TWI783826B - 電力系統狀態的分析方法 - Google Patents
電力系統狀態的分析方法 Download PDFInfo
- Publication number
- TWI783826B TWI783826B TW110146794A TW110146794A TWI783826B TW I783826 B TWI783826 B TW I783826B TW 110146794 A TW110146794 A TW 110146794A TW 110146794 A TW110146794 A TW 110146794A TW I783826 B TWI783826 B TW I783826B
- Authority
- TW
- Taiwan
- Prior art keywords
- state
- power
- power element
- matrix
- transitions
- Prior art date
Links
Images
Abstract
一種電力系統狀態的分析方法藉由電力系統之一電力元件於各狀態之間的切換次數建立一狀態轉換次數矩陣,再透過該狀態轉換次數矩陣建立一轉換強度矩陣,最後可透過該轉換強度矩陣計算各狀態的機率密度,藉此可得到該電力元件於各狀態的不確定性,而能夠更加準確的進行電力系統之需量反應的設置。
Description
本發明是關於一種電力系統,特別是關於一種電力系統狀態的分析方法。
台灣整體用電需求隨著經濟發展持續上揚,使得所需之裝置容量持續增加,但由於目前環保意識抬頭,對於新設發電廠日益困難,因此,一些需求面管理的措施,如需量反應被提出,以透過調節用電端電力需求的方式,改善電力系統的負載型態。需量反應的主要作法是在售電價格攀升時,讓用戶主動將用電下降,以分享售電所得之利益,且加入需量反應後,可讓電力系統的可靠度大幅提升,對於供電端及用電端雙方可以說是兩全其美的作法。由於需量反應中須準確地預估負載之降低數值才能維持電力系統的可靠度並訂定合理的電量收購價格,因此,對於負載之狀態分析成為了需量反應中重要的一環。此外,電力系統中的再生能源產生之電力有著較高不確定性,在再生能源容量增加的情況下,不確定性對電力系統的可靠度也將產生影響,因此除了對於負載之狀態分析之外,對再生能源裝置進行狀態分析對於維持電力系統的可靠度也日益重要。
本發明的主要目的在於計算電力元件之各狀態的機率密度,以提高電力系統於需量反應下的可靠度。
本發明之一種電力系統狀態的分析方法包含:提供一電力系統,該電力系統具有至少一電力元件及一量測單元,該量測單元用以於複數個時間點下分別量測該電力元件的一電力數據;一運算單元接收該些電力數據,且該運算單元根據該電力元件的該些電力數據計算該電力元件切換至複數個狀態的一轉換次數;該運算單元根據該轉換次數建立一狀態轉換次數矩陣;該運算單元根據該狀態轉換次數矩陣建立該電力元件於各該狀態轉換的一轉換強度矩陣;以及該運算單元根據該轉換強度矩陣以馬可夫過程狀態空間法計算該電力元件於各狀態的一機率密度。
本發明藉由該電力元件於各狀態之間的轉換次數建立該狀態轉換次數矩陣及該轉換強度矩陣,並進而計算各狀態的該機率密度,因此可透過各狀態該機率密度更有效且精準地預測該電力系統的不確定性,提高該電力系統於需量反應下的可靠度。
請參閱第1圖,其為本發明之一實施例,一種電力系統狀態的分析方法10的流程圖,其包含「提供電力系統11」、「計算電力元件於各狀態的切換次數12」、「建立狀態轉換次數矩陣13」、「建立轉換強度矩陣14」及「計算各狀態的機率密度15」。
請參閱第1圖,於步驟11中提供一電力系統100,請參閱第2圖,為本實施例之該電力系統100的方塊圖,該電力系統100具有一電力元件110、一量測單元120及一運算單元130,該電力元件110可為一發電設備、一再生能源或一負載單元。該量測單元120電性連接該電力元件110,該量測單元120用以在複數個時間點下量測該電力元件110的一電力數據,其中,若該電力元件110為提供電力之設備,則該電力數據為該電力元件110的一輸出功率,若該電力元件110為消耗電力之設備,則該電力數據為該電力元件110的一輸入功率。較佳的,各該時間點之間的時間間隔相同,在其他實施例中,該電力系統100可具有複數個該電力元件110、複數個該量測單元120及複數個該運算單元130,該些元件的數量並非本案之所限制。
請參閱第1及2圖,於步驟12中,該運算單元130由該量測單元120接收該些電力數據,且該運算單元130根據該些電力數據計算該電力元件110切換至複數個狀態的一轉換次數,其中,該電力元件110於一設定時段(TS)內具有一預定功率值及複數個門檻值,較佳的,該預定功率值可透過預測方式或需量反應設定產生,並於不同時段內根據預測結果設定不同的預定功率值,該些門檻值是根據該預定功率值設定,該量測單元120則用以量測該設定時段內複數個時間點(TM)的電力數據。例如,若該電力元件110為一風力發電機,其於該設定時段
內的預定輸出功率值為100MW,則該些門檻值則可分別設定為90MW、80MW、70MW及60MW,藉此可在該電力元件110之輸出功率大於90MW,也就是輸出功率在預定輸出功率值90%以上時,設定該電力元件110操作於一第0狀態(正常運作狀態);當該電力元件110之輸出功率為80~90MW,也就是輸出功率在預定輸出功率值80%~90%之間時,設定該電力元件110操作於一第1狀態(第一降載狀態);當該電力元件110之輸出功率為70~80MW,也就是輸出功率在預定輸出功率值70%~80%之間時,設定該電力元件110操作於一第2狀態(第二降載狀態),當該電力元件110之輸出功率為60~70MW,也就是輸出功率在預定輸出功率值60%~70%之間時,設定該電力元件110操作於一第3狀態(第三降載狀態),當該電力元件110之輸出功率低於60MW,也就是輸出功率在預定輸出功率值60%以下時,設定該電力元件110操作於一第4狀態(故障狀態)。上述之該電力元件110的該些狀態與其輸出功率大小的關係設定可視使用者依需求設定,本說明書所述僅為範例。
於步驟12中,該運算單元130判斷該電力元件110於該設定時段(TS)內之相鄰的兩個時間點(TM)下量測之該電力數據的變化是否跨越至少一門檻值,若是則判斷該電力元件110是在兩個狀態之間切換,若否則判斷該電力元件110是在同一狀態下切換,其中該設定時段(TS)大於相鄰的兩個時間點(TM)之間的時間間隔,亦即在該設定時段內會進行多次的量測與門檻值判斷,若以電力系統需量反應而言,該設定時段(TS)可為15分鐘,相鄰的兩個時間點(TM)之間的時間間隔可設定為1分鐘或更小的時間,更小的時間可更準確地預測該電力系統100的預定功率值不確定性。請參閱第3圖,其為該電力元件110於20個時間點下量測而得之電力數據,於第2個時間點時,由於第1個時間點之輸出功率為100%,第2個時間點之輸出功率為100%,該電力數據的變化並未跨越任何門檻值,因此,該運算單元130判斷該電力元件110是由第0狀態轉換至第0狀態。於第4個時間點時,由於第3個時間點之輸出功率為98%,第4個時間點之輸出功率為89%,該電力數據的變化跨越一個門檻值,因此,該運算單元130判斷該電力元件110是由第0狀態轉換至第1狀態。藉此,可以在20個時間點量測而得之該電力數據中判斷該電力元件110由第0狀態轉換至第0狀態的次數有8次,由第0狀態轉換至第1狀態有2次,由第0狀態轉換至第4狀態有2次,由第1狀態轉換至第0狀態有2次,由第2狀態轉換至第0狀態有1次,由第4狀態轉換至第0狀態有1次,由第4狀態轉換至第2狀態有1次,由第4狀態轉換至第4狀態有3次。
請參閱第1圖,於步驟13中,該運算單元130根據該轉換次數建立一狀態轉換次數矩陣:
其中,
為該狀態轉換次數矩陣,
為該電力元件110於一第0狀態轉換至該第0狀態的該轉換次數,
為該電力元件110於該第0狀態轉換至一第1狀態的該轉換次數,
為該電力元件110於該第0狀態轉換至一第n狀態的該轉換次數,
為該電力元件110於一第1狀態轉換至該第0狀態的該轉換次數,
為該電力元件110於該第1狀態轉換至該第1狀態的該轉換次數,
為該電力元件110於該第1狀態轉換至該第n狀態的該轉換次數,
為該電力元件110於該第n狀態轉換至該第0狀態的該轉換次數,
為該電力元件110於該第n狀態轉換至該第1狀態的該轉換次數,
為該電力元件110於該第n狀態轉換至該第n狀態的該轉換次數。以前段所判斷之狀態轉換次數為例,該運算單元130建立而得之該狀態轉換次數矩陣為:
當分析多個該設定時段後,累積的量測數據越多時,狀態的分析會越準確,因此,以分析多個該設定時段具有4320個時間點量測而得之該電力數據為例,建立而得之該狀態轉換次數矩陣為:
。
請參閱第1圖,於步驟15中該運算單元130根據該轉換強度矩陣以馬可夫過程狀態空間法(Markov-process-based State-space Method)計算該電力元件110於各狀態的一機率密度。在本實施例中,根據該轉換強度矩陣以馬可夫過程狀態空間法計算該電力元件110於各狀態的該機率密度可表示為:
其中,I為單位矩陣,PRs為該電力元件110之該機率密度的矩陣,PRs[i]為該電力元件110之第i個狀態的該機率密度,Ns為該電力元件110之該些狀態的數量。
該運算單元130以上述4320個時間點之電力數據建立之該轉換強度矩陣計算該電力元件110於各狀態的該機率密度的計算式可表示為:
該機率密度可計算如下:
得到該電力元件110於該設定時段內之各狀態的該機率密度後,即可藉此分析需量反應計畫下之該電力元件110的不確定性,以準確地設定需量反應之計畫,提高該電力系統100的可靠性。
本發明藉由該電力元件110於各狀態之間的轉換次數建立該狀態轉換次數矩陣及該轉換強度矩陣,並進而計算各狀態的該機率密度,因此可透過各狀態該機率密度更有效且精準地預測該電力系統100的預定功率值不確定性,該電力系統100不確定性可整合於電力系統的需量反應,提高該需量反應下的分析精確性與可靠度。
本發明之保護範圍當視後附之申請專利範圍所界定者為準,任何熟知此項技藝者,在不脫離本發明之精神和範圍內所作之任何變化與修改,均屬於本發明之保護範圍。
100:電力系統
110:電力元件
120:量測單元
130:運算單元
10:電力系統狀態的分析方法
11:提供電力系統
12:計算電力元件於各狀態的切換次數
13:建立狀態轉換次數矩陣
14:建立轉換強度矩陣
15:計算各狀態的機率密度
第1圖:依據本發明之一實施例,一種電力系統狀態的分析方法的流程圖。
第2圖:依據本發明之一實施例,一種電力系統的方塊圖。
第3圖:依據本發明之一實施例,該電力元件於20個時間點下量測而得之電力數據。
10:電力系統狀態的分析方法
11:提供電力系統
12:計算電力元件於各狀態的切換次數
13:建立狀態轉換次數矩陣
14:建立轉換強度矩陣
15:計算各狀態的機率密度
Claims (9)
- 一種電力系統狀態的分析方法,其包含: 提供一電力系統,該電力系統具有至少一電力元件及一量測單元,該量測單元用以於複數個時間點下分別量測該電力元件的一電力數據; 一運算單元接收該些電力數據,且該運算單元根據該電力元件的該些電力數據計算該電力元件切換至複數個狀態的一轉換次數; 該運算單元根據該轉換次數建立一狀態轉換次數矩陣; 該運算單元根據該狀態轉換次數矩陣建立該電力元件於各該狀態轉換的一轉換強度矩陣;以及 該運算單元根據該轉換強度矩陣以馬可夫過程狀態空間法計算該電力元件於各狀態的一機率密度。
- 如請求項1之電力系統狀態的分析方法,其中該電力元件的各該電力數據為該電力元件於各該時間點下量測的一輸出功率或一輸入功率。
- 如請求項1之電力系統狀態的分析方法,其中該電力元件具有複數個門檻值,該運算單元判斷該電力元件於相鄰的兩個時間點下量測之該電力數據的變化是否跨越至少一門檻值,若是則判斷該電力元件是在兩個狀態之間切換,若否則判斷該電力元件是在同一狀態下切換。
- 如請求項2之電力系統狀態的分析方法,其中該電力元件具有複數個門檻值,該運算單元判斷該電力元件於相鄰的兩個時間點下量測之該電力數據的變化是否跨越至少一門檻值,若是則判斷該電力元件是在兩個狀態之間切換,若否則判斷該電力元件是在同一狀態下切換。
- 如請求項4之電力系統狀態的分析方法,其中該些時間點位於一設定時段內,該電力元件於該設定時段內具有一預定功率值,該些門檻值是根據該預定功率值設定。
- 如請求項1之電力系統狀態的分析方法,其中該狀態轉換次數矩陣可表示為: 其中, 為該狀態轉換次數矩陣, 為該電力元件於一第0狀態轉換至該第0狀態的該轉換次數, 為該電力元件於該第0狀態轉換至一第1狀態的該轉換次數, 為該電力元件於該第0狀態轉換至一第n狀態的該轉換次數, 為該電力元件於一第1狀態轉換至該第0狀態的該轉換次數, 為該電力元件於該第1狀態轉換至該第1狀態的該轉換次數, 為該電力元件於該第1狀態轉換至該第n狀態的該轉換次數, 為該電力元件於該第n狀態轉換至該第0狀態的該轉換次數, 為該電力元件於該第n狀態轉換至該第1狀態的該轉換次數, 為該電力元件於該第n狀態轉換至該第n狀態的該轉換次數。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110146794A TWI783826B (zh) | 2021-12-14 | 2021-12-14 | 電力系統狀態的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110146794A TWI783826B (zh) | 2021-12-14 | 2021-12-14 | 電力系統狀態的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI783826B true TWI783826B (zh) | 2022-11-11 |
TW202324874A TW202324874A (zh) | 2023-06-16 |
Family
ID=85794506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110146794A TWI783826B (zh) | 2021-12-14 | 2021-12-14 | 電力系統狀態的分析方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI783826B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103490413A (zh) * | 2013-09-27 | 2014-01-01 | 华南理工大学 | 一种基于智能体均衡算法的智能发电控制方法 |
CN104463371A (zh) * | 2014-12-16 | 2015-03-25 | 山东大学 | 基于风电功率变化量的Markov链建模、预测方法 |
US9460478B2 (en) * | 2012-12-17 | 2016-10-04 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for wind generation forecasting |
TW201738677A (zh) * | 2016-03-23 | 2017-11-01 | Nec Corp | 資料處理裝置、資料處理系統、資料處理方法以及程式 |
CN107666155A (zh) * | 2017-09-28 | 2018-02-06 | 河海大学 | 基于Markov模型的多能互补系统随机稳定性分析方法 |
CN107977742A (zh) * | 2017-11-28 | 2018-05-01 | 中国科学院广州能源研究所 | 一种中长期电力负荷预测模型的构建方法 |
CN110084398A (zh) * | 2019-03-15 | 2019-08-02 | 国网上海市电力公司 | 一种基于企业电力大数据的行业景气自适应检测方法 |
JP6602609B2 (ja) * | 2015-09-04 | 2019-11-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 電力使用状態推定方法 |
US10692158B2 (en) * | 2015-07-01 | 2020-06-23 | University Of Florida Research Foundation, Incorporated | Using loads with discrete finite states of power to provide ancillary services for a power grid |
-
2021
- 2021-12-14 TW TW110146794A patent/TWI783826B/zh active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9460478B2 (en) * | 2012-12-17 | 2016-10-04 | Arizona Board Of Regents On Behalf Of Arizona State University | System and method for wind generation forecasting |
CN103490413A (zh) * | 2013-09-27 | 2014-01-01 | 华南理工大学 | 一种基于智能体均衡算法的智能发电控制方法 |
CN104463371A (zh) * | 2014-12-16 | 2015-03-25 | 山东大学 | 基于风电功率变化量的Markov链建模、预测方法 |
US10692158B2 (en) * | 2015-07-01 | 2020-06-23 | University Of Florida Research Foundation, Incorporated | Using loads with discrete finite states of power to provide ancillary services for a power grid |
JP6602609B2 (ja) * | 2015-09-04 | 2019-11-06 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 電力使用状態推定方法 |
TW201738677A (zh) * | 2016-03-23 | 2017-11-01 | Nec Corp | 資料處理裝置、資料處理系統、資料處理方法以及程式 |
CN107666155A (zh) * | 2017-09-28 | 2018-02-06 | 河海大学 | 基于Markov模型的多能互补系统随机稳定性分析方法 |
CN107977742A (zh) * | 2017-11-28 | 2018-05-01 | 中国科学院广州能源研究所 | 一种中长期电力负荷预测模型的构建方法 |
CN110084398A (zh) * | 2019-03-15 | 2019-08-02 | 国网上海市电力公司 | 一种基于企业电力大数据的行业景气自适应检测方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202324874A (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8498832B2 (en) | Method and device for assessing and monitoring voltage security in a power system | |
US20150371151A1 (en) | Energy infrastructure sensor data rectification using regression models | |
CN103177186B (zh) | 一种电气回路故障概率预测方法 | |
JP6392155B2 (ja) | 配電監視制御装置 | |
CN104680241A (zh) | 再生能源发电量预测系统及方法以及供电配置系统 | |
CN106019167B (zh) | 一种基于工况模拟的智能电能表时钟电池性能测试方法 | |
CN111680841B (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
Shoukourian et al. | Using machine learning for data center cooling infrastructure efficiency prediction | |
JP2010130762A (ja) | 自然エネルギー発電装置を含む電力供給システムおよび需給調整方法 | |
Wang et al. | Wind speed frequency distribution modeling and wind energy resource assessment based on polynomial regression model | |
Bin Othman et al. | Determination of transmission reliability margin using parametric bootstrap technique | |
CN114221353B (zh) | 电网调控方法、装置、设备、存储介质和计算机程序产品 | |
CN110880055A (zh) | 楼宇智能电表系统 | |
TWI783826B (zh) | 電力系統狀態的分析方法 | |
CN103293424A (zh) | 一种数据中心能源使用效率pue的测定方法 | |
CN108876476B (zh) | 一种电器开关事件检测方法及系统 | |
Wang et al. | Synchronised ambient data‐driven electromechanical oscillation modes extraction for interconnected power systems using the output‐only observer/Kalman filter identification method | |
CN115640542A (zh) | 基于贝叶斯理论的智能电能表状态评估方法及评估装置 | |
CN111797537B (zh) | 一种含风电配电系统可靠性评估方法及装置 | |
CN114282683A (zh) | 一种光伏电站组件的预警方法及系统 | |
CN114757500A (zh) | 一种基于mcmc算法的综合能源系统可靠性评估方法 | |
Ma et al. | The variable weight combination load forecasting based on grey model and semi-parametric regression model | |
Yu et al. | Research on dynamic control of low‐voltage distribution network with high penetration of electric heat pumps based on μPMU measurements and data‐driven approach | |
CN112398165A (zh) | 一种基于极限场景分析的新能源消纳能力评估方法 | |
Kadhem et al. | Differential evolution optimization algorithm based on generation systems reliability assessment integrated with wind energy |