CN116526496B - 一种新型电力系统负荷控制的辅助决策方法 - Google Patents

一种新型电力系统负荷控制的辅助决策方法 Download PDF

Info

Publication number
CN116526496B
CN116526496B CN202310716384.6A CN202310716384A CN116526496B CN 116526496 B CN116526496 B CN 116526496B CN 202310716384 A CN202310716384 A CN 202310716384A CN 116526496 B CN116526496 B CN 116526496B
Authority
CN
China
Prior art keywords
load
fitting
function
value
load control
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
Application number
CN202310716384.6A
Other languages
English (en)
Other versions
CN116526496A (zh
Inventor
陈文刚
蒋涛
姬玉泽
田瑞敏
李海燕
王新瑞
徐囡
徐国斌
韩卫恒
刘志良
郝鑫杰
李�远
徐丽美
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.)
Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
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 Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority to CN202310716384.6A priority Critical patent/CN116526496B/zh
Publication of CN116526496A publication Critical patent/CN116526496A/zh
Application granted granted Critical
Publication of CN116526496B publication Critical patent/CN116526496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
    • G06F7/552—Powers or roots, e.g. Pythagorean sums
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
    • G06F7/556—Logarithmic or exponential functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明提供了一种新型电力系统负荷控制的辅助决策方法，属于电力系统负荷调度技术领域；解决了新型电力系统中新能源出力不足引起的地区负荷难以紧急控制的问题；包括如下步骤：S1：确定参与负荷控制的N个用户，构建相关负荷曲线历史数据库，根据相关负荷曲线历史数据库进行拟合函数的选择和确定；S2：确定地区电网功率控制指标ΔPc；S3：根据N个用户负荷曲线的拟合函数、负荷控制时间、经济电量损失建立多目标函数模型；S4：基于水循环算法对多目标函数模型进行寻优计算求解；S5：根据最优解形成N个用户负荷控制的最优方案；本发明应用于新型电力系统的负荷控制。

