CN113612191A - 一种配电网的快速恢复供电方法及装置 - Google Patents
一种配电网的快速恢复供电方法及装置 Download PDFInfo
- Publication number
- CN113612191A CN113612191A CN202111005315.1A CN202111005315A CN113612191A CN 113612191 A CN113612191 A CN 113612191A CN 202111005315 A CN202111005315 A CN 202111005315A CN 113612191 A CN113612191 A CN 113612191A
- Authority
- CN
- China
- Prior art keywords
- power supply
- prediction model
- power
- photovoltaic
- load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011084 recovery Methods 0.000 claims abstract description 123
- 230000008859 change Effects 0.000 claims abstract description 33
- 239000002245 particle Substances 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
- H02H3/00—Emergency protective circuit arrangements for automatic disconnection directly responsive to an undesired change from normal electric working condition with or without subsequent reconnection ; integrated protection
- H02H3/02—Details
- H02H3/06—Details with automatic reconnection
- H02H3/066—Reconnection being a consequence of eliminating the fault which caused disconnection
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网的快速恢复供电方法及装置,其方法包括:获取光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息,根据光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型,基于光伏出力预测模型和负荷预测模型,结合时间维度进行制定,得到供电恢复策略,基于光伏出力预测模型、负荷预测模型和供电恢复策略,遍历故障易发位置,建立供电恢复方案库,当配电网发生故障时,基于故障信息,调用供电恢复方案进行快速恢复用电。本发明通过提供基于光伏出力及负荷时变性的恢复供电方法,缩短了停电时间,为电网的稳定运行提供保证。
Description
技术领域
本发明涉及恢复供电的技术领域,尤其涉及一种配电网的快速恢复供电方法及装置。
背景技术
配电网是电力系统中直接与用户相连并向用户分配电能的环节,其运行的可靠性与国民经济的兴衰和人民的安康有着密切关系。当故障发生后,迅速且最大程度地恢复供电,缩短甚至消除用户侧的停电时间感知,提高配电网的可靠性,已经成为电网建设和维护的重要工作之一。随着配电网的建设和发展,以光伏为代表的分布式电源在配电网中渗透率不断提高,其在供电恢复中提供短时的供电支撑成为可能。然而,分布式电源的出力具有不确定性,极有可能造成已恢复的负荷出现二次甩负荷等现象,导致传统的供电恢复策略难以满足要求。
现有技术虽然计及了光伏出力的随机性,但仅以特定模型或在概率统计角度作描述,并未体现光伏出力在时间维度上的随机性——时变性对供电恢复问题的影响;另一方面,由于现有技术的恢复方案是故障后才计算拟定的,当网络复杂程度增加时,失电区停电时间会因为计算时间的延长而延长,导致宏观上配电网的可靠性下降。
因此,为了电网的稳定运行,解决目前存在的传统的供电恢复方法难以快速恢复供电的技术问题,亟需构建一种快速供电的恢复方法。
发明内容
本发明提供了一种配电网的快速恢复供电方法及装置,解决了目前存在的传统的供电恢复方法难以快速恢复供电的技术问题。
第一方面,本发明提供了一种快速供电的恢复方法,包括:
获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型;
基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库;
当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
可选地,所述获取光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息之前,还包括:
初始化所述目标配电网的网络参数。
可选地,根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型,包括:
根据所述光伏电站历史数据和所述各类气象数据,将所述光伏出力影响因素信息转化为天气类型指数;
基于所述天气类型指数,建立所述光伏出力预测模型;
根据所述负荷变化影响因素信息,建立所述负荷预测模型。
可选地,基于所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库,包括:
获取所述目标配电网中最大化失电区的负荷恢复量;
利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案;
将所述供电恢复方案进行汇总,得到所述供电恢复方案库。
第二方面,本发明提供了一种快速供电的恢复装置,包括:
获取模块,用于获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
建模模块,用于根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型;
策略模块,用于基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
建立模块,用于基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库;
恢复模块,用于当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
可选地,所述装置还包括:
初始模块,用于初始化所述目标配电网的网络参数。
可选地,所述建模模块包括:
转化子模块,用于根据所述光伏电站历史数据和所述各类气象数据,将所述光伏出力影响因素信息转化为天气类型指数;
光伏子模块,用于基于所述天气类型指数,建立所述光伏出力预测模型;
负荷子模块,用于根据所述负荷变化影响因素信息,建立所述负荷预测模型。
可选地,所述建立模块包括:
获取子模块,用于获取所述目标配电网中最大化失电区的负荷恢复量;
计算子模块,用于利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案;
汇总子模块,用于将所述供电恢复方案进行汇总,得到所述供电恢复方案库。
第三方面,本申请提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第四方面,本申请提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
从以上技术方案可以看出,本发明具有以下优点:本发明提供了一种快速供电的恢复方法,通过获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息,根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型,基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略,基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库,当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电,通过提供一种基于光伏出力及负荷时变性的恢复供电方法,解决了目前存在的传统的供电恢复方法难以快速恢复供电的技术问题,缩短了停电时间,为电网的稳定运行提供保证。
附图说明
为了更清楚地说明本发明实施例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简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的一种快速供电的恢复方法实施例一的流程步骤图;
图2为本发明的一种快速供电的恢复方法实施例二的流程步骤图;
图3为本发明的一种快速供电的恢复方法中基于粒子群算法求解供电恢复方案的计算方法的步骤流程图;
图4为本发明的一种快速供电的恢复装置实施例的结构框图。
具体实施方式
本发明实施例提供了一种配电网的快速恢复供电方法及装置,用于解决目前存在的传统的供电恢复方法难以快速恢复供电的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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。
实施例一,请参阅图1,图1为本发明的一种快速供电的恢复方法实施例一的流程步骤图,包括:
步骤S101,获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
步骤S102,根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型;
步骤S103,基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
步骤S104,基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库;
步骤S105,当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
在本发明实施例所提供的一种快速供电的恢复方法,通过获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息,根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型,基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略,基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库,当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电,通过提供一种基于光伏出力及负荷时变性的恢复供电方法,解决了目前存在的传统的供电恢复方法难以快速恢复供电的技术问题,缩短了停电时间,为电网的稳定运行提供保证。
实施例二,请参阅图2,图2为本发明的一种快速供电的恢复方法的流程步骤图,包括:
步骤S201,获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
在一个可选实施例中,所述获取光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息之前,还包括:
初始化所述目标配电网的网络参数。
在本发明实施例中,先初始化所述目标配电网的网络参数,包括线路的支路号、首端节点和末端节点编号、线路阻抗、变压器变比等数据,再获取光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息。
步骤S202,根据所述光伏电站历史数据和所述各类气象数据,将所述光伏出力影响因素信息转化为天气类型指数;
在本发明实施例中,以所述光伏电站历史数据和所述各类气象数据未依据,将所述光伏出力影响因素信息转化为天气类型指数。
在具体实现中,在天气预报数据的基础上,利用欧式距离表达式对天气类型进一步归类。欧氏距离是一种距离定义,表示在多维空间中两个点之间的真实距离。通过欧式距离来判断不同样本之间的相似度差异,对天气类型进行归类:
其中,xi为不同天气类型各时刻光伏出力的平均值;yi为需要判断天气类型的某天各时刻光伏出力。
通过计算某天光伏出力数据与该天气类型平均光伏出力的欧式距离,通过比较两种天气类型数据的欧式距离大小判断两种发电量接近的天气类型归于哪种天气类型更为合适,可以对天气类型进行进一步归类。例如,某天天气预报为多云(实际可能云量较少)的光伏电站各个时刻的平均发电功率与天气类型为晴天的平均发电功率和天气类型为多云的平均发电功率的欧式距离分别为d1和d2,若d1<d2,说明该天气类型更为接近于晴天天气,应归为晴天天气类型;反之,若d1>d2,说明该天气类型更为接近于多云天气,应归为多云天气类型。
经欧式距离归类后,再根据各天气类型下光伏出力数据之间的倍率关系,将倍率关系映射为天气类型指数。
步骤S203,基于所述天气类型指数,建立光伏出力预测模型;
在本发明实施例中,以所述天气类型指数为输入,建立光伏出力预测模型。
在具体实现中,以天气类型指数为输入,建立基于BP神经网络的预测模型,以光伏电站历史数据和各类气象数据为基础,利用处理好的数据对BP神经网络进行训练,利用训练好的神经网络模型进行光伏电站的短期出力预测。
步骤S204,根据所述负荷变化影响因素信息,建立负荷预测模型;
在本发明实施例中,根据所述负荷变化影响因素信息,建立所述负荷预测模型。
在具体实现中,电力系统的负荷预测主要是超短期负荷预测,预测步长为十五分钟的负荷,超短期负荷预测能够为供电部门的在线安全稳定分析和在线调度决策提供快速的基础数据参考,因此也能用于此发明中的供电恢复方案决策。
影响负荷变化的主要因素有气象、政治和经济等方面,因此,超短期负荷预测的模型选取应主要考虑以下几点:1)历史数据(相似日)的选取;2)天气情况的预测;3)预测模型的选取;4)社会事件(政治、经济等)的影响。
对配电网内的负荷节点进行超短期负荷预测,得到日负荷曲线,然后对其进行积分得到某时段内各负荷节点的用电量需求,并求得该时段内平均负荷功率:
步骤S205,基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
在本发明实施例中,基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略。
在具体实现中,以光伏出力预测和负荷预测为基础,制定考虑时间维度的滚动修正供电恢复策略。
基于光伏出力和负荷预测的短时供电恢复策略将日策略计划时间划分为若干时段。如在实际时刻t-ΔT,以经处理过的T1到Tn光伏出力预测值为策略依据,提前对每个时段的短时供电恢复方案进行制定;在实际时刻t,则以更新过的T2到Tn光伏出力计划值为依据,对相应时段的恢复方案进行更新修正,同时制定Tn+1时段的恢复方案。以此类推,对各恢复方案进行滚动修正。
步骤S206,获取所述目标配电网中最大化失电区的负荷恢复量;
在本发明实施例中,配电网发生故障后,首要考虑的是在故障排除前最大程度地恢复失电区的负荷供电。
在具体实现中,确定配电网供电恢复的目标函数,当配电网发生故障后,首要考虑的是在故障排除前最大程度地恢复失电区的负荷供电,故本发明考虑的目标函数是最大化失电区的负荷恢复量,其表达式如下式所示。
其中,Ψout为失电节点集合;Pi为故障恢复期间节点i的实际有功负荷。在实际中还可以考虑失电荷的优先等级,将上其中的节点负荷变为ωiPi的形式,其中ωi为表征失电负荷优先等级的权重系数。
步骤S207,利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案;
在本发明实施例中,确定预设的网络运行约束条件,基于所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件,利用粒子群算法进行计算,得到所述目标配电网中故障易发位置的供电恢复方案。
在具体实现中,采用粒子群算法进行求解,对于任一时段,以光伏出力预测值和负荷预测值为依据,以最大化失电区的负荷恢复量为目标,以配电网运行约束为约束条件,对目标配电网中故障易发位置进行计算,解得所述目标配电网中故障易发位置的供电恢复方案。
具体地,所述网络运行约束条件包括潮流约束条件、节点电压约束条件、线路容量约束条件、辐射拓扑约束条件:
所述潮流约束条件具体为:
所述节点电压约束条件具体为:
所述线路容量约束条件:
所述辐射拓扑约束条件具体为:
其中,nb和ns分别表示配电系统中的节点总数和跟节点总数,为了保护整定和减小短路电流,一般要求配电网呈辐射状运行,即网络中不存在环状拓扑结构。
步骤S208,将所述供电恢复方案进行汇总,得到供电恢复方案库;
步骤S209,当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
在本发明实施例所提供的一种快速供电的恢复方法,通过获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息,根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型,基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略,基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库,当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电,通过提供一种基于光伏出力及负荷时变性的恢复供电方法,解决了目前存在的传统的供电恢复方法难以快速恢复供电的技术问题,缩短了停电时间,为电网的稳定运行提供保证。
请参阅图3,图3为本发明的一种快速供电的恢复方法中基于粒子群算法求解供电恢复方案的计算方法的步骤流程图,包括:
步骤S301,获取网络参数,并根据故障位置设置供电恢复方案的故障类型;所述网络参数包括网络拓扑、线路参数、对应时段的光伏出力预测值和负荷预测值;
步骤S302,基于网络运行约束条件,生成每个粒子的初始位置和初始速度;
步骤S303,利用配电网的供电恢复模型,计算所述每个粒子的适应值函数(失电区的负荷恢复量);
步骤S304,根据所述每个粒子的适应值函数,对所述每个粒子的位置和速度进行更新,得到更新后的粒子;
在一个可选实施例中,所述步骤S304之前,还包括:
将所述每个粒子的适应值函数与历史值进行比较,得到历史全局最优和局部最优粒子;
在本发明实施例中,将所述每个粒子的适应值函数与历史值进行比较,用以更新历史全局最优和局部最优粒子。
步骤S305,判断所述更新后的粒子是否满足网络运行约束条件;若是,则执行步骤S306;若否,则返回执行步骤S303;
步骤S306,判断所述更新后的粒子的迭代是否已达到设定次数,以及所述更新后的粒子的全局最优位置是否已达到最小界限;若是,则确定所述故障位置的对应时段的供电恢复方案;若否,则返回执行步骤S303。
在本发明的一种快速供电的恢复方法中基于粒子群算法求解供电恢复方案的计算方法中,利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案,缩短了停电时间,为电网的稳定运行提供保证。
请参阅图4,图4为本发明的一种快速供电的恢复装置实施例的结构框图,包括:
获取模块401,用于获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
建模模块402,用于根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型;
策略模块403,用于基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
建立模块404,用于基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库;
恢复模块405,用于当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
在一个可选实施例中,所述装置还包括:
初始模块,用于初始化所述目标配电网的网络参数。
在一个可选实施例中,所述建模模块402包括:
转化子模块,用于根据所述光伏电站历史数据和所述各类气象数据,将所述光伏出力影响因素信息转化为天气类型指数;
光伏子模块,用于基于所述天气类型指数,建立所述光伏出力预测模型;
负荷子模块,用于根据所述负荷变化影响因素信息,建立所述负荷预测模型。
在一个可选实施例中,所述建立模块404包括:
获取子模块,用于获取所述目标配电网中最大化失电区的负荷恢复量;
计算子模块,用于利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案;
汇总子模块,用于将所述供电恢复方案进行汇总,得到所述供电恢复方案库。
本发明实施例还提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述任一实施例所述的快速供电的恢复方法的步骤。
本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上述任一实施例所述的快速供电的恢复方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,本发明所揭露的方法、装置、电子设备及存储介质,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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可读存储介质中。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全部或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可读存储介质中,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。而前述的可读存储介质包括: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。
以上所述,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)
1.一种快速供电的恢复方法,其特征在于,包括:
获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型;
基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库;
当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
2.根据权利要求1所述的快速供电的恢复方法,其特征在于,所述获取光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息之前,还包括:
初始化所述目标配电网的网络参数。
3.根据权利要求1所述的快速供电的恢复方法,其特征在于,根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型,包括:
根据所述光伏电站历史数据和所述各类气象数据,将所述光伏出力影响因素信息转化为天气类型指数;
基于所述天气类型指数,建立所述光伏出力预测模型;
根据所述负荷变化影响因素信息,建立所述负荷预测模型。
4.根据权利要求1-3任一所述的快速供电的恢复方法,其特征在于,基于所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库,包括:
获取所述目标配电网中最大化失电区的负荷恢复量;
利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案;
将所述供电恢复方案进行汇总,得到所述供电恢复方案库。
5.一种快速供电的恢复装置,其特征在于,包括:
获取模块,用于获取目标配电网中的光伏电站历史数据、各类气象数据、光伏出力影响因素信息和负荷变化影响因素信息;
建模模块,用于根据所述光伏电站历史数据、所述各类气象数据、所述光伏出力影响因素信息和所述负荷变化影响因素信息,建立光伏出力预测模型和负荷预测模型;
策略模块,用于基于所述光伏出力预测模型和所述负荷预测模型,结合时间维度进行制定,得到供电恢复策略;
建立模块,用于基于所述光伏出力预测模型、所述负荷预测模型和所述供电恢复策略,遍历所述目标配电网中的故障易发位置,建立供电恢复方案库;
恢复模块,用于当配电网发生故障时,基于故障信息,调用所述供电恢复方案中的供电恢复方案进行快速恢复用电。
6.根据权利要求5所述的快速供电的恢复装置,其特征在于,所述装置还包括:
初始模块,用于初始化所述目标配电网的网络参数。
7.根据权利要求5所述的快速供电的恢复装置,其特征在于,所述建模模块包括:
转化子模块,用于根据所述光伏电站历史数据和所述各类气象数据,将所述光伏出力影响因素信息转化为天气类型指数;
光伏子模块,用于基于所述天气类型指数,建立所述光伏出力预测模型;
负荷子模块,用于根据所述负荷变化影响因素信息,建立所述负荷预测模型。
8.根据权利要求5-7任一所述的快速供电的恢复装置,其特征在于,所述建立模块包括:
获取子模块,用于获取所述目标配电网中最大化失电区的负荷恢复量;
计算子模块,用于利用粒子群算法,结合所述光伏出力预测模型、所述负荷预测模型、所述供电恢复策略和预设的网络运行约束条件进行计算,得到所述目标配电网中故障易发位置的供电恢复方案;
汇总子模块,用于将所述供电恢复方案进行汇总,得到所述供电恢复方案库。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-4任一项所述的方法。
10.一种存储介质,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运行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005315.1A CN113612191A (zh) | 2021-08-30 | 2021-08-30 | 一种配电网的快速恢复供电方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111005315.1A CN113612191A (zh) | 2021-08-30 | 2021-08-30 | 一种配电网的快速恢复供电方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113612191A true CN113612191A (zh) | 2021-11-05 |
Family
ID=78342296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111005315.1A Pending CN113612191A (zh) | 2021-08-30 | 2021-08-30 | 一种配电网的快速恢复供电方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113612191A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114188989A (zh) * | 2021-12-14 | 2022-03-15 | 福州大学 | 一种考虑相关性的分布式光伏电站出力预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013120347A1 (zh) * | 2012-02-17 | 2013-08-22 | 中国电力科学研究院 | 一种微电网自平衡和自平滑统一的控制方法 |
CN103414181A (zh) * | 2013-05-16 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种微电网系统设计方法 |
CN107274115A (zh) * | 2017-08-11 | 2017-10-20 | 国网江苏省电力公司电力科学研究院 | 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法 |
CN110729764A (zh) * | 2019-12-06 | 2020-01-24 | 国网江苏省电力有限公司南通供电分公司 | 一种含光伏发电系统的优化调度方法 |
CN110880789A (zh) * | 2019-12-06 | 2020-03-13 | 国网江苏省电力有限公司南通供电分公司 | 一种风电、光伏联合发电系统经济调度方法 |
-
2021
- 2021-08-30 CN CN202111005315.1A patent/CN113612191A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013120347A1 (zh) * | 2012-02-17 | 2013-08-22 | 中国电力科学研究院 | 一种微电网自平衡和自平滑统一的控制方法 |
CN103414181A (zh) * | 2013-05-16 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种微电网系统设计方法 |
CN107274115A (zh) * | 2017-08-11 | 2017-10-20 | 国网江苏省电力公司电力科学研究院 | 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法 |
CN110729764A (zh) * | 2019-12-06 | 2020-01-24 | 国网江苏省电力有限公司南通供电分公司 | 一种含光伏发电系统的优化调度方法 |
CN110880789A (zh) * | 2019-12-06 | 2020-03-13 | 国网江苏省电力有限公司南通供电分公司 | 一种风电、光伏联合发电系统经济调度方法 |
Non-Patent Citations (1)
Title |
---|
