邻近点集合，并根据（14)限定邻近 点的个数；
[0171] (5)、根据（6)对邻近点建立改进局域Volterra自适应滤波器模型；
[0172] (6)、由（6)的结果得到风电场的预测数据；
[0173] (7)、分析负荷原始数据，根据（16)以及（17)建立RBF神经网络模型，并得到负荷 的预测数据；
[0174] (8)、在电网风险评估时间窗中选定评估时间点，并根据风电场及负荷的短期预测 数据确定该时间点的风机出力及负荷水平；
[0175] (9)、对选定时间点的电网进行N-1风险评估，并选定评估线路；
[0176] (10)、判断选定线路故障后方法的网络连通性，是否产生孤立节点；若无孤立节 点，跳到步骤（12);若产生孤立节点，跳到步骤（11);
[0177] (11)、计算孤立节点的负荷损失；
[0178] (12)、建立网络拓扑结构参数；上述步骤（10)-(12)均属于现有技术，在此不再赘 述；
[0179] (13)、计算方法中各元件的重要度因子；其具体计算方法参见本
【发明内容】
描述；
[0180] (14)、对当前方法进行潮流计算；对于方法潮流计算也属于现有成熟技术，不再详 述；
[0181] (15)、判断是否有电压越限，低压减载装置是否动作，如果低压减载装置动作，计 算负荷损失，跳至步骤（14);
[0182] (16)、根据当前系统状态及步骤（13)的元件重要度因子，对系统状态的概率指标 和严重度指标进行计算，得到系统当前故障下的综合风险指标；其具体计算方法参见本发 明内容描述；
[0183] (17)、判断是否遍历电网中的所有线路，如果未完成遍历，跳至步骤（9);如果完 成遍历，找出该时间点上电网的N-1最大风险值；
[0184] (18)、判断是否对所有时间点的电网进行N-1风险评估，如果未完成，跳至步骤 (8)；
[0185] (19)、输出电网在评估时间窗中的N-1故障最大风险值变化趋势图表；
[0186] (2〇)、结束。
[0187] 本发明提出了一种考虑评估时间窗的电网安全性风险评估方法对含有风机接入 的电网进行动态安全评估。该方法可以有效表征不同的风机出力及负荷水平情况下的电 网风险水平，并能够给出整个评估时间窗中的电网N-1故障最大风险值变化趋势；本发明 的一种风电接入电网的风险预测评估方法，将各个时间点的风险进行综合，利用电网系统 风险走势曲线可以为系统运行人员预测和掌握系统运行状态，能够很好的预测风电场功 率，从而有效预防由于风电波动造成的电力系统事故，避免造成大面积停电。
[0188] 上面结合附图对本发明的【具体实施方式】进行了详细说明，但本发明并不限制于上 述实施方式，在不脱离本申请的权利要求的精神和范围情况下，本领域的技术人员可以作 出各种修改或改型。
【主权项】
1. 一种风电接入电网的风险预测评估方法，其特征在于，包括以下步骤： 采集风电场原始数据，得到初始风电功率时间序列； 对所述初始风电功率时间序列进行相空间重构，得到相点向量； 对所述相点向量进行K均值聚类计算； 弓丨入权重向量改进邻近点的距离与趋势的判据，建立综合判据，得到邻近点集合； 将所述邻近点集合作为VOlterra自适应滤波器的训练集合，得到风电场功率预测数 据。2. 根据权利要求1所述的一种风电接入电网的风险预测评估方法，其特征在于，所述 引入权重向量改进邻近点的距离与趋势的判据，建立综合判据，得到邻近点集合包括： 定义一种运算方式：其中A，B均为m维的向量，&1，Id1分别为向量A、B的第i维分量； 则当前预测点X(P)与相点X(i)间的距离为：式中，X(P)表示第P个预测点，X(i)表示第i个相点，α为权重向量，且对于m维的 向量α而言，α (1)彡α (2)彡…彡a (m)，考虑到坐标分量间的间隔时间为均为τ，取其中，d(p，i)越小，当前预测点Χ(ρ)与相点X(i)的距离越近； 定义多步回溯的差值向量为： E (p，q) = X (p) -X (p-q)， E(i，q) = X(i)-X(i_q)， 其中，q表示回溯步长，X(P)为X(p-q)的q步演化相点，X(i)为X(i-q)的q步演化相 占. 多步回溯的预测点与相点间的方向夹角为：对上式进行加权，可得预测点与相点的发展趋势判据为：COS Θ (p，i)是由向量间的夹角的余弦演化而来，其中，β为权重向量，且 β (0)彡β (1)彡…彡β (q)，其中cos θ (p，i)越小，表示当前预测点X(P)与相点X(i)的发展趋势越接近； 预测点X(P)与相点X(i)间的相似度为： n (p, i) = T id (p, i) + γ 2cos Θ (p, i), 其中Y i，Y 2分别为距离指标与演化趋势指标的权重值，且Y I+Y2= 1。3. 根据权利要求1或2所述的一种风电接入电网的风险预测评估方法，其特征在于，还 包括： 风电场负荷数据，根据RBF神经网络模型得到负荷预测数据； 根据所述风电场功率预测数据和负荷预测数据得到风电功率和负荷预测值； 选定多个评估时间点，根据每个所述评估时间段的风电功率和负荷预测值对电网进行 风险评估，得到多个风险评估结果； 根据所述多个风险评估结果得到电网风险预测曲线。4. 根据权利要求3所述的一种风电接入电网的风险预测评估方法，其特征在于，所述 根据每个所述评估时间段的风电功率和负荷预测值对电网进行风险评估包括： 根据电网中各元件的重要度，分别建立表征电网节点、支路重要度的节点重要度因子、 支路重要度因子； 引入所述支路重要度因子，修正电网系统的支路过载严重度函数，引入所述节点重要 度因子，修正电网系统的节点低电压严重度函数； 根据所述支路过载严重度函数、所述节点低电压严重度函数得到表征电网运行状态的 严重度指标； 引入负荷经济因子，得到表征负荷损失的失负荷严重度函数； 对所述电网运行严重度指标、失负荷严重度函数分别进行加权处理，得到表征电网事 故的综合严重度函数。5. 根据权利要求4所述的一种风电接入电网的风险预测评估方法，其特征在于，还包 括：根据所述综合严重度函数和事故发生概率得到综合风险指标，并根据所述指标对电网 系统进行风险评估。
【专利摘要】本发明公开了一种风电接入电网的风险预测评估方法，包括以下步骤：采集风电场原始数据，得到初始风电功率时间序列；对所述初始风电功率时间序列进行相空间重构，得到相点向量；对所述相点向量进行K均值聚类计算；引入权重向量改进邻近点的距离与趋势的判据，得到邻近点集合；将所述邻近点集合作为volterra自适应滤波器的训练集合，得到风电场功率预测数据。本发明的一种风电接入电网的风险预测评估方法消除了现有技术中，“忽略了相点自身的不同坐标分量的时间次序对预测点的影响不同，易引入‘伪邻近点’”的技术缺陷，有效了避开“虚伪邻近点”，选出在距离和演化趋势均与预测点相似的邻近点，提高了计算精度和计算速度。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN105354643
【申请号】CN201510824706
【发明人】王晞, 张全明, 周友富, 张玉鸿
【申请人】国网四川省电力公司经济技术研究院, 四川大学
【公开日】2016年2月24日
【申请日】2015年11月24日