CN113987848A - 一种负荷构成智能识别及精准负荷建模方法及系统 - Google Patents

一种负荷构成智能识别及精准负荷建模方法及系统 Download PDF

Info

Publication number
CN113987848A
CN113987848A CN202111615820.8A CN202111615820A CN113987848A CN 113987848 A CN113987848 A CN 113987848A CN 202111615820 A CN202111615820 A CN 202111615820A CN 113987848 A CN113987848 A CN 113987848A
Authority
CN
China
Prior art keywords
load
data
model
modeling
power
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
CN202111615820.8A
Other languages
English (en)
Inventor
王�琦
赵兵
卜广全
郭强
安宁
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.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
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 China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202111615820.8A priority Critical patent/CN113987848A/zh
Publication of CN113987848A publication Critical patent/CN113987848A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种负荷构成智能识别及精准负荷建模方法及系统，属于电力系统仿真建模技术领域。本发明方法，包括：获取负荷建模数据；建立营销负荷分类表；建立所述负荷建模系统负荷分类和负荷构成成分定义表的映射关系；建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；根据出线运行数据，计算负荷出线对用电负荷设备所占总量的百分比；根据负荷模型参数建立负荷模型。本发明实现了常态化负荷分析与建模工作，提高了负荷建模的时效性和准确性。

Description

一种负荷构成智能识别及精准负荷建模方法及系统
技术领域
本发明涉及电力系统仿真建模技术领域，并且更具体地，涉及一种负荷构成智能识别及精准负荷建模方法及系统。
背景技术
现有技术中，公开文件CN113312748A中公开了一种用于负荷模型的在线建模方法，包括：采集目标供电区域网络多源负荷数据，并对多源负荷数据以预设的识别规则进行分类，生成分类负荷数据；生成负荷建模基础数据；针对负荷建模基础数据，分析供电区域网络拓扑结构，对各时刻采集的负荷站点所有负荷数据归集整理，综合分析负荷设备类型和占比、马达负荷占比、静态负荷频率特征、分布式新能源类型和占比；采用在线负荷聚合等值算法确定负荷模型参数；根据负荷模型参数，建立负荷模型。实现了常态化负荷分析与建模工作，提高了负荷建模的时效性和准确性。
公开文件CN110707692A中公开了一种电力系统在线负荷分析与建模系统，包括数据识别模块、负荷建模数据完整性校核模块、负荷分析模块、负荷建模模块、故障录波管理模块和故障拟合自动调整模块；该系统在线采集电力调度技术支持系统、配电自动化系统提供的变电站及配电网的模型数据、网络拓扑数据、实时数据，以及营销综合数据平台提供的行业负荷分类和负荷实测数据，结合建模系统负荷分类情况，采用综合聚合等值方法，实现了负荷节点的在线负荷分析与建模功能；采用常态化负荷分析与建模工作，提高了负荷建模的时效性和准确性，保障电网安全、可靠、经济的运行，有效降低负荷分析与建模的实施难度与工作量。
由于负荷具有多样性、分布性、离散性和时变性，所以负荷建模一直是难以攻克的世界性难题。当前广泛应用的依旧是基于人工入户调查生成的负荷模型，缺乏时效性和精准度，无法满足电网的稳定计算需求。
现有技术在实际应用中面临两大难题：一是调查统计花费的时间及人力巨大，况且由于众多条件的局限，很难保证调查结果的准确性；二是用电行业的负荷构成及变电站的用电行业构成调查只能是静止的，实际综合负荷的构成特性则随时间变化且具有随机性，基于调查统计所得结果很难反映其随时间变化的特点，无法考虑负荷时变性，难以准确模拟负荷的动态过程。
发明内容
针对上述问题，本发明提出了一种负荷构成智能识别及精准负荷建模方法，包括：
采集电力系统模型的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据，将采集的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据作为负荷建模数据；
根据网络拓扑数据，确定电力系统模型的拓扑关系，根据所述拓扑关系校验电力系统模型结构的完整性，若完整，创建负荷建模系统负荷分类表负荷构成成分定义表，根据电力系统模型供电区域内用电设备的历史负荷数据，建立营销负荷分类表；
建立所述负荷建模系统负荷分类表和负荷构成成分定义表的映射关系；
