CN116613759A - 配电网潮流计算方法、装置、电子设备及存储介质 - Google Patents
配电网潮流计算方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116613759A CN116613759A CN202310565813.4A CN202310565813A CN116613759A CN 116613759 A CN116613759 A CN 116613759A CN 202310565813 A CN202310565813 A CN 202310565813A CN 116613759 A CN116613759 A CN 116613759A
- Authority
- CN
- China
- Prior art keywords
- operation information
- distribution network
- power distribution
- power
- probability density
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 152
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 240
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 214
- 238000005315 distribution function Methods 0.000 claims description 60
- 230000001186 cumulative effect Effects 0.000 claims description 57
- 239000011159 matrix material Substances 0.000 claims description 44
- 230000005611 electricity Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 32
- 238000005286 illumination Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 13
- 230000001965 increasing effect Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000001932 seasonal effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001603 reducing effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种配电网潮流计算方法、装置、电子设备及存储介质。该方法包括:获取配电网运行信息的时间序列;在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立运行信息的估计采样点;对估计采样点进行逆变换,得到估计采样点对应的配电采样点;对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数。本发明实施例的技术方案提高了配电网潮流计算的准确度。
Description
技术领域
本发明涉及配电网技术领域,尤其涉及一种配电网潮流计算方法、装置、电子设备及存储介质。
背景技术
随着配电网技术的发展,配电网的实际运行状态的研究越来越丰富。
目前,主要通过对配电网进行确定性潮流计算,基于确定潮流计算的计算结果代表配电网的实际运行状态。
但是,确定性潮流计算的计算结果为唯一值,将确定性潮流计算的计算结果作为配电网的实际运行状态,并不准确。
发明内容
本发明提供了一种配电网潮流计算方法、装置、电子设备及存储介质,提高了配电网潮流计算的准确度。
根据本发明的一方面,提供了一种配电网潮流计算方法,包括:
获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息;
在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;
对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息;
对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点;
对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点;
对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数。
根据本发明的另一方面,提供了一种配电网潮流计算装置,包括:
时间序列获取模块,用于获取配电网运行信息的时间序列,配电网运行信息时间序列包括连续的预设时刻对应的配电网运行信息;
运行信息概率密度函数计算模块,用于在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;
独立运行信息确定模块,用于对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息;
估计采样点确定模块,用于对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点;
配电采样点确定模块,用于对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点;
输出变量概率密度函数确定模块,用于对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的配电网潮流计算方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的配电网潮流计算方法。
本发明实施例的技术方案,通过获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息;在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息;对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点;对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点;对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数,解决了将确定性潮流计算的计算结果作为配电网的实际运行状态,并不准确的问题,提高了配电网潮流计算的准确度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种配电网潮流计算方法的流程图;
图2是根据本发明实施例一提供的夏季的各单日采样样本中各预设时刻与配电网运行信息之间的关系曲线图;
图3是根据本发明实施例一提供的可再生能源出力的时序曲线;
图4是根据本发明实施例一提供的不同类型的用电负荷的时序曲线;
图5是根据本发明实施例一提供的线路参数的时序曲线;
图6是根据本发明实施例一提供的不同形状参数下光照强度的概率密度函数的曲线图;
图7是根据本发明实施例一提供的不同形状参数和尺度参数下风速的概率密度函数的曲线图;
图8是根据本发明实施例一提供的风电出力与风速之间的关系曲线图;
图9是根据本发明实施例二提供的一种配电网潮流计算方法的流程图;
图10是根据本发明实施例二提供的一种配电网潮流计算方法的流程图;
图11是根据本发明实施例二提供的改进的IEEE33节点柔性互联配电网的结构示意图;
图12是根据本发明实施例二提供的光伏出力时序曲线;
图13是根据本发明实施例二提供的风电出力时序曲线;
图14是根据本发明实施例二提供的用电负荷时序曲线;
图15是根据本发明实施例二提供的春季时间场景3下光伏接入前节点电压的概率密度函数曲线的仿真结果;
图16是根据本发明实施例二提供的春季时间场景15下光伏接入后节点电压的概率密度函数曲线的仿真结果;
图17是根据本发明实施例二提供的春季时间场景3下光伏接入前支路功率的概率密度函数曲线的仿真结果;
图18是根据本发明实施例二提供的春季时间场景15下光伏接入后支路功率的概率密度函数曲线的仿真结果;
图19是根据本发明实施例二提供的光伏接入后配电网线损的概率密度函数曲线的仿真结果;
图20是根据本发明实施例二提供的各时间场景下线损的概率密度函数曲线的期望值变化情况;
图21是根据本发明实施例二提供的光伏并入前后各时间场景下线损的概率密度函数曲线的期望值变化情况;
图22是根据本发明实施例二提供的春季时间场景12下风电接入前节点电压的概率密度函数曲线的仿真结果;
图23是根据本发明实施例二提供的春季时间场景18下风电接入后节点电压的概率密度函数曲线的仿真结果;
图24是根据本发明实施例二提供的春季时间场景12下风电接入前支路功率的概率密度函数曲线的仿真结果;
图25是根据本发明实施例二提供的春季时间场景18下风电接入后支路功率的概率密度函数曲线的仿真结果;
图26是根据本发明实施例二提供的时间场景15下不同配电网的线损的概率密度函数曲线的仿真结果;
图27是根据本发明实施例二提供的可再生能源恒输出功率时配电网季节典型日线损的概率密度函数曲线的仿真结果;
图28是根据本发明实施例三提供的一种配电网潮流计算装置的结构示意图;
图29是实现本发明实施例的配电网潮流计算方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种配电网潮流计算方法的流程图。本发明实施例可适用于对配电网概率潮流进行计算情况,该方法可以由配电网潮流计算装置来执行,该配电网潮流计算装置可以采用硬件和/或软件的形式实现,该配电网潮流计算装置可配置于承载配电网潮流计算功能的电子设备中。
参见图1所示的配电网潮流计算方法,包括:
S110、获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息。
配电网运行信息可以为配电网在运行过程中的信息。可选的,配电网运行信息可以包括配电网的属性信息和配电网的采样信息。示例性的,配电网的属性信息可以为配电网的线路参数。配电网的采样信息可以包括配电网的出力和负荷。配电网运行信息的时间序列可以包括连续的预设时刻对应的配电网运行信息。预设时刻可以是预先设定的对配电网运行信息进行采样的时刻。预设时刻可以由技术人员根据经验进行设定和调整。示例性的,预设时刻可以为各季节典型日的24小时的整点,即各季节典型日的1点、2点、3点、……、23点和24点。
具体的,可以按照连续的预设时刻对配电网运行信息进行采样,得到配电网运行信息的时间序列。
S120、在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数。
具体的,可以在配电网运行信息的时间序列中,针对某一预设时刻,选取该预设时刻对应的配电网运行信息,并获取配电网运行信息的概率密度函数模型,将该配电网运行信息作为期望值,对配电网运行信息的概率密度函数模型的参数进行调整,得该预设时刻对应的配电网运行信息的概率密度函数。
S130、对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息。
配电网运行信息与独立运行信息之间一一对应。配电网运行信息在实际空间中。独立运行信息在独立标准正态空间中。其中,实际空间可以是配电网实际运行的空间,配电网运行信息可以是配电网的实际运行信息。实际空间中的各配电网运行信息可以非正态分布或具有相关性。独立标准正态空间中的各独立运行信息可以为正态分布且相互独立的。
具体的,可以根据预设时刻对应的配电网运行信息的概率密度函数进行计算,得到配电网运行信息的概率累积分布函数,根据配电网运行信息的概率累计分布函数进行计算和转换,将实际空间中的配电网运行信息转换至独立标准正态空间中,得到独立运行信息。
S140、对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点。
独立运行信息的偏度系数和峰度系数为已知值。示例性的,独立运行信息的偏度系数可以为0;峰度系数可以为3。独立运行信息的位置系数用于确定独立运行信息的估计采样点。独立运行信息的权重可以用于计算输出变量的概率密度函数。
具体的,可以获取独立标准正态空间中的独立运行信息的偏度系数和峰度系数,将独立运行信息的偏度和峰度系数输入位置系数计算公式和权重计算公式,得到独立运行信息的位置系数和权重,将独立运行信息的位置系数,确定为独立标准正态空间中的独立运行信息的估计采样点。
示例性的,位置系数计算公式如下:
ξyi,3=0;
式中,ξyi,k和ξyi,3为独立运行信息的位置系数;yi,k为独立运行信息的估计采样点;i为独立运行信息的编号;k为估计采样点的编号;λi,3为独立运行信息的偏度系数;λi,4为独立运行信息的峰度系数。
权重计算公式如下:
式中,wyi,k为独立运行信息的权重;yi,k为独立运行信息的估计采样点;i为独立运行信息的编号;k为估计采样点的编号;ξyi,k、ξyi,1和ξyi,2为独立运行信息的位置系数;n为独立运行信息的数量。
独立运行信息的估计采样点选取公式如下:
yi,k=μyi+ξyi,kσyi k=1,2,3;
式中,yi,k为独立运行信息的估计采样点;i为独立运行信息的编号;k为估计采样点的编号;μyi为独立运行信息的期望值;ξyi,k为独立运行信息的位置系数;σyi为独立运行信息的标准差。
在本方案,独立运行信息为相互独立且正态分布的,独立运行信息的期望值为0,独立运行信息的标准差为1,因此,根据独立运行信息的估计采样点选取公式,可以将位置系数直接确定为独立标准正态空间中的独立运行信息的估计采样点。
S150、对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点。
配点采样点与估计采样点一一对应。估计采样点分布在独立标准正态空间,配点采样点分布在实际空间。
具体的,可以根据独立标准正态空间中的估计采样点与实际空间中的配点采样点之间的对应关系,对独立标准正态空间中的估计采样点进行逆变换,得到对应的配点采样点。
S160、对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数。
各预设时刻对应的输出变量的概率密度函数可以用于表征配电网的实际运行状态。通过各预设时刻对应的输出变量的概率密度函数表征配电网的实际运行状态,相较于通过唯一值表征配电网的实际运行状态,考虑了配电网的实际运行状态的变化性和不确定性,准确度更高。
具体的,针对单个预设时刻,可以对配电采样点进行输出变量的交替迭代潮流计算,得到配电采样点的输出变量的交替迭代潮流计算结果;可以对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到单个预设时刻对应的输出变量的概率密度函数;可以对各预设时刻分别进行计算,得到各预设时刻对应的输出变量的概率密度函数。
本发明实施例的技术方案,通过获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息;在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息;对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点;对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点;对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数,通过计算各预设时刻对应的输出变量的概率密度函数,考虑了各预设时刻的差异性,同时,通过输出变量的概率密度函数表征配电网的实际运行状态,考虑了配电网运行的不确定性,兼顾了配电网的实际运行状态的时序性和不确定,解决了将确定性潮流计算的计算结果作为配电网的实际运行状态,并不准确的问题,提高了配电网潮流计算的准确度。
在本发明的一个可选实施例中,将对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息,具体化为:对预设时刻对应的配电网运行信息的概率密度函数进行积分,得到预设时刻对应的配电网运行信息的概率累计分布函数;对预设时刻对应的配电网运行信息的概率累积分布函数进行标准正态的逆概率累计分布函数计算,得到配电网运行信息在标准正态空间对应的正态运行信息;获取配电网运行信息的相关性系数;对配电网运行信息的相关性系数进行相关性系数转换,得到配电网运行信息在标准正态空间对应的相关性系数;对配电网运行信息在标准正态空间对应的相关性系数进行分解,得到下三角矩阵;计算下三角矩阵的逆矩阵与配电网运行信息在标准正态空间对应的正态运行信息之间的乘积,得到配电网运行信息在独立标准正态空间对应的独立运行信息;相应的,将对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点,具体化为:根据下三角矩阵的逆矩阵,对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点在标准正态空间对应的正态采样点;对正态采样点进行标准正态逆概率累积分布函数进行逆运算,得到正态采样点对应的配电采样点。
正态运行信息与配电网运行信息和独立运行信息之间一一对应。正态运行信息可以属于标准正态空间中;配电网运行信息可以属于实际空间中;独立运行信息可以属于独立标准正态空间中。正态采样点可以是估计采用点在标准正态空间中对应的采样点。正态运行信息是正态分布的,但是各正态运行信息之间具有相关性。配电网运行信息是非正态分布且具有相关性的。独立运行信息是正态分布且相互独立的。相应的,正态采样点与配电采样点和估计采样点之间也是一一对应的。正态采样点可以属于标准正态空间中;配电采样点可以属于实际空间中;独立采样点可以属于独立标准正态空间中。
具体的,可以对预设时刻对应的概率密度函数进行积分,得到预设时刻对应的配电网运行信息的概率累计分布函数。
可以对预设时刻对应的配电网运行信息的概率累积分布函数进行标准正态的逆概率累积分布函数计算,得到配电网运行信息在标准正态空间对应的正态运行信息。
示例性的,可以将预设时刻对应的配电网运行信息构成的向量X=[x1,x2,…,xn]T转化为标准正态空间正态运行信息构成的向量Z=[z1,z2,…,zn]T。可以通过下述可以采用下述公式,对预设时刻对应的配电网运行信息的概率累积分布函数进行标准正态的逆概率累积分布函数计算,得到配电网运行信息在标准正态空间对应的正态运行信息:
zi=Φ-1[Fi(xi)];
式中,zi为预设时刻对应的配电网运行信息在标准正态空间对应的正态运行信息;Φ-1[·]为标准正态的逆概率累积分布函数;Fi(·)为概率累积分布函数;xi为预设时刻对应的配电网运行信息;i为配电网运行信息以及对应的正态运行信息的编号。
可以获取配电网运行信息的相关性系数。可以根据配电网运行信息的期望值、配电网运行信息的方差、配电网运行信息的概率累积分布函数、标准正态的逆概率累计分布函数和配电网运行信息的相关性系数,对配电网运行信息的相关性系数进行相关性系数转换,得到配电网运行信息在标准正态空间对应的相关性系数。
示例性的,可以根据下述公式,计算配电网运行信息在标准正态空间对应的相关性系数:
式中,为配电网运行信息xi和xj的的相关性系数;Φ(·)为标准正态的概率累积分布函数;/>和/>为概率累积分布函数;μi和μj为配电网运行信息xi和xj的期望值;σi和σj为配电网运行信息xi和xj的方差;/>为正态运行信息的二维标准正态分布函数;zi和zj为预设时刻对应的配电网运行信息在标准正态空间对应的正态运行信息;i和j为配电网运行信息以及对应的正态运行信息的编号;/>为正态运行信息zi和zj的的相关性系数。
