CN116826853A - 基于不确定方式下风险代价的紧急控制方法、装置、设备及介质 - Google Patents
基于不确定方式下风险代价的紧急控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116826853A CN116826853A CN202310449802.XA CN202310449802A CN116826853A CN 116826853 A CN116826853 A CN 116826853A CN 202310449802 A CN202310449802 A CN 202310449802A CN 116826853 A CN116826853 A CN 116826853A
- Authority
- CN
- China
- Prior art keywords
- new energy
- emergency control
- different areas
- short period
- probability
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000010248 power generation Methods 0.000 claims abstract description 23
- 230000001052 transient effect Effects 0.000 claims abstract description 20
- 238000011217 control strategy Methods 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000007704 transition Effects 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 8
- 230000006641 stabilisation Effects 0.000 claims description 8
- 238000011105 stabilization Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000001687 destabilization Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 101150067055 minC gene Proteins 0.000 claims 4
- 238000010586 diagram Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- PITMOJXAHYPVLG-UHFFFAOYSA-N 2-acetyloxybenzoic acid;n-(4-ethoxyphenyl)acetamide;1,3,7-trimethylpurine-2,6-dione Chemical compound CCOC1=CC=C(NC(C)=O)C=C1.CC(=O)OC1=CC=CC=C1C(O)=O.CN1C(=O)N(C)C(=O)C2=C1N=CN2C PITMOJXAHYPVLG-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012546 transfer 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于不确定方式下风险代价的紧急控制方法、装置、设备及介质，基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及概率；根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量；根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量；计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。本发明提高了在线暂态安全稳定控制策略的适应性。
Description
技术领域
本发明涉及一种基于不确定方式下风险代价的紧急控制方法、装置、设备及介质，属于电力系统自动控制技术领域。
背景技术
近年来，新能源装机容量不断增加，负荷水平不断提高，使得短周期方式下运行方式的不确定性增强，对电力系统安全运行和控制的影响逐渐扩大。
现有在线暂态稳定控制策略计算平均刷新周期为分钟级Δt，而在线控制策略要适应未来Δt至2Δt内的电力系统运行状态变化，其导致运行状态变化会随运行方式一起改变，这给在线控制策略的确定带来难处。
针对运行方式的不确定性，现有技术通过预测未来Δt至2Δt内运行方式功率波动的上下限，生成未来短周期对稳定性最恶劣的运行方式，即保守方式，以此作为制定控制策略的依据。但是，现有技术存在生成的控制量过于保守的问题。且新能源出力对稳定性的影响不均是单调递增或单调递减的。功率波动的上下限并不一定能对应稳定性最恶劣的运行方式，存在确定保守方式困难的问题。
因此，本领域技术人员急需要解决运行方式不确定情况下，在线暂态稳定控制的技术问题。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种基于不确定方式下风险代价的紧急控制方法、装置、设备及介质。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
第一方面，一种基于新能源波动不确定方式下风险代价的紧急控制方法，包括以下步骤：
基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率。
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量。
根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量。
