基于预测技术的主动配电网供电能力实时评估方法
【技术领域】
[0001] 本发明涉及电力系统调度高级技术领域，具体为一种基于预测技术的主动配电网 供电能力实时评估方法。
【背景技术】
[0002] 随着负荷增长的压力与日倶增，能源紧缺以及环境污染等问题日益严重，为了适 应能源转型，节能环保，提高能源利用效率，势必要顺应发展主动配电网的趋势。主动配电 网是具备组合控制各种分布式能源能力的配电网络，旨在解决电网兼容及分布式能源应用 与利用率的提升等问题。分布式能源的接入一方面提高了配电网的供电能力，另一方面，其 功率的随机性增加了配电网的不稳定性。尽管配电网在规划设计时采用了较高的容载比， 负荷的不确定性以及供电瓶颈的存在仍使得负荷高峰期间失负荷的现象不可避免，不得不 采取拉闸限电的缓冲方式。因此，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。
[0003] 在主动配电网的研究中，关注点多数是对分布式电源配置的优化或协调，并没有 过多地针对供电能力进行研究。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给的最大负荷，它由配电网的运行方式和负荷的增长模式所决 定。现有的供电能力评估方法一般是通过计算变电站容载比、线路平均负载率这类统计性 的技术指标来定性地评估配电网的供电能力，其评估结果能对配电网的规划或者升级提供 一定的指导，但无法对配电网的实时运行提供更多指导。并且，当前供电能力评估方法大多 数并未考虑分布式电源接入的情况。有文献在综合考虑各种运行约束的基础上提出了一种 实时评估配电网供电能力的数学模型，用于评估配电网当前的安全水平并计算发生故障时 负荷的可转移容量。有的文献在负荷预测的基础上对系统供电能力进行了实时评估，并且 指出，配电网的薄弱环节在负荷不断增长的过程中依次呈现，逐步寻找并消除供电瓶颈有 利于提高系统供电能力。还有的文献提出了一种基于变步长重复潮流法的供电能力评估模 型，并且能求取当下负荷分布的供电瓶颈。
[0004] 本文提出一种基于预测技术的主动配电网供电能力实时评估方法。在考虑分布式 电源出力动态特性的基础上采用相对增长率来构造更符合实际的负荷增长方式。通过预测 技术的引入，在重复潮流法的基础上通过分析给出未来一段时间配电网供电能力的动态变 化曲线。另外，随着负荷的增长，依次找到系统的供电瓶颈，给出亟待解决的瓶颈序列，并提 出对电网供电能力的改进方案。
【发明内容】
[0005] 本发明所要解决的技术问题是提供一种基于预测技术的主动配电网供电能力实 时评估方法，旨在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，保证电 网运行的安全性和可靠性，并针对具体的设备进行改造，提高系统的供电能力。
[0006] 为解决上述技术问题，本发明所采取的技术方案是：一种基于预测技术的主动配 电网供电能力实时评估方法，其特征在于：其步骤如下：
[0007] (1)采用基于相似日小波支持向量机的预测方法进行负荷预测；
[0008] (2)采用基于紧致型小波神经网络的预测方法对分布式电源出力进行预测；
[0009] (3)基于步骤（1)、（2)建立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数学模型；
[0010] (4)利用潮流法对步骤（3)的模型依次进行负荷的增长模式的确定、临界点的确 定、供电瓶颈序列的确定。
[0011] 进一步的技术方案在于，步骤（1)中负荷预测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。
[0012] 进一步的技术方案在于，步骤（2)中分布式电源的出力预测采用基于紧致型小波 神经网络的预测方法对其出力进行预测，其基本步骤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。
[0013] 进一步的技术方案在于，步骤（3)中的模型，其目标函数可以表示为：
[0015] 式中：P#配电网能够供应的最大有功负荷；N为负荷点数；为负荷点i处的有 功负荷；
[0016] 其约束条件为：
[0022] 式中：PSl、PDdP 1^分别为节点i处发电机、分布式电源和负荷的有功功率；QSl、QDl 和Qu分别为节点i处发电机、分布式电源和负荷的无功功率；G ^和B ^分别为支路i-j的 电导和电纳；Θ ^为节点i和节点j之间的功率角；U p U广x和U Γη分别为节点i处的电压 及其上下限；Ijp I rax分别为线路1的电流及其上限；s S Γχ分别为变压器T的功率及 其上限。
[0023] 进一步的技术方案在于，步骤（4)中负荷增长模式采用基于相对增长率的负荷增 长模式。
[0024] 进一步的技术方案在于，负荷增长模式的确定步骤如下：
[0025] 将一天划分为24个时段，则负荷点i处的相对增长率为：
[0027] 式中：巧为负荷点i处负荷的相对增长率；P umlP P umin分别为24个时段中负荷 点i处负荷的最大值和最小值；
[0028] 由此，配电网中基于相对增长率的负荷增长模式可以表示如下：
[0033] 式中：PU (m)为负荷增长m次之后负荷点i处的负荷值；PU (0)为负荷点i处负荷 的初始值；Pl/ (m)为负荷增长m次之后负荷点i处的净负荷值；PDl为负荷点i处分布式电 源的出力；Pjm)为负荷增长m次之后整个配电网的负荷值；PJ (m)为负荷增长m次之后整 个配电网的净负荷值。
[0034] 进一步的技术方案在于，步骤（4)中临界点的确定是给定初始值m = m。，依次调用 PJ (km。）（k = 1，2, 3···)进行潮流计算，直到系统第一次发生越限为止，记此时k = k。，则 系统的供电能力必然处于Pii(kQ-l)m。]和？^。!]!。）之间；给定精度ε = ε。，令a= (kQ_l) mQ，b = k。!!!。，区间[a，b]的中点设为c，调用PJ (c)进行潮流计算，若系统不越限则令a = c，否则令b = c，重复以上步骤直到满足精度要求，即b_a〈 ε。，输出(a)的值即为当前配 电网的供电能力。
[0035] 进一步的技术方案在于，步骤（4)中供电瓶颈序列的确定是待步骤（4)中临界点 确定后，记录发生越限的负荷点（即供电瓶颈）的节点号及其越限的约束条件，并放宽该约 束，即若由于节点电压不满足约束条件而越限，则放宽节点电压约束；继续增长负荷，确定 下一个供电瓶颈；以此循环，即可得到某时刻下的供电瓶颈节点号的序列。
[0036] 进一步的技术方案在于，供电瓶颈序列的确定中涉及节点电压越限、变压器功率 越限、线路功率越限3种越限形式。
[0037] 进一步的技术方案还在于，其具体实时评估方法如下：
[0038] 1)将未来的一天划分为24个时段，预测每个时段负荷点i处的负荷值Pu以及分 布式电源的出力PDl (无分布式电源时PDl=〇);
[0039] 2)针对每一个时段，给定初始值m = m。，计增长负荷以来系统累计发生越限的次 数为g，调用V (km。）（k = 1，2, 3···)进行潮流计算，直到系统第一次发生越限为止，即g = 1，记此时k = k。；
[0040] 3)给定精度ε = ε。，令a = (kQ-l)m。，b = kQm。，构造闭区间[a，b]并用半分法 求取满足精度要求的临界点，此时负荷点i处的负荷值为Pu (a);
[0041] 4)将临界点处各个负荷点的负荷值进行累加，即得系统的供电能力；
[0042] 5)若系统发生电压越限，记G(l，g) = i，并令υΓη= 0，1^_= 1001]广;若系统发 生变压器功率越限，记G(2，g) = i，并令\广=IOOSt/S若为线路功率越限，记G(3，g) =i，并令 Sumax= lOOSu·;
[0043] 6)继续增长负荷至得到5个瓶颈节点，即g = 5 ;
[0044] 7)输出供电瓶颈序列G ;
[0045] 8)将各个时段系统的供电能力及供电瓶颈的变化制成曲线与表格供调度人员参 考。
[0046] 采用上述技术方案所产生的有益效果在于：该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的措施以保 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。
【附图说明】
[0047] 下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0048] 图1是本发明供电能力实时评估流程图；
[0049] 图2是本发明小波支持向量机负荷预测模型图；
[0050] 图3是本发明紧致型小波神经网络的基本结构图；
[0051] 图4是本发明互补发电系统