可选的,也可以通过下述公式,引入相关性系数转换矩阵C,基于相关性系数转换矩阵C,计算配电网运行信息在标准正态空间对应的相关性系数:
式中,C为相关性系数转换矩阵;X0、X1、X2和X3为不同属性的配电网运行信息构成的向量;x10、x20、xi0、xj0、xn0、x11、x21、xi1、xj1、xn1、x12、x22、xi2、xj2、xn2、x13、x23、xi3、xj3和xn3为配电网运行信息;为正态运行信息zi和zj的的相关性系数;/>为配电网运行信息xi和xj的的相关性系数;i和j为配电网运行信息以及对应的正态运行信息的编号;μi和μj为配电网运行信息xi和xj的期望值;σi和σj为配电网运行信息xi和xj的方差。
可以设定配电网运行信息的向量X的相关性系数矩阵为设定正态运行信息的向量Z的相关性系数矩阵为/>可以对配电网运行信息在标准正态空间对应的相关性系数矩阵进行分解,得到下三角矩阵。
示例性的,可以采用Cholesky(分解矩阵方法)对对配电网运行信息在标准正态空间对应的相关性系数矩阵进行分解:
ρZ=GGT;
式中,ρZ为正态运行信息的向量Z的相关性系数矩阵;G为下三角矩阵。
可以计算下三角矩阵的逆矩阵与配电网运行信息在标准正态空间对应的正态运行信息之间的乘积,得到配电网运行信息在独立标准正态空间对应的独立运行信息。
示例性的,可以采用以下公式,计算配电网运行信息在独立标准正态空间对应的独立运行信息:
Y=G-1Z;
式中,Y为配电网运行信息在独立标准正态空间对应的独立运行信息;G-1为下三角矩阵的逆矩阵;Z为配电网运行信息在标准正态空间对应的正态运行信息。
相应的,可以根据下三角矩阵的逆矩阵,对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点在标准正态空间中对应的正态采样点。可以对正态采样点进行标准正态逆概率累积分布函数的逆运算,得到正态采样点在实际空间中的配电采样点。
本方案通过对预设时刻对应的配电网运行信息的概率密度函数进行积分,得到预设时刻对应的配电网运行信息的概率累计分布函数,对预设时刻对应的配电网运行信息的概率累积分布函数进行标准正态的逆概率累计分布函数计算,得到配电网运行信息在标准正态空间对应的正态运行信息,获取配电网运行信息的相关性系数,对配电网运行信息的相关性系数进行相关性系数转换,得到配电网运行信息在标准正态空间对应的相关性系数,对配电网运行信息在标准正态空间对应的相关性系数进行分解,得到下三角矩阵,计算下三角矩阵的逆矩阵与配电网运行信息在标准正态空间对应的正态运行信息之间的乘积,得到配电网运行信息在独立标准正态空间对应的独立运行信息,根据下三角矩阵的逆矩阵,对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点在标准正态空间对应的正态采样点,对正态采样点进行标准正态逆概率累积分布函数进行逆运算,得到正态采样点对应的配电采样点,实现了对配电网运行信息和独立运行信息的转换,以及估计采样点和配电采样点之间的转换,进一步提高了实际空间中的配电网运行信息和独立标准正态空间中的独立运行信息之间转换的准确度。
在本发明的一个可选实施例中,将获取配电网运行信息的时间序列,具体化为:获取各季节的各单日采样样本;单日采样样本包括各预设时刻对应的配电网运行信息;针对同一季节,在各单日采样样本中,分别选取预设数量的单日采样样本;在同一季节内,针对同一时刻,计算预设数量的单日采样样本在同一时刻对应的配电网运行信息的均值,作为同一季节对应的季节典型日的单日采样样本中同一时刻对应的配电网运行信息;将各季节对应的季节典型日的单日采样样本,确定为配电网运行信息的时间序列。
单日采样样本可以是以天为单位划分的采样样本。单日采样样本可以包括预设时刻对应的配电网运行信息。预设数量可以是预先设定的在单个季节中选取的单日采样样本的数量。季节典型日可以是代表某一季节的单天的数据。
具体的,可以获取各季节的各单日采样样本。针对同一季节,在各单日采样样本中,可以分别选取预设数量的单日采样样本。在同一季节内,针对同一时刻,可以计算预设数量的单日采样样本在同一时刻对应的配电网运行信息的均值,作为同一季节对应的季节典型日的单日采样样本中同一时刻对应的配电网运行信息。可以将各季节对应的季节典型日的单日采样样本,确定为配电网运行信息的时间序列。
示例性的,季节可以为夏季(1月至3月),预设数量可以是30,预设时刻可以是1点、2点、3点、……、23点和24点。可以获取1月至3月的90天的各单日采样样本。图2为本发明实施例一提供的夏季的各单日采样样本中各预设时刻与配电网运行信息之间的关系曲线图。如图2所示,配电网运行信息可以为光伏出力,横坐标为各预设时刻,纵坐标为单位容量光伏出力。针对夏季,在1月至3月的90天的各单日采样样本中,随机或规律性选取30天的单日采样样本。在夏季的30天的单日采样样本,针对各预设时刻,分别计算各时刻对应的配电网运行信息的均值,作为夏季对应的季节典型日的单日采样样本中各预设时刻对应的24个配电网运行信息。可以将各预设时刻对应的配电网运行信息作为夏季的季节典型日的单日采样样本。相应的,可以计算春季、秋季和冬季的季节典型日的单日采样样本,并将各季节对应的季节典型日的单日采样样本的96个配电网运行信息,确定为配电网运行信息的时间序列。
可选的,在确定季节典型日的单日采样样本之后,还可以采用下述公式,对季节典型日的单日采样样本进行误差分析,验证时间序列生成前后离散程度的一致性:
式中,E为季节典型日的单日采样样本的方差与单日采样样本的方差之间误差;为预设时刻t的光伏出力的均值;/>为季节典型日的单日采样样本的光伏出力均值;t为预设时刻;q为同一季节的第q个单日采样样本;N为同一季节单日采样样本的数量;Pt,q为同一季节的第q个单日采样样本在t时刻的光伏出力值;μq为同一季节的第q个单日采样样本的光伏出力均值;θ为误差阈值。
具体的,若季节典型日的单日采样样本的方差与单日采样样本的方差之间误差小于等于误差阈值,则时间序列生成前后离散程度一致,季节典型日的单日采样样本可以用于生成配电网运行信息的时间序列;若季节典型日的单日采样样本的方差与单日采样样本的方差之间误差大于误差阈值,则时间序列生成前后离散程度不一致,需要重新生成季节典型日的单日采样样本。
本方案通过获取各季节的各单日采样样本,所述单日采样样本包括各所述预设时刻对应的配电网运行信息,针对同一季节,在各所述单日采样样本中,分别选取预设数量的单日采样样本,在同一季节内,针对同一时刻,计算所述预设数量的单日采样样本在所述同一时刻对应的配电网运行信息的均值,作为所述同一季节对应的季节典型日的单日采样样本中所述同一时刻对应的配电网运行信息,将各所述季节对应的季节典型日的单日采样样本,确定为配电网运行信息的时间序列,根据季节和预设时刻生成配电网运行信息的时间序列,保证了所选取的配电网运行信息代表各季节特性,保证了配电网运行信息的时间序列的精确度,进一步提高了配电网潮流计算的准确度。
在本发明的一个可选实施例中,将配电网运行信息具体化为光伏出力、风电出力、用电负荷和线路参数。
在配电网运行信息具体化为光伏出力、风电发力、用电负荷和线路参数时,相应的,配电网运行信息的时间序列可以包括光伏出力的时间序列、风电出力的时间序列、用电负荷的时间序列和线路参数的时间序列。
其中,在多种类型的可再生能源中,本方案主要考虑风力发电和光伏发电两种类型的可再生能源。对于光伏出力而言,光照强度是制约光伏出力的主要因素,对于风电出力而言,风速是制约风电出力的主要因素。光伏出力和风电出力的时序曲线具有显著的季节性。其中,光伏出力的时序曲线可以由光伏出力的时间序列生成;风电出力的时序曲线可以由风电出力的时间序列生成。图3是本发明实施例一提供的可再生能源出力的时序曲线。如图3所示,风电出力在春季和冬季较大,光伏出力在夏季最大,光伏出力与风电出力在季节上具有一定的互补特性。
用电负荷的时序特性也与季节密切相关。图4是本发明实施例一提供的不同类型的用电负荷的时序曲线。示例性的,如图4所示,用电负荷的类型可以包括轨道交通、电动机车和数据中心。不同类型的用电负荷呈现不同的特征。其中,轨道交通与电动汽车的时序波动性大,在6时至7时或18时至19时达到峰值,而数据中心为常年作业,日间用电负荷大,全天用电负荷率较高,且用电负荷波动较小。
线路参数可以包括配电网线路的线路电阻和线路电抗。配电网线路的线路阻抗受温度影响,可视为导体温度的函数。随着季节温度变化,线路参数也随之改变。现有技术中配电网线路的线路阻抗通常是温度在20℃时的阻抗值,但配电网线路的实际运行温度往往并不是20℃,本方案考虑了线路参数的时序特性。图5是本发明实施例一提供的线路参数的时序曲线。如图5所示,配电网线路的线路电阻与环境温度成正相关增长。其中,配电网线路的线路电阻和环境温度之间的关系参见如下公式:
式中,Rc为实际运行温度Tc下的配电网线路的线路电阻;Uc为实际运行温度Tc下的配电网线路的线路电抗;R0为标准运行温度T0=20℃下的配电网线路的线路电阻;U0为标准运行温度T0=20℃下的配电网线路的线路电抗;a为标准运行温度T0=20℃下的电阻温度系数,示例性的,铝在标准运行温度T0=20℃下的电阻温度系数a=0.0036。
在配电网运行信息具体化为光伏出力、风电发力、用电负荷和线路参数时,相应的,配电网运行信息的概率密度函数可以包括光伏出力的概率密度函数、风电出力的概率密度函数、用电负荷的概率密度函数和线路参数的概率密度函数。
光伏出力具有较强的波动性和随机性。光伏出力的影响因素可以包括光照强度、云量和温度等多种环境因素。其中,光照强度与光伏出力的相关性最强。光照强度的概率密度函数的计算公式如下:
式中,f(r)为光照强度的概率密度函数;Г(·)为伽玛函数;r为实际光照强度;rmax为最大光照强度;α和β为光照强度的形状参数。
示例性的,图6为不同形状参数下光照强度的概率密度函数的曲线图。如图6所示,光照强度的概率密度函数呈Beta(贝塔)分布,不同时段下光照强度的形状参数α和β取值不同,相应的,光照强度的概率密度函数的曲线也不同。当光照强度的期望值μr和标准差σr已知时,可以确定光照强度的形状参数α和β的值。
光照强度的形状参数与光照强度的期望值和标准差之间的关系公式如下:
式中,α和β为光照强度的形状参数;μr为光照强度的期望值;σr为光照强度的标准差。
用于光伏发电的太阳能电池方阵由M个面积为Am(m=1,2,…,M)、光电转换效率为ηm的电池组成,则可以采用以下公式,计算该太阳能电池方阵的总输出功率PM:
PM=rAη;
式中,PM为该太阳能电池方阵的总输出功率;r为实际光照强度;A为该太阳能电池方阵的总面积;η为该太阳能电池方阵的总光伏转换效率;M为太阳能电池的数量;m为太阳能电池的编号;Am为太阳能电池的面积;ηm为太阳能电池的光电转换效率。
根据光照强度的概率密度函数的计算公式,以及太阳能电池方阵的总输出功率的计算公式,可以得到光伏出力的概率密度函数模型的计算公式如下:
式中,f(PM)为光伏出力的概率密度函数;α和β为光照强度的形状参数;PM为该太阳能电池方阵的总输出功率;RM为该太阳能电池方阵的最大输出功率。
风电出力的影响因素可以包括风速、气压、温度及湿度等自然因素。其中,本方案将风速作为风电出力的主要影响因素,构建风电出力的概率密度函数模型。风速的概率密度函数的计算公式如下:
式中,f(v)为风速的概率密度函数;v为风速;k为风速的形状参数;c为风速的尺度参数。
示例性的,图7为不同形状参数和尺度参数下风速的概率密度函数的曲线图。如图7所示,风速的概率密度函数服从二参数的Weibull(韦伯)分布,不同时段下风速形状参数k和尺度参数c取值不同,相应的,风速的概率密度函数的曲线也不同。
图8为风电出力与风速之间的关系曲线图。如图8所示,风电出力和风速之间的函数关系为如下公式:
式中,Pw为风电出力;v为风速;vci为风电机组的切入风速;vco为风电机组的切出风速;vr为风电机组的额定风速;k1和k2为风电出力的影响因子;Pr为风电机组的额定功率。
根据风速的概率密度函数的计算公式,以及风电出力和风速之间的函数关系的计算公式,可以得到风电出力的概率密度函数模型的计算公式如下:
式中,f(Pw)为风电出力的概率密度函数;Pw为风电出力;k为风速的形状参数;c为风速的尺度参数;k1和k2为风电出力的影响因子。
用电负荷的概率密度函数呈正态分布,用电负荷的概率密度函数模型的计算公式如下:
式中,f(PL)为用电负荷的概率密度函数;PL为用电负荷;为用电负荷的期望值;/>为用电负荷的标准差。
线路参数的概率密度函数呈正态分布,线路参数的概率密度函数模型的计算公式如下:
式中,f(d)为线路参数的概率密度函数;d为线路参数;μd为线路参数的期望值;σd为线路参数的标准差。
可以在光伏出力的时间序列中,将预设时刻对应的光伏出力作为期望值,对光伏出力的改立密度函数模型的参数进行调整,得到预设时刻对应的光伏出力的概率密度函数。
可以在风电出力的时间序列中,将预设时刻对应的风电出力作为期望值,对风电出力的改立密度函数模型的参数进行调整,得到预设时刻对应的风电出力的概率密度函数。
可以在用电负荷的时间序列中,将预设时刻对应的用电负荷作为期望值,对用电负荷的改立密度函数模型的参数进行调整,得到预设时刻对应的用电负荷的概率密度函数。
可以在线路参数的时间序列中,将预设时刻对应的线路参数作为期望值,对线路参数的改立密度函数模型的参数进行调整,得到预设时刻对应的线路参数的概率密度函数。
本方案通过将配电网运行信息具体化为光伏出力、风电出力、用电负荷和线路参数,兼顾了配电网的电源、线路和负荷,进一步提高了配电网运行信息的全面性,以提升配电网运行信息的时间序列的准确度和配电网运行信息的概率密度函数的准确度,从而进一步提高了输出变量的概率密度函数的准确度。
在本发明的一个可选实施例中,在得到各预设时刻对应的输出变量的概率密度函数之后,该方法还包括:根据各预设时刻对应的输出变量的概率密度函数和输出变量的安全限定值,对各预设时刻对应的输出变量进行安全性检测;根据安全性检测结果,对配电网进行调整。
输出变量的安全限定值可以是能够保证配电网安全运行的输出变量的上限值。输出变量的安全限定值可以根据技术人员的经验进行设定和调整。安全性检测结果可以为安全或不安全。若预设时刻对应的输出变量的概率密度函数大于等于输出变量的安全限定值,则预设时刻的安全性检测结果为不安全;若预设时刻对应的输出变量的概率密度函数小于输出变量的安全限定值,则预设时刻的安全性检测结果为安全。在安全性检测结果为不安全时,对配电网进行调整。
示例性的,输出变量可以为配电网的电压,若根据各预设时刻对应的电压的概率密度函数,检测到某一预设时刻电压的概率密度函数大于等于电压的安全限定值,则该预设时刻的安全性检测结果为不安全,可以采用用电调整策略,减小配电网用户的用电负荷,以使电压的输出变量分布在安全限定值内。
可选的,输出变量也可以为配电网的线损,线损的安全限定值可以是为线路的实际线损。若根据各预设时刻对应的线损的概率密度函数,检测到某一预设时刻线损的概率密度函数大于等于实际线损,则该预设时刻的安全性检测结果为不安全,可以对配电网的线路参数进行调整,减小配电网的线损。
本方案通过在得到各预设时刻对应的输出变量的概率密度函数之后,根据各预设时刻对应的输出变量的概率密度函数和输出变量的安全限定值,对各预设时刻对应的输出变量进行安全性检测,根据安全性检测结果,对配电网进行调整,有助于预先发现配电网在实际运行过程中的薄弱环节,提高了配电网的可靠性、安全性和经济性。
在本发明的一个可选实施例中,将配电网具体化为柔性互联配电网;将输出变量具体化为电压、功率和线损。
柔性互联配电网可以是采用柔性互联开关作为联络开关的配电网。相较于传统配电网,由于受短路容量和电磁环网等问题的限制,被迫采用闭环设计开环运行的模式,配电网的潮流控制力不强,供电可靠性不稳定。柔性互联配电网在闭环点对短路电流具有阻断能力,可以对连接多个支路的潮流具有多方向的连续调控能力,供电可靠性更高,具有更大的潮流控制能力。但是,柔性互联配电网的潮流计算应用较少。
本方案通过将配电网具体化为柔性互联配电网,将输出变量具体化为电压、功率和线损,提高了输出变量的典型性,实现了对输出变量的概率密度函数的快速计算,同时,实现了柔性互联配电网的概率潮流计算,提高了柔性互联配电网的概率潮流计算的准确度。
实施例二
图9为本发明实施例二提供的一种配电网潮流计算方法的流程图。本发明实施例在上述实施例的基础上,将“对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数”具体化为“对估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算;对交替迭代潮流计算结果和独立运行信息的权重进行各阶原点矩计算,得到输出变量的各阶原点矩和对应的各阶半不变量;对输出变量对应的各阶半不变量进行级数拟合,得到输出变量的概率累积分布函数的逆函数;对输出变量的概率累积分布函数的逆函数进行逆变换,得到输出变量的概率累积分布函数;对输出变量的概率累积分布函数进行求导,得到预设时刻对应的输出变量的概率密度函数;分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各预设时刻对应的输出变量的概率密度函数”,进一步提高了配电网潮流计算的准确度。需要说明的是,在本发明实施例中未详述的部分,可参见其他实施例的表述。
参见图9所示的配电网潮流计算方法,包括:
S901、获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息。
S902、在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数。
S903、对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息。
S904、对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点。
S905、对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点。
S906、对估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算。
具体的,可以将估计采样点输入至交替迭代潮流计算公式中,对估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算。
示例性的,交替迭代潮流计算公式如下:
H=H(X);
式中,H为交替迭代潮流计算结果;H(·)为交替迭代潮流计算算法;X为配电采样点。
S907、对交替迭代潮流计算结果和独立运行信息的权重进行各阶原点矩计算,得到输出变量的各阶原点矩和对应的各阶半不变量。
具体的,可以将交替迭代潮流计算结果和独立运行信息的权重输入至各阶原点矩计算公式中,得到输出变量的各阶原点矩;可以根据各阶原点矩与各阶半不变量之间的对应关系,得到各阶原点矩对应的各阶半不变量。
示例性的,各阶原点矩计算公式如下:
式中,为输出变量的各阶原点矩;wyi,k和wyi,3为独立运行信息的权重;H(·)为交替迭代概率潮流计算算法;N-1(·)为Nataf逆变换算法;N-1(Yi,k)和N-1(Yi,3)为估计采样点对应的概率采样点;Yi,k和Yi,3为独立运行信息的估计采样点;i为独立运行信息的编号;k为估计采样点的编号;n为独立运行信息的数量;l为输出变量的原点矩的阶数。
S908、对输出变量对应的各阶半不变量进行级数拟合,得到输出变量的概率累积分布函数的逆函数。
具体的,可以采用Cornish-Fisher(级数展开算法)计算公式对输出变量对应的各阶半不变量进行级数拟合,得到输出变量累计分布函数的逆函数。
示例性的,Cornish-Fisher计算公式如下:
式中,z(H)=F-1(H)为输出变量的概率累积分布函数的逆函数;H为交替迭代潮流计算结果;γ(H)=φ-1(H)为交替迭代潮流算法的逆函数;gt为输出变量的t阶半不变量。
S909、对输出变量的概率累积分布函数的逆函数进行逆变换,得到输出变量的概率累积分布函数。
具体的,可以对输出变量的概率累积分布函数的逆函数进行逆变换,得到输出变量的概率累积分布函数。
S910、对输出变量的概率累积分布函数进行求导,得到预设时刻对应的输出变量的概率密度函数。
具体的,可以对输出变量的概率累积分布函数进行求导,得到预设时刻对应的输出变量的概率密度函数。
S911、分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各预设时刻对应的输出变量的概率密度函数。
具体的,可以分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各预设时刻对应的输出变量的概率密度函数。
本发明实施例的技术方案,通过获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息,在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数,对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息,对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点,对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点,对估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算,对交替迭代潮流计算结果和独立运行信息的权重进行各阶原点矩计算,得到输出变量的各阶原点矩和对应的各阶半不变量,对输出变量对应的各阶半不变量进行级数拟合,得到输出变量的概率累积分布函数的逆函数,对输出变量的概率累积分布函数的逆函数进行逆变换,得到输出变量的概率累积分布函数,对输出变量的概率累积分布函数进行求导,得到预设时刻对应的输出变量的概率密度函数,分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各预设时刻对应的输出变量的概率密度函数,进一步提高了配电网潮流计算的准确度。
示例性的,图10为一种配电网潮流计算方法的流程图。参见图10所示的配电网潮流计算方法,包括:
S1001、输入节点和支路数据。
其中,节点和支路数据可以为各季节的单日采样样本。节点和支路数据包括各预设时刻对应的配电网运行信息,可以理解为,节点和支路数据包括各预设时刻对应的光伏出力、风电出力、用电负荷和线路参数。
具体的,可以获取技术人员输入的配电网节点和支路数据。
S1002、建立光伏出力、风电出力、用电负荷和线路参数等配电网运行信息的时间序列。
具体的,针对同一季节,在各单日采样样本(节点和支路数据)中,可以分别选取预设数量的同一类型的配电网运行信息对应单日采样样本。在同一季节内,针对同一时刻,可以计算预设数量的该类型单日采样样本在同一时刻对应的配电网运行信息(例如光伏出力、风电出力、用电负荷或线路参数)的均值,作为同一季节对应的季节典型日的单日采样样本中同一时刻对应的配电网运行信息。可以将各季节对应的季节典型日的该类型的单日采样样本,确定为该类型的配电网运行信息的时间序列。分别确定各类型的配电网运行信息的时间序列,从而得到光伏出力的时间序列、风电出力的时间序列、用电负荷的时间序列和线路参数的时间序列。
S1003、i=1。
具体的,可以令预设时刻等于1。
S1004、以时间序列第i个预设时刻的配电网运行信息为期望值,根据配电网运行信息对应的概率密度函数模型,确定各配电网运行信息的概率密度函数。
具体的,可以在配电网运行信息的时间序列中,针对某一预设时刻,例如时间序列第i个预设时刻,选取该预设时刻i对应的配电网运行信息,并获取配电网运行信息的概率密度函数模型,将该配电网运行信息作为期望值,对配电网运行信息的概率密度函数模型的参数进行调整,得该预设时刻对应的配电网运行信息的概率密度函数。
S1005、基于三点估计的交替迭代概率潮流算法,得到第i个预设时刻的电压、功率和线损等输出变量的各阶原点矩。
具体的,可以根据预设时刻对应的配电网运行信息的概率密度函数进行计算,得到配电网运行信息的概率累积分布函数,根据配电网运行信息的概率累计分布函数进行计算和转换,将实际空间中的配电网运行信息转换至独立标准正态空间中,得到独立运行信息。可以获取独立标准正态空间中的独立运行信息的偏度系数和峰度系数,将独立运行信息的偏度和峰度系数输入位置系数计算公式和权重计算公式,得到独立运行信息的位置系数和权重,将独立运行信息的位置系数,确定为独立标准正态空间中的独立运行信息的估计采样点。可以根据独立标准正态空间中的估计采样点与实际空间中的配点采样点之间的对应关系,对独立标准正态空间中的估计采样点进行逆变换,得到对应的配点采样点。可以将估计采样点输入至交替迭代潮流计算公式中,对估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算。可以将交替迭代潮流计算结果和独立运行信息的权重输入至各阶原点矩计算公式中,得到输出变量的各阶原点矩;可以根据各阶原点矩与各阶半不变量之间的对应关系,得到各阶原点矩对应的各阶半不变量。
S1006、根据Cornish-Fisher级数拟合各输出变量在第i个预设时刻下的概率密度函数。
可以采用Cornish-Fisher(级数展开算法)计算公式对输出变量对应的各阶半不变量进行级数拟合,得到输出变量累计分布函数的逆函数。可以对输出变量的概率累积分布函数的逆函数进行逆变换,得到输出变量的概率累积分布函数。可以对输出变量的概率累积分布函数进行求导,得到预设时刻i对应的输出变量的概率密度函数。
S1007、i=i+1。
具体的,可以令预设时刻等于i=i+1。
S1008、判断i是否大于96,若是,则执行S1009;若否,则执行S1004。
具体的,可以判断预设时刻i是否大于96,若是,则执行S1009;若否,则执行S1004。可以分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各预设时刻对应的输出变量的概率密度函数。
S1009、生成季节典型年96个预设时刻对应的电压、功率和线损的概率密度函数曲线。
具体的,可以生成季节典型年96个预设时刻对应的电压、功率和线损的概率密度函数曲线。其中,输出变量可以包括电压、功率和线损。
S1010、输出结果。
具体的,可以分别输出季节典型年96个预设时刻对应的电压的概率密度函数曲线、功率的概率密度函数曲线和线损的概率密度函数曲线。
本方案通过对节点和支路数据进行季节和预设时刻的划分,构建光伏出力、风电出力、用电负荷和线路参数的时间序列,并基于光伏出力、风电出力、用电负荷和线路参数的时间序列,构建源、网、荷的概率密度函数,并针对消纳强、波动性大和随机性大的柔性互联配电网进行潮流计算,得到输出变量的概率密度函数,有效地提高了配电网那个的稳定性、安全性和经济性。
图11为改进的IEEE33节点柔性互联配电网的结构示意图。如图11所示,本方案的算例分析采用改进的IEEE33节点柔性互联配电网中,系统基准容量为100MVA,以标准系统的负荷为算例的负荷期望值,用电负荷和线路参数的标准差均为期望值的20%。柔性互联开关FID1和FID2分别将节点12和节点22、节点25和节点29进行互联。节点18和节点33分别接入风电组件和光伏组件。由于风电出力和光伏出力具有互补性,在柔性互联配电网中存在可再生能源出力均不为0的情况。由于多个可再生能源的共同出力不利于分析单个可再生能源出力对各节点电压的具体影响,故分别针对光伏出力和风电出力单独接入进行分析。图12为光伏出力时序曲线。图13为风电出力时序曲线。图14为用电负荷时序曲线。
应用本方案的配电网潮流计算方法可以对柔性互联配电网进行概率潮流计算。在不影响结论准确性的前提下,可以选取具有代表性的时间场景(即预设时刻)对仿真结果从不同对比角度进行分析。表1为各季节光伏接入前后配电网中特殊节点和特殊支路的输出变量的期望值与方差的数据表。
表1各季节特殊节点和特殊支路的输出变量的期望值与方差数据表
(1)光伏出力仿真分析
各季节的时间场景1~4与22~28下,光伏出力为0,可作为各季节光伏接入前配电网概率潮流仿真计算的时间场景。另外,各季节的时间场景15下,光伏出力最大,可作为各季节光伏接入后配电网概率潮流仿真计算的时间场景。
1)节点电压分布情况
图15为春季时间场景3(T=3时段)下光伏接入前节点电压的概率密度函数曲线的仿真结果。图16为春季时间场景15(T=15时段)下光伏接入后节点电压的概率密度函数曲线的仿真结果。对比图15和图16光伏接入前后配电网中节点电压的概率密度函数可知,越靠近电源节点的电压值越高。例如,靠近电源节点的节点1和节点19的节点电压的概率密度函数曲线位于纵坐标轴最左侧,且随着潮流逐渐减小,即概率密度函数曲线右移。另外,节点电压的不确定性通常随着节点电压的减少而增大。但是,由于算例中与节点12和节点29相连的柔性互联开关采用定有功功率和定交流电压控制方式,即相当于PV节点,因此,节点电压的概率密度函数曲线的不确定性小,即节点12和节点29处的节点电压的概率密度函数曲线的方差小且纵坐标值大。由于光伏接入后会进行就地补偿,相较于光伏接入前,节点33的节点电压有所提升。同时,光伏接入前仅需考虑用电负荷与线路参数的不确定性,而光伏接入后由于光伏出力的不确定性,增大了接入节点电压的不确定性,节点电压的波动范围增大。
2)支路功率分布情况
图17为春季时间场景3(T=3时段)下光伏接入前支路功率的概率密度函数曲线的仿真结果。图18为春季时间场景15(T=15时段)下光伏接入后支路功率的概率密度函数曲线的仿真结果。对比图17和图18光伏接入前后支路功率的概率密度函数,并对比表1中支路1与支路32的有功功率可知,配电网首端输出有功功率的数值最大且不确定性也最大,即支路1位于纵坐标最左端且方差最大,而末端支路的有功功率较小。
分析表1中支路32的功率情况可知,在光伏接入前,配电网中线路潮流方向始终由节点32流向节点33,即功率为正;而光伏接入后,当分布式电源出力大于节点33的用电负荷时,线路潮流出现反向,有功功率变负。同时,由于光伏出力的波动,线路潮流方向出现不确定性,如图17和图18所示,支路32的有功功率的波动范围显著增大。
对比图17和图18中支路1的有功功率分布,并分析表1中支路1的功率情况及可知,在光伏并网后,配电网的用电负荷由光伏出力进行消纳,支路1的首端由上级变压器提供的有功功率相应减少,使得概率密度函数曲线右移。同时,光伏出力的不确定性同样会使得首端支路的有功功率波动增大,但是由于首端支路的总功率较大,与节点11附近的其他支路相比,光伏接入给首端支路带来的影响较小。
3)配电网线损分布情况
配电网线损功率的变化由并网的光伏出力与用电负荷的匹配度、配电网拓扑、线路参数和光伏并网的位置等共同决定。对比本方案的配电网潮流计算方法与蒙特卡洛仿真算例的线损的概率密度函数曲线。图19为光伏接入后配电网线损的概率密度函数曲线的仿真结果。如图19所示,配电网4个季节典型日的总线损为133.3kW·h(t=96h)。当光伏出力为0,即对配电网未产生降损效果时,配电网线损的均值较高,即图中光伏出力为0与光伏出力不为0的时间场景相比,配电网线损的概率密度函数曲线靠纵坐标左侧,而当在线路末端并网光伏有出力且并网的光伏出力与配电网的总用电负荷较为匹配时,配电网的线损功率减小,线损的概率密度函数曲线右移。
图20为各时间场景下线损的概率密度函数曲线的期望值变化情况。图20与图19相对应。结合图12的光伏出力时序曲线和图14的用电负荷时序曲线,分析图20可知,配电网线损在各季度的变化趋势的情况及原因如下:
①时间场景1-4:光伏无出力,配电网总用电负荷减小,故配电网的总线损减少。
②时间场景4-5:光伏出力增加,配电网总用电负荷减少,两者共同的降损作用使配电网的线损减少。
③时间场景5-12:光伏出力增加,配电网总用电负荷增加,而光伏出力增加,导致配电网的线损减小量通常无法抵消用电负荷增加导致的线损增加量,因此,配电网的总线损增加。
④时间场景12-14:光伏出力增加,配电网总用电负荷减小,同情况②,配电网的总线损线损减少。
⑤时间场景14-16:光伏出力减小,配电网总用电负荷增加,相较于情况④,两者共同的增加损耗效果使配电网的总线损有所增加。
⑥时间场景16-19:光伏出力减小,配电网总用电负荷减少,而光伏出力减小,导致配电网的线损增加量无法抵消用电负荷减小导致的线损减小量,因此,配电网的总线损减小。
⑦时间场景19-22:光伏出力急剧减小,配电网总用电负荷平缓减少,光伏出力减小,导致配电网的线损增加量大于用电负荷减小导致的线损减小量,因此,配电网的总线损增加。
⑧时间场景22-24:光伏无出力,配电网总用电负荷减少,同情况①,配电网的总线损减少。
此外,在光伏未接入时,仍对配电网的线路参数和用电负荷的时间序列进行概率潮流仿真计算,并计算光伏并入前后各时间场景的配电网的线损的期望值变化量。图21为光伏并入前后各时间场景下线损的概率密度函数曲线的期望值变化情况。如图21所示,仅考虑光伏接入而用电负荷和线路参数的波动条件相同,因此,配电网的线损变化只与光伏出力有关。结合图11,图21中光伏并入后时间场景4~22,光伏出力不为0时配电网的线损,比光伏接入前配电网的线损减小,即变化量为负,且与光伏出力时序曲线为负相关,可以理解为,随着光伏出力增大,配电网的线损呈正比减小。
(2)风电出力仿真分析
可以分析风电接入时对节点电压和线路功率的影响。图22为春季时间场景12(T=12时段)下风电接入前节点电压的概率密度函数曲线的仿真结果。图23为春季时间场景18(T=18时段)下风电接入后节点电压的概率密度函数曲线的仿真结果。对比图22和图23,风电接入后就地补偿,节点18的电压较风电接入前有所提升且波动范围增大。图24为春季时间场景12(T=12时段)下风电接入前支路功率的概率密度函数曲线的仿真结果。图25为春季时间场景18(T=18时段)下风电接入后支路功率的概率密度函数曲线的仿真结果。对比图24和图25,在风电接入前,配电网的线路潮流方向始终为正,即概率密度函数曲线均在0轴左侧;而在风电接入后,概率密度函数曲线波动性变大,出现负的情况,即当风电出力大于节点18的用电负荷时,线路潮流方向出现反向,风电接入的分析结果与光伏接入的分析结果一致。
(3)用电负荷仿真分析
同样,以光伏单独接入的时间场景15(T=15时段)为例,分别对IEEE33纯交流系统(纯交流配电网)、接入柔性互联开关和接入可再生能源后的配电网的总线损的概率密度函数曲线进行仿真。图26为时间场景15(T=15时段)下不同配电网的线损的概率密度函数曲线的仿真结果。由图26可知,纯交流配电网(即纯交流系统)引入柔性互联开关后(即柔性互联系统)线损的期望值显著降低且波动方差减小;而可再生能源接入后(即纯交流系统(DG)和柔性互联系统(DG))线损的期望值减小,但其增大了波动方差。
(4)时序性的影响
若不考虑可再生能源出力、用电负荷与线路参数的不确定性与波动性,配电网的概率潮流计算既不精确又不符合实际。为了分析未考虑时序性和不确定性的潮流结果与本方案考虑源(可再生能源出力)、网(线路参数)和荷(用电负荷)时序性和不确定性的配电网潮流计算方法的误差情况,以下将对各输出变量逐一进行对比。
1)不考虑可再生能源出力的时序性
将可再生能源出力的期望值作为可再生能源的恒输出功率进行概率潮流计算。由图12求出各季节的光伏出力的期望值如表2所示。图27为可再生能源恒输出功率时配电网季节典型日线损的概率密度函数曲线的仿真结果。在不考虑光伏出力的波动性后,可以仿真得到全年4个季节典型日的线损的概率密度函数曲线,此时系统总线损电量为128kW·h。
表2各季节光伏出力的均值
季度 | 春季 | 夏季 | 秋季 | 冬季 |
光伏出力均值/MW | 0.3617 | 0.5113 | 0.3842 | 0.3313 |
考虑可再生能源出力的时序性与不考虑可再生能源出力的时序性所得的4个季节典型日的线损误差为5.3kW·h,累计一年,线损误差约为480kW·h。未考虑时序性和不确定性造成的配电网的线损误差将对配电网造成重大影响。另外,由于未考虑可再生能源出力实际的不确定性,图27中各时间场景下极限线损显著减小,无法考虑到配电网实际运行的最恶劣情形,对配电网的安全性和配电网的规划等会造成重大影响。
2)不考虑用电负荷的时序性
同理,若以各季节用电负荷的波动量的均值为恒负荷功率进行本方案中的三点估计法概率潮流计算,系统线损值为127.5kW·h,与实际线损误差为5.8kW·h,累计一年线损误差约为529.25kW·h。
3)不考虑线路参数的时序性
若不考虑环境温度对线路参数造成的影响,将配电网的线路参数视为在实际运行温度为20℃下的确定阻抗值进行潮流计算,此时,配电网的线损值为132.16kW·h,与实际线损误差为1.14kW·h,累计一年线损误差约为104.03kW·h。
综上,不考虑可再生能源出力、用电负荷以及线路参数的实际波动情况,将无法预测系统在某一时刻电压和功率等指标发生越限的情况。同时,理论线损值与实际线损值有较大误差,无法对配电网的劣化情况进行评估和规划,对配电网的可靠性、安全性和经济性造成重大影响。
通过改进的IEEE33节点柔性互联配电网对本方案的配电网潮流计算方法进行仿真验证,分析了可再生能源接入配电网前后节点电压、线路功率及配电网线损的变化,确定了可再生能源并网位置及出力功率是三者发生变化的主要原因。另外,分别对未考虑可再生能源出力、用电负荷及线路参数的时序性进行潮流计算仿真,证明了考虑源网荷的时序性的概率密度函数在进行潮流计算时,更精确且更符合实际。基于本方案的配电网概率潮流计算的计算结果,对柔性互联配电网进行调控和规划,可以有效地提高配电网的稳定性、安全性及经济性。
实施例三
图28为本发明实施例三提供的一种配电网潮流计算装置的结构示意图。本发明实施例可适用于对配电网进行概率潮流计算的情况,该装置可以执行配电网潮流计算方法,该装置可以采用硬件和/或软件的形式实现,该装置可配置于承载配电网潮流计算功能的电子设备中。
参见图28所示的配电网潮流计算装置,包括:时间序列获取模块2810、运行信息概率密度函数计算模块2820、独立运行信息确定模块2830、估计采样点确定模块2840、配电采样点确定模块2850和输出变量概率密度函数确定模块2860。其中,时间序列获取模块2810,用于获取配电网运行信息的时间序列,配电网运行信息时间序列包括连续的预设时刻对应的配电网运行信息;运行信息概率密度函数计算模块2820,用于在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;独立运行信息确定模块2830,用于对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息;估计采样点确定模块2840,用于对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点;配电采样点确定模块2850,用于对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点;输出变量概率密度函数确定模块2860,用于对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数。
本发明实施例的技术方案,通过获取配电网运行信息的时间序列,配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息;在配电网运行信息的时间序列中,将预设时刻对应的配电网运行信息作为期望值,计算预设时刻对应的配电网运行信息的概率密度函数;对预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到配电网运行信息在独立标准正态空间对应的独立运行信息;对独立运行信息的偏度系数和峰度系数进行计算,得到独立运行信息的位置系数和权重,并将位置系数确定为独立标准正态空间中的独立运行信息的估计采样点;对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点对应的配电采样点;对独立运行信息的权重和估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各预设时刻对应的输出变量的概率密度函数,通过计算各预设时刻对应的输出变量的概率密度函数,考虑了各预设时刻的差异性,同时,通过输出变量的概率密度函数表征配电网的实际运行状态,考虑了配电网运行的不确定性,兼顾了配电网的实际运行状态的时序性和不确定,解决了将确定性潮流计算的计算结果作为配电网的实际运行状态,并不准确的问题,提高了配电网潮流计算的准确度。
在本发明的一个可选实施例中,输出变量概率密度函数确定模块2860,包括:交替迭代潮流计算单元,用于对估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算;各阶半不变量确定单元,用于对交替迭代潮流计算结果和独立运行信息的权重进行各阶原点矩计算,得到输出变量的各阶原点矩和对应的各阶半不变量;输出变量累积分布函数逆函数确定单元,用于对输出变量对应的各阶半不变量进行级数拟合,得到输出变量的概率累积分布函数的逆函数;概率累积分布函数确定单元,用于对输出变量的概率累积分布函数的逆函数进行逆变换,得到输出变量的概率累积分布函数;输出变量概率密度函数确定单元,用于对输出变量的概率累积分布函数进行求导,得到预设时刻对应的输出变量的概率密度函数;各预设时刻概率密度函数确定单元,用于分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各预设时刻对应的输出变量的概率密度函数。
在本发明的一个可选实施例中,独立运行信息确定模块2830,具体用于:对预设时刻对应的配电网运行信息的概率密度函数进行积分,得到预设时刻对应的配电网运行信息的概率累计分布函数;对预设时刻对应的配电网运行信息的概率累积分布函数进行标准正态的逆概率累计分布函数计算,得到配电网运行信息在标准正态空间对应的正态运行信息;获取配电网运行信息的相关性系数;对配电网运行信息的相关性系数进行相关性系数转换,得到配电网运行信息在标准正态空间对应的相关性系数;对配电网运行信息在标准正态空间对应的相关性系数进行分解,得到下三角矩阵;计算下三角矩阵的逆矩阵与配电网运行信息在标准正态空间对应的正态运行信息之间的乘积,得到配电网运行信息在独立标准正态空间对应的独立运行信息;相应的,配电采样点确定模块2850,具体用于:根据下三角矩阵的逆矩阵,对独立标准正态空间中的估计采样点进行逆变换,得到估计采样点在标准正态空间对应的正态采样点;对正态采样点进行标准正态逆概率累积分布函数进行逆运算,得到正态采样点对应的配电采样点。
在本发明的一个可选实施例中,时间序列获取模块2810,包括:季节单日采样样本获取单元,用于获取各季节的各单日采样样本;单日采样样本包括各预设时刻对应的配电网运行信息;单日采样样本选取单元,用于针对同一季节,在各单日采样样本中,分别选取预设数量的单日采样样本;配电网运行信息确定单元,用于在同一季节内,针对同一时刻,计算预设数量的单日采样样本在同一时刻对应的配电网运行信息的均值,作为同一季节对应的季节典型日的单日采样样本中同一时刻对应的配电网运行信息;时间序列确定单元,用于将各季节对应的季节典型日的单日采样样本,确定为配电网运行信息的时间序列。
在本发明的一个可选实施例中,配电网运行信息包括:光伏出力、风电出力、用电负荷和线路参数。
在本发明的一个可选实施例中,在得到各预设时刻对应的输出变量的概率密度函数之后,该装置还包括:输出变量安全性检测模块,用于根据各预设时刻对应的输出变量的概率密度函数和输出变量的安全限定值,对各预设时刻对应的输出变量进行安全性检测;配电网调整模块,用于根据安全性检测结果,对配电网进行调整。
在本发明的一个可选实施例中,配电网包括柔性互联配电网;输出变量包括电压、功率和线损。
本发明实施例所提供的配电网潮流计算装置可执行本发明任意实施例所提供的配电网潮流计算方法,具备执行方法相应的功能模块和有益效果。
本发明实施例的技术方案中,所涉及的配电网运行信息的时间序列、配电网运行信息的相关性系数和各季节的各单日采样样本等的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
实施例四
图29示出了可以用来实施本发明的实施例的电子设备2900的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图29所示,电子设备2900包括至少一个处理器2901,以及与至少一个处理器2901通信连接的存储器,如只读存储器(ROM)2902、随机访问存储器(RAM)2903等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器2901可以根据存储在只读存储器(ROM)2902中的计算机程序或者从存储单元2908加载到随机访问存储器(RAM)2903中的计算机程序,来执行各种适当的动作和处理。在RAM 2903中,还可存储电子设备2900操作所需的各种程序和数据。处理器2901、ROM 2902以及RAM 2903通过总线2904彼此相连。输入/输出(I/O)接口2905也连接至总线2904。
电子设备2900中的多个部件连接至I/O接口2905,包括:输入单元2906,例如键盘、鼠标等;输出单元2907,例如各种类型的显示器、扬声器等;存储单元2908,例如磁盘、光盘等;以及通信单元2909,例如网卡、调制解调器、无线通信收发机等。通信单元2909允许电子设备2900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器2901可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器2901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器2901执行上文所描述的各个方法和处理,例如配电网潮流计算方法。
在一些实施例中,配电网潮流计算方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元2908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 2902和/或通信单元2909而被载入和/或安装到电子设备2900上。当计算机程序加载到RAM 2903并由处理器2901执行时,可以执行上文描述的配电网潮流计算方法的一个或多个步骤。备选地,在其他实施例中,处理器2901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行配电网潮流计算方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS(VirtualPrivate Server,虚拟专用服务器)服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种配电网潮流计算方法,其特征在于,包括:
获取配电网运行信息的时间序列,所述配电网运行信息的时间序列包括连续的预设时刻对应的配电网运行信息;
在所述配电网运行信息的时间序列中,将所述预设时刻对应的配电网运行信息作为期望值,计算所述预设时刻对应的配电网运行信息的概率密度函数;
对所述预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到所述配电网运行信息在独立标准正态空间对应的独立运行信息;
对所述独立运行信息的偏度系数和峰度系数进行计算,得到所述独立运行信息的位置系数和权重,并将所述位置系数确定为所述独立标准正态空间中的独立运行信息的估计采样点;
对所述独立标准正态空间中的估计采样点进行逆变换,得到所述估计采样点对应的配电采样点;
对所述独立运行信息的权重和所述估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各所述预设时刻对应的输出变量的概率密度函数。
2.根据权利要求1所述的方法,其特征在于,所述对所述独立运行信息的权重和所述估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各所述预设时刻对应的输出变量的概率密度函数,包括:
对所述估计采样点对应的配电采样点进行输出变量对应的交替迭代潮流计算;
对交替迭代潮流计算结果和所述独立运行信息的权重进行各阶原点矩计算,得到所述输出变量的各阶原点矩和对应的各阶半不变量;
对所述输出变量对应的各阶半不变量进行级数拟合,得到所述输出变量的概率累积分布函数的逆函数;
对所述输出变量的概率累积分布函数的逆函数进行逆变换,得到所述输出变量的概率累积分布函数;
对所述输出变量的概率累积分布函数进行求导,得到所述预设时刻对应的输出变量的概率密度函数;
分别计算连续的预设时刻对应的输出变量的概率密度函数,得到各所述预设时刻对应的输出变量的概率密度函数。
3.根据权利要求1所述的方法,其特征在于,所述对所述预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到所述配电网运行信息在独立标准正态空间对应的独立运行信息,包括:
对所述预设时刻对应的配电网运行信息的概率密度函数进行积分,得到所述预设时刻对应的配电网运行信息的概率累计分布函数;
对所述预设时刻对应的配电网运行信息的概率累积分布函数进行标准正态的逆概率累计分布函数计算,得到所述配电网运行信息在标准正态空间对应的正态运行信息;
获取所述配电网运行信息的相关性系数;
对所述配电网运行信息的相关性系数进行相关性系数转换,得到所述配电网运行信息在标准正态空间对应的相关性系数;
对所述配电网运行信息在标准正态空间对应的相关性系数进行分解,得到下三角矩阵;
计算所述下三角矩阵的逆矩阵与所述配电网运行信息在标准正态空间对应的正态运行信息之间的乘积,得到所述配电网运行信息在独立标准正态空间对应的独立运行信息;
相应的,所述对所述独立标准正态空间中的估计采样点进行逆变换,得到所述估计采样点对应的配电采样点,包括:
根据所述下三角矩阵的逆矩阵,对所述独立标准正态空间中的估计采样点进行逆变换,得到所述估计采样点在标准正态空间对应的正态采样点;
对所述正态采样点进行标准正态逆概率累积分布函数的逆运算,得到所述正态采样点对应的配电采样点。
4.根据权利要求1所述的方法,其特征在于,所述获取配电网运行信息的时间序列,包括:
获取各季节的各单日采样样本;所述单日采样样本包括各所述预设时刻对应的配电网运行信息;
针对同一季节,在各所述单日采样样本中,分别选取预设数量的单日采样样本;
在同一季节内,针对同一时刻,计算所述预设数量的单日采样样本在所述同一时刻对应的配电网运行信息的均值,作为所述同一季节对应的季节典型日的单日采样样本中所述同一时刻对应的配电网运行信息;
将各所述季节对应的季节典型日的单日采样样本,确定为配电网运行信息的时间序列。
5.根据权利要求1所述的方法,其特征在于,所述配电网运行信息包括:光伏出力、风电出力、用电负荷和线路参数。
6.根据权利要求1所述的方法,其特征在于,在所述得到各所述预设时刻对应的输出变量的概率密度函数之后,还包括:
根据各所述预设时刻对应的输出变量的概率密度函数和输出变量的安全限定值,对各所述预设时刻对应的输出变量进行安全性检测;
根据安全性检测结果,对配电网进行调整。
7.根据权利要求1所述的方法,其特征在于,所述配电网包括柔性互联配电网;所述输出变量包括电压、功率和线损。
8.一种配电网潮流计算装置,其特征在于,包括:
时间序列获取模块,用于获取配电网运行信息的时间序列,所述配电网运行信息时间序列包括连续的预设时刻对应的配电网运行信息;
运行信息概率密度函数计算模块,用于在所述配电网运行信息的时间序列中,将所述预设时刻对应的配电网运行信息作为期望值,计算所述预设时刻对应的配电网运行信息的概率密度函数;
独立运行信息确定模块,用于对所述预设时刻对应的配电网运行信息的概率密度函数进行计算和转换,得到所述配电网运行信息在独立标准正态空间对应的独立运行信息;
估计采样点确定模块,用于对所述独立运行信息的偏度系数和峰度系数进行计算,得到所述独立运行信息的位置系数和权重,并将所述位置系数确定为所述独立标准正态空间中的独立运行信息的估计采样点;
配电采样点确定模块,用于对所述独立标准正态空间中的估计采样点进行逆变换,得到所述估计采样点对应的配电采样点;
输出变量概率密度函数确定模块,用于对所述独立运行信息的权重和所述估计采样点对应的配电采样点的输出变量的交替迭代潮流计算结果进行计算,得到各所述预设时刻对应的输出变量的概率密度函数。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的配电网潮流计算方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的配电网潮流计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310565813.4A CN116613759A (zh) | 2023-05-18 | 2023-05-18 | 配电网潮流计算方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310565813.4A CN116613759A (zh) | 2023-05-18 | 2023-05-18 | 配电网潮流计算方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116613759A true CN116613759A (zh) | 2023-08-18 |
Family
ID=87683016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310565813.4A Pending CN116613759A (zh) | 2023-05-18 | 2023-05-18 | 配电网潮流计算方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116613759A (zh) |
-
2023
- 2023-05-18 CN CN202310565813.4A patent/CN116613759A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Short-term photovoltaic power forecasting based on long short term memory neural network and attention mechanism | |
Mosadeghy et al. | A time-dependent approach to evaluate capacity value of wind and solar PV generation | |
CN108306303A (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN110380444B (zh) | 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法 | |
Yongsheng et al. | A short-term power output forecasting model based on correlation analysis and ELM-LSTM for distributed PV system | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
CN106058863A (zh) | 一种基于随机响应面法的随机最优潮流计算方法 | |
CN112865089A (zh) | 一种改进的主动配电网大规模场景分析方法 | |
Li et al. | A short-term photovoltaic power generation forecast method based on LSTM | |
Ali et al. | Optimal planning of uncertain renewable energy sources in unbalanced distribution systems by a multi‐objective hybrid PSO–SCO algorithm | |
Han et al. | Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs | |
CN115796721B (zh) | 高比例新能源接入的配电网运行状态智能感知方法及系统 | |
Zheng et al. | Short-term photovoltaic power prediction based on daily feature matrix and deep neural network | |
Fu et al. | A spatial forecasting method for photovoltaic power generation combined of improved similar historical days and dynamic weights allocation | |
CN116613759A (zh) | 配电网潮流计算方法、装置、电子设备及存储介质 | |
CN113283492B (zh) | 基于Catboost算法的光伏出力场景生成方法及场景生成装置 | |
Lin et al. | An online resilience assessment method for islanded distribution systems considering uncertainty of intermittent RESs and loads | |
CN113609699A (zh) | 辐射状配电网交流潮流模型的计算方法和系统 | |
Lin et al. | Scenarios analysis method based on wind and photovoltaic power output correlation | |
CN109494747B (zh) | 一种基于交替梯度算法的电网概率潮流计算方法 | |
Li et al. | A gray rbf model improved by genetic algorithm for electrical power forecasting | |
CN112365134A (zh) | 一种基于点估计法概率多能流的能源网络随机规划方法 | |
Hu et al. | Multiobjective transmission network planning considering the uncertainty and correlation of wind power | |
Wang et al. | A new improved combined model algorithm for the application of photovoltaic power prediction | |
Liu et al. | Black-start value considering wind power uncertainty based on KL divergence |
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 |