CN114462795A - 用于台区节能控制的方法、装置、终端及存储介质 - Google Patents
用于台区节能控制的方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114462795A CN114462795A CN202111679093.1A CN202111679093A CN114462795A CN 114462795 A CN114462795 A CN 114462795A CN 202111679093 A CN202111679093 A CN 202111679093A CN 114462795 A CN114462795 A CN 114462795A
- Authority
- CN
- China
- Prior art keywords
- branch
- node
- voltage
- data
- 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 60
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 230000008878 coupling Effects 0.000 claims description 48
- 238000010168 coupling process Methods 0.000 claims description 48
- 238000005859 coupling reaction Methods 0.000 claims description 48
- 239000013598 vector Substances 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 22
- 210000002569 neuron Anatomy 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 210000004027 cell Anatomy 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 13
- 230000001276 controlling effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 241000736235 Polemonium reptans Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种用于台区节能控制的方法、装置、终端及存储介质。该方法包括:采集目标台区的历史用电数据,并基于所述历史用电数据对各负荷节点进行SOM聚类;其中,所述历史用电数据包括各负荷节点的电流数据和电压数据;根据SOM聚类结果中的电流数据构造台区拓扑结构;根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损;根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略。本发明能够提高拓扑结构构造效率和精确度,进而实现电压的准确调整,避免电力资源浪费。
Description
技术领域
本发明涉及电网数据分析技术领域,尤其涉及一种用于台区节能控制的方法、装置、终端及存储介质。
背景技术
随着经济快速增长,人民生活水平显著提高,电力工业得以快速发展,电网容量和电力系统负荷也迅速增加。但是由于地理环境、自然资源、燃料运输等多方面因素制约,存在严重电压偏移现象,从而严重影响到电网的安全经济运行。节能降耗是电力系统经济运行的内在要求。特别是配电网作为电力系统到用户的最后一环,电网末端直接与用户相联系,对用户的供电可靠性和供电质量的影响最直接。
目前,电网已经开展了配电网电压监测系统的建设,通过对配变电压及电流的数据计算和分析,可以实现对全网电压实时在线监测、问题预警等,但是,基于电压监测结果进行节能控制仍需要人工操作,节能效率低。
发明内容
本发明实施例提供了一种用于台区节能控制的方法、装置、终端及存储介质,以解决现有节能控制需要人工操作,节能效率低的问题。
第一方面,本发明实施例提供了一种用于台区节能控制的方法,包括:
采集目标台区的历史用电数据,并基于所述历史用电数据对各负荷节点进行SOM聚类;其中,所述历史用电数据包括各负荷节点的电流数据和电压数据;
根据SOM聚类结果中的电流数据构造台区拓扑结构;
根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损;
根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略。
在一种可能的实现方式中,所述根据SOM聚类结果中的电流数据构造台区拓扑结构,包括:
根据SOM聚类结果确定各耦合节点的输入电流和对应的各负荷节点的输入电流之和,并确定各耦合节点类型和节点之间的支路类型;其中,所述耦合节点为所述SOM聚类结果中的簇质心;所述节点类型包括:末端节点和中间节点;所述支路类型包括:末端支路、甲型中间支路和乙型中间支路;
