh) | 一种基于ifahp-critic和topsis的电能质量综合评估方法和系统 | |
CN114529225A (zh) | 一种智能化二次加压供水方法、装置和可读存储介质 | |
CN114707784A (zh) | 一种基于组合赋权法的权重确定方法及系统 | |
CN116305725A (zh) | 一种绝缘工器具工频耐压试验周期确定方法及装置 | |
CN111539275B (zh) | 一种基于负载特性可视化的电气负载分类方法和系统 | |
Gu et al. | Power quality early warning based on anomaly detection | |
CN114493157A (zh) | 一种适用分散光伏用户的电能质量评估方法 | |
CN113780888A (zh) | 一种电能质量综合评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200828 |