Description

一种新型电力系统负荷控制的辅助决策方法
技术领域
本发明提供了一种新型电力系统负荷控制的辅助决策方法，属于电力系统负荷调度技术领域。
背景技术
新能源装机容量的不断提升，为电网提供了充裕的清洁绿色电量，但是由于新能源发电自身存在的间歇性、随机性和波动性等特点也大幅度削弱了发电侧的灵活调节能力，给电力系统带来巨大的电能平衡压力。尤其在恶劣天气、煤电价格、迎峰度冬等重要因素影响下，“源荷互动”模式将有效推动负荷紧急控制决策，保障民生电力安全稳定运行。
传统的负荷控制通常考虑由电网频率稳定性引起的大规模负荷控制，主要用于大电网的稳定性研究。新型电力系统的“源荷互动”模式中，负荷控制主要考虑由新能源发电带来的电网电量缺口从而引起的负荷侧主动、提前预警和响应情况，以解决新型电力系统的发展问题。对于地区电网的负荷控制，应当有大量、多元的用户群体参与到需求响应中，同时制定高效的控制方案，电网调度和负荷用户深度参与，以保证电力的安全、可靠、有效供应。
地区电网中，不同用户行业的负荷特性导致负荷控制和调节方式存在较大差异。传统的化工、冶炼等高耗能行业负荷仍是重要的社会经济发展的重要组成部分，在负荷控制中如何友好、合理地对该类负荷进行控制成为主要考虑因素，在考虑行业负荷特性的同时，还要兼顾负荷控制的时间、社会经济的成本损失以及民生用电的安全可靠等诸多因素。因此，在新型电力系统中亟待探索充分考虑负荷变化特性，同时兼顾负荷控制多元目标的负荷控制方法。
发明内容
本发明为了解决新型电力系统中新能源出力不足引起的地区负荷难以紧急控制的问题，提出了一种新型电力系统负荷控制的辅助决策方法。
为了解决上述技术问题，本发明采用的技术方案为：一种新型电力系统负荷控制的辅助决策方法，包括如下步骤：
S1：确定参与负荷控制的N个用户，构建相关负荷曲线历史数据库，根据相关负荷曲线历史数据库进行拟合函数的选择和确定；
S2：确定地区电网功率控制指标ΔPc；
S3：根据N个用户负荷曲线的拟合函数、负荷控制时间、经济电量损失建立多目标函数模型；
S4：基于水循环算法对多目标函数模型进行寻优计算求解；
S5：根据最优解形成N个用户负荷控制的最优方案。
所述步骤S1具体包括如下步骤：
S11：根据地区电网用户负荷的变化特性将负荷进行分类，负荷曲线的表达式如下：
P=f(t)；
上式中：P为负荷有功数值，t为时间；
S12：根据负荷曲线数据，提取负荷曲线正常变化阶段的数据构建函数拟合数据库，其表达式如下：
；
上式中：Δp为负荷变化量，f(t n )和f(t 1 )分别为负荷曲线在tn和t1时刻对应的负荷值；
函数拟合数据库中负荷曲线每次取值的数据集的表达式如下：
；
上式中参数需要满足如下条件：
；
上式中P m 为设定的负荷变化阈值；
S13：采用负荷历史批量曲线数据构建函数拟合的数据库，负荷历史批量曲线数据的表达式如下：
；
上式中：Δp j 为第j次负荷降低时的历史数据集，j=1,2,……,m，ΔP为用户负荷历史曲线数据集合，由m次用户负荷历史曲线构成；
S14：采用幂函数、指数函数和对数函数来对用户负荷曲线进行有效拟合，确定合适的拟合函数和参数，拟合函数的表达式如下：
；
上式中：a、b为函数的参数。
所述步骤S14中确定合适的拟合函数的步骤如下：
S1401：取负荷历史批量曲线数据中的某次取值数据集用于确定负荷曲线的拟合函数；
S1402：根据拟合序列计算拟合函数的拟合优度；
S1403：根据拟合优度确定拟合函数类型。
所述步骤S14中确定合适的拟合函数的参数的步骤如下：
S1411：在确定拟合函数之后，重新拟合构建参数b值数据库，基于曼哈顿距离的聚类算法确定参数b值；
S1412：确定参数b值后重新拟合计算拟合优度，根据拟合优度最优和最低值确定参数a值的区间；
S1413：最终确定拟合函数以及参数a、b的取值。
所述基于曼哈顿距离的聚类算法确定参数b值的步骤如下：
S14121：确定数据集B，样本数m，设定样本组数p，取相应的样本中心bc；
S14122：计算曼哈顿距离；
S14123：根据聚类中心和曼哈顿距离进行聚类分组；
S14124：重新计算聚类中心；
S14125：重新计算曼哈顿距离；
S14126：经过步骤S14122-S14124的重新迭代，当聚类中心不变时，此时的聚类中心为确定的b值。
所述步骤S3中构建的多目标函数模型的表达式如下：
；
；
上式中：F1为目标函数1，F2为目标函数2，Δt为负荷控制时间，ΔW为负荷控制所损失的电量，d i (t)为第i个用户负荷曲线的拟合函数；
上述多目标函数模型的约束条件包括平衡约束和不等式约束，其中平衡约束的表达式如下：
；
不等式约束的表达式如下：
；
上式中：ai.0表示第i个负荷曲线的拟合函数的参数a值的下限，ai.m表示第i个负荷曲线的拟合函数的参数a值的上限。
本发明相对于现有技术具备的有益效果为：
1. 本发明遵循新型电力系统“源网荷互动”的新型模式对负荷控制进行研究，针对新能源为主体的电网运行缺点提出地区负荷控制的对策，保障新型电力系统的安全稳定运行。
2. 本发明提出根据负荷瞬时变化趋势进行分类的思路，主要从电网运行的角度出发，兼顾负荷的用户行为、市场影响等综合因素，充分提升了负荷控制的调节性和灵活性。
3. 本发明提出负荷曲线的拟合方法，采用拟合优度、基于曼哈顿距离聚类等方法进行最优函数的选择，提高的负荷控制的准确性。
4. 本发明从负荷控制的时间和电量损失进行数学建模，基于水循环算法进行最优求解，兼顾了新型电力系统负荷控制的时效性和经济性。
附图说明
下面结合附图对本发明做进一步说明：
图1为本发明方法的流程图；
图2为负荷曲线的拟合函数计算的流程图；
图3为基于曼哈顿距离的参数b值聚类计算的流程图；
图4为基于水循环算法对多目标函数模型进行寻优计算求解的流程图。
具体实施方式
如图1至图4所示，本发明依据电网的电量缺口确定地区电网负荷控制计划，结合电网限电序位表和能源高耗能企业选拉序位表中用户名单进行负荷控制。本发明采用负荷控制名单用户的历史运行数据对其负荷变化率进行拟合，主要采用幂函数、指数函数和对数函数三类函数进行负荷变化率的拟合。根据负荷控制的时间、指标、电量损失等多个目标建立多目标函数模型，通过多目标函数模型的优化求解得到地区电网负荷控制的最优化组合，制定地区电网负荷控制最优方案，为电网调度运行提供可靠、有效、科学、合理的辅助决策，推动新型电力系统的安全稳定发展。
本发明提出的新型电力系统负荷控制的辅助决策方法的流程如图1所示，需要先确定地区电网可控负荷的N个用户（依据能源局高耗能企业、电网有序用电相关文件标准）；构建N个用户的负荷曲线历史数据库，计算相关的负荷曲线的拟合函数：d1(t)、d2(t)、……、di(t)、……、dN(t)，将其用于地区电网负荷控制，其流程如图2所示，然后根据上级调度（省网）提前确定地区电网负荷缺口，确定地区电网的功率控制指标ΔP。其中负荷曲线的拟合函数确定的具体步骤如下。
本发明首先根据地区电网负荷的变化特性将负荷进行分类，负荷的变化特性主要指在短时间内负荷的正常变化规律，本发明中采用负荷的变化率来表示，较为明确的表示用户或某个行业的负荷正常变化特性。
其中负荷曲线的表达式为：P=f(t)；其中P为负荷有功数值，t为时间；根据负荷曲线数据，提取负荷曲线正常变化阶段的数据构建函数拟合数据库，即：
；
上式中：Δp为负荷变化量，f(t n )和f(t 1 )分别为负荷曲线在tn和t1时刻对应的负荷值。
函数拟合数据库只考虑负荷减小趋势下的变化数据，负荷曲线每次取值的数据集如下：
；
上式需要满足的条件如下：
；
函数f(t)的变化部分为减函数，同时需满足短时间内的负荷减少量大于某一阈值Pm，否则视为负荷波动，而非负荷正常减产情况，在本发明中根据经验设定Pm=10MW。
因此，采用历史批量负荷曲线数据构建函数拟合的数据库：
；
上式中：Δp j 为第j次负荷降低时的历史数据集，j=1,2,……,m，ΔP为用户负荷历史曲线数据集合，由m次用户负荷历史曲线构成。
本发明采用幂函数、指数函数和对数函数来对负荷曲线进行有效拟合，最终确定合适的拟合函数和参数，拟合函数的表达式如下：
。
采用拟合优度确定负荷曲线的拟合函数，并筛选出函数参数的区间范围，具体流程如下：
第一步：对于负荷曲线数据：，取用于确定该用户负荷曲线的拟合函数，其中：
。
第二步：根据拟合优度确定最优拟合函数：
计算拟合序列：
；
则对应的拟合函数的拟合序列为：
；
相应的负荷曲线数据为：；
则拟合优度的计算如下：
数据总平方和SST计算：
；
；
拟合序列和数据序列的残差平方和SSR计算公式如下：
；
则对于负荷曲线的第j个数据序列的拟合优度R2为：
；
对于负荷曲线历史数据库中的拟合优度集合为：
。
第三步：拟合函数类型的确定：
拟合优度R2的值越趋近于1，说明其拟合效果越好，趋近于0则说明拟合效果越差。通过对集合r2中的值进行分析确定拟合优度，对于第j组负荷曲线数据序列的三种拟合函数的拟合优度可表示为：
；
其中R2 j.d1、R2 j.d2和R2 j.d3分别为幂函数、指数函数及对数函数对应的第j组负荷曲线数据序列的拟合优度。
则根据负荷曲线m组曲线数据中三类拟合函数最优拟合优度所占比例确定最优拟合优度，即：
；
；
第j组负荷曲线数据序列的拟合优度取三类函数拟合优度中的最大值，即最接近于1的值，其中负荷曲线历史数据库中m组负荷曲线数据序列的最优拟合优度中三类函数所占比例为p，d(1,2,3)为三类函数对应的拟合优度最优次数。为了保障数据拟合的精确性，限定p的取值范围，即0.8≤p≤1。
第四步：根据拟合函数及拟合优度确定函数参数的范围：
影响用户的负荷降低时间等自然因素很多，如行业生产特点、人为操作、环境等诸多因素，因此，对于拟合函数中的参数a和b值，若取唯一值则忽视这些自然因素。因此，本发明需要确定拟合函数中参数a和b值的参数区间。
由于b值和a值对函数的意义不同，因此先对b值进行计算。在确定拟合函数之后，使用该拟合函数对负荷曲线进行重新拟合，得到拟合之后的参数值：
；
对b值进行聚类计算选取聚类中心作为b值。
第五步：采用基于曼哈顿距离的聚类算法对b值进行选取。主要流程如图3所示，具体步骤如下：
（1）确定数据集B，样本数m个，设定样本组数n（通常取1，必要时可取2或3），取相应的样本中心bc。
（2）计算曼哈顿距离，即：；
（3）根据聚类中心和曼哈顿距离进行聚类分组；
（4）重新计算聚类中心：；
上式中第n个聚类中含有h个元素，则聚类中心调整为该聚类中所有元素之和的平均值；
（5）重新根据步骤（2）中的公式计算曼哈顿距离；
（6）经过（2）、（3）及（4）的重新迭代，当聚类中心不变时，即算法收敛，此时聚类中心为确定的b值。
第六步：根据确定的b值，重新对用户负荷曲线进行拟合，得到拟合优度：
；
根据拟合优度选择参数a的取值范围，即：
a值的上限为最优拟合度最优时对应的值：
；
a值的下限为最优拟合度最低时对应的值：
；
最终得到负荷曲线的拟合函数：
。
在确定负荷曲线的拟合函数之后，根据N个用户负荷曲线的拟合函数、负荷控制时间、经济电量损失建立多目标函数模型，考虑完成负荷控制的同时，兼顾控制时间、经济损失。其中建立的多目标函数模型如下：
；
；
多目标函数模型的约束条件包括：
（1）平衡约束：
；
不等式约束：
。
最后采用水循环算法对多目标函数模型进行寻优计算求解；根据最优解形成N个用户负荷控制的最优方案，采用水循环算法对多目标函数模型进行寻优计算求解的流程如图4所示，具体步骤如下：
第一步：初始化降雨过程，通过随机产生水滴的位置来模仿降雨的过程，初始雨滴的形成为：
；
上式中：X为算法随机产生的水滴集合，水滴元素xi表示第i种负荷控制的方案，即：
；
上式中：xk.i表示第i种负荷控制方案中第k个负荷的负荷控制量。
所以，X可表达为：
；
上式中，水滴集合X的维度为s×N的矩阵。
同时考虑每个元素的约束条件表达为：
；
上式中：L和U表示下三角和上三角单位矩阵，rand表示随机矩阵的生成，Bk.i表示i个方案中第k个元素的界限，LBk.i和UBk.i表示该元素的下界和上界。上式的物理意义同第四步中蒸发之后的降雨操作的物理意义一致。
第二步：河流和溪流数目计算，根据适应度函数对水滴群进行分层计算，适应度函数依据目标函数和来表示：
。
根据适应度函数的值进行筛选，适应度最优的个体水滴为海洋，次最优的水滴个体为河流，剩余水滴个体作为溪流，则更新之后的水滴群X为：
；
上式中：xSea、xR和xH分别表示海洋、河流和溪流，河流个数为v，溪流个数为H，其中s=1+v+H。
在海洋和河流的形成中，水滴种群的流动就是个体的寻优过程，其中流动密度表示流向某个海洋和河流的溪流个数NS为：
。
第三步：汇流操作，汇流模仿的是大自然中溪流的流入河流或直接流入海洋，河流的流入海洋的过程。溪流向河流和海洋不断靠近，到达新的位置，具体表达式如下所示：
；
；
；
其中，C为位置更新系数，1<C<2，通常C=2，rand为0到1之间的均匀分布的随机数。
在汇流操作位置的更新后，计算并比较此时的适应度值，重新进行筛选。
若某溪流比某河流适应度值更优，则溪流变为河流，河流变为溪流；同理，溪流和海洋，河流和海洋的比较后，此时更新海洋、河流和溪流。
第四步，蒸发和降雨过程，随着迭代计算，溪流和河流也越来越靠近海洋，最优个体逐渐出现，但是为了防止种群陷入早熟，最优个体为局部最优个体，因此进行蒸发和降雨过程，即当河流距海洋的距离小于dmax时，进行河流的蒸发，表达如下：
当有：；
则：，It_max为算法的最大迭代次数，算法计算It_max后停止输出最优答案。
蒸发之后进行降雨，提高海洋全局或海洋周围的寻优能力，即：
；
该式为全局进行溪流形成过程，该式的物理意义同降雨操作的物理意义一致。
；
该式为从海洋周围及最优个体周围进行搜索，搜索范围为Nvar进行设定，同时wSea为搜索系数，通常取值0~1。
本发明可以为电网调度提供高效、可靠、有效、科学、合理的辅助决策，促进了新型电力系统的安全、稳定构建和发展。
关于本发明具体结构需要说明的是，本发明采用的各部件模块相互之间的连接关系是确定的、可实现的，除实施例中特殊说明的以外，其特定的连接关系可以带来相应的技术效果，并基于不依赖相应软件程序执行的前提下，解决本发明提出的技术问题，本发明中出现的部件、模块、具体元器件的型号、相互间连接方式以及，由上述技术特征带来的常规使用方法、可预期技术效果，除具体说明的以外，均属于本领域技术人员在申请日前可以获取到的专利、期刊论文、技术手册、技术词典、教科书中已公开内容，或属于本领域常规技术、公知常识等现有技术，无需赘述，使得本案提供的技术方案是清楚、完整、可实现的，并能根据该技术手段重现或获得相应的实体产品。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种新型电力系统负荷控制的辅助决策方法，其特征在于：包括如下步骤：
S1：确定参与负荷控制的N个用户，构建相关负荷曲线历史数据库，根据相关负荷曲线历史数据库进行拟合函数的选择和确定；
所述步骤S1具体包括如下步骤：
S11：根据地区电网用户负荷的变化特性将负荷进行分类，负荷曲线的表达式如下：
P=f(t)；
上式中：P为负荷有功数值，t为时间；
S12：根据负荷曲线数据，提取负荷曲线正常变化阶段的数据构建函数拟合数据库，其表达式如下：
；
上式中：Δp为负荷变化量，f(t n )和f(t 1 )分别为负荷曲线在tn和t1时刻对应的负荷值；
函数拟合数据库中负荷曲线每次取值的数据集的表达式如下：
；
上式中参数需要满足如下条件：
；
上式中P m 为设定的负荷变化阈值；
S13：采用负荷历史批量曲线数据构建函数拟合的数据库，负荷历史批量曲线数据的表达式如下：
；
上式中：Δp j 为第j次负荷降低时的历史数据集，j=1,2,……,m，ΔP为用户负荷历史曲线数据集合，由m次用户负荷历史曲线构成；
S14：采用幂函数、指数函数和对数函数来对用户负荷历史曲线进行有效拟合，确定合适的拟合函数和参数，拟合函数的表达式如下：
；
上式中：a、b为函数的参数；
S2：确定地区电网功率控制指标ΔPc；
S3：根据N个用户负荷曲线的拟合函数、负荷控制时间、经济电量损失建立多目标函数模型；
S4：基于水循环算法对多目标函数模型进行寻优计算求解；
S5：根据最优解形成N个用户负荷控制的最优方案。
2.根据权利要求1所述的一种新型电力系统负荷控制的辅助决策方法，其特征在于：所述步骤S14中确定合适的拟合函数的步骤如下：
S1401：取负荷历史批量曲线数据中的某次取值数据集用于确定负荷曲线的拟合函数；
S1402：根据拟合序列计算拟合函数的拟合优度；
S1403：根据拟合优度确定拟合函数类型。
3.根据权利要求2所述的一种新型电力系统负荷控制的辅助决策方法，其特征在于：所述步骤S14中确定合适的拟合函数的参数的步骤如下：
S1411：在确定拟合函数之后，重新拟合构建参数b值数据库，基于曼哈顿距离的聚类算法确定参数b值；
S1412：确定参数b值后重新拟合计算拟合优度，根据拟合优度最优和最低值确定参数a值的区间；
S1413：最终确定拟合函数以及参数a、b的取值。
4.根据权利要求3所述的一种新型电力系统负荷控制的辅助决策方法，其特征在于：所述基于曼哈顿距离的聚类算法确定参数b值的步骤如下：
S14121：确定数据集B，样本数m，设定样本组数p，取相应的样本中心bc；
S14122：计算曼哈顿距离；
S14123：根据聚类中心和曼哈顿距离进行聚类分组；
S14124：重新计算聚类中心；
S14125：重新计算曼哈顿距离；
S14126：经过步骤S14122-S14124的重新迭代，当聚类中心不变时，此时的聚类中心为确定的b值。
5.根据权利要求4所述的一种新型电力系统负荷控制的辅助决策方法，其特征在于：所述步骤S3中构建的多目标函数模型的表达式如下：
；
；
上式中：F1为目标函数1，F2为目标函数2，Δt为负荷控制时间，ΔW为负荷控制所损失的电量，d i (t)为第i个用户负荷曲线的拟合函数；
上述多目标函数模型的约束条件包括平衡约束和不等式约束，其中平衡约束的表达式如下：
；
不等式约束的表达式如下：
；
上式中：ai.0表示第i个负荷曲线的拟合函数的参数a值的下限，ai.m表示第i个负荷曲线的拟合函数的参数a值的上限。
CN202310716384.6A 2023-06-16 2023-06-16 一种新型电力系统负荷控制的辅助决策方法 Active CN116526496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310716384.6A CN116526496B (zh) 2023-06-16 2023-06-16 一种新型电力系统负荷控制的辅助决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310716384.6A CN116526496B (zh) 2023-06-16 2023-06-16 一种新型电力系统负荷控制的辅助决策方法

Publications (2)

Publication Number Publication Date
CN116526496A CN116526496A (zh) 2023-08-01
CN116526496B true CN116526496B (zh) 2023-09-08

Family

ID=87401372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310716384.6A Active CN116526496B (zh) 2023-06-16 2023-06-16 一种新型电力系统负荷控制的辅助决策方法

Country Status (1)

Country Link
CN (1) CN116526496B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5745368A (en) * 1996-03-29 1998-04-28 Siemens Energy & Automation, Inc. Method for voltage stability analysis of power systems
CN103577898A (zh) * 2013-11-18 2014-02-12 国家电网公司 一种电力行业的负荷控制分配方法及系统
CN104881723A (zh) * 2015-06-12 2015-09-02 国网内蒙古东部电力有限公司通辽供电公司 考虑等效负荷点影响的含源配电网故障停电方案优化方法
CN107017624A (zh) * 2017-04-13 2017-08-04 云南电网有限责任公司电力科学研究院 电力负荷周周期特性建模方法
CN108898154A (zh) * 2018-09-29 2018-11-27 华北电力大学 一种电力负荷som-fcm分层聚类方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
CN111325315A (zh) * 2019-11-22 2020-06-23 国网新疆电力有限公司电力科学研究院 基于深度学习的配变停电电量损失预测的方法
CN111461921A (zh) * 2020-03-31 2020-07-28 国网湖南省电力有限公司 一种基于机器学习的负荷建模典型用户数据库更新方法
CN111478312A (zh) * 2019-11-20 2020-07-31 国网河北省电力有限公司电力科学研究院 一种提升电网稳定性的综合能源集群协调控制方法
CN111900713A (zh) * 2020-01-08 2020-11-06 国网吉林省电力有限公司 网源协调下考虑负荷和风电随机性多场景输电网规划方法
CN112701688A (zh) * 2021-01-28 2021-04-23 国网河北省电力有限公司电力科学研究院 考虑应急电动汽车的配电网故障恢复方法及终端设备
CN113011670A (zh) * 2021-03-30 2021-06-22 国网河北省电力有限公司电力科学研究院 配电网故障应急抢修调度-故障恢复协同方法及装置
CN113471966A (zh) * 2021-07-01 2021-10-01 南京工程学院 一种计及中断优先级的大工业负荷柔性调控方法
CN114006406A (zh) * 2021-11-25 2022-02-01 国网四川省电力公司资阳供电公司 一种地区电网双主变经济运行控制方法及系统
CN114759558A (zh) * 2022-05-18 2022-07-15 天津大学 非侵入式电动自行车充电负荷在线快速检测方法
CN115566645A (zh) * 2022-11-10 2023-01-03 汉中一零一航空电子设备有限公司 自适应调整的微控制器、固态功率控制器及保护方法
CN116258355A (zh) * 2023-05-15 2023-06-13 国网浙江省电力有限公司永康市供电公司 适用于多点功率估计的配电台区负荷曲线分解方法及装置

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5745368A (en) * 1996-03-29 1998-04-28 Siemens Energy & Automation, Inc. Method for voltage stability analysis of power systems
CN103577898A (zh) * 2013-11-18 2014-02-12 国家电网公司 一种电力行业的负荷控制分配方法及系统
CN104881723A (zh) * 2015-06-12 2015-09-02 国网内蒙古东部电力有限公司通辽供电公司 考虑等效负荷点影响的含源配电网故障停电方案优化方法
CN107017624A (zh) * 2017-04-13 2017-08-04 云南电网有限责任公司电力科学研究院 电力负荷周周期特性建模方法
CN108898154A (zh) * 2018-09-29 2018-11-27 华北电力大学 一种电力负荷som-fcm分层聚类方法
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
CN111478312A (zh) * 2019-11-20 2020-07-31 国网河北省电力有限公司电力科学研究院 一种提升电网稳定性的综合能源集群协调控制方法
CN111325315A (zh) * 2019-11-22 2020-06-23 国网新疆电力有限公司电力科学研究院 基于深度学习的配变停电电量损失预测的方法
CN111900713A (zh) * 2020-01-08 2020-11-06 国网吉林省电力有限公司 网源协调下考虑负荷和风电随机性多场景输电网规划方法
CN111461921A (zh) * 2020-03-31 2020-07-28 国网湖南省电力有限公司 一种基于机器学习的负荷建模典型用户数据库更新方法
CN112701688A (zh) * 2021-01-28 2021-04-23 国网河北省电力有限公司电力科学研究院 考虑应急电动汽车的配电网故障恢复方法及终端设备
CN113011670A (zh) * 2021-03-30 2021-06-22 国网河北省电力有限公司电力科学研究院 配电网故障应急抢修调度-故障恢复协同方法及装置
CN113471966A (zh) * 2021-07-01 2021-10-01 南京工程学院 一种计及中断优先级的大工业负荷柔性调控方法
CN114006406A (zh) * 2021-11-25 2022-02-01 国网四川省电力公司资阳供电公司 一种地区电网双主变经济运行控制方法及系统
CN114759558A (zh) * 2022-05-18 2022-07-15 天津大学 非侵入式电动自行车充电负荷在线快速检测方法
CN115566645A (zh) * 2022-11-10 2023-01-03 汉中一零一航空电子设备有限公司 自适应调整的微控制器、固态功率控制器及保护方法
CN116258355A (zh) * 2023-05-15 2023-06-13 国网浙江省电力有限公司永康市供电公司 适用于多点功率估计的配电台区负荷曲线分解方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于大数据分析的电网增量负荷预测研究;余建平 等;《机电信息》(第30期);1-3 *

Also Published As

Publication number Publication date
CN116526496A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Liu et al. Random forest solar power forecast based on classification optimization
CN104598986B (zh) 基于大数据的电力负荷预测方法
CN111353656B (zh) 一种基于生产计划的钢铁企业氧气负荷预测方法
CN109002942A (zh) 一种基于随机神经网络的短期负荷预测方法
CN109858673A (zh) 一种光伏发电系统功率预测方法
CN110071502B (zh) 一种短期电力负荷预测的计算方法
CN110674999A (zh) 基于改进聚类和长短期记忆深度学习的小区负荷预测方法
CN109978284B (zh) 一种基于混合神经网络模型的光伏发电功率分时预测方法
CN110263995A (zh) 考虑负荷增长率与用户用电特性的配变重过载预测方法
CN111191854A (zh) 一种基于线性回归及神经网络的光伏发电预测模型和方法
CN101231720A (zh) 基于遗传算法的企业过程模型多目标参数优化方法
CN112465256A (zh) 一种基于Stacking模型融合的楼宇用电量预测方法和系统
CN105447509A (zh) 一种光伏发电系统的短期功率预测方法
CN108074004A (zh) 一种基于网格法的地理信息系统短期负荷预测方法
CN113783224A (zh) 一种考虑多种分布式能源运行的配电网双层优化规划方法
CN106845012A (zh) 一种基于多目标密度聚类的高炉煤气系统模型隶属度函数确定方法
CN111325315A (zh) 基于深度学习的配变停电电量损失预测的方法
CN109034500A (zh) 一种多时序协同的中期电力负荷预测方法
CN112734135A (zh) 一种电力负荷预测方法、智能终端及计算机可读存储介质
CN112149890A (zh) 基于用户用能标签的综合能源负荷预测方法及系统
CN116826710A (zh) 基于负荷预测的削峰策略推荐方法、装置及存储介质
CN110570091A (zh) 基于改进F-score特征选择及粒子群BP神经网络的负荷辨识方法
Wang et al. Soft-sensing modeling and intelligent optimal control strategy for distillation yield rate of atmospheric distillation oil refining process
CN109670655A (zh) 一种电力系统多目标粒子群优化调度方法
CN116526496B (zh) 一种新型电力系统负荷控制的辅助决策方法

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information

Inventor after: Chen Wengang

Inventor after: Liu Zhiliang

Inventor after: Hao Xinjie

Inventor after: Li Yuan

Inventor after: Xu Limei

Inventor after: Jiang Tao

Inventor after: Ji Yuze

Inventor after: Tian Ruimin

Inventor after: Li Haiyan

Inventor after: Wang Xinrui

Inventor after: Xu Nan

Inventor after: Xu Guobin

Inventor after: Han Weiheng

Inventor before: Chen Wengang

Inventor before: Liu Zhiliang

Inventor before: Hao Xinjie

Inventor before: Li Yuan

Inventor before: Xu Limei

Inventor before: Jiang Tao

Inventor before: Ji Yuze

Inventor before: Tian Ruimin

Inventor before: Li Haiyan

Inventor before: Wang Xinrui

Inventor before: Xu Nan

Inventor before: Xu Guobin

Inventor before: Han Weiheng

CB03 Change of inventor or designer information