CN117117820A - 一种分布式新能源接入的配电网风险评估与协同平抑方法 - Google Patents
一种分布式新能源接入的配电网风险评估与协同平抑方法 Download PDFInfo
- Publication number
- CN117117820A CN117117820A CN202211443807.3A CN202211443807A CN117117820A CN 117117820 A CN117117820 A CN 117117820A CN 202211443807 A CN202211443807 A CN 202211443807A CN 117117820 A CN117117820 A CN 117117820A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- new energy
- distributed
- power distribution
- data
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006641 stabilisation Effects 0.000 title claims abstract description 33
- 238000011105 stabilization Methods 0.000 title claims abstract description 33
- 238000012502 risk assessment Methods 0.000 title claims abstract description 26
- 238000005265 energy consumption Methods 0.000 claims abstract description 27
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims description 30
- 238000005259 measurement Methods 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000029087 digestion Effects 0.000 claims description 17
- 230000033228 biological regulation Effects 0.000 claims description 12
- 230000002265 prevention Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 238000010223 real-time analysis Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000013499 data model Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- H02J3/381—Dispersed generators
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式新能源接入的配电网风险评估与协同平抑方法,包括以下步骤:步骤一:融合多源信息数据;步骤二:构建多类型分布式新能源接入配网标准化模型;步骤三:评估含多类型高比例分布式能源的配电网云边协同广义状态;步骤四:构建面向预测误差的高比例分布式新能源风险特征库;步骤五:构建基于终端数据可控资源的高比例分布式能源柔性资源的辨识算法;步骤六:构建基于可解释性的分布式能源消纳风险溯源与协同平抑算法;步骤七:构建分布式光伏消纳风险实时感知及协同平抑策略分析软件模块。该方法实现了分布式新能源和主配电网的运行状态全面感知,实现了多场景、多目标、多时序、多性能、多约束的精细化协同平抑策略。
Description
技术领域
本发明涉及配电网系统优化技术领域,尤其涉及一种分布式新能源接入的配电网风险评估与协同平抑方法。
背景技术
随着分布式新能源接入比例的不断提高,其出力的随机性、波动性和不确定性将导致电网呈现电力电量平衡概率化、电网潮流双向化、电力系统运行方式多样化、稳定机理复杂化、灵活资源稀缺化、源荷界限模糊化等新特征,对主网调峰、配网电压及电能质量、调度运行方式安排等产生强烈冲击,给主配网运行安全带来新的挑战。主要分为以下方面:
(1)分布式新能源采集网络复杂,数据源多样化明显,现有低压配电台区对分布式新能源监测管控手段不足,分布式新能源状态信息未实时监测,同时分布式新能源、台区、馈线、气象数据等多源数据采集难问题;
(2)分布式新能源采集系统分散、模型复杂,如用采系统采集模型,配电自动化采集部分居民分布式采集模型,源网荷储系统采集了储能设备信息、楼宇空调、充电桩等储能和可控负荷信息模型,能源聚合商采集的自身拥有的分布式光伏站数据模型,整县光伏集群模型等等,面临分布式新能源接入配网模型标准化构建问题;
(3)配网数据冗余度低,边缘计算设备采集网络稳定性差数据易中断,边端采集数据和调控云端融合数据多源和多时空问题等,造成通过有限量测信息进行配电网状态估计难的问题;
(4)配电网终端接入的大量分布式电源大发时出力可能超过本地负荷,造成潮流反向,引发末端电压过高、馈线或变压器过载等各类风险指标,造成风险特征提取难的问题;
(5)可再生能源出力曲线与负荷曲线不匹配可能导致部分时段电力电量平衡困难,但是台区下存在广泛的可控资源,如光储一体逆变器、集中式储能、楼宇空调、充电桩等不能有效识别并参与调解,造成台区级别可控负荷辨识难的问题;
(6)对台区新能源消纳风险分析不足,低压分布式新能源引起负荷末端电压抬升、电压波动与闪变,配电网潮流的快速变化可能造成主网负荷的快速波动,造成消纳风险平抑困难的问题。
针对这些问题,国内外学者提出了电力系统运行风险感知的概念,尝试借用风险感知理论提高分布式新能源接入电网的运行安全问题的“可见性”,力图更好地评估分布式新能源消纳运行状态以及未来的发展趋势,以便为运行人员提供相应的决策支撑。
基于上述问题,如何有效解决目前分布式新能源大规模并入地区电网带来的各类消纳风险,即成为本领域人员亟待解决的技术问题。
发明内容
本发明的目的在于,解决现有技术的不足之处,提出一种分布式新能源接入的配电网风险评估与协同平抑方法,该方法实现了分布式新能源和主配电网的运行状态全面感知,给调控人员提供分布式新能源有效监视手段,同时为其他各类配网调度应用提供数据支撑,有效降低高比例分布式新能源接入带来的对主网调峰、配网电压及电能质量、调度运行方式等产生的影响和冲击问题,实现了多场景、多目标、多时序、多性能、多约束的精细化协同平抑策略。
一种分布式新能源接入的配电网风险评估与协同平抑方法,包括以下步骤:
步骤一:融合面向分布式能源、台区、馈线、气象等多源信息数据;
步骤二:构建多类型分布式新能源接入配网标准化模型;
步骤三:评估含多类型高比例分布式能源的配电网云边协同广义状态;
步骤四:构建面向预测误差的高比例分布式新能源风险特征库;
步骤五:构建基于终端数据可控资源的高比例分布式能源柔性资源的辨识算法;
步骤六:构建基于可解释性的分布式能源消纳风险溯源与协同平抑算法;
步骤七:构建分布式光伏消纳风险实时感知及协同平抑策略分析软件模块,并开展示范应用。
优选的,步骤一中:
针对分布式电源大量接入对配电网状态估计的影响,确定配电网广义状态估计的影响因素确定状态估计的数据需求;
针对低压分布式光伏数据采集难的问题,确定并设计低压分布式新能源采集通信方法;
针对分布式新能源、台区、馈线、气象等多种类型数据需求,确定云-端结合的多源数据获取方法和在线融合方法,为后续广义状态评估提供数据支撑和技术支撑。
优选的,步骤二中,构建多系统下的统一模型抽取方法,实现多系统下多类型分布式新能源配网模型特征值提取,构建多类型分布式新能源接入配网标准化模型。
优选的,步骤三中,针对多类型数据来源广泛、格式不一、部分数据缺失、精度参差不齐等问题,基于多维数据在线融合确定配电网云边协同的广义状态估计方法;多源融合精准状态估计融合网络拓扑、配电网实时量测、分布式能源实时数据、馈线台区实时数据、用采历史数据等多源数据,提出配电网实时量测与用采历史插值数据自适应的配网伪量测鲁棒生成方法补齐缺失实时量测,通过伪量测与实时量测分级自适应匹配,实现配电网多源融合精准估计;多源融合精准状态估计技术解决配电网可观测性难题,提升有源配电网感知水平,有助于实现配电网数字化、透明化。
优选的,步骤四中,分布式新能源大量具有间歇性、随机性的特点,高比例接入时将对地区主配电网造成潜在消纳风险;目前针对分布式新能源的消纳分析利用预测数据进行状态分析,预测数据的准确程度也成为了制约消纳的一大关键因素;针对该问题,确定并设计分布式能源消纳风险特征库构建技术;确定采用数据驱动的消纳风险评估方法,通过迁移学习的方式将离线分析和实时分析的结果应用于特征库;确定面向分布式新能消纳指标筛选和量化方法,根据特征库指标创建分级模型技术。
优选的,步骤五中,针对高比例分布式新能源接入场景下产生的消纳问题,进行终端下柔性资源辨识,确定利用柔性资源促进分布式新能源合理消纳的适用场景;利用决策树算法,结合柔性资源分类、柔性资源响应特性等多种特性参数,进行柔性资源设备分类;针对存在消纳问题场景,根据柔性资源设备类型对数据终端下柔性资源裕度的计算方法进行确定。
优选的,步骤六中,考虑消纳风险的产生机理与影响范围,确定基于薄弱环节分析与根源故障定位的多类型溯源技术;根据溯源结果明确电网高风险环节,针对不同场景,确定具有针对性的基于模型驱动的配电网风险精准平抑方法。
优选的,步骤七中,基于步骤一至不周六,开发基于调控云平台的确定开发分布式新能源消纳风险实时感知及防控模块,包含多源数据融合、广义状态估计、风险特征库、消纳风险平抑策略4个子模块,实现主配协同消纳风险平抑策略自动生成功能,提高滨海地区分布式新能源消纳能力。
本发明的优点及技术效果在于:
(1)本发明的一种分布式新能源接入的配电网风险评估与协同平抑方法,研究分布式新能源接入的配电网云边协同广义状态估计技术,实现全面可观。通过建立“云-边”协同的数据模型,采用包含分布式能源出力、台区与馈线运行参数、气象环境信息等终端量测信息的数据融合技术;通过有限量测信息,采用数据挖掘、清洗、拟合等技术,实现配电网运行状态信息的补完,进而研究云边协同的含多类型高比例分布式能源的配电网广义状态估计技术。实现包含海量分布式新能源的中低压配电网全面可观。
(2)本发明的一种分布式新能源接入的配电网风险评估与协同平抑方法,构建分布式新能源消纳风险防控体系,提升电网稳定运行能力。高比例分布式新能源并网的消纳风险,通过对各个阶段不同环节的潜在风险因素进行分析和防控策略的评估,构建风险防控指标体系,建立风险预警机制,支撑风险防控策略科学、合理制定,提高风险防控的决策效率,形成一套完整的风险防控体系,接入分布式新能源台区电压合格率100%,35千伏及以上设备因分布式新能源引起反向潮流的设备比例为0,有效降低高比例分布式新能源并网对电力系统产生的影响,提升高比例分布式新能源并网后的主配电网安全稳定运行能力。
(3)本发明的一种分布式新能源接入的配电网风险评估与协同平抑方法,项目成果计划在滨海地区率先应用,监测分析分布式光伏试点区域配电网运行状态,对分布式能源消纳风险提前感知,辅助调度人员解决多类型高比例分布式新能源接入带来的配电网运行风险,保障电网稳定运行,提升分布式可再生能源消纳能力。项目成果具有在全国整县光伏试点区域推广应用的前景。计划采取自我实施与专利许可实施相结合的方式,与国内知名平台厂商合作,开展产品转化与市场化推广,创造显著的经济与社会价值。
附图说明
图1为本发明的考虑分布式新能源接入的配电网云边协同广义状态评估流程图;
图2为本发明的分布式新能源接入配电网的协同平抑方法流程图;
图3为本发明的在线融合流程示意图;
图4为本发明中基于数据融合的配电网广义状态估计流程图;
图5为本发明中的柔性资源辨识示意图;
图6为本发明的配电网风险精准平抑与运行方式计划调整优化模型流程图;
图7为本发明的分布式光伏消纳风险实时感知及协同平抑策略分析软件模块图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
一种分布式新能源接入的配电网风险评估与协同平抑方法,包括以下步骤:
步骤一:融合面向分布式能源、台区、馈线、气象等多源信息数据;
步骤二:构建多类型分布式新能源接入配网标准化模型;
步骤三:评估含多类型高比例分布式能源的配电网云边协同广义状态;
步骤四:构建面向预测误差的高比例分布式新能源风险特征库;
步骤五:构建基于终端数据可控资源的高比例分布式能源柔性资源的辨识算法;
步骤六:构建基于可解释性的分布式能源消纳风险溯源与协同平抑算法;
步骤七:构建分布式光伏消纳风险实时感知及协同平抑策略分析软件模块,并开展示范应用。
优选的,步骤一中:
针对分布式电源大量接入对配电网状态估计的影响,确定配电网广义状态估计的影响因素确定状态估计的数据需求;
针对低压分布式光伏数据采集难的问题,确定并设计低压分布式新能源采集通信方法;
针对分布式新能源、台区、馈线、气象等多种类型数据需求,确定云-端结合的多源数据获取方法和在线融合方法,为后续广义状态评估提供数据支撑和技术支撑。
优选的,步骤二中,构建多系统下的统一模型抽取方法,实现多系统下多类型分布式新能源配网模型特征值提取,构建多类型分布式新能源接入配网标准化模型。
优选的,步骤三中,针对多类型数据来源广泛、格式不一、部分数据缺失、精度参差不齐等问题,基于多维数据在线融合确定配电网云边协同的广义状态估计方法;多源融合精准状态估计融合网络拓扑、配电网实时量测、分布式能源实时数据、馈线台区实时数据、用采历史数据等多源数据,提出配电网实时量测与用采历史插值数据自适应的配网伪量测鲁棒生成方法补齐缺失实时量测,通过伪量测与实时量测分级自适应匹配,实现配电网多源融合精准估计;多源融合精准状态估计技术解决配电网可观测性难题,提升有源配电网感知水平,有助于实现配电网数字化、透明化。
优选的,步骤四中,分布式新能源大量具有间歇性、随机性的特点,高比例接入时将对地区主配电网造成潜在消纳风险;目前针对分布式新能源的消纳分析利用预测数据进行状态分析,预测数据的准确程度也成为了制约消纳的一大关键因素;针对该问题,确定并设计分布式能源消纳风险特征库构建技术;确定采用数据驱动的消纳风险评估方法,通过迁移学习的方式将离线分析和实时分析的结果应用于特征库;确定面向分布式新能消纳指标筛选和量化方法,根据特征库指标创建分级模型技术。
优选的,步骤五中,针对高比例分布式新能源接入场景下产生的消纳问题,进行终端下柔性资源辨识,确定利用柔性资源促进分布式新能源合理消纳的适用场景;利用决策树算法,结合柔性资源分类、柔性资源响应特性等多种特性参数,进行柔性资源设备分类;针对存在消纳问题场景,根据柔性资源设备类型对数据终端下柔性资源裕度的计算方法进行确定。
优选的,步骤六中,考虑消纳风险的产生机理与影响范围,确定基于薄弱环节分析与根源故障定位的多类型溯源技术;根据溯源结果明确电网高风险环节,针对不同场景,确定具有针对性的基于模型驱动的配电网风险精准平抑方法。
优选的,步骤七中,基于步骤一至不周六,开发基于调控云平台的确定开发分布式新能源消纳风险实时感知及防控模块,包含多源数据融合、广义状态估计、风险特征库、消纳风险平抑策略4个子模块,实现主配协同消纳风险平抑策略自动生成功能,提高滨海地区分布式新能源消纳能力。
本发明的一种分布式新能源接入的配电网风险评估与协同平抑方法:
课题1:考虑分布式新能源接入的配电网云边协同广义状态估计技术研究
1)研究面向分布式能源、台区、馈线、气象等多源信息的数据融合技术;
本方案将研究前面所提出的数据需求的具体获取方法。根据获取途径,可将这些数据分为两类:一类通过平台间的数据对接获得,另一类无法通过平台获取的数据,将通过边端设备进行直接测量。
A、平台数据对接,通过平台能够获取的数据包含以下种类:
表1多源信息融合所需数据获取平台
B、边端数据测量,新能源、台区运行数据的采集,是本课题进行配电网广义状态估计的一个重要的基本环节。部署于边缘侧的智能感知调控终端,以采集新能源并网运行状态、台区实时运行数据和其他数据,并传输至云端平台。具体地,利用智能感知调控终端强大的设备接入能力、数据吞吐能力和计算能力,实现对边端侧各类新能源并网运行设备和终端所辖关口的状态、信息进行实时采集、汇集和加密,同时向平台传输遥测、遥信等状态和数据,为平台进行风险评估、策略分析与调控提供所需数据。在智能感知调控终端对所辖关口的状态、数据进行采集,以及对所辖台区内各新能源并网运行数据进行采集后,由终端内的上行程序负责把各类数据、状态传送给平台,以支撑平台进行新能源并网运行风险评估和精确调控。
C、数据融合,在获取各项所需数据后,需要对所有数据进行数据清洗、数据校验、数据分类等相关处理。包括
格式及单位统一:由于数据来源于多种平台及终端,因此采集数据的格式及单位均不相同,需要首先针对各个参数统一数据格式及单位。
按场景及时序组合:首先按照配电网场景与主配协同场景将不同数据进行分类。随后按照时序进行进一步组合,将所有同一时间节点的数据进行融合。
无效值和缺失值的处理:由于调查、编码和录入误差,数据中可能存在一些无效值和缺失值,需要给予适当的处理。由于只有每个时间节点的数据都齐全时才能够进行后续分析,因此当发现数据中存在无效值或缺失值时,采取删除所有这一时间节点的数据。
一致性校验:根据每种数据的合理取值范围和相互关系,检查数据是否合乎要求,发现超出正常范围、逻辑上不合理或者相互矛盾的数据。我们主要根据各项测量数据的上下限和连续性对所有数据进行校验,删除超出正常范围极大的错误数据及逻辑不合理的突变数据所在的时间节点数据组。
具体流程如如图3所示。
2)研究多类型分布式新能源接入配网标准化模型构建技术;
分布式新能源量测数据建模,数据种类及获取维度较多,各项数据模型存在一些区别,且部分配电网缺乏足够的量测数据,研究进行多类型分布式新能源接入配网标准化模型建模。突破传统配电网全量信息标准化建模与物联交互技术,建立“云-边”协同的数据模型。增加智能感知调控终端所辖关口数据采集、智能感知调控终端所辖台区内各新能源并网运行数据采集。通过有限量测信息,采用数据挖掘、清洗、拟合等技术,对配电网运行状态信息的补完,完成多类型分布式新能源接入配网标准化模型构建。
3)研究含多类型高比例分布式能源的配电网云边协同广义状态估计技术,如图5所示
传统状态估计技术在主网应用已较为成熟,但配电网中量测设备布置不充分,数据不完备,进行状态估计难度较大,尤其是高比例分布式新能源介入后,配电网潮流的随机波动性进一步提高了状态估计的难度。为此,本课题研究将配电网状态估计概念进行拓展,通过平台与终端量测装置采集的数据,利用大数据分析技术进行覆盖配电网与分布式新能源的云边协同广义状态估计,其具体步骤如下:
A、采用多维数据在线融合技术对配电网中多类型边端传感设备上传的原始量测数据进行筛选和预处理,以减少数据的存储,结合配电网及分布式新能源参数生成状态估计程序所需的初始特征量矩阵。
B、采用大数据分析中的数据融合手段在多维时空上将多个不同电气特征量构建的单时段、单电气特征量的状态估计特征矩阵融合成一个多时间序列、多电气特征量的状态估计特征矩阵。
C、采用多时间尺度分析方法对高维时空状态估计特征矩阵进行处理,将高维数据在低维空间中进行数据的有效处理,在此基础上进行多源不良数据的检测以及配电网和分布式新能源运行状态的在线估计。
课题2:分布式新能源接入配电网的协同平抑技术研究
如下图所示,本课题在课题1研究基础上,首先进行研究面向预测误差的高比例分布式能源风险特征库构建与基于终端数据可控资源的高比例分布式能源柔性资源的辨识.在此基础上,开展可解释性的分布式能源消纳风险溯源与协同平抑算法的研究,制定新能源与柔性资源协同的精准平抑策略,提升配电网分布式新能源消纳能力。
1)研究面向预测误差的高比例分布式能源风险特征库构建技术
高比例分布式新能源并网的配电网消纳风险指标体系:在配电网中分布式新能源接入比较分散,电网结构较为简单。在分布式新能源并网的配电网中,关注的风险一般有电压越限(包括过电压与低电压)、设备过载及由于源荷不匹配导致的台区过载等情况。这些情况导致的消纳风险指标可以定义为事故发生的概率与其影响程度的乘积,结合以上严重度函数得到消纳风险指标如下:
1)电压越限风险指标(Voltage Violation Risk Index,VVRI)
2)设备过载风险指标(Overload Risk Index,ORI)
3)各节点负荷损失指标(Electric Load Loss Index,ELLI)
4)三相不平衡有功功率指标(Active Power Index,PI)
三相不平衡无功功率指标(Reactive Power Index,QI)
5)弃风弃光场景下节点负荷损失指标(Wind and LightAbandonment,WLAR)
6)预测数据不准确度指标(Power Prediction Inaccuracy,PPI)
选取以上运行风险指标构建考虑高比例分布式新能源并网的配电网消纳风险指标体系。
基于拉格朗日灵敏度法的电网安全风险离线评估与样本库构建技术:由于系统内不同节点的可再生能源尤其是风电新能源出力差异性较大,且不同地区、类型负荷存在不同的变化规律,因此负荷波动变量和可再生能源输出波动变量的取值均有多种情况,整个新能源分布式配电系统供需不确定故障状态的数量随着系统内不确定性因素的增多急剧增加,导致“组合爆炸”、“维度灾难”等问题,这对风险评估分析方法的计算效率提出了更高的要求。拟利用拉格朗日灵敏度法来实现故障状态影响的快速分析计算,相关理论基础如下:
首先,利用分段线性化技术和平衡点线性化技术,对电力系统的负荷削减模型进行线性化。在确定元件故障状态后,选择负荷削减量最高的供需状态,即负荷水平最高、可再生能源出力最低的供需故障状态,进行最优负荷削减计算,基于优化结果对非线性系统进行平衡点线性化。对其进行泰勒展开并忽略泰勒级数右端第三项及其以后的各项,则可以将非线性模型在平衡点附近化为线性模型。继续求导能够发现系统最优负荷削减量与状态右端向量可以建立一次线性函数关系,其系数即为拉格朗日乘子。
对于大量的供需不确定故障状态,当负荷和可再生能源出力发生波动,如果拉格朗日乘子在其波动范围内保持不变,则该范围内系统供需不确定故障状态的最优负荷削减量可由线性函数直接快速推导得到,从而避免了繁琐耗时的优化求解过程。但若拉格朗日乘子发生变化,所对应系统状态的最优负荷削减量仍需要通过常规优化算法求解得到。
在完成所有场景的消纳风险评估后,将所有场景及评估结果一一对应构建的高比例新能源并网运行特征库。在评价指标体系的基础上,研究基于拉格朗日灵敏度的电网安全可靠性风险离线分析方法。通过该方法的分析,将分析结果构建特征库,为后续协同平抑算法提供数据样本。
2)研究基于终端数据可控资源的高比例分布式能源柔性资源的辨识算法
柔性资源是指能够改变用电方式和用电时间以配合电力市场的参与行为,从而获得经济效益。从组成上分为可控资源、可平移资源、不可控资源;从资源类型可分为光储一体逆变器、集中式储能、楼宇空调、充电桩、其他柔性负荷;
柔性资源辨识是指运用系统的分析方法,发现并识别可参与调节的柔性资源。面对不同种类型的柔性资源,可从模型和运行数据进行辨识,进行储能、充电桩、楼宇空调等资源分类。模型辨识是根据系统中录入的台账信息确定不同类型柔性设备资源;运行数据辨识主要针对未录入台账信息的设备,根据历史用电信息进行参数辨识,确定柔性设备资源。利用离散傅里叶变换技术技术,对柔性资源电流进行分析。如电水壶、热水壶的电流为明显的正弦曲线,微波炉、吸尘器、空调制冷状态电流曲线畸变明显。