侯祖锋等: "考虑光伏出力时变性的配电网短时供电恢复策略", 《电测与仪表》, 23 August 2021 (2021-08-23), pages 1 - 9 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114188989A (zh) * | 2021-12-14 | 2022-03-15 | 福州大学 | 一种考虑相关性的分布式光伏电站出力预测方法 |
CN114188989B (zh) * | 2021-12-14 | 2024-04-12 | 福州大学 | 一种考虑相关性的分布式光伏电站出力预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Miranda et al. | Evolutionary computation in power systems | |
Mahdavi et al. | Robust mixed-integer programing model for reconfiguration of distribution feeders under uncertain and variable loads considering capacitor banks, voltage regulators, and protective relays | |
CN107316113B (zh) | 一种输电网规划方法及系统 | |
Rajesh et al. | Least cost generation expansion planning with wind power plant incorporating emission using differential evolution algorithm | |
Fang et al. | Deep reinforcement learning for scenario-based robust economic dispatch strategy in internet of energy | |
Tang et al. | Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques | |
Zhao et al. | Distributed risk-limiting load restoration for wind power penetrated bulk system | |
CN112398678B (zh) | 适用于多源异构电网的运行方式拓扑结构特征提取方法 | |
Tian et al. | Coordinated planning with predetermined renewable energy generation targets using extended two-stage robust optimization | |
CN117134353B (zh) | 一种基于虚拟区域动态切换的配电网故障恢复方法与系统 | |
CN115224694A (zh) | 分布式电源配电网电压协调控制方法、系统及电子设备 | |
de Nadai Nascimento et al. | Load shedding scheme with under‐frequency and undervoltage corrective actions to supply high priority loads in islanded microgrids | |
Simão et al. | A robust solution to the load curtailment problem | |
CN113612191A (zh) | 一种配电网的快速恢复供电方法及装置 | |
CN113346484A (zh) | 一种考虑暂态不确定性的配电网弹性提升方法及系统 | |
CN111834996B (zh) | 电网线损计算方法和装置 | |
CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
Sun et al. | Determining optimal generator start-up sequence in bulk power system restoration considering uncertainties: A confidence gap decision theory based robust optimization approach | |
Kothari | A practical model for generator maintenance scheduling with transmission constraints | |
Doagou-Mojarrad et al. | Probabilistic interactive fuzzy satisfying generation and transmission expansion planning using fuzzy adaptive chaotic binary PSO algorithm | |
CN117094537B (zh) | 电网规划方法、装置、电子设备和存储介质 | |
Bai et al. | Optimal Allocation of PV Systems on Unbalanced Networks Using Evolutionary Algorithms | |
Yadeo et al. | Smart grid: Solid-state transformer and load forecasting techniques using artificial intelligence | |
Qin et al. | Risk assessment technology on power grid-communication networks considering spatiotemporal correlation | |
CN114048809B (zh) | 考虑区间电压越限度的混联配电网适应性规划方法及装置 |
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 |