CN113783179A - 一种电网负荷预测及优化方法 - Google Patents
一种电网负荷预测及优化方法 Download PDFInfo
- Publication number
- CN113783179A CN113783179A CN202010519698.3A CN202010519698A CN113783179A CN 113783179 A CN113783179 A CN 113783179A CN 202010519698 A CN202010519698 A CN 202010519698A CN 113783179 A CN113783179 A CN 113783179A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- current
- power distribution
- optimization
- optimized
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012549 training Methods 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- HNBKNDFZJLEZLZ-UHFFFAOYSA-N 2-[methyl-[3-[4-(4-methylbenzoyl)phenoxy]-3-phenylpropyl]amino]acetic acid Chemical compound C=1C=CC=CC=1C(CCN(C)CC(O)=O)OC(C=C1)=CC=C1C(=O)C1=CC=C(C)C=C1 HNBKNDFZJLEZLZ-UHFFFAOYSA-N 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网负荷预测及优化方法,所述方法包括:首先在配电网中配置电流采集装置。需要获取配电网的拓扑结构并对配电网的运行数据进行采集,积累足够用于对负荷预测模型进行训练的配电网历史电流数据。构建配电网负荷预测模型,利用配电网历史电流数据、所在地节假日信息及所需要预测的时长对配电网负荷预测模型进行训练。构建配电网负荷优化模块,根据配电网负荷预测模型所预测的结果,通过配电网负荷优化模块对配电网线路及时作出优化调度。
Description
技术领域
本发明涉及电力技术领域,尤其涉及一种电网负荷预测及优化方法。
背景技术
目前,随着智能配电网的建设,配电网的负荷预测及调整优化已经成为保证配电网安全稳定运行的重要技术。这体现了对配电网资源优化配置的要求不断增强,也对调度运行和调度优化提出了更高的要求。
在传统配电网规划中,配电网与用户侧稳定地扮演着供与需的关系。但近年份来,随着经济不断发展和社会用电需求的增长,电网最大负荷利用小时数不断下降,尖峰负荷问题日益突出。在此过程中,新型负荷的出现也对配电网的运行控制提出新的要求,如电动汽车、电采暖等。另一方面,分布式电源、储能等新型能源的渗透率不断增大也是当前配电网的发展趋势。相比传统的发电方式,分布式电源具有随机性大、波动性强、输入功率不可控等特点,在电力规划中无法将其与常规机组同等对待,需要原有配电系统引入对分布式电源的主动协调控制能力。这些都促使着原有配电系统发生转变,即向着主动配电系统发展。
现有技术中的配电网预测及优化技术主要包括三个方面:1、空间负荷预测法:本方法是基于地区地块的划分,给出每类用地性质的负荷密度指标,完成每个地块的负荷预测,然后汇总成整体地区的负荷预测结果。2、数学模型法:本方法通常是基于历史数据,采用数学模型,如回归分析、趋势外推、多项式等进行预测。3、基于负荷分类预测法:首先将负荷划分为不可控负荷、可控负荷、可调节负荷,进而在细分为友好负荷与非友好负荷;然后引入负荷响应系数(λ)概念,分别建立数学模型,然后采用先远后近的典型配电网负荷预测方法进行预测。但是,上述预测方法所利用的数据颗粒度较粗,准确性较差。常常不能准确的预测配电网中即将发生的负荷变化。
由此可见,现有技术中需要一种能够对配电网负荷变化进行精准变化,并同时提出准确可靠的调度优化方案的方法,从而保证配电网安全稳定运行。
发明内容
本发明所要解决的技术问题之一是提供一种能够精准可靠的对配电网进行负荷预测并提出优化调度方案的方法。
为了解决上述技术问题,本发明提供了一种配电网负荷预测及优化方法,所述方法包括:
