主动配电网供电能力实时评估方法

发布时间：2019-08-17 15:05

【摘要】：随着主动配电网的不断成熟,科学地对它的供电能力进行灵活的实时评估,找到并突破供电瓶颈,才能兼顾配电网运行的经济性、可靠性以及安全性。针对分布式电源出力的不确定性以及电网负荷周期性变化特点,提出了一种主动配电网供电能力实时评估方法。考虑了配电网中多种分布式电源接入的情况,利用预测技术得到未来时刻的负荷及分布式电源的出力,以配电网能够承担的最大负荷为目标函数,以系统的安全运行要求为约束条件,建立了数学模型。该模型不仅能够对未来一段时间内配电网的供电能力和供电裕度进行实时评估,还能够给出限制系统供电能力的供电瓶颈序列,从而使调度人员能够根据评估结果提前采取相应措施以保证电网运行的安全性和可靠性,并针对具体的瓶颈设备进行改造,提高系统的供电能力。
【图文】：

模型图,小波,模型,分布式电源

?1.1负荷预测电力负荷预测是电力系统规划以及运行的基本依据，同时也是电力生产部门的重要工作之一。负荷预测结果的准确与否，对电力系统运行的经济性和可靠性都有很大影响[15]。负荷受各种因素影响，既有规律性又有随机性。本文采用基于相似日小波支持向量机的预测方法[16]进行负荷预测，主要考虑的影响因素是负荷值与气候特征。其基本思路为：首先，采用小波变换将各相似日的负荷序列分解为低频部分和高频部分；然后，利用支持向量机对各部分进行预测，并将预测值进行叠加得到完整的负荷预测值，如图1所示。1.2分布式电源出力预测分布式电源的投入使得能源得到合理的梯级利用，但分布式电源（如风力发电、光伏发电）出力的间歇性对电网稳定运行及电力系统规划有所影响。为了保证电网的电能质量，对分布式电源的出力进行预测并提高其预测精度是必要的[17]。对于风力发电、光伏发电等间歇式分布式电源，本文采用基于紧致型小波神经网络的预测方法[18]对其出力进行预测，其基本思路为：通过利用小波函数直接取代神经网络中隐含层的激励函数来实现小波分析与神经网络的结合，得到输出信号序列，如图2所示。图2中，xi（i＝1，2，…，n）为输入信号序列；gj（j＝1，2，…，l）为小波基函数；yk（k＝1，2，…，m）为输出信号序列。输出信号序列的计算如式（1）。yk=flj=1Σwjkgli=1Σwijxi+b1jΣΣ+b2kΣΣ（1）式中：f为输出层的激励函数；wjk为隐含层第j个神经元与输出层第k个神经元之间的连接权值；wij为输入层第i个神经元与隐含层第j个神经元之间的连接权值；b1j和b2k分别为隐含层和输出层的阀值。可控型分布式电源出力可用互补调度规则

序列,调度规则,发电系统

图2所示。图2中，xi（i＝1，2，…，n）为输入信号序列；gj（j＝1，2，…，l）为小波基函数；yk（k＝1，2，…，m）为输出信号序列。输出信号序列的计算如式（1）。yk=flj=1Σwjkgli=1Σwijxi+b1jΣΣ+b2kΣΣ（1）式中：f为输出层的激励函数；wjk为隐含层第j个神经元与输出层第k个神经元之间的连接权值；wij为输入层第i个神经元与隐含层第j个神经元之间的连接权值；b1j和b2k分别为隐含层和输出层的阀值。可控型分布式电源出力可用互补调度规则进行预测，如图3所示。2供电能力实时评估的数学模型配电网的供电能力是指配电网在满足支路功率约束和节点电压约束的条件下所能供应的最大负荷，它由配电网的运行方式和负荷的增长模式所决定[19，13]。鉴于此，本文需要优化的目标函数可以表示为maxPL=Ni=1ΣPLi（2）式中：PL为配电网能够供应的最大有功负荷；N为负荷点数；PLi为负荷点i处的有功负荷。约束条件为PGi+PDi－PLi=UiNj=1ΣUj（Gijcosθij+Bijsinθij）（3）QGi+QDi－QLi=UiNj=1ΣUj（Gijsinθij－Bijcosθij）（4）Uimin≤Ui≤Uimax（5）Il≤Ilmax（6）ST≤STmax（7）式中：PGi、PDi和PLi分别为节点i处发电机、分布式电源和负荷的有功功率；QGi、QDi和QLi分别为节点i处发电机、分布式电源和负荷的无功功率；Gij和Bij分别为支路i-j的电导和电纳；θij为节点图1小波支持向量机负荷预测模型Fig.1Wavelettransformsupportvectormachineloadforecastingmodel图2紧致型小波神经网络的基本结构Fig.2Structur
【作者单位】：华北电力大学新能源电力系统国家重点实验室;清华大学电力系统国家重点实验室;
【基金】：国家863高技术基金资助项目(2015AA050104) 清华大学电力系统国家重点实验室资助项目(SKLD14KM02)~~
【分类号】：TM72

【相似文献】