CN113255994A - 电网cps的优化配置方法、装置、设备和介质 - Google Patents

电网cps的优化配置方法、装置、设备和介质 Download PDF

Info

Publication number
CN113255994A
CN113255994A CN202110560545.8A CN202110560545A CN113255994A CN 113255994 A CN113255994 A CN 113255994A CN 202110560545 A CN202110560545 A CN 202110560545A CN 113255994 A CN113255994 A CN 113255994A
Authority
CN
China
Prior art keywords
power grid
cps
equipment
disaster
parameters
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
CN202110560545.8A
Other languages
English (en)
Inventor
陈颖
李博达
张翼
袁沐琛
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202110560545.8A priority Critical patent/CN113255994A/zh
Publication of CN113255994A publication Critical patent/CN113255994A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • 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

Landscapes

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

Abstract

本发明提供一种电网CPS的优化配置方法、装置、设备和介质。优化配置方法包括：获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。本发明的技术方案可以较为合理地进行电网信息物理系统的通信网的优化配置。

Description

电网CPS的优化配置方法、装置、设备和介质
技术领域
本发明涉及电力传输技术领域，尤其涉及一种电网CPS的优化配置方法、装置、设备和介质。
背景技术
相关技术中，电网CPS(Cyber-Physical Systems，信息物理系统)与普通电网的不同之处在于存在备用的转供线路以及其上的控制装置。基于此，在原始供电路径故障时电网CPS可以提供转供路径，由此降低系统风险。
电网CPS通常包括电气网络和通信网络部分，其中，电气网络的结构相对固定，通信网络一般为分层结构，电气节点处的FTU(Feeder Terminal Unit，馈线终端装置)直接相连交换机的配置内容较大影响着电网CPS的运行的经济性和安全性。当前，并没有较好的方法对接入层交换机进行配置。
申请内容
本发明提供一种电网CPS的优化配置方法、装置、电子设备和非暂态计算机刻度存储介质，用以解决现有技术中不能较好地优化配置电网CPS的缺陷，以较好地对电网CPS进行优化配置。
第一方面，本发明提供一种电网CPS的优化配置方法，包括：获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
根据本发明提供的一种电网CPS的优化配置方法，所述根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据之前，所述优化配置方法还包括：获取所述边界参数的历史数据；将所述历史数据输入预设的基于时间序列的预测模型，得到设定时间段内的边界参数，以作为所述给定的边界参数调整所述电网CPS的设备配置数据。
根据本发明提供的一种电网CPS的优化配置方法，所述基于时间序列的预测模型包括差分自回归移动平均模型，所述将所述历史数据输入预设的基于时间序列的预测模型，包括：将所述历史数据输入以下平稳序列ut的差分自回归移动平均模型：ut＝c+φ1ut-1+…+φput-p+εt+θ1εt-1+…+θqεt-q其中，ut由序列yt通过d次差分后形成，p为自回归模型的阶数，q为移动平均的阶数，d、p和q均为自然数，φ1，…φp为自回归系数，θ1，…，θq为移动平均系数，εt为一个白噪声过程。
根据本发明提供的一种电网CPS的优化配置方法，所述根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据的过程中，根据以下公式计算单次所述灾害损失：
Figure BDA0003078841220000021
其中，Ωl为负荷节点集，Ci表示节点i单位失电量造成的损失，Wi为节点i在单位时间间隔内的供电量，
Figure BDA0003078841220000022
为节点i在t时刻的故障概率，t∈[1,tn]。
根据本发明提供的一种电网CPS的优化配置方法，所述单位失电量造成的损失由当前国民生产总值除以对应用电量得到。
根据本发明提供的一种电网CPS的优化配置方法，所述边界参数包括以下至少一种：通信线路的单位造价、交换机设备的单位造价、储能设备的单位造价、单位失电量造成的损失、交换机最大出线度、最大储能时长和最大通信线路长度。
根据本发明提供的一种电网CPS的优化配置方法，所述根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，包括根据遗传算法和所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据。
第二方面，本发明提供一种电网信息物理系统CPS的优化配置装置，包括：第一获取单元，用于获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；第二获取单元，用于获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；调整单元，用于根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
根据本发明提供的一种电网CPS的优化配置装置，所述优化配置装置还包括预测单元，用于获取所述边界参数的历史数据，并将所述历史数据输入预设的基于时间序列的预测模型，得到设定时间段内的边界参数，以作为所述给定的边界参数调整所述电网CPS的设备配置数据。
根据本发明提供的一种电网CPS的优化配置装置，所述基于时间序列的预测模型包括差分自回归移动平均模型，所述预测单元还用于：将所述历史数据输入以下平稳序列ut的差分自回归移动平均模型：
ut＝c+φ1ut-1+…+φput-p+εt+θ1εt-1+…+θqεt-q
其中，ut由序列yt通过d次差分后形成，p为自回归模型的阶数，q为移动平均的阶数，d、p和q均为自然数，εt为一个白噪声过程。
根据本发明提供的一种电网CPS的优化配置装置，所述调整单元还用于，根据以下公式计算单次所述灾害损失：
Figure BDA0003078841220000041
其中，Ci表示节点i单位失电量造成的损失，Wi为节点i在单位时间间隔Δt内的供电量，
Figure BDA0003078841220000042
为设备ei在t时刻的故障概率，t∈[1，tn]。
根据本发明提供的一种电网CPS的优化配置装置，所述调整单元还用于根据遗传算法和所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述电网CPS的优化配置方法的步骤。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述电网CPS的优化配置方法的步骤。
本发明提供的电网CPS的优化配置方法、装置、电子设备和非暂态计算机刻度存储介质，根据给定的边界参数调整所述电网CPS的设备配置数据，以使得所述建设成本与所述灾害损失的和的数值最小，从而在使得电网的CPS建设过程中兼顾建设成本和建设过程中的损失，保证经济效益最大化，实现对电网CPS的优化配置。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的电网CPS的优化配置方法的流程示意图；
图2是本发明提供的CPS形态演化过程的示意图；
图3是本发明提供的某某市年地区生产总值预测的示意图；
图4是本发明提供的某某市年用电量预测的示意图。
图5是本发明提供的入境台风数预测的示意图；
图6是本发明提供的电网CPS的优化配置装置的结构示意图；
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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的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。
以下结合附图，详细说明本发明各实施例提供的技术方案。
如图1所示的是本发明实施例的电网CPS的优化配置方法的流程图。本发明实施例提供的方法可以由任意具备计算机处理能力的电子设备执行，例如终端设备和/或服务器。如图1所示，该电网CPS的优化配置方法包括：
步骤102，获取电网CPS的建设成本与电网CPS的设备的设备成本的第一关联关系。
步骤104，获取电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、设备的设备技术参数的第二关联关系。
步骤106，根据第一关联关系、第二关联关系和给定的边界参数调整电网CPS的设备配置数据，直到建设成本与灾害损失的和的数值最小，其中，边界参数包括设备成本、灾害参数和设备技术参数。
在本发明实施例中，电网CPS可以简称为CPS，储能设备可以简称为储能。
本发明实施例的技术方案主要研究CPS接入层交换机的优化配置，即给定CPS电气网络的拓扑和参数、交换机和储能设备的相关参数，求解交换机和储能配置方案。交换机和储能配置方案包括所有交换机放置的位置、各交换机连接FTU的情况以及储能配置。