建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；
根据负荷建模系统负荷分类表和负荷构成成分定义表的映射关系及营销负荷分类表和负荷建模系统负荷分类表的映射关系，校验所述负荷建模数据的完整性，若完整，根据出线运行数据，计算负荷出线在用电设备中所占总量的百分比；
根据负荷出线在用电设备中所占总量的百分比，计算负荷模型参数，根据负荷模型参数建立负荷模型。
可选的，网络拓扑数据，包括：主网模型数据、配网图模数据、营配贯通数据及电网模型数据。
可选的，出线运行数据，包括：主网实时运行数据及配网实时运行数据。
可选的，电力系统模型供电区域内用电设备的历史负荷数据，包括：用户负荷实时运行数据、行业负荷分类数据及用户档案信息。
可选的，电力系统模型结构若不具备完整性，补全电力系统模型的结构。
可选的，负荷建模数据若不完整，补全负荷建模数据。
可选的，计算负荷模型参数，包括：计算静态负荷模型参数和动态负荷模型参数；
若电力系统中包括新能源发电站，负荷模型参数中包括新能源发电站的模型参数。
可选的，使用等值法计算负荷模型参数。
本发明还提出了一种负荷构成智能识别及精准负荷建模系统，包括：
数据采集单元，采集电力系统模型的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据，将采集的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据作为负荷建模数据；
分类表建立单元，根据网络拓扑数据，确定电力系统模型的拓扑关系，根据所述拓扑关系校验电力系统模型结构的完整性，若完整，创建负荷建模系统负荷分类表和负荷构成成分定义表，根据电力系统模型供电区域内用电设备的历史负荷数据，建立营销负荷分类表；
第一映射关系建立单元，建立所述负荷建模系统负荷分类表和负荷构成成分定义表的映射关系；
第二映射关系建立单元，建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；
计算单元，根据负荷建模系统负荷分类表和负荷构成成分定义表的映射关系及营销负荷分类表和负荷建模系统负荷分类表的映射关系，校验所述负荷建模数据的完整性，若完整，根据出线运行数据，计算负荷出线在用电设备中所占总量的百分比；
建模单元，根据负荷出线在用电设备中所占总量的百分比，计算负荷模型参数，根据负荷模型参数建立负荷模型。
可选的，网络拓扑数据，包括：主网模型数据、配网图模数据、营配贯通数据及电网模型数据。
可选的，出线运行数据，包括：主网实时运行数据及配网实时运行数据。
可选的，电力系统模型供电区域内用电设备的历史负荷数据，包括：用户负荷实时运行数据、行业负荷分类数据及用户档案信息。
可选的，电力系统模型结构若不具备完整性，补全电力系统模型的结构。
可选的，负荷建模数据若不完整，补全负荷建模数据。
可选的，计算负荷模型参数，包括：计算静态负荷模型参数和动态负荷模型参数；
若电力系统中包括新能源发电站，负荷模型参数中包括新能源发电站的模型参数。
可选的，使用等值法计算负荷模型参数。
本发明与现有技术相比，本发明的有益效果在于：
本发明通过融合海量、丰富的用户侧的负荷数据，在线接入并集成电网模型、运行、图形和负荷实测数据，灵活运用智能算法，实现对负荷构成的在线智能分析。
本发明改变了传统依赖人工普查、典型负荷站详细调查、数据整理、纠错，有效降低负荷分析与建模的实施难度与工作量。
本发明实现了负荷模型在线建模功能，达到准实时、全覆盖、更贴合实际运行情况的负荷节点建模目的，提高电网仿真计算的准确度，保障电网安全、可靠、经济的运行；
本发明实现了常态化负荷分析与建模工作，提高了负荷建模的时效性和准确性。
附图说明
图1为本发明方法的流程图；
图2为本发明系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种负荷构成智能识别及精准负荷建模方法，如图1所示，包括：
采集电力系统模型的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据，将采集的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据作为负荷建模数据；
根据网络拓扑数据，确定电力系统模型的拓扑关系，根据所述拓扑关系校验电力系统模型结构的完整性，若完整，创建负荷建模系统负荷分类表和负荷构成成分定义表，根据电力系统模型供电区域内用电设备的历史负荷数据，建立营销负荷分类表；
建立所述负荷建模系统负荷分类表和负荷构成成分定义表的映射关系；
建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；
根据负荷建模系统负荷分类表和负荷构成成分定义表的映射关系及营销负荷分类表和负荷建模系统负荷分类表的映射关系，校验所述负荷建模数据的完整性，若完整，根据出线运行数据，计算负荷出线在用电设备中所占总量的百分比；
根据负荷出线在用电设备中所占总量的百分比，计算负荷模型参数，根据负荷模型参数建立负荷模型。
其中，网络拓扑数据，包括：主网模型数据、配网图模数据、营配贯通数据及电网模型数据。
其中，出线运行数据，包括：主网实时运行数据及配网实时运行数据。
其中，电力系统模型供电区域内用电设备的历史负荷数据，包括：用户负荷实时运行数据、行业负荷分类数据及用户档案信息。
其中，电力系统模型结构若不具备完整性，补全电力系统模型的结构。
其中，负荷建模数据若不完整，补全负荷建模数据。
若电力系统中包括新能源发电站，负荷模型参数中包括新能源发电站的模型参数。
其中，计算负荷出线在用电设备中所占总量的百分比的公式如下：
百分比k j ：
Figure DEST_PATH_IMAGE001
式中，
Figure DEST_PATH_IMAGE002
为变电站第l种负荷类型中第
Figure DEST_PATH_IMAGE003
种负荷元件的比例，
Figure DEST_PATH_IMAGE004
为变电站主变侧第
Figure DEST_PATH_IMAGE005
条所供负荷类型为第l种负荷类型的10kV或6kV出线线路的有功功率，
Figure DEST_PATH_IMAGE006
为变电站主变侧第
Figure DEST_PATH_IMAGE007
条出线线路的有功功率。m为变电站主变侧所供负荷类型为第l种负荷类型的10kV或6kV出线线路数，n为变电站主变侧所有10kV或6kV出线线路数。a为变电站所供负荷类型总数。
其中，计算负荷模型参数，包括：计算静态负荷模型参数和动态负荷模型参数；
计算静态负荷模型参数等值方法具体如下：
静态负荷模型结构是将负荷功率与电压之间的关系描述为多项式方程形式的多项式负荷模型（Polynomial Load Model），模型的一般形式如式1和式2所示：
Figure DEST_PATH_IMAGE008
(式1)
Figure DEST_PATH_IMAGE009
(式2)
多项式有功功率负荷模型系数为
Figure DEST_PATH_IMAGE010
、
Figure DEST_PATH_IMAGE011
、
Figure DEST_PATH_IMAGE012
，无功功率负荷模型系数为、
Figure DEST_PATH_IMAGE013
、 Q
Figure DEST_PATH_IMAGE014
和负荷的功率因素，负荷模型被称为“ZIP”模型，因为它包含了恒阻抗（Z）、恒电流（I）和恒功率（P），该模型用于描述特定的负荷设备或负荷元件，
Figure DEST_PATH_IMAGE015
表示负荷的额定电压，
Figure DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE017
则分别表示在额定电压
Figure 838803DEST_PATH_IMAGE015
下负荷的额定有功功率和无功功率，如果用该模型来描述母线的综合负荷时，
Figure 693626DEST_PATH_IMAGE015
、
Figure 145467DEST_PATH_IMAGE016
和
Figure 822567DEST_PATH_IMAGE017
通常用来表示系统初始运行工况下的数值；
对静态负荷的等值主要是对系数
Figure 309043DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE018
、
Figure 741293DEST_PATH_IMAGE011
、
Figure 946009DEST_PATH_IMAGE012
和
Figure 817013DEST_PATH_IMAGE017
、
Figure DEST_PATH_IMAGE019
、
Figure 361258DEST_PATH_IMAGE013
、
Figure 26726DEST_PATH_IMAGE014
的等值，对多项式负荷模型的等值是基于负荷功率对负荷端电压的灵敏度，即：
Figure DEST_PATH_IMAGE020
(式3)
Figure DEST_PATH_IMAGE021
(式4)
Figure DEST_PATH_IMAGE022
以及
Figure DEST_PATH_IMAGE023
为各静态负荷的有功功率和无功功率，对应的多项式负荷模型系数分别为
Figure DEST_PATH_IMAGE024
、
Figure DEST_PATH_IMAGE025
、
Figure DEST_PATH_IMAGE026
、
Figure DEST_PATH_IMAGE027
以及
Figure DEST_PATH_IMAGE028
、
Figure DEST_PATH_IMAGE029
、
Figure DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE031
，当
Figure DEST_PATH_IMAGE032
时有：
Figure DEST_PATH_IMAGE033
Figure DEST_PATH_IMAGE034
(式5)
Figure 269138DEST_PATH_IMAGE035
Figure DEST_PATH_IMAGE036
Figure DEST_PATH_IMAGE037
Figure 491303DEST_PATH_IMAGE037
(式6)
Figure DEST_PATH_IMAGE038
Figure 647913DEST_PATH_IMAGE039
Figure DEST_PATH_IMAGE040
(式7)
其中，动态负荷模型参数等值方法，具体包括：
电动机的额定电磁功率Pemn或额定转矩Temn、转子的额定滑差Sn和最大电磁转矩Pem_max或最大转矩倍数
Figure 421965DEST_PATH_IMAGE041
是能代表电动机内机械特性的最重要的参数，该等值方法的基本原则是新的等值模型须保持原系统吸收的总的额定有功功率∑Pn不变，总的无功功率∑Qn或功率因素Pf不变，总的电磁功率∑Pemn不变，总的转子绕组铜耗∑Pcu2不变，总的最大电磁功率∑Pem_max不变和总的动能∑Eenergy保持不变，根据这些量还可以求出总的定子绕组铜耗∑Pcu1，等值电动机的额定滑差Sn和等值惯性时间常数H，计算如下：
Figure DEST_PATH_IMAGE042
（式8）
Figure 7798DEST_PATH_IMAGE043
（式9）
Figure DEST_PATH_IMAGE044
（式10）
其中
Figure 892709DEST_PATH_IMAGE045
就是等值电动机输出的额定机械功率，保持不变；
然后根据这些已经求得的量计算等值电动机模型的电气参数，包括定子电阻
Figure DEST_PATH_IMAGE046
、定子漏抗
Figure 145967DEST_PATH_IMAGE047
、转子电阻
Figure DEST_PATH_IMAGE048
、转子漏抗
Figure 90920DEST_PATH_IMAGE049
和激磁电抗
Figure DEST_PATH_IMAGE050
，设额定相电压为Un，参数的计算流程如下：
1）根据已知的参数计算∑Pn、∑Qn、∑Pemn、∑Pcu2、∑Pem_max和∑Eenergy，然后根据式8至式10计算∑Pcu1、Sn和H，并令
Figure 429629DEST_PATH_IMAGE051
；
2）设总的定子相电流为
Figure DEST_PATH_IMAGE052
，则有
Figure 852651DEST_PATH_IMAGE053
（式11）
则
Figure DEST_PATH_IMAGE054
（式12）
3）根据∑Pn，∑Qn和Un，按下式求等值电动机的等值阻抗
Figure 960415DEST_PATH_IMAGE055
：
Figure DEST_PATH_IMAGE056
Figure 76270DEST_PATH_IMAGE057
Figure DEST_PATH_IMAGE058
（式13）
4）由最大电磁功率的简化公式计算
Figure 636695DEST_PATH_IMAGE047
和
Figure 191305DEST_PATH_IMAGE049
：
Figure 481472DEST_PATH_IMAGE059
Figure DEST_PATH_IMAGE060
Figure 768228DEST_PATH_IMAGE061
（式14）
在算法中总是假定
Figure DEST_PATH_IMAGE062
，并且根据该式计算的
Figure 550370DEST_PATH_IMAGE047
和
Figure 377512DEST_PATH_IMAGE049
必然偏小，因为根据简化的最大电磁功率公式计算得到的最大电磁功率要比实际的最大电磁功率大，所以需要通过迭代方法对
Figure 522185DEST_PATH_IMAGE047
和
Figure 307739DEST_PATH_IMAGE049
进行修正；
5）根据求得的
Figure 905073DEST_PATH_IMAGE046
，
Figure 801485DEST_PATH_IMAGE047
，
Figure 535086DEST_PATH_IMAGE049
及等值阻抗
Figure 225961DEST_PATH_IMAGE063
求
Figure 310592DEST_PATH_IMAGE048
和
Figure 10695DEST_PATH_IMAGE050
，令
Figure DEST_PATH_IMAGE064
Figure 802064DEST_PATH_IMAGE065
（式15）
Figure DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE067
（式16）
这种计算
Figure 273628DEST_PATH_IMAGE048
和
Figure 111134DEST_PATH_IMAGE050
的方法始终能够保证
Figure DEST_PATH_IMAGE068
成立；
6）根据求得的
Figure 21452DEST_PATH_IMAGE046
，
Figure 995225DEST_PATH_IMAGE047
，
Figure 27903DEST_PATH_IMAGE048
，
Figure 352705DEST_PATH_IMAGE049
和
Figure 394610DEST_PATH_IMAGE050
，按照简化公式计算重新计算最大电磁功率：
Figure DEST_PATH_IMAGE069
（式17）
7）根据戴维南等值电路计算新参数下实际的最大电磁功率：
戴维南等值阻抗为：
Figure DEST_PATH_IMAGE070
Figure DEST_PATH_IMAGE071
Figure DEST_PATH_IMAGE072
（式18）
产生最大电磁功率的条件是：
Figure 176884DEST_PATH_IMAGE073
（式19）
Figure DEST_PATH_IMAGE074
为临界滑差，戴维南等值电路的开路电压为：
Figure 825867DEST_PATH_IMAGE075
（式20）
因此，可根据下式重新计算新参数对应的实际最大电磁转矩：
Figure DEST_PATH_IMAGE076
（式21）
8）计算
Figure 44490DEST_PATH_IMAGE077
与
Figure DEST_PATH_IMAGE078
的比值，修正
Figure 562190DEST_PATH_IMAGE079
：
Figure DEST_PATH_IMAGE080
Figure 182658DEST_PATH_IMAGE081
（式22）
9）比较
Figure 822718DEST_PATH_IMAGE078
与
Figure DEST_PATH_IMAGE082
：
Figure 528637DEST_PATH_IMAGE083
（式23）
如果
Figure DEST_PATH_IMAGE084
，则返回第4）步重新计算，否则计算完毕。
其中，所述步骤(11) 利用配电网络阻抗等值方法，计算考虑分布式发电系统的综合负荷模型的配电网络等值阻抗包括：
根据配电网系统阻抗消耗功率与配电网各变压器、各配电线路消耗功率之和相等，可以计算系统阻抗值为
Figure 850028DEST_PATH_IMAGE085
（式22）
式中：ZD表示配电网系统阻抗；Pj表示配电线路（或变压器）j送端的有功功率，Qj表示配电线路（或变压器）j送端的无功功率， Uj表示配电线路（或变压器）j送端的母线电压，Zj表示变压器和配电线路阻抗；IL表示负荷电流，IPV表示分布式光伏发电机发出的电流，IWind表示分布式风力发电机发出的电流，IESS表示分布式储能发电机发出的电流，IH表示分布式小水电发电机发出的电流。a为配电线路（或变压器）母线数量，b为负荷支路数量，n为分布式光伏发电机数量，m为分布式风力发电机数量，l为分布式储能发电机数量，k为分布式小水电发电机数量。
如历史电力系统模型中包括分布式风电、储能、水电及光伏等；
等值光伏发电系统模型参数的计算步骤如下：
本发明提出的分布式光伏发电系统等值方法的基本原则是采用分布式光伏发电机的有功出力作为权值计算等值光伏发电系统模型参数，具体为：
设n为220kV负荷节点下面包含的分布式光伏发电机个数，通过用电信息采集系统可获得调查时段各个分布式光伏发电机i（
Figure DEST_PATH_IMAGE086
）的实际有功出力
Figure 325003DEST_PATH_IMAGE087
，则220kV负荷节点下面所有分布式光伏发电机的实际有功出力
Figure DEST_PATH_IMAGE088
为这n个分布式光伏发电机的有功出力之和，即：
Figure 73647DEST_PATH_IMAGE089
（式23）
则可以计算出各个分布式光伏发电机i（i=1,...,n）的有功出力
Figure 594759DEST_PATH_IMAGE087
占220kV负荷节点所供配电区域下面所有分布式光伏发电机的有功出力的百分比
Figure DEST_PATH_IMAGE090
为，
Figure DEST_PATH_IMAGE092
（式24）
则等值光伏发电系统的各模型参数值可以通过采用单个分布式光伏发电机的有功出力相对于整个220kV负荷站点总分布式光伏发电机有功出力的占比为加权因子进行综合得到。不妨假设光伏发电机i（ i=1,...,n ）的某个控制参数为KPVi为，则等值光伏发电机的该控制参数为：
Figure 532890DEST_PATH_IMAGE093
（式25）
等值风电发电系统模型参数的计算步骤如下：
本发明提出的分布式风力发电系统等值方法的基本原则是采用分布式风机的有功出力作为权值计算等值风力发电系统模型参数，具体为：
设m为220kV负荷节点下面包含的分布式风力发电机个数，通过用电信息采集系统可获得调查时段各个分布式风力发电机i（
Figure DEST_PATH_IMAGE094
）的实际有功出力
Figure 127950DEST_PATH_IMAGE095
，则220kV负荷节点下面所有分布式风力发电机的实际有功出力
Figure DEST_PATH_IMAGE096
为这m个分布式风力发电机的有功出力之和，即：
Figure 47496DEST_PATH_IMAGE097
（式26）
则可以计算出各个分布式风力发电机i（i=1,...,m）的有功出力
Figure 790324DEST_PATH_IMAGE095
占220kV负荷节点所供配电区域下面所有分布式风力发电机的有功出力的百分比
Figure 515835DEST_PATH_IMAGE090
为，如下：
Figure DEST_PATH_IMAGE099
（式27）
则等值风力发电系统的各模型参数值可以通过采用单个分布式风力发电机的有功出力相对于整个220kV负荷站点总分布式风力发电机有功出力的占比为加权因子进行综合得到。不妨假设风力发电机i（ i=1,...,m ）的某个控制参数为Kwindi为，则等值风力发电机的该控制参数为：
Figure DEST_PATH_IMAGE100
（式28）
等值储能发电系统模型参数的计算步骤如下：
本发明提出的分布式储能发电系统等值方法的基本原则是采用分布式储能的有功出力作为权值计算等值储能发电系统模型参数，具体为：
设l为220kV负荷节点下面包含的分布式储能发电机个数，通过用电信息采集系统可获得调查时段各个分布式储能发电机i（
Figure 44030DEST_PATH_IMAGE101
）的实际有功出力
Figure DEST_PATH_IMAGE102
，则220kV负荷节点下面所有分布式储能发电机的实际有功出力
Figure 337739DEST_PATH_IMAGE103
为这l个分布式储能发电机的有功出力之和，即：
Figure DEST_PATH_IMAGE104
（式29）
则可以计算出各个分布式储能发电机i（i=1,...,l）的有功出力
Figure 912071DEST_PATH_IMAGE102
占220kV负荷节点所供配电区域下面所有分布式储能发电机的有功出力的百分比
Figure 441273DEST_PATH_IMAGE090
为：
Figure DEST_PATH_IMAGE106
（式30）
则等值储能系统的各模型参数值可以通过采用单个分布式储能发电机的有功出力相对于整个220kV负荷站点总分布式储能发电机有功出力的占比为加权因子进行综合得到。不妨假设储能发电机i（ i=1,...,l ）的某个控制参数为KESSi，则等值储能发电机的该控制参数为：
Figure 683029DEST_PATH_IMAGE107
（式31）
等值水电发电系统模型参数的计算步骤如下：
本发明提出的分布式小水力发电系统等值方法的基本原则是采用分布式小水电的有功出力作为权值计算等值小水电发电系统模型参数，具体为：
设k为220kV负荷节点下面包含的分布式小水电发电机个数，通过用电信息采集系统可获得调查时段各个分布式小水电发电机i（
Figure DEST_PATH_IMAGE108
）的实际有功出力
Figure 678798DEST_PATH_IMAGE109
，则220kV负荷节点下面所有分布式小水电发电机的实际有功出力
Figure DEST_PATH_IMAGE110
为这k个分布式小水电发电机的有功出力之和，即：
Figure 333902DEST_PATH_IMAGE111
（式32）
则可以计算出各个分布式小水电发电机i（i=1,...kl）的有功出力
Figure 666794DEST_PATH_IMAGE109
占220kV负荷节点所供配电区域下面所有分布式小水电发电机的有功出力的百分比
Figure 887691DEST_PATH_IMAGE090
为：
Figure DEST_PATH_IMAGE113
（式33）
则等值小水电系统的各模型参数值可以通过采用单个分布式小水电发电机的有功出力相对于整个220kV负荷站点总分布式小水电发电机有功出力的占比为加权因子进行综合得到。不妨假设小水电发电机i（ i=1,...,k）的某个控制参数为KHi，则等值小水电发电机的该控制参数为：
Figure DEST_PATH_IMAGE114
（式34）
本发明还提出了一种负荷构成智能识别及精准负荷建模系统200，如图2所示，包括：
数据采集单元201，采集电力系统模型的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据，将采集的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据作为负荷建模数据；
分类表建立单元202，根据网络拓扑数据，确定电力系统模型的拓扑关系，根据所述拓扑关系校验电力系统模型结构的完整性，若完整，创建负荷建模系统负荷分类表和负荷构成成分定义表，根据电力系统模型供电区域内用电设备的历史负荷数据，建立营销负荷分类表；
第一映射关系建立单元203，建立所述负荷建模系统负荷分类表和负荷构成成分定义表的映射关系；
第二映射关系建立单元204，建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；
计算单元205，根据负荷建模系统负荷分类表和负荷构成成分定义表的映射关系及营销负荷分类表和负荷建模系统负荷分类表的映射关系，校验所述负荷建模数据的完整性，若完整，根据出线运行数据，计算负荷出线在用电设备中所占总量的百分比；
建模单元206，根据负荷出线在用电设备中所占总量的百分比，计算负荷模型参数，根据负荷模型参数建立负荷模型。
其中，网络拓扑数据，包括：主网模型数据、配网图模数据、营配贯通数据及电网模型数据。
其中，出线运行数据，包括：主网实时运行数据及配网实时运行数据。
其中，电力系统模型供电区域内用电设备的历史负荷数据，包括：用户负荷实时运行数据、行业负荷分类数据及用户档案信息。
其中，电力系统模型结构若不具备完整性，补全电力系统模型的结构。
其中，负荷建模数据若不完整，补全负荷建模数据。
其中，计算负荷模型参数，包括：计算静态负荷模型参数和动态负荷模型参数；
若电力系统中包括新能源发电站，负荷模型参数中包括新能源发电站的模型参数。
其中，使用等值法计算负荷模型参数。
本发明与现有技术相比，本发明的有益效果在于：
本发明通过融合海量、丰富的用户侧的负荷数据，在线接入并集成电网模型、运行、图形和负荷实测数据，灵活运用智能算法，实现对负荷构成的在线智能分析。
本发明改变了传统依赖人工普查、典型负荷站详细调查、数据整理、纠错，有效降低负荷分析与建模的实施难度与工作量。
本发明实现了负荷模型在线建模功能，达到准实时、全覆盖、更贴合实际运行情况的负荷节点建模目的，提高电网仿真计算的准确度，保障电网安全、可靠、经济的运行；
本发明实现了常态化负荷分析与建模工作，提高了负荷建模的时效性和准确性。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (16)

1.一种负荷构成智能识别及精准负荷建模方法，所述方法包括：
采集电力系统模型的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据，将采集的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据作为负荷建模数据；
根据网络拓扑数据，确定电力系统模型的拓扑关系，根据所述拓扑关系校验电力系统模型结构的完整性，若完整，创建负荷建模系统负荷分类表和负荷构成成分定义表，根据电力系统模型供电区域内用电设备的历史负荷数据，建立营销负荷分类表；
建立所述负荷建模系统负荷分类表和负荷构成成分定义表的映射关系；
建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；
根据负荷建模系统负荷分类表和负荷构成成分定义表的映射关系及营销负荷分类表和负荷建模系统负荷分类表的映射关系，校验所述负荷建模数据的完整性，若完整，根据出线运行数据，计算负荷出线在用电设备中所占总量的百分比；
根据负荷出线在用电设备中所占总量的百分比，计算负荷模型参数，根据负荷模型参数建立负荷模型。
2.根据权利要求1所述的方法，所述网络拓扑数据，包括：主网模型数据、配网图模数据、营配贯通数据及电网模型数据。
3.根据权利要求1所述的方法，所述出线运行数据，包括：主网实时运行数据及配网实时运行数据。
4.根据权利要求1所述的方法，所述电力系统模型供电区域内用电设备的历史负荷数据，包括：用户负荷实时运行数据、行业负荷分类数据及用户档案信息。
5.根据权利要求1所述的方法，所述电力系统模型结构若不具备完整性，补全电力系统模型的结构。
6.根据权利要求1所述的方法，所述负荷建模数据若不完整，补全负荷建模数据。
7.根据权利要求1所述的方法，所述计算负荷模型参数，包括：计算静态负荷模型参数和动态负荷模型参数；
若电力系统中包括新能源发电站，负荷模型参数中包括新能源发电站的模型参数。
8.根据权利要求1所述的方法，使用等值法计算负荷模型参数。
9.一种负荷构成智能识别及精准负荷建模系统，所述系统包括：
数据采集单元，采集电力系统模型的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据，将采集的网络拓扑数据、出线运行数据及电力系统模型供电区域内用电设备的历史负荷数据作为负荷建模数据；
分类表建立单元，根据网络拓扑数据，确定电力系统模型的拓扑关系，根据所述拓扑关系校验电力系统模型结构的完整性，若完整，创建负荷建模系统负荷分类表和负荷构成成分定义表，根据电力系统模型供电区域内用电设备的历史负荷数据，建立营销负荷分类表；
第一映射关系建立单元，建立所述负荷建模系统负荷分类表和负荷构成成分定义表的映射关系；
第二映射关系建立单元，建立所述营销负荷分类表和负荷建模系统负荷分类表的映射关系；
计算单元，根据负荷建模系统负荷分类表和负荷构成成分定义表的映射关系及营销负荷分类表和负荷建模系统负荷分类表的映射关系，校验所述负荷建模数据的完整性，若完整，根据出线运行数据，计算负荷出线在用电设备中所占总量的百分比；
建模单元，根据负荷出线在用电设备中所占总量的百分比，计算负荷模型参数，根据负荷模型参数建立负荷模型。
10.根据权利要求9所述的系统，所述网络拓扑数据，包括：主网模型数据、配网图模数据、营配贯通数据及电网模型数据。
11.根据权利要求9所述的系统，所述出线运行数据，包括：主网实时运行数据及配网实时运行数据。
12.根据权利要求9所述的系统，所述电力系统模型供电区域内用电设备的历史负荷数据，包括：用户负荷实时运行数据、行业负荷分类数据及用户档案信息。
13.根据权利要求9所述的系统，所述电力系统模型结构若不具备完整性，补全电力系统模型的结构。
14.根据权利要求9所述的系统，所述负荷建模数据若不完整，补全负荷建模数据。
15.根据权利要求9所述的系统，所述计算负荷模型参数，包括：计算静态负荷模型参数和动态负荷模型参数；
若电力系统中包括新能源发电站，负荷模型参数中包括新能源发电站的模型参数。
16.根据权利要求9所述的系统，使用等值法计算负荷模型参数。
CN202111615820.8A 2021-12-28 2021-12-28 一种负荷构成智能识别及精准负荷建模方法及系统 Pending CN113987848A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111615820.8A CN113987848A (zh) 2021-12-28 2021-12-28 一种负荷构成智能识别及精准负荷建模方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111615820.8A CN113987848A (zh) 2021-12-28 2021-12-28 一种负荷构成智能识别及精准负荷建模方法及系统

Publications (1)

Publication Number Publication Date
CN113987848A true CN113987848A (zh) 2022-01-28

Family

ID=79734561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111615820.8A Pending CN113987848A (zh) 2021-12-28 2021-12-28 一种负荷构成智能识别及精准负荷建模方法及系统

Country Status (1)

Country Link
CN (1) CN113987848A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115622053A (zh) * 2022-12-16 2023-01-17 中国电力科学研究院有限公司 一种用于考虑分布式电源的自动负荷建模方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110707692A (zh) * 2019-10-16 2020-01-17 济南荣耀合创电力科技有限公司 一种电力系统在线负荷分析与建模系统及方法
CN112257212A (zh) * 2020-12-21 2021-01-22 中国电力科学研究院有限公司 一种考虑分布式发电系统的综合负荷模型的建模方法和系统
CN112288598A (zh) * 2020-12-24 2021-01-29 中国电力科学研究院有限公司 一种确定变电站的负荷元件的构成的方法和系统
CN113312749A (zh) * 2021-04-21 2021-08-27 中国电力科学研究院有限公司 一种考虑分布式风力发电机的电力系统仿真方法及系统
CN113312748A (zh) * 2021-04-21 2021-08-27 中国电力科学研究院有限公司 一种用于负荷模型的在线建模方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110707692A (zh) * 2019-10-16 2020-01-17 济南荣耀合创电力科技有限公司 一种电力系统在线负荷分析与建模系统及方法
CN112257212A (zh) * 2020-12-21 2021-01-22 中国电力科学研究院有限公司 一种考虑分布式发电系统的综合负荷模型的建模方法和系统
CN112288598A (zh) * 2020-12-24 2021-01-29 中国电力科学研究院有限公司 一种确定变电站的负荷元件的构成的方法和系统
CN113312749A (zh) * 2021-04-21 2021-08-27 中国电力科学研究院有限公司 一种考虑分布式风力发电机的电力系统仿真方法及系统
CN113312748A (zh) * 2021-04-21 2021-08-27 中国电力科学研究院有限公司 一种用于负荷模型的在线建模方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115622053A (zh) * 2022-12-16 2023-01-17 中国电力科学研究院有限公司 一种用于考虑分布式电源的自动负荷建模方法及装置

Similar Documents

Publication Publication Date Title
CN101777765B (zh) 一种电力系统在线负荷模拟方法
CN112257212B (zh) 一种考虑分布式发电系统的综合负荷模型的建模方法和系统
CN111384725A (zh) 一种新能源电站的短路电流计算方法和系统
CN108667005B (zh) 一种计及新能源影响的电网静动态结合脆弱性评估方法
CN115622053B (zh) 一种用于考虑分布式电源的自动负荷建模方法及装置
Elizondo et al. Model reduction, validation, and calibration of wind power plants for dynamic studies
Pijnenburg et al. Testing the performance of bus-split aggregation method for residential loads
CN113987848A (zh) 一种负荷构成智能识别及精准负荷建模方法及系统
CN102426623A (zh) 一种用于电力负荷建模的自动故障拟合建模法
Zhang et al. Impact of dynamic load models on transient stability-constrained optimal power flow
CN110336322B (zh) 基于日最小负荷置信区间的光伏发电准入容量确定方法
CN115549093B (zh) 一种新能源电力系统在线建模与振荡分析的方法及系统
CN105701265A (zh) 一种双馈风电机组建模方法及装置
CN115954956A (zh) 一种配电网分布式电源接入容量评估方法及系统
CN115940157A (zh) 稳控策略校核任务的潮流场景自动生成方法、装置及设备
CN111130109B (zh) 一种Yyn0低压配电网理论线损计算方法及系统
CN111211581B (zh) 一种电力系统中新能源接纳容量的确定方法和装置
CN114925962A (zh) 基于节点边际电价的有源配电网运行灵活性量化分析方法
CN114580204A (zh) 一种评估风电场低电压穿越性能的场站等值建模方法
CN113722678A (zh) 一种台区线损计算方法、系统、存储介质及计算设备
Ding et al. Multi-Objective optimial configuration of distributed wind-solar generation considering energy storage
CN105207249A (zh) 一种风电场恒定功率因数控制系统及其控制方法
CN109842110B (zh) 一种低电压台区配电端低电压分析算法
Adewole et al. Extended synchrophasor‐based online voltage stability assessment using synchronous generator‐derived indices
CN112217220B (zh) 新能源送出多端柔性直流电网安全稳定防御方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220128