CN117526441A - 考虑供电安全层级的配电系统可靠性概率评估方法及系统 - Google Patents
考虑供电安全层级的配电系统可靠性概率评估方法及系统 Download PDFInfo
- Publication number
- CN117526441A CN117526441A CN202311461284.XA CN202311461284A CN117526441A CN 117526441 A CN117526441 A CN 117526441A CN 202311461284 A CN202311461284 A CN 202311461284A CN 117526441 A CN117526441 A CN 117526441A
- Authority
- CN
- China
- Prior art keywords
- power
- sampling
- power supply
- distribution system
- scenes
- 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 70
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005070 sampling Methods 0.000 claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000005315 distribution function Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑供电安全层级的配电系统可靠性概率评估方法及系统,该评估方法针对源荷不确定性利用聚类方法获取若干典型场景,再使用拉丁超立方抽样法筛选出数个抽样场景并获得各抽样场景的净负荷以及出现概率,进而对配电系统的可靠性进行评估,因此本发明的评估方法属于考虑光伏出力特性的概率性评价,即“动态评价”,可以体现分布式电源的波动性及用电负荷的随机性,具有较高的可靠性评估的实用价值。
Description
技术领域
本发明属于配电网可靠性评估领域,具体涉及一种考虑供电安全层级的配电系统可靠性概率评估方法及系统。
背景技术
随着经济的迅速发展和人民生活水平的不断提高,用户对城市配电系统供电可靠性的要求也越来越高。随着电力系统的发展,电力系统网架越来越完善,设备出现故障后仍能为大部分用户持续供电。据统计,造成用户总停电的80%情况是配电网故障。如今用户对电力系统供电可靠性的要求也越来越高,因此,有必要对配电网可靠性进行评估,以保证配电系统的安全可靠运行。
虽然分布式电源的大量接入减轻了馈线的供电压力,能够提高配电网的可靠性,但是由于光照强度和风速具有间歇性与波动性的特点,会直接影响分布式光伏和风机的出力,从而影响可靠性评估结果。然而,传统的可靠性评价方法大多不考虑源荷概率特性,只是在某一具体的时间点上对系统可靠性进行静态评价,无法体现并网光伏发电的波动性及用电负荷的随机性,限制了可靠性评估的实用价值。此外随着分布式电源的大量接入,不同时间(白天、黄昏、黑夜)、不同天气情况(晴天、阴天等)下的供电可靠性也会有所区别,对不同层次的电网进行笼统的计算无法充分反映该区域的供电可靠性水平。发明内容
为解决现有技术中存在的问题,本发明提供一种考虑供电安全层级的配电系统可靠性概率评估方法及系统。
本发明的技术方案如下:
一种考虑供电安全层级的配电系统可靠性概率评估方法,所述配电系统中设有分布式电源,包括:
获取配电系统的相关于分布式电源出力、负荷需求和负荷响应的历史运行数据,并对所述历史运行数据进行聚类,形成n个典型场景;
计算所述n个典型场景对应净负荷偏差的矩估计值,并根据所述n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率;
根据各抽样场景的净负荷,对抽样场景进行相关于供电安全的层级划分,并结合各抽样场景的出现概率,获取各供电安全层级的停电时间;
根据所述各供电安全层级的停电时间,获取配电系统的缺供电量指标,作为可靠性评估结果。
进一步地,所述聚类采用K-Mediods聚类方法进行。
进一步地,所述对所述历史运行数据进行聚类,形成n个典型场景并获得各典型场景的出现概率的具体步骤包括:
1)对历史运行数据进行预处理;
