CN114693122A - 一种基于数字孪生技术的电网规划方法 - Google Patents

一种基于数字孪生技术的电网规划方法 Download PDF

Info

Publication number
CN114693122A
CN114693122A CN202210331472.XA CN202210331472A CN114693122A CN 114693122 A CN114693122 A CN 114693122A CN 202210331472 A CN202210331472 A CN 202210331472A CN 114693122 A CN114693122 A CN 114693122A
Authority
CN
China
Prior art keywords
power grid
planning
node
grid planning
index
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
CN202210331472.XA
Other languages
English (en)
Inventor
潘登
高赐威
陈涛
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202210331472.XA priority Critical patent/CN114693122A/zh
Publication of CN114693122A publication Critical patent/CN114693122A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (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

本发明涉及电力规划术领域领域，公开了一种基于数字孪生技术的电网规划方法,所述方法包括如下步骤：步骤1：建立基于数字孪生技术的电网规划框架；步骤2：建立基于指标体系的电网规划触发机制；步骤3：建立电网规划模型并利用数字孪生平台求解。本发明构建基于数字孪生的电网规划框架，提出以指标体系为核心的触发机制，建立市场环境下电网规划的模型，利用数字孪生平台进行求解，从而利用数字孪生技术解决目前市场环境下电网规划存在的响应慢、精度差等问题，推动电网规划从按时规划向按需规划转化。

