CN117522163A - 一种基于可靠性的配电网投资优化排序方法及系统 - Google Patents
一种基于可靠性的配电网投资优化排序方法及系统 Download PDFInfo
- Publication number
- CN117522163A CN117522163A CN202311526287.7A CN202311526287A CN117522163A CN 117522163 A CN117522163 A CN 117522163A CN 202311526287 A CN202311526287 A CN 202311526287A CN 117522163 A CN117522163 A CN 117522163A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power supply
- reliability
- investment
- power
- 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 48
- 238000005457 optimization Methods 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000012163 sequencing technique Methods 0.000 claims abstract description 16
- 238000013178 mathematical model Methods 0.000 claims abstract description 12
- 230000008901 benefit Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 108010063499 Sigma Factor Proteins 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Fuzzy Systems (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
Abstract
本发明所述一种基于可靠性的配电网投资优化排序方法及系统,涉及配电网可靠性算法技术领域,包括采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述;基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标;通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。本发明通过对负荷特性进行综合评估比较,提高决策的准确性和效率;通过对不同供电模式下的配电网供电可靠性进行定量评估,比较各个模式的优劣,选择最适合特定需求的供电模式;通过综合评价对投资需求进行决策和排序,减少潜在的故障风险和供电中断风险,提高配电网可靠性指标的计算效率。
Description
技术领域
本发明涉及配电网可靠性算法技术领域,具体为一种基于可靠性的配电网投资优化排序方法及系统。
背景技术
随着现代社会经济的飞速发展,高科技产品和高度信息化设备的广泛普及,用户每度电的产值日益上升,单位停供电量给用户和社会造成的经济损失越来越大,因此,用户对供电可靠性的要求也越来越高,提高电网供电可靠性,会在一定程度上降低电网的经济性,如何在可靠性和经济性上找到平衡点,实现电网的可靠性成本-效益的优化,对提高电网经济性、可靠性是非常有意义的。
配电网是整个电力系统与用户联系、向用户供应电能和分配电能的重要环节,一旦发生设备故障或设备进行检修、试验就可能造成系统对用户供电的中断,我国现有城镇配电网的发展存在一些普遍性问题,如网架结构薄弱;部分电力设备陈旧、事故率高、线路过载、可靠性差、电压质量低等。
由于目前现有的可靠性指标算法在分析大规模复杂配电网络时,存在计算量大、耗时较多的问题,我方发明利用分形理论对待评估网架做等效处理,即搭建复杂配电网络的小规模等效网络,从个体出发提取局部配网组件在拓扑连接和设备配置方面的特性,并将相关信息体现在等效网络中,而这正是分形理论所擅长解决的问题。
为了建立计及可靠性影响因素变化影响的故障率预测模型,首先需要建立不同设备元件的故障率模糊可能性分布模型和故障率可信性分布模型;然后利用模糊聚类分析的方法,将具有相同或者是相似的元件进行模糊分类;再根据设备元件所受到的影响因素情况,通过相似比较(模糊识别),确定该元件的分类进而获取故障率区间值;最后,结合元件的故障率模糊可能性分布模型求得该分类的故障率可信性分布,并利用可信性分布函数确定该元件的故障率。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的配电网可靠性算法方法存在计算量大,效率低,可靠性低,以及如何形成配电网实现可靠性目标的项目投资排序方法的问题。
为解决上述技术问题,本发明提供如下技术方案:一种基于可靠性的配电网投资优化排序方法,包括采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述;基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标;通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。
作为本发明所述的基于可靠性的配电网投资优化排序方法的一种优选方案,其中:所述采集配电网供电区域的负荷特性数据包括负荷量、负荷曲线、最大需量、符合因子、符合分布以及负荷响应;分析配电网供电区域的点负荷特性数据,通过点负荷特性数据,分析区域负荷特性。
作为本发明所述的基于可靠性的配电网投资优化排序方法的一种优选方案,其中:所述建立负荷特征向量模型包括基于负荷特性数据,对负荷特征向量进行量化描述,建立负荷特征向量模型F,表示为:
其中,τ为时间,t1为起始时间,t2为结束时间,e-ατ为衰减因子,σ表示负荷量的离散程度,μ为负荷量的中心值,L表示负荷量,K表示负荷类型影响强度,LType表示负荷类型。
作为本发明所述的基于可靠性的配电网投资优化排序方法的一种优选方案,其中:所述供电模式包括传统线路供电模式、分布式能源供电模式以及智能动态供电模式;传统线路供电模式电源为传统火力发电和水力发电,供电架构为传统的变电站、配电线路以及配电变压器组成的电力传输和供电系统;分布式能源供电模式电源为太阳能光伏发电、风力发电以及小型水电的分布式能源,供电架构为微电网结构,将分布式能源和能量储存设备与传统电网连接;智能动态供电模式电源包括传统能源和分布式能源,供电架构为智能监控和控制技术;当选择传统线路供电模式时,负荷类型LType表示为:
其中,ηv表示为输电和配电损耗因子,Ptotal表示为系统总负荷需求,Ph表示传统火力发电能力,Pw表示为水力发电能力;当选择分布式能源供电模式时,负荷类型LType表示为:
其中,Closs表示为系统损耗补偿系数,Ppv表示太阳能光伏发电能力,Pwind表示为风力发电能力,Phydro表示为小型水电能力;当选择智能动态供电模式时,负荷类型LType表示为:
其中,α表示为动态调节补偿系数,Ptra表示为传统能源发电能力,Pdis表示为分布式能源发电能力。
作为本发明所述的基于可靠性的配电网投资优化排序方法的一种优选方案,其中:所述层次分析法包括对配电网规划投资规模合理性进行评价,建立P个配电网投资评价指标,表示为:
u={u1,u2,……,up}
基于评价指标,构造判断矩阵,表示为:
其中,uij表示为评价指标矩阵中的向量;基于判断矩阵,计算配电网投资特征向量,进行配电网的投资能力与规模评价因素的重要性排序。
作为本发明所述的基于可靠性的配电网投资优化排序方法的一种优选方案,其中:所述建立配电网投资需求数学模型包括分析配电网供电可靠性指标,配电网供电可靠性指标包括电网结构、设备停运率、设备停运时间、负荷水平以及电缆化率,通过构造等级模糊子集将配电网供电可靠性指标进行量化,利用模糊变换对指标进行综合分析,表示为:
其中,评价指标权向量A=(a1,a2,……,ap),ap为权向量中的元素,R为被评价的配电网,rij为模糊关系矩阵中的元素,b为隶属程度,B为被评价的配电网的模糊综合评价结果向量。
作为本发明所述的基于可靠性的配电网投资优化排序方法的一种优选方案,其中:所述基于可靠性指标对配电网投资方案进行优化排序包括基于现状配电网可靠性评估的结果及规划配电网的可靠性目标,采用收益增量和成本增量比例评估方法,通过指标的边际效益,计算配电网实现可靠性目标的投资及分类重点,形成配电网实现可靠性目标的项目投资排序方法。
本发明的另外一个目的是提供一种基于可靠性的配电网投资优化排序系统,其能通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序,解决了目前的配电网可靠性算法含有效率低的问题。
作为本发明所述的基于可靠性的配电网投资优化排序系统的一种优选方案,其中:包括负荷特性数据处理模块,指标分析模块,投资优化排序模块;所述负荷特性数据处理模块用于采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述;所述指标分析模块用于基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标;所述投资优化排序模块用于通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序是实现基于可靠性的配电网投资优化排序方法的步骤。
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,所述计算机程序被处理器执行时实现基于可靠性的配电网投资优化排序方法的步骤。
本发明的有益效果:本发明提供的基于可靠性的配电网投资优化排序方法通过建立负荷特征向量模型进行量化描述,对负荷特性进行综合评估和比较,有助于提高决策的准确性和效率;通过对不同供电模式下的配电网供电可靠性进行定量评估,比较各个模式的优劣,有助于选择最适合特定需求的供电模式,并为制定相应的投资方案提供依据;通过综合评价不同投资方案的优劣,从而对投资需求进行决策和排序,方案将更有效地满足配电网的可靠性需求,减少潜在的故障风险和供电中断风险,提高配电网可靠性指标的计算效率,本发明在准确性、效率以及可靠性方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例提供的一种基于可靠性的配电网投资优化排序方法的整体流程图。
图2为本发明第三个实施例提供的一种基于可靠性的配电网投资优化排序系统的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1,为本发明的一个实施例,提供了一种基于可靠性的配电网投资优化排序方法,包括:
S1:采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述。
更进一步的,采集配电网供电区域的负荷特性数据包括负荷量、负荷曲线、最大需量、符合因子、符合分布以及负荷响应;分析配电网供电区域的点负荷特性数据,通过点负荷特性数据,分析区域负荷特性。
应说明的是,建立负荷特征向量模型包括基于负荷特性数据,对负荷特征向量进行量化描述,建立负荷特征向量模型F,表示为:
其中,τ为时间,t1为起始时间,t2为结束时间,e-ατ为衰减因子,σ表示负荷量的离散程度,μ为负荷量的中心值,L表示负荷量,K表示负荷类型影响强度,LType表示负荷类型。
还应说明的是,首先,从配电网供电区域的负荷增长预测入手,确定不同区域的负荷发展阶段,其次,对负荷特性展开深入的调研分析,从点负荷特性入手,到区域负荷特性,对不同区域的负荷情况建立负荷特征向量进行量化描述。
S2:基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标。
更进一步的,所述供电模式包括传统线路供电模式、分布式能源供电模式以及智能动态供电模式。
传统线路供电模式电源为传统火力发电和水力发电,供电架构为传统的变电站、配电线路以及配电变压器组成的电力传输和供电系统。
分布式能源供电模式电源为太阳能光伏发电、风力发电以及小型水电的分布式能源,供电架构为微电网结构,将分布式能源和能量储存设备与传统电网连接。
智能动态供电模式电源包括传统能源和分布式能源,供电架构为智能监控和控制技术。
当选择传统线路供电模式时,负荷类型LType表示为:
其中,ηv表示为输电和配电损耗因子,Ptotal表示为系统总负荷需求,Ph表示传统火力发电能力,Pw表示为水力发电能力。
当选择分布式能源供电模式时,负荷类型LType表示为:
其中,Closs表示为系统损耗补偿系数,Ppv表示太阳能光伏发电能力,Pwind表示为风力发电能力,Phydro表示为小型水电能力。
当选择智能动态供电模式时,负荷类型LType表示为:
其中,α表示为动态调节补偿系数,Ptra表示为传统能源发电能力,Pdis表示为分布式能源发电能力。
应说明的是,层次分析法包括对配电网规划投资规模合理性进行评价,建立P个配电网投资评价指标,表示为:
u={u1,u2,……,up}
基于评价指标,构造判断矩阵,表示为:
S=(uij)p×p
其中,uij表示为评价指标矩阵中的向量。
基于判断矩阵,计算配电网投资特征向量,进行配电网的投资能力与规模评价因素的重要性排序。
还应说明的是,对供电企业具体业务可能涉及到的可靠性影响因素展开调研,包括电网结构、设备停运率、设备停运时间、负荷水平、电缆化率等因素,根据调研结果和现场运行人员经验确定下一步展开具体分析的影响因素范围,并按照可量化(例如设备停运率、设备停运时间等)和不可量化(例如电网接线模式、电缆化率、配电变压器是否有备用、是否是实馈线自动化等)进行分类。
S3:通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。
更进一步的,建立配电网投资需求数学模型包括分析配电网供电可靠性指标,配电网供电可靠性指标包括电网结构、设备停运率、设备停运时间、负荷水平以及电缆化率,通过构造等级模糊子集将配电网供电可靠性指标进行量化,利用模糊变换对指标进行综合分析,表示为:
其中,评价指标权向量A=(a1,a2,……,ap),ap为权向量中的元素,R为被评价的配电网,rij为模糊关系矩阵中的元素,b为隶属程度,B为被评价的配电网的模糊综合评价结果向量。
应说明的是,基于可靠性指标对配电网投资方案进行优化排序包括基于现状配电网可靠性评估的结果及规划配电网的可靠性目标,采用收益增量和成本增量比例评估方法,通过指标的边际效益,计算配电网实现可靠性目标的投资及分类重点,形成配电网实现可靠性目标的项目投资排序方法。
还应说明的是,收益增量和成本增量比例评估方法(下称iB/C法)是基于收益增量与成本增量比值的评估方法,为多属性规划,这个比值有时也称为B/C增量比、B/C边际比,其中收益增量是当前方案与相邻方案(比当前方案收益稍差的方案)间的收益差值,成本增量是当前方案与相邻方案间的投资成本差值。
还应说明的是,供电可靠性指标大多需要根据某一具体的预测评估场景展开统计分析,比如平均停电频率指标、平均停电持续时间指标、平均供电可靠率指标等,难以直接给出影响因素与可靠性指标的关联度精确解析模型。
实施例2
参照图2,为本发明的一个实施例,提供了一种基于可靠性的配电网投资优化排序方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
首先,在配电网供电区域内,选择四个负荷接入点,并进行了一段时间的数据采集,记录了负荷大小、负荷类型和负荷稳定性等参数,根据采集到的数据,建立了负荷特征向量模型,以便对负荷特性进行量化描述。
参照表1,对四个负荷接入点进行数据统计和方案分析。
表1负荷接入点分析表
通过层次分析法,评估了不同供电模式对配电网的影响程度,根据负荷大小、类型和稳定性等因素,综合考虑了每个负荷接入点的特征向量,以供电模式A为基准,供电模式B的可靠性指标为1.2,说明相对于供电模式A,供电模式B的可靠性稍好,供电模式C的可靠性指标为0.8,相对于供电模式A,可靠性稍差,通过模糊综合评价方法,构建了配电网投资需求数学模型,并基于可靠性指标对投资方案进行优化排序,根据模型的综合评估,在考虑可靠性指标的前提下,投资方案B最优,其可靠性优先级最高,投资方案A次之,可靠性优先级较高,投资方案C的可靠性优先级较低,最差的是投资方案D。
通过采集负荷特性数据、建立负荷特征向量模型、通过层次分析法分析可靠性指标,以及利用模糊综合评价方法优化排序投资方案,该发明内容在配电网供电区域实现了数据驱动的决策支持,通过分析负荷特性和评估不同供电模式的可靠性,能够优化配电网投资方案,提高配电网的供电可靠性和效率,故,我方发明具有创造性。
实施例3
参照图2,为本发明的一个实施例,提供了一种基于可靠性的配电网投资优化排序系统,包括负荷特性数据处理模块,指标分析模块,投资优化排序模块。
其中负荷特性数据处理模块用于采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述;指标分析模块用于基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标;投资优化排序模块用于通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。
功能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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于可靠性的配电网投资优化排序方法,其特征在于,包括:
采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述;
基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标;
通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。
2.如权利要求1所述的基于可靠性的配电网投资优化排序方法,其特征在于:所述采集配电网供电区域的负荷特性数据包括负荷量、负荷曲线、最大需量、符合因子、符合分布以及负荷响应;
分析配电网供电区域的点负荷特性数据,通过点负荷特性数据,分析区域负荷特性。
3.如权利要求2所述的基于可靠性的配电网投资优化排序方法,其特征在于:所述建立负荷特征向量模型包括基于负荷特性数据,对负荷特征向量进行量化描述,建立负荷特征向量模型F,表示为:
其中,τ为时间,t1为起始时间,t2为结束时间,e-ατ为衰减因子,σ表示负荷量的离散程度,μ为负荷量的中心值,L表示负荷量,K表示负荷类型影响强度,LType表示负荷类型。
4.如权利要求3所述的基于可靠性的配电网投资优化排序方法,其特征在于:所述供电模式包括传统线路供电模式、分布式能源供电模式以及智能动态供电模式;
传统线路供电模式电源为传统火力发电和水力发电,供电架构为传统的变电站、配电线路以及配电变压器组成的电力传输和供电系统;
分布式能源供电模式电源为太阳能光伏发电、风力发电以及小型水电的分布式能源,供电架构为微电网结构,将分布式能源和能量储存设备与传统电网连接;
智能动态供电模式电源包括传统能源和分布式能源,供电架构为智能监控和控制技术;
当选择传统线路供电模式时,负荷类型LType表示为:
其中,ηv表示为输电和配电损耗因子,Ptotal表示为系统总负荷需求,Ph表示传统火力发电能力,Pw表示为水力发电能力;
当选择分布式能源供电模式时,负荷类型LType表示为:
其中,Closs表示为系统损耗补偿系数,Ppv表示太阳能光伏发电能力,Pwind表示为风力发电能力,Phydro表示为小型水电能力;
当选择智能动态供电模式时,负荷类型LType表示为:
其中,α表示为动态调节补偿系数,Ptra表示为传统能源发电能力,Pdis表示为分布式能源发电能力。
5.如权利要求4所述的基于可靠性的配电网投资优化排序方法,其特征在于:所述层次分析法包括对配电网规划投资规模合理性进行评价,建立P个配电网投资评价指标,表示为:
u={u1,u2,……,up}
基于评价指标,构造判断矩阵,表示为:
S=(uij)p×p
其中,uij表示为评价指标矩阵中的向量;
基于判断矩阵,计算配电网投资特征向量,进行配电网的投资能力与规模评价因素的重要性排序。
6.如权利要求5所述的基于可靠性的配电网投资优化排序方法,其特征在于:所述建立配电网投资需求数学模型包括分析配电网供电可靠性指标,配电网供电可靠性指标包括电网结构、设备停运率、设备停运时间、负荷水平以及电缆化率,通过构造等级模糊子集将配电网供电可靠性指标进行量化,利用模糊变换对指标进行综合分析,表示为:
其中,评价指标权向量A=(a1,a2,……,ap),ap为权向量中的元素,R为被评价的配电网,rij为模糊关系矩阵中的元素,b为隶属程度,B为被评价的配电网的模糊综合评价结果向量。
7.如权利要求6所述的基于可靠性的配电网投资优化排序方法,其特征在于:所述基于可靠性指标对配电网投资方案进行优化排序包括基于现状配电网可靠性评估的结果及规划配电网的可靠性目标,采用收益增量和成本增量比例评估方法,通过指标的边际效益,计算配电网实现可靠性目标的投资及分类重点,形成配电网实现可靠性目标的项目投资排序方法。
8.一种采用如权利要求1~7任一所述的基于可靠性的配电网投资优化排序方法的系统,其特征在于:包括负荷特性数据处理模块,指标分析模块,投资优化排序模块;
所述负荷特性数据处理模块用于采集配电网供电区域的负荷特性数据,建立负荷特征向量模型进行量化描述;
所述指标分析模块用于基于量化的负荷特征向量,通过层次分析法分析不同供电模式下的配电网供电可靠性指标;
所述投资优化排序模块用于通过模糊综合评价,建立配电网投资需求数学模型,基于可靠性指标对配电网投资方案进行优化排序。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于可靠性的配电网投资优化排序方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于可靠性的配电网投资优化排序方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311526287.7A CN117522163A (zh) | 2023-11-16 | 2023-11-16 | 一种基于可靠性的配电网投资优化排序方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311526287.7A CN117522163A (zh) | 2023-11-16 | 2023-11-16 | 一种基于可靠性的配电网投资优化排序方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522163A true CN117522163A (zh) | 2024-02-06 |
Family
ID=89763958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311526287.7A Pending CN117522163A (zh) | 2023-11-16 | 2023-11-16 | 一种基于可靠性的配电网投资优化排序方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522163A (zh) |
-
2023
- 2023-11-16 CN CN202311526287.7A patent/CN117522163A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112308427A (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN111967752A (zh) | 一种配网自动化系统运行综合评价方法及系统 | |
CN112149873A (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN103617447A (zh) | 智能变电站的评价系统及评价方法 | |
CN115907511A (zh) | 可调节负荷资源价值评估模型的构建方法及装置 | |
CN115905904A (zh) | 一种配电网馈线的线损异常评估方法及装置 | |
CN113762591B (zh) | 一种基于gru和多核svm对抗学习的短期电量预测方法及系统 | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN114037209A (zh) | 分布式光伏接入直流配电系统综合效益分析方法及装置 | |
CN114266416A (zh) | 基于相似日的光伏发电功率短期预测方法、装置及存储介质 | |
CN114417719A (zh) | 一种基于图注意力网络的配电网网格化方法及装置 | |
CN113595071A (zh) | 台区用户辨识与电压影响评估方法 | |
CN112734274A (zh) | 一种低碳电网运营主导影响因素挖掘及综合评估方法 | |
CN117400771A (zh) | 一种基于电动汽车的充电桩充电控制方法 | |
CN116502894A (zh) | 光伏台区停电风险评估方法、装置、电子设备及存储介质 | |
CN116151464A (zh) | 一种光伏发电功率预测方法、系统及可存储介质 | |
CN116561569A (zh) | 一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法 | |
CN117522163A (zh) | 一种基于可靠性的配电网投资优化排序方法及系统 | |
CN113837486B (zh) | 一种基于rnn-rbm的配网馈线长期负荷预测方法 | |
CN115293649A (zh) | 一种区配电网智能精细化降损方法 | |
CN115186882A (zh) | 一种基于聚类的可控负荷空间密度预测方法 | |
CN111753097B (zh) | 基于深度学习的电力现货交易出清的数据分析方法及装置 | |
Chen et al. | Accounting information disclosure and financial crisis beforehand warning based on the artificial neural network | |
CN114282746A (zh) | 一种配网形态支撑度指标评估方法 | |
Yan et al. | Cross-domain feature extraction-based household characteristics identification approach using smart meter data |
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 |