基于各耦合节点类型和对应的支路类型确定台区拓扑结构。
在一种可能的实现方式中,所述确定各耦合节点类型,包括:
耦合节点的输入电流等于对应的各负荷节点的输入电流之和时,所述耦合节点为末端节点;
耦合节点的输入电流大于对应的各负荷节点的输入电流之和时,所述耦合节点为中间节点。
在一种可能的实现方式中,所述确定节点之间的支路类型,包括:
待分类支路的上流有输入电流,下流输出至所述待分类支路对应的各负荷节点时,所述待分类支路为所述末端支路;
待分类支路中耦合节点的输入电流等于输出至对应中间支路的电流与对应各负荷节点电流值之和时,所述待分类支路为所述甲型中间支路;
待分类支路上的电流等于支路前后节点的输入电流之和时,所述待分类支路为末端支路为所述乙型中间支路。
在一种可能的实现方式中,在所述基于所述历史用电数据对各负荷节点进行SOM聚类之前,还包括:
计算各负荷节点的电流数据与对应的平均值之间的第一偏差率,并在第一偏差率大于第一设定阈值时,用对应的平均值代替第一偏差率大于第一设定阈值对应的负荷节点的电流数据;和/或,
计算各负荷节点的电压数据与对应的平均值之间的第二偏差率,并在第二偏差率大于第二设定阈值时,用对应的平均值代替第二偏差率大于第二设定阈值对应的负荷节点的电压数据。
在一种可能的实现方式中,所述根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损,包括:
计算各支路的有功损耗和无功损耗、变压器有功损耗和无功损耗。
在一种可能的实现方式中,所述基于所述历史用电数据对各负荷节点进行SOM聚类,包括:
提取所述历史用电数据中的特征矢量;
将特征矢量输入到SOM神经网络中;
计算SOM神经网络中竞争层的权值和输入向量的距离;
调整胜出神经元及邻接神经元之间的权值,进行领域函数计算;
判断是否达到预设条件,并在达到时完成SOM神经网络训练,输出聚类结果;否则,重新输入特征矢量输入到SOM神经网络中,再进行SOM神经网络训练。
第二方面,本发明实施例提供了一种用于台区节能控制的装置,包括:
节点聚类模块,用于采集目标台区的历史用电数据,并基于所述历史用电数据对各负荷节点进行SOM聚类;其中,所述历史用电数据包括各负荷节点的电流数据和电压数据;
构造模块,用于根据SOM聚类结果中的电流数据构造台区拓扑结构;
线损计算模块,用于根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损;
经济电压确定模块,用于根据各支路的线损计算结果确定对应的经济电压,以基于经济电压确定配电网的电压调整策略。
第三方面,本发明实施例提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种用于台区节能控制的方法、装置、终端及存储介质,通过自动采集目标台区的历史用电数据,并基于历史用电数据对各负荷节点进行SOM聚类,在无需人工参与的情况下完成负荷节点的聚类分析。其中,历史用电数据包括各负荷节点的电流数据和电压数据,根据SOM聚类结果中的电流数据构造台区拓扑结构,提高了拓扑结构构造效率和精确度,避免人工构造拓扑结构过程中的失误,进而实现电压的准确调整。根据台区拓扑结构和各负荷节点的电压数据计算各支路的线损,根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略,基于支路实际运行情况实时调整电压,提高调节效率和节能效率,避免电力资源浪费。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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他的附图。
图1为本发明一实施例提供的用于台区节能控制的方法的实现流程图;
图2是本发明一实施例提供的SOM聚类方法的实现流程图;
图3是本发明一实施例提供的拓扑结构示意图;
图4是本发明一实施例提供的用于台区节能控制的装置的结构示意图;
图5是本发明实施例提供的终端的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
配电网不仅是电力系统的重要组成部分,而且直接反映了电力系统的可靠性。目前,低压配电网的自动化和智能化管理水平相对于输电网较为落后,低压配电网成为智能电网建设最薄弱的环节。庞大的网络规模、复杂的网络结构以及陈旧老化的设备,使得用电高峰期时容易发生线路过载、频繁跳闸的现象,配电系统的供电质量受到严重影响。
经济电压即全部网络损耗达到最低为依据计算出的运行电压。经济运行是指在确保电网稳定、安全的基础上,最大限度地降低变压器及线路的无功与有功损耗。
本发明则旨在提供一种基于SOM聚类的台区拓扑分析节能控制系统,以基于SOM聚类优化配电网侧各负荷节点的聚类效率,提高台区拓扑分析的精确度,进而优化线损分析效率,提高节能效果。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明一实施例提供的用于台区节能控制的方法的实现流程图。如图1所示,包括如下步骤:
S101,采集目标台区的历史用电数据,并基于历史用电数据对各负荷节点进行SOM聚类;其中,历史用电数据包括各负荷节点的电流数据和电压数据。
S102,根据SOM聚类结果中的电流数据构造台区拓扑结构。
同一台区下耦合在同一点处的负荷节点,由于其与变压器出线端的电气距离相近,因此这些电表之间的电压值相差很小。处于不同耦合节点处的电表一般为上下游关系,由于存在线路的电压降落,相邻上下游耦合节点处电表之间的电压差值相对较大。因此,本发明实施例采用SOM聚类算法对台区负荷节点进行分类,台区内每个负荷节点可以作为样本,整个台区构成一个样本空间,从而负荷节点聚类的任务转换为对数据集合的聚类任务。SOM聚类是一种无监督的学习方法,通过自动寻找样本中的内在规律和不同属性,将负荷节点的量测数据用对应的特征向量表示,根据他们在特征空间的特征相似性,对特征空间进行分割,然后将其映射回原样本空间,从而完成分类。
S103,根据台区拓扑结构和各负荷节点的电压数据计算各支路的线损。
S104,根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略。
本实施例中,通过自动采集目标台区的历史用电数据,并基于历史用电数据对各负荷节点进行SOM聚类,在无需人工参与的情况下完成负荷节点的聚类分析。其中,历史用电数据包括各负荷节点的电流数据和电压数据,根据SOM聚类结果中的电流数据构造台区拓扑结构,提高了拓扑结构构造效率和精确度,避免人工构造拓扑结构过程中的失误,进而实现电压的准确调整。根据台区拓扑结构和各负荷节点的电压数据计算各支路的线损,根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略,基于支路实际运行情况实时调整电压,提高调节效率和节能效率,避免电力资源浪费。
在一种可能的实现方式中,步骤S101中,基于历史用电数据对各负荷节点进行SOM聚类,包括:
提取历史用电数据中的特征矢量;
将特征矢量输入到SOM神经网络中;
计算SOM神经网络中竞争层的权值和输入向量的距离;
调整胜出神经元及邻接神经元之间的权值,进行领域函数计算;
判断是否达到预设条件,并在达到时完成SOM神经网络训练,输出聚类结果;否则,重新输入特征矢量输入到SOM神经网络中,再进行SOM神经网络训练。
上述概括说明了基于历史用电数据对各负荷节点进行SOM聚类过程,在具体实现过程中,如图2所示,SOM聚类过程如下:
a.初始化:竞争层中各神经元对应的内星权向量ωj(j=1,2,…,m),权值使用较小的随机值进行初始化,归一化权向量,建立初始优胜领域Nj *(0)和学习率η初值。m为输出层神经元数目。
b.输入归一化样本:从训练集中随机取一输入模式,自组织网络中当前输入模式向量为
n为输入层神经元数目。
对X、Wj进行归一化:
c.寻找获胜神经元:将X与竞争层所有神经元对应的内星权向量Wj(j=1,2,…,m进行相似性对比。最相似的神经元获胜,权向量为Wj*。计算样本与权值向量的欧几里得距离,
距离最小的神经元赢得竞争,记为获胜神经元。
d.定义优胜领域,并对优胜领域内节点进行权值调整:
获胜神经元调整权向量Wj*,具体为:
其中,0<α≤1为学习效率,训练时间和领域内第j个神经元与获胜神经元j*之间拓扑距离的函数。α一般随着学习多维进展而减少,即调整的程度越来越小,趋于聚类中心。
e.判定结束:当α≤αmin,即学习效率衰减到最小值时,结束训练,否则转到步骤b继续。
比较不同的聚类算法,K-means聚类算法必须事先给定聚类数目,而且对于噪声和孤立点很敏感。SOM聚类将相邻关系强加在簇质心上,互为邻居的簇之间比非邻居的簇之间更相关,处理效果更好。
在一种可能的实现方式中,步骤S102中,根据SOM聚类结果中的电流数据构造台区拓扑结构,包括:
根据SOM聚类结果确定各耦合节点的输入电流和对应的各负荷节点的输入电流之和,并确定各耦合节点类型和节点之间的支路类型;其中,耦合节点为SOM聚类结果中的簇质心;节点类型包括:末端节点和中间节点;支路类型包括:末端支路、甲型中间支路和乙型中间支路;
基于各耦合节点类型和对应的支路类型确定台区拓扑结构。
在一种可能的实现方式中,确定各耦合节点类型,包括:
耦合节点的输入电流等于对应的各负荷节点的输入电流之和时,耦合节点为末端节点;
耦合节点的输入电流大于对应的各负荷节点的输入电流之和时,耦合节点为中间节点。
在一种可能的实现方式中,确定节点之间的支路类型,包括:
待分类支路的上流有输入电流,下流输出至待分类支路对应的各负荷节点时,待分类支路为末端支路;
待分类支路中耦合节点的输入电流等于输出至对应中间支路的电流与对应各负荷节点电流值之和时,待分类支路为末端支路为甲型中间支路;
待分类支路上的电流等于支路前后节点的输入电流之和时,待分类支路为末端支路为乙型中间支路。
如图3根据一实施例提供了一种拓扑结构示意图,其中,电能由变压器低压侧向用户侧单向传递,由基尔霍夫电流定律可知,注入节点的电流等于流出节点的电流。因此,所有耦合节点可以分为两类,定义如下:
中间节点:位于线路中间,上流有支路电流流入,下流有支路电流流出,存在如下的电流关系式:
其中,IGFi表示耦合于G点的各负荷节点的电流;PGFi表示耦合于G点的各负荷节点的有功功率;QGFi表示耦合于G点的各负荷节点的无功功率;UGFi表示耦合于G点的各负荷节点的电压值。
末端节点:位于线路末端,上流有支路电流流入,下流只有流向负荷节点的电流流出,存在如下的电流关系式:
其中,IHFi表示耦合于H点的各负荷节点的电流;PHFi表示耦合于H点的各负荷节点的有功功率;QHFi表示耦合于H点的各负荷节点的无功功率;UHFi表示耦合于H点的各负荷节点的电压值。
首先得到流入该耦合节点下的各负荷节点的总电流值,如果耦合节点处各负荷节点的总电流值等于流入电流值,则该耦合节点属于末端节点;如果耦合节点处各负荷节点的总电流值小于流入电流值,则该耦合节点属于中间节点。
此外,需要说明的一种情况是除此两种有负荷节点直接相连的耦合节点之外,还有分支节点,分支节点下没有与其直接相连的负荷节点,如图3中B点D点所示。
由此,可以定义中间支路以及末端支路,末端耦合节点流出电流的支路定义为末端支路,中间节点电流流入流出的支路定义为中间支路,定义如下:
末端支路:位于线路末端,流入负荷节点的支路,上流有电流流入,下流流入负荷节点,存在如下的电流关系式:
其中,ICFi表示耦合于C点的各负荷节点的电流;PCFi表示耦合于C点的各负荷节点的有功功率;QCFi表示耦合于C点的各负荷节点的无功功率;UCFi表示耦合于C点的各负荷节点的电压值。
甲型中间支路:流入节点的中间支路电流值等于流出节点的中间支路电流值与该耦合节点下的负荷节点电流值之和,存在如下的电流关系式:
乙型中间支路:与该支路相连的节点不包括各负荷节点的耦合节点,即该支路前后节点为分支节点,存在如下的电流关系式:
IBD=IDE+IDF
由基尔霍夫电流定律可知,对末端耦合节点而言,连接于同一耦合节点下的末端支路的电流总和等于该耦合节点所连接的中间支路的电流,即与负荷节点直接相连的支路;对中间节点而言,中间支路可以分为两种类型,甲型中间支路:流入节点的中间支路电流值等于流出节点的中间支路电流值与该耦合节点下的负荷节点电流值之和;乙型中间支路:与该支路相连的节点不包括各负荷节点的耦合节点,即该支路前后节点为分支节点。
遍历所有节点,得到各耦合节点之间的连接关系,即各支路之间的连接关系,即可建立台区配网拓扑结构。
具体实施过程中,对所研究的台区低压电网采集量测数据进行预处理。从台区低压电网量测数据库中提取到量测数据集,即采集目标台区的历史用电数据,由于一些随机的干扰或特殊事件等发生,难免会影响量测数据的准确性,因此,在基于历史用电数据对各负荷节点进行SOM聚类之前,需要对获取的历史用电数据极性预处理,以对部分值进行修正。不同实施例中,历史用电数据的预处理方式不同。
在一种可能的实现方式中,在步骤S101中,基于历史用电数据对各负荷节点进行SOM聚类之前,还包括:
计算各负荷节点的电流数据与对应的平均值之间的第一偏差率,并在第一偏差率大于第一设定阈值时,用对应的平均值代替第一偏差率大于第一设定阈值对应的负荷节点的电流数据。
在一种可能的实现方式中,在步骤S101中,基于历史用电数据对各负荷节点进行SOM聚类之前,还包括:
计算各负荷节点的电压数据与对应的平均值之间的第二偏差率,并在第二偏差率大于第二设定阈值时,用对应的平均值代替第二偏差率大于第二设定阈值对应的负荷节点的电压数据。
在一种可能的实现方式中,在步骤S101中,基于历史用电数据对各负荷节点进行SOM聚类之前,还包括:
计算各负荷节点的电流数据与对应的平均值之间的第一偏差率,并在第一偏差率大于第一设定阈值时,用对应的平均值代替第一偏差率大于第一设定阈值对应的负荷节点的电流数据;和,
计算各负荷节点的电压数据与对应的平均值之间的第二偏差率,并在第二偏差率大于第二设定阈值时,用对应的平均值代替第二偏差率大于第二设定阈值对应的负荷节点的电压数据。
在一种可能的实现方式中,根据台区拓扑结构和各负荷节点的电压数据计算各支路的线损,包括:
计算各支路的有功损耗和无功损耗、变压器有功损耗和无功损耗。
在一种可能的实现方式中,根据各支路的线损计算结果确定对应的经济电压,包括:
基于各支路的有功损耗和无功损耗、变压器有功损耗和无功损耗确定配电网的总功耗;
以功率损耗最小对应的电压为目标电压对总功耗进行求导确定功率损耗最小值;
基于功率损耗最小值确定经济电压。
在得到所要分析的台区拓扑结构后,对台区低压电网线损进行分析。线损即电能在经过转换,输送和配送的过程中会不可避免地发生丢失的情况。这些过程中,电网中的很多元器件都会产生能量的损耗,通常把给定时段内,有功功率对时间的积分称为线损电量,简称线损。可选的,本发明实施例中,配电网的线损计算方法为均方根电流法、平均电流法或最大电流法。各线损计算方法如下:
a.均方根电流法。核心思想是在相同时间内,运行负荷产生的电能损耗与均方根电流损耗一致。
