CN113541165A - 一种基于负荷预测的三相不平衡智能换相方法 - Google Patents

一种基于负荷预测的三相不平衡智能换相方法 Download PDF

Info

Publication number
CN113541165A
CN113541165A CN202110814818.7A CN202110814818A CN113541165A CN 113541165 A CN113541165 A CN 113541165A CN 202110814818 A CN202110814818 A CN 202110814818A CN 113541165 A CN113541165 A CN 113541165A
Authority
CN
China
Prior art keywords
phase
user
load
day
future
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
CN202110814818.7A
Other languages
English (en)
Inventor
杭俊
崔康
丁石川
郭小璇
鲍海波
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.)
Anhui University
Original Assignee
Anhui 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 Anhui University filed Critical Anhui University
Priority to CN202110814818.7A priority Critical patent/CN113541165A/zh
Publication of CN113541165A publication Critical patent/CN113541165A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • 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
    • Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于负荷预测的三相不平衡智能换相方法，该换相方法首先根据历史负荷以及相关气象数据使用LSTM神经网络预测未来一天的用户负荷，根据前一天单相用户挂接在三相上的相序，利用预测出的数据计算变压器出口侧三相不平衡度，并推测未来一天内配电网三相不平衡度的变化趋势。推断出配电网在未来一天某时段的三相不平衡度高于规定值，然后使用NSGA‑3算法优化用户接入相序，通过换相开关按照优化后的用户相序接入相应的相线上。用户相序的调节周期为一天，如果未来一天的不平衡度均在规定值以下则不对用户相序做调整。本发明能有效降低台区配电网三相不平衡度，可以实现提前调节用户相序，降低配电网线路损耗。