首先在配电网中配置电流采集装置,所述电流采集装置需要配置在配电网中的变电站的输出线起始位置且靠近变电站,同时还需要在配电网的输电线分支位置,在每条分支线起始位置处设置电流采集装置。
需要获取配电网的拓扑结构并对配电网的运行数据进行采集,积累足够用于对负荷预测模型进行训练的配电网历史电流数据。
构建配电网负荷预测模型,利用配电网历史电流数据、所在地节假日信息及所需要预测的时长对配电网负荷预测模型进行训练。
构建配电网负荷优化模块,根据配电网负荷预测模型所预测的结果,通过配电网负荷优化模块对配电网线路及时作出优化调度。
在一个实施例中,所述配电网负荷优化模块包括:
首先,对比较每一个电流采集点的电流预测值P与所设定的线路电流预警值T,预测值P大于预警值T的采集点被定为待优化点,全部待优化点被归集为待优化点集,并同时计算超告警电流D,所述超告警电流D=预测值P-预警值T;如果不存在预测值P大于预警值T的采集点,则结束优化;
然后,根据线路的开关闭合情况来确定供电树,所述供电树是指自变电站出线位置为起始点至该起始点电流方向以下全部开关打开位置为终止点的树形结构,所述起始点也称根节点,所述终止点也称叶节点;
接下来,根据供电树结构将优化点集按照供电线路进行分组,所述供电线路即指从根节点起始沿着电流方向至一个叶节点的线路;同时获取优化点集内所有采集点所对应的可切改用电单元,所述可切改用电单元是指在同一线路上一开一合两个开关之间的区域,同一待优化点可对应于多个可切改用电单元;
然后,对所有存在待优化点的线路逐条进行优化,对每一线路上的待优化点进行排序,越靠近线路叶节点的待优化点越优先进行优化;
当对待优化点进行优化时,先对该优化点所对应的全部可切改用电单元进行等级排序,排序标准以可切改用电单元中闭合开关距离根节点之间存在的线路分支点的数量为准,分支点的数量越少,则该可切改用电单元的等级越高;
对该优化点的优化动作以等级最低的可切改用电单元开始,筛选同一等级下的可切改用电单元的预测值P’与超告警电流D的大小关系,所述预测值P’是该可切改用电单元中包含的电流采集点所得到的最大的电流预测值;对所有预测值P’大于超告警电流D的可切改用电单元进行模拟切改,所述切改即将原来闭合的开关打开,将原来打开的开关闭合;并计算接收用电单元的新线路的新预测值P是否大于该线路的预警值T,如果新预测值P会大于预警值T,则该模拟切改不成功,放弃该切改动作,并选择下一个预测值P’大于超告警电流D可切改用电单元进行模拟切改评估;如果接收用电单元的新线路的新预测值P小于该线路的预警值T,则说明切改成功,则确定执行该切改操作,并更新当前线路的待优化点;
当对所有预测值P’大于超告警电流D的可切改用电单元进行模拟切改评估但未成功后,继续对该等级的可切改用电单元中的预测值P’小于等于超告警电流D的可切改用电单元进行组合,组合时要求组合后的预测值P’大于超告警电流D,并依次对该可切改用电单元组合进行模拟切改,如果模拟切改后的新线路的新预测值P有任意一条大于它的预警值T,则该模拟切改不成功,放弃该切改动作,并选择下一个预测值P’大于超告警电流D可切改用电单元组合进行模拟切改评估;如果模拟切改后的新线路的预测值P都小于各自的预警值T,则说明切改成功,则确定执行该切改操作,并更新当前线路的待优化点;
如果针对当前等级的可切改用电单元无法切改线路成功,则跳转至下一个等级的可切改用电单元进行模拟切改;如果针对该优化点的全部等级的可切改用电单元进行模拟切改均无法得到预测值P’则丢弃该优化点,跳转至下一个待优化点进优化;
完成对当前线路的所有待优化点的切改优化;
完成对全部存在待优化点线路的切改优化,并输出完成切改优化后的线路开关状态信息,然后结束优化。
在一个实施例中,电流采集装置设置在变电站的输出线起始位置和分支线起始位置。
在一个实施例中,配电网负荷预测模型为差分整合移动平均自回归模型(ARIMA模型)、时间序列预测ETS模型或时间序列预测NPTS模型。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据本发明一实施例的配电网负荷预测及优化方法的流程图;
图2是根据本发明一实施例的配电网电流采集装置配置示意图;
图3是根据本发明一实施例的配电网负荷优化方法的流程图。
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,以下结合附图对本发明作进一步地详细说明。
图1是根据本发明一实施例的配电网负荷预测及优化方法的流程图。下面结合图1对本方法进行说明。
