CN112365169A - 一种未来低碳能源框架下的电网运营评价分析方法 - Google Patents
一种未来低碳能源框架下的电网运营评价分析方法 Download PDFInfo
- Publication number
- CN112365169A CN112365169A CN202011278110.6A CN202011278110A CN112365169A CN 112365169 A CN112365169 A CN 112365169A CN 202011278110 A CN202011278110 A CN 202011278110A CN 112365169 A CN112365169 A CN 112365169A
- Authority
- CN
- China
- Prior art keywords
- influence
- matrix
- power grid
- power
- grid operation
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000009286 beneficial effect Effects 0.000 claims abstract description 11
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 6
- 238000003012 network analysis Methods 0.000 claims abstract description 5
- 230000035945 sensitivity Effects 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 23
- 238000007726 management method Methods 0.000 claims description 14
- 230000008901 benefit Effects 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction 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
- G06Q10/06393—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
- 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
一种未来低碳能源框架下的电网运营评价分析方法,该方法先选取多个电网运营影响因素,再采用决策实验室分析法对各影响因素之间的直接影响程度进行评估,确定影响因素的网络结构,采用网络分析法计算影响因素的相对权重矩阵,然后根据网络结构以及相对权重矩阵求出影响因素的混合权重矩阵,确定改进逼近理想解排序模型中的绝对理想解,随后基于绝对理想解建立决策矩阵并计算各影响因素的相对贴近度,最后选取相对贴近度趋近1的影响因素作为关键影响因素并对其进行灵敏度分析,选择灵敏度最高的关键影响因素作为电网运营规划中优先改善的影响因素。本设计可准确识别出影响未来低碳能源框架下电网运营的主导因素,有利于有效改善电网运营水平。
Description
技术领域
本发明属于电力系统规划分析领域,具体涉及一种未来低碳能源框架下的电网运营评价分析方法。
背景技术
在未来低碳能源框架下,电网源侧、荷侧结构均会发生较大的变化。从电源侧看,大规模可再生能源接入电网并逐步替代传统能源已成为不可逆转的趋势,由于可再生能源的间歇性和不确定性,电源结构和电源特性将发生根本变化。从负荷侧看,大量分布式发电装置并入配电网络,各类再电气化设备、电动汽车保有量快速增长,将影响电网负荷结构和负荷特性。同时,基于电力市场化与供给侧改革的电能差异化定价也将改变用户用电习惯和用电特性。而目前传统的电网运营评价方法并没有考虑大规模可再生能源(风电和太阳能发电)接入电网、负荷结构和负荷特性的变革以及供给侧改革的市场化影响,无法适应未来低碳化运营的发展趋势,因此,有必要设计一种未来低碳能源框架下的电网运营评价方法,以指导进行电网运营的改善。
评价指标是电网运营评价的核心和依据,如果没有一套科学的评价指标体系,评价结果必然会偏离评价目标,因此构建一套科学的综合评价指标体系,是进行科学有效评价的前提。在多维度的指标体系中,可给出影响电网运营效率和效益的各方面因素,但是无法确定关键影响因素,因此需要对影响因素重要程度进行分级考虑,以准确识别出电网运营评价的关键因素。目前的影响因素分析方法主要基于层次分析法(AHP)或者熵权法,层次分析法主观性十分明显,其权重分析对于提供判断矩阵的专家其个人的自身经历和专业方向有较大的依赖性,误差较大;熵权法虽然相较层次分析法客观,但并不能反映出参与决策者对不同指标的重视程度。故单纯利用以上方法均难以准确识别与分析电网运营关键影响因素。
发明内容
本发明的目的是克服现有技术中存在的上述问题,提供一种科学合理、且能准确识别出影响未来低碳能源框架下电网运营的主导因素的电网运营评价分析方法。
为实现以上目的,本发明提供了以下技术方案:
一种未来低碳能源框架下的电网运营评价分析方法,依次包括以下步骤:
步骤一、根据电网历史运营数据选取n个未来低碳能源框架下的电网运营影响因素,其中,所述电网运营影响因素包括可靠性水平指标、智能化水平指标、环保性指标;
步骤二、采用决策实验室分析法对各影响因素之间的直接影响程度进行评估,并确定影响因素的网络结构;
步骤三、采用网络分析法、根据影响因素的网络结构计算影响因素的相对权重矩阵;
步骤四、根据影响因素的网络结构以及相对权重矩阵求出影响因素的混合权重矩阵;
步骤五、确定改进逼近理想解排序模型中的绝对理想解;
步骤六、基于绝对理想解建立决策矩阵并计算各影响因素的相对贴近度;
步骤七、选取相对贴近度趋近1的影响因素作为关键影响因素并对其进行灵敏度分析,并选择灵敏度最高的关键影响因素作为电网运营规划中优先改善的影响因素。
所述步骤二依次包括以下步骤:
2.1、将各影响因素进行两两比较后得出因素间的直接影响程度,确定直接影响矩阵M=[mij]n×n:
上式中,mij为影响因素i对影响因素j的直接影响程度,n为影响因素的个数;
2.2、对矩阵M归一化,得到规范化影响矩阵N=[nij]n×n:
N=k×M
2.3、根据矩阵N建立综合影响矩阵T=[tij]n×n:
上式中,I为单位矩阵,ri为矩阵T中第i行所有元素的和,表示影响因素i对其他影响因素的影响值总和,cj为矩阵T中第j列所有元素的和,表示其他影响因素对影响因素j的影响值总和;
2.4、以矩阵T的均值作为门槛值,将矩阵T中影响值小于门槛值的元素归零,以得到新的综合影响矩阵Tα,并以该矩阵作为影响因素的网络结构:
2.5、对矩阵Tα进行标准化处理,得到规范化的综合影响矩阵Ts:
所述步骤三依次包括以下步骤:
3.1、以控制层元素为准则,网络层中元素为次准则,对各元素进行两两比较,建立未加权超矩阵W:
上式中,wij为第j个因素组中因素与第i个因素组中元素成对比较后构成的特征向量;
3.2、根据矩阵Ts和W计算得出加权超矩阵Wω:
3.3、对加权超矩阵Wω进行稳定化处理,得出极限超矩阵W*,该矩阵即为影响因素的相对权重矩阵:
所述步骤四采用下式计算各影响因素的混合权重矩阵Z:
Z=W*+Ts×W*
=(I+Ts)×W*。
所述步骤五为:先计算各影响因素在m个电网规划方案中的指标值,然后根据这些指标值确定改进逼近理想解排序模型中的绝对理想解,其中,所述绝对理想解包括绝对正理想解集V+和绝对负理想解集V-,且 对于影响值越大越利于改善电网运营的影响因素,其绝对正理想解、绝对负理想解的取值为对于影响值越小越利于改善电网运营的影响因素,其绝对正理想解、绝对负理想解的取值为xij为第i个电网规划方案中第j个影响因素的指标值。
所述步骤六依次包括以下步骤:
6.1、将绝对正理想解V+和绝对负理想解V-作为固定的最好方案和最差方案添加到混合权重矩阵Z中,得到决策矩阵R:
6.2、对决策矩阵R归一化,得到规范化决策矩阵R':
步骤一中,所述可靠性水平指标包括综合线损率Rloss、N-1通过率RN-1、平均负载率Rload、容载比RS,所述智能化水平指标包括智能变电站站数比Rintel、配电自动化覆盖率RDA、智能电表覆盖率RSM、智能调度中心比例RSD,所述环保性指标包括可再生能源电力消纳比重、CO2和NO2减排量、电能终端占比、可再生能源弃电率。
所述综合线损率Rloss由下式计算得到:
上式中,Qsupply为供电量,Qsale为售电量;
所述N-1通过率RN-1由下式计算得到:
上式中,NN-1为满足N-1原则的元件个数,Nco为元件总数;所述平均负载率Rload由下式计算得到:
上式中,Laverage为年平均负荷,Lmax为年最大负荷;
所述容载比RS由下式计算得到:
上式中,Qrated为额定容量,Lmax为实际最大容量;
所述智能变电站站数比Rintel由下式计算得到:
上式中,Nintel为智能变电站数量,Nsub为变电站总数;
所述配电自动化覆盖率RDA由下式计算得到:
上式中,NDA为区域内配电自动化线路数,Nline为线路总数;
所述智能电表覆盖率RSM由下式计算得到:
上式中,NSM为区域内智能电表数,Nmeter为电表总数目;
所述智能调度中心比例RSD由下式计算得到:
上式中,NSD为区域内智能调度中心数,Ncenter为调度中心总数目;
所述再生能源电力消纳比重=清洁能源电力消纳量/全社会用电量;
所述电能终端占比=终端电能消费量/终端能源总消费量;
所述可再生能源弃电率=(电网调度范围内新能源发电量-调度范围内实际利用电量)/电网调度范围内新能源发电量。
步骤一中,所述电网运营影响因素还包括电力市场化水平指标、经济效益指标、社会效益指标,所述电力市场化水平指标包括分布式能源接入率RDEA、储能渗透率RES、需求侧管理节点比率RDMS、跨区交易电量,所述经济效益指标包括资产负债率RLOAR、净资产收益率RROE、单位电量供电成本CUP、单位投资增供负荷LUI,所述社会效益指标包括供电可靠率、输配电价、服务满意度、用户故障平均停运时间。
所述分布式能源接入率RDEA由下式计算得到:
上式中,ArDEA为分布式能源接入面积,Arpower为供电面积;
所述储能渗透率RES由下式计算得到:
上式中,ArES为电网运用储能技术的面积,Arpower为总供电面积;
所述需求侧管理节点比率RDMS由下式计算得到:
上式中,PDMS为需求侧管理节约电量,Pbefore为参与前用电量;
所述资产负债率RLOAR由下式计算得到:
上式中,LItotal为负债总额,AStotal为资产总额;
所述净资产收益率RROE由下式计算得到:
上式中,ProaT为税后利润,ASnet为净资产;
所述单位电量供电成本CUP由下式计算得到:
上式中,Ctotal为供电成本总额,Qsale为售电量;
所述单位投资增供负荷LUI由下式计算得到:
上式中,Lin为增供负荷量,Ltotal为投资总额;
所述供电可靠率=[统计时间-(平均停电时间-限电停电时间)]/统计时间;
与现有技术相比,本发明的有益效果为:
本发明一种未来低碳能源框架下的电网运营评价分析方法先根据电网历史运营数据选取n个未来低碳能源框架下的电网运营影响因素,再采用决策实验室分析法对各影响因素之间的直接影响程度进行评估,确定影响因素的网络结构,并根据得到的网络结构、采用网络分析法计算影响因素的相对权重矩阵,然后根据影响因素的网络结构以及相对权重矩阵求出影响因素的混合权重矩阵,确定改进逼近理想解排序模型中的绝对理想解,随后基于绝对理想解建立决策矩阵并计算各影响因素的相对贴近度,最后选取相对贴近度趋近1的影响因素作为关键影响因素并对其进行灵敏度分析,并选择灵敏度最高的关键影响因素作为电网运营规划中优先改善的影响因素,该设计能够避免单一赋权方法的缺点,得到更为客观合理的影响因素权重矩阵,并通过改进逼近理想解排序模型计算各影响因素的相对贴近度,从而准确识别出影响未来低碳能源框架下电网运营的主导因素,有利于电网运营效率的有效改善,适应未来低碳化发展趋势。因此,本发明可准确识别出影响未来低碳能源框架下电网运营的主导因素,有利于电网运营效率的有效改善。
附图说明
图1为本发明的整体流程图。
具体实施方式
下面结合具体实施方式和附图对本发明作进一步的说明。
本发明提供了一种未来低碳能源框架下的电网运营评价分析方法,该方法先根据电网历史运营数据得出直接影响矩阵,并由此得到规范化影响矩阵,在规范化影响矩阵的基础上可得综合影响矩阵,并去掉小于门槛值的因素后得到综合影响矩阵,然后根据得到的网络结构计算出极限超矩阵,基于规范化的综合影响矩阵和极限超矩阵即可计算出混合权重矩阵,随后由若干组未来低碳能源框架下运营方案的数据得出未来低碳能源框架下各电网运营影响因素的指标值,并基于各影响因素的指标值计算出绝对正理想解和绝对负理想解,将其添加到混合权重矩阵中,得到决策矩阵和规范化决策矩阵,并因此计算各影响因素的相对贴近度,相对贴近度越趋近1,说明该影响因素关键程度越高,属于关键影响因素,进而对已识别出的关键影响因素进行灵敏度分析,若该关键影响因素灵敏度相较于其他关键影响因素的灵敏度更高,则可在电网运营规划中优先对其改善。
本发明中各影响因素的含义如下:
综合线损率:为在特定电压等级与用户下,供电损耗量与供电量比值的百分比,其中供电损耗量为供电量与售电量的差值,综合线损率体现了某时段间电网电能利用效率的高低。
N-1通过率:N-1原则也被称之为单一故障安全原则,是判定电力系统安全性的重要原则。基于该原则,若电力系统中具有N个独立元件,则任一元件因发生故障被切除都不会发生用户停电等事故。N-1通过率定义为指定电压等级的电网中,满足N-1原则的输变电元件的比例。
平均负载率:为在某一统计区间内电网平均负荷与电网规划负荷的比值,负载率越高,体现电网供电设备利用率越高,区域内高峰负荷与负荷平均值的差距越小,网架结构损耗越小。平均负载主要可分为日负荷率、月负荷率、年负荷率,在本发明中使用年负荷率。
容载比:为某一区域内所有变电设备容量和与该供电区域最大负荷的比值,即可代表这一供电区域内变压器额定容量与实际最高运行容量的比值,体现了变压器的容量备用情况。容载比值越高,表明闲置变压器容量越高。
智能变电站站数比:为某一地区内智能变电站数量与总变电站数量的百分比,可用来表征该地区智能变电站的覆盖率。变电站作为电网运营的关键资产,而智能变电站与常规变电站相比,则具有更优越的技术性与经济性,所以提高变电站智能化水平是推动电网信息化发展的重要实现方式。
配电自动化覆盖率:为某一地区内已实现配电自动化区域的百分比。配电自动化系统能够做到实时监控、协调、操作配电设备,实现故障检测、故障定位、故障区域迅速隔离,从而提高供电可靠性。
智能电表覆盖率:为某一地区内已安装的智能电表的百分比,体现了用电计量方面的智能化水平。智能电表作为智能电网终端设备,在实现了传统电表用电量计量基本功能的基础上,又新增了防窃电、用户端控制、支持浮动店家、双向计量等智能化功能,可有效提高电网节能水平。
智能调度中心比例:为某一地区内已实现智能化的调度中心的百分比,体现了电力系统调度控制方面的智能化水平。
分布式能源接入率:为某一地区内电网分布式能源接入面积与供电面积的百分比。分布式能源为用户侧分布的能源综合利用系统,系统中一次能源主要为气体燃料,二次能源主要为冷热联产。
储能渗透率:为某一地区内电网运用储能技术的面积占总供电面积的百分比。电网侧储能分布占比可作为提高电网电能利用效率的重要因素,通过电网侧与储能的互动,可以达到削峰填谷、保障电力系统电能稳定性的目的。
需求侧管理节点比率:为某一统计区间内需求侧管理节约电量与参与前用电量的百分比。需求侧管理作为一种可提高电力资源利用效率、改进用电方式的管理措施,其中需求侧管理节约电量是指在一定的统计区间内,电力企业节约电量、企业实施节能项目节约电量、社会服务节约电量与其所推动的社会节约电量的总和。
跨区交易电量:为该省电力公司出售或购入的非本省(区)的电量。
本发明中,影响值越大越利于改善电网运营的影响因素有:N-1通过率、平均负载率、智能变电站站数比、配电自动化覆盖率、智能电表覆盖率、智能调度中心比例、可再生能源电力消纳比重、电能终端占比、分布式能源接入率、储能渗透率、需求侧管理节点比率、跨区交易电量、净资产收益率、单位投资增供负荷、供电可靠率、服务满意度;影响值越小越利于改善电网运营的影响因素有:综合线损率、容载比、CO2和NO2减排量、可再生能源弃电率、资产负债率、单位电量供电成本、输配电价、用户故障平均停运时间)。
实施例1:
参见图1,一种未来低碳能源框架下的电网运营评价分析方法,依次按照以下步骤进行:
1、根据电网历史运营数据选取n个未来低碳能源框架下的电网运营影响因素,其中,所述电网运营影响因素包括可靠性水平指标、智能化水平指标、环保性指标,所述可靠性水平指标包括综合线损率Rloss、N-1通过率RN-1、平均负载率Rload、容载比RS,所述智能化水平指标包括智能变电站站数比Rintel、配电自动化覆盖率RDA、智能电表覆盖率RSM、智能调度中心比例RSD,所述环保性指标包括可再生能源电力消纳比重、CO2和NO2减排量、电能终端占比、可再生能源弃电率;
2、采用决策实验室分析法对各影响因素之间的直接影响程度进行评估,并确定影响因素的网络结构,具体采用以下步骤:
2.1、将各影响因素进行两两比较后得出因素间的直接影响程度,确定直接影响矩阵M=[mij]n×n:
上式中,mij为影响因素i对影响因素j的直接影响程度,根据李克特五级量表,以0、1、2、3、4分别表示“没有直接影响关系”、“低程度影响”、“中程度影响”、“高程度影响”和“极高程度影响”,n为影响因素的个数;
2.2、对矩阵M归一化,得到规范化影响矩阵N=[nij]n×n:
N=k×M
2.3、根据矩阵N建立综合影响矩阵T=[tij]n×n:
上式中,I为单位矩阵,ri为矩阵T中第i行所有元素的和,表示影响因素i对其他影响因素的影响值总和,cj为矩阵T中第j列所有元素的和,表示其他影响因素对影响因素j的影响值总和;
2.4、以矩阵T的均值作为门槛值,将矩阵T中影响值小于门槛值的元素归零,以得到新的综合影响矩阵Tα,并以该矩阵作为影响因素的网络结构:
2.5、对矩阵Tα进行标准化处理,得到规范化的综合影响矩阵Ts:
3、采用网络分析法、根据影响因素的网络结构计算影响因素的相对权重矩阵,具体采用以下步骤:
3.1、以控制层元素为准则,网络层中元素为次准则,采用1-9标度法,对各元素进行两两比较,建立未加权超矩阵W:
上式中,wij为第j个因素组中因素与第i个因素组中元素成对比较后构成的特征向量,如果因素组j中因素对因素组i中因素没有影响,那么wij=0;
3.2、根据矩阵Ts和W计算得出加权超矩阵Wω:
3.3、对加权超矩阵Wω进行稳定化处理,得出极限超矩阵W*,该矩阵即为影响因素的相对权重矩阵:
若该极限存在,则可以表示电网运营影响因素的权重矩阵;
4、采用下式计算各影响因素的混合权重矩阵Z:
Z=W*+Ts×W*
=(I+Ts)×W*;
5、先计算各影响因素在m个电网规划方案中的指标值,然后根据这些指标值确定改进逼近理想解排序模型中的绝对理想解,其中,所述绝对理想解包括绝对正理想解集V+和绝对负理想解集V-,且 对于影响值越大越利于改善电网运营的影响因素,其绝对正理想解、绝对负理想解的取值为对于影响值越小越利于改善电网运营的影响因素,其绝对正理想解、绝对负理想解的取值为xij为第i个电网规划方案中第j个影响因素的指标值;
所述综合线损率Rloss由下式计算得到:
上式中,Qsupply为供电量,Qsale为售电量;
所述N-1通过率RN-1由下式计算得到:
上式中,NN-1为满足N-1原则的元件个数,Nco为元件总数;
所述平均负载率Rload由下式计算得到:
上式中,Laverage为年平均负荷,Lmax为年最大负荷;
所述容载比RS由下式计算得到:
上式中,Qrated为额定容量,Lmax为实际最大容量;
所述智能变电站站数比Rintel由下式计算得到:
上式中,Nintel为智能变电站数量,Nsub为变电站总数;
所述配电自动化覆盖率RDA由下式计算得到:
上式中,NDA为区域内配电自动化线路数,Nline为线路总数;
所述智能电表覆盖率RSM由下式计算得到:
上式中,NSM为区域内智能电表数,Nmeter为电表总数目;
所述智能调度中心比例RSD由下式计算得到:
上式中,NSD为区域内智能调度中心数,Ncenter为调度中心总数目;
所述再生能源电力消纳比重=清洁能源电力消纳量/全社会用电量;
所述电能终端占比=终端电能消费量/终端能源总消费量;
所述可再生能源弃电率=(电网调度范围内新能源发电量-调度范围内实际利用电量)/电网调度范围内新能源发电量;
6、基于绝对理想解建立决策矩阵并计算各影响因素的相对贴近度,具体采用以下步骤:
6.1、将绝对正理想解V+和绝对负理想解V-作为固定的最好方案和最差方案添加到混合权重矩阵Z中,得到决策矩阵R:
6.2、为排除各影响因素类型、属性不同的情况,对决策矩阵R归一化,得到规范化决策矩阵R':
7、选取相对贴近度趋近1的影响因素作为关键影响因素并对其进行灵敏度分析,并选择灵敏度最高的关键影响因素作为电网运营规划中优先改善的影响因素。
实施例2:
方法同实施例1,不同之处在于:
所述电网运营影响因素还包括电力市场化水平指标、经济效益指标、社会效益指标,所述电力市场化水平指标包括分布式能源接入率RDEA、储能渗透率RES、需求侧管理节点比率RDMS、跨区交易电量,所述经济效益指标包括资产负债率RLOAR、净资产收益率RROE、单位电量供电成本CUP、单位投资增供负荷LUI,所述社会效益指标包括供电可靠率、输配电价、服务满意度、用户故障平均停运时间;
所述分布式能源接入率RDEA由下式计算得到:
上式中,ArDEA为分布式能源接入面积,Arpower为供电面积;
所述储能渗透率RES由下式计算得到:
上式中,ArES为电网运用储能技术的面积,Arpower为总供电面积;
所述需求侧管理节点比率RDMS由下式计算得到:
上式中,PDMS为需求侧管理节约电量,Pbefore为参与前用电量;
所述资产负债率RLOAR由下式计算得到:
上式中,LItotal为负债总额,AStotal为资产总额;
所述净资产收益率RROE由下式计算得到:
上式中,ProaT为税后利润,ASnet为净资产;
所述单位电量供电成本CUP由下式计算得到:
上式中,Ctotal为供电成本总额,Qsale为售电量;
所述单位投资增供负荷LUI由下式计算得到:
上式中,Lin为增供负荷量,Ltotal为投资总额;
所述供电可靠率=[统计时间-(平均停电时间-限电停电时间)]/统计时间;
Claims (10)
1.一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:
所述方法依次包括以下步骤:
步骤一、根据电网历史运营数据选取n个未来低碳能源框架下的电网运营影响因素,其中,所述电网运营影响因素包括可靠性水平指标、智能化水平指标、环保性指标;
步骤二、采用决策实验室分析法对各影响因素之间的直接影响程度进行评估,并确定影响因素的网络结构;
步骤三、采用网络分析法、根据影响因素的网络结构计算影响因素的相对权重矩阵;
步骤四、根据影响因素的网络结构以及相对权重矩阵求出影响因素的混合权重矩阵;
步骤五、确定改进逼近理想解排序模型中的绝对理想解;
步骤六、基于绝对理想解建立决策矩阵并计算各影响因素的相对贴近度;
步骤七、选取相对贴近度趋近1的影响因素作为关键影响因素并对其进行灵敏度分析,并选择灵敏度最高的关键影响因素作为电网运营规划中优先改善的影响因素。
2.根据权利要求1所述的一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:
所述步骤二依次包括以下步骤:
2.1、将各影响因素进行两两比较后得出因素间的直接影响程度,确定直接影响矩阵M=[mij]n×n:
上式中,mij为影响因素i对影响因素j的直接影响程度,n为影响因素的个数;
2.2、对矩阵M归一化,得到规范化影响矩阵N=[nij]n×n:
N=k×M
2.3、根据矩阵N建立综合影响矩阵T=[tij]n×n:
上式中,I为单位矩阵,ri为矩阵T中第i行所有元素的和,表示影响因素i对其他影响因素的影响值总和,cj为矩阵T中第j列所有元素的和,表示其他影响因素对影响因素j的影响值总和;
2.4、以矩阵T的均值作为门槛值,将矩阵T中影响值小于门槛值的元素归零,以得到新的综合影响矩阵Tα,并以该矩阵作为影响因素的网络结构:
2.5、对矩阵Tα进行标准化处理,得到规范化的综合影响矩阵Ts:
4.根据权利要求1所述的一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:
所述步骤四采用下式计算各影响因素的混合权重矩阵Z:
Z=W*+Ts×W*
=(I+Ts)×W*。
7.根据权利要求1所述的一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:步骤一中,所述可靠性水平指标包括综合线损率Rloss、N-1通过率RN-1、平均负载率Rload、容载比RS,所述智能化水平指标包括智能变电站站数比Rintel、配电自动化覆盖率RDA、智能电表覆盖率RSM、智能调度中心比例RSD,所述环保性指标包括可再生能源电力消纳比重、CO2和NO2减排量、电能终端占比、可再生能源弃电率。
8.根据权利要求7所述的一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:
所述综合线损率Rloss由下式计算得到:
上式中,Qsupply为供电量,Qsale为售电量;
所述N-1通过率RN-1由下式计算得到:
上式中,NN-1为满足N-1原则的元件个数,Nco为元件总数;
所述平均负载率Rload由下式计算得到:
上式中,Laverage为年平均负荷,Lmax为年最大负荷;
所述容载比RS由下式计算得到:
上式中,Qrated为额定容量,Lmax为实际最大容量;
所述智能变电站站数比Rintel由下式计算得到:
上式中,Nintel为智能变电站数量,Nsub为变电站总数;
所述配电自动化覆盖率RDA由下式计算得到:
上式中,NDA为区域内配电自动化线路数,Nline为线路总数;
所述智能电表覆盖率RSM由下式计算得到:
上式中,NSM为区域内智能电表数,Nmeter为电表总数目;
所述智能调度中心比例RSD由下式计算得到:
上式中,NSD为区域内智能调度中心数,Ncenter为调度中心总数目;
所述再生能源电力消纳比重=清洁能源电力消纳量/全社会用电量;
所述电能终端占比=终端电能消费量/终端能源总消费量;
所述可再生能源弃电率=(电网调度范围内新能源发电量-调度范围内实际利用电量)/电网调度范围内新能源发电量。
9.根据权利要求1所述的一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:步骤一中,所述电网运营影响因素还包括电力市场化水平指标、经济效益指标、社会效益指标,所述电力市场化水平指标包括分布式能源接入率RDEA、储能渗透率RES、需求侧管理节点比率RDMS、跨区交易电量,所述经济效益指标包括资产负债率RLOAR、净资产收益率RROE、单位电量供电成本CUP、单位投资增供负荷LUI,所述社会效益指标包括供电可靠率、输配电价、服务满意度、用户故障平均停运时间。
10.根据权利要求9所述的一种未来低碳能源框架下的电网运营评价分析方法,其特征在于:
所述分布式能源接入率RDEA由下式计算得到:
上式中,ArDEA为分布式能源接入面积,Arpower为供电面积;
所述储能渗透率RES由下式计算得到:
上式中,ArES为电网运用储能技术的面积,Arpower为总供电面积;
所述需求侧管理节点比率RDMS由下式计算得到:
上式中,PDMS为需求侧管理节约电量,Pbefore为参与前用电量;
所述资产负债率RLOAR由下式计算得到:
上式中,LItotal为负债总额,AStotal为资产总额;
所述净资产收益率RROE由下式计算得到:
上式中,ProaT为税后利润,ASnet为净资产;
所述单位电量供电成本CUP由下式计算得到:
上式中,Ctotal为供电成本总额,Qsale为售电量;
所述单位投资增供负荷LUI由下式计算得到:
上式中,Lin为增供负荷量,Ltotal为投资总额;
所述供电可靠率=[统计时间-(平均停电时间-限电停电时间)]/统计时间;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011278110.6A CN112365169A (zh) | 2020-11-16 | 2020-11-16 | 一种未来低碳能源框架下的电网运营评价分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011278110.6A CN112365169A (zh) | 2020-11-16 | 2020-11-16 | 一种未来低碳能源框架下的电网运营评价分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112365169A true CN112365169A (zh) | 2021-02-12 |
Family
ID=74516144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011278110.6A Pending CN112365169A (zh) | 2020-11-16 | 2020-11-16 | 一种未来低碳能源框架下的电网运营评价分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365169A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222473A (zh) * | 2021-06-04 | 2021-08-06 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的电网负荷调整方法及装置 |
-
2020
- 2020-11-16 CN CN202011278110.6A patent/CN112365169A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222473A (zh) * | 2021-06-04 | 2021-08-06 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的电网负荷调整方法及装置 |
CN113222473B (zh) * | 2021-06-04 | 2023-04-18 | 国网浙江省电力有限公司杭州供电公司 | 基于电力大脑中枢的电网负荷调整方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955777B (zh) | 光伏发电接入配电网方案设计与分析评估辅助系统 | |
CN108805443A (zh) | 一种电网性能综合评价方法和系统 | |
CN102385723B (zh) | 一种重要电力用户应急电源配置方法 | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
CN110689240A (zh) | 一种配电网经济运行模糊综合评价方法 | |
CN110298056A (zh) | 一种配电网联络有效性评估方法 | |
CN107871214A (zh) | 一种多能互补供能系统综合评价指标体系建立方法 | |
CN108520330A (zh) | 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法 | |
CN105760993A (zh) | 一种多源接入主动配电网评估方法 | |
CN111799794A (zh) | 一种考虑输电阻塞盈余的输电网扩展规划方法 | |
CN112365169A (zh) | 一种未来低碳能源框架下的电网运营评价分析方法 | |
CN111552686B (zh) | 一种电力数据质量评估方法及其装置 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN108428048A (zh) | 一种充换电网络运营评价方法 | |
Wang et al. | Key problems of gas‐fired power plants participating in peak load regulation: A review | |
CN116167644A (zh) | 一种配网侧零碳新型电力系统评价指标方法 | |
CN115577996A (zh) | 一种电网停电计划的风险评估方法、系统、设备和介质 | |
CN113327006A (zh) | 一种满足差异化可靠性需求的配电网供电恢复系统和方法 | |
Liu et al. | Evaluation Index System of Power Grid Corporation's Operation Benefits Based on Future Low-Carbon Energy Framework | |
CN112016631A (zh) | 一种低电压治理相关的改进方案 | |
Liu et al. | Generation and transmission investment decision framework under the global energy internet | |
CN111079245A (zh) | 一种电网承载电量的调控方法 | |
CN110648041A (zh) | 一种全球能源互联网架的规划方法及计算设备 | |
Fang et al. | The evaluation index system and method of economic and operation efficiency for the power transmission system containing intermittent energy | |
Luo et al. | Calculation method and system of energy efficiency evaluation based on integrated power grid |
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: 20210212 |