CN113159986A - 一种台风灾害后的电网智能自愈方法 - Google Patents

一种台风灾害后的电网智能自愈方法 Download PDF

Info

Publication number
CN113159986A
CN113159986A CN202110353052.7A CN202110353052A CN113159986A CN 113159986 A CN113159986 A CN 113159986A CN 202110353052 A CN202110353052 A CN 202110353052A CN 113159986 A CN113159986 A CN 113159986A
Authority
CN
China
Prior art keywords
power grid
level
grid
self
healing
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
Application number
CN202110353052.7A
Other languages
English (en)
Inventor
戴瑞海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Wenzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202110353052.7A priority Critical patent/CN113159986A/zh
Publication of CN113159986A publication Critical patent/CN113159986A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three-dimensional [3D] modelling for computer graphics

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种台风灾害后的电网智能自愈方法。为了克服现有技术电网自愈控制方法模型简单，难以反映电网的动态调节过程的问题；本发明包括以下步骤：S1：实时监测灾后的各级电网数据，汇集统计各级电网受灾情况；S2：根据各级电网数据建立三维能源分布模型；S3：根据三维能源分布模型结合各级电网受灾请情况分析，针对受灾区域各电网制定源网荷储协同自愈计划，并限定各自愈计划的执行恢复时间；S4：当自愈计划的执行恢复时间终止后，判断电网是否已完成自愈；若未完成自愈，则更新电网受灾情况，并返回步骤S3重新制定自愈计划。本发明通过“源网荷储”协同控制技术手段，动态调节各级电网，反馈实时真实，提高自愈效率。