Description

一种基于数字孪生技术的电网规划方法
技术领域
本发明涉及电力规划术领域领域，具体的是一种基于数字孪生技术的电网规划方法。
背景技术
随着电力市场进一步放开，电网运行规划中经济性要素及调控设备种类日益增多，传统以年度为单位的按时规划已经不能适应电网的快速变化，传统规划仿真工具已无法提供频繁数据交互且动态自我更新的高效解决方案。数字孪生具有实时交互、全息复制、闭环反馈的特点，它的出现和应用为解决这一问题提供了新思路。
发明内容
为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于数字孪生技术的电网规划方法。
本发明的目的可以通过以下技术方案实现：
一种基于数字孪生技术的电网规划方法,所述方法包括如下步骤：
步骤1：建立基于数字孪生技术的电网规划框架；
步骤2：建立基于指标体系的电网规划触发机制；
步骤3：建立电网规划模型并利用数字孪生平台求解。
进一步的，所述步骤1中建立得基于数字孪生技术的电网规划框架如下：
基于数字孪生技术的电网规划框架主要分为物理层，感知层，数据层，仿真层和应用层；物理层存在于实际的物理电网中；数据层和仿真层位于孪生电网中。
进一步的，所述步骤二中建立基于指标体系的电网规划触发机制包括如下步骤：
步骤2.1：建立电网规划的触发机制，孪生电网从物理电网中获取数据存储在数据层；
步骤2.2：建立数字孪生环境下的指标体系，建立经济性指标和可靠性指标；
步骤2.3：指标综合评价。
进一步的，所述经济性指标包括：
单位资产输电效益：
Figure BDA0003573226490000021
式中，C1为单位资产输电效益指标，Qy为年输送电量，ptrans为输电价格，F为总资产；
网损率：
Figure BDA0003573226490000022
式中，Qm为机组m年发电总量，M为与高压电网相连的机组台数，Qs为输电网的售电总量；
潮流分布指标：
Figure BDA0003573226490000023
式中，L为待计算线路总数，Pl为线路l通过的潮流，Plmax为线路l的输电能力；
进一步的，所述可靠性指标包括：
阻塞指标：
Figure BDA0003573226490000031
式中，ri为第i节点的节点价格，N为系统节点数。对于运行中的系统，上式是根据历史数据进行计算得到阻塞指标；
评价体系还需要对未来阻塞情况进行市场模拟，并得到未来的阻塞指标C″4，同由历史数据得到的C′4进行组合，
C″4根据下式进行计算：
Figure BDA0003573226490000032
式中，E(ri)为每个节点由市场模拟得到的阻塞价格期望值；
按下式将C′4和C″4进行组合得到最终的阻塞指标C4：
C4＝γ1C′4+γ2C″4 (6)
式中，γ1、γ2为权重系数，根据实际情况进行取值和调整。其中对未来情况的市场模拟利用蒙特卡洛方法进行；
电量不足期望值：
Figure BDA0003573226490000033
式中，S是所有可能发生负荷削减的系统状态集合，ps是系统状态s发生的概率；Pcs是系统状态s下的切负荷量；T为时间长度，一般按年计算；对于电量不足期望值的获取采用蒙特卡洛模拟的方法进行；
新能源装机占比：
Figure BDA0003573226490000034
式中，C6是新能源装机占总装机容量的比值；Mk是新能源装机容量；Ml是系统总装机容量。
进一步的，所述步骤3中建立电网规划模型并利用数字孪生平台求解按以下方法进行：
步骤3.1：建立电网规划模型：
Figure BDA0003573226490000041
s.t.
Figure BDA0003573226490000042
Figure BDA0003573226490000043
Figure BDA0003573226490000044
Figure BDA0003573226490000045
Figure BDA0003573226490000046
Figure BDA0003573226490000047
式中，
Figure BDA0003573226490000048
为0-1变量，节点i与节点j之间的第k条线路存在或建立取1，反之取0；
Figure BDA0003573226490000049
为网络初始线路条数，当节点i与节点j之间存在1条初始线路
Figure BDA00035732264900000410
取1，
Figure BDA00035732264900000411
为节点i与节点j之间的第k条线路的建设成本；Pgi为与节点i连接的所有发电机的出力之和，Pdi为与节点i连接的所有负荷之和；Pgimax、Pgimin分别为发电机出力上下限；
Figure BDA00035732264900000412
为节点i与节点j之间的第k条线路的潮流；
Figure BDA00035732264900000413
为节点i与节点j之间的第k条线路的容量上限；xij为节点i与节点j之间的电抗值；M为线性化算子，一般取较大的整数；SL为所有线路集合；SN为所有节点集合；式(10)是节点平衡约束；式(11)与式(12)对模型做线性化处理，式(13)是线路容量约束；当线路选择不建设，即
Figure BDA00035732264900000414
为0，式(13)将线路潮流约束为0；当线路选择建设，即
Figure BDA00035732264900000415
为1，式(11)与式(12)右边项为0，将得到线路潮流的等式约束；式(14)为发电机容量约束；
步骤3.2：由于触发机制中的指标不同，导致触发机制被激活的原因也不尽相同，考虑触发机制的激活是由于阻塞指标超过相关阈值，因此对式(9)进行修改：
Figure BDA00035732264900000416
式中，αcong为阻塞指标影响系数，C4为阻塞指标的取值，βij为线路加权系数，Pij为线路潮流。βij的取值原则为，当线路ij的剩余容量越大，βij越小；
步骤3.3：基于数字孪生技术的电网规划求解步骤；
步骤3.4：利用数字孪生平台进行求解。
进一步的，所述步骤3.3中基于数字孪生技术的电网规划求解步骤为：
步骤3.3.1：从物理电网中获取数据，获取的数据包括电网设备参数、电源设备参数、负荷参数、电网运行数据以及地理信息等；
步骤3.3.2：利用获取的数据对未来电网进行预测，并根据预测结果进行电网规划评价指标的计算，评价体系包括经济性评价和可靠性评价:；
步骤3.3.3：根据得到的指标判断是否满足电网规划的触发条件，如果满足触发条件则进行孪生电网中电网规划的计算，当满足条件时停止，将结果反馈至物理电网，供现场工程人员参考。
进一步的，所述步骤3.4中利用数字孪生平台进行求解的方法为：
步骤3.4.1：建立Azure数字孪生实例，依据数字孪生语言(Digital TwinsDefinition Language)构建电网规划的线路、发电机、负荷、节点等模型并实例化；
步骤3.4.2：建立在IoT中心中构建相应设备，通过传感器接受实际物理设备的遥测；
步骤3.4.3：利用Azure事件系统(Azure Event Hub)触发Azure函数(AzureFunctions)，接受上游的遥测数据并更新数字孪生体；
步骤3.4.4：基于Azure Function根据Digital Twins中各孪生体的参数判断是否满足触发机制并进行电网规划的相关计算，将结果反馈至IoT中心，与实际物理设备交互。
本发明的有益效果：
本发明构建基于数字孪生的电网规划框架，提出以指标体系为核心的触发机制，建立市场环境下电网规划的模型，利用数字孪生平台进行求解，从而利用数字孪生技术解决目前市场环境下电网规划存在的响应慢、精度差等问题，推动电网规划从按时规划向按需规划转化。
附图说明
下面结合附图对本发明作进一步的说明。
图1是基于数字孪生的电网规划框架示意图；
图2是电网规划的触发机制示意图；
图3是基于数字孪生的电网规划步骤；
图4是基于Azure数字孪生平台的电网规划实现逻辑；
图5是基于Azure平台的电网规划结果。
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。
如图1-图5所示，一种基于数字孪生技术的电网规划方法,其特征在于，所述方法包括如下步骤：
步骤1：建立基于数字孪生技术的电网规划框架；
基于数字孪生的电网规划框架是由物理电网、孪生电网以及交互通道组成的框架结构。
附图1是基于数字孪生的电网规划框架示意图，框架主要分为物理层，感知层，数据层，仿真层和应用层。物理层存在于实际的物理电网中，反映物理实体，电网元件的链接关系以及提供物理元素标准化的数据接口。数据层和仿真层位于孪生电网中，数据层对传输得到的信息做预处理，为仿真层提供数据支撑。以指标体系为核心的电网规划触发机制将作为数据层与仿真层之间的开关，当指标达到设定的阈值时将会连通数据层与仿真层，仿真层根据数据层的数据进行预测和推演，并进行规划。感知层与应用层是连接物理电网与孪生电网的桥梁，实现物理电网与孪生电网的交互。
基于数字孪生的电网规划有以下三个特征：
(1)全息复制：基于物理电网中装备的海量传感器，对物理电网的各项参数进行识别，并在数字世界中构建与物理电网完全一样的孪生电网。孪生电网能够对物理电网的状态进行充分感知、动态监测，从而实现全息数字化描述和精准信息表达。
(2)实时交互：在数字世界中，基于全息复制的虚拟映像，使得电网线路、节点、电源和负荷等信息实时反映在孪生电网中，孪生电网可实现对电网规划的建模仿真、算法求解。同时由虚入实，实时将孪生电网中的模拟结果反馈到物理电网，指导物理电网的规划，形成虚实融合、虚实协同的孪生交互复杂系统。
(3)闭环反馈：区别于常规的仿真软件只有仿真过程，基于数字孪生的电网规划框架从物理世界的数据获取、传输、转换到数字世界的数据处理、模型仿真、算法求解再到结果反馈、精准规划到物理世界，形成了信息的闭环流通。
步骤2：建立基于指标体系的电网规划触发机制；
步骤2.1：建立电网规划的触发机制；
在基于数字孪生的电网规划框架中，作为数据层与仿真层之间的“开关”，触发机制在数字世界中起着举足轻重的作用。传统的电网规划是“按时规划”，定期开展规划工作，包括历史资料收集，规划工作开展，规划结果更新等环节，投入大、耗时长。因此，在此电网规划框架下提出触发机制作为仿真层与数据层之间的关键环节。触发机制的提出是为了加快孪生电网和物理电网的反馈速度，显著区别于传统以年度为单位的按时规划，实现按需规划，提升电网规划效率。
附图2是电网规划的触发机制示意图，孪生电网从物理电网中获取数据存储在数据层。触发机制会根据数据层中的数据进行指标提取，并对未来电网的相关数据进行预测。依据构建的指标体系，计算未来电网的相关指标，并通过经济性、可靠性等指标判断电网是否需要进行新一轮的规划。根据历史数据与人为经验设定指标阈值，当指标体系中相关指标超过阈值则打开数据层与仿真层之间的“开关”，进行电网规划，并将结果反馈至物理电网；若指标未达相关阈值，则由数据层不断从物理电网中获取数据并更新指标。通过触发机制的建立，能够将传统电网“按时规划”改进为数字孪生框架下的“按需规划”，大大提高规划效率，降低资源消耗。
步骤2.2：建立数字孪生环境下的指标体系；
1)经济性指标
单位资产输电效益：单位资产输电效益指的是每一单位的资产能够带来的效益，是衡量电网企业投入产出效率的经济性指标。若该指标过低，表明现有电网投入产出效率低下，主体可以考虑对电网进行重新规划，以提升单位资产输电效益。该指标按下式进行计算：
Figure BDA0003573226490000081
式中，C1为单位资产输电效益指标，Qy为年输送电量，ptrans为输电价格，F为总资产；
网损率：网损率是电力传输过程中的损耗占总电量的比重，是衡量电网经济运行的重要指标。网损率按照下式进行计算：
Figure BDA0003573226490000091
式中，Qm为机组m年发电总量，M为与高压电网相连的机组台数，Qs为输电网的售电总量；
潮流分布指标：潮流分布指标是线路输电能力与线路潮流绝对值之差占该输电能力比例的平均数。指标反映了电网潮流分布的合理性和协调性。该指标按下式进行计算：
Figure BDA0003573226490000092
式中，L为待计算线路总数，Pl为线路l通过的潮流，Plmax为线路l的输电能力；
2)可靠性指标
阻塞指标：输电线路能否在限制范围内传输电能是电网最基础的要求。而在市场环境下，潮流的分布将会受发用侧报价的影响，由市场出清结果得到的系统节点价格能够衡量输电线路的阻塞情况。因此，提出基于节点价格的阻塞指标，利用节点价格的标准差作为衡量系统阻塞严重程度的指标，按照下式进行计算：
Figure BDA0003573226490000093
式中，ri为第i节点的节点价格，N为系统节点数。对于运行中的系统，上式是根据历史数据进行计算得到阻塞指标；
评价体系还需要对未来阻塞情况进行市场模拟，并得到未来的阻塞指标C″4，同由历史数据得到的C′4进行组合，
C″4根据下式进行计算：
Figure BDA0003573226490000101
式中，E(ri)为每个节点由市场模拟得到的阻塞价格期望值；
按下式将C′4和C″4进行组合得到最终的阻塞指标C4：
C4＝γ1C′4+γ2C″4 (6)
式中，γ1、γ2为权重系数，根据实际情况进行取值和调整。其中对未来情况的市场模拟利用蒙特卡洛方法进行；
电量不足期望值：电量不足期望是系统在一段时间内因为供电不足引起的负荷停电损失电量的平均值。电力不足期望值按照下式进行计算：
Figure BDA0003573226490000102
式中，S是所有可能发生负荷削减的系统状态集合，ps是系统状态s发生的概率；Pcs是系统状态s下的切负荷量；T为时间长度，一般按年计算；对于电量不足期望值的获取采用蒙特卡洛模拟的方法进行；
新能源装机占比：当新能源发电比重超过一定比例时，原有电网结构对清洁能源的消纳与抗风险能力将会下降，此时需要及时进行新一轮的电网规划来保证新能源消纳以及电网的可靠运行。为此，在电网规划评价体系中提出新能源装机占比指标，具体计算方法见下式：
Figure BDA0003573226490000103
式中，C6是新能源装机占总装机容量的比值；Mk是新能源装机容量；Ml是系统总装机容量。
步骤2.3：指标综合评价；
目前用于综合评价的方法主要有模糊综合评判法、包络法、层次分析法、熵权法等。层次分析法可以充分利用专家经验，对指标体系进行权重排序，但此种方法具有较高的主观性，结果并不具有客观说服力。而熵权法是利用了原始数据的信息，根据指标所包含的信息量的多少确定权重的方法，是一种客观赋权法。本发明方法将两种评价方法进行结合进行评价。
步骤3：建立电网规划模型并利用数字孪生平台求解。
步骤3.1：建立电网规划模型：
在由触发机制作为的“开关”打开后，仿真层需要根据数据层的数据以及仿真模型进行电网的规划。电网规划模型通常以线路成本最小为目标，考虑相关的约束进行建模。
Figure BDA0003573226490000111
s.t.
Figure BDA0003573226490000112
Figure BDA0003573226490000113
Figure BDA0003573226490000114
Figure BDA0003573226490000115
Figure BDA0003573226490000116
Figure BDA0003573226490000117
式中，
Figure BDA0003573226490000118
为0-1变量，节点i与节点j之间的第k条线路存在或建立取1，反之取0；
Figure BDA0003573226490000119
为网络初始线路条数，当节点i与节点j之间存在1条初始线路
Figure BDA00035732264900001110
取1，
Figure BDA00035732264900001111
为节点i与节点j之间的第k条线路的建设成本；Pgi为与节点i连接的所有发电机的出力之和，Pdi为与节点i连接的所有负荷之和；Pgimax、Pgimin分别为发电机出力上下限；
Figure BDA00035732264900001112
为节点i与节点j之间的第k条线路的潮流；
Figure BDA00035732264900001113
为节点i与节点j之间的第k条线路的容量上限；xij为节点i与节点j之间的电抗值；M为线性化算子，一般取较大的整数；SL为所有线路集合；SN为所有节点集合；式(10)是节点平衡约束；式(11)与式(12)对模型做线性化处理，式(13)是线路容量约束；当线路选择不建设，即
Figure BDA0003573226490000121
为0，式(13)将线路潮流约束为0；当线路选择建设，即
Figure BDA0003573226490000122
为1，式(11)与式(12)右边项为0，将得到线路潮流的等式约束；式(14)为发电机容量约束；
步骤3.2：由于触发机制中的指标不同，导致触发机制被激活的原因也不尽相同，考虑触发机制的激活是由于阻塞指标超过相关阈值，因此对式(9)进行修改：
Figure BDA0003573226490000123
式中，αcong为阻塞指标影响系数，C4为阻塞指标的取值，βij为线路加权系数，Pij为线路潮流。βij的取值原则为，当线路ij的剩余容量越大，βij越小；
步骤3.3：基于数字孪生技术的电网规划求解步骤，见附图3；
步骤3.3.1：从物理电网中获取数据，获取的数据包括电网设备参数、电源设备参数、负荷参数、电网运行数据以及地理信息等；
步骤3.3.2：利用获取的数据对未来电网进行预测，并根据预测结果进行电网规划评价指标的计算，评价体系包括经济性评价和可靠性评价:；
步骤3.3.3：根据得到的指标判断是否满足电网规划的触发条件，如果满足触发条件则进行孪生电网中电网规划的计算，当满足条件时停止，将结果反馈至物理电网，供现场工程人员参考。
步骤3.4：利用数字孪生平台进行求解；
Azure数字孪生是微软推出的一个服务型平台，可用于创建基于整个环境的数字模型的知识图谱。Azure数字孪生平台给出了一套系统的解决方案。利用平台的优势在于可以创建整个环境的综合数字模型，并且跟踪任意联网环境的过去并预测和模拟未来，同时能够打破联网环境中的孤岛现象，克服了以往的仿真软件不能够与物理世界交互的缺点，形成闭环反馈。本发明利用Azure数字孪生平台进行基于数字孪生的电网规划框架的验证，总体实现逻辑见附图4。
步骤3.4.1：建立Azure数字孪生实例，依据数字孪生语言(Digital TwinsDefinition Language)构建电网规划的线路、发电机、负荷、节点等模型并实例化；
步骤3.4.2：建立在IoT中心中构建相应设备，通过传感器接受实际物理设备的遥测；
步骤3.4.3：利用Azure事件系统(Azure Event Hub)触发Azure函数(AzureFunctions)，接受上游的遥测数据并更新数字孪生体；
步骤3.4.4：基于Azure Function根据Digital Twins中各孪生体的参数判断是否满足触发机制并进行电网规划的相关计算，将结果反馈至IoT中心，与实际物理设备交互。
利用Azure平台对Garver-6节点系统进行求解，结果见附图5。
对于Garver-6节点系统规划结果新建线路2-3(2)，2-6(2)，3-5(1)，4-6(2)。
根据计算，实际共新建线路7条，总造价为180万元。通过本申请中提出的一种基于数字孪生技术的电网规划方法，在按需规划中提前触发了规划，分两段计算第二年的阻塞盈余为51.96万元。而按时规划结果为新建线路2-6(2)，3-5(2)，4-6(2)，共新建6条新线路，总造价为160万元，52.73万元。按需规划考虑市场的影响，以增加建设成本的方式换取了阻塞的缓解，并且规划能够提前实施，在应对系统趋势性变化上更具优势。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (8)

1.一种基于数字孪生技术的电网规划方法,其特征在于，所述方法包括如下步骤：
步骤1：建立基于数字孪生技术的电网规划框架；
步骤2：建立基于指标体系的电网规划触发机制；
步骤3：建立电网规划模型并利用数字孪生平台求解。
2.根据权利要求1所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述步骤1中建立得基于数字孪生技术的电网规划框架如下：
基于数字孪生技术的电网规划框架主要分为物理层，感知层，数据层，仿真层和应用层；物理层存在于实际的物理电网中；数据层和仿真层位于孪生电网中。
3.根据权利要求1所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述步骤二中建立基于指标体系的电网规划触发机制包括如下步骤：
步骤2.1：建立电网规划的触发机制，孪生电网从物理电网中获取数据存储在数据层；
步骤2.2：建立数字孪生环境下的指标体系，建立经济性指标和可靠性指标；
步骤2.3：指标综合评价。
4.根据权利要求3所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述经济性指标包括：
单位资产输电效益：
Figure FDA0003573226480000011
式中，C1为单位资产输电效益指标，Qy为年输送电量，ptrans为输电价格，F为总资产；
网损率：
Figure FDA0003573226480000021
式中，Qm为机组m年发电总量，M为与高压电网相连的机组台数，Qs为输电网的售电总量；
潮流分布指标：
Figure FDA0003573226480000022
式中，L为待计算线路总数，Pl为线路l通过的潮流，Plmax为线路l的输电能力。
5.根据权利要求3所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述可靠性指标包括：
阻塞指标：
Figure FDA0003573226480000023
式中，ri为第i节点的节点价格，N为系统节点数。对于运行中的系统，上式是根据历史数据进行计算得到阻塞指标；
评价体系还需要对未来阻塞情况进行市场模拟，并得到未来的阻塞指标C″4，同由历史数据得到的C′4进行组合，
C″4根据下式进行计算：
Figure FDA0003573226480000024
式中，E(ri)为每个节点由市场模拟得到的阻塞价格期望值；
按下式将C′4和C″4进行组合得到最终的阻塞指标C4：
C4＝γ1C′4+γ2C″4 (6)
式中，γ1、γ2为权重系数，根据实际情况进行取值和调整。其中对未来情况的市场模拟利用蒙特卡洛方法进行；
电量不足期望值：
Figure FDA0003573226480000031
式中，S是所有可能发生负荷削减的系统状态集合，ps是系统状态s发生的概率；Pcs是系统状态s下的切负荷量；T为时间长度，一般按年计算；对于电量不足期望值的获取采用蒙特卡洛模拟的方法进行；
新能源装机占比：
Figure FDA0003573226480000032
式中，C6是新能源装机占总装机容量的比值；Mk是新能源装机容量；Ml是系统总装机容量。
6.根据权利要求1所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述步骤3中建立电网规划模型并利用数字孪生平台求解按以下方法进行：
步骤3.1：建立电网规划模型：
Figure FDA0003573226480000033
s.t.
Figure FDA0003573226480000034
Figure FDA0003573226480000035
Figure FDA0003573226480000036
Figure FDA0003573226480000037
Figure FDA0003573226480000038
Figure FDA0003573226480000039
式中，
Figure FDA00035732264800000310
为0-1变量，节点i与节点j之间的第k条线路存在或建立取1，反之取0；
Figure FDA00035732264800000311
为网络初始线路条数，当节点i与节点j之间存在1条初始线路
Figure FDA00035732264800000312
取1，
Figure FDA0003573226480000041
为节点i与节点j之间的第k条线路的建设成本；Pgi为与节点i连接的所有发电机的出力之和，Pdi为与节点i连接的所有负荷之和；Pgimax、Pgimin分别为发电机出力上下限；
Figure FDA0003573226480000042
为节点i与节点j之间的第k条线路的潮流；
Figure FDA0003573226480000043
为节点i与节点j之间的第k条线路的容量上限；xij为节点i与节点j之间的电抗值；M为线性化算子，一般取较大的整数；SL为所有线路集合；SN为所有节点集合；式(10)是节点平衡约束；式(11)与式(12)对模型做线性化处理，式(13)是线路容量约束；当线路选择不建设，即
Figure FDA0003573226480000044
为0，式(13)将线路潮流约束为0；当线路选择建设，即
Figure FDA0003573226480000045
为1，式(11)与式(12)右边项为0，将得到线路潮流的等式约束；式(14)为发电机容量约束；
步骤3.2：由于触发机制中的指标不同，导致触发机制被激活的原因也不尽相同，考虑触发机制的激活是由于阻塞指标超过相关阈值，因此对式(9)进行修改：
Figure FDA0003573226480000046
式中，αcong为阻塞指标影响系数，C4为阻塞指标的取值，βij为线路加权系数，Pij为线路潮流。βij的取值原则为，当线路ij的剩余容量越大，βij越小；
步骤3.3：基于数字孪生技术的电网规划求解步骤；
步骤3.4：利用数字孪生平台进行求解。
7.根据权利要求6所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述步骤3.3中基于数字孪生技术的电网规划求解步骤为：
步骤3.3.1：从物理电网中获取数据，获取的数据包括电网设备参数、电源设备参数、负荷参数、电网运行数据以及地理信息等；
步骤3.3.2：利用获取的数据对未来电网进行预测，并根据预测结果进行电网规划评价指标的计算，评价体系包括经济性评价和可靠性评价:；
步骤3.3.3：根据得到的指标判断是否满足电网规划的触发条件，如果满足触发条件则进行孪生电网中电网规划的计算，当满足条件时停止，将结果反馈至物理电网，供现场工程人员参考。
8.根据权利要求6所述的一种基于数字孪生技术的电网规划方法，其特征在于，所述步骤3.4中利用数字孪生平台进行求解的方法为：
步骤3.4.1：建立Azure数字孪生实例，依据数字孪生语言(Digital Twins DefinitionLanguage)构建电网规划的线路、发电机、负荷、节点等模型并实例化；
步骤3.4.2：建立在IoT中心中构建相应设备，通过传感器接受实际物理设备的遥测；
步骤3.4.3：利用Azure事件系统(Azure Event Hub)触发Azure函数(AzureFunctions)，接受上游的遥测数据并更新数字孪生体；
步骤3.4.4：基于Azure Function根据Digital Twins中各孪生体的参数判断是否满足触发机制并进行电网规划的相关计算，将结果反馈至IoT中心，与实际物理设备交互。
CN202210331472.XA 2022-03-30 2022-03-30 一种基于数字孪生技术的电网规划方法 Pending CN114693122A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210331472.XA CN114693122A (zh) 2022-03-30 2022-03-30 一种基于数字孪生技术的电网规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210331472.XA CN114693122A (zh) 2022-03-30 2022-03-30 一种基于数字孪生技术的电网规划方法

Publications (1)

Publication Number Publication Date
CN114693122A true CN114693122A (zh) 2022-07-01

Family

ID=82141322

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210331472.XA Pending CN114693122A (zh) 2022-03-30 2022-03-30 一种基于数字孪生技术的电网规划方法

Country Status (1)

Country Link
CN (1) CN114693122A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115390827A (zh) * 2022-10-28 2022-11-25 中国电力科学研究院有限公司 一种支撑调试运行的电网数字孪生体构建方法及平台
CN115549078A (zh) * 2022-10-12 2022-12-30 国网山西省电力公司 一种基于数字孪生的电网整合规划方法
CN117374946A (zh) * 2023-10-16 2024-01-09 国网江苏省电力有限公司南通供电分公司 一种基于消纳能力评估的配电网调度管理方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115549078A (zh) * 2022-10-12 2022-12-30 国网山西省电力公司 一种基于数字孪生的电网整合规划方法
CN115549078B (zh) * 2022-10-12 2023-08-11 国网山西省电力公司 一种基于数字孪生的电网整合规划方法
CN115390827A (zh) * 2022-10-28 2022-11-25 中国电力科学研究院有限公司 一种支撑调试运行的电网数字孪生体构建方法及平台
CN117374946A (zh) * 2023-10-16 2024-01-09 国网江苏省电力有限公司南通供电分公司 一种基于消纳能力评估的配电网调度管理方法及系统

Similar Documents

Publication Publication Date Title
WO2021238505A1 (zh) 基于联邦学习的区域光伏功率概率预测方法及协同调控系统
Singh et al. Short term load forecasting using artificial neural network
Jiang et al. Runoff forecast uncertainty considered load adjustment model of cascade hydropower stations and its application
CN114693122A (zh) 一种基于数字孪生技术的电网规划方法
Jacobs et al. SOCRATES: A system for scheduling hydroelectric generation under uncertainty
CN109272245A (zh) 梯级水电站泄洪闸门开度实时自动分配方法及系统
CN108388962B (zh) 一种风电功率预测系统及方法
CN102063563B (zh) 网省地一体化的母线负荷预测方法
CN108122068A (zh) 一种配电网风险规划方法及系统
CN108596449A (zh) 一种考虑天气对配电网故障概率影响的配电网可靠性预测方法
CN101888087A (zh) 一种在配网终端中实现分布式超短期区域负荷预测的方法
CN103904695B (zh) 一种基于mcs-pso的临近海岛多微网动态调度方法
Ding et al. Optimal dispatching strategy for user-side integrated energy system considering multiservice of energy storage
Huang et al. A control strategy based on deep reinforcement learning under the combined wind-solar storage system
CN110543696B (zh) 一种未建模小机组参与电力市场出清和安全校核的方法
CN112290536A (zh) 基于近端策略优化的电-热综合能源系统在线调度方法
CN110210679A (zh) 一种应用于县级配电网规划的负荷预测系统
CN105654224A (zh) 一种计及风电不确定性的省级电网月度购电风险管理方法
Yilmaz Real measure of a transmission line data with load fore-cast model for the future
Nammouchi et al. Integration of AI, IoT and edge-computing for smart microgrid energy management
Kim et al. Economical energy storage systems scheduling based on load forecasting using deep learning
CN106548266A (zh) 一种考虑水火电协调的机组运行方式决策方法
CN106096779A (zh) 一种输配电成本分析、风险评估模型及风险结构优化方法
CN103886514B (zh) 一种考虑经济性与安全性的电网发展评估方法
CN115689375A (zh) 虚拟电厂运行控制方法、装置、设备及介质

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