柔性资源调节量辨识利用已经便是完毕的柔性设备,考虑不同应用模式、不同类型柔性资源参数、不同场景、不同目标、不同约束计算充放电裕度,分别统计有功正常上旋备用、有功正常下旋备用,用于在正常情况下,消纳出险问题,存在弃风弃光的情况进行为平抑计算提供支撑;有功紧急上旋备用、有功紧急下旋备用用于在紧急情况下,消纳出险问题。
3)研究基于可解释性的分布式能源消纳风险溯源与协同平抑算法
通过风险溯源定位电网薄弱环节,对后续协同平抑算法提供约束。在得到消纳风险预警之后,通过特征库进一步确定系统薄弱环节和根源故障,为后续的系统平抑算法提供理论基础。
面对多种类型的消纳风险,可从根源故障和薄弱环节两个角度可以找出系统中的潜在威胁,这有助于针对性地制定防范措施。根源故障分析是对导致系统进入严重事故状态的故障设备线路、变压器、分布式新能源等进行分析。根源故障设备是指,无论其他设备故障与否,其停运都将对系统产生严重危害的设备。换句话说,根源故障设备是指那些在系统故障状态中出现的故障设备。每一个故障状态都对根源概率可靠性指标产生贡献。根源故障概率是指无论其他设备停运与否都对系统产生严重影响的设备的停运概率。薄弱环节分析可以识别出受损最大的母线和支路。
在完成系统薄弱环节及根源故障的定位后,通过风险精准平抑技术,能够在配电网处于非紧急状态时针对不同的风险采取相应的风险平抑方式提前进行调整,避免风险严重度继续增加。
针对配电网现有风险情况的风险平抑手段如下表所示:
表2配电网风险类型及平抑手段
在获取对应风险的平抑手段后,开始构建系统运行方式调整优化模型。根据分布式新能源和柔性资源自身容量与特点,参与供需平抑的范围存在差异,一般可分为在用户侧完成平衡、在台区内进行平衡、在台区间进行平衡。
4)研发分布式光伏消纳风险实时感知及协同平抑策略分析软件模块,并开展示范应用。
基于课题一和课题二的研究应用,开发基于调控云平台的研究开发分布式新能源消纳风险实时感知及防控模块,包含多源数据融合、广义状态估计、风险特征库、消纳风险平抑策略4个子模块,实现主配协同消纳风险平抑策略自动生成功能,提高滨海地区分布式新能源消纳能力。
最后,本发明的未尽述之处均采用现有技术中的成熟产品及成熟技术手段。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的实施例或示例中。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同限定。
Claims (8)
1.一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于,包括以下步骤:
步骤一:融合面向分布式能源、台区、馈线、气象等多源信息数据;
步骤二:构建多类型分布式新能源接入配网标准化模型;
步骤三:评估含多类型高比例分布式能源的配电网云边协同广义状态;
步骤四:构建面向预测误差的高比例分布式新能源风险特征库;
步骤五:构建基于终端数据可控资源的高比例分布式能源柔性资源的辨识算法;
步骤六:构建基于可解释性的分布式能源消纳风险溯源与协同平抑算法;
步骤七:构建分布式光伏消纳风险实时感知及协同平抑策略分析软件模块,并开展示范应用。
2.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于,所述步骤一中:
针对分布式电源大量接入对配电网状态估计的影响,确定配电网广义状态估计的影响因素确定状态估计的数据需求;
针对低压分布式光伏数据采集难的问题,确定并设计低压分布式新能源采集通信方法;
针对分布式新能源、台区、馈线、气象等多种类型数据需求,确定云-端结合的多源数据获取方法和在线融合方法,为后续广义状态评估提供数据支撑和技术支撑。
3.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于:所述步骤二中,构建多系统下的统一模型抽取方法,实现多系统下多类型分布式新能源配网模型特征值提取,构建多类型分布式新能源接入配网标准化模型。
4.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于:所述步骤三中,针对多类型数据来源广泛、格式不一、部分数据缺失、精度参差不齐等问题,基于多维数据在线融合确定配电网云边协同的广义状态估计方法;多源融合精准状态估计融合网络拓扑、配电网实时量测、分布式能源实时数据、馈线台区实时数据、用采历史数据等多源数据,提出配电网实时量测与用采历史插值数据自适应的配网伪量测鲁棒生成方法补齐缺失实时量测,通过伪量测与实时量测分级自适应匹配,实现配电网多源融合精准估计;多源融合精准状态估计技术解决配电网可观测性难题,提升有源配电网感知水平,有助于实现配电网数字化、透明化。
5.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于:所述步骤四中,分布式新能源大量具有间歇性、随机性的特点,高比例接入时将对地区主配电网造成潜在消纳风险;目前针对分布式新能源的消纳分析利用预测数据进行状态分析,预测数据的准确程度也成为了制约消纳的一大关键因素;针对该问题,确定并设计分布式能源消纳风险特征库构建技术;确定采用数据驱动的消纳风险评估方法,通过迁移学习的方式将离线分析和实时分析的结果应用于特征库;确定面向分布式新能消纳指标筛选和量化方法,根据特征库指标创建分级模型技术。
6.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于:所述步骤五中,针对高比例分布式新能源接入场景下产生的消纳问题,进行终端下柔性资源辨识,确定利用柔性资源促进分布式新能源合理消纳的适用场景;利用决策树算法,结合柔性资源分类、柔性资源响应特性等多种特性参数,进行柔性资源设备分类;针对存在消纳问题场景,根据柔性资源设备类型对数据终端下柔性资源裕度的计算方法进行确定。
7.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于:所述步骤六中,考虑消纳风险的产生机理与影响范围,确定基于薄弱环节分析与根源故障定位的多类型溯源技术;根据溯源结果明确电网高风险环节,针对不同场景,确定具有针对性的基于模型驱动的配电网风险精准平抑方法。
8.根据权利要求1所述的一种分布式新能源接入的配电网风险评估与协同平抑方法,其特征在于:所述步骤七中,基于步骤一至不周六,开发基于调控云平台的确定开发分布式新能源消纳风险实时感知及防控模块,包含多源数据融合、广义状态估计、风险特征库、消纳风险平抑策略4个子模块,实现主配协同消纳风险平抑策略自动生成功能,提高滨海地区分布式新能源消纳能力。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022113703141 | 2022-11-03 | ||
CN202211370314 | 2022-11-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117117820A true CN117117820A (zh) | 2023-11-24 |
Family
ID=88804365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211443807.3A Pending CN117117820A (zh) | 2022-11-03 | 2022-11-18 | 一种分布式新能源接入的配电网风险评估与协同平抑方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117117820A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117559542A (zh) * | 2024-01-12 | 2024-02-13 | 南京博斯威尔工业通信技术有限公司 | 一种分布式新能源群控群调系统及方法 |
CN118054481A (zh) * | 2024-04-15 | 2024-05-17 | 国网天津市电力公司滨海供电分公司 | 一种分布式新能源设备调控管理方法及装置 |
-
2022
- 2022-11-18 CN CN202211443807.3A patent/CN117117820A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117559542A (zh) * | 2024-01-12 | 2024-02-13 | 南京博斯威尔工业通信技术有限公司 | 一种分布式新能源群控群调系统及方法 |
CN117559542B (zh) * | 2024-01-12 | 2024-04-02 | 南京博斯威尔工业通信技术有限公司 | 一种分布式新能源群控群调系统及方法 |
CN118054481A (zh) * | 2024-04-15 | 2024-05-17 | 国网天津市电力公司滨海供电分公司 | 一种分布式新能源设备调控管理方法及装置 |
CN118054481B (zh) * | 2024-04-15 | 2024-06-21 | 国网天津市电力公司滨海供电分公司 | 一种分布式新能源设备调控管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117117820A (zh) | 一种分布式新能源接入的配电网风险评估与协同平抑方法 | |
CN101413981B (zh) | 电力系统运行备用可靠性测试系统 | |
Li et al. | The comprehensive evaluation of smart distribution grid based on cloud model | |
KR102625403B1 (ko) | 지역 단위 재생 에너지 통합 관제 시스템 | |
CN106054019A (zh) | 基于故障辅助因子的配电网高容错性在线故障定位方法 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN114567072A (zh) | 光伏电站的控制系统 | |
CN117277307A (zh) | 基于数据驱动的电力系统有功频率控制方法及系统 | |
CN111179117A (zh) | 一种智能配电网态势感知效果评定的计算方法及装置 | |
CN112001569A (zh) | 一种基于多电压等级故障下的电网运行风险分析方法 | |
CN114765451A (zh) | 基于故障知识图谱的光伏电站故障检测方法 | |
Qin et al. | An integrated situational awareness tool for resilience-driven restoration with sustainable energy resources | |
Zhu et al. | On-site energy consumption technologies and prosumer marketing for distributed poverty alleviation photovoltaic linked to agricultural loads in china | |
Razeghi et al. | Generic microgrid controller specifications | |
CN110942161A (zh) | 一种基于业务中台的提高供电可靠性的方法 | |
CN118508597B (zh) | 一种面向电力系统保障对象的应急供电方法、系统和设备 | |
Hao et al. | Summary and prospect of power supply reliability in low voltage distribution network | |
Wang et al. | Research on Line Loss Diagnosis and Management Method Based on Big Data Technology | |
Harish et al. | Building-to-Grid Integration for Smart Grids | |
Wang et al. | Research on the Root Cause Analysis and Governance Measures of Frequent Power Outages in Electric Power Enterprises | |
Xinyu et al. | Discussion on Security Management and Control Mechanism Based on Power System Big Data Platform | |
Zhang et al. | Study on the smart grid vulnerability index based on the moment-generating function and distortion function | |
Yang et al. | Artificial Intelligence Based Fault Diagnosis and Analysis in the Distribution Network | |
Tian et al. | Research on the Intelligent Operation and Maintenance Control System of Power Distribution Network Based on Big Data Technology | |
CN113408892B (zh) | 一种保障多能互补微网分层协同调控系统及其调控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |