一种电网运行监测与源网荷储的资源最优配置控制方法技术

本发明专利技术提出了一种电网运行监测与源网荷储的资源最优配置控制方法，用以解决电力资源运输损耗严重、电网调控人员的工作效率和系统运行效率低的技术问题。本发明专利技术包括采集电力设备上的停电时长和发生故障的次数，得到电网运行状态第一稳定指标；采集电力系统上的频率变化和电压的变化，得到电网运行状态第二稳定指标；基于电网运行状态第一稳定指标和第二稳定指标，计算电网整体的运行状态；将电网的整体运行状态通过神经网络进行预测，将预测电网未来的用电负荷，将用电负荷和储能资源通过蚁群算法智能分析，达到对储能资源的最优分配。本发明专利技术方案可实现基于蚁群算法达到对储能资源的最优分配、提高了电网调控人员的工作效率和系统运行效率。系统运行效率。系统运行效率。

【技术实现步骤摘要】
一种电网运行监测与源网荷储的资源最优配置控制方法


[0001]本专利技术涉及智能电网的
，尤其涉及一种电网运行监测与源网荷储的资源最优配置控制方法。

技术介绍

[0002]随着我国社会经济的快速发展，对电能的需求越来越大，自2010年以来，我国电网规模增长近一倍，2020年，全国用电量超过7.5万亿千瓦时，最高用电负荷超过9亿千瓦，装机容量22亿千瓦，
‑‑
出自中国能源大数据报告(2021.06.24)。
[0003]目前随着电网规模日益扩大，智能电网迅速发展，智能电网的规模以及复杂程度随之上升，为了能精确的描述智能电网的运行状态，需要对该智能电网的状态进行估计，现有技术中：授权公告日为2022.03.25、授权公告号为CN107994570B的中国专利技术专利公开了一种基于神经网络的状态估计方法及系统，包括：当接收到对目标电网的状态估计请求时，获取所述目标电网的量测数据；将所述量测数据依据区域进行划分，得到多个区域量测数据；针对每一个区域量测数据，将所述量测数据分配给预设的神经网络进行前推计算；当检测到对所述多个区域量测数据进行前推计算的完成指令时，输出与所述目标电网关联的状态向量。
[0004]上述专利技术专利中，虽然也可对目标电网的状态进行监测分析，但仅仅是对当前的电网状态进行分析，还需要根据当前的电网状态预测未来的电网状态，基于当前电网的状态预测判断电网的用电负荷，将用电负荷与分布式的电力储能资源点相结合，同时需要减少电力资源运输损耗，找出优先供应电力资源的区域，实现智能预测、最优分配，提高电网调控人员的工作效率和系统运行效率，减少了维护电网的成本，为实现电网智能化运行和管理的科学化提供思路。

技术实现思路

[0005]针对电力资源运输损耗严重、电网调控人员的工作效率和系统运行效率低、电网维护成本高的技术问题，本专利技术提出一种电网运行监测与源网荷储的资源最优配置控制方法，达到了提高电网调控人员的工作效率和系统运行效率、电力资源运输损耗降低、电网维护成本降低的目的。
[0006]为了达到上述目的，本专利技术的技术方案是这样实现的一种电网运行监测与源网荷储的资源最优配置控制方法，该方法包括：
[0007]步骤一：用预设的采样频率，在某个区域内，采集一段时间内电力设备停电的时长以及电力设备发生故障的次数，得到电力设备停电时长序列和电力设备发生故障的次数序列；根据电力设备停电时长和电力设备发生故障的次数，确定电网运行状态的第一稳定指标；
[0008]步骤二：用预设的采样频率，在某个区域内，采集一段时间内电力系统的频率变化以及电力系统的电压变化，得到电力系统的频率序列和电力系统的电压序列；根据电力系
统的频率变化和电力系统的电压变化，确定电网运行状态的第二稳定指标；
[0009]步骤三：基于电网运行状态的第一稳定指标和电网运行状态的第二稳定指标，评价电网整体运行状态，再将电网整体运行状态通过预测神经网络进行预测，得到预测结果；
[0010]步骤四：基于预测结果得知不同区域内未来电网整体运行状态不同，未来的用电负荷也就不同，未来的用电负荷与分布式的电力储能资源点相结合，通过蚁群算法将电力资源进行最优分配，得到最优先供应的区域以及最小的运输损耗。
[0011]进一步地，所述电网运行状态的第一稳定指标是通过区域内电力设备停电时长信息的方差以及电力设备发生故障次数的均值归一化后相乘确定的。
[0012]进一步地，所述电网运行状态的第二稳定指标是通过区域内电力系统的频率方差以及电力系统的电压均值归一化后相乘确定的。
[0013]进一步地，所述电网整体运行状态评价方法为：
[0014][0015]其中：F为电网运行状态的第一稳定指标；U为电网运行状态的第二稳定指标；K为电网整体运行状态。
[0016]进一步地，所述电网整体运行状态采用神经网络进行预测：将所述各历史设定时间段内的电网整体运行状态的数据序列都输入到训练好的LSTM预测网络中输出预测的结果。两者结合预测神经网络既可以监测电网的运行状态又可判断是否存在用电负荷的情况，使得分析更加立体，预测更加精准，有效提高电网调控人员的工作效率和系统运行效率、同时节省电网的维护成本。
[0017]进一步地，所述LSTM预测网络模型的训练过程为：
[0018]构建LSTM预测网络；
[0019]获取连续的各历史设定时间段内的电网整体运行状态数据指标，作为训练集，将训练集输入到LSTM预测网络，对所述LSTM预测网络进行训练，训练后得到LSTM神经网络模型；
[0020]训练时引入改进的损失函数，通过改进的损失函数计算输出数据与输入的训练集的实际数据的误差，对LSTM预测网络进行训练；所述改进的损失函数为：计算历史各时间段对应的电网整体运行状态的数据置信度，并将所述置信度加权到各时间段电网整体运行状态的数据对应的均方差损失函数。
[0021]进一步地，所述其中LSTM预测网络的损失函数为：使用置信度C
i
作为质量分数，并归一化到相加为一的样本权重c＝{C1,C2,C3,....C
j
}，且：
[0022]Loss＝∑(Loss
j
*C
j
)
[0023]其中：C为归一化后的质量系数，作为损失权重，loss为每个样本的损失，得到的序列为电网整体运行状态数据。
[0024]进一步地，所述蚁群算法将资源存储点作为蚂蚁，N个资源存储点就有N个蚂蚁，将供应电力的区域作为目标路径点，通过寻找信息素得到电力损耗最小的最优路径，根据预测结果得到未来用电负荷，将不同区域用电负荷的大小作为权重。再与分布式的电力储能资源点相结合，通过蚁群算法找到最优先供应的点以及最小的运输磨损，得到资源最优的配置方法，降低电力资源运输损耗，节省人力物力。
[0025]本专利技术至少有如下的有益效果：使用传感器在基于特定的采样频率下采集电力设备停电的时长以及电力设备发生故障的次数，用于分析电网运行状态的第一稳定指标；采集电力系统的频率变化以及电力系统的电压变化，用于分析电网运行状态的第二稳定指标；将电网运行状态的第一稳定指标和第二稳定指标相结合，得到最终的电网整体运行状态；首先通过第一稳定指标判断是否存在用电负荷的问题，再结合第二稳定指标判断当前电网的整体状态，两者结合预测神经网络既可以监测电网的运行状态又可判断是否存在用电负荷的情况，使得分析更加立体，预测更加精准，有效提高电网调控人员的工作效率和系统运行效率、同时节省电网的维护成本；再与分布式的电力储能资源点相结合，通过蚁群算法找到最优先供应的点以及最小的运输磨损，得到资源最优的配置方法，降低电力资源运输损耗，节省人力物力。
附图说明
[0026]为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网运行监测与源网荷储的资源最优配置控制方法，其特征在于，该方法包括以下步骤：步骤一：用预设的采样频率，在某个区域内，采集一段时间内电力设备停电的时长以及电力设备发生故障的次数，得到电力设备停电时长序列和电力设备发生故障的次数序列；根据电力设备停电时长和电力设备发生故障的次数，确定电网运行状态的第一稳定指标；步骤二：用预设的采样频率，在某个区域内，采集一段时间内电力系统的频率变化以及电力系统的电压变化，得到电力系统的频率序列和电力系统的电压序列；根据电力系统的频率变化和电力系统的电压变化，确定电网运行状态的第二稳定指标；步骤三：基于电网运行状态的第一稳定指标和电网运行状态的第二稳定指标，评价电网整体运行状态，再将电网整体运行状态通过预测神经网络进行预测，得到预测结果；步骤四：基于预测的结果得知不同区域内未来电网整体运行状态不同，未来的用电负荷也就不同，未来的用电负荷与分布式的电力储能资源点相结合，通过蚁群算法将电力资源进行最优分配，得到最优先供应的区域以及最小的运输损耗。2.根据权利要求1所述的电网运行监测与源网荷储的资源最优配置控制方法，其特征在于，所述电网运行状态的第一稳定指标是通过区域内电力设备停电时长的方差以及电力设备发生故障次数的均值归一化后相乘确定的。3.根据权利要求2所述的电网运行监测与源网荷储的资源最优配置控制方法，其特征在于，所述电网运行状态的第二稳定指标是通过区域内电力系统的频率方差以及电力系统的电压均值归一化后相乘确定的。4.根据权利要求1
‑
3任意一项所述的电网运行监测与源网荷储的资源最优配置控制方法，其特征在于，所述电网整体运行状态评价方法为：其中：F为电网运行状态的第一稳定指标；U为电网运行状态的第二稳定指标；K为电网整体运行状态。5.根据权利要求4所述的电...

【专利技术属性】
技术研发人员：张澜芳，王绍帅，王雷，李向前，陈璐，刘永鑫，李丹，贾志娜，杨静，杨东东，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：