一种基于高压客户用电外风险评估的负荷调控方法技术

本发明专利技术公开了属于负荷控制技术领域的一种基于高压客户用电外风险评估的负荷调控方法。该方法包括步骤A、获取高压客户用电外风险指标数据集，以及指标体系主观、客观、独立性权重，并基于独立性权重分布构建指标分类集；步骤B、建立基于独立性权重准则的自学习综合权重模型的约束条件与目标函数；步骤C、确定风险评估矩阵，建立结合自学习综合权重模型与云模型的评估定级体系；步骤D、制定基于高压客户用电外风险评估的负荷调控策略。本发明专利技术提升了评价的灵活性与可信度，保证了高压客户受控过程的用电安全和配电网源侧的平衡。的用电安全和配电网源侧的平衡。的用电安全和配电网源侧的平衡。

【技术实现步骤摘要】
一种基于高压客户用电外风险评估的负荷调控方法


[0001]本专利技术涉及负荷控制
，尤其涉及一种基于高压客户用电外风险评估的负荷调控方法。

技术介绍

[0002]伴随传统电力系统向新型电力系统转型升级，电源结构和负荷形态发生重大变化，“源荷”双侧随机性、波动性显著提高。各地风电、光伏等新能源发电比例显著提高，其出力与天气变化耦合紧密，存在较大波动性。传统“源随荷动”运行的不确定性风险增加，更易出现电压、功率越限等问题，导致电网调度运行难度增加。通过灵活调配控制高压客户等负荷资源，维持源荷平衡，可有效地降低风险。
[0003]目前，大量的研究虽然都采用组合权重法将主观赋权与客观赋权结合，以减弱评价者的主观意愿。例如二者在使用时，采用熵值法进行客观赋权，其仅仅是通过熵判断某个指标的离散程度来确定指标的权重大小，并未考虑指标间的相互联系，从而很可能导致误判的结果。因此，有学者逐渐地将独立性权法引入组合权重法中，借助独立性权法反映各指标信息重复度，进一步削弱各指标信息冗余度，使组合权重结果更加合理。
[0004]然而，在对高压客户进行控制时，应该考虑其所接入电网的实际情况，评估电网对高压客户影响，发现潜在风险隐患，以便使高压客户安全可靠参与新型电力系统负荷精准调控。因此，需要一种基于高压客户用电外风险评估的负荷调控方法以合理、有效地基于风险评估结果，制定负荷调控决策。

技术实现思路

[0005]本专利技术的目的是提出一种基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述方法包括以下步骤：
[0006]步骤A、获取高压客户用电外风险指标数据集，以及指标体系主观、客观、独立性权重，并基于独立性权重分布构建指标分类集；
[0007]步骤B、建立基于独立性权重准则的自学习综合权重模型的约束条件与目标函数；
[0008]步骤C、确定风险评估矩阵，建立结合自学习综合权重模型与云模型的评估定级体系；
[0009]步骤D、制定基于高压客户用电外风险评估的负荷调控策略。
[0010]所述步骤A具体包括以下子步骤：
[0011]步骤A1、采用计及多状态元件模型系统状态快速排序方法获取配电网m个不同的预设场景及其发生的概率值；通过潮流运算，获取m个不同预设场景下n个指标组合的电气数据集X
n|m
＝{X1,X2,
…
,X
n
}；
[0012]步骤A2、采用层次分析法、区间估计寻优法，基于专家经验构建判别矩阵B
n
，结合电气数据集X
n|m
＝{X1,X2,
…
,X
n
}获取各指标的主观权重值与各指标主观权重的估计区
间并组合得到高压客户用电外风险指标体系主观权重矩阵
[0013]步骤A3、采用熵值法，基于电气数据集X
n|m
＝{X1,X2,
…
,X
n
}获取各指标的客观权重值并组合得到高压客户用电外风险指标体系客观权重矩阵
[0014]步骤A4、采用独立性法，基于电气数据集X
n|m
＝{X1,X2,
…
,X
n
}获取各指标的独立性权重值组合得到高压客户用电外风险指标体系独立性客观权重矩阵
[0015]步骤A5、将W
du
中的每个被选中的指标权重值与剩余其他未被选中的指标权重值进行大小比较，并基于独立性客观权重进行指标分类，获取n个指标的类别标签集H＝{h1,h2,
…
,h
n
}。
[0016]所述步骤A2中获取各指标主观权重的估计区间的公式如下：
[0017][0018]式中：为第i个指标的主观权重值，B
n
为层次分析法的判别矩阵，为n个指标体系的主观权重矩阵；
[0019]获取各指标的主观权重值的公式如下：
[0020][0021]其中，E为极大熵准则对应的极大熵值。
[0022]所述步骤A3中获取各指标的客观权重值的公式如下：
[0023][0024]式中：m为预设场景总数，P
ij
为第j个指标下第i个预设场景的比重，E
j
为第j个指标的熵值，为第j个指标客观权重值，且设定当P
ij
＝0时，P
ij lnP
ij
＝0。
[0025]所述步骤A4中获取各指标的独立性权重值的公式如下：
[0026][0027]式中：R
j
为第j个指标的复相关系数，为X
m|n
的平均值，为X
m|n
消除剩余的矩阵，为第j个指标的独立性客观权重。
[0028]所述步骤A5中获取n个指标的类别标签集H＝{h1,h2,
…
,h
n
}的公式如下：
[0029][0030][0031]式中：add为第i个指标x
i
权重值大于第k个预设场景指标集X
n|k
中剩余指标权重值的次数，jian为第i个指标x
i
权重值小于第k个预设场景指标集X
n|k
中剩余指标权重值的次数，buq为第i个指标x
i
权重值等于第k个预设场景指标集X
n|k
中剩余指标权重值的次数；{1,2,3}分别对应增加型、减小型和不确定型类别标签。
[0032]所述步骤B中的约束条件包括：
[0033]主观区间约束：
[0034][0035]指标标签类型约束：
[0036][0037]式中：分别为指标j权重区间上下限值；
[0038]所述步骤B中的目标函数为：
[0039][0040]式中：为第j个指标的自学习组合权重，β
j1
为第j个指标的主观权重的组合系数，β
j2
为第j个指标的客观权重的组合系数，为各指标之间的独立性权重相对单位斜率。
[0041]所述步骤C具体包括以下步骤：
[0042]步骤C1、将非负归一化后的指标数据集依次带入式(10)，计算各指标属于不同风险等级的隶属度矩阵R，
[0043][0044]步骤C2、将各指标的隶属度矩阵R进行整合，构建风险评估矩阵R
∑
：
[0045][0046]式中：n为总预设场景数，r
ij
为第i个指标属于风险等级j的隶属度值；
[0047]步骤C3、将基于独立性客观权重准则的自学习组合权重定义为指标层权重向量W
R
，结合云模型确定的风险评估矩阵R
∑
计算获取由m个预设场景各自的风险评估结果构成的准则层风险评估矩阵G
∑
，且将其作为准则层风险评估矩阵；
[0048]步骤C4、将不同预设场景概率集p(C
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述方法包括以下步骤：步骤A、获取高压客户用电外风险指标数据集，以及指标体系主观、客观、独立性权重，并基于独立性权重分布构建指标分类集；步骤B、建立基于独立性权重准则的自学习综合权重模型的约束条件与目标函数；步骤C、确定风险评估矩阵，建立结合自学习综合权重模型与云模型的评估定级体系；步骤D、制定基于高压客户用电外风险评估的负荷调控策略。2.根据权利要求1所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤A具体包括以下子步骤：步骤A1、采用计及多状态元件模型系统状态快速排序方法获取配电网m个不同的预设场景及其发生的概率值；通过潮流运算，获取m个不同预设场景下n个指标组合的电气数据集X
n|m
＝{X1,X2,
…
,X
n
}；步骤A2、采用层次分析法、区间估计寻优法，基于专家经验构建判别矩阵B
n
，结合电气数据集X
n|m
＝{X1,X2,
…
,X
n
}获取各指标的主观权重值与各指标主观权重的估计区间并组合得到高压客户用电外风险指标体系主观权重矩阵步骤A3、采用熵值法，基于电气数据集X
n|m
＝{X1,X2,
…
,X
n
}获取各指标的客观权重值并组合得到高压客户用电外风险指标体系客观权重矩阵步骤A4、采用独立性法，基于电气数据集X
n|m
＝{X1,X2,
…
,X
n
}获取各指标的独立性权重值组合得到高压客户用电外风险指标体系独立性客观权重矩阵步骤A5、将W
du
中的每个被选中的指标权重值与剩余其他未被选中的指标权重值进行大小比较，并基于独立性客观权重进行指标分类，获取n个指标的类别标签集H＝{h1,h2,
…
,h
n
}。3.根据权利要求2所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤A2中获取各指标主观权重的估计区间的公式如下：式中：为第i个指标的主观权重值，B
n
为层次分析法的判别矩阵，W
An
为n个指标体系的主观权重矩阵；获取各指标的主观权重值的公式如下：
其中，E为极大熵准则对应的极大熵值。4.根据权利要求2所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤A3中获取各指标的客观权重值的公式如下：式中：m为预设场景总数，P
ij
为第j个指标下第i个预设场景的比重，E
j
为第j个指标的熵值，为第j个指标客观权重值，且设定当P
ij
＝0时，P
ij lnP
ij
＝0。5.根据权利要求2所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤A4中获取各指标的独立性权重值的公式如下：式中：R
j
为第j个指标的复相关系数，为X
m|n
的平均值，为X
m|n
消除剩余的矩阵，为第j个指标的独立性客观权重。6.根据权利要求2所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤A5中获取n个指标的类别标签集H＝{h1,h2,
…
,h
n
}的公式如下：
式中：add为第i个指标x
i
权重值大于第k个预设场景指标集X
n|k
中剩余指标权重值的次数，jian为第i个指标x
i
权重值小于第k个预设场景指标集X
n|k
中剩余指标权重值的次数，buq为第i个指标x
i
权重值等于第k个预设场景指标集X
n|k
中剩余指标权重值的次数；{1,2,3}分别对应增加型、减小型和不确定型类别标签。7.根据权利要求1所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤B中的约束条件包括：主观区间约束：指标标签类型约束：式中：分别为指标j权重区间上下限值；所述步骤B中的目标函数为：式中：为第j个指标的自学习组合权重，为第j个指标的主观权重的组合系数，为第j个指标的客观权重的组合系数，为各指标之间的独立性权重相对单位斜率。8.根据权利要求1所述基于高压客户用电外风险评估的负荷调控方法，其特征在于，所述步骤C具体包括以下步骤：步骤C1、将非负归一化后的指标数据集依次带入式(10)，计算各指标属于不同风险等级的隶属度矩阵R，步骤C2、将各指标的隶属度矩阵R进行整合，构建风险评估矩阵R
∑
：式中：n为总预设场...

【专利技术属性】
技术研发人员：徐永海，陈宗汉，陶顺，龙禹，马琎颉，潘明明，庄重，孙志，袁金斗，杨恒，
申请(专利权)人：中国电力科学研究院有限公司国网江苏省电力有限公司营销服务中心国网江苏省电力有限公司国家电网有限公司，
类型：发明
国别省市：