CN116896063B - 变配电智能控制方法及系统 - Google Patents
变配电智能控制方法及系统 Download PDFInfo
- Publication number
- CN116896063B CN116896063B CN202310613776.XA CN202310613776A CN116896063B CN 116896063 B CN116896063 B CN 116896063B CN 202310613776 A CN202310613776 A CN 202310613776A CN 116896063 B CN116896063 B CN 116896063B
- Authority
- CN
- China
- Prior art keywords
- power
- distribution
- power supply
- node
- loss
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 169
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000009466 transformation Effects 0.000 title claims abstract description 41
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 230000005611 electricity Effects 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 abstract description 3
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种变配电智能控制方法及系统,其中变配电智能控制方法通过停电故障所产生的用户经济损失,将电力用户划分类型等级。考虑到电力用户在不同时间的用电量差异,将停电故障的预计持续时间划分为多个时段,对每个时段中电力用户的停电损失等级进行计算,并以此作为规划供电优先级的重要依据,进而在每个时段采用相适应的配电控制方案,从而对电力资源进行合理调配。另外,本申请的控制方法还将停电损失等级与应急供电装置在配电网中的接入节点相结合,考虑到应急供电装置至电力用户之间输电线路的电能损耗,协调配电网供电恢复中的用户停电损失和电网供电成本,提升了配电控制方案的适应性,提高经济性。
Description
技术领域
本申请涉及变配电控制技术领域,特别是涉及一种变配电智能控制方法及系统。
背景技术
当自然灾害等极端事件发生时,配电网可能会受到极端事件的严重破坏,引起大停电事故并造成重大经济损失。分布式电源在配电网中的广泛应用提供了配电网孤岛运行的可能性,在配电网部分线路故障或维修,失去主网电源时,充分利用配电网中的分布式电源连通周围的负载进行孤岛供电,保障重要负载的运行,对减少停电带来的经济损失,提高供电可靠性具有重要意义。
随着分布式电源技术的发展,配电网的结构愈加复杂,在配电网的供电恢复控制方案中所要考虑的因素也随之增加。配电网停电事故发生后,需要采用适当的配电控制方法来快速恢复重要负载。如何提高配电网供电恢复的经济性,是需要重点考虑的因素之一。
相关技术中,将电力用户按产业类型划分优先级,对停电经济损失较大的电力用户进行优先恢复。然而,不同类型的产业的停电经济损失还与用电时间存在相关性,可能使电量分配至一些非活跃电力用户,造成分配调度不合理,电力资源的调配存在缺陷。
发明内容
基于此,有必要针对不同类型的产业的停电经济损失还与用电时间存在相关性,可能使电量分配至一些非活跃电力用户,造成分配调度不合理,电力资源的调配存在缺陷的问题,提供一种变配电智能控制方法及系统。
本申请提供一种变配电智能控制方法,包括:
根据因配电网停电故障所产生的用户经济损失,将电力用户划分类型等级;
获取配电网停电故障的预计持续时间,将预计持续时间按照设定的单位步长划分为多个时段;
获取电力用户的历史用电数据及实时变化信息,评估下一时段的用电功率等级;
结合电力用户的类型等级和下一时段的用电功率等级,确定电力用户在下一时段的停电损失等级;
根据电力用户在下一时段的停电损失等级以及应急供电装置在配电网中的接入节点规划供电优先级;
至少根据供电优先级选择配电网中的配电节点恢复供电。
本申请还提供一种变配电智能控制系统,包括:
上位机,包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现如前述内容所述的变配电智能控制方法;
节点控制设备,信号连接至所述上位机,响应于所述上位机所发出的切换指令,控制相应的配电节点恢复供电。
本申请涉及一种变配电智能控制方法及系统,其中变配电智能控制方法通过停电故障所产生的用户经济损失,将电力用户划分类型等级。考虑到电力用户在不同时间的用电量差异,将停电故障的预计持续时间划分为多个时段,对每个时段中电力用户的停电损失等级进行计算,并以此作为规划供电优先级的重要依据,进而在每个时段采用相适应的配电控制方案,从而对电力资源进行合理调配。另外,本申请的控制方法还将停电损失等级与应急供电装置在配电网中的接入节点相结合,考虑到应急供电装置至电力用户之间输电线路的电能损耗,协调配电网供电恢复中的用户停电损失和电网供电成本,提升了配电控制方案的适应性,提高经济性。
附图说明
图1为本申请一实施例提供的变配电智能控制方法的流程示意图。
图2为本申请一实施例提供的变配电智能控制方法所应用的配电网结构拓扑图。
图3为本申请一实施例提供的变配电智能控制方法中应急供电装置的辐射范围划分图。
图4为本申请一实施例提供的变配电智能控制系统的结构图。
附图标记:
100-变配电智能控制系统;120-上位机;130-节点控制设备。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供一种变配电智能控制方法。需要说明的是,如图2所示,本申请提供的变配电智能控制方法的应用于配电网的节点控制,进而调控各配电节点所关联的电力用户的供电。
此外,本申请提供的变配电智能控制方法不限制其执行主体。可选地,本申请提供的变配电智能控制方法的执行主体的可以为一种上位机。各配电节点设置有节点控制设备以切换线路的通断状态,同时各节点控制设备受控于上位机。
如图1所示,在本申请的一实施例中,所述变配电智能控制方法包括如下S100至S600。
S100,根据因配电网停电故障所产生的用户经济损失,将电力用户划分类型等级。
具体而言,通过采集电力用户的性质(工业用电、商业用电、居民用电、农业用电等),电力用户所占面积等,估计用户经济损失。
S200,获取配电网停电故障的预计持续时间,将预计持续时间按照设定的单位步长划分为多个时段。
例如,预计持续时间为1小时,设定单位步长为15min,则预计持续时间被划分为4个时段,根据每个时段的预测用电情况结合类型等级规划供电方案。
S300,获取电力用户的历史用电数据及实时变化信息,评估下一时段的用电功率等级。
S400,结合电力用户的类型等级和下一时段的用电功率等级,确定电力用户在下一时段的停电损失等级。
S510,根据电力用户在下一时段的停电损失等级以及应急供电装置在配电网中的接入节点规划供电优先级。
具体而言,每个应急供电装置包含燃气轮机发电机组、风力机组、光伏机组和储能装置中的一种或多种子装置。
例如,下面介绍一种实施例,如图2所示,在配电节点6、17、20和26接入应急供电装置。故障发生在配电节点1的上游,故障隔离后配电节点1的下游全部失电。
S600,至少根据供电优先级选择配电网中的配电节点恢复供电。
在本实施例中,通过停电故障所产生的用户经济损失,将电力用户划分类型等级。考虑到电力用户在不同时间的用电量差异,将停电故障的预计持续时间划分为多个时段,对每个时段中电力用户的停电损失等级进行计算,并以此作为规划供电优先级的重要依据,进而在每个时段采用相适应的配电控制方案,从而对电力资源进行合理调配。另外,本申请的控制方法还将停电损失等级与应急供电装置在配电网中的接入节点相结合,考虑到应急供电装置至电力用户之间输电线路的电能损耗,协调配电网供电恢复中的用户停电损失和电网供电成本,提升了配电控制方案的适应性,提高经济性。
在本申请的一实施例中,所述S100包括如下S110至S120。
S110,根据停电故障所造成的影响和损失,将电力用户分为重要用户和普通用户。
其中,重要用户为中断供电将造成人身伤亡或在政治、军事、经济上的重大损失的用户。如发生重大设备损坏,产品出现大量废品,引起生产混乱,重要交通枢纽,干线受阻,广播通信中断,城市水源中断,严重环境污染等。兵工厂、大型钢厂、火箭发射基地、医院等属于重要用户。对于这类电力用户要保证不间断供电。
继续以图2作以下说明,其中,重要用户所对应的配置节点序号为5。
S120,根据普通用户的产业类型,将普通用户进一步分为一类用户、二类用户及三类用户。
其中,一类用户为主要从事服务业、金融业、工商业等产业,停电损失很高的产业用户。二类用户为主要从事矿业、制造业、建筑业等产业,停电损失较高的产业用户。三类用户为住宅用户以及从事农业、林业、牧业、渔业等产业,停电损失较低的产业用户。
继续以图2作以下说明,其中,一类用户所对应的配置节点序号为4、8、15及22。二类用户所对应的配置节点序号为2、7、9、16及23,其余的配置节点对应三类用户。
在本实施例中,通过将不同的电力用户按产业类型以及停电造成的损失和影响划分,进而以类型等级表征的方式进行量化处理。
在本申请的一实施例中,所述S300包括如下S310至S340。
S310,获取电力用户的历史用电数据及实时变化信息。
具体而言,历史用电数据通过安装在电力用户处的智能电表采集获得。实时变化信息包括实时气象信息,地理信息,人文信息中的节假日情况和上下班时间等。
具体来说,例如,根据当前时间、日照时长及地理信息,判断接下来的一段时间的照明用电量会增加、减少还是持平。
根据当前时间和温湿度情况,以及从气象部门获取的下一时段的气象预报,判断下一时段内制冷/制热空调用电量是会增加、减少还是持平。
根据当前时间和区域用户情况,结合节假日情况、上下班情况、特殊事件等,判断接下来一段时间各类用户的用电情况分别是增加、减少还是持平。
S320,根据历史用电数据及实时变化信息预测停电故障当天内的用电功率峰值Pmax和用电功率谷值Pmin。
S330,根据历史用电数据及实时变化信息预测下一时段的预测用电功率Pa。
具体而言,将历史用电数据及实时变化信息输入至一个用电预测模型,运行所述用电预测模型,使得用电预测模型输出当天内的用电功率峰值Pmax和用电功率谷值Pmin,以及下一时段的预测用电功率Pa。
具体的,用电预测模型采用LSTM模型,其建立方法为:
1)采集大量用户的历史用电数据以及实时变化信息,并进行预处理,所述历史数据包括月负荷历史数据或/和年负荷历史数据。
预处理方式包括:对缺失的数据进行填补,对异常数据进行识别和修正,并进行归一化处理等。
2)将所述预处理后的历史用电数据以及实时变化信息划分成为训练集、验证集和测试集,利用所述训练集和验证集对用电预测模型进行训练,得到训练收敛的用电量预测模型。
3)使用训练完成的用电预测模型对所述测试集进行检测。
S340,根据Pmax、Pmin和Pa计算下一时段的用电功率等级。
具体而言,所述下一时段的用电功率等级采用以下式1计算:
式1中,Ep表示下一时段的用电功率等级。
在本实施例中,通过结合历史用电数据及实时变化信息预测下一时段的用电功率,考虑到多方面的因素,使得预测数据可以真正反映用电变化趋势,实现对用户后续阶段用电的精准预测,避免后续配电控制时,将电量分配至一些非活跃用户,提高分配调度合理性。
在本申请的一实施例中,在所述S400中,电力用户在下一时段的停电损失等级的计算公式为:
Eloss=αEt+βEp 式2
其中,Eloss表示停电损失等级,Ep表示用电功率等级,Et表示类型等级,例如,重要用户的Et为4,一类用户的Et为3,二类用户的Et为2,三类用户的Et为1。α表示Et的权重系数,α为常数,取值范围为0.65至0.75。β表示Ep的权重系数,β为常数,取值范围为0.25至0.35。
在本实施例中,通过为用电功率等级和类型等级赋予不同的权重系数,综合考虑两者对于停电损失等级Eloss的影响,以此方式获得的停电损失等级能较准确的代表下一时段的停电损失。
在本申请的一实施例中,所述S510包括如下S511至S514。
S511,根据应急供电装置的最大供电能力,以应急供电装置在配电网中的接入节点沿配电线路向外辐射,获取其最大供电能力所能保障的配电节点集合N={n1,,n2,n3...ni}。
例如,下面介绍一种实施例,如图3所示,配电节点6所接入的应急供电装置所能保障的配电节点集合为配电节点1至配电节点13。配电节点17所接入的应急供电装置所能保障的配电节点集合为配电节点14至配电节点19。配电节点20所接入的应急供电装置所能保障的配电节点集合为配电节点20至配电节点24。配电节点26所接入的应急供电装置所能保障的配电节点集合为配电节点25至配电节点27。
S512,获取集合中各配电节点沿配电线路至应急供电装置的电力传输距离Li。
S513,获取配电节点ni所在辐射方向上,应急供电装置所能辐射的最远配电节点的距离Li-max。
继续以图3所示的实施例作以下说明,例如,以配电节点4为例,配电节点4所在辐射方向上,配电节点6所接入的应急供电装置所能辐射的最远配置节点为节点1。
S514,基于配电节点ni在下一时段的停电损失等级和电力传输距离Li,建立供电优先级的目标函数。
具体而言,所述供电优先级的目标函数的包括如下表达式:
其中,Gi表示配电节点ni的供电优先级,γ表示Eloss的权重系数,表示电力传输损耗参数,λ表示/>的权重系数。
在本实施例中,通过为停电损失等级和电力传输损耗参数赋予不同的权重系数,将输电线路的电能损耗考虑进供电优先级的计算,综合考虑两者对于供电优先级的影响,协调配电网供电恢复中的用户停电损失和电网供电成本,以此方式获得的配电控制方案具有较高的适应性,提高经济性。
考虑到应急供电装置包括多种组成,且每种组成部分对应一个供电预测值。若仅考虑供电优先级,以最大供电范围进行供电时,在停电故障的预计持续时间较长或者应急供电装置的供电能力波动的情况下,可能造成停电故障未修复而应急供电装置供电能力不足的情况,导致重大经济损失。
在本申请的一实施例中,在所述S600之前,所述变配电智能控制方法还包括如下S521至S522。
S521,基于应急供电装置的历史供电数据,预测下一时段内应急供电装置的供电能力。
具体而言,在一实施例中,应急供电装置由风力机组、光伏机组和储能装置构成,因而供电能力受气象条件的影响。本申请根据风力机组所处地区的实际风速数据建立服从威布尔分布的风速模型,以及根据光伏机组所处地区的实际光照强度数据建立服从贝塔分布的光照强度模型,进而对应急供电装置的供电能力进行预测。其中,服从威布尔分布的风速模型和服从贝塔分布的光照强度模型为现有技术,技术细节不再赘述。
S522,根据配电网停电故障的预计持续时间、供电优先级和下一时段内应急供电装置的供电能力确定实际供电范围。
具体而言,在停电故障的预计持续时间较长时,或者下一时段急供电装置的供电能力出现波动时,为确保重要用户或一些一类用户的不断电需求,需压缩供电范围。
结合下一时段的供电优先级和实际供电范围选择配电网中的配电节点恢复供电。
在本实施例中,结合停电故障的预计持续时间、供电优先级和下一时段内应急供电装置的供电能力综合考虑实际供电范围,充分考虑到供电和用电的平衡关系,提高供电续航能力以及保证重要用户的不断电需求,保证稳定运行。
在本申请的一实施例中,所述S522包括如下S522a至S522c。
S522a,根据应急供电装置的组成形式,其中组成形式包括风电、光伏、储能装置和燃气轮机发电机组中的一种或多种。且每种分布式电源对应一个发电预测值。
S522b,结合气象数据及历史发电数据,通过应急供电装置的各组成部分的发电预测值。计算下一时段内应急供电装置的供电能力。
S522c,根据下一时段内应急供电装置的供电能力、供电优先级以及配电网停电故障的预计持续时间选择配电节点。
继续以图3所示的实施例作以下说明,在配置节点6所接入的应急供电装置的辐射范围内,仅对配置节点5、配置节点4和配置节点8进行供电。
在本申请的一实施例中,在所述S600之后,所述变配电智能控制方法还包括如下S711至S713。
S711,获取下一时段内已恢复供电的配电节点下电力用户的实际用电功率,记为Ps。
具体而言,实际用电功率通过安装在电力用户处的智能电表采集获得。
S712,判断下一时段内预测用电功率Pa和实际用电功率Ps的功率差值是否超过损失阈值。
S713,若预测用电功率Pa和实际用电功率Ps的功率差值超过损失阈值,则将功率差值超过损失阈值所对应的电力用户至应急供电装置之间的传输路径标记为可疑路径,并将该配电节点标记为可疑节点。
在本实施例中,通过对电力用户的实际用电功率进行监控,并复用预测用电功率与其进行比较,若两者的功率差值超过损失阈值,则表示表示电力传输线路可能存在过渡损耗,提醒维护人员对标记的可疑路劲进行检修。
在本申请的一实施例中,在所述S713之后,所述变配电智能控制方法还包括如下S721至S724。
S721,判断可疑节点相邻的一个近端配电节点的预测用电功率和实际用电功率的功率差值是否超过损失阈值。
继续以图3所示的实施例作以下说明,若可疑节点为8,其近端配电节点为7。
S722,若可疑节点相邻的一个近端配电节点的预测用电功率和实际用电功率的功率差值未超过损失阈值,则将近端配电节点至电力用户之间的传输路径标记为可疑路径。
继续以图3所示的实施例作以下说明,若近端配电节点7的功率差值未超过损失阈值,则将近端配电节点7至电力用户之间的传输路径标记为可疑路径。
S723,进一步判断可疑节点相邻的一个远端配电节点的预测用电功率和实际用电功率的功率差值是否超过损失阈值。
继续以图3所示的实施例作以下说明,若可疑节点为8,其远端配电节点为9。
S724,若可疑节点相邻的一个远端配电节点的预测用电功率和实际用电功率的功率差值未超过损失阈值,则进一步将可疑节点至电力用户之间的传输路径标记为可疑路径。
继续以图3所示的实施例作以下说明,远端配电节点9的预测用电功率和实际用电功率的功率差值未超过损失阈值,则表示远端配电节点9至应急供电装置之间的线路正常,进一步将可疑路径排查缩小至可疑节点8至电力用户之间。
在本实施例中,通过分别对可疑节点相邻的近端配置节点和远端配置节点的用电功率进行分析,进一步缩小可疑路径范围,从而提高维护效率。
本申请还公开了一种变配电智能控制系统100。
如图4所示在本申请一实施例中,所述变配电智能控制系统100包括上位机110和节点控制设备120。
具体而言,上位机110包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现如前述内容所述的变配电智能控制方法。节点控制设备120信号连接至所述上位机110,响应于所述上位机110所发出的切换指令,控制相应的配电节点恢复供电。
以上所述实施例的各技术特征可以进行任意的组合,各方法步骤也并不做执行顺序的限制,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种变配电智能控制方法,其特征在于,所述变配电智能控制方法包括:
根据因配电网停电故障所产生的用户经济损失,将电力用户划分类型等级;
获取配电网停电故障的预计持续时间,将预计持续时间按照设定的单位步长划分为多个时段;
获取电力用户的历史用电数据及实时变化信息,评估下一时段的用电功率等级;
结合电力用户的类型等级和下一时段的用电功率等级,确定电力用户在下一时段的停电损失等级;
根据电力用户在下一时段的停电损失等级以及应急供电装置在配电网中的接入节点规划供电优先级;
至少根据供电优先级选择配电网中的配电节点恢复供电;
根据应急供电装置的最大供电能力,以应急供电装置在配电网中的接入节点沿配电线路向外辐射,获取其最大供电能力所能保障的配电节点集合N={n1,,n2,n3...ni};
获取集合中各配电节点沿配电线路至应急供电装置的电力传输距离Li;
获取配电节点ni所在辐射方向上,应急供电装置所能辐射的最远配电节点的距离Li-max;
基于配电节点ni在下一时段的停电损失等级和电力传输距离Li,建立供电优先级的目标函数;
所述供电优先级的目标函数的包括如下表达式:
其中,Gi表示配电节点ni的供电优先级;γ表示Eloss的权重系数,λ表示的权重系数;
Eloss表示停电损失等级。
2.根据权利要求1所述的变配电智能控制方法,其特征在于,所述根据因配电网停电故障所产生的用户经济损失,将电力用户划分类型等级,包括:
根据停电故障所造成的影响和损失,将电力用户分为重要用户和普通用户;
根据普通用户的产业类型,将普通用户进一步分为一类用户、二类用户及三类用户。
3.根据权利要求1所述的变配电智能控制方法,其特征在于,所述获取电力用户的历史用电数据及实时变化信息,评估下一时段的用电功率等级,包括:
获取电力用户的历史用电数据及实时变化信息;
根据历史用电数据及实时变化信息预测停电故障当天内的用电功率峰值Pmax和用电功率谷值Pmin;
根据历史用电数据预测下一时段的预测用电功率Pa;
根据Pmax、Pmin和Pa计算下一时段的用电功率等级;
所述下一时段的用电功率等级采用以下式1计算:
其中,Ep表示下一时段的用电功率等级。
4.根据权利要求3所述的变配电智能控制方法,其特征在于,所述结合电力用户的类型等级和下一时段的用电功率等级,确定电力用户在下一时段的停电损失等级中,所述电力用户在下一时段的停电损失等级的计算公式为:
Eloss=αEt+βEp 式2
其中,Eloss表示停电损失等级,Ep表示用电功率等级,Et表示类型等级,α表示Et的权重系数,β表示Ep的权重系数。
5.根据权利要求1所述的变配电智能控制方法,其特征在于,在所述至少根据供电优先级控制配电网各节点下电力用户的恢复供电之前,所述变配电智能控制方法还包括:
基于应急供电装置的历史供电数据,预测下一时段内应急供电装置的供电能力;
根据配电网停电故障的预计持续时间、供电优先级和下一时段内应急供电装置的供电能力确定实际供电范围;结合下一时段的供电优先级和实际供电范围选择配电网中的配电节点恢复供电。
6.根据权利要求5所述的变配电智能控制方法,其特征在于,所述根据配电网停电故障的预计持续时间、供电优先级和下一时段内应急供电装置的供电能力确定实际供电范围包括:
根据应急供电装置的组成形式,其中组成形式包括风电、光伏、储能装置和燃气轮机发电机组中的一种或多种;且每种分布式电源对应一个发电预测值;
结合气象数据及历史发电数据,通过应急供电装置的各组成部分的发电预测值;计算下一时段内应急供电装置的供电能力;
根据下一时段内应急供电装置的供电能力、供电优先级以及配电网停电故障的预计持续时间选择配电节点。
7.根据权利要求1所述的变配电智能控制方法,其特征在于,在所述至少根据供电优先级选择配电网中的配电节点恢复供电之后,所述变配电智能控制方法还包括:
获取下一时段内已恢复供电的配电节点下电力用户的实际用电功率,记为Ps;
判断下一时段内预测用电功率Pa和实际用电功率Ps的功率差值是否超过损失阈值;
若预测用电功率Pa和实际用电功率Ps的功率差值超过损失阈值,则将功率差值超过损失阈值所对应的电力用户至应急供电装置之间的传输路径标记为可疑路径,并将该配电节点标记为可疑节点。
8.根据权利要求7所述的变配电智能控制方法,其特征在于,在所述将功率差值超过损失阈值所对应的电力用户至应急供电装置之间的传输路径标记为可疑路径之后,所述变配电智能控制方法还包括:
判断可疑节点相邻的一个近端配电节点的预测用电功率和实际用电功率的功率差值是否超过损失阈值;
若可疑节点相邻的一个近端配电节点的预测用电功率和实际用电功率的功率差值未超过损失阈值,则将近端配电节点至电力用户之间的传输路径标记为可疑路径;
进一步判断可疑节点相邻的一个远端配电节点的预测用电功率和实际用电功率的功率差值是否超过损失阈值;
若可疑节点相邻的一个远端配电节点的预测用电功率和实际用电功率的功率差值未超过损失阈值,则进一步将可疑节点至电力用户之间的传输路径标记为可疑路径。
9.一种变配电智能控制系统,其特征在于,包括:
上位机,包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现如权利要求1至8中任意一项所述的变配电智能控制方法;
节点控制设备,信号连接至所述上位机,响应于所述上位机所发出的切换指令,控制相应的配电节点恢复供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310613776.XA CN116896063B (zh) | 2023-05-29 | 2023-05-29 | 变配电智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310613776.XA CN116896063B (zh) | 2023-05-29 | 2023-05-29 | 变配电智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116896063A CN116896063A (zh) | 2023-10-17 |
CN116896063B true CN116896063B (zh) | 2024-05-17 |
Family
ID=88312696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310613776.XA Active CN116896063B (zh) | 2023-05-29 | 2023-05-29 | 变配电智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116896063B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117134480B (zh) * | 2023-10-26 | 2024-01-12 | 常州满旺半导体科技有限公司 | 一种基于大数据分析的电源调节监测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014192281A1 (ja) * | 2013-05-27 | 2014-12-04 | 京セラ株式会社 | 電力制御装置、電力制御方法、及び電力制御システム |
CN113131468A (zh) * | 2021-04-16 | 2021-07-16 | 东南大学 | 一种考虑用户停电损失的多目标配电网供电恢复方法 |
CN115377964A (zh) * | 2022-07-28 | 2022-11-22 | 国网电动汽车服务有限公司 | 一种区域两阶段弹性能量管理方法、系统、设备及介质 |
CN115800270A (zh) * | 2023-01-29 | 2023-03-14 | 国网天津市电力公司电力科学研究院 | 一种配电网电力与通信协调恢复方法及装置 |
-
2023
- 2023-05-29 CN CN202310613776.XA patent/CN116896063B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014192281A1 (ja) * | 2013-05-27 | 2014-12-04 | 京セラ株式会社 | 電力制御装置、電力制御方法、及び電力制御システム |
CN113131468A (zh) * | 2021-04-16 | 2021-07-16 | 东南大学 | 一种考虑用户停电损失的多目标配电网供电恢复方法 |
CN115377964A (zh) * | 2022-07-28 | 2022-11-22 | 国网电动汽车服务有限公司 | 一种区域两阶段弹性能量管理方法、系统、设备及介质 |
CN115800270A (zh) * | 2023-01-29 | 2023-03-14 | 国网天津市电力公司电力科学研究院 | 一种配电网电力与通信协调恢复方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116896063A (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5276294B2 (ja) | 負荷低減計画策定システム及びデマンド制御システム | |
Gu et al. | Early detection and optimal corrective measures of power system insecurity in enhanced look-ahead dispatch | |
Sang et al. | An integrated preventive operation framework for power systems during hurricanes | |
CN116896063B (zh) | 变配电智能控制方法及系统 | |
Wang et al. | Flexible transmission expansion planning for integrating wind power based on wind power distribution characteristics | |
CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
JP2022115061A (ja) | 気象関連架空配電線路故障オンライン予測 | |
CN116683500A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
KR101357394B1 (ko) | 전력 관리 방법 및 시스템 | |
CN117175655A (zh) | 一种分布式新能源电力系统的蓄能控制方法及系统 | |
Zhang et al. | Boosting the power grid resilience under typhoon disasters by coordinated scheduling of wind energy and conventional generators | |
CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
CN113872228A (zh) | 一种应用于电网调峰调频的电动汽车调度方法和装置 | |
Tazi et al. | Demand and energy management in smart grid: Techniques and implementation | |
Xu et al. | Dual-layer self-healing strategy for standalone building energy systems: A case study of a tropical island | |
CN115062802A (zh) | 一种集约化的风电机组运维排程方法和系统 | |
Hansen et al. | Keys to success for wind power in isolated power systems | |
Onaolapo | Reliability study under the smart grid paradigm using computational intelligent techniques and renewable energy sources. | |
CN116706905B (zh) | 基于电力系统的多能预测及调度方法、设备及存储介质 | |
CN105024379A (zh) | 一种风机检修管理调度系统 | |
CN117249537B (zh) | 一种基于中央空调的虚拟电厂调度与控制系统及方法 | |
CN116632839B (zh) | 一种基于能碳监测的园区电力管理调节方法及装置 | |
CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
CN117220344B (zh) | 一种隔离型光伏并网控制方法和装置 | |
Liu et al. | A deep reinforcement learning-based resilience enhancement framework for distribution networks under extreme weather events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |