CN116644567A - 一种电力系统关键输电断面确定方法、系统、设备和介质 - Google Patents
一种电力系统关键输电断面确定方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN116644567A CN116644567A CN202310561296.3A CN202310561296A CN116644567A CN 116644567 A CN116644567 A CN 116644567A CN 202310561296 A CN202310561296 A CN 202310561296A CN 116644567 A CN116644567 A CN 116644567A
- Authority
- CN
- China
- Prior art keywords
- initial
- power
- transmission section
- adopting
- power transmission
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 228
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000010586 diagram Methods 0.000 claims abstract description 89
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 15
- 238000005192 partition Methods 0.000 claims description 105
- 230000000694 effects Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008878 coupling Effects 0.000 claims description 11
- 238000010168 coupling process Methods 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 230000009191 jumping Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 abstract description 6
- 238000000638 solvent extraction Methods 0.000 abstract description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- 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]
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Power Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Discrete Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力系统关键输电断面确定方法、系统、设备和介质,通过获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵,采用谱聚类算法对拉普拉斯矩阵进行聚类,生成多个初始输电断面。分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。基于全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。通过新的基于谱聚类算法进行电网分区方法,该方法也考虑到了地理区域划分,兼顾了电气距离和地理位置,便于实际应用,可以有效提高关键输电断面筛选的精准性。
Description
技术领域
本发明涉及电力系统关键输电断面确定技术领域,尤其涉及一种电力系统关键输电断面确定方法、系统、设备和介质。
背景技术
以风电、光伏为主体的新能源快速发展,电网的安全稳定运行形势严峻。在对电网安全稳定运行进分析和控制中,对关键输电断面的识别和监控是电网安全稳定运行的重要基础之一。
当前对关键输电断面的识别方法中,主要存在以下两点不足。一是受限于研究方法的局限性,相关方法仅能应用于某些特定场景,无法应对复杂多变的电网运行环境。二是部分方法定义过多约束条件,在筛选准确度方面表现较好,但是算法过于复杂。
因此,现有的电力系统关键输电断面确定方法在确定电力系统的关键输电断面时,计算量大,且没有考虑电网运行环境的影响,导致确定的关键输电断面准确度低。
发明内容
本发明提供了一种电力系统关键输电断面确定方法、系统、设备和介质,解决了现有的电力系统关键输电断面确定方法在确定电力系统的关键输电断面时,计算量大,且没有考虑电网运行环境的影响,导致确定的关键输电断面准确度低的技术问题。
本发明提供的一种电力系统关键输电断面确定方法,包括:
获取电力系统的电网接线图,采用所述电网接线图进行拓扑结构转换,生成所述电力系统对应的拓扑结构图;
将所述拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵;
采用谱聚类算法对所述拉普拉斯矩阵进行聚类,生成多个初始输电断面;
分别采用所述初始输电断面对应的安全裕度和功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标;
根据全部所述初始线路关键程度指标和预设断面数量,确定所述电力系统对应的目标输电断面。
可选地,所述采用所述电网接线图进行拓扑结构转换,生成所述电力系统对应的拓扑结构图的步骤,包括:
采用所述电网接线图中的全部节点,构建节点集合;
采用所述电网接线图中的全部输电线路,构建边集合;
采用所述节点集合和所述边集合,构建所述电力系统对应的拓扑结构图;
所述拓扑结构图中各元素为:
式中,Wij为拓扑结构图中的元素;Zij为节点i与节点j之间的阻抗值。
可选地,所述采用谱聚类算法对所述拉普拉斯矩阵进行聚类,生成多个初始输电断面的步骤,包括:
计算所述拉普拉斯矩阵对应的多个初始特征值;
按照从小到大的顺序对所述初始特征值进行排序,并按照顺序选取预设数量的所述初始特征值作为目标特征值;
采用所述目标特征值,构建特征向量空间;
采用典型聚类方法对所述特征向量空间进行聚类,生成多个初始分区;
根据所述初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区;
将所述目标分区之间对应的多个断面作为所述电力系统对应的多个初始输电断面。
可选地,所述根据所述初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区的步骤,包括:
分别计算各所述初始分区对应的第一变量;
所述第一变量为:
式中,V(S)为反映同分区耦合紧密程度的第一变量;wij为初始分区S中的元素;
分别计算各所述初始分区对应的第二变量;
所述第二变量为:
式中,K(S)为反映不同分区之间耦合紧密程度的第二变量;wij为初始分区S中的元素;
计算所述第二变量与所述第一变量之间的比值,生成初始分区对应的分区效果系数;
判断全部所述分区效果系数是否满足预设系数阈值;
若是,则将所述初始分区作为目标分区;
若否,则跳转执行所述采用典型聚类方法对所述特征向量空间进行聚类,生成多个初始分区的步骤,直至全部所述分区效果系数满足预设系数阈值。
可选地,所述分别采用所述初始输电断面对应的安全裕度和功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标的步骤,包括:
采用所述初始输电断面对应的线路的传输功率和传输功率极限,计算所述线路对应的安全裕度;
所述安全裕度为:
式中:Ml为线路l对应的安全裕度;Pl为线路l的传输功率;Plmax为线路l的功率传输极限;
采用所述线路对应的线路的阻抗、输送有功潮流和输出有功潮流,计算所述线路对应的功率传输距离;
所述功率传输距离为:
式中,Ll为功率传输距离;zl为线路l的阻抗;wl为线路l的输送有功潮流;Pi是为节点i的输出有功潮流,其中节点流出功率为正方向;V是全部节点的集合;
采用所述安全裕度和所述功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标;
所述初始线路关键程度指标为:
式中,Kl为线路关键程度指标;α为第一权重系数;β为第二权重系数;Ml为线路l对应的安全裕度;Ll为功率传输距离。
可选地,所述根据全部所述初始线路关键程度指标和预设断面数量,确定所述电力系统对应的目标输电断面的步骤,包括:
将所述初始线路关键程度指标按照从高到低的顺序进行排序,生成线路关键程度序列;
按照顺序从所述线路关键程度序列中,选取预设断面数量的所述初始线路关键程度指标作为目标线路关键程度指标;
将所述目标线路关键程度指标对应的初始目标输电断面作为所述电力系统对应的目标输电断面。
本发明还提供了一种电力系统关键输电断面确定系统,包括:
拓扑结构图生成模块,用于获取电力系统的电网接线图,采用所述电网接线图进行拓扑结构转换,生成所述电力系统对应的拓扑结构图;
拉普拉斯矩阵构建模块,用于将所述拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵;
初始输电断面生成模块,用于采用谱聚类算法对所述拉普拉斯矩阵进行聚类,生成多个初始输电断面;
初始线路关键程度指标计算模块,用于分别采用所述初始输电断面对应的安全裕度和功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标;
目标输电断面确定模块,用于根据全部所述初始线路关键程度指标和预设断面数量,确定所述电力系统对应的目标输电断面。
可选地,所述拓扑结构图生成模块包括:
节点集合构建模块,用于采用所述电网接线图中的全部节点,构建节点集合;
边集合构建模块,用于采用所述电网接线图中的全部输电线路,构建边集合;
所述拓扑结构图生成子模块,用于采用所述节点集合和所述边集合,构建所述电力系统对应的拓扑结构图;
所述拓扑结构图中各元素为:
式中,Wij为拓扑结构图中的元素;Zij为节点i与节点j之间的阻抗值。
本发明还提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行实现如上述任一项电力系统关键输电断面确定方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如上述任一项电力系统关键输电断面确定方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵,采用谱聚类算法对拉普拉斯矩阵进行聚类,生成多个初始输电断面。分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。基于全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。解决了现有的电力系统关键输电断面确定方法在确定电力系统的关键输电断面时,计算量大,且没有考虑电网运行环境的影响,导致确定的关键输电断面准确度低的技术问题。通过新的基于谱聚类算法进行电网分区方法,该方法也考虑到了地理区域划分,兼顾了电气距离和地理位置,便于实际应用,可以有效提高关键输电断面筛选的精准性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例一提供的一种电力系统关键输电断面确定方法的步骤流程图;
图2为本发明实施例二提供的一种电力系统关键输电断面确定方法的步骤流程图;
图3为本发明实施例三提供的一种电力系统关键输电断面确定系统的结构框图。
具体实施方式
本发明实施例提供了一种电力系统关键输电断面确定方法、系统、设备和介质,用于解决现有的电力系统关键输电断面确定方法在确定电力系统的关键输电断面时,计算量大,且没有考虑电网运行环境的影响,导致确定的关键输电断面准确度低的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例一提供的一种电力系统关键输电断面确定方法的步骤流程图。
本发明实施例一提供的一种电力系统关键输电断面确定方法,包括:
步骤101、获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。
在本发明实施例中,采用电网接线图中的全部节点,构建节点集合。采用电网接线图中的全部输电线路,构建边集合。采用节点集合和边集合,构建电力系统对应的拓扑结构图。
步骤102、将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵。
在本发明实施例中,将拓扑结构图G作为相似度矩阵W,度矩阵D为预设对角矩阵D,对角线上的元素是该节点的度,节点元素为:
式中,Di为节点元素;vij为拓扑结构图G中节点i与节点j之间边的权重,也是相似度矩阵W中的元素。
采用相似度矩阵和预设对角矩阵D,构建拉普拉斯矩阵L,L=D-W。
步骤103、采用谱聚类算法对拉普拉斯矩阵进行聚类,生成多个初始输电断面。
在本发明实施例中,计算拉普拉斯矩阵对应的多个初始特征值,并按照从小到大的顺序对初始特征值进行排序,并按照顺序选取预设数量的初始特征值作为目标特征值。采用目标特征值,构建特征向量空间,采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区。基于初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区。将目标分区之间对应的多个断面作为电力系统对应的多个初始输电断面。
步骤104、分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。
在本发明实施例中,采用初始输电断面对应的线路的传输功率和传输功率极限,计算线路对应的安全裕度。采用线路对应的阻抗、输送有功潮流和输出有功潮流,计算线路对应的功率传输距离。采用安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。
步骤105、根据全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。
预设断面数量是指基于实际需要设定的需要筛选出来的断面数量。
在本发明实施例中,将初始线路关键程度指标按照从高到低的顺序进行排序,生成线路关键程度序列。按照顺序从线路关键程度序列中,选取预设断面数量的初始线路关键程度指标作为目标线路关键程度指标。将目标线路关键程度指标对应的初始目标输电断面作为电力系统对应的目标输电断面。
在本发明实施例中,通过获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵,采用谱聚类算法对拉普拉斯矩阵进行聚类,生成多个初始输电断面。分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。基于全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。解决了现有的电力系统关键输电断面确定方法在确定电力系统的关键输电断面时,计算量大,且没有考虑电网运行环境的影响,导致确定的关键输电断面准确度低的技术问题。通过新的基于谱聚类算法进行电网分区方法,该方法也考虑到了地理区域划分,兼顾了电气距离和地理位置,便于实际应用,可以有效提高关键输电断面筛选的精准性。
请参阅图2,图2为本发明实施例二提供的一种电力系统关键输电断面确定方法的步骤流程图。
本发明实施例二提供的一种电力系统关键输电断面确定方法,包括:
步骤201、获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。
进一步地,步骤201可以包括以下子步骤S11-S13:
S11、采用电网接线图中的全部节点,构建节点集合。
S12、采用电网接线图中的全部输电线路,构建边集合。
S13、采用节点集合和边集合,构建电力系统对应的拓扑结构图;
拓扑结构图中各元素为:
式中,Wij为拓扑结构图中的元素;Zij为节点i与节点j之间的阻抗值。
在本发明实施例中,节点集合V和连接节点的边集合E构成的无向图表示电网即电力系统的拓扑结构图G,其中节点集合V表示电网的一个母线节点,边集合E中的每一条边表示电网的两个节点之间的输电线路,本发明认为阻抗值和线路长度呈正比例关系,所以采取以阻抗为边的权值。
步骤202、将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵。
在本发明实施例中,步骤202的具体实施过程与步骤102类似,在此不再赘述。
步骤203、计算拉普拉斯矩阵对应的多个初始特征值。
在本发明实施例中,采用拉普拉斯矩阵进行特征计算,得到拉普拉斯矩阵对应的多个初始特征值。
步骤204、按照从小到大的顺序对初始特征值进行排序,并按照顺序选取预设数量的初始特征值作为目标特征值。
预设数量是指基于实际需要设置的选取的目标特征值对应的数量。
在本发明实施例中,将拉普拉斯矩阵对应的全部初始特征值按照从小到大的顺序进行排序,排序后按照从小到大的顺序选取预设数量的初始特征值作为目标特征值。
步骤205、采用目标特征值,构建特征向量空间。
在本发明实施例中,采用选取出来的全部目标特征值,构建电力系统对应的特征向量空间。
步骤206、采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区。
在本发明实施例中,采用典型聚类方法(如K-Means聚类,层次聚类等)对特征向量空间进行聚类分析,从而生成电力系统对应的多个初始分区。
步骤207、根据初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区。
进一步地,步骤207可以包括以下子步骤S21-S26:
S21、分别计算各初始分区对应的第一变量;
第一变量为:
式中,V(S)为反映同分区耦合紧密程度的第一变量;wij为初始分区S中的元素。
S22、分别计算各初始分区对应的第二变量;
第二变量为:
式中,K(S)为反映不同分区之间耦合紧密程度的第二变量;wij为初始分区S中的元素。
S23、计算第二变量与第一变量之间的比值,生成初始分区对应的分区效果系数。
S24、判断全部分区效果系数是否满足预设系数阈值。
S25、若是,则将初始分区作为目标分区。
S26、若否,则跳转执行采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区的步骤,直至全部分区效果系数满足预设系数阈值。
预设系数阈值是指基于实际需要设置的分区效果系数需要满足的临界值。
在本发明实施例中,所确定的分区具有分区内联系紧密,分区间联系薄弱的特征,所以定义分区效果系数用来评价本方法的分区效果。在谱聚类算法得到的初始分区的基础上,计算分区效果系数,为分区提供理论依据。计算第二变量与第一变量之间的比值,生成初始分区对应的分区效果系数ψ(S),即ψ(S)=K(S)/V(S),由该公式可知,分区效果系数越小ψ(S),分区效果越好。通过判断全部分区效果系数是否满足预设系数阈值,若满足,则将初始分区作为目标分区。否则跳转执行采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区的步骤,直至全部分区效果系数满足预设系数阈值。
此外,由于同一个地理区域或供电区域出现多个分区会使得该区域的运行人员需要监视和控制多个分区,增大了工作负担并且也不符合本方法确定关键输电断面的目的,因此,还可以将初始电网分区中同属于同一供电区域的分区进行合并,形成最终分区,分区间的断面为初始输电断面。
步骤208、将目标分区之间对应的多个断面作为电力系统对应的多个初始输电断面。
在本发明实施例中,在确定电力系统对应的目标分区后,将各分区之间的断面作为初始输电断面,从而确定电力系统对应的多个初始输电断面。
步骤209、分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。
进一步地,步骤209可以包括以下子步骤S31-S33:
S31、采用初始输电断面对应的线路的传输功率和传输功率极限,计算线路对应的安全裕度;
安全裕度为:
式中:Ml为线路l对应的安全裕度;Pl为线路l的传输功率;Plmax为线路l的功率传输极限。
S32、采用线路对应的阻抗、输送有功潮流和输出有功潮流,计算线路对应的功率传输距离;
功率传输距离为:
式中,Ll为功率传输距离;zl为线路l的阻抗;wl为线路l的输送有功潮流;Pi是为节点i的输出有功潮流,其中节点流出功率为正方向;V是全部节点的集合。
S33、采用安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标;
初始线路关键程度指标为:
式中,Kl为线路关键程度指标;α为第一权重系数;β为第二权重系数;Ml为线路l对应的安全裕度;Ll为功率传输距离。
在本发明实施例中,定义线路关键程度指标的方法为以初始输电断面对应的安全裕度和功率传输距离作为线路关键程度参数。本方法以N-1稳定约束下的断面极限作为断面传输极限,采用初始输电断面对应的线路的传输功率和传输功率极限,计算线路对应的安全裕度Ml。安全裕度Ml越小,代表输电断面传输功率越接近极限传输功率,该断面越关键。通过采用初始输电断面对应的线路的阻抗、输送有功潮流和输出有功潮流,计算线路对应的功率传输距离Ll。功率传输距离Ll越大,表示周围缺少可替代传输有功功率的线路,当该线路断开时,就会引发大规模潮流转移。通过采用安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标Kl。初始线路关键程度指标Kl越大,证明线路l越关键。
步骤210、根据全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。
进一步地,步骤210可以包括以下子步骤S41-S43:
S41、将初始线路关键程度指标按照从高到低的顺序进行排序,生成线路关键程度序列。
S42、按照顺序从线路关键程度序列中,选取预设断面数量的初始线路关键程度指标作为目标线路关键程度指标。
S43、将目标线路关键程度指标对应的初始目标输电断面作为电力系统对应的目标输电断面。
在本发明实施例中,通过将初始线路关键程度指标按照从高到低的顺序进行排序,生成线路关键程度序列。然后按照从高到低的顺序从线路关键程度序列中,选取预设断面数量的初始线路关键程度指标作为目标线路关键程度指标。并将目标线路关键程度指标对应的初始目标输电断面作为电力系统对应的目标输电断面。
在本发明实施例中,通过获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵,并计算拉普拉斯矩阵对应的多个初始特征值。按照从小到大的顺序对初始特征值进行排序,并按照顺序选取预设数量的初始特征值作为目标特征值。采用目标特征值,构建特征向量空间,并采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区。基于初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区。将目标分区之间对应的多个断面作为电力系统对应的多个初始输电断面。分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。基于全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。通过提出新的基于谱聚类算法进行电网分区方法,该方法也考虑到了地理区域划分,兼顾了电气距离和地理位置,便于实际应用。并根据安全裕度与单位功率平均传输距离提出了新的关键输电断面筛选指标,在考虑电网的拓扑结构得到的输电断面的基础上,综合体现了安全裕度和单位功率平均传输距离。该指标不只考虑电网的拓扑结构,也考虑到了有功功率分布,指标有较高的严谨性,有效提高关键输电断面筛选的精准性。
请参阅图3,图3为本发明实施例三提供的一种电力系统关键输电断面确定系统的结构框图。
本发明实施例三提供一种电力系统关键输电断面确定系统,包括:
拓扑结构图生成模块301,用于获取电力系统的电网接线图,采用电网接线图进行拓扑结构转换,生成电力系统对应的拓扑结构图。
拉普拉斯矩阵构建模块302,用于将拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵。
初始输电断面生成模块303,用于采用谱聚类算法对拉普拉斯矩阵进行聚类,生成多个初始输电断面。
初始线路关键程度指标计算模块304,用于分别采用初始输电断面对应的安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标。
目标输电断面确定模块305,用于根据全部初始线路关键程度指标和预设断面数量,确定电力系统对应的目标输电断面。
可选地,拓扑结构图生成模块301包括:
节点集合构建模块,用于采用电网接线图中的全部节点,构建节点集合。
边集合构建模块,用于采用电网接线图中的全部输电线路,构建边集合。
拓扑结构图生成子模块,用于采用节点集合和边集合,构建电力系统对应的拓扑结构图。
拓扑结构图中各元素为:
式中,Wij为拓扑结构图中的元素;Zij为节点i与节点j之间的阻抗值。
可选地,初始输电断面生成模块303包括:
初始特征值计算模块,用于计算拉普拉斯矩阵对应的多个初始特征值。
目标特征值选取模块,用于按照从小到大的顺序对初始特征值进行排序,并按照顺序选取预设数量的初始特征值作为目标特征值。
特征向量空间构建模块,用于采用目标特征值,构建特征向量空间。
初始分区生成模块,用于采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区。
目标分区确定模块,用于根据初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区。
初始输电断面生成子模块,用于将目标分区之间对应的多个断面作为电力系统对应的多个初始输电断面。
可选地,目标分区确定模块可以执行以下步骤:
分别计算各初始分区对应的第一变量;
第一变量为:
式中,V(S)为反映同分区耦合紧密程度的第一变量;wij为初始分区S中的元素;
分别计算各初始分区对应的第二变量;
第二变量为:
式中,K(S)为反映不同分区之间耦合紧密程度的第二变量;wij为初始分区S中的元素;
计算第二变量与第一变量之间的比值,生成初始分区对应的分区效果系数;
判断全部分区效果系数是否满足预设系数阈值;
若是,则将初始分区作为目标分区;
若否,则跳转执行采用典型聚类方法对特征向量空间进行聚类,生成多个初始分区的步骤,直至全部分区效果系数满足预设系数阈值。
可选地,初始线路关键程度指标计算模块304包括:
安全裕度计算模块,用于采用初始输电断面对应的线路的传输功率和传输功率极限,计算线路对应的安全裕度;
安全裕度为:
式中:Ml为线路l对应的安全裕度;Pl为线路l的传输功率;Plmax为线路l的功率传输极限。
功率传输距离计算模块,用于采用线路对应的阻抗、输送有功潮流和输出有功潮流,计算线路对应的功率传输距离;
功率传输距离为:
式中,Ll为功率传输距离;zl为线路l的阻抗;wl为线路l的输送有功潮流;Pi是为节点i的输出有功潮流,其中节点流出功率为正方向;V是全部节点的集合。
初始线路关键程度指标计算子模块,用于采用安全裕度和功率传输距离,计算初始输电断面对应的初始线路关键程度指标;
初始线路关键程度指标为:
式中,Kl为线路关键程度指标;α为第一权重系数;β为第二权重系数;Ml为线路l对应的安全裕度;Ll为功率传输距离。
可选地,目标输电断面确定模块305包括:
线路关键程度序列生成模块,用于将初始线路关键程度指标按照从高到低的顺序进行排序,生成线路关键程度序列。
目标线路关键程度指标选取模块,用于按照顺序从线路关键程度序列中,选取预设断面数量的初始线路关键程度指标作为目标线路关键程度指标。
目标输电断面确定子模块,用于将目标线路关键程度指标对应的初始目标输电断面作为电力系统对应的目标输电断面。
本发明实施例还提供了一种电子设备,电子设备包括:存储器及处理器,存储器中储存有计算机程序;计算机程序被处理器执行时,使得处理器执行如上述任一实施例的电力系统关键输电断面确定方法。
存储器可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器具有用于执行上述方法中的任何方法步骤的程序代码的存储空间。例如,用于程序代码的存储空间可以包括分别用于实现上面的方法中的各种步骤的各个程序代码。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。程序代码可以例如以适当形式进行压缩。这些代码当由计算处理设备运行时,导致该计算处理设备执行上面所描述的电力系统关键输电断面确定方法中的各个步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一实施例的电力系统关键输电断面确定方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上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精神和范围。
Claims (10)
1.一种电力系统关键输电断面确定方法,其特征在于,包括:
获取电力系统的电网接线图,采用所述电网接线图进行拓扑结构转换,生成所述电力系统对应的拓扑结构图;
将所述拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵;
采用谱聚类算法对所述拉普拉斯矩阵进行聚类,生成多个初始输电断面;
分别采用所述初始输电断面对应的安全裕度和功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标;
根据全部所述初始线路关键程度指标和预设断面数量,确定所述电力系统对应的目标输电断面。
2.根据权利要求1所述的电力系统关键输电断面确定方法,其特征在于,所述采用所述电网接线图进行拓扑结构转换,生成所述电力系统对应的拓扑结构图的步骤,包括:
采用所述电网接线图中的全部节点,构建节点集合;
采用所述电网接线图中的全部输电线路,构建边集合;
采用所述节点集合和所述边集合,构建所述电力系统对应的拓扑结构图;
所述拓扑结构图中各元素为:
式中,Wij为拓扑结构图中的元素;Zij为节点i与节点j之间的阻抗值。
3.根据权利要求1所述的电力系统关键输电断面确定方法,其特征在于,所述采用谱聚类算法对所述拉普拉斯矩阵进行聚类,生成多个初始输电断面的步骤,包括:
计算所述拉普拉斯矩阵对应的多个初始特征值;
按照从小到大的顺序对所述初始特征值进行排序,并按照顺序选取预设数量的所述初始特征值作为目标特征值;
采用所述目标特征值,构建特征向量空间;
采用典型聚类方法对所述特征向量空间进行聚类,生成多个初始分区;
根据所述初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区;
将所述目标分区之间对应的多个断面作为所述电力系统对应的多个初始输电断面。
4.根据权利要求3所述的电力系统关键输电断面确定方法,其特征在于,所述根据所述初始分区对应的分区效果系数和预设系数阈值,确定多个目标分区的步骤,包括:
分别计算各所述初始分区对应的第一变量;
所述第一变量为:
式中,V(S)为反映同分区耦合紧密程度的第一变量;wij为初始分区S中的元素;
分别计算各所述初始分区对应的第二变量;
所述第二变量为:
式中,K(S)为反映不同分区之间耦合紧密程度的第二变量;wij为初始分区S中的元素;
计算所述第二变量与所述第一变量之间的比值,生成初始分区对应的分区效果系数;
判断全部所述分区效果系数是否满足预设系数阈值;
若是,则将所述初始分区作为目标分区;
若否,则跳转执行所述采用典型聚类方法对所述特征向量空间进行聚类,生成多个初始分区的步骤,直至全部所述分区效果系数满足预设系数阈值。
5.根据权利要求1所述的电力系统关键输电断面确定方法,其特征在于,所述分别采用所述初始输电断面对应的安全裕度和功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标的步骤,包括:
采用所述初始输电断面对应的线路的传输功率和传输功率极限,计算所述线路对应的安全裕度;
所述安全裕度为:
式中:Ml为线路l对应的安全裕度;Pl为线路l的传输功率;Plmax为线路l的功率传输极限;
采用所述线路对应的阻抗、输送有功潮流和输出有功潮流,计算所述线路对应的功率传输距离;
所述功率传输距离为:
式中,Ll为功率传输距离;zl为线路l的阻抗;wl为线路l的输送有功潮流;Pi是为节点i的输出有功潮流,其中节点流出功率为正方向;V是全部节点的集合;
采用所述安全裕度和所述功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标;
所述初始线路关键程度指标为:
式中,Kl为初始线路关键程度指标;α为第一权重系数;β为第二权重系数;Ml为线路l对应的安全裕度;Ll为功率传输距离。
6.根据权利要求1所述的电力系统关键输电断面确定方法,其特征在于,所述根据全部所述初始线路关键程度指标和预设断面数量,确定所述电力系统对应的目标输电断面的步骤,包括:
将所述初始线路关键程度指标按照从高到低的顺序进行排序,生成线路关键程度序列;
按照顺序从所述线路关键程度序列中,选取预设断面数量的所述初始线路关键程度指标作为目标线路关键程度指标;
将所述目标线路关键程度指标对应的初始目标输电断面作为所述电力系统对应的目标输电断面。
7.一种电力系统关键输电断面确定系统,其特征在于,包括:
拓扑结构图生成模块,用于获取电力系统的电网接线图,采用所述电网接线图进行拓扑结构转换,生成所述电力系统对应的拓扑结构图;
拉普拉斯矩阵构建模块,用于将所述拓扑结构图作为相似度矩阵并结合预设对角矩阵,构建拉普拉斯矩阵;
初始输电断面生成模块,用于采用谱聚类算法对所述拉普拉斯矩阵进行聚类,生成多个初始输电断面;
初始线路关键程度指标计算模块,用于分别采用所述初始输电断面对应的安全裕度和功率传输距离,计算所述初始输电断面对应的初始线路关键程度指标;
目标输电断面确定模块,用于根据全部所述初始线路关键程度指标和预设断面数量,确定所述电力系统对应的目标输电断面。
8.根据权利要求7所述的电力系统关键输电断面确定系统,其特征在于,所述拓扑结构图生成模块包括:
节点集合构建模块,用于采用所述电网接线图中的全部节点,构建节点集合;
边集合构建模块,用于采用所述电网接线图中的全部输电线路,构建边集合;
所述拓扑结构图生成子模块,用于采用所述节点集合和所述边集合,构建所述电力系统对应的拓扑结构图;
所述拓扑结构图中各元素为:
式中,Wij为拓扑结构图中的元素;Zij为节点i与节点j之间的阻抗值。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-6任一项所述的电力系统关键输电断面确定方法的步骤。
10.一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,所述计算机程序被执行时实现如权利要求1-6任一项所述的电力系统关键输电断面确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561296.3A CN116644567A (zh) | 2023-05-17 | 2023-05-17 | 一种电力系统关键输电断面确定方法、系统、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310561296.3A CN116644567A (zh) | 2023-05-17 | 2023-05-17 | 一种电力系统关键输电断面确定方法、系统、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116644567A true CN116644567A (zh) | 2023-08-25 |
