CN115688447B - 一种高性能电力系统云仿真系统架构 - Google Patents
一种高性能电力系统云仿真系统架构 Download PDFInfo
- Publication number
- CN115688447B CN115688447B CN202211391029.8A CN202211391029A CN115688447B CN 115688447 B CN115688447 B CN 115688447B CN 202211391029 A CN202211391029 A CN 202211391029A CN 115688447 B CN115688447 B CN 115688447B
- Authority
- CN
- China
- Prior art keywords
- simulation
- time
- power system
- result
- 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.)
- Active
Links
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种高性能电力系统云仿真系统架构。所述架构部署于云端服务器,用户通过云端服务器使所述云端服务器调用所述架构对电力系统进行潮流计算与时域仿真。所述架构包括:接口模块、模型库模块、潮流计算模块、时域仿真模块、数据输出模块;接口模块获取电力系统仿真参数与算例数据;模型库包含了电力系统各电力元件的模型;潮流计算模块对仿真参数与算例数据进行潮流计算,获得潮流计算结果;时域仿真模块基于潮流计算结果,对电力系统进行时域仿真,获得时域仿真结果;数据输出模块,输出目标仿真结果。采用本架构能够提高电力系统仿真效果。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种高性能电力系统云仿真系统架构和电力系统仿真方法。
背景技术
随着电力系统的发展,出现了针对电力系统的仿真技术,以满足日常对电力系统的仿真分析需求。
传统技术中,在进行仿真前,一般需要耗费大量时间,针对电力系统中的各类电力设备进行建模,再基于所建模型对电力系统进行仿真,并需要各用户在本地部署电力系统的仿真系统,且各用户之间无法便捷实现资源的共享。
然而,由于电力系统涉及众多类型的电力设备,传统技术中的仿真系统计算资源分散,无法高效、准确地输出电力系统仿真结果,导致电力系统的仿真效果不佳。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电力系统仿真效果的高性能电力系统云仿真系统架构和电力系统仿真方法。
第一方面,本申请提供了一种高性能电力系统云仿真系统架构。所述架构包括:
接口模块、模型库模块、潮流计算模块、时域仿真模块以及数据输出模块;
接口模块获取电力系统中实时的仿真参数及算例数据,将仿真参数及算例数据输入潮流计算模块;
潮流计算模块对仿真参数及算例数据进行潮流计算,获得潮流计算结果;
时域仿真模块基于潮流计算结果、以及模型库模块中与电力系统对应的各电力元件模型,对电力系统进行时域仿真;当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果;当仿真时间到达仿真时间阈值时,将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果;
数据输出模块,输出目标仿真结果。
在其中一个实施例中,接口模块基于所获取的实时仿真参数及算例数据,对模型库模块中各电力元件模型以及各电力元件模型的模型参数进行更新。
在其中一个实施例中,架构还包括:数据服务模块;
接口模块将仿真参数及算例数据输入数据服务模块;
数据服务模块对仿真参数及算例数据进行数据预处理,得到预处理参数,将预处理参数输入潮流计算模块。
在其中一个实施例中,架构部署于云端服务器;
云端服务器存储有多个账户信息;
用户终端基于当前登录的账户信息,访问云端服务器,以使云端服务器调用架构对电力系统进行时域仿真,得到仿真结果。
在其中一个实施例中,云端服务器响应于用户终端发送的调用请求;
云端服务器基于调用请求所需调用的目标模块,从架构中调用目标模块进行数据处理,向用户终端反馈目标模块的数据处理结果。
上述的高性能电力系统云仿真系统架构,可以通过接口模块获取电力系统中实时的仿真参数及算例数据,并将仿真参数及算例数据输入潮流计算模块,通过潮流计算模块对仿真参数及算例数据进行潮流计算,获得潮流计算结果,以便后续可以基于潮流计算结果,对电力系统进行时域仿真,提高仿真效率,再基于潮流计算结果以及模型库模块中与电力系统对应的各电力元件模型,通过时域仿真模块对电力系统进行时域仿真,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果,以模拟电力系统发生故障时的真实状态,提高时域仿真准确率,当仿真时间到达仿真时间阈值时,表征当前仿真时间与预配置故障时间、仿真时间阈值一致,则将时域仿真停止,并将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果,最后,通过数据输出模块,输出目标仿真结果,从而达到提高电力系统仿真效果的目的。
第二方面,本申请提供了一种电力系统仿真方法。所述方法包括:
获取电力系统中实时的仿真参数及算例数据,对仿真参数及算例数据进行潮流计算,获得潮流计算结果;
基于潮流计算结果和电力系统的各电力元件模型,对电力系统进行时域仿真;
当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果;
当仿真时间到达仿真时间阈值时,将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果。
在其中一个实施例中,获取电力系统中实时的仿真参数及算例数据,对仿真参数及算例数据进行潮流计算,获得潮流计算结果包括:
获取电力系统实时的仿真参数及算例数据,将仿真参数及算例数据输入潮流计算模块,进行迭代计算,获得每次迭代结束后所对应的迭代结果;
当迭代结果满足迭代收敛条件时,将满足迭代收敛条件的迭代结果确定为潮流计算结果。
在其中一个实施例中,基于潮流计算结果,对电力系统进行时域仿真包括:
确定时域仿真所对应的仿真步长,其中,当时域仿真的仿真时间每累加一次仿真步长,对电力系统执行一次时域仿真;
获取每次执行时域仿真所对应的仿真时间,并将每次执行时域仿真所对应的仿真时间与预配置故障时间进行对比,得到对比结果;
当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果包括:
当对比结果为时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果。
在其中一个实施例中,将每次执行时域仿真所对应的仿真时间与预配置故障时间进行对比,得到对比结果之后,还包括:
当对比结果为仿真时间未到达预配置故障时间时,获取电力系统在仿真时间所对应的仿真结果;
当仿真时间到达仿真时间阈值时,将电力系统在仿真时间所对应的仿真结果作为目标仿真结果。
在其中一个实施例中,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果包括:
当仿真时间到达预配置故障时间时,获取电力系统在预配置故障时间所对应的初始仿真结果,初始仿真结果中包括电力系统所对应仿真参数及算例数据的仿真结果;
从初始仿真结果中,获得目标参数所对应的仿真结果,将目标参数所对应的仿真结果更新为故障状态下的仿真结果,获得电力系统在故障状态下的仿真结果。
上述的电力系统仿真方法,先获取电力系统中实时的仿真参数及算例数据,再对仿真参数及算例数据进行潮流计算,获得潮流计算结果,以便后续可以基于潮流计算结果,对电力系统进行时域仿真,提高仿真效率,在对电力系统进行时域仿真的过程中,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果,以模拟电力系统发生故障时的真实状态,提高时域仿真准确率,进一步的,当仿真时间到达预配置故障时间,且仿真时间也到达仿真时间阈值时,表征当前仿真时间与预配置故障时间、仿真时间阈值一致,则将时域仿真停止,并将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果,从而达到提高电力系统仿真效果的目的。
附图说明
图1为一个实施例中电力系统仿真方法的应用环境图;
图2为一个实施例中高性能电力系统云仿真系统架构的模块示意图;
图3为另一个实施例中高性能电力系统云仿真系统架构的模块示意图;
图4为一个实施例中高性能电力系统云仿真系统架构的流程示意图;
图5为另一个实施例中高性能电力系统云仿真系统架构的流程示意图;
图6为一个实施例中电力系统仿真方法的流程示意图;
图7为一个实施例中潮流计算的流程示意图;
图8为一个实施例中对电力系统进行时域仿真的流程示意图;
图9为另一个实施例中电力系统仿真方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的电力系统仿真方法,可以应用于如图1所示的应用环境中。其中,电力系统102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104可以通过网络获取电力系统102中实时的仿真参数及算例数据,通过对仿真参数及算例数据进行潮流计算,获得潮流计算结果,再基于潮流计算结果和电力系统102的各电力元件模型,对电力系统102进行时域仿真,当时域仿真的仿真时间到达预配置故障时间时,将电力系统102的仿真结果更新为故障状态下的仿真结果,当仿真时间到达仿真时间阈值时,再将电力系统102在故障状态下的仿真结果确定为电力系统102的目标仿真结果。其中,电力系统102可以但不限于是由各类发电、输电、变电、配电等设备以及为保障各类设备正常运行的所有设施共同构成的系统。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种高性能电力系统云仿真系统架构的模块示意图,该高性能电力系统云仿真系统架构具体可以包括:接口模块202、潮流计算模块204、时域仿真模块206、模型库模块208、以及数据输出模块210;
接口模块202获取电力系统中实时的仿真参数及算例数据,将仿真参数及算例数据输入潮流计算模块。
可选地,可以通过与电力系统互联的采集系统,获取电力系统的实时镜像数据,即实时的仿真参数及算例数据,并将所获取的仿真参数及算例数据输入预配置的潮流计算模块。其中,与电力系统互联的采集系统具体可以为SCADA(Supervisory Control And DataAcquisition,数据采集与监视控制)系统,SCADA系统是一种以计算机为基础的电力自动化监控系统。
潮流计算模块204对仿真参数及算例数据进行潮流计算,获得潮流计算结果。
可选地,在对仿真参数及算例数据进行潮流计算的过程中,可以采用多核并行处理的计算方法,提高潮流计算效率,以获得电力系统的潮流计算结果。其中,多核并行处理可以使用python的Multiprocessing计算框架,可以基于多进程运行,提高潮流计算效率。
时域仿真模块206基于潮流计算结果、以及模型库模块208中与电力系统对应的各电力元件模型,对电力系统进行时域仿真;当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果;当仿真时间到达仿真时间阈值时,将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果。
可选地,在得到电力系统的潮流计算结果后,可以将潮流计算结果存储于数据库中,然后,响应于用户对电力系统开展时域仿真的指令,从数据库中读取电力系统的潮流计算结果,并将潮流计算结果以及模型库模块中的各电力元件模型输入时域仿真模块,对电力系统进行时域仿真。在进行时域仿真的过程中,可以采用多核并行处理的计算方法,以提高仿真效率。
示例性地,在进行时域仿真的过程中,获取每次时域仿真所对应的仿真时间,并将每次仿真所对应的仿真时间与预配置故障时间进行对比,当时域仿真的仿真时间到达预配置故障时间时,根据电力系统在实际运行状态下所对应的故障状态,对电力系统在该仿真时间所对应的仿真结果进行更新,将电力系统在该仿真时间所对应的仿真结果更新为故障状态下的仿真结果。
可选地,在进行时域仿真的过程中,还可以将仿真时间与仿真时间阈值进行对比,当时域仿真的仿真时间到达预配置故障时间,且同时到达仿真时间阈值时,可以确定当前的仿真时间为电力系统的故障时间,且同时为电力系统仿真结束的时间,从而将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果。
数据输出模块210,输出目标仿真结果。
可选地,具体可以通过可视化页面,向用户展示目标仿真结果。
上述的高性能电力系统云仿真系统架构,可以通过接口模块获取电力系统中实时的仿真参数及算例数据,并将仿真参数及算例数据输入潮流计算模块,通过潮流计算模块对仿真参数及算例数据进行潮流计算,获得潮流计算结果,以便后续可以基于潮流计算结果,对电力系统进行时域仿真,提高仿真效率,再基于潮流计算结果以及模型库模块中与电力系统对应的各电力元件模型,通过时域仿真模块对电力系统进行时域仿真,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果,以模拟电力系统发生故障时的真实状态,提高时域仿真准确率,当仿真时间到达仿真时间阈值时,表征当前仿真时间与预配置故障时间、仿真时间阈值一致,则将时域仿真停止,并将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果,最后,通过数据输出模块,输出目标仿真结果,从而达到提高电力系统仿真效果的目的。
在其中一个实施例中,如图3所示,提供了另一种高性能电力系统云仿真系统架构的模块示意图,该高性能电力系统云仿真系统架构具体可以包括接口模块、SaaS(Softwareas a Server,软件服务)模块、数据输出模块、DaaS(Date as a Server,数据服务)、IaaS(Infrastructure as a server,基础设施服务)模块以及模型库模块。其中,潮流计算模块以及时域仿真模块属于SaaS模块。
可选地,接口模块包括多个用于获取电力系统中实时的仿真参数及算例数据的子接口模块,以将所获取的仿真参数及算例数据输入潮流计算模块。子接口模块包括但不限定于外部业务应用接口、协同建模开发接口、模型参数正定接口等接口模块,可以用于获取用户、电力系统的实时仿真参数及算例数据,可为模型新建与更新、参数整定等提供真实的数据来源。
可选地,SaaS模块包括多个数据功能模块,例如,潮流计算模块以及时域仿真模块,可以通过潮流计算模块对仿真参数及算例数据进行潮流计算,获得潮流计算结果,再基于潮流计算结果,通过时域仿真模块对电力系统进行时域仿真,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果,当仿真时间到达仿真时间阈值时,将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果。SaaS模块中的数据功能模块,可以响应于用户所下发的操作指令,按照操作指令对仿真参数及算例数据进行数据处理,以实现不同功能。SaaS模块包括但不限定于潮流计算、N-1/N-2扫描、暂态稳定分析、时域并行仿真、小信号稳定、短路计算等数据功能模块,可以向用户提供潮流计算、时域仿真等功能。
示例性地,数据输出模块包括多个用于提供可视化展示的展示模块,可以用于输出目标仿真结果,并展示高性能电力系统云仿真系统架构中各个模块。数据输出模块包括但不限定于单线图展示、潮流卡片展示、模型元件界面化、GIS(Geographic InformationSystem,地理信息系统)展示等展示模块,可以为用户提供可视化展示,例如,向用户展示潮流计算结果、各电力元件的模型等。
示例性地,DaaS模块包括多个对仿真参数及算例数据进行数据预处理的数据预处理模块,在接口模块将仿真参数输入DaaS模块后,DaaS模块可以对仿真参数进行数据预处理,得到预处理参数,再将预处理参数输入潮流计算模块。DaaS模块包括但不限定于仿真数据检查、镜像数据导入、GIS数据、异常数据识别、数据标幺化、数据清洗、数据格式转换等数据预处理模块,可以用于收集大量数据并从中分析,最后把筛选、分析出来的数据作为服务,例如,对仿真参数及算例数据进行数据标幺化、数据清晰、数据格式转化等预处理操作。
可选地,IaaS模块包括多个用于构建用户使用高性能电力系统云仿真系统架构所需基础设施环境的环境构建模块,以使用户调用高性能电力系统云仿真系统架构中各模块。IaaS模块包括但不限定于公有云、加密虚拟服务器、SCADA(Supervisory Control AndData Acquisition,数据采集与监视控制系统)等多个环境构建模块,可以用于搭建用户使用高性能电力系统云仿真系统架构的基础设施环境,以便用户可以利用CPU、内存、显存、网络等资源使用高性能电力系统云仿真系统架构。其中,用户不能高性能电力系统云仿真系统架构进行更改,但可以自行在高性能电力系统云仿真系统架构上安装任意操作系统、软件,还可以获得部分防火墙、路由器的权限。
示例性地,模型库模块包含电力系统中所有电力元件各自对应的模型库,包括但不限定于负荷模型库、母线模型库、线路模型库、光伏发电模型库、变压器模型库、电源模型库、常规发电机模型库、直流系统模型库、风力发电模型库、控制器模型库、新型负荷模型库、FACTS模型库、电容器与电抗器储能模型库、测量模型库、其他(机械、燃料)的模型库、用户自定义的模型库等。
在其中一个实施例中,高性能电力系统云仿真系统架构部署于云端服务器;
云端服务器存储有多个账户信息;
用户终端基于当前登录的账户信息,访问云端服务器,以使云端服务器调用高性能电力系统云仿真系统架构对电力系统进行时域仿真,得到仿真结果。
可选地,上述的高性能电力系统云仿真系统架构依托于云端服务器,各用户可以通过各自的账户信息访问云端服务器,无需在本地计算机/存储设备部署高性能电力系统云仿真系统架构。
本实施例中,通过云端服务器构建高性能电力系统云仿真系统架构,能够避免用户在本地部署上述架构,可以降低用户的使用成本。
在其中一个实施例中,云端服务器响应于用户终端发送的调用请求;
云端服务器基于调用请求所需调用的目标模块,从高性能电力系统云仿真系统架构中调用目标模块进行数据处理,向用户终端反馈目标模块的数据处理结果。
示例性地,各用户可以基于各自的数据计算、数据分析需求,从各自的用户终端向云端服务器发送相应的调用请求,云端服务器将基于调用请求所需调用的目标模块,从高性能电力系统云仿真系统架构中调用目标模块进行数据处理,并向用户终端反馈目标模块的数据处理结果。
可选地,各用户可以按需从高性能电力系统云仿真系统架构中选择相应的模块,还可以同时控制高性能电力系统云仿真系统架构开展计算、分析,其中,针对每一用户的需求,高性能电力系统云仿真系统架构均可独立开展计算、分析,当同一用户对应多种数据计算、数据分析的需求时,每一种数据计算与数据分析的进程,均相互独立。
可选地,各用户还可以基于云端服务器所对应的网络访问、共享资源、按需的自服务等特点,实现仿真计算、分析结果等资源的共享,集中资源,以使得电力系统的计算资源可以得到最大限度的利用,从而提高电力系统的仿真效率。
本实施例中,用户可以按需选择高性能电力系统云仿真系统架构中的任意模块,无需耗费大量时间进行架构的搭建,降低了用户使用软件门槛,使得用户可以更便捷地使用该架构,从而提高了仿真效率,还可以实现用户资源的积累,加速产品迭代,利于软件的推广和普及。在其中一个实施例中,如图4所示,提供了一种高性能电力系统云仿真系统架构的流程示意图,其中,高性能电力系统云仿真系统架构中具体可以包括数据采集系统(SCASA系统)与云端仿真平台。如图4所示,高性能电力系统云仿真系统架构可以通过SCASA系统,采集电力系统的实时镜像数据,即实时的仿真参数以及算例数据,以作为云端仿真平台对电力系统进行仿真的数据来源,高性能电力系统云仿真系统架构还可以基于所采集的实时镜像数据,在云端仿真平台中,实时更新模型库模块中与所述电力系统对应的各电力元件模型、模型参数等,进一步的,高性能电力系统云仿真系统架构可以基于更新后的各电力元件模型、模型参数,通过云端仿真平台对电力系统进行仿真运算,并向用户提供仿真结果。
在一个实施例中,如图5所示,提供了另一种高性能电力系统云仿真系统架构的流程示意图,主要流程包括:
高性能电力系统云仿真系统架构可以通过数据采集系统(SCASA系统),获得潮流计算所需数据、各电力元件的数据,并分别对潮流计算所需数据、各电力元件的数据进行标幺化处理,再将标幺化后的潮流计算所需数据输入潮流计算模块,通过潮流计算算法以及潮流计算所需电力元件的模型库,获得潮流计算结果,再将潮流计算结果、标幺化后的各电力元件数据输入时域仿真模型,通过时域仿真算法以及时域仿真所需元件的模型库,获得时域仿真结果。其中,该高性能电力系统云仿真系统架构可以通过多核并行处理的方式,加快潮流计算的迭代速度以及时域仿真速度,从而完成上述过程,并向用户展示所得的结果。
在一个实施例中,如图6所示,提供了一种电力系统仿真方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤602,获取电力系统中实时的仿真参数及算例数据,对仿真参数及算例数据进行潮流计算,获得潮流计算结果。
其中,仿真参数及算例数据具体可以为电力系统的实时镜像数据,实时镜像数据包括但不限定于以下几种:电力系统母线(Bus)所对应的电流、电压、有功功率和无功功率;电力系统传输线(Line)所对应的电阻、电抗、电导和电纳;电力系统负荷节点(PQ节点)所对应的有功功率、无功功率、有功功率的上限值以及下限值、无功功率的上限值以及下限值、连接节点;电力系统电压控制节点(PV节点)所对应的有功功率、电压、有功功率的上限值以及下限值、电压的上限值以及下限值、连接节点;电力系统开关(SW)所对应的电压、相角、电压的上限值以及下限值、相角的上限值以及下限值、连接节点。电力系统的潮流计算是研究电力系统稳态运行情况的一种基本电气计算,可以根据给定的运行条件和网络结构确定整个系统的运行状态,电力系统潮流计算的结果是电力系统稳定计算和故障分析的基础。
其中,负荷节点(PQ节点)具体可以为电力系统中有功功率(P)和无功功率(Q)均已知,而节点电压(V)和相位(δ)为待求量的一类节点。电压控制节点(PV节点)具体可以为电力系统中有功功率(P)和电压(V)均已知,而无功功率(Q)和相位(δ)为待求量的一类节点。
可选地,服务器具体可以通过与服务器、电力系统互联的采集系统,获取电力系统的实时镜像数据,通过将所获取的实时镜像数据输入预配置的潮流计算模块,对实时镜像数据进行潮流计算,获得电力系统的潮流计算结果。
示例性地,在服务器通过采集系统获取电力系统的实时镜像数据之后,服务器可以将所获取的实时镜像数据存储至原始数据卡中。服务器还可以响应于用户对电力系统实时镜像数据进行潮流计算的指令,通过调用数据接口,读取原始数据卡中的实时镜像数据,并通过数据接口对原始数据卡中的实时镜像数据进行格式转换(标幺化),将原始数据卡中的仿真参数转换为相应的标幺值(标幺化后的实时镜像数据),以便预配置的潮流计算模块可以识别并处理各实时镜像数据所对应的标幺值。
其中,原始数据卡具体可以为存储有默认数据格式的实时镜像数据,即在原始数据卡中,各实时镜像数据的数据格式不同,可能存在潮流计算模块无法识别的数据格式。标幺值是电力系统分析和工程计算中常用的数值标记方法,表示各物理量及参数的相对值,单位为pu,也可以认为其无量纲。
可选地,在对实时镜像数据进行潮流计算的过程中,服务器可以采用多核并行处理的计算方法,提高潮流计算效率。
步骤604,基于所述潮流计算结果,对所述电力系统进行时域仿真。
其中,电力系统的时域分析是一种在时间域中对电力系统进行分析的方法,具体可以为根据已确定的输入条件,基于输出的时域表达式,分析电力系统的稳定性、瞬态和稳态性能。
可选地,在得到电力系统的潮流计算结果后,服务器可以将潮流计算结果存储于数据库中,然后,服务器可以响应于用户对电力系统开展时域仿真的指令,从数据库中读取电力系统的潮流计算结果,并将潮流计算结果输入仿真平台,从而基于潮流计算结果,对电力系统进行时域仿真。
示例性地,在服务器控制仿真平台对电力系统进行时域仿真之前,服务器还可以通过采集系统,获取电力系统中各电力元件的元件数据,并将各电力元件的元件数据转换为相应的标幺值,以拟合电力系统所对应的虚拟模型。进一步的,服务器可以将潮流计算结果以及各电力元件所对应元件数据的标幺值输入仿真平台,以对电力系统进行时域仿真。
可选地,在对电力系统进行时域仿真的过程中,服务器可以采用多核并行处理的计算方法,提高时域仿真效率,从而提高电力系统仿真效率。
步骤606,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果。
其中,预配置故障时间具体可以为一个表征电力系统在实际运行过程中出现故障的时间点,可以根据实际需求配置。
可选地,在进行时域仿真的过程中,服务器获取每次时域仿真所对应的仿真时间,并将每次仿真所对应的仿真时间与预配置故障时间进行对比,当时域仿真的仿真时间到达预配置故障时间时,根据电力系统在实际运行状态下所对应的故障状态,对电力系统在该仿真时间所对应的仿真结果进行更新,将电力系统在该仿真时间所对应的仿真结果更新为故障状态下的仿真结果。
步骤608,当仿真时间到达仿真时间阈值时,将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果。
其中,仿真时间阈值具体可以为一个表征电力系统仿真结束的时间点,可以根据实际需求配置。目标仿真结果具体可以为电力系统在仿真结束后,所输出的仿真结果。
可选地,在进行时域仿真的过程中,服务器还可以将仿真时间与仿真时间阈值进行对比,当时域仿真的仿真时间到达预配置故障时间,且同时到达仿真时间阈值时,服务器可以确定当前的仿真时间为电力系统的故障时间,且同时为电力系统仿真结束的时间,从而将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果。
可选地,在进行时域仿真的过程中,当时域仿真的仿真时间到达预配置故障时间,但未到达仿真时间阈值时,服务器可以控制仿真平台继续对电力系统进行时域仿真。
上述的电力系统仿真方法,先获取电力系统中实时的仿真参数及算例数据,再对仿真参数及算例数据进行潮流计算,获得潮流计算结果,以便后续可以基于潮流计算结果,对电力系统进行时域仿真,提高仿真效率,在对电力系统进行时域仿真的过程中,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果,以模拟电力系统发生故障时的真实状态,提高时域仿真准确率,进一步的,当仿真时间到达预配置故障时间,且仿真时间也到达仿真时间阈值时,表征当前仿真时间与预配置故障时间、仿真时间阈值一致,则将时域仿真停止,并将电力系统在故障状态下的仿真结果确定为电力系统的目标仿真结果,从而达到提高电力系统仿真效果的目的。
在其中一个实施例中,获取电力系统中实时的仿真参数及算例数据,对仿真参数及算例数据进行潮流计算,获得潮流计算结果包括:
获取电力系统实时的仿真参数及算例数据,将仿真参数及算例数据输入潮流计算模块,进行迭代计算,获得每次迭代结束后所对应的迭代结果;
当迭代结果满足迭代收敛条件时,将满足迭代收敛条件的迭代结果确定为潮流计算结果。
其中,服务器可以对每次迭代结束后所对应的迭代结果设置一个预估迭代结果,当预估迭代结果与实际迭代结果之间的迭代误差小于误差阈值时,服务器将确定该迭代结果满足迭代收敛条件。每次迭代结束后所对应的预估迭代结果可以根据实际应用场景配置。
可选地,服务器可以先获取电力系统实时的数据(实时镜像数据),再将仿真参数及算例数据输入潮流计算模块,并按照预配置的迭代条件,通过潮流计算模块,对仿真参数及算例数据进行迭代计算,获得每次迭代结束后所对应的迭代结果。进一步的,服务器可以将每次迭代结束后所对应的迭代结果,与潮流计算模块中预配置的迭代收敛条件进行对比,得到对比结果,当对比结果表征迭代结果满足迭代收敛条件时,服务器可以将满足迭代收敛条件的迭代结果确定为潮流计算结果。
示例性地,在将仿真参数及算例数据输入潮流计算模块之前,服务器可以预先对潮流计算模块所涉及的参数进行配置,例如,潮流计算模块中所涉及的算法框架、潮流计算的最大迭代次数、误差阈值等。本实施中不对潮流计算模块所涉及的参数进行限定,潮流计算模块所涉及的参数可以根据实际需求进行配置。
示例性地,如图7所示,以基于牛顿-拉夫逊方法(Newton-Raphson method)所构建的潮流计算模块为例进行说明,提供了一种潮流计算的流程示意图,其中,牛顿-拉夫逊方法是一种在实数域和复数域上近似求解方程的方法,牛顿-拉夫逊方法的求解过程是一个反复修正的过程。
图7中主要流程包括:服务器将所获取的实时镜像数据存储至原始数据卡中,再通过调用数据接口,对原始数据卡中的实时镜像数据进行标幺化,得到各实时镜像数据所对应的标幺值,再基于各实时镜像数据所对应的标幺值,构建导纳矩阵,然后基于各实时镜像数据所对应的标幺值以及所构建的导纳矩阵进行迭代运算。在进行迭代运算之前,服务器可以先将迭代次数k置零。在进行迭代运算的过程中,针对每一次迭代,服务器可配置各实时镜像数据各自对应的预估迭代结果,并将每次迭代后所产生的实际迭代结果与相应的预估迭代结果进行对比,获得各实时镜像数据在每次迭代后所对应的迭代误差。
如图7所示,当迭代误差的最大值不小于误差阈值时,服务器可以基于各实时镜像数据每次迭代所对应的迭代误差以及每次迭代之前所对应的标幺值,构建各实时镜像数据的雅克比矩阵,并基于所构建的雅克比矩阵,求解各仿真参数的修正方程,从而基于各仿真参数的修正方程,获得各实时镜像数据所对应的修正后的迭代结果。进一步的,服务器可以对迭代次数进行一次累加,再将各实时镜像数据所对应的修正后的迭代结果作为新一轮迭代的输入,并重复上述过程,直至获得潮流计算结果。当迭代误差的最大值小于误差阈值时,服务器可以直接计算平衡节点功率以及其他各节点的功率,并将所获得的计算结果,作为潮流计算结果。其中,雅可比矩阵是一阶偏导数以一定方式排列成的矩阵,可以用于表征一个可微方程与给出点的最优线性逼近。
示例性地,在获得各实时镜像数据各自迭代误差的过程中,服务器可以获得的迭代误差包括但不限定于PQ节点的功率误差、PV节点的功率误差、平衡节点的功率误差。在构建雅克比矩阵的过程中,服务器可以构建的雅克比矩阵包括但不限定于PQ节点的雅克比矩阵、PV节点的雅克比矩阵、平衡节点的雅克比矩阵。
本实施例中,通过对电力系统中实时镜像数据进行潮流计算,得到潮流计算结果,以便后续可以根据潮流计算结果,对电力系统进行时域仿真。
在其中一个实施例中,对潮流计算结果进行时域仿真包括:
确定时域仿真所对应的仿真步长,其中,当时域仿真的仿真时间每累加一次仿真步长,对电力系统执行一次时域仿真;
获取每次执行时域仿真所对应的仿真时间,并将每次执行时域仿真所对应的仿真时间与预配置故障时间进行对比,得到对比结果;
当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果包括:
当对比结果为时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果。
其中,时域仿真的仿真步长具体可以为相邻两次时域仿真操作之间的时间间隔。
可选地,在进行时域仿真之前,服务器可以先确定时域仿真所对应的仿真步长,并控制仿真平台按照仿真步长对电力系统进行时域仿真,在时域仿真过程中,服务器可以通过对已执行时域仿真的次数进行累计,确定仿真时间所对应的仿真步长的个数,从而确定每次执行时域仿真所对应的仿真时间,并将每次执行时域仿真所对应的仿真时间与预配置故障时间进行对比,得到对比结果,当对比结果为时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果。
示例性地,服务器可以响应于用户对故障时间的配置操作,确定预配置故障时间,并将预配置故障时间存储于原始数据卡中,在进行时域仿真之前,服务器可以从原始数据卡中读取预配置故障时间,并将每次执行时域仿真所对应的仿真时间与预配置故障时间进行对比,以判断仿真时间是否到达预配置故障时间。
示例性地,假设仿真步长为0.025秒,需要对电力系统各实时镜像数据在20秒内的变化情况进行分析,且电力系统中在第1.025秒发生短路故障。服务器可以响应于用户的配置操作,将1.025秒确定为预配置故障时间,并控制仿真平台按照仿真步长进行时域仿真,再基于仿真时间所对应仿真步长的个数,确定每次执行时域仿真所对应的仿真时间。当确定仿真时间到达1.025秒时,服务器可以先获取电力系统在1.025秒所对应的仿真结果,再根据电力系统在故障状态下的实际运行状态,对电力系统在1.025秒所对应的仿真结果进行更新,获得电力系统在故障状态下的仿真结果。
本实施例中,在仿真时间到达预配置故障时间时,通过将电力系统在该仿真时间所对应的仿真结果更新为电力系统在故障状态下的仿真结果,能够模拟电力系统发生故障时的真实状态,从而提高电力系统仿真效果。
在其中一个实施例中,将每次执行时域仿真所对应的仿真时间与预配置故障时间进行对比,得到对比结果之后,还包括:
当对比结果为仿真时间未到达预配置故障时间时,获取电力系统在仿真时间所对应的仿真结果;
当仿真时间到达仿真时间阈值时,将电力系统在仿真时间所对应的仿真结果作为目标仿真结果。
可选地,当对比结果为仿真时间未到达预配置故障时间时,服务器可以获取电力系统在当前仿真时间所对应的仿真结果,并进一步判断当前仿真时间是否到达仿真时间阈值,当仿真时间到达仿真时间阈值时,服务器可以确定仿真时间已到达仿真结束时间,从而将电力系统在该仿真时间所对应的仿真结果作为电力系统仿真结束后所对应的目标仿真结果。
示例性地,当对比结果为仿真时间未到达预配置故障时间时,服务器具体可以用过以下方式获得电力系统在仿真时间所对应的仿真结果。例如,服务器可以将各实时镜像数据输入电力网络方程,以获得电力系统中各节点在当前仿真时间所对应的电压、电流等电力网络方程计算结果,再将电力网络方程计算结果输入微分代数方程求解器中,以获得各节点在当前仿真时间所对应的仿真结果。
其中,各节点在当前仿真时间所对应的仿真结果包括但不限定于电力系统中发电机的功角、转速、转差率等。电力网络方程具体可以为一种能够基于各节点当前的有功功率、无功功率、电流、电压、相角等参数,获得各节点在任一仿真时间所对应电压、电流的电路分析方程。微分代数方程(differential-algebra equation,DAE)具体可以为一种对电力系统中代数参数、状态参数所对应仿真结果进行求解的电力分析方程。电力系统所对应的实时镜像数据(仿真参数及算例数据)可以根据是否会发生突变,被划分为会发生突变的代数参数、不会发生突变的状态参数,代数参数包括但不限于电力系统中各节点的电压与相角,状态参数包括但不限于电力系统中各节点的功率和角速度。
示例性地,在服务器通过微分代数方程求解器,获得各节点在当前仿真时间所对应仿真结果的过程中,服务器可以通过多种方法获得仿真结果,例如,前向欧拉法和隐式梯形法。其中,欧拉法是一种一阶数值方法,用以对给定初值的常微分代数方程求解,其基本思想是迭代,具体可以分为前向欧拉法、后向欧拉法等。隐式梯形法具体可以为一种使用迭代法求解常微分代数方程的方法。
可选地,当对比结果为仿真时间未到达预配置故障时间时,且当前仿真时间也未到达仿真时间阈值时,服务器可以控制仿真平台继续对电力系统进行时域仿真。
本实施例中,通过判断仿真时间是否到达仿真时间阈值,以确定是否需要输出仿真结束时间点(仿真时间阈值)所对应的仿真结果,以便准确输出仿真结束时间点所对应目标仿真结果。
在其中一个实施例中,当时域仿真的仿真时间到达预配置故障时间时,将电力系统的仿真结果更新为故障状态下的仿真结果包括:
当仿真时间到达预配置故障时间时,获取电力系统在预配置故障时间所对应的初始仿真结果,初始仿真结果中包括电力系统所对应仿真参数及算例数据的仿真结果;
从初始仿真结果中,获得目标参数所对应的仿真结果,将目标参数所对应的仿真结果更新为故障状态下的仿真结果,获得电力系统在故障状态下的仿真结果。
其中,初始仿真结果中包括电力系统所对应代数参数以及状态参数的仿真结果。目标参数具体可以为电力系统中的代数参数,会在故障状态下发生突变,因此,当确定仿真时间到达预配置故障时间时,服务器需要对目标参数所对应的仿真结果进行更新。
可选地,当仿真时间到达预配置故障时间时,服务器可以获取电力系统在仿真时间所对应的仿真结果,即电力系统在预配置故障时间所对应的初始仿真结果,然后,服务器可以从初始仿真结果中,获得目标参数(代数参数)所对应的仿真结果,并将目标参数(代数参数)所对应的仿真结果更新为故障状态下的仿真结果,获得电力系统在故障状态下的仿真结果。
示例性地,当对比结果为仿真时间到达预配置故障时间时,服务器具体可以用过以下方式获得电力系统在仿真时间所对应的仿真结果。例如,服务器可以将各实时镜像数据输入电力网络方程,以获得电力系统中各实时镜像数据在当前仿真时间所对应的电压、电流等电力网络方程计算结果,并将各实时镜像数据中目标参数(代数参数)所对应的电力网络方程计算结果置零,而状态参数所对应的电力网络方程计算结果保持不变,即与到达预配置故障时间前(上一个步长)所对应的电力网络方程计算结果一致,得到更新后电力网络方程计算结果。进一步的,服务器可以再基于更新后电力网络方程计算结果,对微分代数方程进行更新,从而实现对目标参数所对应仿真结果的更新,即将目标参数所对应的仿真结果更新为故障状态下的仿真结果,最后,服务器可以通过更新后微分代数方程,得到电力系统在故障状态下的仿真结果。
示例性地,当仿真时间到达预配置故障时间时,服务器可以从原始数据卡中读取并筛选相应的目标参数,以便从仿真结果中,筛选出目标参数所对应的仿真结果。
本实施例中,通过对目标参数(代数参数)所对应的电力网络方程计算结果置零,即对目标参数在实际运行过程中,因故障发生突变所对应的故障状态进行模拟,并对微分代数方程进行修改,从而模拟电力系统在发生故障时的真实运行状态,能够达到提高电力系统仿真准确率的目的,从而提高电力系统仿真效果。
在一个实施例中,当仿真时间未到达仿真时间阈值时,仿真时间每累加一次仿真步长,对电力系统执行一次时域仿真,直至仿真时间到达仿真时间阈值。
可选地,服务器可以将仿真时间与仿真时间阈值进行对比,当仿真时间未到达仿真时间阈值时,仿真时间每累加一次仿真步长,服务器将控制仿真平台对电力系统执行一次时域仿真,直至仿真时间到达仿真时间阈值。
可选地,服务器还可以通过设置时域仿真的最大次数,以模拟时域仿真的结束条件。
本实施例中,在仿真时间未满足仿真结束条件时,通过控制仿真平台继续对电力系统进行仿真,能够避免时域仿真在未满足仿真结束条件时提前停止,从而能够提高电力系统仿真效率。
在一个实施例中,如图8所示,提供一种对电力系统进行时域仿真的流程示意图,主要流程包括:服务器可以先获取各实时镜像数据的潮流计算结果以及各电力元件的元件数据,再输入仿真平台,计算各实时镜像数据(状态参数与代数参数)所对应的初始时域仿真结果,并获取仿真时间tn,判断仿真时间tn是否到达预配置故障时间。
如图8所示,当仿真时间到达预配置故障时间时,对代数参数所对应的电力网络方程计算结果进行修改,并修改微分代数方程,以获得tn~tn+1时段的仿真结果,其中,tn为当前仿真步长所对应的仿真时间,tn+1为下一仿真步长所对应的仿真时间。进一步的,服务器再判断tn是否到达仿真时间阈值,当tn未到达仿真时间阈值时,服务器可以进一步判断tn所对应的仿真时间是否对应电力系统停机的时间,当tn所对应的仿真时间不对应电力系统停机的时间时,服务器可以控制仿真平台继续对电力系统进行时域仿真。当tn到达仿真时间阈值或者tn所对应的仿真时间对应电力系统停机的时间时,服务器均将tn所对应的仿真结果输出,作为目标仿真结果。
如图8所示,当仿真时间未到达预配置故障时间时,服务器将直接获得tn~tn+1时段的仿真结果,并重复上述判断tn是否到达仿真时间阈值或者tn所对应的仿真时间是否对应电力系统停机时间的操作,直至输出仿真结果。
在一个实施例中,如图9所示,提供了另一种电力系统仿真方法的流程示意图,主要流程包括:服务器先对电力系统中实时镜像数据进行潮流计算,得到潮流计算结果,再基于潮流计算结果,对电力系统进行时域仿真,在时域仿真过程中,服务器先判断仿真时间是否到达预配置故障时间。若未到达,则直接求解电力网络方程,得到电力网络方程计算结果,再根据电力网络方程计算结果求解微分代数方程,以得到仿真结果。若已到达,则先求解电力网络方程,得到电力网络方程计算结果,再根据电力网络方程计算结果修改微分代数方程,最后通过求解微分代数方程获得仿真结果。最后,服务器需判断仿真时间是否满足停止仿真的条件,若满足,则输出仿真结果,若不满足,则重复上述步骤。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种高性能电力系统云仿真系统架构,其特征在于,所述架构包括:环境构建模块、接口模块、数据预处理模块、模型库模块、潮流计算模块、时域仿真模块以及数据输出模块;
所述环境构建模块构建用户使用高性能电力系统云仿真系统架构所需的基础设施环境,以使所述用户调用所述架构中的各模块;所述架构部署于云端服务器;所述云端服务器存储有多个账户信息;所述用户的终端基于当前登录的账户信息,访问所述云端服务器,以使所述云端服务器调用所述架构对所述电力系统进行时域仿真,得到仿真结果;各所述用户基于所述云端服务器共享资源;
所述接口模块获取电力系统中实时的仿真参数及算例数据;所述实时的仿真参数及算例数据,为所述电力系统的实时镜像数据;
所述数据预处理模块对各所述实时镜像数据进行标幺化处理,得到各所述实时镜像数据各自对应的标幺值,并将各所述实时镜像数据各自对应的标幺值输入所述潮流计算模块;
所述潮流计算模块基于各所述实时镜像数据各自对应的标幺值,构建导纳矩阵,基于所述标幺值和所述导纳矩阵进行迭代运算,直到通过所述迭代运算所得到的各所述实时镜像数据的迭代误差的最大值小于误差阈值,计算平衡节点的功率、电力系统负荷节点的功率以及电力系统电压控制节点的功率,将所得到的计算结果,作为潮流计算结果;
所述时域仿真模块基于所述潮流计算结果、以及所述模型库模块中与所述电力系统对应的各电力元件模型,对所述电力系统进行时域仿真;当所述时域仿真的仿真时间到达预配置故障时间时,将所述电力系统的仿真结果更新为故障状态下的仿真结果;当所述仿真时间到达仿真时间阈值时,将所述电力系统在故障状态下的仿真结果确定为所述电力系统的目标仿真结果;
所述数据输出模块,输出所述目标仿真结果。
2.根据权利要求1所述的架构,其特征在于,所述接口模块基于所获取的实时仿真参数及算例数据,对所述模型库模块中各电力元件模型以及各所述电力元件模型的模型参数进行更新。
3.根据权利要求1所述的架构,其特征在于,所述架构还包括:数据服务模块;
所述接口模块将所述仿真参数及所述算例数据输入所述数据服务模块;
所述数据服务模块对所述仿真参数及所述算例数据进行数据预处理,得到预处理参数,将所述预处理参数输入所述潮流计算模块。
4.根据权利要求1所述的架构,其特征在于,所述接口模块通过与电力系统互联的采集系统,获取所述电力系统中实时的仿真参数及算例数据。
5.根据权利要求1所述的架构,其特征在于,所述云端服务器响应于所述用户终端发送的调用请求;
所述云端服务器基于所述调用请求所需调用的目标模块,从所述架构中调用所述目标模块进行数据处理,向所述用户终端反馈所述目标模块的数据处理结果。
6.一种电力系统仿真方法,应用于权利要求1所述的高性能电力系统云仿真系统架构,其特征在于,所述方法包括:
构建用户使用高性能电力系统云仿真系统架构所需的基础设施环境,以使各所述用户调用所述高性能电力系统云仿真系统架构进行时域仿真;所述高性能电力系统云仿真系统架构部署于云端服务器;所述云端服务器存储有多个账户信息;所述用户的终端基于当前登录的账户信息,访问所述云端服务器,以使所述云端服务器调用所述架构对所述电力系统进行时域仿真,得到仿真结果;各所述用户基于所述云端服务器共享资源;
获取电力系统中实时的仿真参数及算例数据;所述实时的仿真参数及算例数据,为所述电力系统的实时镜像数据;
对各所述实时镜像数据进行标幺化处理,得到各所述实时镜像数据各自对应的标幺值;
基于各所述实时镜像数据各自对应的标幺值,构建导纳矩阵,基于所述标幺值和所述导纳矩阵进行迭代运算,直到通过所述迭代运算所得到的各所述实时镜像数据的迭代误差的最大值小于误差阈值,计算平衡节点的功率、电力系统负荷节点的功率以及电力系统电压控制节点的功率,将所得到的计算结果,作为潮流计算结果;
基于所述潮流计算结果和所述电力系统的各电力元件模型,对所述电力系统进行时域仿真;
当所述时域仿真的仿真时间到达预配置故障时间时,将所述电力系统的仿真结果更新为故障状态下的仿真结果;
当所述仿真时间到达仿真时间阈值时,将所述电力系统在故障状态下的仿真结果确定为所述电力系统的目标仿真结果。
7.根据权利要求6所述的方法,其特征在于,所述预配置故障时间为表征电力系统在实际运行过程中出现故障的时间点。
8.根据权利要求6所述的方法,其特征在于,所述对所述电力系统进行时域仿真包括:
确定所述时域仿真所对应的仿真步长,其中,当所述时域仿真的仿真时间每累加一次仿真步长,对所述电力系统执行一次时域仿真;
获取每次执行时域仿真所对应的仿真时间,并将所述每次执行时域仿真所对应的仿真时间与所述预配置故障时间进行对比,得到对比结果;
所述当所述时域仿真的仿真时间到达预配置故障时间时,将所述电力系统的仿真结果更新为故障状态下的仿真结果包括:
当所述对比结果为所述时域仿真的仿真时间到达预配置故障时间时,将所述电力系统的仿真结果更新为故障状态下的仿真结果。
9.根据权利要求8所述的方法,其特征在于,所述将所述每次执行时域仿真所对应的仿真时间与所述预配置故障时间进行对比,得到对比结果之后,还包括:
当所述对比结果为所述仿真时间未到达预配置故障时间时,获取所述电力系统在所述仿真时间所对应的仿真结果;
当所述仿真时间到达仿真时间阈值时,将所述电力系统在所述仿真时间所对应的仿真结果作为目标仿真结果。
10.根据权利要求8所述的方法,其特征在于,所述当所述时域仿真的仿真时间到达预配置故障时间时,将所述电力系统的仿真结果更新为故障状态下的仿真结果包括:
当所述仿真时间到达预配置故障时间时,获取所述电力系统在所述预配置故障时间所对应的初始仿真结果,所述初始仿真结果中包括所述电力系统所对应仿真参数以及算例数据的仿真结果;
从所述初始仿真结果中,获得目标参数所对应的仿真结果,将所述目标参数所对应的仿真结果更新为故障状态下的仿真结果,获得所述电力系统在故障状态下的仿真结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211391029.8A CN115688447B (zh) | 2022-11-08 | 2022-11-08 | 一种高性能电力系统云仿真系统架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211391029.8A CN115688447B (zh) | 2022-11-08 | 2022-11-08 | 一种高性能电力系统云仿真系统架构 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115688447A CN115688447A (zh) | 2023-02-03 |
CN115688447B true CN115688447B (zh) | 2023-10-20 |
Family
ID=85049289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211391029.8A Active CN115688447B (zh) | 2022-11-08 | 2022-11-08 | 一种高性能电力系统云仿真系统架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115688447B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810646A (zh) * | 2014-01-16 | 2014-05-21 | 天津大学 | 一种基于改进投影积分算法的有源配电系统动态仿真方法 |
CN103886419A (zh) * | 2014-03-27 | 2014-06-25 | 国家电网公司 | 一种电网运行方式规划校核分析系统 |
CN106295001A (zh) * | 2016-08-10 | 2017-01-04 | 华北电力大学 | 适用于电力系统中长时间尺度的准稳态变步长仿真方法 |
CN111541239A (zh) * | 2020-04-15 | 2020-08-14 | 国网江苏省电力有限公司经济技术研究院 | 基于时域仿真确定全过程动态电压稳定裕度的方法和系统 |
-
2022
- 2022-11-08 CN CN202211391029.8A patent/CN115688447B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810646A (zh) * | 2014-01-16 | 2014-05-21 | 天津大学 | 一种基于改进投影积分算法的有源配电系统动态仿真方法 |
CN103886419A (zh) * | 2014-03-27 | 2014-06-25 | 国家电网公司 | 一种电网运行方式规划校核分析系统 |
CN106295001A (zh) * | 2016-08-10 | 2017-01-04 | 华北电力大学 | 适用于电力系统中长时间尺度的准稳态变步长仿真方法 |
CN111541239A (zh) * | 2020-04-15 | 2020-08-14 | 国网江苏省电力有限公司经济技术研究院 | 基于时域仿真确定全过程动态电压稳定裕度的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115688447A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962999B2 (en) | Microgrid model based automated real time simulation for market based electric power system optimization | |
Yang et al. | Effect of natural gas flow dynamics in robust generation scheduling under wind uncertainty | |
Arraño-Vargas et al. | Modular design and real-time simulators toward power system digital twins implementation | |
Bialek et al. | Benchmarking and validation of cascading failure analysis tools | |
Preece et al. | Efficient estimation of the probability of small-disturbance instability of large uncertain power systems | |
CN107862103B (zh) | 一种基于adpss的仿真模型生成方法及系统 | |
EP4068172A1 (en) | Planning method and system for cable path of wind power plant, medium, and electronic device | |
US11616365B2 (en) | Decentralized hardware-in-the-loop scheme | |
CN113169709A (zh) | 基于机器学习的太阳能发电控制系统及方法 | |
Sampath Kumar et al. | Impact analysis of large power networks with high share of renewables in transient conditions | |
Shayesteh et al. | Scenario reduction, network aggregation, and DC linearisation: which simplifications matter most in operations and planning optimisation? | |
CN117767250B (zh) | 基于故障监测的直流微电网协调控制方法及系统 | |
CN112035552B (zh) | 一种基于关联规则的电压暂降严重程度预测方法及装置 | |
Pérez‐Rúa et al. | Reliability‐based topology optimization for offshore wind farm collection system | |
CN112801374B (zh) | 模型训练方法、用电负荷预测方法、装置及设备 | |
CN115688447B (zh) | 一种高性能电力系统云仿真系统架构 | |
CN111079982A (zh) | 风电场的电缆路径的规划方法、系统、介质及电子设备 | |
CN113570473B (zh) | 设备故障监测方法、装置、计算机设备和存储介质 | |
Armaghani et al. | Application of a new fast analytical approach for post-contingency state estimation of “N-1” transmission line outage in online vulnerability assessment of large-scale transmission networks with wind power resources | |
CN115224727A (zh) | 一种风电动态功角稳定性的测试方法及装置 | |
CN115080001A (zh) | 物联网系统的项目开发方法、装置、设备及存储介质 | |
Zhu et al. | Identifying critical load locations for power system voltage, angular and frequency stability | |
CN114583689A (zh) | 一种对配电网异常数据的修复方法及系统 | |
CN113190403A (zh) | 大数据平台运行状态的监控系统、计算机设备、终端、介质 | |
KR20210058005A (ko) | 시계열 모의 운영 기반의 배전계통 분산형 전원의 용량 산정 장치 및 그 방법 |
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 |