步骤100,首先在配电网中配置电流采集装置,所述电流采集装置需要配置在配电网中的变电站的输出线起始位置且靠近变电站,同时还需要在配电网的输电线分支位置,在每条分支线起始位置处设置电流采集装置。在工程实际中,由于变电站的输出线起始位置和分支线起始位置均为该条线路上的电流值最大位置,因此将电流采集装置设置在该位置处可以准确检测最大电流值。同时,配电网的输电线路中,在分支处的不同分支线的电流值之和应等于分支输入线的电流值,因此实际中可以不在每条分支线上均设置电流采集装置,而是通过分支处的拓扑结构计算未安装电流采集装置线路的电流值。但本实施例中,为了能够精准的掌握每条线路的电流值,本实施例中规定了在所有分支线路上均设置了电流采集装置。配置好电流采集装置的配电网拓扑结构如图2所示。
步骤101,完成对配电网中的电流采集装置的配置后,需要获取配电网的拓扑结构,所要获取的信息包括拓扑的包含的元素、元素属性和元素连接关系。所述拓扑包含的元素是指配电网中包含的变电站、开关和电流采集装置所处的采集点。所述元素属性是指元素的类型,即变电站、开关和电流采集装置所处的采集点之一,元素属性还包括采集点上设置的变电站线路的电流预警值。该电流预警值一般是由电网运营机构设定。所述元素连接关系即是所有元素之间相连接的地理位置关系。
步骤102,在获取配电网的拓扑机构后对配电网的运行数据进行采集,积累足够用于对负荷预测模型进行训练的电流数据。
步骤103,构建配电网负荷预测模型,由于电流采集装置所获取的数据均为时间序列数据,因此本实施例中的配电网负荷预测模型使用差分整合移动平均自回归模型(ARIMA模型)、时间序列预测ETS模型或时间序列预测NPTS模型之一的现有技术中常见的时间序列预测模型。本实施例中,除了向上述时间序列预测模型输入配电网电流时序数据外,还需要输入所在地节假日信息及所需要预测的时长。上述时间序列预测模型的训练方法也使用现有技术中的常规模型训练方法。
本发明中,预测设定时间长度后的电流值后还需要根据预测值与设定的预警值对线路调度作出优化。如图3所示,本实施例中的配电网负载优化方法包括:
首先,对比较每一个电流采集点的电流预测值P与所设定的线路电流预警值T,预测值P大于预警值T的采集点被定为待优化点,全部待优化点被归集为待优化点集,并同时计算超告警电流D,所述超告警电流D=预测值P-预警值T;如果不存在预测值P大于预警值T的采集点,则结束优化;
然后,根据线路的开关闭合情况来确定供电树,所述供电树是指自变电站出线位置为起始点至该起始点电流方向以下全部开关打开位置为终止点的树形结构,所述起始点也称根节点,所述终止点也称叶节点;
接下来,根据供电树结构将优化点集按照供电线路进行分组,所述供电线路即指从根节点起始沿着电流方向至一个叶节点的线路;同时获取优化点集内所有采集点所对应的可切改用电单元,所述可切改用电单元是指在同一线路上一开一合两个开关之间的区域,同一待优化点可对应于多个可切改用电单元;
然后,对所有存在待优化点的线路逐条进行优化,对每一线路上的待优化点进行排序,越靠近线路叶节点的待优化点越优先进行优化;
当对待优化点进行优化时,先对该优化点所对应的全部可切改用电单元进行等级排序,排序标准以可切改用电单元中闭合开关距离根节点之间存在的线路分支点的数量为准,分支点的数量越少,则该可切改用电单元的等级越高;
对该优化点的优化动作以等级最低的可切改用电单元开始,筛选同一等级下的可切改用电单元的预测值P’与超告警电流D的大小关系,所述预测值P’是该可切改用电单元中包含的电流采集点所得到的最大的电流预测值;对所有预测值P’大于超告警电流D的可切改用电单元进行模拟切改,所述切改即将原来闭合的开关打开,将原来打开的开关闭合;并计算接收用电单元的新线路的新预测值P是否大于该线路的预警值T,如果新预测值P会大于预警值T,则该模拟切改不成功,放弃该切改动作,并选择下一个预测值P’大于超告警电流D可切改用电单元进行模拟切改评估;如果接收用电单元的新线路的新预测值P小于该线路的预警值T,则说明切改成功,则确定执行该切改操作,并更新当前线路的待优化点;
当对所有预测值P’大于超告警电流D的可切改用电单元进行模拟切改评估但未成功后,继续对该等级的可切改用电单元中的预测值P’小于等于超告警电流D的可切改用电单元进行组合,组合时要求组合后的预测值P’大于超告警电流D,并依次对该可切改用电单元组合进行模拟切改,如果模拟切改后的新线路的新预测值P有任意一条大于它的预警值T,则该模拟切改不成功,放弃该切改动作,并选择下一个预测值P’大于超告警电流D可切改用电单元组合进行模拟切改评估;如果模拟切改后的新线路的预测值P都小于各自的预警值T,则说明切改成功,则确定执行该切改操作,并更新当前线路的待优化点;
