CN112733306B - 配网无功电压三级协调控制效果评估模型的构建方法 - Google Patents
配网无功电压三级协调控制效果评估模型的构建方法 Download PDFInfo
- Publication number
- CN112733306B CN112733306B CN202011564050.4A CN202011564050A CN112733306B CN 112733306 B CN112733306 B CN 112733306B CN 202011564050 A CN202011564050 A CN 202011564050A CN 112733306 B CN112733306 B CN 112733306B
- Authority
- CN
- China
- Prior art keywords
- tensor
- voltage
- distribution
- distribution network
- power
- 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
Links
- 230000000694 effects Effects 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013210 evaluation model Methods 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 67
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 30
- 238000012797 qualification Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 claims 1
- 230000017105 transposition Effects 0.000 claims 1
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种配网无功电压三级协调控制效果评估模型的构建方法,属于电力配电网技术领域。本发明首先构建三维评估体系,然后对配网无功电压控制效果划分等级,之后采用Tucker分解进行评估模型的训练和测试验证。本发明从配电网的无功电压三级协调控制角度来综合评估协调控制效果的优劣,不仅体现了配电网运行的态势,而且体现了电能质量的各个指标因素,方便配网专业人员做出合理的决策建议,选择合适的三级协调控制策略,以更好地提高配电网的电压质量水平。
Description
技术领域
本发明属于电力配电网技术领域,具体涉及一种基于高阶张量分析的配网无功电压三级协调控制效果评估模型的构建方法及其评估方法。
背景技术
目前针对配电网的无功电压治理效果,国内外学者对此进行了研究分析,提出了较多的治理效果评估方法。有的学者针对配电网的运行态势,从配电网的经济性、安全性及可靠性的角度来综合分析评估,利用层次分析法来得到各个因素的关联关系,并最终通过各个指标所占权重打分给出一个总的运行态势评分,但其研究的目标是从宏观的角度,且未体现具体的电能质量各个指标。因此如何克服现有技术的不足是目前电力配电网技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种基于高阶张量分析的配网无功电压三级协调控制效果评估,其中包括模型的构建及控制效果的评估方法。本发明从配电网的无功电压三级协调控制角度来综合评估协调控制效果的优劣,不仅体现了配电网运行的态势,而且体现了电能质量的各个指标因素,方便配网专业人员做出合理的决策建议,选择合适的三级协调控制策略,以更好地提高配电网的电压质量水平。
为实现上述目的,本发明采用的技术方案如下:
配网无功电压三级协调控制效果评估模型的构建方法,包括如下步骤:
步骤(1),构建三维评估体系,三个维度分别为馈线层、配变层和电压质量;每个维度有4个张量元素;馈线层的4个张量元素分别为线损率、线路重载率、线路过载率、线路轻载率;
配变层的4个张量元素分别为配变损耗、配变重载率、配变过载率、配变轻载率;
电压质量的4个张量元素分别为电压合格率、三相不平衡、电压波动及偏差、功率因数;
步骤(2),采集变电站母线、馈线及各个台区的电压、电流、有功功率、无功功率数据,并将每个张量元素按照其配网无功电压控制效果划分为5级;
步骤(3),根据步骤(2)分级内容,利用张量的模型将训练样本数据构成由馈线层、配变层、电压质量组成的三阶张量;然后采用Tucker分解进行每个等级评估模型的训练,得到配网无功电压三级协调控制效果评估模型。
进一步,优选的是,步骤(2)中,所述的5级为Q1~Q5,Q1为优质;Q2为良好;Q3为中等;Q4为合格;Q5为不合格。
进一步,优选的是,馈线层的4个张量元素五个等级Q1~Q5划分的具体方法如表1;
表1
Q1 | Q2 | Q3 | Q4 | Q5 | |
线损率 | (0,2%) | (2%,7%) | (7%,10%) | [10%,20%] | (20%,1) |
负载率 | [50%,80%] | [30%,50%] | (0,30%] | ≥80% | ≥100% |
供电可靠性 | ≥99% | ≥90% | ≥80% | ≥70% | ≥60% |
导线截面积合格率 | ≥90% | ≥80% | ≥70% | ≥60% | ≥50% |
1)线损率:d1=△P1/P1,△P1为线路的有功功率损耗;P1为线路的实际有功功率;
2)负载率:r1=P1/S1,P1为线路的实际有功功率,S1为线路的额定功率;
3)供电可靠性:根据配变层各个负荷点的供电可靠性计算公式计算馈线层的供电可靠性;计算公式如下:
RS=1-∑λiriNi/∑(Ni×8760)
=1-SAIDI/8760
其中,SAIDI表示系统平均停电持续时间,SAIDI=∑λiriNi/∑Ni,i表示配变个数,Ni为配变i的用户数;λi为配变节点的年平均故障率,ri为平均停运持续时间;
进一步,优选的是,配变层的4个张量元素五个等级Q1~Q5划分的具体方法如表2;
表2
1)负载率:r2=P2/S2,P2为配变的实际有功功率,S2为配变的额定功率;
2)线损率:d2=△P2/P2,△P2为配变的有功功率损耗;
4)供电可靠性:供电可靠性=1-λi;
ri=Ui/λi
其中,λi为配变节点的年平均故障率,Ui为年平均停运时间,ri为平均停运持续时间;λj为单元j的故障率,γj为单元恢复供电的时间,pk为单元通道上的开关可靠度,m为开关的个数,n为馈线总数。(单元是指以元件组构成的接线单元,单元的故障率为单元内各元件故障率之和,单元恢复供电时间取单元内各元件的最大值。)
供电可靠性计算采用上述三个公式中的哪种算法进行计算均可,本发明对此不做具体限制。
进一步,优选的是,电压质量的4个张量元素五个等级Q1~Q5划分的具体方法如表3;
表3
其中,ΔV综%为电压合格率的同向化指标;VA、VB、VC、VD分别表示A、B、C、D四类电压合格率;
其中,P为配电网变电站母线、馈线或配变的有功功率,S为对应的视在功率。当对母线电压进行评估的时候,P表示的是母线的有功功率,S为母线的视在功率。本发明所提的三级协调就是指母线、馈线、配变这三层。不管是哪一层,功率因数的计算公式只有一个。
进一步,优选的是,步骤(3)具体为:利用张量的模型将训练样本数据构成由馈线层、配变层、电压质量组成的三阶张量;接着,进行Tucker分解,对分解得到的每个评估等级所有的样本数据的核张量和因子矩阵进行平均,得到每个评估等级对应的核张量和因子矩阵;
在对配电网三级协调控制效果评估时,对每个待评估的评估指标张量构造一个待测张量Ttest,在每个评估等级下对已训练好的因子矩阵进行转置后与待测张量做张量矩阵乘,生成一个投影张量如下:
注:本发明所建立的评估模型是一个三阶张量模型,针对母线、馈线、配变这三层,有三个评估等级。
进一步,优选的是,相似性采用公式(4)进行判别。
其中||·||F表示Frobenius范数,di为相似度。
本发明同时提供一种配网无功电压三级协调控制效果评估方法,采用上述配网无功电压三级协调控制效果评估模型的构建方法构建得到的评估模型,具体是:
在对配电网三级协调控制效果评估时,对每个待评估的评估指标张量构造一个待测张量Ttest,在每个评估等级下对已训练好的因子矩阵进行转置后与待测张量做张量矩阵乘,生成一个投影张量如下:
本发明中变压器容量合格率是通过变压器是否在其经济运行区域内来评估其容量选择的合理性,然后根据容量选择不合理变压器所占的比例来评估配电网运行的经济性。
本发明与现有技术相比,其有益效果为:
(1)可多角度、多维度进行控制效果的评估;
(2)算法简单,执行效率高,模型输入数据简单可靠;
(3)数据高阶关联分析,多维度评估可更能真实反映电压协调控制的效果。
现有技术为采用定性或者定量的指标设计,采用加权平均或因子分析法得到评估模型,最后通过专家的打分形式给出实际数据,数据模型简单,并不能反映系统控制效果的真实性。本发明通过对配电网高阶数据的分析处理,多线性模型的有效信息通过张量分解得以保存,尤其是不同维度的关联信息,基于张量建模可保持数据在高阶空间中的关联性,进一步通过张量分解进行评估模型的训练和评估,以得到匹配度较高且合理的评估值。
附图说明
图1为本发明控制效果评估体系架构图;
图2为高阶张量指标体系图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
基于三维配网无功电压三级协调控制系统的高阶张量指标体系:
控制效果评估体系架构图如图1所示,
本体系从三个维度来综合分析评估三级协调的控制效果:
1、馈线层
线损率、线路重载率、线路过载率、线路轻载率;
2、配变层
配变损耗、配变重载率、配变过载率、配变轻载率;
3、电压质量
电压合格率、三相不平衡、电压波动及偏差、功率因数;
依据以上的三维评估体系架构,构建一个维度为(4,4,4)的三阶张量指标体系T,依次对每个张量元素对应的指标项进行等级评估,在实际操作中可通过打分的方式来综合评估配电网无功电压三级协调控制的效果。
在这三个子空间的评估数据(针对配电网,从馈线、配变和电压质量三个角度来评估,具有三个不同的维度,因此定义为三个矢量空间,即三个子空间),构成一个三阶张量的数据其中,为欧氏空间,I1表示馈线层、I2表示配变层,I3表示电压质量),该“张量数据”可认为是3个矢量空间{馈线层,配变层,电压质量}乘积构成。从代数角度而言,张量是矢量和矩阵的高阶泛化,是一个多阵列或者多维度矩阵,张量的阶数即为它的维度数,也叫方向或者模。如考察配电网的线损率(馈线层第1元素)和台区损耗(配变层第1元素)与电压质量的影响,可分析线损率及台区损耗的变化在电压质量各个因素中的得分情况,进而得出三者之间的关联关系。
传统的方法为将各个指标展开为一维矢量,然后采用回归分析或因子分析得到系数权重,进而加权综合评估。但此方法为考虑多源数据的空间关联性,容易导致数据特征在集合中的冗余性和无序性。本发明从多维度构建高阶张量指标体系,利用张量分解手段构建评估模型,从而保留评估体系在多源空间的信息关联性,从而获得更好的结果。
评估模型构建:
1、建立配电网无功电压三级协调控制效果评估模型的训练数据,将控制效果等级进行5级划分{优质,良好,中等,合格,不合格},每一级分别收集相应的多元指标体系数据,利用Tucker分解进行评估模型的训练和测试验证。在此采用监督训练方法,根据训练样本生成每个等级的对应模型,再进行测试验证。针对每个等级下的指标数据样本,先对每个数据样本建立“评估指标张量”,再Tucker分解,从而生成对应该等级的核张量与因子矩阵。
式(1)中,M为评估指标的等级,此处划分为5级,即M=5;N为训练样本的个数,对应训练中选取的线路个数;Tij为第i个等级下的第j个训练样本构造的数据张量,Sij为对应第i个等级下的第j个训练样本的核张量,表示各个子空间成分间的相互关联程度;分别表示模-1、模-2及模-3子空间上的因子矩阵。
其中,Uij为第i个等级下的第j个训练样本的因子矩阵;
最后,对所有的样本数据的核张量和因子矩阵进行平均,得到每个评估等级对应的核张量和因子矩阵,即:
在对配电网三级协调控制效果评估时,对每个待评估的“评估指标张量”构造一个待测量的Ttest,待测张量和训练数据张量的阶数保持一样,在每个评估等级下对已训练好的因子矩阵进行转置后与待测张量做张量矩阵乘,生成一个投影张量如下:
数据训练方法:
根据控制效果评估指标的5级划分{优质,良好,中等,合格,不合格},首先选取一个地区的多个变电站作为示范区域,进行配电网无功电压三级协调控制,然后邀请配电网行业专家针对配电网无功电压三级(变电站-馈线-台区)协调控制进行控制效果的整体评估,在每个变电站下选取3条馈线作为训练数据,另外选取1条馈线作为测试数据,也即训练样本为3×5=15个张量数据,测试样本为1×5=5个张量数据。张量中的数据是由配电网系统中的数据分析计算后对各项指标进行打分后的平均,打分准则为5分制{5分-优质,4分-良好,3分-中等,2分-合格,1分-不合格}。然后每条馈线根据图1建立的3维矢量评估体系及图2高阶张量指标体系建立指标样本库,3个维度I1=I2=I3=4,这样训练样本的数据量为15×4×4×4,测试样本的数据量为5×4×4×4。最后根据上述基于Tucker张量分解构建的配电网无功电压三级协调控制效果评估模型进行训练和验证。
馈线层的4个张量元素五个等级Q1~Q5划分的具体方法如表1;
1)线损率:d1=△P1/P1,△P1为线路的有功功率损耗;P1为线路的实际有功功率;
2)负载率:r1=P1/S1,P1为线路的实际有功功率,S1为线路的额定功率;
3)供电可靠性:根据配变层各个负荷点的供电可靠性计算公式计算馈线层的供电可靠性;计算公式如下:
RS=1-∑λiriNi/∑(Ni×8760)
=1-SAIDI/8760
其中,SAIDI表示系统平均停电持续时间,SAIDI=∑λiriNi/∑Ni,i表示配变个数,Ni为配变i的用户数;λi为配变节点的年平均故障率,ri为平均停运持续时间;
配变层的4个张量元素五个等级Q1~Q5划分的具体方法如表2;
1)负载率:r2=P2/S2,P2为配变的实际有功功率,S2为配变的额定功率;
2)线损率:d2=△P2/P2,△P2为配变的有功功率损耗;
3)变压器容量合格率:
该定义通过评价变压器是否在其经济运行区域内来评价其容量选择的合理性。当变压器的负载率等于βjp时,变压器的铜损等于铁损,变压器效率最高。
其中,βjp称为有功经济负荷系数;P0为空载损耗;Pk为短路损耗。
4)供电可靠性:供电可靠性=1-λi;
ri=Ui/λi
其中,λi为配变节点的年平均故障率,Ui为年平均停运时间,ri为平均停运持续时间;λj为单元j的故障率,γj为单元恢复供电的时间,pk为单元通道上的开关可靠度,m为开关的个数,n为馈线总数。
电压质量的4个张量元素五个等级Q1~Q5划分的具体方法如表3;
其中,ΔV综%为电压合格率的同向化指标;VA、VB、VC、VD分别表示A、B、C、D四类电压合格率;
其中,P为配电网变电站母线/馈线/配变的有功功率,S为配电网变电站母线/馈线/配变的视在功率。
电压质量各个元素的指标:电压合格率、三相不平衡、电压波动、功率因数。本方法就以上电压质量指标与国家标准值的差距程度,将单项电压质量综合评估等级细化,划分为Q1(优质)、Q2(良好)、Q3(中等)、Q4(合格)、Q5(不合格)5个等级。
等级划分参考国家标准,评估各项电能质量指标的合格与不合格,在此基础上对合格的电能质量指标划分为优质,良好,中等,合格,不合格五个等级,具体数值可以根据需要进行调整。
将电压质量指标同向化,统一转化为逆向指标。对单项电压质量综合评估等级进行细化,由传统的合格、不合格细化为优质,良好,中等,合格,不合格5个等级。
其中,电压波动、三相不平衡为逆向指标,即其指标值越小,电压质量相对越好,而电压合格率和功率因数指标为正向指标,即其指标值越大,电能质量越好,所在处理过程中,为了同向化,方便综合评估,对于电压合格率和功率因数可以取其与1的差值将他们转化为逆向指标。
表4所示为选取的6条馈线在馈线层的线损率(I1=1),配变层的配变损耗(I2=1),电压质量层的4个层级(I3=1,2,3,4)的张量元素对应的评估等级数据。其中数据是由电力行业专家按照5分制等级根据国标对评估指标每个元素进行打分后的平均值,也即指标张量在I(1,1:)上的所有数据(即馈线层和配变层的电压质量各个指标),此时配网无功电压三级协调控制效果评估重点关注的是协调控制后整个配网不同电压等级的电压质量情况。表4给出了训练的部分数据来源。
表4部分线路的模型参数
线路名称 | 线型 | 长度/km |
线路1 | LGJ-185/30 | 33.48 |
线路2 | LGJ-185/30 | 53.61 |
线路3 | LGJ-185/30、LGJ-185/45 | 51.129 |
线路4 | LGJ-240/30 | 49.819 |
线路5 | LGJ-240/30、LGJ-185/40 | 52.95 |
线路6 | LGJ-240/30 | 67.08 |
表5馈线层和配变层的指标张量(部分数据)
张量元素 | 线路1 | 线路2 | 线路3 | 线路4 | 线路5 | 线路6 |
I(1,1,1) | 0.042 | 0.98 | 0.19 | 0.25 | 0.46 | 0.18 |
I(1,1,2) | 0.005 | 0.015 | 0.045 | 0.07 | 0.15 | 0.03 |
I(1,1,3) | 0 | 0.02 | 0.06 | 0.13 | 0.7 | 0.1 |
I(1,1,4) | 0.037 | 0.09 | 0.13 | 0.19 | 0.32 | 0.12 |
等级 | 非常好 | 比较好 | 一般 | 较差 | 非常差 | 一般 |
如需考察馈线层和配变层的电压质量,则需要考虑某一条件下如在馈线和配变损耗一定的情况下,馈线和配变的电压合格率、电压波动情况、三相不平衡及功率因数。根据表5提供的数据基于以上介绍的Tucker分解建模方法,得到如下的评估结果和预测误差。
说明:本方法训练样本为3×5=15个张量数据,测试样本为1×5=5个张量数据。表5给出的数据为给出的部分样本数据,也即给出了其中的6条馈线分析数据,但实际样本数据不只是这6条馈线的数据。而表6给出的是5个测试线路的测试结果(测试样本数为5)来验证模型的有效性。
表6评估模型的测试结果
线路1 | 线路2 | 线路3 | 线路4 | 线路5 | |
预期结果 | 一般 | 非常好 | 较差 | 比较好 | 非常差 |
测试结果 | 一般 | 非常好 | 较差 | 比较好 | 非常差 |
预测误差 | 0.6724 | 0.8115 | 0.6028 | 0.7562 | 0.7271 |
表5为测试数据经过Tucker分解建模后的评估结果及预测误差,其中预测误差基于公式(4)中的Frobenius范数和和相似性度量进行计算。此处的预测误差用相似度来衡量(即采用相似度作为预测误差),相似度高的说明预测误差比较小,而相似度低的说明预测误差较大。从表中实例数据的测试结果可看出,采用Tucker张量分解的配电网无功电压三级协调控制效果评估模型能够得到一致的测试结果和预期结果,F范数显示的预测误差很小,均在1以下,因此本发明方法提出的评估模型测试精度在接受的范围内,评估模型合理可行。同时从表5中可知,针对不同线路利用该评估模型进行配电网无功电压协调控制效果的评估,可得出较为准确的控制效果评估结果。如线路1的控制效果一般,线路2的电压控制效果非常好。
同时为了避免专家打分的主观性,可对建立的“评估指标张量模型”进行各个子空间的维度扩展,并采用采集数据的方式给出定量数据值。然后对定量数据进行处理后作为模型的训练数据,基于本专利提出的评估模型进行处理,从而得到更为客观的评估结果。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.配网无功电压三级协调控制效果评估模型的构建方法,其特征在于,包括如下步骤:
步骤(1),构建三维评估体系,三个维度分别为馈线层、配变层和电压质量;每个维度有4个张量元素;馈线层的4个张量元素分别为线损率、线路重载率、线路过载率、线路轻载率;
配变层的4个张量元素分别为配变损耗、配变重载率、配变过载率、配变轻载率;
电压质量的4个张量元素分别为电压合格率、三相不平衡、电压波动及偏差、功率因数;
步骤(2),采集变电站母线、馈线及各个台区的电压、电流、有功功率、无功功率数据,并将每个张量元素按照其配网无功电压控制效果划分为5级;
步骤(3),根据步骤(2)分级内容,利用张量的模型将训练样本数据构成由馈线层、配变层、电压质量组成的三阶张量;然后采用Tucker分解进行每个等级评估模型的训练,得到配网无功电压三级协调控制效果评估模型;
步骤(3)具体为:利用张量的模型将训练样本数据构成由馈线层、配变层、电压质量组成的三阶张量;接着,进行Tucker分解,对分解得到的每个评估等级所有的样本数据的核张量和因子矩阵进行平均,得到每个评估等级对应的核张量和因子矩阵;
在对配电网三级协调控制效果评估时,对每个待评估的评估指标张量构造一个待测张量Ttest,在每个评估等级下对已训练好的因子矩阵进行转置后与待测张量做张量矩阵乘,生成一个投影张量如下:
相似性采用公式(4)进行判别;
其中||·||F表示Frobenius范数,di为相似度。
2.根据权利要求1所述的配网无功电压三级协调控制效果评估模型的构建方法,其特征在于,步骤(2)中,所述的5级为Q1~Q5,Q1为优质;Q2为良好;Q3为中等;Q4为合格;Q5为不合格。
3.根据权利要求1所述的配网无功电压三级协调控制效果评估模型的构建方法,其特征在于,馈线层的4个张量元素五个等级Q1~Q5划分的具体方法如表1;
表1
1)线损率:d1=△P1/P1,△P1为线路的有功功率损耗;P1为线路的实际有功功率;
2)负载率:r1=P1/S1,P1为线路的实际有功功率,S1为线路的额定功率;
3)供电可靠性:根据配变层各个负荷点的供电可靠性计算公式计算馈线层的供电可靠性;计算公式如下:
RS=1-∑λiriNi/∑(Ni×8760)
=1-SAIDI/8760
其中,SAIDI表示系统平均停电持续时间,SAIDI=∑λiriNi/∑Ni,i表示配变个数,Ni为配变i的用户数;λi为配变节点的年平均故障率,ri为平均停运持续时间;
4.根据权利要求1所述的配网无功电压三级协调控制效果评估模型的构建方法,其特征在于,配变层的4个张量元素五个等级Q1~Q5划分的具体方法如表2;
表2
1)负载率:r2=P2/S2,P2为配变的实际有功功率,S2为配变的额定功率;
2)线损率:d2=△P2/P2,△P2为配变的有功功率损耗;
4)供电可靠性:供电可靠性=1-λi;
ri=Uiλi
其中,λi为配变节点的年平均故障率,Ui为年平均停运时间,ri为平均停运持续时间;λj为单元j的故障率,γj为单元恢复供电的时间,pk为单元通道上的开关可靠度,m为开关的个数,n为馈线总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011564050.4A CN112733306B (zh) | 2020-12-25 | 2020-12-25 | 配网无功电压三级协调控制效果评估模型的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011564050.4A CN112733306B (zh) | 2020-12-25 | 2020-12-25 | 配网无功电压三级协调控制效果评估模型的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733306A CN112733306A (zh) | 2021-04-30 |
CN112733306B true CN112733306B (zh) | 2022-11-08 |
Family
ID=75617045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011564050.4A Active CN112733306B (zh) | 2020-12-25 | 2020-12-25 | 配网无功电压三级协调控制效果评估模型的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733306B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139095A (zh) * | 2015-09-23 | 2015-12-09 | 河海大学 | 基于属性区间模型的配电网运行状态评估方法 |
CN110264095A (zh) * | 2019-06-25 | 2019-09-20 | 昆明能讯科技有限责任公司 | 一种基于地理信息系统的配电网设备可视化辅助运维方法 |
CN110266000A (zh) * | 2019-06-17 | 2019-09-20 | 国网江苏省电力有限公司 | 一种配电网电压越限原因分析方法、系统及存储介质 |
CN110599047A (zh) * | 2019-09-18 | 2019-12-20 | 国网江苏省电力有限公司宝应县供电分公司 | 一种基于大数据的配电网低电压分析评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102624023B (zh) * | 2011-01-31 | 2014-07-09 | 华锐风电科技(集团)股份有限公司 | 双馈型机组风电场的无功电压控制系统 |
-
2020
- 2020-12-25 CN CN202011564050.4A patent/CN112733306B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139095A (zh) * | 2015-09-23 | 2015-12-09 | 河海大学 | 基于属性区间模型的配电网运行状态评估方法 |
CN110266000A (zh) * | 2019-06-17 | 2019-09-20 | 国网江苏省电力有限公司 | 一种配电网电压越限原因分析方法、系统及存储介质 |
CN110264095A (zh) * | 2019-06-25 | 2019-09-20 | 昆明能讯科技有限责任公司 | 一种基于地理信息系统的配电网设备可视化辅助运维方法 |
CN110599047A (zh) * | 2019-09-18 | 2019-12-20 | 国网江苏省电力有限公司宝应县供电分公司 | 一种基于大数据的配电网低电压分析评估方法 |
Non-Patent Citations (4)
Title |
---|
Hybrid direct power/current control using feedback linearization of three-level four-leg voltage source shunt active power filter;M.Bouzidi等;《International Journal of Electrical Power & Energy Systems》;20141031;第61卷;629-646 * |
基于低电压治理的配电网优化策略研究;黄嘉楠等;《电力电容器与无功补偿》;20200225;第41卷(第1期);200-206 * |
基于分布式供能系统功率互动能力的双目标电压协调控制策略;梁刚等;《电力系统及其自动化学报》;20170815;第29卷(第08期);70-75 * |
基于链式纵联技术的馈线自动化研究及应用;杨根甜等;《供用电》;20160605;第33卷(第6期);18-22 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733306A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210003640A1 (en) | Fault locating method and system based on multi-layer evaluation model | |
CN110909983B (zh) | 一种主动配电网电能质量多维评估方法 | |
Yu et al. | Oil-immersed power transformer internal fault diagnosis research based on probabilistic neural network | |
CN110880062B (zh) | 一种配电设备状态检修时间的确定方法 | |
CN103246762A (zh) | 一种电力推进系统仿真可信度的综合评估方法 | |
CN112308427A (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 | |
CN110598907A (zh) | 一种配电网健康状态的智能诊断方法及系统 | |
CN112115648A (zh) | 一种基于改进深度学习方法的变压器顶层油温预测方法 | |
Cortes-Robles et al. | Fast-training feedforward neural network for multi-scale power quality monitoring in power systems with distributed generation sources | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN113065715A (zh) | 一种综合能源系统多元负荷超短期预测方法 | |
CN115498628A (zh) | 一种含储能配电网的可靠性评估方法及系统 | |
CN116562114A (zh) | 一种基于图卷积神经网络的电力变压器故障诊断方法 | |
Ardi et al. | Analytical incremental learning for power transformer incipient fault diagnosis based on dissolved gas analysis | |
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 | |
CN112733306B (zh) | 配网无功电压三级协调控制效果评估模型的构建方法 | |
CN111563652A (zh) | 一种评价电网企业综合计划执行情况的方法 | |
CN115409317A (zh) | 基于特征选择和机器学习的台区线损检测方法及装置 | |
CN113919162B (zh) | 基于仿真与多源实测数据融合的电压暂降风险预警方法 | |
Tan et al. | Condition assessment method for power transformers based on variable weight principle and fuzzy comprehensive evaluation | |
CN115828185A (zh) | 一种油浸变压器故障诊断方法 | |
CN112308208B (zh) | 基于深度学习模型的变压器故障诊断方法 | |
CN111008779A (zh) | 一种基于多因素评估模型的变压器健康状态评估方法 | |
Al-Abdulwahab | Probabilistic electrical power generation modeling using genetic algorithm | |
Zhang et al. | Comprehensive Evaluation Method of Power Quality CRITIC-MARCOS for Regional Distribution Network |
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 |