Description

一种基于负荷预测的三相不平衡智能换相方法
技术领域
本发明涉及电能质量治理技术领域，具体涉及一种基于负荷预测的三相不平衡智能换相方法。
背景技术
我国居民配电网大多是三相四线制系统，居民负荷大部分为单相并入电网，虽然在初期会将单相负荷均匀分配到三相上，但是随着配电网的规模越来越大，后期接入三相的单相负荷分配较为随机。并且由于居民用电在时间上具有较大的随机性，因此配电网长期存在三相不平衡。现有的解决办法主要是使用户负荷均匀分配到三相上。使用智能换相装置的实时换相方法需要时刻检测三相电流和用户电流，操作复杂，且电流检测和换相指令分发需要一定时间，很难实时解决三相不平衡问题。
发明内容
本发明的目的在于：针对实时调节三相不平衡度带来的时滞影响，提出了一种基于负荷预测的三相不平衡智能换相方法，该方法可以解决实时换相时操作复杂，换相频率高的问题，可以有效降低配电网三相不平衡度，降低配电网的损耗，提高配电变压器的利用率。
本发明的目的可以通过以下技术方案实现：
一种基于负荷预测的三相不平衡智能换相方法，包括如下步骤：
第一步：根据配电台区各单相用户的历史负荷以及天气信息预测出未来一天各用户的总负荷；
在变压器出口侧记录一天内24个时间点的三个相线上的电流数据IA、 IB、IC，根据电流的历史数据和天气预报预测出未来一天内间隔一小时24 个时间点的三个相线上的电流；
第二步：记录每个单相用户的负荷，根据记录的值和天气信息预测出未来一天内单相用户的负荷；
使用预测出的电流数据计算未来一天内三相不平衡度的变化趋势，选择在不平衡度大于预设值的时间段内调整用户负荷相序；
第三步：使用用户前一天的相序和预测出的用户负荷用非支配遗传算法NSGA-3优化用户相别，目标函数包括三相不平衡度最小、换相次数最小与局部不平衡度最小；
用优化后的相序在前一天调整用户相别。
作为本发明的进一步方案，第一步中使用LSTM神经网络预测未来一天各用户的总负荷；
首先需要处理用户历史负荷数据，得到天气与假期信息和用户历史负荷数据之间的相关系数：
Figure RE-GDA0003252794440000021
其中X、Y为两种特征值；
预测结果包括变压器出口侧三个相线未来一天每小时共24个点的电流，以及配电台区各单相用户未来一天的总负荷；
作为本发明的进一步方案，使用LSTM神经网络预测得到的电流和未来一天的用户负荷计算未来一天各用户的24个点的负荷代替真实的用户 24个点的负荷，以A相为准，则未来一天各单相用户总负荷为：
Figure RE-GDA0003252794440000022
其中DA·i为A相各用户的负荷，IA为变压器出口侧A相电流，WA·i为未来一天内间隔一小时24个时间点的预测负荷。
作为本发明的进一步方案，以B相或C相为准时，未来一天各单相用户总负荷计算方式与A相相同。
作为本发明的进一步方案，第二步中选择不平衡度大于预设值时间内的负荷建立换相模型，模型优化需要考虑到的目标函数有：
不平衡度最小：
Figure RE-GDA0003252794440000031
开关次数最小：
Figure RE-GDA0003252794440000032
支线不平衡度最小：
Figure RE-GDA0003252794440000033
本发明的有益效果：
(1)通过对配电网在未来一天哪些时段的三相不平衡度高于规定值进行预测，然后，使用NSGA-3算法优化用户接入的相序，并通过安装在线路节点或用户端的换相开关按照优化后的用户相序接入相应的相线上，从而有效减小实时负荷换相带来的三相不平衡度调节滞后的影响；
(2)本发明能够减小低压台区配电网的三相不平衡度，提前调节用户相序，达到降低台区线路损耗，提高配电变压器的利用率，增强配电网运行安全性的目的。
附图说明
下面结合附图对本发明作进一步的说明。
图1为LSTM预测的结构框图；
图2为NSGA-3优化结构框图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种基于负荷预测的三相不平衡智能换相方法，如图1、图2所示，包括如下步骤：
第一步：根据配电台区各单相用户的历史负荷以及天气信息预测出未来一天各用户的总负荷；
在变压器出口侧记录一天内24个时间点的三个相线上的电流数据IA、 IB、IC，根据电流的历史数据和天气预报预测出未来一天内间隔一小时24 个时间点的三个相线上的电流；
第二步：记录每个单相用户的负荷，根据记录的值和天气信息预测出未来一天内单相用户的负荷；
使用预测出的电流数据计算未来一天内不平衡度的变化趋势，选择在不平衡度较大的时间段内调整用户负荷相序；
第三步：使用用户前一天的相序和预测出的用户负荷用非支配遗传算法NSGA-3优化用户相别，目标函数包括三相不平衡度最小、换相次数最小、局部不平衡度最小；
用优化后的相序在前一天调整用户相别。
下面对本方案进行详细说明：
步骤1：根据变压器出口侧电流历史数据和天气与假期信息对出口侧电流做未来一天的多步预测，根据配电台区各单相用户的历史负荷数据和天气与假期信息对各用户未来一天的负荷做单步预测；
如图1所示，其预测方法包括如下步骤：
特征相关性分析，对用户负荷数据进行特征相关性分析，使用与用户负荷数据相关性较高的特征变量对负荷进行预测，在本发明的一个实施例中，特征变量包括天气与假期信息；
异常数据处理，在预测之前需要处理异常的负荷数据和天气数据，包括剔除异常值、对空缺数据进行拟合填补；
负荷数据和特征数据归一化，为了消除不同量纲之间的影响，提高模型的收敛速度，需要对数据按列做归一化处理：
Figure RE-GDA0003252794440000051
数据集划分，包括变压器出口侧电流数据的单步预测和各用户负荷数据的多步预测，变压器出口侧电流数据的多步预测输出未来一天内间隔一小时24个时间点的电流，用户负荷数据的单步预测输出未来一天各用户的总负荷；
构建LSTM神经网络；
训练和预测数据集，滑动窗口根据给定的数据确定窗口的大小，之后将训练集使用LSTM神经网络训练，用测试集输出预测结果，以A相为例用各相电流曲线代替用户的日负荷曲线：
Figure RE-GDA0003252794440000052
其中DA·i为A相各用户的负荷，IA为变压器出口侧A相电流，WA·i为未来一天内间隔一小时24个时间点的预测负荷，使用预测出的三相电流数据计算三相不平衡度的变化趋势：
Figure RE-GDA0003252794440000053
步骤2：选择不平衡度较大的时间内的负荷建立换相模型，这里使用用户的负荷代替用户的电流进行换相调整，目标函数1配电网负荷不平衡度：
Figure RE-GDA0003252794440000054
由于换相是在配电网整体上切换的，变压器出口侧达到平衡时，支线上会因为负荷调整导致某些用户挂接在一条相线上，导致支线不平衡度过大，增加线路损耗，所以目标函数2要考虑支线上的平均不平衡度：
Figure RE-GDA0003252794440000061
目标函数3换相次数最小：
Figure RE-GDA0003252794440000062
其中Dj为每个换相开关前后的动作状态的变化；
步骤3：使用NSGA-3优化目标函数，首先对负荷接入的相序进行编码，当k＝1时，代表负荷接入A相；当k＝2时，代表负荷接入B相；当 k＝3时，代表负荷接入C相；
如图2所示，根据可以调节的单相负荷数确定变量个数，然后初始化种群，NSGA-3引入了基于参考点的方法，能够利用良好分布的参考点来保持种群的多样性；
确定理想点，首先对所有个体的目标值进行归一化，计算出极值点，构建超平面，确定参考点，然后对种群进行非支配排序，对种群进行交叉、变异等操作。得到子种群后与父代种群合并，进行快速非支配排序，直至迭代次数达到设定代数，最后使用优化后的用户挂接次序进行换相调整。
本发明能降低配电台区三相不平衡度，使配电网的损耗降低，并且能够改善实时换相的时滞影响。本发明提出的方法简单、容易实现，是一种有效降低配电不平衡度的可行性方案。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (5)

1.一种基于负荷预测的三相不平衡智能换相方法，其特征在于，包括如下步骤：
第一步：根据配电台区各单相用户的历史负荷以及天气信息预测出未来一天各用户的总负荷；
在变压器出口侧记录一天内24个时间点的三个相线上的电流数据IA、IB、IC，根据电流的历史数据和天气预报预测出未来一天内间隔一小时24个时间点的三个相线上的电流；
第二步：记录每个单相用户的负荷，根据记录的值和天气信息预测出未来一天内单相用户的负荷；
使用预测出的电流数据计算未来一天内三相不平衡度的变化趋势，选择在不平衡度大于预设值的时间段内调整用户负荷相序；
第三步：使用用户前一天的相序和预测出的用户负荷用非支配遗传算法NSGA-3优化用户相别，目标函数包括三相不平衡度最小、换相次数最小与局部不平衡度最小；
用优化后的相序在前一天调整用户相别。
2.根据权利要求1所述的一种基于负荷预测的三相不平衡智能换相方法，其特征在于：
第一步中使用LSTM神经网络预测未来一天各用户的总负荷；
首先处理用户历史负荷数据，得到天气与假期信息和用户历史负荷数据之间的相关系数：
Figure RE-FDA0003252794430000011
其中X、Y为两种特征值；
预测结果包括变压器出口侧三个相线未来一天每小时共24个点的电流，以及配电台区各单相用户未来一天的总负荷。
3.根据权利要求2所述的一种基于负荷预测的三相不平衡智能换相方法，其特征在于：使用LSTM神经网络预测得到的电流和未来一天的用户负荷计算未来一天各用户的24个点的负荷代替真实的用户24个点的负荷，以A相为准，则未来一天各单相用户总负荷为：
Figure RE-FDA0003252794430000021
其中DA·i为A相各用户的负荷，IA为变压器出口侧A相电流，WA·i为未来一天内间隔一小时24个时间点的预测负荷。
4.根据权利要求3所述的一种基于负荷预测的三相不平衡智能换相方法，其特征在于：以B相或C相为准时，未来一天各单相用户总负荷计算方式与A相相同。
5.根据权利要求1所述的一种基于负荷预测的三相不平衡智能换相方法，其特征在于：第二步中选择不平衡度大于预设值时间内的负荷建立换相模型，模型优化需要考虑到的目标函数包括：
不平衡度最小：
Figure RE-FDA0003252794430000022
开关次数最小：
Figure RE-FDA0003252794430000023
支线不平衡度最小：
Figure RE-FDA0003252794430000024
CN202110814818.7A 2021-07-19 2021-07-19 一种基于负荷预测的三相不平衡智能换相方法 Pending CN113541165A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110814818.7A CN113541165A (zh) 2021-07-19 2021-07-19 一种基于负荷预测的三相不平衡智能换相方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110814818.7A CN113541165A (zh) 2021-07-19 2021-07-19 一种基于负荷预测的三相不平衡智能换相方法

Publications (1)

Publication Number Publication Date
CN113541165A true CN113541165A (zh) 2021-10-22

Family

ID=78128819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110814818.7A Pending CN113541165A (zh) 2021-07-19 2021-07-19 一种基于负荷预测的三相不平衡智能换相方法

Country Status (1)

Country Link
CN (1) CN113541165A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116131295A (zh) * 2023-04-14 2023-05-16 国网山西省电力公司临汾供电公司 一种基于电网未来状态评估的并网选相方法
CN117996755A (zh) * 2024-04-01 2024-05-07 湖南华夏特变股份有限公司 变压器运行控制方法、装置、计算机设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105743108A (zh) * 2016-01-31 2016-07-06 孙雪 一种具有三相不平衡监测功能的10kV低压智能配电网系统
CN107863778A (zh) * 2017-12-12 2018-03-30 山东大学 一种换相储能式三相负荷不平衡治理装置及方法
CN109167376A (zh) * 2018-10-25 2019-01-08 贵州电网有限责任公司 一种负荷侧三相不平衡治理装置及其治理方法
CN109888800A (zh) * 2019-03-07 2019-06-14 南京工程学院 一种基于负荷预测和换相策略的配电台区三相不平衡负荷调整方法
CN110942173A (zh) * 2019-10-15 2020-03-31 合肥工业大学 一种基于负荷预测和相序优化的配电台区节能降损方法
CN111446727A (zh) * 2020-04-03 2020-07-24 贵州电网有限责任公司 一种基于经济性指标的低压台区三相不平衡治理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105743108A (zh) * 2016-01-31 2016-07-06 孙雪 一种具有三相不平衡监测功能的10kV低压智能配电网系统
CN107863778A (zh) * 2017-12-12 2018-03-30 山东大学 一种换相储能式三相负荷不平衡治理装置及方法
CN109167376A (zh) * 2018-10-25 2019-01-08 贵州电网有限责任公司 一种负荷侧三相不平衡治理装置及其治理方法
CN109888800A (zh) * 2019-03-07 2019-06-14 南京工程学院 一种基于负荷预测和换相策略的配电台区三相不平衡负荷调整方法
CN110942173A (zh) * 2019-10-15 2020-03-31 合肥工业大学 一种基于负荷预测和相序优化的配电台区节能降损方法
CN111446727A (zh) * 2020-04-03 2020-07-24 贵州电网有限责任公司 一种基于经济性指标的低压台区三相不平衡治理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116131295A (zh) * 2023-04-14 2023-05-16 国网山西省电力公司临汾供电公司 一种基于电网未来状态评估的并网选相方法
CN117996755A (zh) * 2024-04-01 2024-05-07 湖南华夏特变股份有限公司 变压器运行控制方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
Li et al. Distributed adaptive robust voltage/var control with network partition in active distribution networks
Hu et al. Volt/VAr control in distribution systems using a time-interval based approach
CN113541165A (zh) 一种基于负荷预测的三相不平衡智能换相方法
CN107516170A (zh) 一种基于设备故障概率和电网运行风险的差异自愈控制方法
Huang et al. Three-phase balancing of distribution feeders using immune algorithm
Vitorino et al. Loss and reliability optimization for power distribution system operation
JPH11289663A (ja) 配電系統制御システム
CN110854891B (zh) 一种配电网灾前资源配置方法及系统
CN108182485A (zh) 一种配电网检修时机优化方法及系统
CN114742283A (zh) 一种基于深度学习网络的中压线路合环电流估算与风险评估方法
Peralta et al. Automatic restoration of large-scale distribution networks with distributed generators, voltage control devices and heating loads
JPH11289661A (ja) 配電系統制御システムのための潮流計算装置
CN109190786A (zh) 一种光伏发电效率的组合预测方法
CN110783913A (zh) 基于群的计及预想事故集最佳电网拓扑在线优化方法
JPH11289664A (ja) 配電系統制御システム
CN106372764A (zh) 一种10kV配电网及10kV配电网协调配置方法
CN104252651B (zh) 一种智能配电网dg中联络开关的协调规划方法
CN112487710B (zh) 一种配电网保护配置优化方法及系统
CN114707713A (zh) 一种考虑分布式电源影响的低压配电网负荷预测方法
CN112701700B (zh) 一种基于多目标优化的台区三相不平衡治理方法和系统
CN115102195A (zh) 一种基于农村电网的三相负荷不平衡治理方法及装置
Shi et al. Fault reconfiguration of distribution networks with soft open points considering uncertainties of photovoltaic outputs and loads
CN112241812B (zh) 基于单边优化与遗传算法协作的低压配电网拓扑识别方法
CN115411719A (zh) 一种基于源荷不确定性和电压稳定性的分布式电源规划方法
CN112488367A (zh) 一种基于量子遗传的用户相序降损方法及其系统

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