Description

一种台风灾害后的电网智能自愈方法
技术领域
本发明涉及一种电网自愈方法领域，尤其涉及一种台风灾害后的电网智能自愈方法。
背景技术
台风是对输电网络影响最大的天气因素之一，我国东南部沿海城市每年都会受到台风的侵袭，每次台风都会对当地的电网造成不小的破坏。而电网能否健康运行关乎当地的生产、生活水平。所以，对台风灾害后电网自愈的技术有一定需求。
目前，存在一些电网自愈的控制方法，例如，一种在中国专利文献上公开的“城市配电网自愈控制方法”，其公告号CN101436780B，包括如下步骤：(1)定义一个与电压、电流、有功功率、无功功率、频率相关的系统状态函数，设定紧急状态函数值、恢复状态函数值、异常状态函数值、警戒状态函数值以及安全状态函数值范围；(2)采集电气量参数；(3)计算状态函数的函数值，与系统设定状态函数值分别进行比较，根据比较结果转相关控制处理步骤；(4)紧急控制处理；(5)恢复控制处理；(6)校正控制处理；(7)预防控制处理。该方法模型简单、难以全面反映配电网的动态行为，没有考虑电网自愈过程中包括实时运行态势预测与感知和多目标协调优化控制等在内的重要因素。
发明内容
本发明主要解决现有技术电网自愈控制方法模型简单，难以反映电网的动态调节过程的问题；提供一种台风灾害后的电网智能自愈方法，通过“源网荷储”协同控制技术手段，动态调节各级电网，反馈实时真实，提高自愈效率。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种台风灾害后的电网智能自愈方法，包括以下步骤：
S1：实时监测灾后的各级电网数据，各级电网将数据传输至数据处理中心，数据处理中心汇集统计各级电网受灾情况；
S2：根据各级电网数据建立三维能源分布模型，三维能源分布模型的横轴为各能源种类工况，垂直轴为电网级别，纵轴为地区；
S3：根据三维能源分布模型结合各级电网受灾请情况分析，针对受灾区域各电网制定源网荷储协同自愈计划，并限定各自愈计划的执行恢复时间；
S4：当自愈计划的执行恢复时间终止后，判断电网是否已完成自愈；若未完成自愈，则更新电网受灾情况，并返回步骤S3重新制定自愈计划。
本方案通过实时采集并汇总电网数据，与历史数据库对比，实时更新获取各级电网的受灾情况。建立三维能源分布模型，能够清楚地知道能源和储能的各级分布情况，与电网受灾情况、原有负荷工况结合；方便动态地制定源网荷储的协同调度方案，实时反馈调整，能够动态调节，数据真实具有时效，方便台风灾后的多目标协调、快速自愈，提高自愈效率，也符合台风破坏力大，不确定性强的特点。
作为优选，所述的数据包括发电机功率角、母线电压相位角以及线路有功、无功、电压和频率；根据发电机相对功角、母线相对相位、有功无功的动态变化波形图，通过阈值比较判断各级电网的受灾情况。本方案通过阈值比较来定位故障，确定故障类型。
作为优选，所述的阈值比较分别比较历史数据库中正常运行状态数据、最低运行状态数据和故障运行状态数据。通过发电机相对功角和母线相对相位与正常运行状态数据的比较，当与阈值数据范围不同时，则判断故障，否则判定为正常；通过与最低运行状态数据的比较，判定当前状态能够维持负载的最低工作需求，若否，则提高当前电网的维修重要级；通过与故障运行状态数据的比较，匹配相似度最高的数据，以此来确定故障类型。
作为优选，所述的电网级别包括地市级、县区级和网格级；所述的能源种类包括风电储能、水电储能及水力发电能力、太阳能储能及太阳能发电能力。本方通过多级多能源协同自愈，使得能源调度更加合理。
作为优选，所述的步骤S3包括以下步骤：
S31：确定故障路径，以三维能源分布模型的电网级别从上级往下级逐级分析，结合各电网对应的受灾情况，判断该电网的多能源出力能否与负荷功率达到平衡；若能，则进入步骤S32，否则，进入步骤S33；
S32：孤岛化隔离，以三维能源分布模型的电网级别从下级往上级逐级孤岛化隔离，隔离后的电网从三维能源分布模型中去除，每一级电网完成孤岛化隔离后返回步骤S31判断，所有进入步骤S32判断的各级电网均完成孤岛化隔离后，进入步骤S3；
S33：制定故障恢复链，故障恢复链各环节限定恢复执行时间。
本方案确定灾后自愈故障恢复链，将能够自给自足的电网在自愈期间孤岛运行，避免扩大灾害的影响，减少能源调度的量，提高能源调度的效率。
作为优选，所述的步骤S31包括以下步骤：
S311：考虑各个地市级电网的多能源出力与其负荷功率是否达到平衡，若是，则该地市级电网所属的县区级电网和网格级电网不执行本轮判断，该地市级电网及其所属的县区级电网和网格级电网进入步骤S32判断；否则，对该地市级电网所属的县区级电网进行功率平衡判断；
S312：判断剩余各个县区级电网的多能源出力与其负荷功率是否达到平衡，若是则该县区级电网所属的网格级电网不执行本轮判断，该县区级电网及其所属的网格级电网进入步骤S32判断；否则，对该县区级电网所属的网格级电网进行功率平衡判断；
S313：判断剩余各个网格级电网的多能源出力与其负荷功率是否达到平衡，若是，则该网格级电网进入步骤S32判断；否则，完成对各级电网的功率平衡判断；
S314：将未进入步骤S32判断的各级电网，进入步骤S33规划。
本方案排除各级能自己自足的电网，进行孤岛式自愈，其他通过源网荷储的能源调度来进行电网自愈，保证不扩大灾害影响，动态调节，提高能源调度效率。
作为优选，所述的步骤S32包括以下步骤：
S321：判断是否存在进入步骤S32的网格级电网，若否，进入步骤S322；若是，则将进入本步骤的各网格级电网与上级电网切断，各网格级电网进行孤岛化运行，并将孤岛化运行的网格级电网从三维能源分布模型中去除，同时更新其上级电网的各能源种类工况数据，即更新其上级的县区级电网和地市级电网的各能源种类工况数据，并返回步骤S31判断；
S322：判断是否所有进入步骤S32的网格级电网均已孤岛化运行，若是，则继续下一步判断，若否，则返回步骤S321；
S323：判断是否存在进入步骤S32的县区级电网，若否，进入步骤S324；若是，则将进入本步骤的各县区级电网与上级电网切断，各县区级电网进行孤岛化运行，并将孤岛化运行的县区级电网及其下属的网格级电网从三维能源分布模型中去除，同时更新其上级电网的各能源种类工况数据，即更新其上级的地市级电网的各能源种类工况数据，并返回步骤S31判断；
S324：判断是否所有进入步骤S32的县区级电网均已孤岛化运行，若是，则继续下一步判断，若否，则返回步骤S323；
S325：判断是否存在进入步骤S32的地市级电网，若否，则进入步骤S326；若是，则将进入本步骤的各地市级电网孤岛化运行，并将孤岛化运行的地市级电网及其下属的县区级电网和网格级电网从三维能源分布模型中去除；
S326：完成各级电网的孤岛化运行，进入步骤S33。
能够达到功率平衡的各级电网孤岛化运行，达到自给自足，保证在自愈过程中不过收到其他电网的影响；并从三维资源分布模型中去除，使得剩下需要进行调控的电网，提高自愈计划制定的效率。
作为优选，所述的故障恢复链根据更新后的三维能源分布模型，以电网重要性、维修重要性和关联度加权计算获得：
Figure BDA0003001296830000041
限制条件为：
Wj≥Wj+1
其中，Wji为故障恢复链中环节j的第i个设备的重要性；Wj为故障恢复链中环节j的重要性；j为故障恢复链的环节；k为故障恢复链中环节j的后级环节；M为故障恢复链环节总数；N为故障恢复链中环节j的设备总数；HjI为故障恢复链中环节j的维修重要性；Gjk为故障恢复链中环节j和环节k的关联性。
制定多条故障恢复链，在保证基础照明和基础供电的情况下，以重要程度排序，多目标、多方源网荷储协同调度，依次自愈，提高整体自愈的效率。
作为优选，所述的故障恢复链的各环节均限定恢复执行时间Tj；恢复执行时间Tj由电网受灾情况、各能源种类工况和关联度加权计算后获得：
Figure BDA0003001296830000042
其中，Egj为故障恢复链中环节j的第g种能源工况；Egj为故障恢复链环节k的第g种能源工况；K为能源工况总数；Di为故障恢复链中环节j的电网受灾情况；T为时间基数。
限定执行恢复时间，判断目前自愈计划中源网荷储的协同调度能否完成规定的自愈；判断自愈恢复能力，预估制定的自愈计划的完成能力。
作为优选，根据发布的故障恢复链执行自愈计划后，进行同步计时，当各环节的恢复执行时间终止后，将此刻该环节的电网数据与历史数据库中正常运行状态数据比较，判断该环节是否修复完毕，若是，则进行下一环节的自愈，直至自愈计划完成；否则，更新该环节电网受灾情况，返回步骤S33重新制定自愈计划。通过执行恢复时间判断制定的自愈计划是否合理，以此反馈更新自愈计划，提高自愈效率。
本发明的有益效果是：
1.本方案通过实时采集并汇总电网数据，与历史数据库对比，实时更新获取各级电网的受灾情况，考虑电网自愈过程中实时运行态势预测与感知，数据更加真实有效。
2.建立三维能源分布模型，能够清楚地知道能源和储能的各级分布情况，与电网受灾情况、原有负荷工况结合，方便动态地制定源网荷储的协同调度方案，实时反馈调整，能够动态调节，提高自愈效率，也符合台风破坏力大，不确定性强的特点。
3.排除各级能自己自足的电网，进行孤岛式自愈，其他通过源网荷储的能源调度来进行电网自愈，保证不扩大灾害影响，动态调节，提高能源调度效率。
4.通过执行恢复时间判断制定的自愈计划是否合理，以此反馈更新自愈计划，提高自愈效率。
附图说明
图1是本发明的一种台风灾害后的电网智能自愈方法的流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例的一种台风灾害后的电网智能自愈方法，如图1所示，包括如下步骤：
S1：实时监测灾后的各级电网数据，各级电网将数据传输至数据处理中心，数据处理中心汇集统计各级电网受灾情况。
S11：通过在地市级电网、县区级电网和网格级电网安装监控设备，实时监测台风灾后的各电网数据，将电网数据传输至数据处理中心。
电网数据包括发电机功率角、母线电压相位角以及线路有功、无功、电压和频率。若监控设备监测不到对应的电网工况参数，则传输数据为0，即判定严重故障。
在本实施例中，数据处理中心为省级中心，监控设备利用全球卫星定位系统同步时钟在线实时同步测量电网的工况参数，通过数字微波等设备高速、实时的地传输电网工况参数数据。
S12：数据处理中心根据发电机相对功角、母线相对相位和有功无功的动态变化波形图，进行阈值比较，判断各级电网的受灾情况。
数据处理中心汇集各级电网的发电机功率角、母线电压相位角以及线路有功、无功、电压和频率等工况参数，并以时间为横轴绘制动态变化波形图。阈值比较分别比较历史数据库中正常运行状态数据、最低运行状态数据和故障运行状态数据，依次来判断各级电网的受灾情况，受灾情况包括设备是否故障、故障类型以及能够维持负载最低工作需求。
通过发电机相对功角和母线相对相位与正常运行状态数据的比较，当与阈值数据范围不同时，则判断故障，否则判定为正常。
通过与最低运行状态数据的比较，判定当前状态能够维持负载的最低工作需求，若否，则提高当前电网的维修重要级。
通过与故障运行状态数据的比较，匹配相似度最高的数据，以此来确定故障类型。
S2：根据各级电网数据建立三维能源分布模型，三维能源分布模型的横轴为各能源种类工况，垂直轴为电网级别，纵轴为地区。
在本实施例中，能源种类包括火电储能及火力发电能力、风电储能、备用电池储能、水电储能及水力发电能力、太阳能储能及太阳能发电能力等。
电网级别包括地市级、县区级和网格级；地区为同一电网级别的不同电网。
S3：根据三维能源分布模型结合各级电网受灾请情况分析，针对受灾区域各电网制定源网荷储协同自愈计划，并限定各自愈计划的执行恢复时间。
S31：确定故障路径，以三维能源分布模型的电网级别从上级往下级逐级分析，结合各电网对应的受灾情况，判断该电网的多能源出力能否与负荷功率达到平衡；若能，则进入步骤S32，否则，进入步骤S33。
S311：考虑各个地市级电网的多能源出力与其负荷功率是否达到平衡，若是，则该地市级电网所属的县区级电网和网格级电网不执行本轮判断，该地市级电网及其所属的县区级电网和网格级电网进入步骤S32判断；否则，对该地市级电网所属的县区级电网进行功率平衡判断。
S312：判断剩余各个县区级电网的多能源出力与其负荷功率是否达到平衡，若是则该县区级电网所属的网格级电网不执行本轮判断，该县区级电网及其所属的网格级电网进入步骤S32判断；否则，对该县区级电网所属的网格级电网进行功率平衡判断。
S313：判断剩余各个网格级电网的多能源出力与其负荷功率是否达到平衡，若是，则该网格级电网进入步骤S32判断；否则，完成对各级电网的功率平衡判断。
S314：将未进入步骤S32判断的各级电网，进入步骤S33规划。
S32：孤岛化隔离，以三维能源分布模型的电网级别从下级往上级逐级孤岛化隔离，隔离后的电网从三维能源分布模型中去除，每一级电网完成孤岛化隔离后返回步骤S31判断，所有进入步骤S32判断的各级电网均完成孤岛化隔离后，进入步骤S33。
S321：判断是否存在进入步骤S32的网格级电网，若否，进入步骤S322；若是，则将进入本步骤的各网格级电网与上级电网切断，各网格级电网进行孤岛化运行，并将孤岛化运行的网格级电网从三维能源分布模型中去除，同时更新其上级电网的各能源种类工况数据，即更新其上级的县区级电网和地市级电网的各能源种类工况数据，并返回步骤S31判断。
S322：判断是否所有进入步骤S32的网格级电网均已孤岛化运行，若是，则继续下一步判断，若否，则返回步骤S321。
S323：判断是否存在进入步骤S32的县区级电网，若否，进入步骤S324；若是，则将进入本步骤的各县区级电网与上级电网切断，各县区级电网进行孤岛化运行，并将孤岛化运行的县区级电网及其下属的网格级电网从三维能源分布模型中去除，同时更新其上级电网的各能源种类工况数据，即更新其上级的地市级电网的各能源种类工况数据，并返回步骤S31判断。
S324：判断是否所有进入步骤S32的县区级电网均已孤岛化运行，若是，则继续下一步判断，若否，则返回步骤S323。
S325：判断是否存在进入步骤S32的地市级电网，若否，则进入步骤S326；若是，则将进入本步骤的各地市级电网孤岛化运行，并将孤岛化运行的地市级电网及其下属的县区级电网和网格级电网从三维能源分布模型中去除。
S326：完成各级电网的孤岛化运行，进入步骤S33。
S33：制定故障恢复链，故障恢复链各环节限定恢复执行时间。
根据更新后的三维能源分布模型，以电网重要性、维修重要性和关联度加权计算故障恢复链：
Figure BDA0003001296830000071
限制条件为：
Wj≥Wj+1
其中，Wji为故障恢复链中环节j的第i个设备的重要性；Wj为故障恢复链中环节j的重要性；j为故障恢复链的环节；k为故障恢复链中环节j的后级环节；M为故障恢复链环节总数；N为故障恢复链中环节j的设备总数；HjI为故障恢复链中环节j的维修重要性；Gjk为故障恢复链中环节j和环节k的关联性。
在本实施例中，以各级别电网为环节，根据电网重要性、维修重要性和电网间的关联性为依据，取最优的故障恢复链，通过源网荷储，在保证所有电网基础照明和基础供电的情况下，进行能源调度，先恢复电网重要级高、维修重要性高以及与其他电网关联性高的电网，再依次恢复。
故障恢复链的各环节均限定恢复执行时间Tj。恢复执行时间Tj由电网受灾情况、各能源种类工况和关联度加权计算后获得。
Figure BDA0003001296830000072
其中，Egj为故障恢复链中环节j的第g种能源工况；Egj为故障恢复链环节k的第g种能源工况；K为能源工况总数；Dj为故障恢复链中环节j的电网受灾情况；T为时间基数。
S4：当自愈计划的执行恢复时间终止后，判断电网是否已完成自愈；若未完成自愈，则更新电网受灾情况，并返回步骤S3重新制定自愈计划。
根据发布的故障恢复链执行自愈计划后，进行同步计时，当各环节的恢复执行时间终止后，将此刻该环节的电网数据与历史数据库中正常运行状态数据比较，判断该环节是否修复完毕，若是，则进行下一环节的自愈，直至自愈计划完成；否则，更新该环节电网受灾情况，返回步骤S33重新制定自愈计划。
完成自愈计划后，处于孤岛运行的各级电网重新并网。
本实施例的方案通过实时采集并汇总电网数据，与历史数据库对比，实时更新获取各级电网的受灾情况，考虑电网自愈过程中实时运行态势预测与感知。建立三维能源分布模型，能够清楚地知道能源和储能的各级分布情况，与电网受灾情况、原有负荷工况结合，方便动态地制定源网荷储的协同调度方案，实时反馈调整，能够动态调节，数据真实具有时效，提高自愈效率，也符合台风破坏力大，不确定性强的特点。
通过排除各级能自己自足的电网，进行孤岛式自愈，其他通过源网荷储的能源调度来进行电网自愈，保证不扩大灾害影响，动态调节，提高能源调度效率。通过执行恢复时间判断制定的自愈计划是否合理，以此反馈更新自愈计划，提高自愈效率。
应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (10)

1.一种台风灾害后的电网智能自愈方法，其特征在于，包括以下步骤：
S1：实时监测灾后的各级电网数据，各级电网将数据传输至数据处理中心，数据处理中心汇集统计各级电网受灾情况；
S2：根据各级电网数据建立三维能源分布模型，三维能源分布模型的横轴为各能源种类工况，垂直轴为电网级别，纵轴为地区；
S3：根据三维能源分布模型结合各级电网受灾请情况分析，针对受灾区域各电网制定源网荷储协同自愈计划，并限定各自愈计划的执行恢复时间；
S4：当自愈计划的执行恢复时间终止后，判断电网是否已完成自愈；若未完成自愈，则更新电网受灾情况，并返回步骤S3重新制定自愈计划。
2.根据权利要求1所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的数据包括发电机功率角、母线电压相位角以及线路有功、无功、电压和频率；根据发电机相对功角、母线相对相位、有功无功的动态变化波形图，通过阈值比较判断各级电网的受灾情况。
3.根据权利要求2所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的阈值比较分别比较历史数据库中正常运行状态数据、最低运行状态数据和故障运行状态数据。
4.根据权利要求1所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的电网级别包括地市级、县区级和网格级；所述的能源种类包括风电储能、水电储能及水力发电能力、太阳能储能及太阳能发电能力。
5.根据权利要求1或2或3或4所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的步骤S3包括以下步骤：
S31：确定故障路径，以三维能源分布模型的电网级别从上级往下级逐级分析，结合各电网对应的受灾情况，判断该电网的多能源出力能否与负荷功率达到平衡；若能，则进入步骤S32，否则，进入步骤S33；
S32：孤岛化隔离，以三维能源分布模型的电网级别从下级往上级逐级孤岛化隔离，隔离后的电网从三维能源分布模型中去除，每一级电网完成孤岛化隔离后返回步骤S31判断，所有进入步骤S32判断的各级电网均完成孤岛化隔离后，进入步骤S3；
S33：制定故障恢复链，故障恢复链各环节限定恢复执行时间。
6.根据权利要求5所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的步骤S31包括以下步骤：
S311：考虑各个地市级电网的多能源出力与其负荷功率是否达到平衡，若是，则该地市级电网所属的县区级电网和网格级电网不执行本轮判断，该地市级电网及其所属的县区级电网和网格级电网进入步骤S32判断；否则，对该地市级电网所属的县区级电网进行功率平衡判断；
S312：判断剩余各个县区级电网的多能源出力与其负荷功率是否达到平衡，若是则该县区级电网所属的网格级电网不执行本轮判断，该县区级电网及其所属的网格级电网进入步骤S32判断；否则，对该县区级电网所属的网格级电网进行功率平衡判断；
S313：判断剩余各个网格级电网的多能源出力与其负荷功率是否达到平衡，若是，则该网格级电网进入步骤S32判断；否则，完成对各级电网的功率平衡判断；
S314：将未进入步骤S32判断的各级电网，进入步骤S33规划。
7.根据权利要求6所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的步骤S32包括以下步骤：
S321：判断是否存在进入步骤S32的网格级电网，若否，进入步骤S322；若是，则将进入本步骤的各网格级电网与上级电网切断，各网格级电网进行孤岛化运行，并将孤岛化运行的网格级电网从三维能源分布模型中去除，同时更新其上级电网的各能源种类工况数据，即更新其上级的县区级电网和地市级电网的各能源种类工况数据，并返回步骤S31判断；
S322：判断是否所有进入步骤S32的网格级电网均已孤岛化运行，若是，则继续下一步判断，若否，则返回步骤S321；
S323：判断是否存在进入步骤S32的县区级电网，若否，进入步骤S324；若是，则将进入本步骤的各县区级电网与上级电网切断，各县区级电网进行孤岛化运行，并将孤岛化运行的县区级电网及其下属的网格级电网从三维能源分布模型中去除，同时更新其上级电网的各能源种类工况数据，即更新其上级的地市级电网的各能源种类工况数据，并返回步骤S31判断；
S324：判断是否所有进入步骤S32的县区级电网均已孤岛化运行，若是，则继续下一步判断，若否，则返回步骤S323；
S325：判断是否存在进入步骤S32的地市级电网，若否，则进入步骤S326；若是，则将进入本步骤的各地市级电网孤岛化运行，并将孤岛化运行的地市级电网及其下属的县区级电网和网格级电网从三维能源分布模型中去除；
S326：完成各级电网的孤岛化运行，进入步骤S33。
8.根据权利要求6或7所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的故障恢复链根据更新后的三维能源分布模型，以电网重要性、维修重要性和关联度加权计算获得：
Figure FDA0003001296820000031
限制条件为：
Wj≥Wj+1
其中，Wji为故障恢复链中环节j的第i个设备的重要性；Wj为故障恢复链中环节j的重要性；j为故障恢复链的环节；k为故障恢复链中环节j的后级环节；M为故障恢复链环节总数；N为故障恢复链中环节j的设备总数；HjI为故障恢复链中环节j的维修重要性；Gjk为故障恢复链中环节j和环节k的关联性。
9.根据权利要求8所述的一种台风灾害后的电网智能自愈方法，其特征在于，所述的故障恢复链的各环节均限定恢复执行时间Tj；恢复执行时间Tj由电网受灾情况、各能源种类工况和关联度加权计算后获得：
Figure FDA0003001296820000032
其中，Egj为故障恢复链中环节j的第g种能源工况；Egj为故障恢复链环节k的第g种能源工况；K为能源工况总数；Dj为故障恢复链中环节j的电网受灾情况；T为时间基数。
10.根据权利要求1所述的一种台风灾害后的电网智能自愈方法，其特征在于，根据发布的故障恢复链执行自愈计划后，进行同步计时，当各环节的恢复执行时间终止后，将此刻该环节的电网数据与历史数据库中正常运行状态数据比较，判断该环节是否修复完毕，若是，则进行下一环节的自愈，直至自愈计划完成；否则，更新该环节电网受灾情况，返回步骤S33重新制定自愈计划。
CN202110353052.7A 2021-03-31 2021-03-31 一种台风灾害后的电网智能自愈方法 Pending CN113159986A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110353052.7A CN113159986A (zh) 2021-03-31 2021-03-31 一种台风灾害后的电网智能自愈方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110353052.7A CN113159986A (zh) 2021-03-31 2021-03-31 一种台风灾害后的电网智能自愈方法

Publications (1)

Publication Number Publication Date
CN113159986A true CN113159986A (zh) 2021-07-23

Family

ID=76886328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110353052.7A Pending CN113159986A (zh) 2021-03-31 2021-03-31 一种台风灾害后的电网智能自愈方法

Country Status (1)

Country Link
CN (1) CN113159986A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115622033A (zh) * 2022-10-14 2023-01-17 国网浙江省电力有限公司嘉兴供电公司 一种极端降水灾害后的电网智能自愈方法
CN115640967A (zh) * 2022-10-14 2023-01-24 国网浙江省电力有限公司嘉兴供电公司 一种基于极端降水灾害预估的电网资源弹性调配方法
CN119401433A (zh) * 2024-10-30 2025-02-07 天津大学 一种电力系统自然灾害风险缓解方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011182516A (ja) * 2010-02-26 2011-09-15 Tamotsu Minagawa 電力需給平準化システム
CN103580286A (zh) * 2013-11-06 2014-02-12 北京四方继保自动化股份有限公司 智能配电网闭环自愈控制方法
CN103944160A (zh) * 2014-04-09 2014-07-23 国家电网公司 一种基于dg特性的配网保护与自动装置配合方法
CN104820865A (zh) * 2015-03-31 2015-08-05 浙江工业大学 基于图论的智能配电网故障恢复智能优化方法
CN108054738A (zh) * 2017-12-14 2018-05-18 国网山东省电力公司枣庄供电公司 一种电网的配电保护方法和装置
CN112000672A (zh) * 2020-08-25 2020-11-27 杭州电力设备制造有限公司 一种分布式电源电能质量监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011182516A (ja) * 2010-02-26 2011-09-15 Tamotsu Minagawa 電力需給平準化システム
CN103580286A (zh) * 2013-11-06 2014-02-12 北京四方继保自动化股份有限公司 智能配电网闭环自愈控制方法
CN103944160A (zh) * 2014-04-09 2014-07-23 国家电网公司 一种基于dg特性的配网保护与自动装置配合方法
CN104820865A (zh) * 2015-03-31 2015-08-05 浙江工业大学 基于图论的智能配电网故障恢复智能优化方法
CN108054738A (zh) * 2017-12-14 2018-05-18 国网山东省电力公司枣庄供电公司 一种电网的配电保护方法和装置
CN112000672A (zh) * 2020-08-25 2020-11-27 杭州电力设备制造有限公司 一种分布式电源电能质量监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
丁磊等: "并网分散电源的解列与孤岛运行", 《电力自动化设备》 *
张巍等: "有源配电网两阶段动态应急抗灾运行策略", 《系统仿真学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115622033A (zh) * 2022-10-14 2023-01-17 国网浙江省电力有限公司嘉兴供电公司 一种极端降水灾害后的电网智能自愈方法
CN115640967A (zh) * 2022-10-14 2023-01-24 国网浙江省电力有限公司嘉兴供电公司 一种基于极端降水灾害预估的电网资源弹性调配方法
CN115622033B (zh) * 2022-10-14 2023-11-03 国网浙江省电力有限公司嘉兴供电公司 一种极端降水灾害后的电网智能自愈方法
CN115640967B (zh) * 2022-10-14 2024-05-14 国网浙江省电力有限公司嘉兴供电公司 一种基于极端降水灾害预估的电网资源弹性调配方法
CN119401433A (zh) * 2024-10-30 2025-02-07 天津大学 一种电力系统自然灾害风险缓解方法及装置
CN119401433B (zh) * 2024-10-30 2025-08-01 天津大学 一种电力系统自然灾害风险缓解方法及装置

Similar Documents

Publication Publication Date Title
CN120046958B (zh) 综合型虚拟电厂的智能调度方法
CN103812131B (zh) 一种基于多智能体的城市电网孤岛黑启动系统及方法
Oudjana et al. Short term photovoltaic power generation forecasting using neural network
CN109214552A (zh) 基于集成学习光伏预测的智能运维方法
CN113159986A (zh) 一种台风灾害后的电网智能自愈方法
CN109978242A (zh) 基于统计升尺度的光伏发电集群功率预测方法及装置
CN118508597B (zh) 一种面向电力系统保障对象的应急供电方法、系统和设备
CN117277307A (zh) 基于数据驱动的电力系统有功频率控制方法及系统
CN105553103B (zh) 一种区域主动配电网能量管理系统及方法
CN114819374B (zh) 区域新能源超短期功率预测方法及系统
CN116108638A (zh) 一种基于时段划分的光伏发电消纳预测方法及系统
CN120999618A (zh) 基于动态修正的配电网承载力评估系统
CN112633565B (zh) 一种光伏功率集合区间预测方法
Zhang et al. Distributed architecture of power grid asset management and future research directions
CN105048507A (zh) 光伏微网发电系统的自动投切控制装置
CN113537575B (zh) 一种含分布式光伏和电动汽车并网的趋势负荷预测方法
CN120409969A (zh) 一种新能源光伏功率预测数据的智能分析系统及方法
CN120559757A (zh) 基于自适应增强的电力气象预测方法及装置
CN118863805A (zh) 一种应用于城市级虚拟电厂运营管理的数字孪生系统
CN115622033B (zh) 一种极端降水灾害后的电网智能自愈方法
Zhou et al. Power Grid transient stability prediction method based on improved CNN under big data background
CN115833746A (zh) 一种光伏电站的运行状态确定方法和装置
CN115660893A (zh) 一种基于负荷特性的变电站母线负荷预测方法
CN120933941B (zh) 风光功率多尺度自适应修正系统
LU505434B1 (en) Method for monitoring data based on power big data

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20230714

AD01 Patent right deemed abandoned