一种分布式电网电能质量预测方法及装置与流程

本发明涉及电网技术领域，特别是指一种分布式电网电能质量预测方法及装置。

背景技术：

分布式电网是指接入了分布式电源的电力网络，所谓分布式电源一般是指利用风能、太阳能、地热能等新能源进行发电的电力设施，通常，分布式电源与储能装置、能量转换装置、负荷、监控和保护装置等共同组成一种小型的发配电系统，即微电网，因此，分布式电网通常也就是指接入了微电网的电力网络。

微电网是一种能够实现自我控制、保护和管理的自治系统，既可以与外部电网并网运行，也可以孤立运行。微电网的提出旨在实现分布式电源的灵活、高效应用，解决数量庞大、形式多样的分布式电源的并网问题。微电网是相对传统大电网的一个概念，是指多个分布式电源及其相关负载按照一定的拓扑结构组成的网络，并通过静态开关关联至常规电网。

理想中的微电网具有清洁环保、结构灵活、能源多样、便于调配的特点，因此，目前各国都在研究能够大规模应用的微电网技术。

但是，由于微电网大都使用太阳能、风能等自然能源，而风力资源和太阳能资源具有明显的波动性和不稳定性，使得各子系统的输出功率出现波动，从而影响到微电网的发电质量，另一方面，微电网并入主网还会将这些不稳定因素带入主网，进而影响主网的电能质量，例如主网的电压偏差、电压波动、高次谐波等指标。

目前，针对微电网对于主网的电能质量影响已有一些研究，比如建立管理系统对微电网的并网进行集中管理，或是通过建模方法研究微电网对主网电能质量的影响程度。但是，在实际应用中，电网管理者还需要一种对电能质量进行预测的方法，以使电网管理者能够及时对电网做出合理调度。

技术实现要素：

有鉴于此，本发明的目的在于提出一种分布式电网电能质量预测方法及装置，能够依据实时监测数据对分布式电网的电能质量进行及时预测，从而为电网管理人员的管理调度工作提供必要参考。

基于上述目的，本发明提供的技术方案是：

一种分布式电网电能质量预测方法，其包括：

采集主网运行数据；

采集微电网运行数据；

采集用户用电数据，所述用电数据包含时间、地理区域以及某时间某地理区域的用电量；

采集微电网发电影响数据，所述微电网发电影响数据包含天气数据以及微电网储能设备中的现存电量；

将用电数据输入经过训练的第一神经网络，预测未来的用电需求地理分布；

将微电网运行数据和微电网发电影响数据输入经过训练的第二神经网络，预测未来的微电网运行状况；

将主网运行数据、用电需求地理分布和微电网运行状况输入经过训练的第三神经网络，得到主网电能质量预测数据；

主网运行数据、微电网运行数据和微电网运行状况均包含功率、电压、频率和谐波数据；

主网电能质量预测数据包含频率因素数据和电压因素数据。

具体地，天气数据可以包含当前时刻的风力、风向、海拔、压强、湿度和光照强度。

具体地，储能设备可以为蓄电池、超级电容、飞轮或水库。

具体地，第一神经网络、第二神经网络和第三神经网络均可采用BP神经网络。

具体地，频率因素数据通常可以包含频率偏差，电压因素数据通常可以包含电压暂降、电压偏差、电压波动、电压闪变、电压谐波和三相不平衡度。

一种分布式电网电能质量预测装置，其包括：

主网数据采集模块，用于采集主网运行数据；

微电网运行数据采集模块，用于采集微电网运行数据；

用电数据采集模块，用于采集用户用电数据，所述用电数据包含时间、地理区域以及某时间某地理区域的用电量；

微电网发电影响数据采集模块，用于采集微电网发电影响数据，所述微电网发电影响数据包含天气数据以及微电网储能设备中的现存电量；

第一神经网络，用于根据用电数据预测未来的用电需求地理分布；

第二神经网络，用于根据微电网运行数据和微电网发电影响数据预测未来的微电网运行状况；

第三神经网络，用于根据主网运行数据、用电需求地理分布和微电网运行状况得到主网电能质量预测数据；

主网运行数据、微电网运行数据和微电网运行状况均包含功率、电压、频率和谐波数据；

主网电能质量预测数据包含频率因素数据和电压因素数据。

具体地，天气数据可以包含当前时刻的风力、风向、海拔、压强、湿度和光照强度。

具体地，储能设备可以为蓄电池、超级电容、飞轮或水库。

具体地，第一神经网络、第二神经网络和第三神经网络均可采用BP神经网络。

具体地，频率因素数据通常可以包含频率偏差，电压因素数据通常可以包含电压暂降、电压偏差、电压波动、电压闪变、电压谐波和三相不平衡度。

从上面所述可以看出，本发明具有如下有益效果：

本发明通过对接入微电网的分布式电网进行实时监测，同时对天气状况和用户用电状况也进行实时监控，从而获得用于预测电网未来供需状况的必要数据，并通过神经网络预测得出分布式电网的未来电能质量状况，解决了现有技术缺乏分布式电网电能质量预测手段的问题，为电网管理人员的管理调度动作提供了必要参考，有利于分布式电网的推广应用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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他的附图。

图1为本发明实施例中方法的流程图；

图2为本发明实施例中装置的结构框图；

图3为本发明实施例中分布式电网的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

一种分布式电网电能质量预测方法，其包括：

采集主网运行数据；

采集微电网运行数据；

采集用户用电数据，所述用电数据包含时间、地理区域以及某时间某地理区域的用电量；

采集微电网发电影响数据，所述微电网发电影响数据包含天气数据以及微电网储能设备中的现存电量；

将用电数据输入经过训练的第一神经网络，预测未来的用电需求地理分布；

将微电网运行数据和微电网发电影响数据输入经过训练的第二神经网络，预测未来的微电网运行状况；

将主网运行数据、用电需求地理分布和微电网运行状况输入经过训练的第三神经网络，得到主网电能质量预测数据；

主网运行数据、微电网运行数据和微电网运行状况均包含功率、电压、频率和谐波数据；

主网电能质量预测数据包含频率因素数据和电压因素数据。

具体地，天气数据可以包含当前时刻的风力、风向、海拔、压强、湿度和光照强度。

具体地，储能设备可以为蓄电池、超级电容、飞轮或水库。

具体地，第一神经网络、第二神经网络和第三神经网络均可采用BP神经网络。

具体地，频率因素数据通常可以包含频率偏差，电压因素数据通常可以包含电压暂降、电压偏差、电压波动、电压闪变、电压谐波和三相不平衡度。

一种分布式电网电能质量预测装置，其包括：

主网数据采集模块，用于采集主网运行数据；

微电网运行数据采集模块，用于采集微电网运行数据；

用电数据采集模块，用于采集用户用电数据，所述用电数据包含时间、地理区域以及某时间某地理区域的用电量；

微电网发电影响数据采集模块，用于采集微电网发电影响数据，所述微电网发电影响数据包含天气数据以及微电网储能设备中的现存电量；

第一神经网络，用于根据用电数据预测未来的用电需求地理分布；

第二神经网络，用于根据微电网运行数据和微电网发电影响数据预测未来的微电网运行状况；

第三神经网络，用于根据主网运行数据、用电需求地理分布和微电网运行状况得到主网电能质量预测数据；

主网运行数据、微电网运行数据和微电网运行状况均包含功率、电压、频率和谐波数据；

主网电能质量预测数据包含频率因素数据和电压因素数据。

具体地，天气数据可以包含当前时刻的风力、风向、海拔、压强、湿度和光照强度。

具体地，储能设备可以为蓄电池、超级电容、飞轮或水库。

具体地，第一神经网络、第二神经网络和第三神经网络均可采用BP神经网络。

具体地，频率因素数据通常可以包含频率偏差，电压因素数据通常可以包含电压暂降、电压偏差、电压波动、电压闪变、电压谐波和三相不平衡度。

作为本发明方法的一个实施例，如图1所示，包含如下步骤：

步骤101，采集主网运行数据，包含主网的功率、电压、频率和谐波等数据；

步骤102，采集微电网运行数据，包含微电网的功率、电压、频率和谐波等数据；

步骤103，采集用户用电数据，包含时间、地理区域以及某时间某地理区域的用电量；

步骤104，采集微电网发电影响数据，包含天气数据以及微电网储能设备中的现存电量；

步骤105，将用电数据输入经过训练的第一神经网络，预测未来的用电需求地理分布；

步骤106，将微电网运行数据和微电网发电影响数据输入经过训练的第二神经网络，预测未来的微电网功率、电压、频率和谐波等运行状况数据；

步骤107，将主网运行数据、用电需求地理分布和微电网运行状况输入经过训练的第三神经网络，得到频率因素数据和电压因素数据等主网电能质量预测数据。

本发明中分布式电网的结构如图3所示，其包含主网3和主网发电设备4，还包含连入主网3的微电网5以及主网3的用电用户6。

作为本发明装置的一个实施例，如图2所示，其包含：

主网数据采集模块201，用于采集主网运行数据；

微电网运行数据采集模块202，用于采集微电网运行数据；

用电数据采集模块203，用于采集用户用电数据，所述用电数据包含时间、地理区域以及某时间某地理区域的用电量；

微电网发电影响数据采集模块204，用于采集微电网发电影响数据，所述微电网发电影响数据包含天气数据以及微电网储能设备中的现存电量；

第一神经网络205，用于根据用电数据预测未来的用电需求地理分布；

第二神经网络206，用于根据微电网运行数据和微电网发电影响数据预测未来的微电网运行状况；

第三神经网络207，用于根据主网运行数据、用电需求地理分布和微电网运行状况得到主网电能质量预测数据208。

本发明通过对接入微电网的分布式电网进行实时监测，同时对天气状况和用户用电状况也进行实时监控，从而获得用于预测电网未来供需状况的必要数据，并通过神经网络预测得出分布式电网的未来电能质量状况，解决了现有技术缺乏分布式电网电能质量预测手段的问题，为电网管理人员的管理调度动作提供了必要参考，有利于分布式电网的推广应用。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。