如果针对当前等级的可切改用电单元无法切改线路成功,则跳转至下一个等级的可切改用电单元进行模拟切改;如果针对该优化点的全部等级的可切改用电单元进行模拟切改均无法得到预测值P’则丢弃该优化点,跳转至下一个待优化点进优化;
完成对当前线路的所有待优化点的切改优化;
完成对全部存在待优化点线路的切改优化,并输出完成切改优化后的线路开关状态信息,然后结束优化。
步骤104,本实施例的配电网负荷预警模块与优化模块训练完毕后,即部署在配电网监控系统中,根据配电网实时的电流信息监控配电网负荷,并及时提供配电网调度优化预警。
以上所述,仅为本发明的具体实施案例,本发明的保护范围并不局限于此,任何熟悉本技术的技术人员在本发明所述的技术规范内,对本发明的修改或替换,都应在本发明的保护范围之内。
Claims (4)
1.一种配电网负荷预测及优化方法,其特征在于,所述方法包括:
首先在配电网中配置电流采集装置,所述电流采集装置需要配置在配电网中的变电站的输出线起始位置且靠近变电站,同时还需要在配电网的输电线分支位置,在每条分支线起始位置处设置电流采集装置;
需要获取配电网的拓扑结构并对配电网的运行数据进行采集,积累足够用于对负荷预测模型进行训练的配电网历史电流数据;
构建配电网负荷预测模型,利用配电网历史电流数据、所在地节假日信息及所需要预测的时长对配电网负荷预测模型进行训练;
构建配电网负荷优化模块,根据配电网负荷预测模型所预测的结果,通过配电网负荷优化模块对配电网线路及时作出优化调度。
2.根据权利要求1所述的配电网负荷预测及优化方法,其特征在于,所述配电网负荷优化模块包括:
首先,对比较每一个电流采集点的电流预测值P与所设定的线路电流预警值T,预测值P大于预警值T的采集点被定为待优化点,全部待优化点被归集为待优化点集,并同时计算超告警电流D,所述超告警电流D=预测值P-预警值T;如果不存在预测值P大于预警值T的采集点,则结束优化;
然后,根据线路的开关闭合情况来确定供电树,所述供电树是指自变电站出线位置为起始点至该起始点电流方向以下全部开关打开位置为终止点的树形结构,所述起始点也称根节点,所述终止点也称叶节点;
接下来,根据供电树结构将优化点集按照供电线路进行分组,所述供电线路即指从根节点起始沿着电流方向至一个叶节点的线路;同时获取优化点集内所有采集点所对应的可切改用电单元,所述可切改用电单元是指在同一线路上一开一合两个开关之间的区域,同一待优化点可对应于多个可切改用电单元;
然后,对所有存在待优化点的线路逐条进行优化,对每一线路上的待优化点进行排序,越靠近线路叶节点的待优化点越优先进行优化;
当对待优化点进行优化时,先对该优化点所对应的全部可切改用电单元进行等级排序,排序标准以可切改用电单元中闭合开关距离根节点之间存在的线路分支点的数量为准,分支点的数量越少,则该可切改用电单元的等级越高;
对该优化点的优化动作以等级最低的可切改用电单元开始,筛选同一等级下的可切改用电单元的预测值P’与超告警电流D的大小关系,所述预测值P’是该可切改用电单元中包含的电流采集点所得到的最大的电流预测值;对所有预测值P’大于超告警电流D的可切改用电单元进行模拟切改,所述切改即将原来闭合的开关打开,将原来打开的开关闭合;并计算接收用电单元的新线路的新预测值P是否大于该线路的预警值T,如果新预测值P会大于预警值T,则该模拟切改不成功,放弃该切改动作,并选择下一个预测值P’大于超告警电流D可切改用电单元进行模拟切改评估;如果接收用电单元的新线路的新预测值P小于该线路的预警值T,则说明切改成功,则确定执行该切改操作,并更新当前线路的待优化点;
当对所有预测值P’大于超告警电流D的可切改用电单元进行模拟切改评估但未成功后,继续对该等级的可切改用电单元中的预测值P’小于等于超告警电流D的可切改用电单元进行组合,组合时要求组合后的预测值P’大于超告警电流D,并依次对该可切改用电单元组合进行模拟切改,如果模拟切改后的新线路的新预测值P有任意一条大于它的预警值T,则该模拟切改不成功,放弃该切改动作,并选择下一个预测值P’大于超告警电流D可切改用电单元组合进行模拟切改评估;如果模拟切改后的新线路的预测值P都小于各自的预警值T,则说明切改成功,则确定执行该切改操作,并更新当前线路的待优化点;
如果针对当前等级的可切改用电单元无法切改线路成功,则跳转至下一个等级的可切改用电单元进行模拟切改;如果针对该优化点的全部等级的可切改用电单元进行模拟切改均无法得到预测值P’则丢弃该优化点,跳转至下一个待优化点进优化;
完成对当前线路的所有待优化点的切改优化;
完成对全部存在待优化点线路的切改优化,并输出完成切改优化后的线路开关状态信息,然后结束优化。
3.根据权利要求2所述的配电网负荷预测及优化方法,其特征在于,电流采集装置设置在变电站的输出线起始位置和分支线起始位置。
4.根据权利要求3所述的配电网负荷预测及优化方法,其特征在于,配电网负荷预测模型为差分整合移动平均自回归模型(ARIMA模型)、时间序列预测ETS模型或时间序列预测NPTS模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010519698.3A CN113783179B (zh) | 2020-06-09 | 2020-06-09 | 一种电网负荷预测及优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010519698.3A CN113783179B (zh) | 2020-06-09 | 2020-06-09 | 一种电网负荷预测及优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113783179A true CN113783179A (zh) | 2021-12-10 |
CN113783179B CN113783179B (zh) | 2023-10-24 |
Family
ID=78834650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010519698.3A Active CN113783179B (zh) | 2020-06-09 | 2020-06-09 | 一种电网负荷预测及优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113783179B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117175595A (zh) * | 2023-10-27 | 2023-12-05 | 国网浙江省电力有限公司宁波供电公司 | 一种基于多级数据的电网调控方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105633949A (zh) * | 2015-12-14 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 一种经济运行实时发电调度和控制方法 |
CN108258683A (zh) * | 2018-01-19 | 2018-07-06 | 国网江苏省电力有限公司苏州供电分公司 | 配电网变压器容量使用情况预测方法 |
CN109993361A (zh) * | 2019-03-29 | 2019-07-09 | 国网上海市电力公司 | 一种基于pmu的配电网运行趋势预测方法 |
CN110221183A (zh) * | 2019-07-11 | 2019-09-10 | 国网浙江省电力有限公司杭州市大江东供电公司 | 面向非配电自动化覆盖区域的配网故障预警方法及系统 |
-
2020
- 2020-06-09 CN CN202010519698.3A patent/CN113783179B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105633949A (zh) * | 2015-12-14 | 2016-06-01 | 云南电网有限责任公司电力科学研究院 | 一种经济运行实时发电调度和控制方法 |
CN108258683A (zh) * | 2018-01-19 | 2018-07-06 | 国网江苏省电力有限公司苏州供电分公司 | 配电网变压器容量使用情况预测方法 |
CN109993361A (zh) * | 2019-03-29 | 2019-07-09 | 国网上海市电力公司 | 一种基于pmu的配电网运行趋势预测方法 |
CN110221183A (zh) * | 2019-07-11 | 2019-09-10 | 国网浙江省电力有限公司杭州市大江东供电公司 | 面向非配电自动化覆盖区域的配网故障预警方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117175595A (zh) * | 2023-10-27 | 2023-12-05 | 国网浙江省电力有限公司宁波供电公司 | 一种基于多级数据的电网调控方法及系统 |
CN117175595B (zh) * | 2023-10-27 | 2024-03-15 | 国网浙江省电力有限公司宁波供电公司 | 一种基于多级数据的电网调控方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113783179B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saviozzi et al. | Implementation of advanced functionalities for Distribution Management Systems: Load forecasting and modeling through Artificial Neural Networks ensembles | |
Botea et al. | Optimal reconfiguration for supply restoration with informed A $^{\ast} $ Search | |
CN110348048B (zh) | 基于考虑热岛效应负荷预测的配电网优化重构方法 | |
Wehenkel et al. | Decision tree based transient stability method a case study | |
Syahputra | Fuzzy multi-objective approach for the improvement of distribution network efficiency by considering DG | |
US10320627B2 (en) | Cooperative coverage method of information perception for distributed network | |
CN104578427B (zh) | 一种含微网电源的配电网的故障自愈方法 | |
CN104037776B (zh) | 随机惯性因子粒子群优化算法的电网无功容量配置方法 | |
CN105429297A (zh) | 微电网多运行模式控制及切换方法 | |
CN104077651A (zh) | 电网检修计划优化方法 | |
CN105893714B (zh) | 基于大电网仿真系统下的自动电压控制系统闭环检测及评估方法 | |
CN108964023A (zh) | 一种用于电网的母线电压态势短期预测方法及系统 | |
CN105528671A (zh) | 一种基于大数据的电网多维感知与安全评估系统及方法 | |
CN111679122A (zh) | 一种基于变压器调压功能的电表台区识别方法 | |
CN107025524A (zh) | 考虑负荷供电可靠性要求的设备过载辅助决策方法 | |
CN107808200B (zh) | 配电网短时检修计划优化方法和装置 | |
CN113783179B (zh) | 一种电网负荷预测及优化方法 | |
Ebell et al. | Reinforcement learning control algorithm for a pv-battery-system providing frequency containment reserve power | |
CN108346009A (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
CN103606931B (zh) | 一种基于概率统计特征的avc系统定值调整方法 | |
CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
CN102270847B (zh) | 一种智能avc系统在线检测方法及其装置 | |
CN111555293B (zh) | 一种基于数据模型分析的无功设备选型系统及方法 | |
CN102662325B (zh) | 一种改进自适应学习树电源管理方法 | |
CN102270848B (zh) | 一种智能avc系统离线检测方法及其装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |