CN112036740A - 基于节点停电风险不变的节点备用容量快速评估方法 - Google Patents
基于节点停电风险不变的节点备用容量快速评估方法 Download PDFInfo
- Publication number
- CN112036740A CN112036740A CN202010886553.7A CN202010886553A CN112036740A CN 112036740 A CN112036740 A CN 112036740A CN 202010886553 A CN202010886553 A CN 202010886553A CN 112036740 A CN112036740 A CN 112036740A
- Authority
- CN
- China
- Prior art keywords
- node
- load
- connectivity
- power failure
- failure risk
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000004044 response Effects 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 8
- 230000035945 sensitivity Effects 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 9
- 230000008602 contraction Effects 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth 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
本发明公开了一种基于节点停电风险不变的节点备用容量快速评估方法,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险;评估各预想运行场景下节点停电风险;筛选出对目标负荷节点的停电风险有影响的场景组合,筛选节点连通度下降幅度最大的场景;通过负荷响应降低节点等效负荷的手段,将节点停电风险恢复至正常运行状态下节点停电风险,从而确定节点负荷响应需要提供的备用容量。本发明提供的基于节点停电风险不变的节点备用容量快速评估方法,在节点停电风险不变条件下,可以快速计算每一个负荷节点的事故备用容量,提高了节点以负荷响应作为事故备用参与备用服务的可行性。
Description
技术领域
本发明涉及电力系统停电备用容量计算技术领域,特别是涉及一种基于节点停电风险不变的节点备用容量快速评估方法。
背景技术
为了保障电力系统安全稳定运行和足够的供电可靠性,通常需要留有一定的运行备用容量,以应对可能出现的负荷波动和系统故障,这部分备用容量称为负荷备用(用以应对负荷波动的备用容量)及事故备用(用以应对系统故障情况而留取的备用)。
基于负荷响应的备用容量随着大规模可再生能源发电量入网,系统运行的波动性大大增强,为系统的安全稳定运行带来了新的挑战。然而随着技术和观念的发展变化,也产生了新型的备用容量获取方式,例如基于激励的负荷响应容量参与市场运行,为电网的运行提供备用服务。当传统的备用源无法为系统提供足够的备用容量时,负荷响应作为紧急事故备用的作用更加重要。
传统方法主要从系统的角度出发,研究备用容量的配置及分配问题,或者从负荷的预防控制角度出发,挖掘智能负荷的弹性响应能力,使其主动响应电网调度,提供系统备用。现有技术将整个系统作为一个研究对象,计算方法均为基于模型的方法,计算精度受模型精度影响,计算效率系统规模限制,且无法直接给出每一个节点所需的备用容量。目前,尚未有研究直接着眼于每一个负荷节点,从预防控制的角度出发,为了使负荷节点的停电风险维持在某一个水平,从实时运行的角度预测节点需要以负荷响应的方式提供的备用容量的数值。
发明内容
本发明的目的是提供一种基于节点停电风险不变的节点备用容量快速评估方法,在节点停电风险不变条件下,可以快速计算每一个负荷节点的事故备用容量,提高了节点以负荷响应作为事故备用参与备用服务的可行性。
为实现上述目的,本发明提供了如下方案:
一种基于节点停电风险不变的节点备用容量快速评估方法,该方法包括以下步骤:
S1,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险;
S2,通过计及新能源发电的随机波动、出力预测误差以及重要线路的概率性故障集中不确定性因素的组合,得到一组预想运行场景,计算各预想运行场景下,各负荷节点连通度的数值,采用步骤S1的方法,评估各预想运行场景下节点停电风险;
S3,基于各预想运行场景下节点停电风险,筛选出对目标负荷节点的停电风险有影响的场景组合,并按照节点连通度下降幅度进行排序,筛选节点连通度下降幅度最大的场景;
S4,针对节点连通度下降幅度最大的场景,通过负荷响应降低节点等效负荷的手段,将节点停电风险恢复至正常运行状态下节点停电风险,从而确定节点负荷响应需要提供的备用容量。
可选的,所述步骤S1中,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险,具体包括:
利用连通度公式(1)计算负荷节点的连通度:
式中,ei为符合正态分布的扰动项,ei~N(0,σ2);Di为正常运行状态下节点i处负荷;为负荷节点i与最近发电机群之间的最短路径运力,为负荷节点i与最近发电机群之间的次短路径运力,为负荷节点i与次近发电机群之间的最短路径运力,为负荷节点i与次近发电机群之间的次短路径运力,为四个对应的未知回归参数;
计算各负荷节点的连通度与其临界连通度的差值,以差值0为判断条件,分别得到当前运行状态下节点停电风险Ri,如下:
式中,P表示系统处于当前运行状态下的概率;Ci表示负荷节点i的连通度,Ci1表示负荷节点的临界连通度,通过仿真实验拟合获得。
可选的,所述步骤S2中,通过计及新能源发电的随机波动、出力预测误差以及重要线路的概率性故障集中不确定性因素的组合,得到一组预想运行场景,计算各预想运行场景下,各负荷节点连通度的数值,采用步骤S1的方法,评估各预想运行场景下节点停电风险,具体包括:
确定各预想运行场景下各负荷节点至其最近发电机群组和次近发电集群的最短路径和次短路径的运力的变化;
采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值;
将预想运行场景下的各个运力的数值代入公式(1)及公式(7)中,得到各预想运行场景下节点停电风险。
可选的,所述采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值,具体包括:
通过基于测量数据的回归方法,对回归公式中的系数及扰动项进行估计,获得满足精度要求的修正灵敏度因子;
基于相应的修正灵敏度因子,得到预想运行场景下的系统潮流分布,分别计算负荷节点与其最近/次近发电机群组的最短/次短路径运力。
可选的,所述步骤S4中,针对节点连通度下降幅度最大的场景,通过负荷响应降低节点等效负荷的手段,将节点停电风险恢复至初值,从而确定节点负荷响应需要提供的备用容量,具体包括:
计算维持预想场景前后节点连通度保持不变的负荷响应量D:
式中,Di为正常运行状态下节点i处负荷,Ci为正常运行状态下节点i连通度,Dia为预想运行场景a下节点负荷i处负荷,Cia为预想运行场景a下节点负荷i连通度;ei为符合正态分布的扰动项,ei~N(0,σ2);所述负荷响应量D即为备用容量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的基于节点停电风险不变的节点备用容量快速评估方法,从负荷节点的角度,分别评估了输电网每一个负荷节点的停电风险,可以将对整个系统的停电风险的评估分解成对局部系统的评估,从而能够有效的回避由于系统规模增大导致的计算效率的下降,同时还能够达到预测高停电风险的脆弱区域的目的;采用数据驱动的方法,通过基于历史数据的学习及实时测量数据计算得到输电网负荷节点的风险指标,确定各种预想运行场景,将负荷节点可靠性的非线性变化近似线性化,从而使得运行人员能够清楚的了解系统运行状态,提高评估方法的实时性;基于节点停电风险不变,给出了快速计算每一个负荷节点的事故备用的方法,提高了以负荷响应作为事故备用,参与备用服务的可行性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明基于节点停电风险不变的节点备用容量快速评估方法的流程图;
图2是节点收缩示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于节点停电风险不变的节点备用容量快速评估方法,在节点停电风险不变条件下,可以快速计算每一个负荷节点的事故备用容量,提高了节点以负荷响应作为事故备用参与备用服务的可行性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于节点停电风险不变的节点备用容量快速评估方法的流程图,如图1所示,本发明提供的基于节点停电风险不变的节点备用容量快速评估方法,包括以下步骤:
S1,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险;
S2,通过计及新能源发电的随机波动、出力预测误差以及重要线路的概率性故障集中不确定性因素的组合,得到一组预想运行场景,计算各预想运行场景下,各负荷节点连通度的数值,采用步骤S1的方法,评估各预想运行场景下节点停电风险;
S3,基于各预想运行场景下节点停电风险,筛选出对目标负荷节点的停电风险有影响的场景组合,并按照节点连通度下降幅度进行排序,筛选节点连通度下降幅度最大的场景;
S4,针对节点连通度下降幅度最大的场景,通过负荷响应降低节点等效负荷的手段,将节点停电风险恢复至正常运行状态下节点停电风险,从而确定节点负荷响应需要提供的备用容量。
其中,所述步骤S1中,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险,具体包括:
利用连通度公式(1)计算负荷节点的连通度:
式中,ei为符合正态分布的扰动项,ei~N(0,σ2);Di为正常运行状态下节点i处负荷;其他参数中,下标1,2指代负荷节点到上标发电机的最短和次短路径,上标为1,2时分别表示“最近发电机群”与“次近发电机群”;为负荷节点i与发电机群之间的最短路径或次短路径的运力,其中a,b为取值为1或2;为四个未知的回归参数;具体的,为负荷节点i与最近发电机群之间的最短路径运力,为负荷节点i与最近发电机群之间的次短路径运力,为负荷节点i与次近发电机群之间的最短路径运力,为负荷节点i与次近发电机群之间的次短路径运力,为四个对应的未知回归参数;
计算各负荷节点的连通度与其临界连通度的差值,以差值0为判断条件,分别得到当前运行状态下节点停电风险Ri,如下:
式中,P表示系统处于当前运行状态下的概率;Ci表示负荷节点i的连通度,Ci1表示负荷节点临界连通度,通过大量仿真获得临界连通度,属于经验数据。
其中,公式(1)定义的模型中,涉及到了若干新的概念,例如最近发电机群组,次近发电机群组,最短路径,次短路径,运力等,在下文加以解释。
a)最短路径和次短路径
网络抽象为一个有向加权图,将发电机和负荷连接起来的母线和线路建模为节点和边,每条边的方向由该线路中的功率流向决定的。线路中的权重为电抗,将电阻忽略,因为传输层内电抗远大于电阻。
节点网络中任取两个节点,定义起始节点经任意中间节点到达终止节点时,电抗最小的路径为最短路径,电抗仅大于最短路径电抗的路径为次短路径。
本发明采用Dijkstra算法搜索负荷节点和发电机节点之间的最短路径。该算法是最为经典的搜索算法,其特点包括:搜索效率高,代码简洁,拓展空间大。
b)路径的运力
两个节点之间路径的运力定义为构成该路径的线路的最小传输裕度,如下式所示:
c)最近发电机群组和次近发电机群组
在节点网络中,负荷从多个发电机获得其有功功率。为了最大限度地减少传输损耗,负荷节点将从附近的发电机获得它需要的主要功率。当负荷节点位置确定时,定义距离该节点权值最小的发电机为最近发电机,距离该节点的权值仅大于最近发电机的发电机为次近发电机。
当电网节点较且连接复杂时,例如IEEE-118节点算例,可能存在多个发电机距某一负荷节点的距离相近的情况。因此定义式(1)中的运力为负荷节点i至最近发电机群中各发电机(发电机1至发电机m)的运力的加权和,如式(3)所示:
发电机的集群按照以下原则进行:以负荷节点Di与其最近发电机的距离为基准值,当某台发电机与该负荷节点的距离小于基准值的1.05倍时,将这台发电机计入最近发电机群。采用同样的方法得到负荷节点Di的次近发电机群。对向负荷节点供电的发电机进行集群处理后,在各种场景下对IEEE-118节点算例进行潮流追踪分析的结果显示,纯负荷节点的功率均来自其最近发电机群和次近发电机群。
d)节点收缩对节点连通度中的Di的影响
定义将负荷节点Di与其上游负荷节点合并对待,凝结成一个新的节点为节点收缩。节点收缩指的是将负荷节点Di与其上游负荷节点合并对待,凝结成一个新的节点,以修正上游负荷节点的连通度。
节点收缩出现的原因是某些故障情况下,导致负荷节点Di只与一个上游邻居节点相连,仅能够通过其邻居节点获得功率。这种情况下,其上游负荷节点所获得的输电容量和发电容量需要与节点Di共享。为了正确评估此种情况下上游负荷节点的连通度,需要进行节点收缩。图2给出了节点收缩过程的一个实施例,当边3-5断开时,节点5仅通过边f与节点4相连,关联矩阵的第5行仅有一个非0元素。因此,可以通过关联矩阵的这一特点,判断需要进行收缩的负荷节点。节点收缩后,节点4的负荷修正为原节点4与节点5负荷之和。
e)回归参数求解
已知n组观测值的随机变量Yi=[Y1i Y2i Y3i Y4i]以及Ci真值:
节点连通度真值与回归参数间的关系表示如下所示:
Ci=YB/Di+ei (5)
利用加权最小二乘法得到参数矩阵:
其中W=[wij]为对角阵。设wii=f(m-i),f为遗忘因子,且f∈(0,1],m为W阵的阶数,i为对应行的序号。当f取值为1时,所有历史数据的权重相等,不考虑历史数据对回归参数估计值的作用随时间衰减的特性。
本发明通过基于测量数据的回归方法,对回归公式中的系数及扰动项进行估计,获得满足精度要求的修正灵敏度因子。进一步基于相应的灵敏度因子,得到预想故障后的系统潮流分布,计算负荷节点与发电机节点所经路径的运力。
f)临界节点连通度
节点存在临界连通度,不同节点的临界连通度不同。由于网络互连使得电网和节点的可靠性具有非线性的特点,大多数节点的比例失负荷(Ls%)曲线存在“拐点”。由于Ci与节点比例失负荷量之间具有负相关关系,因此将节点比例失负荷曲线的拐点所对应的Ci值Ci1做为节点可靠性下降将发生甩负荷的连通度临界值。通过在大量不同运行条件下对测试系统进行仿真,可以得到各负荷节点临界连通度。某一运行条件下,节点连通度越接近其临界值,节点可靠性越低,节点发生甩负荷的风险越大。
所述步骤S2中,通过计及新能源发电的随机波动、出力预测误差以及重要线路的概率性故障集中不确定性因素的组合,得到一组预想运行场景,计算各预想运行场景下,各负荷节点连通度的数值,采用步骤S1的方法,评估各预想运行场景下节点停电风险,具体包括:
确定各预想运行场景下各负荷节点至其最近发电机群组和次近发电集群的最短路径和次短路径的运力的变化;
采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值;
将预想运行场景下的各个运力的数值代入公式(1)及公式(7)中,得到各预想运行场景下节点停电风险。
其中,所述采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值,具体包括:
通过基于测量数据的回归方法,对回归公式中的系数及扰动项进行估计,获得满足精度要求的修正灵敏度因子;
基于相应的修正灵敏度因子,得到预想运行场景下的系统潮流分布,分别计算负荷节点与其最近/次近发电机群组的最短/次短路径运力。
本发明采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值。
1)数据驱动的修正灵敏度方法
直流灵敏度因子计算简单迅速,然而基于直流潮流的计算方法与实际系统运行存在一定误差。与传统基于模型以及各种假设的方法不同,通过基于测量数据的回归方法,对回归公式中的系数及扰动项进行估计,可以获得满足精度要求的修正灵敏度因子。进一步基于相应的灵敏度因子,得到预想故障后的系统潮流分布,计算负荷节点与发电机节点所经路径的运力。
在t时刻母线i上注入系统的有功功率为Pi(t),在(t+Δt)时刻(Δt足够小)的有功注入由Pi(t+Δt)表示。定义ΔPi(t)=Pi(t+Δt)-Pi(t)。当认为系统无功充足,各节点电压恒为额定值时,根据直流潮流算法,有:
将(8)代入(9),则有:
假设已知时间上连续的m+1组系统线路及节点的测量数据,分辨率为Δt。用相邻时刻测量值的差值构成新的增量时间序列,有:
ΔPk-l=[ΔPk-l[1],...,ΔPk-l[j],...,ΔPk-l[m]]T,
和ΔPi=[ΔPi[1],...,ΔPi[j],...,ΔPn[m]]T;
ΔPk-l(t)=ΔPISFk-l+e (11)
利用最小二乘法求解,得到:
则,
其中,W=[wij]为对角阵。设wii=fm-i,f为遗忘因子,且f∈(0,1]。当f取值为1时,所有历史时刻的测量值的权重相等,不考虑历史数据对估计值的作用随时间衰减的特性。此时即为传统的最小二乘估计法。
2)预想运行场景下的潮流分布计算
电力传输分布因子PTDF(用εL表示),可以描述在指定的送电端与受电端之间传输单位有功功率时各支路潮流的变化,由下式计算得到:
通过LODF矩阵可以获得支路L开断扰动后支路U的潮流分布为:
式中,PU(t)指支路L开断前支路U的潮流分布。
3)预想运行场景下的负荷节点与其最近/次近发电机群组的最短/次短路径运力计算:
4)预想运行场景下的节点停电风险评估
得到预想运行场景下的各个运力后,将其代入公式(1),即可得到预想运行场景下的节点连通度,进一步利用公式(7),得到预想场景下节点停电风险。
所述步骤S4中,针对节点连通度下降幅度最大的场景,通过负荷响应降低节点等效负荷的手段,将节点停电风险恢复至初值,从而确定节点负荷响应需要提供的备用容量,具体包括:
计算维持预想场景前后节点连通度保持不变的负荷响应量D:
式中,Di为正常运行状态下节点i处负荷,Ci为正常运行状态下节点i连通度,Dia为预想运行场景a下节点负荷i处负荷,Cia为预想运行场景a下节点负荷i连通度;ei为符合正态分布的扰动项,ei~N(0,σ2);所述负荷响应量D即为备用容量。
本发明提供的基于节点停电风险不变的节点备用容量快速评估方法,从负荷节点的角度,分别评估了输电网每一个负荷节点的停电风险,可以将对整个系统的停电风险的评估分解成对局部系统的评估,从而能够有效的回避由于系统规模增大导致的计算效率的下降,同时还能够达到预测高停电风险的脆弱区域的目的;采用数据驱动的方法,通过基于历史数据的学习及实时测量数据计算得到输电网负荷节点的风险指标,确定各种预想运行场景,将负荷节点可靠性的非线性变化近似线性化,从而使得运行人员能够清楚的了解系统运行状态,提高评估方法的实时性;基于节点停电风险不变,给出了快速计算每一个负荷节点的事故备用的方法,提高了以负荷响应作为事故备用,参与备用服务的可行性。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于节点停电风险不变的节点备用容量快速评估方法,其特征在于,包括以下步骤:
S1,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险;
S2,通过计及新能源发电的随机波动、出力预测误差以及重要线路的概率性故障集中不确定性因素的组合,得到一组预想运行场景,计算各预想运行场景下,各负荷节点连通度的数值,采用步骤S1的方法,评估各预想运行场景下节点停电风险;
S3,基于各预想运行场景下节点停电风险,筛选出对目标负荷节点的停电风险有影响的场景组合,并按照节点连通度下降幅度进行排序,筛选节点连通度下降幅度最大的场景;
S4,针对节点连通度下降幅度最大的场景,通过负荷响应降低节点等效负荷的手段,将节点停电风险恢复至正常运行状态下节点停电风险,从而确定节点负荷响应需要提供的备用容量。
2.根据权利要求1所述的基于节点停电风险不变的节点备用容量快速评估方法,其特征在于,所述步骤S1中,计算各负荷节点的连通度与其临界连通度的差值,评估正常运行状态下节点停电风险,具体包括:
利用连通度公式(1)计算负荷节点的连通度:
式中,ei为符合正态分布的扰动项,ei~N(0,σ2);Di为正常运行状态下节点i处负荷;为负荷节点i与最近发电机群之间的最短路径运力,为负荷节点i与最近发电机群之间的次短路径运力,为负荷节点i与次近发电机群之间的最短路径运力,为负荷节点i与次近发电机群之间的次短路径运力,为四个对应的未知回归参数;
计算各负荷节点的连通度与其临界连通度的差值,以差值0为判断条件,分别得到当前运行状态下节点停电风险Ri,如下:
式中,P表示系统处于当前运行状态下的概率;Ci表示负荷节点i的连通度,Ci1表示负荷节点的临界连通度,通过仿真实验拟合获得。
3.根据权利要求2所述的基于节点停电风险不变的节点备用容量快速评估方法,其特征在于,所述步骤S2中,通过计及新能源发电的随机波动、出力预测误差以及重要线路的概率性故障集中不确定性因素的组合,得到一组预想运行场景,计算各预想运行场景下,各负荷节点连通度的数值,采用步骤S1的方法,评估各预想运行场景下节点停电风险,具体包括:
确定各预想运行场景下各负荷节点至其最近发电机群组和次近发电集群的最短路径和次短路径的运力的变化;
采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值;
将预想运行场景下的各个运力的数值代入公式(1)及公式(7)中,得到各预想运行场景下节点停电风险。
4.根据权利要求3所述的基于节点停电风险不变的节点备用容量快速评估方法,其特征在于,所述采取基于修正灵敏度的方法快速计算预想运行场景下的各个运力的数值,具体包括:
通过基于测量数据的回归方法,对回归公式中的系数及扰动项进行估计,获得满足精度要求的修正灵敏度因子;
基于相应的修正灵敏度因子,得到预想运行场景下的系统潮流分布,分别计算负荷节点与其最近/次近发电机群组的最短/次短路径运力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010886553.7A CN112036740A (zh) | 2020-08-28 | 2020-08-28 | 基于节点停电风险不变的节点备用容量快速评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010886553.7A CN112036740A (zh) | 2020-08-28 | 2020-08-28 | 基于节点停电风险不变的节点备用容量快速评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112036740A true CN112036740A (zh) | 2020-12-04 |
Family
ID=73586176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010886553.7A Withdrawn CN112036740A (zh) | 2020-08-28 | 2020-08-28 | 基于节点停电风险不变的节点备用容量快速评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036740A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668157A (zh) * | 2020-12-14 | 2021-04-16 | 河北电力交易中心有限公司 | 基于节点停电风险不变的节点备用容量快速评估方法 |
-
2020
- 2020-08-28 CN CN202010886553.7A patent/CN112036740A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668157A (zh) * | 2020-12-14 | 2021-04-16 | 河北电力交易中心有限公司 | 基于节点停电风险不变的节点备用容量快速评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teh et al. | Reliability impacts of the dynamic thermal rating and battery energy storage systems on wind-integrated power networks | |
CN107679658B (zh) | 一种高比例清洁能源接入下的输电网规划方法 | |
Fang et al. | Identification of vulnerable lines in power grids with wind power integration based on a weighted entropy analysis method | |
CN109146124B (zh) | 一种基于时变失效率的配电终端改造决策方法 | |
CN111475953B (zh) | 供能可靠性影响分析方法、装置设备及存储介质 | |
WO2011101189A2 (en) | Energy generating system and control thereof | |
CN110417011A (zh) | 一种基于互信息与迭代随机森林的在线动态安全评估方法 | |
CN112288326B (zh) | 一种适用于输电系统韧性评估的故障场景集削减方法 | |
CN111159922B (zh) | 一种电力系统连锁故障的关键线路辨识方法和装置 | |
CN115456304A (zh) | 考虑台风影响的海上风电场可靠性指标计算方法及装置 | |
CN110188998B (zh) | 配电网的风电机组和储能的时序建设可靠性的评估方法 | |
CN110412417B (zh) | 基于智能电力监测仪表的微电网数据故障诊断方法 | |
CN103344881A (zh) | 基于组合型交叉熵算法的电网故障诊断方法 | |
CN104021315A (zh) | 基于bp神经网络的电厂厂用电率计算方法 | |
CN105656036A (zh) | 考虑潮流和灵敏度一致性等值的概率静态安全分析方法 | |
CN115001149A (zh) | 一种储能控制方法、装置及微网 | |
CN114997566A (zh) | 考虑节点连通度损失的电网阻塞风险评估方法及系统 | |
Rawat et al. | Probabilistic steady state voltage stability assessment method for correlated wind energy and solar photovoltaic integrated power systems | |
Dinavahi et al. | ANN based voltage stability margin prediction | |
CN112036740A (zh) | 基于节点停电风险不变的节点备用容量快速评估方法 | |
Alzaareer et al. | New voltage sensitivity analysis for smart distribution grids using analytical derivation: ABCD model | |
CN111900720B (zh) | 一种基于双层网页排序算法的输电网脆弱线路辨识方法 | |
CN109799864B (zh) | 一种区域小水电站整体发电功率预测方法及装置 | |
Su et al. | TrendRank method for evaluating the importance of power grid nodes considering information network | |
Wei et al. | A lite cellular generalized neuron network for frequency prediction of synchronous generators in a multimachine power system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201204 |
|
WW01 | Invention patent application withdrawn after publication |