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。
进一步的，所述基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率，包括如下步骤：
将不同地理空间下的新能源各场站按照所处地理信息进行聚类，得到聚类后所属不同区域的新能源各场站。
按不同区域对本区域内新能源各场站分别进行功率摄动，分析暂态功角稳定的灵敏度，将同一区域内新能源各场站分为稳定性影响为正的群，稳定性影响为负的群，并将属于稳定性影响为负的群的新能源场站加入本区域相邻的另一区域中，形成不同区域更新后的新能源各场站。
获取不同区域更新后的新能源各场站的发电历史出力数据，将未来短周期时间分为若干个单位时间段，下一个单位时间段的初始状态由上一个单位时间段结束时预测得到的新能源场站功率值确定。采用马尔可夫链和数值天气预报预测建立状态转移矩阵，每一个单位时间段生成一个状态转移矩阵，通过状态转移矩阵预测未来短周期内不同区域更新后的新能源各场站总的出力范围及概率。
根据未来短周期内不同区域内在线负荷计划数据获得不同区域内负荷波动情况及概率，将未来短周期内不同区域内更新后的新能源各场站总的出力范围及概率和负荷波动情况及概率进行叠加，将新能源各场站总的出力范围和负荷波动情况叠加后的结果作为未来短周期内不同区域内新能源和负荷的波动情况的概率运行方式i，将新能源各场站总的概率和负荷的概率叠加后的结果作为新能源和负荷的波动情况的概率运行方式对应的概率λi。
进一步的，所述根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量，包括如下步骤：
根据量化仿真工具对未来短周期内某个单位时间段，某个区域新能源和负荷的波动情况的概率运行方式i进行时域仿真，预想故障j发生的概率为λj，在某个区域电力系统当前在线方式控制策略的基础上，进行增加或减少可切机组或可切负荷的摄动，直到概率运行方式i发生预想故障j后，某个区域电力系统稳定裕度大于零，得到预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，对未来短周期内所有单位时间段对应的各新能源和负荷的波动情况的概率运行方式分别进行时域仿真，得到未来短周期内所有单位时间段，某个区域对应的预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，并获取所有紧急控制量Clim,i中最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i。
进一步的，所述根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量，包括如下步骤：
在最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i之间设置K档，将第k档的紧急控制下发量Ck作为某个区域电力系统未来短周期内的电力系统控制量,k∈K。
进一步的，所述根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量，包括如下步骤：
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算所有K档对应的紧急控制下发量Ck的电力系统的总风险y(Ck)。
当y(Ck)最小时，对应的紧急控制下发量即为未来短周期内预想故障j下最佳紧急控制下发量。
进一步的，所述地理信息为经度。
进一步的，所述电力系统的总风险y(Ck)，计算公式如下：
其中，λj为预想故障j发生的概率，λi为新能源和负荷的波动情况的概率方式i对应的概率，Pz为单位容量下的控制成本，t为故障后控制持续的时间，Pm为单位时间下的发电收益，Pn为单位时间下的失稳代价。
第二方面，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，实现如第一方面中任一所述的一种基于新能源波动不确定方式下风险代价的紧急控制方法。
第三方面，一种计算机设备，包括：
存储器，用于存储指令。
处理器，用于执行所述指令，使得所述计算机设备执行如第一方面中任一所述的一种基于新能源波动不确定方式下风险代价的紧急控制方法。
第四方面，一种基于不确定方式下风险代价的紧急控制装置，包括以下模块：
运行方式获取模块：用于基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率。
紧急控制量获取模块：用于根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量。
紧急控制下发量获取模块：用于根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量。
最佳紧急控制下发量获取模块：用于根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。
进一步的，所述运行方式获取模块，包括：
将不同地理空间下的新能源各场站按照所处地理信息进行聚类，得到聚类后所属不同区域的新能源各场站。
按不同区域对本区域内新能源各场站分别进行功率摄动，分析暂态功角稳定的灵敏度，将同一区域内新能源各场站分为稳定性影响为正的群，稳定性影响为负的群，并将属于稳定性影响为负的群的新能源场站加入本区域相邻的另一区域中，形成不同区域更新后的新能源各场站。
获取不同区域更新后的新能源各场站的发电历史出力数据，将未来短周期时间分为若干个单位时间段，下一个单位时间段的初始状态由上一个单位时间段结束时预测得到的新能源场站功率值确定；采用马尔可夫链和数值天气预报预测建立状态转移矩阵，每一个单位时间段生成一个状态转移矩阵，通过状态转移矩阵预测未来短周期内不同区域更新后的新能源各场站总的出力范围及概率。
