一种极端高温下电力系统节点风险评估方法技术方案

本发明专利技术公开了一种极端高温下电力系统节点风险评估方法。方法包括：建立温度电力负荷线性回归模型，输出电力系统的电力负荷量；输入电力负荷预测模型中，获得负荷高斯分布曲线，利用蒙特卡洛抽样法进行多次抽样选取电力节点的预选负荷值；输入直流潮流最优模型中，输出电力节点的最终负荷量；获得电力节点的发电代价参数，获得电力节点的风险评估指标，对在极端高温下的电力节点进行风险评估。本发明专利技术方法可以有效辨识极端天气下的电力节点风险分布情况，为电力系统建立极端天气下的风险防控策略提供有效指导。控策略提供有效指导。控策略提供有效指导。

【技术实现步骤摘要】
一种极端高温下电力系统节点风险评估方法


[0001]本专利技术涉及了一种节点风险评估方法，具体涉及一种极端高温下电力系统节点风险评估方法。

技术介绍

[0002]近年来，随着极端高温天气的频发，电力系统面临着大面积停电以及长时间尖峰代价参数的影响。在极端高温下，出于空调供冷需求，电力负荷急剧飙升，从而导致电力系统供不应求和线路阻塞加剧，居民用户的正常用电会受到影响，经历被迫停电以及用电代价参数飙升的双重压力。因此，针对极端高温天气，有必要对电力系统的节点风险进行综合性的评估。

技术实现思路

[0003]为了解决
技术介绍
中存在的问题，本专利技术所提供一种极端高温下电力系统节点风险评估方法。
[0004]本专利技术采用的技术方案是：
[0005]本专利技术电力系统节点风险评估方法包括如下步骤：
[0006]1)建立电力系统在极端高温下的温度电力负荷线性回归模型，将极端高温下的温度输入温度电力负荷线性回归模型中，温度电力负荷线性回归模型输出电力系统在极端高温下的电力负荷量。
[0007]2)建立电力系统在极端高温下的电力负荷预测模型，将电力系统在极端高温下的电力负荷量输入电力负荷预测模型中，电力负荷预测模型获得电力系统的各个电力节点在极端高温下的负荷高斯分布曲线，针对每个电力节点，将电力节点的负荷高斯分布曲线进行归一化和离散化处理后划分为七个高斯分布区域，电力负荷预测模型输出每个高斯分布区域中的负荷值中值；针对电力系统中的每个电力节点，利用蒙特卡洛抽样法进行多次抽样选取其中一个高斯分布区域中的负荷值中值作为电力节点的预选负荷值。
[0008]3)在满足电力约束的情况下建立电力系统在极端高温下的直流潮流最优模型，针对电力系统中的每个电力节点，将步骤2)中每次抽样后选取的电力节点的预选负荷量输入直流潮流最优模型中，直流潮流最优模型输出电力节点的最优负荷量，直至抽样次数超过预设抽样次数并且满足直流潮流最优模型最优的情况下，获得当次抽样后直流潮流最优模型输出电力节点的最优负荷量作为电力节点的最终负荷量。满足直流潮流最优模型最优的情况即在所有抽样情况下满足获得的电力系统的发电代价和和负荷削减代价之和最小。
[0009]4)针对电力系统中的每个电力节点，根据步骤3)中获得的电力节点的最终负荷量计算获得电力节点的发电代价参数，根据电力节点的发电代价参数获得电力节点的风险评估指标，根据电力节点的风险评估指标对在极端高温下的电力节点进行风险评估，即可评估出负荷较高的若干电力节点进行预警并及时采取相应措施。代价具体为发电量相关量。
[0010]所述的步骤1)中，建立的电力系统在极端高温下的温度电力负荷线性回归模型具
体如下：
[0011]ln(Load(t))＝ln(Load
NR
(t))+α
ED
(τ(t)
‑
τ
NR
(t))
[0012]其中，Load(t)和Load
NR
(t)分别表示在极端高温的温度τ(t)下和正常夏季日的预设参考温度τ
NR
(t)下时段t电力系统的电力负荷量；α
ED
表示电力负荷线性回归模型参数。
[0013]将极端高温下的温度τ(t)输入温度电力负荷线性回归模型中，温度电力负荷线性回归模型输出电力系统在极端高温的温度τ(t)下时段t电力负荷量Load(t)。
[0014]所述的步骤2)中，建立的电力系统在极端高温下的电力负荷预测模型，具体如下：
[0015][0016]其中，表示时段t电力系统中的第i个电力节点在极端高温下的负荷高斯分布曲线的其中一个高斯分布区域中的负荷值中值；N()表示高斯分布，Load
i
(t)表示电力系统中的第i个电力节点在极端高温下的时段t的预测负荷量；η
ED
表示电力负荷预测模型的误差系数；Load(t)表示在极端高温的温度τ(t)下时段t电力系统的电力负荷量。
[0017]电力负荷预测模型为多状态模型，电力节点的负荷值为其中一个高斯分布区域中的负荷值中值的概率为相应高斯分布区域的面积。
[0018]所述的步骤3)中，在满足电力约束的情况下建立电力系统在极端高温下的直流潮流最优模型，具体如下：
[0019][0020]其中，f
l
表示第l次抽样下的电力系统的发电代价和和负荷削减代价之和；电力系统中包括若干发电机组，每个发电机组位于各自的电力节点上，n
g
和n
ED
分别表示电力系统中的发电机组的总个数和电力节点的总个数；C
G,m
表示电力系统中的第m个发电机组的发发电代价，C
D,i
表示电力系统中的第i个电力节点的负荷削减代价；表示第l次抽样下的时段t电力系统中的第m个发电机组的有功出力，表示第l次抽样下的时段t电力系统中的第i个电力节点的负荷削减量。
[0021]电力约束具体如下：
[0022]a)电力平衡约束：
[0023][0024]其中，表示第l次抽样下的时段t电力系统中的第i个电力节点的负荷量。
[0025]b)负荷削减量约束：
[0026][0027][0028]其中，表示时段t第l次抽样下在负荷高斯分布曲线中选取的第j个高斯分布区域中的负荷值中值，即第l次抽样下的时段t电力系统中的第i个电力节点的预选负荷量；r表示服从标准正态分布的随机数序列；和分别表示第j
‑
1和j+1
个高斯分布区域中的负荷值中值。
[0029]c)发电机组出力约束：
[0030][0031]其中，表示第l次抽样下的时段t电力系统中的第m个发电机组的最大有功出力。
[0032]d)线路潮流约束：
[0033][0034]其中，F
ik
表示电力系统中的第i个电力节点和第k个电力节点之间的电力线路的流量，和分别表示电力系统中的第i个电力节点和第k个电力节点之间的电力线路的最小流量和最大流量。
[0035]将步骤2)中每次抽样后选取的电力节点的预选负荷量输入直流潮流最优模型中，直流潮流最优模型输出电力节点的最优负荷量，即将第l次抽样下的时段t电力系统中的第i个电力节点的预选负荷量输入直流潮流最优模型中，直流潮流最优模型输出第l次抽样下的时段t电力系统中的第i个电力节点的负荷量
[0036]所述的步骤4)中，针对电力系统中的每个电力节点，根据步骤3)中获得的电力节点的最终负荷量计算获得电力节点的发电代价参数，具体如下：
[0037][0038]其中，ρ
i,l
(t)表示第l次抽样下的时段t电力系统中的第i个电力节点的发电代价参数；L
s
表示拉格朗日函数算子；表示第l次抽样下的时段t电力系统中的第i个电力节点的负荷量。
[0039]所述的步骤4)中，根据电力节点的发电代价参数获得电力节点的风险评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极端高温下电力系统节点风险评估方法，其特征在于：方法包括如下步骤：1)建立电力系统在极端高温下的温度电力负荷线性回归模型，将极端高温下的温度输入温度电力负荷线性回归模型中，温度电力负荷线性回归模型输出电力系统在极端高温下的电力负荷量；2)建立电力系统在极端高温下的电力负荷预测模型，将电力系统在极端高温下的电力负荷量输入电力负荷预测模型中，电力负荷预测模型获得电力系统的各个电力节点在极端高温下的负荷高斯分布曲线，针对每个电力节点，将电力节点的负荷高斯分布曲线进行归一化和离散化处理后划分为七个高斯分布区域，电力负荷预测模型输出每个高斯分布区域中的负荷值中值；针对电力系统中的每个电力节点，利用蒙特卡洛抽样法进行多次抽样选取其中一个高斯分布区域中的负荷值中值作为电力节点的预选负荷值；3)在满足电力约束的情况下建立电力系统在极端高温下的直流潮流最优模型，针对电力系统中的每个电力节点，将步骤2)中每次抽样后选取的电力节点的预选负荷量输入直流潮流最优模型中，直流潮流最优模型输出电力节点的最优负荷量，直至抽样次数超过预设抽样次数并且满足直流潮流最优模型最优的情况下，获得当次抽样后直流潮流最优模型输出电力节点的最优负荷量作为电力节点的最终负荷量；4)针对电力系统中的每个电力节点，根据步骤3)中获得的电力节点的最终负荷量计算获得电力节点的发电代价参数，根据电力节点的发电代价参数获得电力节点的风险评估指标，根据电力节点的风险评估指标对在极端高温下的电力节点进行风险评估。2.根据权利要求1所述的一种极端高温下电力系统节点风险评估方法，其特征在于：所述的步骤1)中，建立的电力系统在极端高温下的温度电力负荷线性回归模型具体如下：ln(Load(t))＝ln(Load
NR
(t))+α
ED
(τ(t)
‑
τ
NR
(t))其中，Load(t)和Load
NR
(t)分别表示在极端高温的温度τ(t)下和夏季日的预设参考温度τ
NR
(t)下时段t电力系统的电力负荷量；α
ED
表示电力负荷线性回归模型参数；将极端高温下的温度τ(t)输入温度电力负荷线性回归模型中，温度电力负荷线性回归模型输出电力系统在极端高温的温度τ(t)下时段t电力负荷量Load(t)。3.根据权利要求1所述的一种极端高温下电力系统节点风险评估方法，其特征在于：所述的步骤2)中，建立的电力系统在极端高温下的电力负荷预测模型，具体如下：其中，表示时段t电力系统中的第i个电力节点在极端高温下的负荷高斯分布曲线的其中一个高斯分布区域中的负荷值中值；N()表示高斯分布，Load
i
(t)表示电力系统中的第i个电力节点在极端高温下的时段t的预测负荷量；η
ED
表示电力负荷预测模型的误差系数；Load(t)表示在极端高温的温度τ(t)下时段t电力系统的电力负荷量。4.根据权利要求1所述的一种极端高温下电力系统节点风险评估方法，其特征在于：所述的步骤3)中，在满足电力约束的情况下建立电力系统在极端高温下的直流潮流最优模型，具体如下：其中，f...

【专利技术属性】
技术研发人员：马建勋，方智淳，林少娃，郭大琦，高函，
申请(专利权)人：国网浙江省电力有限公司国网浙江省电力有限公司杭州供电公司，
类型：发明
国别省市：