CN115081951A - 基于模糊综合评判的风电并网系统电能质量评估方法 - Google Patents

基于模糊综合评判的风电并网系统电能质量评估方法 Download PDF

Info

Publication number
CN115081951A
CN115081951A CN202210897554.0A CN202210897554A CN115081951A CN 115081951 A CN115081951 A CN 115081951A CN 202210897554 A CN202210897554 A CN 202210897554A CN 115081951 A CN115081951 A CN 115081951A
Authority
CN
China
Prior art keywords
evaluation
wind power
power grid
quality
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
CN202210897554.0A
Other languages
English (en)
Inventor
戴剑丰
王子博
周霞
赵玉林
周航
王余阳
李蓝青
周吉
钱俊良
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.)
Liyang Research Institute of Southeast University
Original Assignee
Liyang Research Institute of 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 Liyang Research Institute of Southeast University filed Critical Liyang Research Institute of Southeast University
Priority to CN202210897554.0A priority Critical patent/CN115081951A/zh
Publication of CN115081951A publication Critical patent/CN115081951A/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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明公开了一种基于模糊综合评判的风电并网系统电能质量评估方法，首先，选取风电并网系统电能质量的评价指标；运用层次分析法和熵权法分别求得主、客观权重，并组合成综合权重来确定指标权重，融合两类权重优势，减少单一主、客观权重对指标造成权值偏差；再针对因素集以及评语集构建对应Gauss型隶属函数，计算得到模糊综合评判矩阵；使用模糊综合算子综合计算综合权重和模糊综合评判矩阵得到风电并网系统电能质量评估结果。本方法基于模糊综合评判方法对风电并网系统电能质量进行量化评估，从而对风电并网系统的电网电能质量问题量化评估，高效准确，更加符合实际需求。

Description

基于模糊综合评判的风电并网系统电能质量评估方法
技术领域
本发明属于电能质量评估的技术领域，主要涉及了一种基于模糊综合评判的风电并网系统电能质量评估方法。
背景技术
为了应对气候环境变化的挑战，许多国家开始大力发展清洁能源。作为清洁能源中最具代表性的风电已经成为世界各地最清洁的、最具有成本竞争力的主流能源。风电作为一种输出不可控、难以预测的资源，大规模风电并入电网可能对电力系统电能质量产生严重影响，针对风电并网电能质量的研究的重要性也日益凸显。
目前主成分分析法、基于层次分析法的电能质量综合评估方法等电能质量评价方法已应运而生，然而由于风力发电自身特性的问题，这些方法应用于风电并网系统电能质量评估时均存在待完善的地方，如主成分分析法较为单一，易忽视指标自身的相对重要性，而基于层次分析法的评估方法由于依靠专家评分，客观性不强。虽然改进的灰色关联投影法、基于突变决策的综合评估法、主客观变异系数组合赋权综合评估法、加权秩和比法的电能质量综合评估在进行分布式能源并网电能质量评估上具有较好效果，但是由于评估指标采用通用评估指标，未根据评估对象特性选取对应指标，会导致评估结果不够贴合大规模风电并网系统实际情况。因而，如何设计出一种高效可靠且适用于大规模风电并网系统的电能质量评估方法，就变得日益迫切。
发明内容
本发明正是针对现有技术中的问题，提供一种基于模糊综合评判的风电并网系统电能质量评估方法，首先，选取风电并网系统电能质量的评价指标；运用层次分析法和熵权法分别求得主、客观权重，并组合成综合权重来确定指标权重，融合两类权重优势，减少单一主、客观权重对指标造成权值偏差；再针对因素集以及评语集构建对应Gauss型隶属函数，计算得到模糊综合评判矩阵；使用模糊综合算子综合计算综合权重和模糊综合评判矩阵得到风电并网系统电能质量评估结果。本方法基于模糊综合评判方法对风电并网系统电能质量进行量化评估，从而对风电并网系统的电网电能质量问题量化评估，高效准确，更加符合实际需求。
为了实现上述目的，本发明采取的技术方案是：基于模糊综合评判的风电并网系统电能质量评估方法，包括如下步骤：
S1，确定质量评估的因素集U：监测主要变电站母线节点电能质量，记录电能质量数据，选取风电并网系统电能质量的评价指标，构成质量评估的因素集U；
S2，计算评价指标的客观权重：所述评价指标的客观权重
Figure 398692DEST_PATH_IMAGE001
通过熵权法计算获得，对风电并网系统电能质量评价指标数据矩阵X进行处理得到评价指标矩阵Y，进行标准化处理后，通过求取各风电并网电能质量评价指标的信息熵
Figure 940532DEST_PATH_IMAGE002
来计算每个风电并网电能质量评价指标的信息熵权重
Figure 111750DEST_PATH_IMAGE003
，得到评价指标客观权重
Figure 348828DEST_PATH_IMAGE001
，所述指标数据处理方法以及评价指标的客观权重具体为：
Figure 591590DEST_PATH_IMAGE004
其中：n为风电并网电能质量评价指标个数;m为评价对象个数;
Figure 660040DEST_PATH_IMAGE005
为第i个评价对象的第j个风电并网电能质量评价指标的实测值;
Figure 205422DEST_PATH_IMAGE006
分别为第j个电能质量评价指标不同评价对象的最大与最小值；
Figure 320009DEST_PATH_IMAGE007
为第i个评价对象的第j个风电并网电能质量评价指标的处理后的标准化数据值；
S3，计算评价指标的主观权重
Figure 701881DEST_PATH_IMAGE008
：所述主观权重
Figure 218313DEST_PATH_IMAGE008
通过层次分析法计算获得，根据对风电并网系统电能质量评价指标在实际应用中的重要性程度进行评估量化，计算主观权重
Figure 731334DEST_PATH_IMAGE008
；
S4，综合权重融合：将步骤S2获得的客观权重及步骤S3获得的主观权重进行融合，有效抵制权值偏差：
Figure 943003DEST_PATH_IMAGE009
;
其中：
Figure 199672DEST_PATH_IMAGE010
为综合权重集，
Figure 305032DEST_PATH_IMAGE011
为第j个风电并网电能质量评价指标权重值；
S5，评语集V建立：将电能质量划分为5个不同的等级，构成五级模糊评语集V：V={V 1（电能质量好），V 2（电能质量较好），V 3（电能质量一般），V 4（电能质量较差），V 5（电能质量差）}
S6，Gauss型隶属函数构建：针对步骤S1获得的因素集U以及步骤S5建立的评语集V构建对应Gauss型隶属函数，计算得到模糊综合评判矩阵，所述Gauss型隶属函数
Figure 192216DEST_PATH_IMAGE012
具体为：
Figure 687920DEST_PATH_IMAGE013
其中：
Figure 810596DEST_PATH_IMAGE014
为风电并网系统电能质量评价指标，
Figure 911408DEST_PATH_IMAGE015
为自然对数；
Figure 94127DEST_PATH_IMAGE016
是参数；
将评判指标矩阵
Figure 342706DEST_PATH_IMAGE017
中的指标
Figure 875931DEST_PATH_IMAGE018
分别代入到5个评判等级的隶属函数中，得到其评判矩阵
Figure 955882DEST_PATH_IMAGE019
如下：
Figure 247187DEST_PATH_IMAGE020
其中：
Figure 451903DEST_PATH_IMAGE021
是指标对评判等级
Figure 791749DEST_PATH_IMAGE022
的隶属程度；k指第K个评判等级；
S7，质量评估体系计算：根据平均加权的原则采用
Figure 398310DEST_PATH_IMAGE023
算子，结合综合权重，得到大规模风电并网系统电能质量评估体系的总体评估：
Figure 922833DEST_PATH_IMAGE025
其中：
Figure 880424DEST_PATH_IMAGE026
为第i个评价对象的第j个风电并网电能质量评价指标的隶属度集；
Figure 23961DEST_PATH_IMAGE028
是表示每个电能质量指标相对评语
Figure 78505DEST_PATH_IMAGE029
的隶属度；
S8,质量评估结果输出：根据步骤S7计算获得的质量评估体系结果，量化计算综合评估结果：
Figure 649294DEST_PATH_IMAGE030
其中：
Figure 156499DEST_PATH_IMAGE031
为第i个评价对象的电能质量得分；根据计算得到电能质量评估结果和风电并网电能质量评估结果量化分级区间对应，得到大规模风电并网系统电能质量优劣评语。
与现有主成分分析法、基于层次分析法的电能质量综合评估方法等电能质量评价方法相比，本发明能够有效获得各个指标主客观权重，评价结果更为客观，且通过综合权重能够直观的体现出大规模风电并网对电网电能质量指标的影响，有助于采取对应措施提升电网电能质量。通常电能质量评估采用通用评估指标，未根据评估对象特性选取对应指标，会导致评估结果不够贴合大规模风电并网系统实际情况。本发明根据大规模风电并网系统特性选取电能质量评价指标，能够对大规模风电并网系统电能质量做出准确的、符合实际情况的评估，对提高大规模风电并网系统电能质量具有一定参考价值。
附图说明
图1是本发明基于模糊综合评判的风电并网系统电能质量评估方法的流程示意图；
图2是传统电能质量评价指标示意图；
图3是本发明质量评估方法步骤S1确定的风电并网系统电能质量评价指标示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
实施例1
一种基于模糊综合评判的风电并网系统电能质量评估方法，如图1所示，包括以下步骤：
步骤S1，确定质量评估的因素集U：
监测大规模风电场主要变电站母线节点电能质量，记录电能质量数据。通过分析风电机组运行特性以及大规模风电场并网特点，选取大规模风电并网系统电能质量的评价指标。如图2所示，传统电能质量指标主要包括频率、电压和波形三个指标，其中电压指标又分为电压偏差、电压波动、电压闪变、电压暂降与短时中断、三相不平衡中几种情况，波形指标包括波形畸变和谐波，接着结合电能质量评价指标与大规模风电并网系统特点进行分析。电能质量评价指标种类多，且各指标数据计算流程复杂繁琐，因此本实例结合风电机组运行特性以及风电场并网特点，选取风电并网系统电能质量的评价指标。通过分析，得到如下的评估指标：
1）电压偏差
导致电压偏差问题的主要原因是系统无功功率的不平衡。风机启动时会从电网吸收大量的无功功率，且在并网的瞬间会出现冲击电流，风电场运行过程中也会消耗一部分无功功率，这些都会导致电网电压降低。电压偏差过大会对电气设备和电力系统造成危害，电气设备可能由于过电压或者过电流而损坏，当系统运行电压低于额定电压，输电线路的功率极限大幅度较低，会造成系统频率不稳定，因此需要对风电并网点处的电压偏差进行评估。
2）电压波动与电压闪变
风力资源的波动性及风电机组的固有特性可能导致电网电压波动，进而出现电压闪变现象。在风力发电过程中，风速和湍流强度对并网风电场的电压波动具有较大影响。风电场并网运行时，风力变化会引起机组输出功率变化，由于出口电压一定，会出现有功电流和无功电流变化，最终导致电压的波动和闪变问题。电压波动和闪变问题不仅会出现在持续运行过程中，也会发生在启动、停止和切机阶段。电压波动以及电压闪变会加速设备绝缘的老化，缩短设备寿命，增加电网损耗，不利于电网安全运行。
3）谐波
风力发电机组自身产生的谐波很小可以忽略不计，但由于风电机组并网运行过程需要电力电子器件的参与，接入电力电子器件之类的非线性设备会带来的较严重的谐波问题。且机组中用来补偿机组功率因数而并联的补偿电容器可能与系统电抗发生谐振，从而加剧谐波问题。谐波会导致输电线路损耗、用电设备过热、附加损耗增加，降低设备的效率和耐久。
4）三相不平衡
若风电场并网运行过程中出现三相电压不平衡的现象，会导致运行中的风机出现系统过流，不对称运行等问题。过高的某一相的电压会加速风机磨损，致使风机使用寿命缩短。此外还会加剧风机铁芯发热情况，损害其绝缘水平，甚至会导致电机出现烧毁、击穿等故障。因此在评估风电并网的电能质量问题时，考虑风电并网后的三相不平衡问题是十分必要的。
随着并网技术的进步，对于如波形失真、频率偏移、电磁暂态等电能质量问题得到了较好控制，在风电并网过程中出现概率较低，因此不予考虑。
综上选取电压偏差、电压波动、电压闪变、谐波、三相不平衡五项作为大规模风电并网系统电能质量的评价指标，即如图3所示。这五项大规模风电并网系统电能质量评价指标构成因素集U。
步骤S2,计算评价指标的客观权重
Figure 903394DEST_PATH_IMAGE032
;步骤S3，计算评价指标的主观权重
Figure 687810DEST_PATH_IMAGE034
：步骤S4, 综合权重融合；
在步骤S2-S4中，通过层次分析法和熵权法分别得到风电并网系统电能质量评价指标的主观权重和客观权重，各对应指标通过计算指标权重占比得到综合权重，以减少两类权重方法带来的权值偏差；
所述熵权法包括：
对风电并网电能质量评估指标数据矩阵X进行统一处理得到评判指标矩阵Y，接着进行标准化处理，采用下式计算：
Figure 554135DEST_PATH_IMAGE035
其中：
Figure 689581DEST_PATH_IMAGE036
为电能质量评价指标数据比重集，
Figure 971658DEST_PATH_IMAGE037
为第i个评价对象的第j个风电并网电能质量评价指标数据比重值；
Figure 794DEST_PATH_IMAGE007
为第i个评价对象的第j个风电并网电能质量评价指标的处理后的标准化数据值；
接着分别求取各风电并网电能质量评价指标的信息熵
Figure 647807DEST_PATH_IMAGE038
：
Figure 67287DEST_PATH_IMAGE039
最后，计算每个风电并网电能质量评价指标的信息熵权重
Figure 215372DEST_PATH_IMAGE040
，得到评价指标客观权重：
Figure 974380DEST_PATH_IMAGE041
其中，k指第K个评判等级；
所述层次分析法包括：
首先，建立判断矩阵。对大规模风电并网系统电能质量评价指标重要性两两比较，根据专家意见使用九标度法对个指标进行打分，构造下式所示的判断矩阵A：
Figure 120191DEST_PATH_IMAGE042
接着，计算权重。对判断矩阵A进行按列归一化处理，使用算术平均法求权重，获得主观权重向量
Figure 823705DEST_PATH_IMAGE043
：
Figure 444654DEST_PATH_IMAGE044
然后，计算排序权向量并进行一致性检验。使用如下公式计算最大特征值
Figure 323749DEST_PATH_IMAGE046
、判断矩阵一致性指标CI，并通过查表获得判断矩阵的平均一致性指标RI：
Figure 437198DEST_PATH_IMAGE047
将计算得到的判断矩阵一致性指标CI与平均一致性指标RI代入下得到一致性比率CR：
Figure 565691DEST_PATH_IMAGE048
式中：n为大规模风电并网系统电能质量评价指标个数。
若计算得到的一致性比率满足
Figure 930944DEST_PATH_IMAGE049
，则判断矩阵通过一致性检验，判断矩阵A与主观权重向量
Figure 789179DEST_PATH_IMAGE050
有效，可用于后续计算，否则需要重新进行评分，构造新的判断矩阵A，直到通过一致性检验。
所述综合权重融合了熵权法计算得到的客观权重以及层次分析法计算得到的主观权重，能够有效抵消两类权重方法带来的权值偏差。综合权重计算方法如下式：
Figure 276792DEST_PATH_IMAGE052
式中：其中：
Figure 95844DEST_PATH_IMAGE053
为综合权重集，
Figure 123842DEST_PATH_IMAGE054
为第j个风电并网电能质量评价指标权重值；
Figure 508687DEST_PATH_IMAGE056
为主观权重值，
Figure 104885DEST_PATH_IMAGE057
为客观权重值。
步骤S5，评语集V建立：将电能质量划分为5个不同的等级，构成五级模糊评语集V：V={V 1（电能质量好），V 2（电能质量较好），V 3（电能质量一般），V 4（电能质量较差），V 5（电能质量差）}。
本实施例通过模糊评判集量化评估指标，得到大规模风电并网系统电能质量优劣等级量化分级结果如下表1所示：
表1风电并网电能质量评估结果量化分级表
Figure 535866DEST_PATH_IMAGE058
步骤S6，采用Gauss型隶属函数
Figure 319888DEST_PATH_IMAGE059
，如下式所示：
Figure 762501DEST_PATH_IMAGE060
式中：
Figure 654234DEST_PATH_IMAGE061
为大规模风电并网系统电能质量评价指标，
Figure 447878DEST_PATH_IMAGE062
和
Figure 755362DEST_PATH_IMAGE063
是Gauss隶属函数的2个参数，
Figure 177116DEST_PATH_IMAGE064
的值是代表隶属函数的中心位置，
Figure 380696DEST_PATH_IMAGE065
取0.3，为保证每个指标具有5个评语隶属度，采取5个
Figure 192794DEST_PATH_IMAGE066
值：
Figure 631866DEST_PATH_IMAGE067
Figure 49071DEST_PATH_IMAGE068
。
将评判指标矩阵
Figure 220290DEST_PATH_IMAGE069
中的指标
Figure 847580DEST_PATH_IMAGE070
分别代入到5个评判等级的隶属函数中，得到其评判矩阵
Figure 431621DEST_PATH_IMAGE071
如下式所示：
Figure 765650DEST_PATH_IMAGE072
式中：
Figure 170087DEST_PATH_IMAGE074
是指标
Figure 160039DEST_PATH_IMAGE075
对评判等级
Figure 613018DEST_PATH_IMAGE076
的隶属程度。
步骤S7，采用加权平均型模糊综合算子，即
Figure 863870DEST_PATH_IMAGE077
算子。加权平均型模糊综合算子综合程度强，可以合理应用判断矩阵里面每一个指标信息。根据平均加权的原则采用
Figure 580154DEST_PATH_IMAGE077
算子，结合综合权重，得到大规模风电并网系统电能质量评估体系的总体评估：
Figure 854140DEST_PATH_IMAGE079
式中：
Figure 173126DEST_PATH_IMAGE081
是表示每个电能质量指标相对评语
Figure 419431DEST_PATH_IMAGE082
的隶属度。
步骤S8中，量化计算综合评估结果，评估结果量化计算方法如下式所示：
Figure 431249DEST_PATH_IMAGE083
根据计算得到电能质量评估结果和表1中风电并网电能质量评估结果量化分级区间对应，得到大规模风电并网系统电能质量优劣评语。
实施例2：
选取国内某大型风电场5个主要变电站母线节点电能质量实测数据用以评估，监测点电能质量初始数据见表2所示：
表2 监测点电能质量初始数据
Figure 926952DEST_PATH_IMAGE085
步骤S1，确定质量评估的因素集U：
选取大规模风电并网系统电能质量的评价指标。结合实施例1对于风电并网系统电能质量的分析选取的评估因素集：
Figure 927925DEST_PATH_IMAGE087
；
S2，计算评价指标的客观权重
Figure 825474DEST_PATH_IMAGE088
：
由表2得初始数据矩阵
Figure 742614DEST_PATH_IMAGE089
：
Figure 194455DEST_PATH_IMAGE091
首先对初始数据矩阵
Figure 792927DEST_PATH_IMAGE089
进行标准化处理，得到风电并网电能质量评价指标的评判指标矩阵
Figure 607299DEST_PATH_IMAGE092
：
Figure 633024DEST_PATH_IMAGE094
接着对评判指标矩阵
Figure 103320DEST_PATH_IMAGE092
中数据进一步处理得到矩阵
Figure 177586DEST_PATH_IMAGE095
：
Figure 377623DEST_PATH_IMAGE097
然后计算各风电并网电能质量评价指标的信息熵，得到信息熵矩阵
Figure 839829DEST_PATH_IMAGE098
：
Figure 732174DEST_PATH_IMAGE100
最后对信息熵矩阵
Figure 344DEST_PATH_IMAGE098
进行单位化处理，得到客观权重
Figure 930254DEST_PATH_IMAGE101
：
Figure 297781DEST_PATH_IMAGE103
S3，计算评价指标的主观权重
Figure 70565DEST_PATH_IMAGE104
：
通过专家对风电并网电能质量评价指标进行重要性评估，得到专家评分数据如表3所示：
表3 专家评分
Figure 548951DEST_PATH_IMAGE106
由上表得到判断矩阵
Figure 67788DEST_PATH_IMAGE107
：
Figure 606217DEST_PATH_IMAGE108
进行一致性处理得到主观权重
Figure 272822DEST_PATH_IMAGE109
：
Figure 148374DEST_PATH_IMAGE111
接着对得到的主观权重进行一致性检验：
Figure 787297DEST_PATH_IMAGE113
计算得到最大特征值
Figure 222258DEST_PATH_IMAGE114
以及判断矩阵一致性指标
Figure 969635DEST_PATH_IMAGE115
，通过查表获得五阶判断矩阵的平均一致性指标
Figure 55402DEST_PATH_IMAGE116
，计算得到一致性比率
Figure 548832DEST_PATH_IMAGE117
，通过一致性检验。判断矩阵
Figure 960221DEST_PATH_IMAGE118
与主观权重
Figure 804681DEST_PATH_IMAGE119
合理。
S4，综合权重融合：
求得综合权重
Figure 756456DEST_PATH_IMAGE120
：
Figure DEST_PATH_IMAGE122
S5，评语集V建立：
将电能质量划分为5个不同的等级，构成五级模糊评判集：V1（电能质量好）、V2（电能质量较好）、V3（电能质量一般）、V4（电能质量较差）、V5（电能质量差）。即：
Figure 307654DEST_PATH_IMAGE123
S6，Gauss型隶属函数构建：
以监测点1为例，初始数据矩阵
Figure DEST_PATH_IMAGE124
中监测点1的数据使用Gauss型隶属函数计算得到监测点1的评判矩阵
Figure 155525DEST_PATH_IMAGE125
：
Figure 484350DEST_PATH_IMAGE127
S7，质量评估体系计算：
采用加权平均型模糊综合算子进行总体评估：
Figure 974237DEST_PATH_IMAGE129
S8,质量评估结果输出：
计算监测点1模糊评判分数
Figure DEST_PATH_IMAGE130
：
Figure 911101DEST_PATH_IMAGE131
同理得到其他4条线路模糊评判分数：（72.3205 69.89 53.4025 81.187550.5115），由5处监测点的评估结果可以得到电能质量优劣排序为：监测点4＞监测点1＞监测点2＞监测点3＞监测点5。
本发明能够有效获得各个指标主客观权重，评价结果更为客观，且通过综合权重能够直观的体现出大规模风电并网对电网电能质量指标的影响，有助于采取对应措施提升电网电能质量。
需要说明的是，以上内容仅仅说明了本发明的技术思想，不能以此限定本发明的保护范围，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰均落入本发明权利要求书的保护范围之内。

Claims (5)

1.基于模糊综合评判的风电并网系统电能质量评估方法，其特征在于，包括如下步骤：
S1，确定质量评估的因素集U：监测主要变电站母线节点电能质量，记录电能质量数据，选取风电并网系统电能质量的评价指标，构成质量评估的因素集U；
S2，计算评价指标的客观权重：所述评价指标的客观权重
Figure 983792DEST_PATH_IMAGE001
通过熵权法计算获得，对风电并网系统电能质量评价指标数据矩阵X进行处理得到评价指标矩阵Y，进行标准化处理后，通过求取各风电并网电能质量评价指标的信息熵
Figure 573036DEST_PATH_IMAGE002
来计算每个风电并网电能质量评价指标的信息熵权重
Figure 290456DEST_PATH_IMAGE003
，得到评价指标客观权重
Figure 92190DEST_PATH_IMAGE001
，所述指标数据处理方法以及评价指标的客观权重具体为：
Figure 703300DEST_PATH_IMAGE004
其中：n为风电并网电能质量评价指标个数;m为评价对象个数;
Figure 197866DEST_PATH_IMAGE005
为第i个评价对象的第j个风电并网电能质量评价指标的实测值;
Figure 137003DEST_PATH_IMAGE007
分别为第j个电能质量评价指标不同评价对象的最大与最小值；
Figure 5078DEST_PATH_IMAGE008
为第i个评价对象的第j个风电并网电能质量评价指标的归一化处理后的标准化数据值；
S3，计算评价指标的主观权重
Figure 470694DEST_PATH_IMAGE009
：所述主观权重
Figure 870583DEST_PATH_IMAGE009
通过层次分析法计算获得，根据对风电并网系统电能质量评价指标在实际应用中的重要性程度进行评估量化，计算主观权重
Figure 297016DEST_PATH_IMAGE009
；
S4，综合权重融合：将步骤S2获得的客观权重及步骤S3获得的主观权重进行融合，有效抵制权值偏差：
Figure 971711DEST_PATH_IMAGE011
其中：
Figure 26255DEST_PATH_IMAGE012
为综合权重集，
Figure 128203DEST_PATH_IMAGE013
为第j个风电并网电能质量评价指标权重值；
S5，评语集V建立：将电能质量划分为5个不同的等级，构成五级模糊评语集V：V={V 1（电能质量好），V 2（电能质量较好），V 3（电能质量一般），V 4（电能质量较差），V 5（电能质量差）}
S6，Gauss型隶属函数构建：针对步骤S1获得的因素集U以及步骤S5建立的评语集V构建对应Gauss型隶属函数，计算得到模糊综合评判矩阵，所述Gauss型隶属函数
Figure 41932DEST_PATH_IMAGE014
具体为：
Figure 113793DEST_PATH_IMAGE015
其中：
Figure 429368DEST_PATH_IMAGE016
为风电并网系统电能质量评价指标，
Figure 171059DEST_PATH_IMAGE017
为自然对数，
Figure 696719DEST_PATH_IMAGE018
是参数；
将评判指标矩阵
Figure 462285DEST_PATH_IMAGE019
中的指标
Figure 632367DEST_PATH_IMAGE020
分别代入到5个评判等级的隶属函数中，得到其评判矩阵
Figure 76117DEST_PATH_IMAGE021
如下：
Figure 823494DEST_PATH_IMAGE022
其中：
Figure 378103DEST_PATH_IMAGE023
是指标对评判等级
Figure 402691DEST_PATH_IMAGE024
的隶属程度；，k指第K个评判等级；
S7，质量评估体系计算：根据平均加权的原则采用
Figure 17343DEST_PATH_IMAGE025
算子，结合综合权重，得到风电并网系统电能质量评估体系的总体评估：
Figure 392960DEST_PATH_IMAGE027
其中：
Figure 344736DEST_PATH_IMAGE028
为第i个评价对象的第j个风电并网电能质量评价指标的隶属度集，
Figure 489409DEST_PATH_IMAGE029
是表示每个电能质量指标相对评语
Figure 272033DEST_PATH_IMAGE030
的隶属度；
S8,质量评估结果输出：根据步骤S7计算获得的质量评估体系结果，量化计算综合评估结果：
Figure 994001DEST_PATH_IMAGE031
其中：
Figure 890413DEST_PATH_IMAGE032
为第i个评价对象的电能质量得分；根据计算得到电能质量评估结果和风电并网电能质量评估结果量化分级区间对应，得到风电并网系统电能质量优劣评语。
2.如权利要求1所述的基于模糊综合评判的风电并网系统电能质量评估方法，其特征在于，所述步骤S1中的评价指标至少包括电压偏差、电压波动、电压闪变、谐波、三相不平衡。
3.如权利要求2所述的基于模糊综合评判的风电并网系统电能质量评估方法，其特征在于：所述步骤S2中各风电并网电能质量评价指标的信息熵
Figure 624014DEST_PATH_IMAGE002
具体为：
Figure 580469DEST_PATH_IMAGE033
其中：m为评价对象个数;
Figure 789733DEST_PATH_IMAGE034
为电能质量评价指标数据比重集；
Figure 489836DEST_PATH_IMAGE035
为第i个评价对象的第j个风电并网电能质量评价指标数据指标值。
4.如权利要求2或3所述的基于模糊综合评判的风电并网系统电能质量评估方法，其特征在于，所述步骤S3进一步包括：
S31，建立判断矩阵：对大规模风电并网系统电能质量评价指标重要性两两比较，使用九标度法对个指标进行打分，构造判断矩阵A：
Figure 343522DEST_PATH_IMAGE036
S32，计算主观权重：对判断矩阵A进行按列归一化处理，使用算术平均法求权重，获得主观权重向量
Figure 205299DEST_PATH_IMAGE009
：
Figure 901860DEST_PATH_IMAGE037
S33，计算排序权向量：计算最大特征值
Figure 874495DEST_PATH_IMAGE038
、判断矩阵一致性指标CI，并通过查表获得判断矩阵的平均一致性指标RI，计算得到一致性比率CR：
Figure 116776DEST_PATH_IMAGE040
其中：n为判断矩阵阶数,即风电并网电能质量评价指标个数;
S34，一致性检验：若一致性比率满足，则判断矩阵通过一致性检验，判断矩阵A与主观权重向量
Figure 8509DEST_PATH_IMAGE009
有效，可用于后续计算；否则返回步骤S31,构造新的判断矩阵A，重复步骤S31-S34，直到通过一致性检验。
5.如权利要求4所述的基于模糊综合评判的风电并网系统电能质量评估方法，其特征在于，所述步骤S6中，当
Figure 67732DEST_PATH_IMAGE041
取0.3时，
Figure 109637DEST_PATH_IMAGE042
，
Figure 937916DEST_PATH_IMAGE043
，
Figure 407074DEST_PATH_IMAGE044
，
Figure 953593DEST_PATH_IMAGE045
。
CN202210897554.0A 2022-07-28 2022-07-28 基于模糊综合评判的风电并网系统电能质量评估方法 Pending CN115081951A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210897554.0A CN115081951A (zh) 2022-07-28 2022-07-28 基于模糊综合评判的风电并网系统电能质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210897554.0A CN115081951A (zh) 2022-07-28 2022-07-28 基于模糊综合评判的风电并网系统电能质量评估方法

Publications (1)

Publication Number Publication Date
CN115081951A true CN115081951A (zh) 2022-09-20

Family

ID=83243882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210897554.0A Pending CN115081951A (zh) 2022-07-28 2022-07-28 基于模糊综合评判的风电并网系统电能质量评估方法

Country Status (1)

Country Link
CN (1) CN115081951A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115619284A (zh) * 2022-11-10 2023-01-17 国网江苏省电力有限公司扬州供电分公司 一种光伏配电网承载力评估方法及装置
CN115764979A (zh) * 2022-10-12 2023-03-07 东南大学溧阳研究院 一种计及通信延时的分布式光伏系统稳定性量化评估方法
CN115856529A (zh) * 2022-11-25 2023-03-28 国网四川省电力公司营销服务中心 一种基于pdc多特征量权重的cvt绝缘老化状态评估方法
CN115936506A (zh) * 2022-12-07 2023-04-07 国网江苏省电力有限公司电力科学研究院 一种基于fce法的风储联合调频系统评估方法、设备及介质
CN116579633A (zh) * 2023-07-12 2023-08-11 湖南省计量检测研究院 基于数据驱动实现风电设备的服役状态质量分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598484A (zh) * 2020-05-26 2020-08-28 国网江苏电力设计咨询有限公司 一种风光储系统电能质量综合评估方法
CN112686536A (zh) * 2020-12-29 2021-04-20 南京邮电大学 一种基于模糊综合评判的电网应灾能力量化评估方法
CN112990627A (zh) * 2019-12-16 2021-06-18 国网山东省电力公司潍坊供电公司 电能质量评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990627A (zh) * 2019-12-16 2021-06-18 国网山东省电力公司潍坊供电公司 电能质量评估方法
CN111598484A (zh) * 2020-05-26 2020-08-28 国网江苏电力设计咨询有限公司 一种风光储系统电能质量综合评估方法
CN112686536A (zh) * 2020-12-29 2021-04-20 南京邮电大学 一种基于模糊综合评判的电网应灾能力量化评估方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115764979A (zh) * 2022-10-12 2023-03-07 东南大学溧阳研究院 一种计及通信延时的分布式光伏系统稳定性量化评估方法
CN115764979B (zh) * 2022-10-12 2023-12-08 东南大学溧阳研究院 一种计及通信延时的分布式光伏系统稳定性量化评估方法
CN115619284A (zh) * 2022-11-10 2023-01-17 国网江苏省电力有限公司扬州供电分公司 一种光伏配电网承载力评估方法及装置
CN115856529A (zh) * 2022-11-25 2023-03-28 国网四川省电力公司营销服务中心 一种基于pdc多特征量权重的cvt绝缘老化状态评估方法
CN115936506A (zh) * 2022-12-07 2023-04-07 国网江苏省电力有限公司电力科学研究院 一种基于fce法的风储联合调频系统评估方法、设备及介质
CN115936506B (zh) * 2022-12-07 2023-11-24 国网江苏省电力有限公司电力科学研究院 一种基于fce法的风储联合调频系统评估方法、设备及介质
CN116579633A (zh) * 2023-07-12 2023-08-11 湖南省计量检测研究院 基于数据驱动实现风电设备的服役状态质量分析方法
CN116579633B (zh) * 2023-07-12 2023-11-17 湖南省计量检测研究院 基于数据驱动实现风电设备的服役状态质量分析方法

Similar Documents

Publication Publication Date Title
CN115081951A (zh) 基于模糊综合评判的风电并网系统电能质量评估方法
CN110930049B (zh) 一种用于综合评价区域配电网电能质量的方法
CN101246569A (zh) 基于层次分析法和模糊算法的电网电能质量综合评价方法
Yue et al. Probabilistic transient stability assessment of power system considering wind power uncertainties and correlations
CN106651168B (zh) 一种评估电铁对电网影响的方法及装置
Zheng et al. Fuzzy synthetic condition assessment of wind turbine based on combination weighting and cloud model
Shi et al. Comprehensive evaluation of power quality for microgrid based on CRITIC method
CN111311135A (zh) 一种变电站能效评估方法
CN111626583A (zh) 一种新型城镇能源互联网工程后评价方法和系统
Zheng et al. Transient stable region of power systems incorporating stochasticity of variable renewable energies and system contingencies
Bajaj et al. An MCDM-based approach for ranking the voltage quality in the distribution power networks
CN114037209A (zh) 分布式光伏接入直流配电系统综合效益分析方法及装置
CN111598339B (zh) 一种接入新能源的交直流混合配电网最优供电的决策方法
CN112990710A (zh) 一种基于dea的风电场电能质量多层次综合评估方法
Lin et al. A physical-data combined power grid dynamic frequency prediction methodology based on adaptive neuro-fuzzy inference system
CN110048407B (zh) 分布式能源发电计划可行域优化分析方法
Setiadi et al. Optimization based design of dual input PSS for improving small signal stability of power system with RESs
Liu et al. Comprehensive evaluation of power quality based on improved TOPSIS method and combination weights
CN115085260A (zh) 新能源场站聚合模型的振荡模式保真度评价方法
CN112016838B (zh) 配电网能效指标体系的贡献率计算方法、系统及终端设备
CN115048760A (zh) 一种基于典型电能质量特征库的负荷电能质量溯源方法
Wang et al. Evaluation Methods for the Development of New Power Systems Based on Cloud Model
CN113627794A (zh) 一种基于理论线损的降损辅助分析与成效量化方法及系统
CN112688321A (zh) 大电网次/超同步振荡路径获取方法及系统
CN111598420A (zh) 一种考虑用户主要设备敏感指数的区域电能质量评估方法

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

Application publication date: 20220920

RJ01 Rejection of invention patent application after publication