根据未来短周期内不同区域内在线负荷计划数据获得不同区域内负荷波动情况及概率，将未来短周期内不同区域内更新后的新能源各场站总的出力范围及概率和负荷波动情况及概率进行叠加，将新能源各场站总的出力范围和负荷波动情况叠加后的结果作为未来短周期内不同区域内新能源和负荷的波动情况的概率运行方式i，将新能源各场站总的概率和负荷的概率叠加后的结果作为新能源和负荷的波动情况的概率运行方式对应的概率λi。
进一步的，所述紧急控制量获取模块，包括：
根据量化仿真工具对未来短周期内某个单位时间段，某个区域新能源和负荷的波动情况的概率运行方式i进行时域仿真，预想故障j发生的概率为λj，在某个区域电力系统当前在线方式控制策略的基础上，进行增加或减少可切机组或可切负荷的摄动，直到概率运行方式i发生预想故障j后，某个区域电力系统稳定裕度大于零，得到预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，对未来短周期内所有单位时间段对应的各新能源和负荷的波动情况的概率运行方式分别进行时域仿真，得到未来短周期内所有单位时间段，某个区域对应的预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，并获取所有紧急控制量Clim,i中最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i。
进一步的，所述紧急控制下发量获取模块，包括：
在最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i之间设置K档，将第k档的紧急控制下发量Ck作为某个区域电力系统未来短周期内的电力系统控制量,k∈K。
进一步的，所述最佳紧急控制下发量获取模块，包括：
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算所有K档对应的紧急控制下发量Ck的电力系统的总风险y(Ck)。
当y(Ck)最小时，对应的紧急控制下发量即为未来短周期内预想故障j下最佳紧急控制下发量。
进一步的，所述地理信息为经度。
进一步的，所述电力系统的总风险y(Ck)，计算公式如下：
其中，λj为预想故障j发生的概率，λi为新能源和负荷的波动情况的概率方式i对应的概率，Pz为单位容量下的控制成本，t为故障后控制持续的时间，Pm为单位时间下的发电收益，Pn为单位时间下的失稳代价。
有益效果：本发明提供的基于不确定方式下风险代价的紧急控制方法、装置、设备及介质，基于当前在线方式和历史数据，通过新能源聚类对工况进行降维，快速预测未来短周期内新能源和负荷波动情况及概率，评估未来不确定方式下紧急控制量的变化，求解使得控制代价、损失的发电收益和控制后的失稳风险总和最小的控制量。
本发明避免了仅以当前方式或未来某一种可能的方式代表整个场景子集可能存在的风险泄露问题，提高了在线暂态安全稳定控制策略的适应性。
附图说明
图1为第一种实施方式一种基于新能源波动不确定方式下风险代价的紧急控制方法的流程示意图。
图2为第四种实施方式一种基于新能源波动不确定方式下风险代价的紧急控制装置的结构示意图。
图3为某地区750kV电网网架结构示意图。
图4为地区AT0时刻各区域出力水平聚类示意图。
图5为E市-F市F1变电站N-1故障下分群示意图。
图6为E市-F市F1变电站N-1故障各机组摇摆曲线示意图。图7为新能源风电机组各方法预测数据对比示意图。
图8为预测方法修正前后相对误差对比示意图。
图9为不同区域新能源出力波动量及方向示意图。
图10为T0时刻控制量下发后发电机功角摇摆曲线示意图。
图11为未来10分钟预测方式概率及控制量示意图。
图12为不同紧急控制下发值下各风险分量和总风险示意图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
如图1所示，第一种实施方式一种基于新能源波动不确定方式下风险代价的紧急控制方法，包括以下步骤：
步骤1，基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率。
步骤2，根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量。
步骤3，根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量。
步骤4，根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。
进一步的，所述步骤1，包括如下步骤：
步骤1.1，将不同地理空间下的新能源各场站按照所处地理信息进行聚类，得到聚类后所属不同区域的新能源各场站，实现初步降维划分区域。
步骤1.2，按不同区域对本区域内新能源各场站分别进行功率摄动，分析暂态功角稳定的灵敏度，根据对稳定性影响的正负，将同一区域内新能源各场站分为稳定性影响为正的群，稳定性影响为负的群，并将属于稳定性影响为负的群的新能源场站加入本区域相邻的另一区域中，形成不同区域更新后的新能源各场站，实现降维并修正区域划分。
如：按照地理位置划分为有两个区域，分别为A区域，B区域，A区域与B区域在地理位置上是相邻的，A区域中新能源各场站为A1、A2、A3，B区域中新能源各场站为B1、B2。A区域，B区域中新能源各场站进行稳定性影响分析后，其中，A区域、B区域中除了新能源场站A3为负外，其它场站都是正，所以将A3划入B区域中，作为B3，更新后的新能源各场站为A区域中新能源各场站为A1、A2，B区域中新能源各场站为B1、B2、B3。
步骤1.3，获取不同区域更新后的新能源各场站的发电历史出力数据，将未来短周期时间分为若干个单位时间段，下一个单位时间段的初始状态由上一个单位时间段结束时预测得到的新能源场站功率值确定。采用马尔可夫链和数值天气预报预测建立状态转移矩阵，每一个单位时间段生成一个状态转移矩阵，通过状态转移矩阵预测未来短周期内不同区域更新后的新能源各场站总的出力范围及概率。
步骤1.4，根据未来短周期内不同区域内在线负荷计划数据获得不同区域内负荷波动情况及概率，将未来短周期内不同区域内更新后的新能源各场站总的出力范围及概率和负荷波动情况及概率进行叠加，将新能源各场站总的出力范围和负荷波动情况叠加后的结果作为未来短周期内不同区域内新能源和负荷的波动情况的概率运行方式i，将新能源各场站总的概率和负荷的概率叠加后的结果作为新能源和负荷的波动情况的概率运行方式对应的概率为λi。
将新能源和负荷波动造成的不平衡功率由所在区域内的平衡机组承担。
进一步的，所述步骤2，包括如下步骤：
基于fastest量化仿真工具对未来短周期内某个单位时间段，某个区域新能源和负荷的波动情况的概率运行方式i进行时域仿真，预想故障j发生的概率为λj，在某个区域电力系统当前在线方式控制策略的基础上，进行增加或减少可切机组或可切负荷的摄动，直到概率运行方式i发生预想故障j后，某个区域电力系统稳定裕度大于零，得到预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，对未来短周期内所有单位时间段对应的各新能源和负荷的波动情况的概率运行方式分别进行时域仿真，得到未来短周期内所有单位时间段，某个区域对应的预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，并获取所有紧急控制量Clim,i中最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i。
进一步的，所述步骤3，包括如下步骤：
在最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i之间设置K档，将第k档的紧急控制下发量Ck作为某个区域电力系统未来短周期内的电力系统控制量,k∈K。
进一步的，所述步骤4，包括如下步骤：
计算所有K档对应的紧急控制下发量Ck的电力系统的总风险y(Ck)。
当y(Ck)最小时，对应的紧急控制下发量即为未来短周期内预想故障j下最佳紧急控制下发量。
紧急控制下发量Ck设置为K档，紧急控制下发量Ck最小档位取值为所有概率方式下最小的紧急控制量min Clim,i，紧急控制下发量Ck紧急控制下发量最大档位取值为所有概率方式下最大的紧急控制量max Clim,i，紧急控制下发量Ck中间档位的取值可根据最大档位max Clim,i和最小档位min Clim,i的差值进行二分法取值。
电力系统的总风险为：
其中，y(Ck)为紧急控制下发量为Ck时电力系统的总风险。当y(Ck)最小时所对应的紧急控制下发量即为未来短周期内预想故障j下最佳控制量。
紧急控制下发量Ck下所有概率方式下电力系统总的控制代价为∑λiλjpzCk。Pz为单位容量下的控制成本。λj为预想故障j发生的概率，λi为新能源和负荷的波动情况的概率方式i对应的概率。
当概率运行方式下系统临界稳定的紧急控制量Clim,i小于紧急控制下发量Ck时，系统产生过控风险，损失的发电收益为Pm为单位时间下的发电收益，t为故障后控制持续的时间。
当概率方式下系统临界稳定的紧急控制量Clim,i大于紧急控制下发量Ck时，系统产生欠控风险，控制后的失稳风险为Pn为单位时间下的失稳代价。
第二种实施例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，实现如第一种实施例中任一所述的一种基于新能源波动不确定方式下风险代价的紧急控制方法。
第三种实施例一种计算机设备，包括：
存储器，用于存储指令。
处理器，用于执行所述指令，使得所述计算机设备执行如第一种实施例中任一所述的一种基于新能源波动不确定方式下风险代价的紧急控制方法。
如图2所示，第四种实施例一种基于不确定方式下风险代价的紧急控制装置，包括以下模块：
运行方式获取模块：用于基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率。
紧急控制量获取模块：用于根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量。
紧急控制下发量获取模块：用于根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量。
最佳紧急控制下发量获取模块：用于根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。
进一步的，所述运行方式获取模块，包括：
将不同地理空间下的新能源各场站按照所处地理信息进行聚类，得到聚类后所属不同区域的新能源各场站。
按不同区域对本区域内新能源各场站分别进行功率摄动，分析暂态功角稳定的灵敏度，将同一区域内新能源各场站分为稳定性影响为正的群，稳定性影响为负的群，并将属于稳定性影响为负的群的新能源场站加入本区域相邻的另一区域中，形成不同区域更新后的新能源各场站。
获取不同区域更新后的新能源各场站的发电历史出力数据，将未来短周期时间分为若干个单位时间段，下一个单位时间段的初始状态由上一个单位时间段结束时预测得到的新能源场站功率值确定；采用马尔可夫链和数值天气预报预测建立状态转移矩阵，每一个单位时间段生成一个状态转移矩阵，通过状态转移矩阵预测未来短周期内不同区域更新后的新能源各场站总的出力范围及概率。
根据未来短周期内不同区域内在线负荷计划数据获得不同区域内负荷波动情况及概率，将未来短周期内不同区域内更新后的新能源各场站总的出力范围及概率和负荷波动情况及概率进行叠加，将新能源各场站总的出力范围和负荷波动情况叠加后的结果作为未来短周期内不同区域内新能源和负荷的波动情况的概率运行方式i，将新能源各场站总的概率和负荷的概率叠加后的结果作为新能源和负荷的波动情况的概率运行方式对应的概率λi。
进一步的，所述紧急控制量获取模块，包括：
根据量化仿真工具对未来短周期内某个单位时间段，某个区域新能源和负荷的波动情况的概率运行方式i进行时域仿真，预想故障j发生的概率为λj，在某个区域电力系统当前在线方式控制策略的基础上，进行增加或减少可切机组或可切负荷的摄动，直到概率运行方式i发生预想故障j后，某个区域电力系统稳定裕度大于零，得到预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，对未来短周期内所有单位时间段对应的各新能源和负荷的波动情况的概率运行方式分别进行时域仿真，得到未来短周期内所有单位时间段，某个区域对应的预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，并获取所有紧急控制量Clim,i中最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i。
进一步的，所述紧急控制下发量获取模块，包括：
在最小的紧急控制量min Clim,i、最大的紧急控制量max Clim,i之间设置K档，将第k档的紧急控制下发量Ck作为某个区域电力系统未来短周期内的电力系统控制量,k∈K。
进一步的，所述最佳紧急控制下发量获取模块，包括：
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算所有K档对应的紧急控制下发量Ck的电力系统的总风险y(Ck)。
当y(Ck)最小时，对应的紧急控制下发量即为未来短周期内预想故障j下最佳紧急控制下发量。
进一步的，所述地理信息为经度。
进一步的，所述电力系统的总风险y(Ck)，计算公式如下：
其中，λj为预想故障j发生的概率，λi为新能源和负荷的波动情况的概率方式i对应的概率，Pz为单位容量下的控制成本，t为故障后控制持续的时间，Pm为单位时间下的发电收益，Pn为单位时间下的失稳代价。
实施例：
现以一个实际用例对本发明方法进行说明，研究系统为某地区(地区A、地区B、地区C、地区D、地区F)电力系统，如图3所示，某地区750kV电网网架结构。原始运行方式为夏季某一时刻大方式(最大运行方式)。T0时刻方式为夏季大方式下，A市换输电线路π接，地区A主网外送400万千瓦，地区A、地区C断面外送为250万千瓦，B市C市断面外送540万千瓦，D市C市断面外送366万千瓦，E市C市断面外送425万千瓦。设置预想故障为线路E市-F市首端0s时刻发生三相永久N-2故障，0.1s时刻故障清除，即发生的概率λj＝1。
步骤1，考虑空间分布特性的新能源场站聚类。首先基于新能源不同地理空间下的功率波动特征将新能源场站进行聚类分区，结合新能源场站功率波动对暂态功角稳定的灵敏度方向辅助分群。
步骤1.1，西北地区横跨东经x1度至东经x2度,北纬y1度至北纬y2度。根据西北网架结构，以及EEAC(电力系统稳定和控制)分群机组显示：临界群S群主要以地区A机组为主，且地区A机组主要以辐射型线路接入主网，所以其纬度差异不大，所以选择经度作为CLIQUE(Clustering In QUEst)网格聚类方法的横轴。根据图3中750kV的主站寻找附近并网的新能源机组，确定其地理位置经度坐标。选择以下8个地区：G市、H市、I市、J市、K市、L市、M市、E市附近的新能源场站作为聚类样本，获取其当前T0时刻的出力以及历史出力数据，如图4所示，12点，各聚类经度区域对应的新能源场站出力系数。
以地区A为例，应用CLIQUE聚类方法，地理位置不相邻的地区，T0时刻的新能源出力相似。选出的8个地区可以聚类成5类，具有代表性的新能源波动地区。其中地区1：G市地区；地区2：I市地区；地区3：H市地区；地区4：J市-K市(K1变电站)-L市地区；地区5：M市-E市地区。证明经度相近的新能源出力波动有相似性，但是也存在地理位置相近但是出力波动不相同的地方。其余地区也以同样的方法进行聚类分区。
步骤1.2，对各个地区进行新能源场站功率摄动对暂态功角稳定的灵敏度分析，应用EEAC稳定量化软件，计算稳定裕度以及各机组摇摆曲线。该故障下某地区电网同步机组的功角曲线呈现等值两群：S群和A群，如图5。其中S群为领前群图中上半部分，A群为余下群图中下半部分。两群只是区分了该故障下不同常规机组对稳定性的影响程度，但没有针对新能源波动对稳定性的影响提出参考意见。对步骤1.2中的区域再降维，结合新能源场站功率摄动对暂态功角稳定灵敏度分析，等值成含新能源机组在内的两群，使得同一个群内对新能源波动暂态功角稳定影响相似，后续在此基础上进行新能源的功率预测。
图6示意了故障情形下各惯量机组摇摆曲线，其中，上半部分曲线为由EEAC算法识别得到的领前群机组(失稳)：地区B中有B1机组、B2机组、B3机组、B4机组、B5机组，均是M市附近的机组失稳；地区A全部机失稳，分别选取G市、H市(H1变电站)、I市、K市、A市、L市、J市、K1变电站；地区C主要在N市、O市、E市附近的机组失稳等。通过对比地理接线图找其附近的新能源机组，然后对CLIQUE聚类方法的结果进行功率摄动分析对暂态稳定性的影响。以地区A地区1为例，如表1所示。
表1地区A地区1新能源波动对暂态稳定性的影响
单位：万千瓦
步骤1.3，基于马尔科夫链和数值天气预报，建立新能源出力波动趋势预测模型，得到下一时刻波动方向及波动量的概率，生成在线安全稳定分析的概率方式。
对步骤1.2中聚类降维后的地区，应用马尔科夫进行趋势预测。以5分钟为一个转移矩阵，1min一个采样点，预测不同地区(地区A、地区C、地区B领前群、余下群)波动趋势，如图7所示。通过图7对比可知，马尔科夫预测数据波动趋势与实测数据一样，这证明的马尔科夫在预测新能源出力波动方向上的有效性。但是，与实测数据的相对误差较大，最高达到16％。结合数值天气预报进行修正，发现有效误差明显减小。
在12:15之前，风电出力的都是逐步增长的，波动趋势相同的。但是在12:15之后每日风电出力波动的趋势有所不同，数据预测的精度下降，更需要结合数值天气预报进行修正数据。最后根据修正后的预测值得出状态转移矩阵，如表2。即可得T0+1时刻风电出力的波动方向和趋势，如图8所示。
表2区域1 12:15-12:20状态转移矩阵
单位：万千瓦
在12:15-12:30期间，区域1的风电出力状态预测如上表所示。可以根据当前T0时刻的出力值预测下一时刻的波动方向和范围，分群对每个区域的新能源波动进行预测和统计。
步骤2，在线运行方式概率预测以及策略计算。对不同运行方式下的过控或欠控风险进行量化评估，快速计算紧急控制量辅助控制决策下发。
各区新能源出力波动量的概率，如表3所示。用S群区域来表示同S机群距离较近的新能源机组，增加出力不利于对应模式的稳定性；用A群区域来表示同A机群距离较近的新能源机组，增加出力有利于对应模式的稳定性。分区域进行下一时刻新能源波动方向及范围的预测，并求出相应概率，如图9。
表3两群新能源波动范围及概率
单位：万千瓦
步骤3，新能源波动对运行方式的影响，希望能适应新能源波动的在线运行方式风险评估控制，辅助制定控制策略表，所以应用FASTEST(电力系统安全稳定量化分析与优化决策软件)对故障下暂态稳定裕度进行评估，安排控制量。并针对下一时刻预测的运行方式，校验其暂态稳定裕度，以及验证当前控制量是否可行，若不可行需及时重新下发控制量以保证下一时刻的稳定性。
当前T0时刻下发的控制指令为：0.1s故障清除-调制A市P市直流增加外送1400MW，同时再切机1400MW机组。FASTEST仿真计算，暂态稳定裕度18.72，其发电机摇摆曲线如图10示。
根据表4预测的不同区域新能源下一时刻波动方向范围概率，可以生成6个运行方式及概率。群内同步机平衡新能源波动，即断面功率不变时，新能源波动使得S群机械能增加或A群机械能减少时，系统稳定性变差。但由于群内新能源波动量相互抵消，其对运行方式的影响导致暂态稳定裕度变化不大，同样其同一故障后的控制量的也不变，甚至可能无需多开或者减少一台机组。根据新能源波动趋势和范围调整运行方式，均在E市-F市F1变电站N-1故障下计算临界稳定控制量，将方式出现概率从大到小排列，并对比如表4。
表4各方式临界稳定控制量
单位：万千瓦
结合表4，可以预测出未来10分钟的运行方式以及E市-F市F1变电站N-1故障下的临界稳定控制量。图11结果表明，方式5出现的概率较大，且其紧急控制量为1315MW。
考虑E市-F市F1变电站N-2故障后紧急控制切机单位代价为227.7元/MWh、损失的发电收益按照150元/MWh，控制后失稳代价按照280元/MWh，则分别按照紧急控制量110万、120万、130万、135万千瓦下发，不同下发值下的总风险如图12所示。当紧急控制发下值为130万千瓦时，6种概率方式下总风险最小。
本发明通过生成短周期内可能的概率工况，设定不同大小的控制量，分别计算预想故障下控制风险的各项分量，得到总风险最小的控制量。
本发明通过生成未来多个可能出现的工况，针对每个工况进行安全稳定分析计算，获得该场景的运行控制风险，综合所有场景的运行控制风险，获得系统安全稳定运行风险，本发明能够很好的计及紧急控制在所有可能出现工况下的过控或欠控风险，给出最经济同时满足安全要求的在线控制策略。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (16)
1.一种基于不确定方式下风险代价的紧急控制方法，其特征在于：包括以下步骤：
基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率；
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量；
根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量；
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。
2.根据权利要求1所述的基于不确定方式下风险代价的紧急控制方法，其特征在于：所述基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率，包括如下步骤：
将不同地理空间下的新能源各场站按照所处地理信息进行聚类，得到聚类后所属不同区域的新能源各场站；
按不同区域对本区域内新能源各场站分别进行功率摄动，分析暂态功角稳定的灵敏度，将同一区域内新能源各场站分为稳定性影响为正的群，稳定性影响为负的群，并将属于稳定性影响为负的群的新能源场站加入本区域相邻的另一区域中，形成不同区域更新后的新能源各场站；
获取不同区域更新后的新能源各场站的发电历史出力数据，将未来短周期时间分为若干个单位时间段，下一个单位时间段的初始状态由上一个单位时间段结束时预测得到的新能源场站功率值确定；采用马尔可夫链和数值天气预报预测建立状态转移矩阵，每一个单位时间段生成一个状态转移矩阵，通过状态转移矩阵预测未来短周期内不同区域更新后的新能源各场站总的出力范围及概率；
根据未来短周期内不同区域内在线负荷计划数据获得不同区域内负荷波动情况及概率，将未来短周期内不同区域内更新后的新能源各场站总的出力范围及概率和负荷波动情况及概率进行叠加，将新能源各场站总的出力范围和负荷波动情况叠加后的结果作为未来短周期内不同区域内新能源和负荷的波动情况的概率运行方式i，将新能源各场站总的概率和负荷的概率叠加后的结果作为新能源和负荷的波动情况的概率运行方式对应的概率λi。
3.根据权利要求1所述的基于不确定方式下风险代价的紧急控制方法，其特征在于：所述根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量，包括如下步骤：
根据量化仿真工具对未来短周期内某个单位时间段，某个区域新能源和负荷的波动情况的概率运行方式i进行时域仿真，预想故障j发生的概率为λj，在某个区域电力系统当前在线方式控制策略的基础上，进行增加或减少可切机组或可切负荷的摄动，直到概率运行方式i发生预想故障j后，某个区域电力系统稳定裕度大于零，得到预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，对未来短周期内所有单位时间段对应的各新能源和负荷的波动情况的概率运行方式分别进行时域仿真，得到未来短周期内所有单位时间段，某个区域对应的预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，并获取所有紧急控制量Clim,i中最小的紧急控制量minClim,i、最大的紧急控制量maxClim,i。
4.根据权利要求1所述的基于不确定方式下风险代价的紧急控制方法，其特征在于：所述根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量，包括如下步骤：
在最小的紧急控制量minClim,i、最大的紧急控制量maxClim,i之间设置K档，将第k档的紧急控制下发量Ck作为某个区域电力系统未来短周期内的电力系统控制量,k∈K。
5.根据权利要求1所述的基于不确定方式下风险代价的紧急控制方法，其特征在于：所述根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量，包括如下步骤：
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算所有K档对应的紧急控制下发量Ck的电力系统的总风险y(Ck)；
当y(Ck)最小时，对应的紧急控制下发量即为未来短周期内预想故障j下最佳紧急控制下发量。
6.根据权利要求2所述的基于不确定方式下风险代价的紧急控制方法，其特征在于：所述地理信息为经度。
7.根据权利要求5所述的基于不确定方式下风险代价的紧急控制方法，其特征在于：所述电力系统的总风险y(Ck)，计算公式如下：
其中，λj为预想故障j发生的概率，λi为新能源和负荷的波动情况的概率方式i对应的概率，Pz为单位容量下的控制成本，t为故障后控制持续的时间，Pm为单位时间下的发电收益，Pn为单位时间下的失稳代价。
8.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，该计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的一种基于新能源波动不确定方式下风险代价的紧急控制方法。
9.一种计算机设备，其特征在于：包括：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述计算机设备执行如权利要求1-7中任一项所述的一种基于新能源波动不确定方式下风险代价的紧急控制方法。
10.一种基于不确定方式下风险代价的紧急控制装置，其特征在于：包括以下模块：
运行方式获取模块：用于基于电力系统当前在线方式，结合不同区域的新能源发电和负荷历史数据，预测未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式及对应的概率；
紧急控制量获取模块：用于根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式，计算未来短周期内不同区域的发生预想故障后的紧急控制量；
紧急控制下发量获取模块：用于根据未来短周期内不同区域的发生预想故障后的紧急控制量，设定不同档位的紧急控制下发量；
最佳紧急控制下发量获取模块：用于根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算未来短周期内不同区域的发生预想故障后不同档位紧急控制下发量对应的电力系统的总风险，根据电力系统的总风险确定最佳紧急控制下发量。
11.根据权利要求10所述的基于不确定方式下风险代价的紧急控制装置，其特征在于：所述运行方式获取模块，包括：
将不同地理空间下的新能源各场站按照所处地理信息进行聚类，得到聚类后所属不同区域的新能源各场站；
按不同区域对本区域内新能源各场站分别进行功率摄动，分析暂态功角稳定的灵敏度，将同一区域内新能源各场站分为稳定性影响为正的群，稳定性影响为负的群，并将属于稳定性影响为负的群的新能源场站加入本区域相邻的另一区域中，形成不同区域更新后的新能源各场站；
获取不同区域更新后的新能源各场站的发电历史出力数据，将未来短周期时间分为若干个单位时间段，下一个单位时间段的初始状态由上一个单位时间段结束时预测得到的新能源场站功率值确定；采用马尔可夫链和数值天气预报预测建立状态转移矩阵，每一个单位时间段生成一个状态转移矩阵，通过状态转移矩阵预测未来短周期内不同区域更新后的新能源各场站总的出力范围及概率；
根据未来短周期内不同区域内在线负荷计划数据获得不同区域内负荷波动情况及概率，将未来短周期内不同区域内更新后的新能源各场站总的出力范围及概率和负荷波动情况及概率进行叠加，将新能源各场站总的出力范围和负荷波动情况叠加后的结果作为未来短周期内不同区域内新能源和负荷的波动情况的概率运行方式i，将新能源各场站总的概率和负荷的概率叠加后的结果作为新能源和负荷的波动情况的概率运行方式对应的概率λi。
12.根据权利要求10所述的基于不确定方式下风险代价的紧急控制装置，其特征在于：所述紧急控制量获取模块，包括：
根据量化仿真工具对未来短周期内某个单位时间段，某个区域新能源和负荷的波动情况的概率运行方式i进行时域仿真，预想故障j发生的概率为λj，在某个区域电力系统当前在线方式控制策略的基础上，进行增加或减少可切机组或可切负荷的摄动，直到概率运行方式i发生预想故障j后，某个区域电力系统稳定裕度大于零，得到预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，对未来短周期内所有单位时间段对应的各新能源和负荷的波动情况的概率运行方式分别进行时域仿真，得到未来短周期内所有单位时间段，某个区域对应的预想故障j对应的电力系统临界稳定的紧急控制量Clim,i，并获取所有紧急控制量Clim,i中最小的紧急控制量minClim,i、最大的紧急控制量maxClim,i。
13.根据权利要求10所述的基于不确定方式下风险代价的紧急控制装置，其特征在于：所述紧急控制下发量获取模块，包括：
在最小的紧急控制量minClim,i、最大的紧急控制量maxClim,i之间设置K档，将第k档的紧急控制下发量Ck作为某个区域电力系统未来短周期内的电力系统控制量,k∈K。
14.根据权利要求10所述的基于不确定方式下风险代价的紧急控制装置，其特征在于：所述最佳紧急控制下发量获取模块，包括：
根据未来短周期内不同区域的新能源和负荷的波动情况的概率运行方式对应的概率计算所有K档对应的紧急控制下发量Ck的电力系统的总风险y(Ck)；
当y(Ck)最小时，对应的紧急控制下发量即为未来短周期内预想故障j下最佳紧急控制下发量。
15.根据权利要求11所述的基于不确定方式下风险代价的紧急控制装置，其特征在于：所述地理信息为经度。
16.根据权利要求14所述的基于不确定方式下风险代价的紧急控制装置，其特征在于：所述电力系统的总风险y(Ck)，计算公式如下：
其中，λj为预想故障j发生的概率，λi为新能源和负荷的波动情况的概率方式i对应的概率，Pz为单位容量下的控制成本，t为故障后控制持续的时间，Pm为单位时间下的发电收益，Pn为单位时间下的失稳代价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310449802.XA CN116826853A (zh) | 2023-04-24 | 2023-04-24 | 基于不确定方式下风险代价的紧急控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310449802.XA CN116826853A (zh) | 2023-04-24 | 2023-04-24 | 基于不确定方式下风险代价的紧急控制方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116826853A true CN116826853A (zh) | 2023-09-29 |
Family
ID=88115045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310449802.XA Pending CN116826853A (zh) | 2023-04-24 | 2023-04-24 | 基于不确定方式下风险代价的紧急控制方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116826853A (zh) |
-
2023
- 2023-04-24 CN CN202310449802.XA patent/CN116826853A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112491043B (zh) | 一种新能源富集电网电源规划方法及系统 | |
| CN113077075B (zh) | 新能源不确定性电力系统安全风险预防控制方法及装置 | |
| CN108054790B (zh) | 基于预测出力逐次逼近的风光发电集群有功实时优化控制方法 | |
| CN115310378A (zh) | 一种极端台风灾害下电网韧性评估及差异化规划方法 | |
| CN107563641B (zh) | 一种计及灾害偏好的配电网抗灾多场景差异化规划方法 | |
| CN116415708B (zh) | 考虑置信水平的电网鲁棒规划方法 | |
| CN113346484A (zh) | 一种考虑暂态不确定性的配电网弹性提升方法及系统 | |
| CN111756031B (zh) | 一种电网运行趋势估算方法和系统 | |
| CN109672170B (zh) | 一种区域电网有功备用评估方法和系统 | |
| Wang et al. | A scalable method of adaptive LVRT settings adjustment for voltage security enhancement in power systems with high renewable penetration | |
| CN116826853A (zh) | 基于不确定方式下风险代价的紧急控制方法、装置、设备及介质 | |
| CN115907526A (zh) | 一种电网电压暂降评估方法、系统、存储介质及计算设备 | |
| CN115842354A (zh) | 用于提高风功率预测相关性系数的风电储能配置方法 | |
| CN114649826A (zh) | 一种考虑风电场的黑启动分区方法及系统 | |
| CN110970899B (zh) | 一种多区域紧急减负荷协同决策方法、系统及存储介质 | |
| CN111641204B (zh) | 一种分布式能源准入容量的计算方法及装置 | |
| CN111181200B (zh) | 一种发电可行域实用分析方法、装置及系统 | |
| CN104037810A (zh) | 一种改进的风险评估发电-负荷功率调整方法 | |
| CN111008769A (zh) | 一种计及电力阻塞的能源转型优化方法及系统 | |
| Jiang et al. | Security-constrained unit commitment with flexible uncertainty set for wind power generation | |
| Chi et al. | An Adaptive Many-Objective Robust Optimization Model of Dynamic Reactive Power Sources for Voltage Stability Enhancement | |
| Zhang et al. | Optimization of Black-Start Scheme for Mitigating Overvoltage | |
| CN113822470B (zh) | 计及新能源场站出力不确定性的出力数据生成方法及系统 | |
| CN112906172B (zh) | 一种大规模海上风电场的陆上并网点优化选择方法及系统 | |
| Wang et al. | Research on Evaluation Index System for Reliability of Power System including Offshore Wind Farm |
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 |