2)基于预处理后的历史运行数据以及运行数据的标准值形成相关于运行数据偏差值的样本集,样本集中的样本包括同一时刻的分布式电源出力偏差值、负荷需求偏差值和负荷响应偏差值;
3)从样本集中选取n个样本作为质心;
4)分别计算各样本与质心的距离,并基于距离的大小形成n个簇;
5)计算簇内每个样本与质心的距离,选择距离最小的点作为新的质心;
6)重复步骤5),直至簇内质心不再偏移,簇内的质心对应的样本即为典型场景。
进一步地,所述计算所述n个典型场景对应净负荷偏差的矩估计值的具体方法包括:
分别求取n个典型场景对应净负荷偏差的矩估计量,再对所述矩估计量进行叠加得到n个典型场景对应净负荷偏差的矩估计值。
进一步地,所述根据所述n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率的具体方法包括:
1)根据所述n个典型场景对应净负荷偏差的矩估计值,形成相关于典型场景的净负荷偏差x的概率分布函数F(x),该概率分布函数的纵轴区间[0,1]均匀划分为m个子区间,分别对应m个抽样场景,并对各子区间依次编号,编号1,2,...,k,...,m;
2)分别对每个子区间生成对应的满足(0,1)均匀分布的随机数,再获取每个子区间的抽样值,对于任意子区间k,其生成的随机数记为Rk,得到的该子区间k的抽样值为(Rk+k-1)/m;
3)分别将各子区间的抽样值代入概率分布函数F(x)的反函数F-1(x),计算各子区间对应的净负荷偏差以及出现概率,对于任意子区间k,其对应的净负荷偏差xk=F-1((Rk+k-1)/m),式中k=1,2…m。
4)根据各子区间对应的净负荷偏差以及运行数据的标准值,得到各子区间的净负荷,即m个抽样场景的净负荷,并将各子区间对应的概率作为m个抽样场景的出现概率
进一步地,所述各供电安全层级的停电时间采用如下公式计算:
式中,ENSj为第j供电安全层级的停电时间;Pi为第i抽样场景的出现概率;Sj为第j供电安全层级对应抽样场景的集合;j为供电安全分级的序号,j取1,2,3,4;Lej为第j供电安全层级负荷组的设备集合;Lj t为第j供电安全层级下第t个设备对应的停运组负荷值,Uj t为第j供电安全层级下第t个设备故障导致的停电时间。
进一步地,所述根据所述各供电安全层级的停电时间,获取配电系统的缺供电量指标采用如下公式计算得到:
式中,ENS为配电系统的缺供电量指标。
一种考虑供电安全层级的配电系统可靠性概率评估系统,所述配电系统中设有分布式电源,包括典型场景生成模块、抽样场景生成模块和缺供电量指标计算模块,其中,
所述典型场景生成模块,用于获取配电系统的相关于分布式电源出力、负荷需求和负荷响应的历史运行数据,并对所述历史运行数据进行聚类,形成n个典型场景;
所述抽样场景生成模块,用于计算所述n个典型场景对应净负荷偏差的矩估计值,并根据所述n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率;
所述缺供电量指标计算模块,用于根据各抽样场景的净负荷,对抽样场景进行相关于供电安全的层级划分,并结合各抽样场景的出现概率,获取各供电安全层级的停电时间;根据所述各供电安全层级的停电时间,获取配电系统的缺供电量指标,作为可靠性评估结果。
一种电子设备,所述电子设备包括存储器和处理器,该存储器存储有计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序执行如上任一项所述的方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上的任一项所述方法的步骤。
本发明相比于现有技术具有如下有益效果:
本发明提出一种考虑供电安全层级的配电系统可靠性概率评估方法及系统,该评估方法针对源荷不确定性利用聚类方法获取若干典型场景,再使用拉丁超立方抽样法筛选出数个抽样场景并获得各抽样场景的净负荷以及出现概率,进而对配电系统的可靠性进行评估,因此本发明的评估方法属于考虑光伏出力特性的概率性评价,即“动态评价”,可以体现分布式电源的波动性及用电负荷的随机性,具有较高的可靠性评估的实用价值。
本发明的评估方法在可靠性评估时对抽样场景进行相关于供电安全的层级划分,并结合抽样场景的出现概率获取各供电安全层级的停电时间,进而获得配电系统的缺供电量指标,该设计考虑了分布式电源在不同安全层级下的可靠性,能够更全面、充分反映区域配电系统在某一特定时段的供电可靠性水平。
附图说明
图1为实施例中考虑供电安全层级的配电系统可靠性概率评估方法的流程图;
图2为实施例中拉丁超立方抽样原理图;
图3为应用实施案例中配电系统结构示意图。
具体实施方式
下面结合具体实施例及对应附图对本发明作进一步说明。
实施例一:
本发明的一种考虑供电安全层级的配电系统可靠性概率评估方法,该配电系统中设有分布式电源,如图1所示,该评估方法包括:
S1、获取配电系统的相关于分布式电源出力、负荷需求和负荷响应的历史运行数据,并对历史运行数据进行聚类,形成n个典型场景;
S2、计算n个典型场景对应净负荷偏差的矩估计值,并根据n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率;
S3、根据各抽样场景的净负荷,对抽样场景进行相关于供电安全的层级划分,并结合各抽样场景的出现概率,获取各供电安全层级的停电时间;
S4、根据各供电安全层级的停电时间,获取配电系统的缺供电量指标,作为可靠性评估结果。
实施例二:
本实施例在实施例一的基础上进一步设计在于:本例中的聚类采用K-Mediods聚类方法进行,具体包括如下步骤:
对历史运行数据进行聚类,形成n个典型场景并获得各典型场景的出现概率的具体步骤包括:
1)对历史运行数据进行预处理,剔除异常运行数据;
2)基于预处理后的历史运行数据以及运行数据的标准值形成相关于运行数据偏差值的样本集,样本集中的样本包括同一时刻的分布式电源出力偏差值、负荷需求偏差值和负荷响应偏差值;
3)从样本集中选取n个样本作为质心;
4)分别计算各样本与质心的欧式距离,并基于距离的大小形成n个簇;
5)计算簇内每个样本与质心的距离,选择距离最小的点作为新的质心;
6)重复步骤5),直至簇内质心不再偏移,簇内的质心对应的样本即为典型场景。
实施例三:
本实施例在实施例一的基础上进一步设计在于:本例中的n个典型场景对应净负荷偏差的矩估计值的具体计算方法包括:
分别求取n个典型场景对应净负荷偏差的矩估计量,再对矩估计量进行叠加得到n个典型场景对应净负荷偏差的矩估计值。
由于n个典型场景中任意一类运行数据偏差值均服从正态分布Y~N(μ,σ2),则分别求算出分布式电源偏差值、负荷需求偏差值及负荷响应偏差值的分布参数的矩估计量,再将分布式电源偏差值、负荷需求偏差值及负荷响应偏差值的分布参数的矩估计量叠加,进而得到净负荷偏差的矩估计值。下面以分布式电源出力偏差值为例,对分布式电源偏差值的分布参数的矩估计量进行介绍如下:
设Y1,Y2,Y3,…,Yn为Y的独立样本,Y1为典型场景1的分布式电源出力偏差值,Y2为典型场景2的分布式电源出力偏差值,Y3为典型场景3的分布式电源出力偏差值,...,Yn为典型场景n的分布式电源出力偏差值。按下式计算计算样本1阶矩E(Y)和样本2阶矩E(Y2):
再按下式求解分布参数μ和σ2的点估计量和/>
和/>即为n个典型场景中分布式电源出力偏差值的分布参数的矩估计量。
实施例四:
本实施例在实施例一的基础上进一步设计在于:本例中根据n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率的具体方法包括:
1)根据n个典型场景对应净负荷偏差的矩估计值,形成相关于典型场景的净负荷偏差x的概率分布函数F(x),如图2所示,该概率分布函数的纵轴区间[0,1]均匀划分为m个子区间,分别对应m个抽样场景,并对各子区间依次编号,编号1,2,...,k,...,m;
2)分别对每个子区间生成对应的满足(0,1)均匀分布的随机数,再获取每个子区间的抽样值,对于任意子区间k,其生成的随机数记为Rk,得到的该子区间k的抽样值为(Rk+k-1)/m;
3)分别将各子区间的抽样值代入概率分布函数F(x)的反函数F-1(x),计算各子区间对应的净负荷偏差以及出现概率,对于任意子区间k,其对应的净负荷偏差xk=F-1((Rk+k-1)/m),式中k=1,2…m。
4)根据各子区间对应的净负荷偏差以及运行数据的标准值,得到各子区间的净负荷,即m个抽样场景的净负荷,并将各子区间对应的概率作为m个抽样场景的出现概率
各供电安全层级的停电时间采用如下公式计算:
式中,ENSj为第j供电安全层级的停电时间;Pi为第i抽样场景的出现概率;Sj为第j供电安全层级对应抽样场景的集合;j为供电安全分级的序号,j取1,2,3,4;Lej为第j供电安全层级负荷组的设备集合;Lj t为第j供电安全层级下第t个设备对应的停运组负荷值,Uj t为第j供电安全层级下第t个设备故障导致的停电时间。
实施例五:
本实施例在实施例四的基础上进一步设计在于:本例中根据各供电安全层级的停电时间,获取配电系统的缺供电量指标采用如下公式计算得到:
式中,ENS为配电系统的缺供电量指标。
实施例六:
本发明的一种考虑供电安全层级的配电系统可靠性概率评估系统,配电系统中设有分布式电源,包括典型场景生成模块、抽样场景生成模块和缺供电量指标计算模块,其中,
典型场景生成模块,用于获取配电系统的相关于分布式电源出力、负荷需求和负荷响应的历史运行数据,并对历史运行数据进行聚类,形成n个典型场景;
抽样场景生成模块,用于计算n个典型场景对应净负荷偏差的矩估计值,并根据n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率;
缺供电量指标计算模块,用于根据各抽样场景的净负荷,对抽样场景进行相关于供电安全的层级划分,并结合各抽样场景的出现概率,获取各供电安全层级的停电时间;根据各供电安全层级的停电时间,获取配电系统的缺供电量指标,作为可靠性评估结果。
实施例七:
一种电子设备,电子设备包括存储器和处理器,该存储器存储有计算机程序,处理器用于调用并运行存储器中存储的计算机程序执行如上述任一实施例的方法。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上的上述任一实施例方法的步骤。
应用实施例:
本例采用本发明的评估方法对某配电系统进行可靠性概率评估,该配电系统结构图如图3所示,该配电系统包括高压、中压、低压全电压等级,其中低压配电网由于设备自动化程度较低,故障后停电时间较长,为简单考虑并未包含在图中。算例内含23个负荷LP1-23,配置5组分布式电源DG1-5。表1为馈线段的故障信息。
表1馈线段故障信息
设备 | 故障率 | 故障修复时间 | 故障定位隔离时间 |
馈线 | 0.032次/km·年 | 5h | 1h |
以下表2为本例的可靠性概率评估结果。
根据由分布式电源出力、负荷需求和负荷响应组成的源荷历史数据可以得到抽样场景的净负荷以及出现概率,例如,当抽样场景为夏季某一时刻典型场景,得到该场景下的净负荷,计算相应的各个供电安全层级的可靠性指标,相加后得到配电系统的ENS的值为1025kW·h/年。
表2可靠性评估结果
供电安全层级 | A级 | B级 | C级 | D级 | 全层级 |
ENS(kWh/年) | 608 | 272 | 145 | 0 | 1025 |
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改,并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此,本发明不限于上述实施例,本领域技术人员根据本发明的揭示,对于本发明做出的改进和修改都应该在本发明的保护范围之内。
Claims (10)
1.一种考虑供电安全层级的配电系统可靠性概率评估方法,所述配电系统中设有分布式电源,其特征在于:包括:
获取配电系统的相关于分布式电源出力、负荷需求和负荷响应的历史运行数据,并对所述历史运行数据进行聚类,形成n个典型场景;
计算所述n个典型场景对应净负荷偏差的矩估计值,并根据所述n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率;
根据各抽样场景的净负荷,对抽样场景进行相关于供电安全的层级划分,并结合各抽样场景的出现概率,获取各供电安全层级的停电时间;
根据所述各供电安全层级的停电时间,获取配电系统的缺供电量指标,作为可靠性评估结果。
2.根据权利要求1所述的考虑供电安全层级的配电系统可靠性概率评估方法,其特征在于:所述聚类采用K-Mediods聚类方法进行。
3.根据权利要求2所述的考虑供电安全层级的配电系统可靠性概率评估方法,其特征在于:所述对所述历史运行数据进行聚类,形成n个典型场景并获得各典型场景的出现概率的具体步骤包括:
1)对历史运行数据进行预处理;
2)基于预处理后的历史运行数据以及运行数据的标准值形成相关于运行数据偏差值的样本集,样本集中的样本包括同一时刻的分布式电源出力偏差值、负荷需求偏差值和负荷响应偏差值;
3)从样本集中选取n个样本作为质心;
4)分别计算各样本与质心的距离,并基于距离的大小形成n个簇;
5)计算簇内每个样本与质心的距离,选择距离最小的点作为新的质心;
6)重复步骤5),直至簇内质心不再偏移,簇内的质心对应的样本即为典型场景。
4.根据权利要求1所述的考虑供电安全层级的配电系统可靠性概率评估方法,其特征在于:所述计算所述n个典型场景对应净负荷偏差的矩估计值的具体方法包括:
分别求取n个典型场景对应净负荷偏差的矩估计量,再对所述矩估计量进行叠加得到n个典型场景对应净负荷偏差的矩估计值。
5.根据权利要求1所述的考虑供电安全层级的配电系统可靠性概率评估方法,其特征在于:所述根据所述n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率的具体方法包括:
1)根据所述n个典型场景对应净负荷偏差的矩估计值,形成相关于典型场景的净负荷偏差x的概率分布函数F(x),该概率分布函数的纵轴区间[0,1]均匀划分为m个子区间,分别对应m个抽样场景,并对各子区间依次编号,编号1,2,...,k,...,m;
2)分别对每个子区间生成对应的满足(0,1)均匀分布的随机数,再获取每个子区间的抽样值,对于任意子区间k,其生成的随机数记为Rk,得到的该子区间k的抽样值为(Rk+k-1)/m;
3)分别将各子区间的抽样值代入概率分布函数F(x)的反函数F-1(x),计算各子区间对应的净负荷偏差以及出现概率,对于任意子区间k,其对应的净负荷偏差xk=F-1((Rk+k-1)/m),式中k=1,2…m;
4)根据各子区间对应的净负荷偏差以及运行数据的标准值,得到各子区间的净负荷,即m个抽样场景的净负荷,并将各子区间对应的概率作为m个抽样场景的出现概率。
6.根据权利要求1所述的考虑供电安全层级的配电系统可靠性概率评估方法,其特征在于:所述各供电安全层级的停电时间采用如下公式计算:
式中,ENSj为第j供电安全层级的停电时间;Pi为第i抽样场景的出现概率;Sj为第j供电安全层级对应抽样场景的集合;j为供电安全分级的序号,j取1,2,3,4;Lej为第j供电安全层级负荷组的设备集合;Lj t为第j供电安全层级下第t个设备对应的停运组负荷值,Uj t为第j供电安全层级下第t个设备故障导致的停电时间。
7.根据权利要求6所述的考虑供电安全层级的配电系统可靠性概率评估方法,其特征在于:所述根据所述各供电安全层级的停电时间,获取配电系统的缺供电量指标采用如下公式计算得到:
式中,ENS为配电系统的缺供电量指标。
8.一种考虑供电安全层级的配电系统可靠性概率评估系统,所述配电系统中设有分布式电源,其特征在于:包括典型场景生成模块、抽样场景生成模块和缺供电量指标计算模块,其中,
所述典型场景生成模块,用于获取配电系统的相关于分布式电源出力、负荷需求和负荷响应的历史运行数据,并对所述历史运行数据进行聚类,形成n个典型场景;
所述抽样场景生成模块,用于计算所述n个典型场景对应净负荷偏差的矩估计值,并根据所述n个典型场景对应净负荷偏差的矩估计值,结合拉丁超立方抽样方法,形成m个抽样场景并获得各抽样场景的净负荷以及出现概率;
所述缺供电量指标计算模块,用于根据各抽样场景的净负荷,对抽样场景进行相关于供电安全的层级划分,并结合各抽样场景的出现概率,获取各供电安全层级的停电时间;根据所述各供电安全层级的停电时间,获取配电系统的缺供电量指标,作为可靠性评估结果。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,该存储器存储有计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311461284.XA CN117526441A (zh) | 2023-11-03 | 2023-11-03 | 考虑供电安全层级的配电系统可靠性概率评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311461284.XA CN117526441A (zh) | 2023-11-03 | 2023-11-03 | 考虑供电安全层级的配电系统可靠性概率评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117526441A true CN117526441A (zh) | 2024-02-06 |
Family
ID=89765504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311461284.XA Pending CN117526441A (zh) | 2023-11-03 | 2023-11-03 | 考虑供电安全层级的配电系统可靠性概率评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117526441A (zh) |
-
2023
- 2023-11-03 CN CN202311461284.XA patent/CN117526441A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mosadeghy et al. | A time-dependent approach to evaluate capacity value of wind and solar PV generation | |
Li et al. | The comprehensive evaluation of smart distribution grid based on cloud model | |
CN111369168B (zh) | 一种适应电网多种调控运行场景的关联特征选择方法 | |
CN110635506B (zh) | 一种用于新能源消纳分析的电网优化分区方法 | |
CN110264032B (zh) | 一种直流配网规划方案评价结果的获取方法 | |
WO2023201552A1 (en) | County-wide photovoltaic prediction method based on cluster division and data enhancement | |
CN103825272A (zh) | 一种基于解析法的含分散风电的配电网可靠性确定方法 | |
CN111049193B (zh) | 一种风电系统多调度场景的备用需求动态评估方法 | |
CN115730749B (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
CN115173408B (zh) | 一种基于皮尔逊相关系数的分布式光伏电站聚合预测方法 | |
Tahir et al. | Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days | |
CN110909994A (zh) | 基于大数据驱动的小水电群发电量预测方法 | |
CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
CN117526441A (zh) | 考虑供电安全层级的配电系统可靠性概率评估方法及系统 | |
CN116345565A (zh) | 一种新能源与储能容量联合优化方法、系统、设备和介质 | |
Wang et al. | Optimal recovery strategy of DERs integrated distribution network based on scheduling rationality | |
CN112113316B (zh) | 一种空调负荷提取的方法 | |
Cheng et al. | A planning scenario clustering method based on monte-carlo simulation | |
CN113708380A (zh) | 风-光-储混合系统区域无功储备多目标优化方法 | |
CN114764672A (zh) | 联合学习框架下的融合多因素的电网设备风险评估方法 | |
Shi et al. | Extraction of typical scenarios of power grid operation based on improved K-means clustering algorithm | |
Zhang et al. | A situation awareness and early warning method for voltage instability risk | |
CN112103987B (zh) | 一种风电接入电网的无功电压两级分区及控制方法 | |
CN111181200B (zh) | 一种发电可行域实用分析方法、装置及系统 | |
CN116505528A (zh) | 一种基于拓扑分析的分布式电源多维聚合建模方法、存储介质及装置 |
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 |