CN115907163A - 电力系统运行状态预测方法、装置和计算机设备 - Google Patents
电力系统运行状态预测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN115907163A CN115907163A CN202211475231.9A CN202211475231A CN115907163A CN 115907163 A CN115907163 A CN 115907163A CN 202211475231 A CN202211475231 A CN 202211475231A CN 115907163 A CN115907163 A CN 115907163A
- Authority
- CN
- China
- Prior art keywords
- power
- target
- value
- determining
- power system
- 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
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种电力系统运行状态预测方法、装置、计算机设备、存储介质和计算机程序产品。通过基于目标中断事件情况下的目标电力系统结构信息,确定电力系统的灵敏度因子和目标电力资源数值约束条件,基于上述参数和目标预测模型输出电力资源数值调整策略,基于目标电力系统结构信息确定电力系统中断运行时的切负荷概率和切负荷期望值,从而基于电力资源数值调整策略、切负荷概率和切负荷期望值预测电力系统故障时的运行状态,提高了电力系统运行状态预测的准确度。
Description
技术领域
本申请涉及电力技术领域,特别是涉及一种电力系统运行状态预测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
新型电力系统下,风能和太阳能将成为电力供应的重要支柱,其风、光资源的随机性和波动性,导致电力系统特征发生显著变化。新能源电力逐渐成为主力电源,对于新型电力系统下保障电力系统安全、稳定、经济运行可发挥非常重要的作用。为保障电力系统的正常运作,需要对电力系统遇到各类事件时的运行状态进行预测,以确保其能正常应对运行时的突发情况。目前对电力系统的运行状态进行预测的方式通常是检测任意数量的元件退出运行时电力系统的运行是否正常,从而确定电力系统在各个元件故障下的运行状态。然而,通过仿真退出运行元件的方式预测电力系统的运行状态,由于不同的故障的严重程度会随时变动,仅基于元件退出后电力系统是否能正常运行,不能准确检测电力系统的运行状态。
因此,目前的电力系统运行状态预测方法存在准确度低的缺陷。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高准确度的电力系统运行状态预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种电力系统运行状态预测方法,所述方法包括:
接收预测指令,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息;所述目标中断事件表征使所述待预测电力系统中断运行的事件;
根据所述目标电力系统结构信息,确定所述待预测电力系统中各电力设备的灵敏度因子以及所述各电力设备的目标电力资源数值约束条件,并根据目标预测模型基于所述灵敏度因子和所述目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略;所述目标电力设备表示在所述目标中断事件情况下出现电力资源数值异常且灵敏度因子绝对值最大的电力设备;所述灵敏度因子表征所述电力设备对功率变化的灵敏度;
根据所述目标电力系统结构信息,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率以及需求功率,根据所述待分配功率以及所述需求功率确定所述待预测电力系统在所述目标中断事件情况下的切负荷概率以及切负荷期望值;
根据所述切负荷概率、切负荷期望值和所述电力资源数值调整策略,确定所述待预测电力系统在所述目标中断事件情况下的运行状态。
在其中一个实施例中,所述获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息,包括:
获取待预测电力系统的历史运行中断事件的事件类型和持续时间;
根据多个历史运行中断事件的事件类型和持续时间,生成所述待预测电力系统对应的事件分布函数;
获取所述事件分布函数中目标中断事件的目标持续时间,根据所述目标中断事件及其目标持续时间确定所述待预测电力系统对应的目标电力系统结构信息。
在其中一个实施例中,所述事件分布函数中包括确定事件和随机事件;所述获取所述事件分布函数中目标中断事件的目标持续时间,包括:
获取预设事件类型指数分布函数,将预设随机数输入所述预设事件类型指数分布函数,确定对应的目标中断事件;所述预设事件类型指数分布函数表征所述确定事件和所述随机事件的发生顺序;
根据所述事件分布函数中目标中断事件以前的各个中断事件的持续时间,以及所述事件分布函数,确定所述目标中断事件的目标持续时间。
在其中一个实施例中,所述目标预测模型包括上层模型和下层模型;所述上层模型用于确定各电力设备的电力资源数值;所述下层模型用于在电力资源数值异常时确定电力资源数值调整策略,以使电力资源数值恢复正常;
所述根据所述目标电力系统结构信息,确定所述待预测电力系统中各电力设备的灵敏度因子以及所述各电力设备的目标电力资源数值约束条件,包括:
获取所述待预测电力系统对应的额定功率,根据所述目标电力系统结构信息中各电力设备的连接关系,确定节点支路关联矩阵;
根据所述节点支路关联矩阵中各电力设备间的电阻,确定节点导纳矩阵;
根据所述节点导纳矩阵中每两个元素对应的电阻以及由该每两个元素组成的线路的功率,确定每两个元素对应的电力设备的灵敏度因子;
根据转出电力资源数值的最小值,确定第一上层模型约束条件,根据所述待预测电力系统负载平衡时的发电功率和用电功率,确定第二上层模型约束条件,根据各电力设备所在支路的功率的最大值,确定第三上层模型约束条件,根据各电力设备的出力最小值和出力最大值,确定第四上层模型约束条件;根据所述第一上层模型约束条件、第二上层模型约束条件、第三上层模型约束条件和第四上层模型约束条件,确定所述上层模型的第一目标电力资源数值约束条件;
根据各电力设备的库容,确定第一下层模型约束条件,根据各电力设备的发电出力状态,确定第二下层模型约束条件,根据各电力设备的抽发电量,确定第三下层模型约束条件,根据各电力设备的启停次数,确定第四下层模型约束条件,根据各电力设备的电化学储能,确定第五下层模型约束条件;根据所述第一下层模型约束条件、第二下层模型约束条件、第三下层模型约束条件、第四下层模型约束条件和第五下层模型约束条件,确定所述下层模型的第二目标电力资源数值约束条件;
将所述第一目标电力资源数值约束条件和所述第二目标电力资源数值约束条件作为所述目标电力资源数值约束条件。
在其中一个实施例中,所述根据目标预测模型基于所述灵敏度因子和所述目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略,包括:
基于所述第一目标电力资源数值约束条件生成目标拉格朗日函数,检测所述拉格朗日函数是否存在可行解;
若否,获取所述待预测电力系统中电力资源数值最高的异常支路,并获取所述异常支路中灵敏度因子的绝对值最高的目标电力设备;
在所述待预测电力系统具有所述目标电力设备的各个支路中,确定使所述第三上层模型约束条件最大的支路作为目标调节对象;根据所述储能设备的发电量、所述目标电力设备的发电量、用户的用电量和所述储能设备的单位电力资源数值,确定所述下层模型中的目标函数的输出值;
根据所述输出值以及所述目标调节对象中的目标电力设备的灵敏度因子的数值大小,确定所述目标电力设备或所述待预测电力系统对应的储能设备的出力的第一调整数值,并确定所述目标电力设备的负荷或储能设备的消纳功率的第二调整数值;
若根据由所述第一调整数值和所述第二调整数值确定的调整后的第一电力资源数值约束条件,确定所述目标拉格朗日函数存在可行解,且根据由所述第一调整数值和所述第二调整数值确定的调整后的第二电力资源数值约束条件,确定所述目标函数的输出值为最小值,将所述第一调整数值和所述第二调整数值作为电力资源数值调整策略。
在其中一个实施例中,所述根据所述目标电力系统结构信息,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率以及需求功率,根据所述待分配功率以及所述需求功率确定所述待预测电力系统在所述目标中断事件情况下的切负荷概率以及切负荷期望值,包括:
根据各个目标电力设备的最大发电功率和当前发电功率的差值与所述目标电力设备当前剩余待分配功率中的最小值,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率;
根据各个目标电力设备在下一时间点的需求功率与当前时间点的需求功率的差值,确定所述待预测电力系统在所述目标中断事件情况下的需求功率;
获取所述待分配功率小于所述需求功率的概率,作为所述切负荷概率;
获取所述需求功率与所述待分配功率的差值,并根据所述差值与所述切负荷概率的乘积,得到切负荷期望值。
第二方面,本申请提供了一种电力系统运行状态预测装置,所述装置包括:
接收模块,用于接收预测指令,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息;所述目标中断事件表征使所述待预测电力系统中断运行的事件;
第一预测模块,用于根据所述目标电力系统结构信息,确定所述待预测电力系统中各电力设备的灵敏度因子以及所述各电力设备的目标电力资源数值约束条件,并根据目标预测模型基于所述灵敏度因子和所述目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略;所述目标电力设备表示在所述目标中断事件情况下出现电力资源数值异常且灵敏度因子绝对值最大的电力设备;所述灵敏度因子表征所述电力设备对功率变化的灵敏度;
第二预测模块,用于根据所述目标电力系统结构信息,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率以及需求功率,根据所述待分配功率以及所述需求功率确定所述待预测电力系统在所述目标中断事件情况下的切负荷概率以及切负荷期望值;
确定模块,用于根据所述切负荷概率、切负荷期望值和所述电力资源数值调整策略,确定所述待预测电力系统在所述目标中断事件情况下的运行状态。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
上述电力系统运行状态预测方法、装置、计算机设备、存储介质和计算机程序产品,通过基于目标中断事件情况下的目标电力系统结构信息,确定电力系统的灵敏度因子和目标电力资源数值约束条件,基于上述参数和目标预测模型输出电力资源数值调整策略,基于目标电力系统结构信息确定电力系统中断运行时的切负荷概率和切负荷期望值,从而基于电力资源数值调整策略、切负荷概率和切负荷期望值预测电力系统故障时的运行状态,提高了电力系统运行状态预测的准确度。
附图说明
图1为一个实施例中电力系统运行状态预测方法的流程示意图;
图2为一个实施例中灵敏度因子确定步骤的流程示意图;
图3为一个实施例中电力资源数值调整步骤的流程示意图;
图4为另一个实施例中电力系统运行状态预测方法的流程示意图;
图5为一个实施例中电力系统运行状态预测装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
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。
在一个实施例中,如图1所示,提供了一种电力系统运行状态预测方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现,包括以下步骤:
步骤S202,接收预测指令,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息;目标中断事件表征使待预测电力系统中断运行的事件。
其中,预测指令可以是用于进行待预测电力系统在发生中断事件时的运行状态变化的指令,该指令可以通过人工发起。待预测电力系统可以是需要进行预测的系统,预测可以是对电力系统在发生故障时的通过改变运行状态来应对故障的方式进行预测,从而对电力系统的可靠性进行评估。终端可以在接收到预测指令后,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息。其中,目标中断事件表示使待预测电力系统中断运行的事件,例如检修或设备故障等。目标电力系统结构信息可以是当目标中断事件发生时,电力系统的结构改变,例如当某个电力设备发生故障,则电力系统中运行中的电力设备会减少,各个电力设备间的连接关系和数据传输量也会改变,因此终端可以基于该变化得到目标电力系统结构信息。具体地,上述待预测电力系统可以是一种含抽水蓄能电站的发电系统,系统中可以包括多个抽水蓄能电站,用于进行抽水蓄电和发电。
步骤S204,根据目标电力系统结构信息,确定待预测电力系统中各电力设备的灵敏度因子以及各电力设备的目标电力资源数值约束条件,并根据目标预测模型基于灵敏度因子和目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略;目标电力设备表示在目标中断事件情况下出现电力资源数值异常且灵敏度因子绝对值最大的电力设备;灵敏度因子表征电力设备对功率变化的灵敏度。
其中,终端可以根据目标电力系统结构信息确定待预测电力系统中各电力设备的灵敏度因子以及各电力设备的目标电力资源数值的约束条件。例如,目标电力系统结构信息中可以包括各个电力设备间的连接关系和功率传输数值关系,从而终端可以基于上述连接关系和功率传输数值关系,确定各个电力设备的灵敏度因子,以及各电力设备的目标电力资源数值约束条件。其中,目标电力资源数值约束条件中包括第一目标电力资源数值约束条件和第二目标电力资源数值约束条件。其中,第一目标电力资源数值约束条件可以是用于确定电力设备在故障发生时的电力资源数值的约束条件,第二目标电力资源数值约束条件可以是用于确定如何将故障时异常的电力资源数值调整至正常的约束条件,其中正常表示各电力设备间的电力资源数值的差值小于预设数值。
终端可以预先构建目标预测模型,目标预测模型可以是用于对电力资源数值进行调整的模型,其中目标预测模型中可以包括上层模型和下层模型,上层模型可以用于确定电力系统中各电力设备的电力资源数值,下层模型可以用于对存在异常电力资源数值的电力设备进行调整,以将电力系统中各电力设备的电力资源数值恢复一致;并且,上述上层模型和下层模型均对应有相应的约束条件,即上述目标电力资源数值约束条件中包括上层模型对应的约束条件和下层模型对应的约束条件。终端得到上述灵敏度因子和约束条件后,可以将上述灵敏度因子和目标预测模型的目标电力资源数值约束条件输入目标预测模型,由目标预测模型基于灵敏度因子和目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略。其中,上述目标电力设备可以是待预测电力系统遭遇上述目标中断事件情况下,系统中存在电力资源数值异常,并且电力设备的灵敏度因子最大的电力设备。其中,灵敏度因子表征上述各个电力设备对功率变化的灵敏度。例如,当终端利用储能电站对目标电力设备进行功率输入时,灵敏度因子越大,则目标电力设备响应上述功率变化的速度越快,即可以更快对目标电力设备的异常电力资源数值进行调整。其中,上述灵敏度因子可以是正数也可以是负数,上述灵敏度因子最大可以是灵敏度因子的绝对值最大。
步骤S206,根据目标电力系统结构信息,确定待预测电力系统在目标中断事件情况下的待分配功率以及需求功率,根据待分配功率以及需求功率确定待预测电力系统在目标中断事件情况下的切负荷概率以及切负荷期望值。
其中,目标电力系统结构信息可以是待预测电力系统在遭遇上述目标中断事件后的结构信息。终端可以以时间为单位对电力设备进行功率分配,则终端可以获取上述目标电力系统结构信息中当前时间点待预测电力系统可以用于分配的功率,即上述待分配功率,还可以基于待预测电力系统的目标电力系统结构信息中各个电力设备维持运作所需的功率,确定需求功率。终端可以根据上述待分配功率和需求功率,通过运算得到待预测电力系统在目标中断事件情况下的切负荷概率和切负荷期望值。其中,切负荷是指变电站开关站等动作切除线路负荷,以减少电力系统的发电负担,则切负荷概率表示切负荷发生的概率。切负荷期望值表示切负荷发生时,缺失的负荷的期望数值。
步骤S208,根据切负荷概率、切负荷期望值和电力资源数值调整策略,确定待预测电力系统在目标中断事件情况下的运行状态。
其中,终端得到上述切负荷概率和切负荷期望值后,可以得到当待预测电力系统遭遇上述目标中断事件后,电力系统发生切负荷的可能性,以及切负荷的期望值,并且终端还可以基于电力资源数值调整策略,确定在待预测电力系统在遭遇上述目标中断事件并产生异常的电力资源数值时,电力系统将各电力设备对应的电力资源数值调整至一致的能力,从而终端可以基于上述切负荷概率、切负荷期望值和电力资源数值调整策略,确定待预测电力系统遭遇目标中断事件时的可靠性。
上述电力系统运行状态预测方法中,通过基于目标中断事件情况下的目标电力系统结构信息,确定电力系统的灵敏度因子和目标电力资源数值约束条件,基于上述参数和目标预测模型输出电力资源数值调整策略,基于目标电力系统结构信息确定电力系统中断运行时的切负荷概率和切负荷期望值,从而基于电力资源数值调整策略、切负荷概率和切负荷期望值预测电力系统故障时的运行状态,提高了电力系统运行状态预测的准确度。
在一个实施例中,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息,包括:获取待预测电力系统的历史运行中断事件的事件类型和持续时间;根据多个历史运行中断事件的事件类型和持续时间,生成待预测电力系统对应的事件分布函数;获取事件分布函数中目标中断事件的目标持续时间,根据目标中断事件及其目标持续时间确定待预测电力系统对应的目标电力系统结构信息。
本实施例中,终端可以预先构建各类中断事件对应的分布函数,该分布函数可以包括终端对多种中断事件的事件类型和持续时间的预测信息。终端可以基于历史的中断事件确定事件分布函数。例如,终端可以获取待预测电力系统的历史运行中断事件,并获取事件类型和持续时间。终端可以基于上述历史的事件类型和持续时间,进行中断事件发生时间和类型的预测,终端可以将预测出的各个事件类型和持续时间,按照发生时间的顺序进行分布函数的排布,进而生成待预测电力系统对应的事件分布函数。终端可以获取上述事件分布函数中目标中断事件的目标持续时间,由于不同的中断事件发生时,对电力系统会有不同的影响,因此终端可以根据目标中断事件及其目标持续时间,确定待预测电力系统对应的目标电力系统结构信息。其中,目标电力系统结构信息表征待预测电力系统遭遇目标中断事件后的电力系统结构信息。
其中,上述中断事件可以包括确定事件和随机事件,则终端可以基于目标中断事件的事件类型,确定不同的目标中断事件的持续时间。例如,在一个实施例中,获取事件分布函数中目标中断事件的目标持续时间,包括:获取预设事件类型指数分布函数,将预设随机数输入预设事件类型指数分布函数,确定对应的目标中断事件;预设事件类型指数分布函数表征确定事件和随机事件的发生顺序;根据事件分布函数中目标中断事件以前的各个中断事件的持续时间,以及事件分布函数,确定目标中断事件的目标持续时间。
本实施例中,终端可以预先获取预设事件类型指数分布函数,该预设事件类型指数分布函数表征确定事件和随机事件的发生顺序,具体可以是在特定时间段内上述事件分布函数中确定事件和随机事件的发生概率大小。终端可以通过将预设随机数输入预设事件类型指数分布函数,确定哪种中断事件先发生,从而确定对应的目标中断事件。终端还可以根据事件分布函数中,目标中断事件以前的各个中断事件的持续时间,以及上述事件分布函数本身,确定目标中断事件的目标持续时间。
具体地,电力市场运行过程中,有可能出现发电机检修、输电线路检修等确定性事件,也有可能出现发电机故障跳机、输电线路故障等随机故障。为开展电力系统可靠性评估,终端可以设随机事件组e1,e2,…en均服从参数为λ1,λ2,…λn的指数分布,且相互独立,终端可以证明,最先发生的随机事件e=min ej到达的时间服从于参数为的指数分布。上述不同的中断事件可以代表不同的状态,设电力系统处于状态i时,最先发生的随机事件到达时间为Ti,下一次确定性事件ej0到达的时间为Tj0。比较Ti与Tj0,由指数分布的特性有:P(Ti>Tj0)=e-λiTj0,即上述预设事件类型指数分布函数。根据上述分布函数,终端可以在随机模拟中判断确定事件是否先发生。具体地,终端可以获取在[0,1]区间上服从均匀分布的随机数μ,若0≤μ≤e-λiTj0,则确定事件ej0先发生,系统从状态i转移出去,在状态i中的停留时间是Tj0,如经多个状态后确定性事件才发生,则第k个状态的期望持续时间为否则是随机事件组{e1,e2,…,en}中的一个随机事件最先发生。通过上述公式,终端可以令目标中断事件为确定事件,则确定性事件ej0发生前,任一状态的分布函数和期望持续时间的递推公式可以如下所示:
通过上述实施例,终端可以基于确定事件和随机事件的分布函数确定目标中断事件的目标持续时间,从而终端可以基于目标中断事件及其目标持续时间确定电力系统在此状态下的可靠性,提高了电力系统运行状态预测的准确度。
在一个实施例中,根据目标电力系统结构信息,确定待预测电力系统中各电力设备的灵敏度因子以及各电力设备的目标电力资源数值约束条件,包括:获取待预测电力系统对应的额定功率,根据目标电力系统结构信息中各电力设备的连接关系,确定节点支路关联矩阵;根据节点支路关联矩阵中各电力设备间的电阻,确定节点导纳矩阵;根据节点导纳矩阵中每两个元素对应的电阻以及由该每两个元素组成的线路的功率,确定每两个元素对应的电力设备的灵敏度因子;根据转出电力资源数值的最小值,确定第一上层模型约束条件,根据待预测电力系统负载平衡时的发电功率和用电功率,确定第二上层模型约束条件,根据各电力设备所在支路的功率的最大值,确定第三上层模型约束条件,根据各电力设备的出力最小值和出力最大值,确定第四上层模型约束条件;根据第一上层模型约束条件、第二上层模型约束条件、第三上层模型约束条件和第四上层模型约束条件,确定上层模型的第一目标电力资源数值约束条件;根据各电力设备的库容,确定第一下层模型约束条件,根据各电力设备的发电出力状态,确定第二下层模型约束条件,根据各电力设备的抽发电量,确定第三下层模型约束条件,根据各电力设备的启停次数,确定第四下层模型约束条件,根据各电力设备的电化学储能,确定第五下层模型约束条件;根据第一下层模型约束条件、第二下层模型约束条件、第三下层模型约束条件、第四下层模型约束条件和第五下层模型约束条件,确定下层模型的第二目标电力资源数值约束条件;将第一目标电力资源数值约束条件和第二目标电力资源数值约束条件作为目标电力资源数值约束条件。
本实施例中,上述目标预测模型包括上层模型和下层模型,上层模型用于确定各电力设备的电力资源数值,下层模型用于在电力资源数值异常时确定电力资源数值调整策略,以使电力资源数值恢复正常。终端可以首先确定各个电力设备的灵敏度因子。终端可以首先获取待预测电力系统对应的额定功率,并根据目标电力系统结构信息中,各电力设备的连接关系,确定节点支路关联矩阵,节点支路关联矩阵中包括待预测电力系统中各个电力设备间的连接关系,例如存在连接关系则矩阵中对应位置数值为1,不存在连接关系则矩阵中对应位置数值为0。终端可以根据节点支路关联矩阵中各电力设备间的电阻,确定节点导纳矩阵,即终端通过矩阵确定电力设备间的连接关系后,可以基于电力设备间的电阻信息确定节点导纳矩阵。其中,节点导纳矩阵中包括各个电力设备之间的电阻信息。上述节点导纳矩阵中可以包括元素,每个元素可以对应一个电力设备,并且节点导纳矩阵中还包括电力系统中的多个线路,每个线路可以由至少两个存在连接关系的元素组成,终端可以根据节点导纳矩阵中每两个元素对应的电阻以及由该每两个元素组成的线路的功率,确定每两个元素对应的电力设备的灵敏度因子。
具体地,如图2所示,图2为一个实施例中灵敏度因子确定步骤的流程示意图。终端可以首先获取网络数据,例如上述的目标电力系统结构信息,该数据可以是dat文件形式,终端可以基于该数据进行基态潮流的计算,即计算电网的为各电力设备提供的额定功率,并根据各支路的实际潮流方向,确定正方向,形成节点支路关联矩阵,进而根据该矩阵中的电阻信息确定节点导纳矩阵;从而终端可以通过指定需要计算开断分布因子的两条支路,计算各支路中电力设备的灵敏度因子。终端得到节点导纳矩阵后,可以定义直流潮流方程:P=Bδ,可写成AP=δ(式中A=B-1),终端可以设ai、aj分别为矩阵A,即上述节点导纳矩阵的第i行和第j行,根据电力系统中的线路功率公式:其中,Pij表示各节点的功率,结合上述线路功率公式和上述矩阵可得:Pij={(ai-aj)/xij}×P。终端可以设aii,aji分别为ai、aj的第i个元素,即Sk,i=(aii-aji)/xij,则Sk,i为节点i注入功率pi对线路Lij潮流的灵敏度因子,即Sk,i表示待预测电力系统中一个电力设备对应的灵敏度因子。
终端确定灵敏度因子后,还可以确定上述目标预测模型对应的各个约束条件。其中,上述目标预测模型包括上层模型和下层模型,各层模型可以包括多个约束条件。则终端可以获取转出电力资源数值的最小值,确定第一上层模型约束条件。其中,转出电力资源数值可以是终端使用储能装置的电力资源的数值使需要向提供方转出的数值。终端还可以根据待预测电力系统负载平衡时的发电功率和用电功率,确定第二上层模型约束条件,根据各电力设备所在支路的功率的最大值,确定第三上层模型约束条件,并根据各电力设备的出力最小值和出力最大值,确定第四上层模型约束条件。从而终端可以根据第一上层模型约束条件、第二上层模型约束条件、第三上层模型约束条件和第四上层模型约束条件,确定上层模型的第一目标电力资源数值约束条件。
并且,终端还可以获取各电力设备的库容,具体可以是抽蓄电站的库存水量上限,确定第一下层模型约束条件。终端可以根据各电力设备的发电出力状态,确定第二下层模型约束条件。并根据各电力设备的抽发电量,确定第三下层模型约束条件。其中,电力设备可以是抽水蓄电站,则抽发电量指抽水蓄电站的抽水量和发电量。终端还可以根据各电力设备的启停次数,确定第四下层模型约束条件,并根据各电力设备的电化学储能,确定第五下层模型约束条件。从而终端可以根据上述第一下层模型约束条件、第二下层模型约束条件、第三下层模型约束条件、第四下层模型约束条件和第五下层模型约束条件,确定下层模型的第二目标电力资源数值约束条件。终端确定第一目标电力资源数值约束条件和第二目标电力资源数值约束条件后,可以得到上述目标电力资源数值约束条件。
具体地,当发电机跳机、输电网络发生故障或网络阻塞发生时,系统不同区域电力资源数值可能出现大幅度升高,系统调度员调度电力系统中的储能装置充放电,抑制过高的电价。储能装置的作用主要有以下两点:当发电机跳机、输电网络发生故障,调用储能装置充放电,以满足系统运行要求。当输电线路出现阻塞导致某些系统某些区域电力资源数值过高时,调用储能装置充放电,改变系统潮流分布,从而降低电力资源数值,保障电力市场平稳运行。因此终端可以通过上层模型和下层模型实现上述功能。其中,上层模型可以是用于确定电力系统中电力设备的电力资源数值的模型,下层模型可以是用于调节各个电力设备的电力资源数值的模型。
其中,上层模型可以是以获取电力成本最低为目标函数,确定各区域的电力资源数值,其模型约束包括以下约束:1)市场出清目标:最小化购电费用,即使转出电力资源数值最小,如作为第一上层模型约束条件;2)系统约束,即负荷平衡作为第二上层模型约束条件;3)支路容量约束,公式为作为第三上层模型约束条件;4)机组约束,即出力上下限约束,公式为作为第四上层模型约束条件。其中,ρi为发电机的报价,Pgi为第i台发电机的出力,Pdt为第i个负荷量,S为线路灵敏度因子,PG表示电力设备的出力值,FLOW表示支路容量功率上限。终端可以基于上述各个约束条件,求解得到目标函数、网络约束的影子价格,即每个节点的电力资源数值。终端还可以令λ、μ、α、β分别为上述四个约束相对应的拉格朗日乘子,终端将乘子代入拉格朗日函数后得到的拉格朗日函数为:则最优性条件为:结合上述拉格朗日函数和最优性条件,可以得到待预测电力系统中各区域电力资源数值:其中,当上述各个约束对待预测电力系统起作用时,例如存在约束以外的参数数值,则约束对应的乘子可以不为零,反之则为零,从而终端可以确定相应的电力资源数值。
终端还可以确定下层模型的约束条件。其中,下层模型可以通过调用储能装置来进行电力资源数值的调整。储能装置的调用目标是尽量消除系统阻塞或发电机故障、输电线路线路故障引起的区域电力资源数值过高,使得各节点的电力资源数值趋于一致。终端可以预先构建目标函数,目标函数具体可以如下:其中,P抽为储能电站节点集合,ρi为储能电站报出的电力资源数值,ΔP抽表示储能电站增加的发电量,Pdi表示切负荷。
其中,上述电力设备可以是抽蓄电站,下层模型的约束可以如下所示:1)抽蓄电站库容约束,对于任意时段,可以包括以下约束:即上述第一下层模型约束条件。其中,ηs和ηG分别为抽水和发电时的平均水量/电量转换系数;W0为抽蓄电站上水库初始水量:Wmax和Wmin分别为抽蓄电站上水库最大和最小水量;表示预设时间中抽蓄电站的抽水状态,例如抽水时为1,不抽水时为0。上述不等式表示一天以内柚蓄电站上水库容量的约束,由于上下水库在抽发过程中库容之和不变,实际上也考虑了下水库库容的约束。2)抽蓄电站发电出力状态,其中,抽蓄电站发电出力要满足上下限约束,同时不能出现有的机组抽水,有的机组发电的情况,其约束可以是:即上述第二下层模型约束条件。其中,表示预设时间中抽蓄电站的发电状态,例如发电为1,否则为0。3)抽蓄电站抽发电量约束:即上述第三下层模型约束条件,该式表示抽蓄电站的抽水量和发电量应保持平衡。4)抽蓄机组启停次数约束,由于过于频繁启停会对抽蓄机组造成损害;从经济角度考虑,启停也会增加水头损失,增加成本,因此需要对每日每台机组的启停次数进行限制:即上述第四下层模型约束条件。其中,上式不等号左边项表示一日内机组启停的台次,Mps为每台机组每天启停次数的限制。5)电化学储能:即上述第五下层模型约束条件。其中,Pi VC(t)和Pi VD(t)为第i个电化学能装置在时间t处的充电和放电速率;为在时间t第i个储能装置的SOC状态;ηc和ηd为储能装置的充电和放电效率;SOCEV 和为SOC的上下极限值;和为最大充电和放电速率;C为储能装置的总容量。
通过上述实施例,终端可以基于目标预测模型的多个约束条件,进行电力系统的运行状态的预测,提高了预测准确度。
在一个实施例中,根据目标预测模型基于灵敏度因子和目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略,包括:基于第一目标电力资源数值约束条件生成目标拉格朗日函数,检测拉格朗日函数是否存在可行解;若否,获取待预测电力系统中电力资源数值最高的异常支路,并获取异常支路中灵敏度因子的绝对值最高的目标电力设备;在待预测电力系统具有目标电力设备的各个支路中,确定使第三上层模型约束条件最大的支路作为目标调节对象;根据储能设备的发电量、目标电力设备的发电量、用户的用电量和储能设备的单位电力资源数值,确定下层模型中的目标函数的输出值;根据输出值以及目标调节对象中的目标电力设备的灵敏度因子的数值大小,确定目标电力设备或待预测电力系统对应的储能设备的出力的第一调整数值,并确定目标电力设备的负荷或储能设备的消纳功率的第二调整数值;若根据由第一调整数值和第二调整数值确定的调整后的第一电力资源数值约束条件,确定目标拉格朗日函数存在可行解,且根据由第一调整数值和第二调整数值确定的调整后的第二电力资源数值约束条件,确定目标函数的输出值为最小值,将第一调整数值和第二调整数值作为电力资源数值调整策略。
本实施例中,终端可以基于拉格朗日函数进行电力资源数值调整。终端可以基于第一目标电力资源数值约束条件生成目标拉格朗日函数,检测拉格朗日函数是否存在可行解;若否,终端可以获取待预测电力系统中电力资源数值最高的异常支路,并获取异常支路中灵敏度因子的绝对值最高的目标电力设备;在待预测电力系统具有目标电力设备的各个支路中,终端可以确定使第三上层模型约束条件最大的支路作为目标调节对象;并根据储能设备的发电量、目标电力设备的发电量、用户的用电量和储能设备的单位电力资源数值,确定下层模型中的目标函数的输出值;根据输出值以及目标调节对象中的目标电力设备的灵敏度因子的数值大小,确定目标电力设备或待预测电力系统对应的储能设备的出力的第一调整数值,并确定目标电力设备的负荷或储能设备的消纳功率的第二调整数值;若终端根据由第一调整数值和第二调整数值确定的调整后的第一电力资源数值约束条件,确定目标拉格朗日函数存在可行解,且根据由第一调整数值和第二调整数值确定的调整后的第二电力资源数值约束条件,确定目标函数的输出值为最小值,则终端可以将第一调整数值和第二调整数值作为电力资源数值调整策略。
具体地,如图3所示,图3为一个实施例中电力资源数值调整步骤的流程示意图。电力资源数值调整包括多个步骤,具体包括:步骤1:执行包括上层模型中各个约束条件的购电优化程序,判断是否有可行解,若不存在可行解,则表明有线路过载,终端可以选择过载最严重的支路作为调节对象,并执行步骤2;若存在可行解,则执行步骤5。步骤2:终端根据选定的调节支路,根据灵敏度因子计算结果选择调节对象。步骤3:上述灵敏度因子包括正值和负值,终端选择具有正的最大灵敏度发电机和储能装置作为调节对象,选择具有负的最大灵敏度的负荷点和储能装置作为参与调节的负荷。并减少/增加发电机或储能装置出力,削减负荷或增加储能装置消纳功率;其中,不考虑网损情况下,为了保持系统总的功率平衡,上述削减的发电出力和负荷应相等。步骤4:执行步骤1重新执行购电优化。步骤5:执行上述上层模型的各个约束条件的购电优化程序,计算区域电力资源数值和支路潮流约束的拉格朗日乘子,同时执行下层调用储能装置模型,计算下层模型的目标函数的值。步骤6:在具有最高电力资源数值的节点的所有连支中,选择上述支路容量约束的拉格朗日乘子最大的支路作为调节对象。步骤7:终端确定预设步长ΔP,根据所选择支路潮流灵敏度的大小,在对调节支路影响最大的负荷节点处削减负荷ΔP,在对调节支路影响最大发电机节点处减少出力ΔP。步骤8:终端按上述上层模型的各个约束条件执行购电优化程序,重新计算区域电力资源数值及支路潮流约束的拉格朗日系数。步骤9:计算上述目标函数是否减少,否,系统满足优化,输出结果,例如减少/增加发电机或储能装置出力的具体数值,以及削减负荷或增加储能装置消纳功率的具体数值,作为电力资源数值调整策略;是,终端执行步骤6。
通过本实施例,终端可以基于上述上层模型、下层模型以及各层模型中的约束条件,确定对异常电力资源数值的调整策略,从而终端可以基于电力资源数值调整策略调整各个电力设备,以保持各个电力设备的电力资源数值一致,提高了对电力系统运行状态预测的准确度。
在一个实施例中,根据目标电力系统结构信息,确定待预测电力系统在目标中断事件情况下的待分配功率以及需求功率,根据待分配功率以及需求功率确定待预测电力系统在目标中断事件情况下的切负荷概率以及切负荷期望值,包括:根据各个目标电力设备的最大发电功率与当前发电功率的差值与目标电力设备当前剩余待分配功率中的最小值,确定待预测电力系统在目标中断事件情况下的待分配功率;根据各个目标电力设备在下一时间点的需求功率与当前时间点的需求功率的差值,确定待预测电力系统在目标中断事件情况下的需求功率;获取待分配功率小于需求功率的概率,作为切负荷概率;获取需求功率与待分配功率的差值,并根据差值与切负荷概率的乘积,得到切负荷期望值。
本实施例中,终端可以通过确定电力系统中各电力设备的切负荷概率和切负荷期望值,确定电力系统的可靠性。终端可以根据各个目标电力设备的最大发电功率和当前发电功率的差值与目标电力设备当前剩余待分配功率中的最小值,确定待预测电力系统在目标中断事件情况下的待分配功率。其中,待分配功率可以是当前电力系统可以提供的功率。终端还可以根据各个目标电力设备在下一时间点的需求功率与当前时间点的需求功率的差值,确定待预测电力系统在目标中断事件情况下的需求功率。其中需求概率表示电力系统中遭遇上述目标中断事件时维持运作须要的功率。终端可以获取待分配功率小于需求功率的概率,作为切负荷概率,终端还可以获取需求功率与待分配功率的差值,并根据差值与切负荷概率的乘积,得到切负荷期望值。从而终端可以基于切负荷概率和切负荷期望值,确定电力系统在遭遇目标中断事件时的系统可靠性。
具体地,上述切负荷概率的函数式可以如下式所示:切负荷期望值的函数可以如下所示:其中,PUFNS表示切负荷概率,EUFNS表示切负荷期望值,RUt表示电力系统当前可以分配的功率,(Pnet,i+1-Pnet,i)表示电力系统下一时间段所需的功率,Pr表示概率函数,PGi,t表示t时刻第i节点的功率,表示第i节点的最大功率。其中,上述各个功率数值可以基于目标电力系统结构信息确定
通过本实施例,终端可以基于目标电力系统结构信息中的各个电力设备的功率确定切负荷概率和切负荷期望值,从而终端可以基于切负荷概率和期望值确定电力系统遭遇目标中断事件时的系统充裕度和可靠性,提高了电力系统状态预测的准确度。
在一个实施例中,如图4所示,图4为另一个实施例中电力系统运行状态预测方法的流程示意图。上述电力资源数值可以是电价,上述电力系统在一段时间内可以包括多个状态,即多个中断事件。则终端预测电力系统运行状态可以包括以下步骤:步骤A包括:
步骤1:输入电力系统输电网络、发电机功率、负荷等基本参数,设置抽样次数M=1,系统处于第k(k=1)个状态。
步骤2:由上述Fk(t)和Pk计算状态k的参数Fk、Pk。
步骤3:根据上述预设事件类型指数分布函数进行概率抽样,判断确定性事件,如发电机组检修、输电线路检修,是否先发生;若随机事件先发生,则执行步骤4;若确定性事件先发生,执行步骤11。
步骤5:根据分布概率确定第一个到达的随机事件。
步骤6:利用上述上层模型,进行各个节点电价计算。
步骤7:判断是否需要调用储能装置,例如当电价异常时则需要使用储能装置。
步骤8:如不需调用储能装置,由上层模型确定区域电价。
步骤9:如需调用储能装置,由上下两层模型联合求解,确定状态k的区域电价。
步骤11:令k=k+1,执行步骤13。
步骤13:进行状态k的系统分析,重复步骤6-步骤10。
步骤14:判断抽样次数T>N是否成立,如成立输出结果,否则设M=M+1,执行步骤2。
步骤15:令k=k+1,执行步骤13。
通过上述实施例,终端基于上述切负荷概率、切负荷期望值和电力资源数值调整策略,确定待预测电力系统遭遇目标中断事件时的可靠性。并且,考虑了储能装置具有良好的动态特性,启停灵活、反应迅速,可在较短时间内实现充放电运行工况的转换,可有效提高电力系统供电质量和安全稳定水平,在电力市场环境下,能通过快速改变功率来防止系统各区域电价由于发电机故障、输电线路故障、输电阻塞等原因出现的异常。另外,终端通过构建上层模型和下层模型,上层模型基于购电成本最小化来确定电力系统中各区域电价,下层模型可用于在区域电价异常的情况下,调用抽水蓄能机组发电/抽水或电化学储能充/放电来抑制异常电价,保证电力市场平稳运行。
另外,通过提出了一种基于潮流灵敏度法的求解方法。由于双层模型均为非线性模型,节点数量大,求解难度高。通过建立灵敏度法,能快速找到在电力系统出现异常时需要调整的发电机、储能装置和负荷以及准确确定调整量的大小。此外,建立了一种电力系统可靠性评估流程。引入概率论方法,通过随机抽样,抽取电力系统确定性事件、随机事件来临时间,计算每种状态的持续时间期望值。所提出的方法可有效利用储能装置抑制区域电价异常,保证电力市场平稳运行,同时能有效计算系统区域电价的期望值,提供可信的市场信号,为市场参与者提供更有效的决策信息。
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。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的电力系统运行状态预测方法的电力系统运行状态预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个电力系统运行状态预测装置实施例中的具体限定可以参见上文中对于电力系统运行状态预测方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种电力系统运行状态预测装置,包括:接收模块500、第一预测模块502、第二预测模块504和确定模块506,其中:
接收模块500,用于接收预测指令,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息;目标中断事件表征使待预测电力系统中断运行的事件。
第一预测模块502,用于根据目标电力系统结构信息,确定待预测电力系统中各电力设备的灵敏度因子以及各电力设备的目标电力资源数值约束条件,并根据目标预测模型基于灵敏度因子和目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略;目标电力设备表示在目标中断事件情况下出现电力资源数值异常且灵敏度因子绝对值最大的电力设备;灵敏度因子表征电力设备对功率变化的灵敏度。
第二预测模块504,用于根据目标电力系统结构信息,确定待预测电力系统在目标中断事件情况下的待分配功率以及需求功率,根据待分配功率以及需求功率确定待预测电力系统在目标中断事件情况下的切负荷概率以及切负荷期望值。
确定模块506,用于根据切负荷概率、切负荷期望值和电力资源数值调整策略,确定待预测电力系统在目标中断事件情况下的运行状态。
在一个实施例中,上述接收模块500,具体用于获取待预测电力系统的历史运行中断事件的事件类型和持续时间;根据多个历史运行中断事件的事件类型和持续时间,生成待预测电力系统对应的事件分布函数;获取事件分布函数中目标中断事件的目标持续时间,根据目标中断事件及其目标持续时间确定待预测电力系统对应的目标电力系统结构信息。
在一个实施例中,上述接收模块500,具体用于获取预设事件类型指数分布函数,将预设随机数输入预设事件类型指数分布函数,确定对应的目标中断事件;预设事件类型指数分布函数表征确定事件和随机事件的发生顺序;根据事件分布函数中目标中断事件以前的各个中断事件的持续时间,以及事件分布函数,确定目标中断事件的目标持续时间。
在一个实施例中,上述第一预测模块502,具体用于获取待预测电力系统对应的额定功率,根据目标电力系统结构信息中各电力设备的连接关系,确定节点支路关联矩阵;根据节点支路关联矩阵中各电力设备间的电阻,确定节点导纳矩阵;根据节点导纳矩阵中每两个元素对应的电阻以及由该每两个元素组成的线路的功率,确定每两个元素对应的电力设备的灵敏度因子;根据转出电力资源数值的最小值,确定第一上层模型约束条件,根据待预测电力系统负载平衡时的发电功率和用电功率,确定第二上层模型约束条件,根据各电力设备所在支路的功率的最大值,确定第三上层模型约束条件,根据各电力设备的出力最小值和出力最大值,确定第四上层模型约束条件;根据第一上层模型约束条件、第二上层模型约束条件、第三上层模型约束条件和第四上层模型约束条件,确定上层模型的第一目标电力资源数值约束条件;根据各电力设备的库容,确定第一下层模型约束条件,根据各电力设备的发电出力状态,确定第二下层模型约束条件,根据各电力设备的抽发电量,确定第三下层模型约束条件,根据各电力设备的启停次数,确定第四下层模型约束条件,根据各电力设备的电化学储能,确定第五下层模型约束条件;根据第一下层模型约束条件、第二下层模型约束条件、第三下层模型约束条件、第四下层模型约束条件和第五下层模型约束条件,确定下层模型的第二目标电力资源数值约束条件;将第一目标电力资源数值约束条件和第二目标电力资源数值约束条件作为目标电力资源数值约束条件。
在一个实施例中,上述第一预测模块502,具体用于基于第一目标电力资源数值约束条件生成目标拉格朗日函数,检测拉格朗日函数是否存在可行解;若否,获取待预测电力系统中电力资源数值最高的异常支路,并获取异常支路中灵敏度因子的绝对值最高的目标电力设备;在待预测电力系统具有目标电力设备的各个支路中,确定使第三上层模型约束条件最大的支路作为目标调节对象;根据储能设备的发电量、目标电力设备的发电量、用户的用电量和储能设备的单位电力资源数值,确定下层模型中的目标函数的输出值;根据输出值以及目标调节对象中的目标电力设备的灵敏度因子的数值大小,确定目标电力设备或待预测电力系统对应的储能设备的出力的第一调整数值,并确定目标电力设备的负荷或储能设备的消纳功率的第二调整数值;若根据由第一调整数值和第二调整数值确定的调整后的第一电力资源数值约束条件,确定目标拉格朗日函数存在可行解,且根据由第一调整数值和第二调整数值确定的调整后的第二电力资源数值约束条件,确定目标函数的输出值为最小值,将第一调整数值和第二调整数值作为电力资源数值调整策略。
在一个实施例中,上述第二预测模块504,用于根据各个目标电力设备的最大发电功率和当前发电功率的差值与目标电力设备当前剩余待分配功率中的最小值,确定待预测电力系统在目标中断事件情况下的待分配功率;根据各个目标电力设备在下一时间点的需求功率与当前时间点的需求功率的差值,确定待预测电力系统在目标中断事件情况下的需求功率;获取待分配功率小于需求功率的概率,作为切负荷概率;获取需求功率与待分配功率的差值,并根据差值与切负荷概率的乘积,得到切负荷期望值。
上述电力系统运行状态预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电力系统运行状态预测方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述的电力系统运行状态预测方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的电力系统运行状态预测方法。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的电力系统运行状态预测方法。
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。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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)
1.一种电力系统运行状态预测方法,其特征在于,所述方法包括:
接收预测指令,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息;所述目标中断事件表征使所述待预测电力系统中断运行的事件;
根据所述目标电力系统结构信息,确定所述待预测电力系统中各电力设备的灵敏度因子以及所述各电力设备的目标电力资源数值约束条件,并根据目标预测模型基于所述灵敏度因子和所述目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略;所述目标电力设备表示在所述目标中断事件情况下出现电力资源数值异常且灵敏度因子绝对值最大的电力设备;所述灵敏度因子表征所述电力设备对功率变化的灵敏度;
根据所述目标电力系统结构信息,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率以及需求功率,根据所述待分配功率以及所述需求功率确定所述待预测电力系统在所述目标中断事件情况下的切负荷概率以及切负荷期望值;
根据所述切负荷概率、切负荷期望值和所述电力资源数值调整策略,确定所述待预测电力系统在所述目标中断事件情况下的运行状态。
2.根据权利要求1所述的方法,其特征在于,所述获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息,包括:
获取待预测电力系统的历史运行中断事件的事件类型和持续时间;
根据多个历史运行中断事件的事件类型和持续时间,生成所述待预测电力系统对应的事件分布函数;
获取所述事件分布函数中目标中断事件的目标持续时间,根据所述目标中断事件及其目标持续时间确定所述待预测电力系统对应的目标电力系统结构信息。
3.根据权利要求2所述的方法,其特征在于,所述事件分布函数中包括确定事件和随机事件;所述获取所述事件分布函数中目标中断事件的目标持续时间,包括:
获取预设事件类型指数分布函数,将预设随机数输入所述预设事件类型指数分布函数,确定对应的目标中断事件;所述预设事件类型指数分布函数表征所述确定事件和所述随机事件的发生顺序;
根据所述事件分布函数中目标中断事件以前的各个中断事件的持续时间,以及所述事件分布函数,确定所述目标中断事件的目标持续时间。
4.根据权利要求1所述的方法,其特征在于,所述目标预测模型包括上层模型和下层模型;所述上层模型用于确定各电力设备的电力资源数值;所述下层模型用于在电力资源数值异常时确定电力资源数值调整策略,以使电力资源数值恢复正常;
所述根据所述目标电力系统结构信息,确定所述待预测电力系统中各电力设备的灵敏度因子以及所述各电力设备的目标电力资源数值约束条件,包括:
获取所述待预测电力系统对应的额定功率,根据所述目标电力系统结构信息中各电力设备的连接关系,确定节点支路关联矩阵;
根据所述节点支路关联矩阵中各电力设备间的电阻,确定节点导纳矩阵;
根据所述节点导纳矩阵中每两个元素对应的电阻以及由该每两个元素组成的线路的功率,确定每两个元素对应的电力设备的灵敏度因子;
根据转出电力资源数值的最小值,确定第一上层模型约束条件,根据所述待预测电力系统负载平衡时的发电功率和用电功率,确定第二上层模型约束条件,根据各电力设备所在支路的功率的最大值,确定第三上层模型约束条件,根据各电力设备的出力最小值和出力最大值,确定第四上层模型约束条件;根据所述第一上层模型约束条件、第二上层模型约束条件、第三上层模型约束条件和第四上层模型约束条件,确定所述上层模型的第一目标电力资源数值约束条件;
根据各电力设备的库容,确定第一下层模型约束条件,根据各电力设备的发电出力状态,确定第二下层模型约束条件,根据各电力设备的抽发电量,确定第三下层模型约束条件,根据各电力设备的启停次数,确定第四下层模型约束条件,根据各电力设备的电化学储能,确定第五下层模型约束条件;根据所述第一下层模型约束条件、第二下层模型约束条件、第三下层模型约束条件、第四下层模型约束条件和第五下层模型约束条件,确定所述下层模型的第二目标电力资源数值约束条件;
将所述第一目标电力资源数值约束条件和所述第二目标电力资源数值约束条件作为所述目标电力资源数值约束条件。
5.根据权利要求4所述的方法,其特征在于,所述根据目标预测模型基于所述灵敏度因子和所述目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略,包括:
基于所述第一目标电力资源数值约束条件生成目标拉格朗日函数,检测所述拉格朗日函数是否存在可行解;
若否,获取所述待预测电力系统中电力资源数值最高的异常支路,并获取所述异常支路中灵敏度因子的绝对值最高的目标电力设备;
在所述待预测电力系统具有所述目标电力设备的各个支路中,确定使所述第三上层模型约束条件最大的支路作为目标调节对象;根据所述储能设备的发电量、所述目标电力设备的发电量、用户的用电量和所述储能设备的单位电力资源数值,确定所述下层模型中的目标函数的输出值;
根据所述输出值以及所述目标调节对象中的目标电力设备的灵敏度因子的数值大小,确定所述目标电力设备或所述待预测电力系统对应的储能设备的出力的第一调整数值,并确定所述目标电力设备的负荷或储能设备的消纳功率的第二调整数值;
若根据由所述第一调整数值和所述第二调整数值确定的调整后的第一电力资源数值约束条件,确定所述目标拉格朗日函数存在可行解,且根据由所述第一调整数值和所述第二调整数值确定的调整后的第二电力资源数值约束条件,确定所述目标函数的输出值为最小值,将所述第一调整数值和所述第二调整数值作为电力资源数值调整策略。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标电力系统结构信息,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率以及需求功率,根据所述待分配功率以及所述需求功率确定所述待预测电力系统在所述目标中断事件情况下的切负荷概率以及切负荷期望值,包括:
根据各个目标电力设备的最大发电功率和当前发电功率的差值与所述目标电力设备当前剩余待分配功率中的最小值,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率;
根据各个目标电力设备在下一时间点的需求功率与当前时间点的需求功率的差值,确定所述待预测电力系统在所述目标中断事件情况下的需求功率;
获取所述待分配功率小于所述需求功率的概率,作为所述切负荷概率;
获取所述需求功率与所述待分配功率的差值,并根据所述差值与所述切负荷概率的乘积,得到切负荷期望值。
7.一种电力系统运行状态预测装置,其特征在于,所述装置包括:
接收模块,用于接收预测指令,获取待预测电力系统在目标中断事件情况下的目标电力系统结构信息;所述目标中断事件表征使所述待预测电力系统中断运行的事件;
第一预测模块,用于根据所述目标电力系统结构信息,确定所述待预测电力系统中各电力设备的灵敏度因子以及所述各电力设备的目标电力资源数值约束条件,并根据目标预测模型基于所述灵敏度因子和所述目标电力资源数值约束条件输出对目标电力设备的电力资源数值调整策略;所述目标电力设备表示在所述目标中断事件情况下出现电力资源数值异常且灵敏度因子绝对值最大的电力设备;所述灵敏度因子表征所述电力设备对功率变化的灵敏度;
第二预测模块,用于根据所述目标电力系统结构信息,确定所述待预测电力系统在所述目标中断事件情况下的待分配功率以及需求功率,根据所述待分配功率以及所述需求功率确定所述待预测电力系统在所述目标中断事件情况下的切负荷概率以及切负荷期望值;
确定模块,用于根据所述切负荷概率、切负荷期望值和所述电力资源数值调整策略,确定所述待预测电力系统在所述目标中断事件情况下的运行状态。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211475231.9A CN115907163A (zh) | 2022-11-23 | 2022-11-23 | 电力系统运行状态预测方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211475231.9A CN115907163A (zh) | 2022-11-23 | 2022-11-23 | 电力系统运行状态预测方法、装置和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115907163A true CN115907163A (zh) | 2023-04-04 |
Family
ID=86470850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211475231.9A Pending CN115907163A (zh) | 2022-11-23 | 2022-11-23 | 电力系统运行状态预测方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115907163A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911471A (zh) * | 2023-09-14 | 2023-10-20 | 山东浪潮新基建科技有限公司 | 一种供电系统的传输性能优化方法及系统 |
-
2022
- 2022-11-23 CN CN202211475231.9A patent/CN115907163A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911471A (zh) * | 2023-09-14 | 2023-10-20 | 山东浪潮新基建科技有限公司 | 一种供电系统的传输性能优化方法及系统 |
CN116911471B (zh) * | 2023-09-14 | 2024-01-19 | 山东浪潮新基建科技有限公司 | 一种供电系统的传输性能优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020853B (zh) | 一种短期交易计划安全校核的方法 | |
CN112183855B (zh) | 区域电力现货市场出清方法、装置和电子设备 | |
CN110867852B (zh) | 计及全寿命周期成本的微电网储能优化配置方法及装置 | |
CN116911076B (zh) | 多微电网对配电网的韧性支撑仿真方法、装置和电子设备 | |
CN115907163A (zh) | 电力系统运行状态预测方法、装置和计算机设备 | |
Almassalkhi et al. | Cascade mitigation in energy hub networks | |
Malla et al. | Coordinated priority-aware charging of distributed batteries in oversubscribed data centers | |
CN110752598A (zh) | 多点分布式储能系统灵活性评价方法和装置 | |
CN116502771B (zh) | 一种基于电力物资预测的配电方法及系统 | |
CN116298538B (zh) | 一种智能电容补偿装置的在线监测方法 | |
Brunaccini et al. | Fuel cells hybrid systems for resilient microgrids | |
CN105162173A (zh) | 一种接入风力发电的电力系统备用容量确定方法 | |
JP6549896B2 (ja) | 電力需要調整装置、電力需要調整方法及び電力需要調整プログラム | |
CN109672170B (zh) | 一种区域电网有功备用评估方法和系统 | |
US11316345B2 (en) | Predictive voltage stability of a power system post-contingency | |
CN115411735A (zh) | 一种配电网预期未供应电量计算方法、系统及设备 | |
Pan et al. | A flexible black‐start network partitioning strategy considering subsystem recovery time balance | |
Sang et al. | Assessment of power system cascading failure under the background of direct power purchase by large consumers | |
CN112036740A (zh) | 基于节点停电风险不变的节点备用容量快速评估方法 | |
CN111539086A (zh) | 一种储能电站多点布局方法及系统 | |
Shaaban | Risk-based security assessment in smart power grids | |
Solheim et al. | Deep reinforcement learning applied to Monte Carlo power system reliability analysis | |
CN109755969B (zh) | 一种区域电网旋转备用容量在线评估方法及装置 | |
Mohammad | New Methods for Reliability Evaluation and Enhancement of Power Systems | |
CN116298685A (zh) | 一种配电网故障损失电量计算方法、装置、设备及存储介质 |
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 |