其中,Ii为当日各整点时刻电流(A);ΔA为损耗的电量(KWh);Ia为日均方根电流(A);R为电阻(Ω);t为运行时间(h)。
b.平均电流法。核心思想是实际电能负荷造成的电能损耗在数值上等于同一时间内线路中平均电流所产生的电能损耗。
其中,Iar为当日负荷平均电流(A);ΔA为损耗的电量(KWh);Ia为日均方根电流(A);R为电阻(Ω);t为运行时间(h);K为形状系数。
c.最大电流法。核心思想是利用均方根值与日负荷曲线的最大值间的等效关系进行计算。
其中,Imax为当日负荷最大电流(A);ΔA为损耗的电量(KWh);Ia为日均方根电流(A);R为电阻(Ω);t为运行时间(h);F为损耗因数。
其中均方根电流法为配电网线损最为常用的计算方式。本设计采用均方根电流法计算所要分析的台区配电网的线损。
基于有载调压降损分析调整电压。有载调压可以理解为在不断开电源的情况下并且变压器在正常的工作状态下,带负载调节分接开关的位置,改变高压侧有效匝数进行调压。运行电压对电网损耗的影响有配电线路中各线路有功损耗、配电线路中各线路无功损耗、变压器有功损耗、变压器无功损耗等。
a.台区电网损耗:
配电线路中各线路有功损耗、无功损耗为:
其中,rij为节点i,j之间线路损耗,Ω;xij为节点i,j之间线路损耗,Ω。
变压器有功损耗、无功损耗为:
ΔQTj=β2QS+Q0=β2US%SN×10-2+I0%SN×10-2
其中,RT为配电变压器等值电阻,Ω;P0为空载损耗,kW;ΔPS为短路损耗,kW;β为负载率即平均负载系数;US%为短路电压百分值;I0%为空载电流百分值;UN为额定电压,kV。
总功耗为:
其中,RT为配电变压器的等值电阻,Ω;RL为电网线路的等值电阻,Ω;∑P0为配电网的总励磁损耗,kW。
b.经济电压推导。经济电压即全部网络损耗达到最低为依据计算出的运行电压。经济运行是指在确保电网稳定、安全的基础上,最大限度的降低变压器及线路的无功与有功损耗。有效借助电网里输电、变电、配电设施,利用等值电阻法计算出网络损耗,通过加强网络运营监管,确保整个网络损耗最小,使网络处于最佳运行状态。
以功率损耗最小情况下所对应的电压即经济电压为目标对总功耗ΔP进行求导得:
代入有功损耗ΔPij和无功损耗ΔQij的计算式即可得功率损耗最小值:
c.有载调压的降损分析:
调整变电站主变分接头后,电网可变损耗下降幅度为:
电网固定损耗下降幅度为:
ΔPd%=[1-(1+α%)2]×100%
电网综合降损幅度为:
ΔP%=ΔPb%β+ΔPd%(1-β)
其中,α%为电压调整幅度,升为正,降为负;β为可变损耗占总损耗的组成比例。
台区低压电网在不同的负载率下,对应着不同的经济电压。经济电压的平方随着负载率升高而升高,但是在负载率升高的同时,实际电压下降。因此,需要将经济电压调整到经济运行区间降低电能损失。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图4示出了本发明实施例提供的用于台区节能控制的装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图4所示,用于台区节能控制的装置包括:节点聚类模块401、构造模块402、线损计算模块403和经济电压确定模块404。
节点聚类模块401,用于采集目标台区的历史用电数据,并基于历史用电数据对各负荷节点进行SOM聚类;其中,历史用电数据包括各负荷节点的电流数据和电压数据。
构造模块402,用于根据SOM聚类结果中的电流数据构造台区拓扑结构。
线损计算模块403,用于根据台区拓扑结构和各负荷节点的电压数据计算各支路的线损。
经济电压确定模块404,用于根据各支路的线损计算结果确定对应的经济电压,以基于经济电压确定配电网的电压调整策略。
本实施例中,通过自动采集目标台区的历史用电数据,并基于历史用电数据对各负荷节点进行SOM聚类,在无需人工参与的情况下完成负荷节点的聚类分析。其中,历史用电数据包括各负荷节点的电流数据和电压数据,根据SOM聚类结果中的电流数据构造台区拓扑结构,提高了拓扑结构构造效率和精确度,避免人工构造拓扑结构过程中的失误,进而实现电压的准确调整。根据台区拓扑结构和各负荷节点的电压数据计算各支路的线损,根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略,基于支路实际运行情况实时调整电压,提高调节效率和节能效率,避免电力资源浪费。
图5是本发明实施例提供的终端的示意图。如图5所示,该实施例的终端5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个用于台区节能控制的方法实施例中的步骤。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至404的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端5中的执行过程。例如,所述计算机程序52可以被分割成图4所示的模块401至404。
所述终端5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端5可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端5的示例,并不构成对终端5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端5的内部存储单元,例如终端5的硬盘或内存。所述存储器51也可以是所述终端5的外部存储设备,例如所述终端5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。
所述集成的模块/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存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个用于台区节能控制的方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于台区节能控制的方法,其特征在于,包括:
采集目标台区的历史用电数据,并基于所述历史用电数据对各负荷节点进行SOM聚类;其中,所述历史用电数据包括各负荷节点的电流数据和电压数据;
根据SOM聚类结果中的电流数据构造台区拓扑结构;
根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损;
根据各支路的线损计算结果确定对应的经济电压,并基于经济电压确定配电网的电压调整策略。
2.根据权利要求1所述的方法,其特征在于,所述根据SOM聚类结果中的电流数据构造台区拓扑结构,包括:
根据SOM聚类结果确定各耦合节点的输入电流和对应的各负荷节点的输入电流之和,并确定各耦合节点类型和节点之间的支路类型;其中,所述耦合节点为所述SOM聚类结果中的簇质心;所述节点类型包括:末端节点和中间节点;所述支路类型包括:末端支路、甲型中间支路和乙型中间支路;
基于各耦合节点类型和对应的支路类型确定台区拓扑结构。
3.根据权利要求2所述的方法,其特征在于,所述确定各耦合节点类型,包括:
耦合节点的输入电流等于对应的各负荷节点的输入电流之和时,所述耦合节点为末端节点;
耦合节点的输入电流大于对应的各负荷节点的输入电流之和时,所述耦合节点为中间节点。
4.根据权利要求2所述的方法,其特征在于,所述确定节点之间的支路类型,包括:
待分类支路的上流有输入电流,下流输出至所述待分类支路对应的各负荷节点时,所述待分类支路为所述末端支路;
待分类支路中耦合节点的输入电流等于输出至对应中间支路的电流与对应各负荷节点电流值之和时,所述待分类支路为所述甲型中间支路;
待分类支路上的电流等于支路前后节点的输入电流之和时,所述待分类支路为末端支路为所述乙型中间支路。
5.根据权利要求1所述的方法,其特征在于,在所述基于所述历史用电数据对各负荷节点进行SOM聚类之前,还包括:
计算各负荷节点的电流数据与对应的平均值之间的第一偏差率,并在第一偏差率大于第一设定阈值时,用对应的平均值代替第一偏差率大于第一设定阈值对应的负荷节点的电流数据;和/或,
计算各负荷节点的电压数据与对应的平均值之间的第二偏差率,并在第二偏差率大于第二设定阈值时,用对应的平均值代替第二偏差率大于第二设定阈值对应的负荷节点的电压数据。
6.根据权利要求1所述的方法,其特征在于,所述根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损,包括:
计算各支路的有功损耗和无功损耗、变压器有功损耗和无功损耗。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述基于所述历史用电数据对各负荷节点进行SOM聚类,包括:
提取所述历史用电数据中的特征矢量;
将特征矢量输入到SOM神经网络中;
计算SOM神经网络中竞争层的权值和输入向量的距离;
调整胜出神经元及邻接神经元之间的权值,进行领域函数计算;
判断是否达到预设条件,并在达到时完成SOM神经网络训练,输出聚类结果;否则,重新输入特征矢量输入到SOM神经网络中,再进行SOM神经网络训练。
8.一种用于台区节能控制的装置,其特征在于,包括:
节点聚类模块,用于采集目标台区的历史用电数据,并基于所述历史用电数据对各负荷节点进行SOM聚类;其中,所述历史用电数据包括各负荷节点的电流数据和电压数据;
构造模块,用于根据SOM聚类结果中的电流数据构造台区拓扑结构;
线损计算模块,用于根据所述台区拓扑结构和各负荷节点的电压数据计算各支路的线损;
经济电压确定模块,用于根据各支路的线损计算结果确定对应的经济电压,以基于经济电压确定配电网的电压调整策略。
9.一种终端,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679093.1A CN114462795A (zh) | 2021-12-31 | 2021-12-31 | 用于台区节能控制的方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679093.1A CN114462795A (zh) | 2021-12-31 | 2021-12-31 | 用于台区节能控制的方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114462795A true CN114462795A (zh) | 2022-05-10 |
Family
ID=81408502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111679093.1A Pending CN114462795A (zh) | 2021-12-31 | 2021-12-31 | 用于台区节能控制的方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114462795A (zh) |
-
2021
- 2021-12-31 CN CN202111679093.1A patent/CN114462795A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107516170B (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 | |
CN108306303A (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN109728579B (zh) | 一种配电网运行效率的评估方法、评估装置及评估设备 | |
CN112785119B (zh) | 基于聚类和层次分析算法的配网电压越限原因分析方法 | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN109544029A (zh) | 一种台区线损的分析方法、分析装置及终端 | |
CN110298494A (zh) | 一种基于分段聚类及组合优化的风电功率预测方法 | |
CN109066819A (zh) | 一种基于案件推理的配电网的无功优化方法 | |
Wang et al. | Big data analytics for price forecasting in smart grids | |
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 | |
CN112784870A (zh) | 一种基于聚类算法的典型台区分类方法及系统 | |
CN114462795A (zh) | 用于台区节能控制的方法、装置、终端及存储介质 | |
CN113949079B (zh) | 基于深度学习的配电台区用户三相不平衡预测优化方法 | |
CN112952829B (zh) | 电力系统节点运行安全性评估方法、装置、电力系统 | |
Chen et al. | Spatial–temporal information model-based load current interval prediction for transmission lines | |
CN113437749B (zh) | 电力系统无功优化方法、装置及设备 | |
CN113129168B (zh) | 电力台区的线损确定方法、装置及终端设备 | |
CN112737422B (zh) | 一种基于云计算的电机设备调速控制方法 | |
CN113393101A (zh) | 县域配电网投资效益评估方法、装置及终端设备 | |
CN108390407B (zh) | 分布式光伏接入量计算方法、装置及计算机设备 | |
Shao et al. | Optimization method based on load forecasting for three-phase imbalance mitigation in low-voltage distribution network | |
Lin et al. | Transient stability analysis of ac-dc hybrid power grid under topology changes based on deep learning | |
Zhang et al. | Comprehensive evaluation and improvement of power quality in distribution networks based on DEA model and membership function | |
CN118157162B (zh) | 基于神经网络的新型电力系统等效惯量评估方法及装置 | |
Cui et al. | A Dynamic Price Zone Partitioning Strategy for Cross-Regional Market Transaction |
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 |