在本发明实施例中，假设电网安全性可以简单地用停电损失来描述，CPS优化配置目标是最小化通信系统的建设成本与建设周期内的停电损失之和，即最小化以下目标函数即公式(1)：
Figure BDA0003078841220000061
具体的，公式(1)具有最小值时的CPS的设备配置数据即为最优化的电网CPS的设备配置数据。本发明的技术方案中优化后的设备配置数据可以兼顾电网的建设和运行的经济性与安全性。
在公式(1)中，h表示一种配置方案，该配置方案包括CPS中所有交换机的位置、交换机连接FTU的情况以及配备的储能时长，H是所有可能配置方案的集合，C(h)是配置方案h下的建设成本。该建设成本包括连接交换机与FTU的通信线路的成本、交换机设备的成本以及储能的成本，即C(h)的建设成本为以下公式(2)：
C(h)＝Cline(h)+Cswc(h)+Cbat(h)
＝pcline·L(h)+pswc·S(h)+pbat·B(h) (2)
其中，pcline表示通信线路的单位造价，pswc表示交换机设备的单位造价，pbat表示储能设备的单位造价，其中，储能设备的单位造价指的是储能设备的储能单位时长的价格，L(h)表示方案h下的通信线路总长度，S(h)表示方案h下的交换机总数，B(h)表示方案h下的储能总时长。
在相关技术中，同一CPS中配置的储能装置会采用同一规格，即每个储能设备的储能时长相同，而且只在转供线路的联络开关FTU所连的交换机处配置储能，故可以得到以下公式(3)：
B(h)＝Sc(h)·T(h) (3)
将公式(3)代入到公式(2)，可以得到以下公式(4)：
C(h)＝pcline·L(h)+pswc·S(h)+pbat·Sc(h)·T(h) (4)
其中，Sc(h)表示连接联络开关FTU的交换机总数，T(h)为方案h下储能设备的储能时长。因此，对于方案h，在建设成本部分需要关注其通信线路总长、交换机总数以及储能时长。
公式(1)的第二项表示CPS通信系统的建设周期内的灾害损失，设建设周期内共有r次灾害，这r次灾害的时长、强度可能互不相同，Ri(h)表示方案h下第i次灾害造成的损失，其可以根据每次灾害的持续时长、该时长内灾害冲击造成的线路故障概率求得。
假设有一种典型灾害可以代表该CPS通信系统的建设周期内所有灾害的平均水平，将其在方案h下的风险记为R(h)，则目标函数可以为等效于以下公式(5)：
minh∈HC(h)+r·R(h) (5)
在本发明实施例中，在根据第一关联关系、第二关联关系和给定的边界参数调整电网CPS的设备配置数据的过程中，可以根据以下公式(6)计算单次该灾害损失R(h)即R：
Figure BDA0003078841220000071
其中，Ωl为负荷节点集，Ci表示节点i单位失电量造成的损失，Wi为节点i在单位时间间隔内的供电量，
Figure BDA0003078841220000072
为节点i在t时刻的故障概率，t∈[1，tn]，其计算方式在本发明中并不限定。
在本发明实施例中，单位失电量造成的损失可以由当前国民生产总值除以对应用电量得到。
设该系统中所有节点单位失电量造成的损失electricity consumption相同，我们用国内生产总值(GDP)除以用电量估算这一损失，其估算公式为公式(7)：
Figure BDA0003078841220000081
这里，国内生产总值和用电量的时间和空间尺度需要对应，例如都采用CPS所在地区某建设周期内的累计值。
由于技术水平或者建设预算的限制，交换机的出线度是有限的，即每台交换机能够连接的FTU个数有限。，假设该CPS中仅使用同一种交换机设备，且其出线度上限值为交换机最大出线度dmax，而方案h下每台交换机实际连接的FTU个数为di(h)，i∈ΩS，其中Ωswc为交换机设备集，则上述公式(5)的一个约束条件为以下公式(9)：
0<di(h)≤dmax，i∈Ωswc (9)
由于技术水平或者建设预算的限制，CPS中使用的储能设备的储能时长也是有限的，设该储能时长上限值为最大储能时长Tmax，之前已假设系统中配置同一规格的储能设备，其储能时长为T(h)，则上述公式(5)的另一个约束条件为以下公式(10)：
0≤T(h)≤Tmax (10)
此外，为了信号传输的有效性，一般通信线路不宜过长，设该线路长度上限为最大通信线路长度lmax，方案h下的通信线路集为Ωcline，则上述公式(5)的另一个约束条件为以下公式(11)：
0<li(h)≤lmax，i∈Ωcline (11)
假设CPS中某一分区的所有FTU只能连接到该分区内的交换机上，如果该CPS仅有一个分区，则对通信连接的范围不加限制。综上，整个优化问题可以表述为以下公式(5)、(9)、(10)和(11)组成的方程组：
minh∈HC(h)+r·R(h) (5)
0<di(h)≤dmax，i∈Ωswc (9)
0≤T(h)≤Tmax (10)
0<li(h)≤lmax,i∈Ωcline (11)
更进一步，方案h可以由以下决策变量表达：[u,t]，其中u是一个行向量，其中每一个元素表示一个电气节点FTU所连的交换机位置，因而u向量维度等于电气节点的个数ne＝|Ωs∪Ωl|，其中Ωs为电源节点集，Ω1为负荷节点集。
将Ωs∪Ωl中的所有节点编号为1～ne，u中的元素ui,i∈[1,ne]，表示节点i处FTU所连的交换机位置，则该决策变量为整数，且取值范围即为[1,ne]。
由于交换机出线度的限制，u中重复元素的最大个数不超过交换机最大出线度dmax；由于通信线路长度的限制，节点i与节点ui之间的通信线路长度不超过最大通信线路长度lmax。
此外，决策变量中的t表示储能时长，即有t≤Tmax，其中，t为自然数，Tmax为最大储能时长。储能设备的储能时长可以在多个分档中选择。
由此可以得到CPS优化配置模型的详细表达，该CPS优化配置模型是一个带有不等式约束的整数规划问题，其涉及到的参数包括通信线路的单位造价、交换机设备的单位造价、储能设备的单位造价、单位失电量造成的损失、交换机最大出线度、最大储能时长和最大通信线路长度。
将各类成本参数如通信线路的单位造价pcline、交换机设备的单位造价pswc、储能设备的单位造价pbat、单位失电量造成的损失Cele、典型灾害参数以及各类设备参数如交换机最大出线度dmax、最大储能时长Tmax、最大通信线路长度lmax作为已知量输入公式(5)，即可求解出优化配置方案以及相应的最优总投资即最小的建设成本和系统损失之和。这里，可以根据遗传算法等黑盒优化器和第一关联关系、第二关联关系和给定的边界参数调整电网CPS的设备配置数据。
根据CPS优化配置模型可知，给定包括各类成本参数、灾害参数以及设备技术参数的边界参数可以求解CPS通信网络的优化配置方案，CPS的演化发展实际上就是在规划建设时选择这样的最优方案。由于上述边界参数随着社会经济水平、科学技术以及自然环境的变化而不断改变，CPS形态也在随之不断演变。因此研究CPS形态的演化可以转化为研究上述边界参数的演化，整体思路如图2所示。
通过外部条件的影响对边界参数的发展趋势进行建模难度较大，在本发明实时例中，可以采用基于时间序列的预测模型，即搜集相关边界参数的历史数据，使用经典的时序预测模型来计算未来一段时间内的边界参数，以此描述边界参数的发展趋势。
具体地，在步骤106之前，获取边界参数的历史数据；将历史数据输入预设的基于时间序列的预测模型，得到设定时间段内的边界参数，以作为给定的边界参数调整电网CPS的设备配置数据。
在CPS优化配置模型所需的各边界参数包括：通信线路的单位造价pcline、换机设备的单位造价pswc、储能设备的单位造价pbat、单位失电量造成的损失Cele、典型灾害参数、交换机最大出线度dmax、最大储能时长Tmax、最大通信线路长度lmax。这些边界参数多与科技水平紧密相关，同时也与电网建设的预算限制相关。这些边界参数缺少官方的、全面的历史统计数据，因此这里对数据的真实性和有效性不做过多的探究。
单位失电量造成的损失Cele定义为国内生产总值除以总用电量，国内生产总值和总用电量有完整的统计数据，可以真实地反映了电力对社会经济发展水平的作用，因而可以衡量电网故障造成的经济损失。
在本发明实施例中，以某某市的年地区生产总值和年用电总量为例进行计算。典型灾害参数选择全国入境台风数据，来源为气象台数据。实际应用时需要对CPS所在地区的年地区生产总值和年用电总量、典型灾害参数等数据进行具体的统计和分析。
对于时间序列预测，可以简单地采用经典的差分自回归移动平均模型(Autoregressive Integrated Moving Average model，ARIMA)进行预测。ARIMA原理简述如下：考虑序列yt，若其能通过d次差分后变为平稳序列
ut＝Δdyt
则可对平稳序列ut建立ARMA(p，q)模型：
ut＝c+φ1ut-1+…+φput-p+εt+θ1εt-1+…+θqεt-q
经d阶差分后的ARMA(p,q)模型又称为ARIMA(p，d,q)模型，其中，p为自回归模型的阶数，q为移动平均的阶数，εt为一个白噪声过程。
具体地，在进行时间序列预测时，将历史数据输入以下平稳序列ut的差分自回归移动平均模型：ut＝c+φ1ut-1+…+φput-p+εt+θ1εt-1+…+θqεt-q。其中，ut由序列yt通过d次差分后形成，p为自回归模型的阶数，q为移动平均的阶数，d、p和q均为自然数，φ1，…φp为自回归系数，θ1，…，θq为移动平均系数，εt为一个白噪声过程。
以某某市的地区生产总值和年用电总量为例，预测结果如图3和图4所示。对每年入境台风次数的预测如图5所示，如果假设建设周期为5年，则需要将5年内的台风次数进行求和。
在本发明实时例中，可以在一个62节点算例上应用CPS演化模型，由于该算例并不是实际电网，也没有相关的地区统计信息，因此Cele和典型灾害参数将采用上面的示例数据。通信线路长度仅有分区限制，通信线路的单位造价pcline、换机设备的单位造价pswc、储能设备的单位造价pbat、单位失电量造成的损失Cele、交换机最大出线度dmax、最大储能时长Tmax等边界参数将按照市场价格的整体走势进行预测，例如可以得到如下表1所示的数据，其并没有严格的统计和实际意义。
表1边界参数的历史数值和预测值
Figure BDA0003078841220000111
Figure BDA0003078841220000121
由此可以分别求解CPS优化配置方案，例如，对2020年的数据求解的方案如下，该CPS中共配置了11个接入层交换机，每个交换机所连的节点FTU如表2所示。
表2交换机连接的节点
Figure BDA0003078841220000122
为了更加直观地理解求解出的优化配置方案，选择了如下表3所示的指标来进行统计，其中关键点的选择指标是交换机出线度达到上限，可以看到该CPS中比较关键的点编号是2，24，44，建设中应加强这些关键节点的供电保障。
表3 CPS优化配置方案统计
Figure BDA0003078841220000123
Figure BDA0003078841220000131
此外，可以看到建设周期内停电损失的占比逐渐增大，这首先是因为我们预测自然灾害的次数会逐年上升，另一方面我们预测单位电量能够创造的GDP也在逐年上升，也即如果能够保障电网供电，那么其创造的价值将会更大、停电造成的损失将会更大，因此我们应更加注重电网运行安全。该测试结果还显示：仅通过储能来保障通信网安全已经不够可靠，应进一步探究在负荷处配置储能、改变电网拓扑以增加转供、加强抢修恢复等对电网安全性的影响。
本发明实施例的电网CPS的优化配置方法，根据给定的边界参数调整电网CPS的设备配置数据，以使得建设成本与灾害损失的和的数值最小，从而在使得电网的CPS建设过程中兼顾建设成本和建设过程中的损失，保证经济效益最大化，实现对电网CPS的优化配置。
下面对本发明提供的电网CPS的优化配置装置进行描述，下文描述的电网CPS的优化配置装置与上文描述的电网CPS的优化配置方法可相互对应参照。
如图6所示，本发明实施例提供的电网CPS的优化配置装置包括：
第一获取单元602，用于获取电网CPS的建设成本与电网CPS的设备的设备成本的第一关联关系。
第二获取单元604，用于获取电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、设备的设备技术参数的第二关联关系。
调整单元606，用于根据第一关联关系、第二关联关系和给定的边界参数调整电网CPS的设备配置数据，直到建设成本与灾害损失的和的数值最小，其中，边界参数包括设备成本、灾害参数和设备技术参数。
本发明实施例的技术方案主要研究CPS接入层交换机的优化配置，即给定CPS电气网络的拓扑和参数、交换机和储能设备的相关参数，求解交换机和储能配置方案。交换机和储能配置方案包括所有交换机放置的位置、各交换机连接FTU的情况以及储能配置。
在本发明实施例中，假设电网安全性可以简单地用停电损失来描述，CPS优化配置目标是最小化通信系统的建设成本与建设周期内的停电损失之和，即最小化以下目标函数即公式(1)：
Figure BDA0003078841220000141
具体的，公式(1)具有最小值时的CPS的设备配置数据即为最优化的电网CPS的设备配置数据。本发明的技术方案中优化后的设备配置数据可以兼顾电网的建设和运行的经济性与安全性。
在本发明实施例中，优化配置装置还包括预测单元，用于获取边界参数的历史数据，并将历史数据输入预设的基于时间序列的预测模型，得到设定时间段内的边界参数，以作为给定的边界参数调整电网CPS的设备配置数据。
在本发明实施例中，基于时间序列的预测模型包括差分自回归移动平均模型，预测单元还用于：将历史数据输入以下平稳序列ut的差分自回归移动平均模型：
ut＝c+φ1ut-1+…+φput-p+εt+θ1εt-1+…+θqεt-q
其中，ut由序列yt通过d次差分后形成，p为自回归模型的阶数，q为移动平均的阶数，d、p和q均为自然数，εt为一个白噪声过程。
在本发明实施例中，调整单元606还用于，根据以下公式计算单次灾害损失：
Figure BDA0003078841220000151
其中，Ci表示节点i单位失电量造成的损失，Wi为节点i在单位时间间隔Δt内的供电量，
Figure BDA0003078841220000152
为设备ei在t时刻的故障概率，t∈[1，tn]。
在本发明实施例中，调整单元606还用于根据遗传算法和第一关联关系、第二关联关系和给定的边界参数调整电网CPS的设备配置数据。
能够理解，上述电网CPS的优化配置装置，能够实现前述实施例中提供的电网CPS的优化配置方法的各个步骤，关于电网CPS的优化配置方法的相关阐释均适用于电网CPS的优化配置装置，此处不再赘述。
本发明实施例的电网CPS的优化配置装置，根据给定的边界参数调整所述电网CPS的设备配置数据，以使得所述建设成本与所述灾害损失的和的数值最小，从而在使得电网的CPS建设过程中兼顾建设成本和建设过程中的损失，保证经济效益最大化，实现对电网CPS的优化配置。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行电网CPS的优化配置方法，该方法包括：获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的电网CPS的优化配置方法，该方法包括：获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的电网CPS的优化配置方法，该方法包括：获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种电网信息物理系统CPS的优化配置方法，其特征在于，包括：
获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；
获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；
根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
2.根据权利要求1所述的优化配置方法，其特征在于，所述根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据之前，所述优化配置方法还包括：
获取所述边界参数的历史数据；
将所述历史数据输入预设的基于时间序列的预测模型，得到设定时间段内的边界参数，以作为所述给定的边界参数调整所述电网CPS的设备配置数据。
3.根据权利要求2所述的优化配置方法，其特征在于，所述基于时间序列的预测模型包括差分自回归移动平均模型，所述将所述历史数据输入预设的基于时间序列的预测模型，包括：
将所述历史数据输入以下平稳序列ut的差分自回归移动平均模型：
ut＝c+φ1ut-1+…+φput-p+εt+θ1εt-1+…+θqεt-q
其中，ut由序列yt通过d次差分后形成，p为自回归模型的阶数，q为移动平均的阶数，d、p和q均为自然数，φ1，…φp为自回归系数，θ1，…，θq为移动平均系数，εt为一个白噪声过程。
4.根据权利要求1所述的优化配置方法，其特征在于，所述根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据的过程中，根据以下公式计算单次所述灾害损失：
Figure FDA0003078841210000021
其中，Ωl为负荷节点集，Ci表示节点i单位失电量造成的损失，Wi为节点i在单位时间间隔内的供电量，
Figure FDA0003078841210000022
为节点i在t时刻的故障概率，t∈[1,tn]。
5.根据权利要求4所述的优化配置方法，其特征在于，所述单位失电量造成的损失由当前国民生产总值除以对应用电量得到。
6.根据权利要求4所述的优化配置方法，其特征在于，所述边界参数包括以下至少一种：通信线路的单位造价、交换机设备的单位造价、储能设备的单位造价、单位失电量造成的损失、交换机最大出线度、最大储能时长和最大通信线路长度。
7.根据权利要求6所述的优化配置方法，其特征在于，所述根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，包括根据遗传算法和所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据。
8.一种电网信息物理系统CPS的优化配置装置，其特征在于，包括：
第一获取单元，用于获取所述电网CPS的建设成本与所述电网CPS的设备的设备成本的第一关联关系；
第二获取单元，用于获取所述电网CPS的建设周期内的灾害造成的灾害损失与灾害参数、所述设备的设备技术参数的第二关联关系；
调整单元，用于根据所述第一关联关系、所述第二关联关系和给定的边界参数调整所述电网CPS的设备配置数据，直到所述建设成本与所述灾害损失的和的数值最小，其中，所述边界参数包括所述设备成本、所述灾害参数和所述设备技术参数。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的电网CPS的优化配置方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电网CPS的优化配置方法的步骤。
CN202110560545.8A 2021-05-21 2021-05-21 电网cps的优化配置方法、装置、设备和介质 Pending CN113255994A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110560545.8A CN113255994A (zh) 2021-05-21 2021-05-21 电网cps的优化配置方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110560545.8A CN113255994A (zh) 2021-05-21 2021-05-21 电网cps的优化配置方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN113255994A true CN113255994A (zh) 2021-08-13

Family

ID=77183790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110560545.8A Pending CN113255994A (zh) 2021-05-21 2021-05-21 电网cps的优化配置方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN113255994A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114900461A (zh) * 2022-05-10 2022-08-12 国网浙江省电力有限公司信息通信分公司 考虑信息物理融合特性的电力通信网路由优化方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147352A1 (en) * 2002-02-06 2003-08-07 Nec Corporation Path establishment method for establishing paths of different fault recovery types in a communications network
CN109558990A (zh) * 2018-12-15 2019-04-02 国网福建省电力有限公司 一种基于斯坦纳树模型的配电网防灾骨干网架规划方法
CN110232499A (zh) * 2019-04-26 2019-09-13 中国电力科学研究院有限公司 一种配电网信息物理侧风险预警方法及系统
CN110571799A (zh) * 2019-09-06 2019-12-13 西安交通大学 一种提升配电网弹性的分布式电源关键节点优化配置方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147352A1 (en) * 2002-02-06 2003-08-07 Nec Corporation Path establishment method for establishing paths of different fault recovery types in a communications network
CN109558990A (zh) * 2018-12-15 2019-04-02 国网福建省电力有限公司 一种基于斯坦纳树模型的配电网防灾骨干网架规划方法
CN110232499A (zh) * 2019-04-26 2019-09-13 中国电力科学研究院有限公司 一种配电网信息物理侧风险预警方法及系统
CN110571799A (zh) * 2019-09-06 2019-12-13 西安交通大学 一种提升配电网弹性的分布式电源关键节点优化配置方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114900461A (zh) * 2022-05-10 2022-08-12 国网浙江省电力有限公司信息通信分公司 考虑信息物理融合特性的电力通信网路由优化方法及装置
CN114900461B (zh) * 2022-05-10 2024-04-26 国网浙江省电力有限公司信息通信分公司 考虑信息物理融合特性的电力通信网路由优化方法及装置

Similar Documents

Publication Publication Date Title
Li et al. Distributed adaptive robust voltage/var control with network partition in active distribution networks
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
Ulinuha et al. Optimal scheduling of LTC and shunt capacitors in large distorted distribution systems using evolutionary-based algorithms
CN106779444B (zh) 基于电网模型外扩的有功计划潮流调整方法和装置
He et al. Short-term residential load forecasting based on federated learning and load clustering
KR20220012935A (ko) 도메인 간 데이터 상호작용 방법 및 장치
CN113642766B (zh) 一种电力系统站点停电数的预测方法、装置、设备及介质
Wang et al. Air conditioner fast dispatching model based on load aggregator and direct load control
CN113255994A (zh) 电网cps的优化配置方法、装置、设备和介质
CN117310506B (zh) 监测储能电站的方法、装置和计算机可读存储介质
Xiong et al. Reactive power optimization in active distribution systems with soft open points based on deep reinforcement learning
Zhou et al. Deep Reinforcement Learning-Based Optimal PMU Placement Considering the Degree of Power System Observability
Saadatmandi et al. Smart electric vehicle charging for reducing photovoltaic energy curtailment
Lu et al. Voltage limit violation risk evaluation method considering communication failures in distributed voltage regulation system
Chai et al. Investment decision optimization for distribution network planning with correlation constraint
Ding et al. Electricity market clearing price forecast based on adaptive Kalman filter
CN116488149A (zh) 微电网发电策略确定方法、装置以及微电网
CN115577996A (zh) 一种电网停电计划的风险评估方法、系统、设备和介质
Xu et al. Fault recovery of distribution network containing distributed generation based on heuristic search algorithm and multi-population genetic algorithm
Li et al. Node Vulnerability-Aware co-deployment of D-PMUs and FTUs for active distribution networks
Gao et al. PFDRL: Personalized Federated Deep Reinforcement Learning for Residential Energy Management
CN118336735B (zh) 一种面向终端用户可靠性需求的配电网终端配置方法
Yuan et al. Two-stage robust planning method for distribution network energy storage based on load forecasting
Qin et al. Risk assessment technology on power grid-communication networks considering spatiotemporal correlation
CN117575308B (zh) 分布式配电网的风险评估方法、装置、设备及存储介质

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