Family
ID=87642679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310561296.3A Pending CN116644567A (zh) | 2023-05-17 | 2023-05-17 | 一种电力系统关键输电断面确定方法、系统、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116644567A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117741345A (zh) * | 2023-12-21 | 2024-03-22 | 暨南大学 | 一种电网关键输电断面快速搜索的方法及系统 |
-
2023
- 2023-05-17 CN CN202310561296.3A patent/CN116644567A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117741345A (zh) * | 2023-12-21 | 2024-03-22 | 暨南大学 | 一种电网关键输电断面快速搜索的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Baker | Learning warm-start points for AC optimal power flow | |
Tencaliec et al. | Flexible semiparametric generalized Pareto modeling of the entire range of rainfall amount | |
Luo et al. | A quantized kernel least mean square scheme with entropy-guided learning for intelligent data analysis | |
Miranian et al. | Nonlinear power system load identification using local model networks | |
CN103838803A (zh) | 一种基于节点Jaccard相似度的社交网络社团发现方法 | |
CN113962142B (zh) | 一种基于两段式lstm的数据中心温度预测方法及系统 | |
CN116644567A (zh) | 一种电力系统关键输电断面确定方法、系统、设备和介质 | |
CN117078048B (zh) | 基于数字孪生的智慧城市资源管理方法及系统 | |
CN104980462A (zh) | 分布式计算方法、装置和系统 | |
CN116167581A (zh) | 电池需求量预估方法、装置、调度方法和计算机设备 | |
CN107357714B (zh) | 一种基于监控平台的故障分析方法和装置 | |
CN116722589A (zh) | 一种分布式能源配电网拓扑结构选取方法及相关装置 | |
CN111555311B (zh) | 一种电力系统即插即用的稳定性分析与控制方法 | |
KR20220117432A (ko) | 전력 계통 클러스터링 방법 및 장치 | |
CN113704750A (zh) | 分布式发电系统的网络攻击检测方法、装置及终端设备 | |
Nayak et al. | Capacity value of wind power using kd tree and nearest neighbor search algorithm | |
CN113705863B (zh) | 一种容量投建决策方案确定方法、装置和计算机设备 | |
CN115473232B (zh) | 一种负荷参数调整方法、系统、设备和存储介质 | |
CN116628966A (zh) | 一种电网分区方法、系统、设备和介质 | |
CN116823055A (zh) | 一种光伏发电功率预测误差评估方法、系统、设备和介质 | |
CN115986721A (zh) | 一种清洁能源基地出力水平预测方法、装置、设备和介质 | |
CN117526289A (zh) | 配电网分区方法、装置、计算机设备和存储介质 | |
CN117952283A (zh) | 基于隶属度的短期负荷预测方法、系统、终端及介质 | |
CN116667377A (zh) | 多能源电力系统振荡稳定性评估方法、装置、设备和介质 | |
CN117436018A (zh) | 一种负载识别方法、系统、设备和介质 |
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 |