(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201810698644.0
(22)申请日 2018.06.29
(71)申请人 清华大学
地址 100084 北京市海淀区100084-82信箱
(72)发明人 雍培 张宁 王毅 康重庆 夏清
(74)专利代理机构 北京众合诚成知识产权代理
有限公司 11246
代理人 张文宝
(51)Int.Cl.
G06Q 10/06(2012.01)
G06Q 50/06(2012.01)
(54)发明名称
基于多参数线性规划的电力系统风险评估
加速方法
(57)摘要
本发明公开了一种基于多参数线性规划电
力系统风险评估加速方法，该方法建立电力系统
集；针对某一采样得到的电力系统运行状态，检
解该运行状态对应的以切负荷损失最小的优化
模型，并运用求解结果建立新的关键判断区域；
若匹配成功，则利用对应的关键判别区域的特征
信息直接计算该运行状态对应的各节点失负荷
量。利用本方法改进电力系统风险评估效率，提
高电网的风险评估速度，为电网规划和运行人员
提供决策参考和支持。权利要求书3页 说明书14页 附图3页CN 109102146 A 2018.12.28
C N 109102146
A
1.基于多参数线性规划的电力系统风险评估加速方法，其特征在于，所述电力系统风险评估加速方法包括以下步骤：
步骤1：在需要进行风险评估的时段内，采用蒙特卡洛方法随机采样电力系统的运行状态，其中电力系统的运行状态包括：各支路的正常或停运状态、发电机组的正常或停运状态以及电力系统各节点负荷大小，并对电力系统的运行状态建立以切负荷损失最小的优化模型以及切负荷损失最小的优化模型对应的多参数规划模型；
步骤2：针对采样概率大于一定阈值的电力系统支路采样状态，建立线路状态字典集，线路状态字典集中的每个元素与电力系统支路采样状态相互对应，并依此存储电力系统支路采样状态的转移分布因子矩阵和关键判断区域集特征信息；
步骤3：将采样得到的电力系统运行状态与线路状态字典集中的元素进行检索匹配，若匹配不成功，则转入步骤4，若匹配成功，则转入步骤5；
步骤4：求解采样得到的电力系统运行状态对应的以切负荷损失最小的优化模型，得到各节点失负荷量，
转入步骤6；
步骤5：将当前样本中的机组状态和负荷水平状态与线路状态字典集中对应关键判别区域集中的元素进行匹配，若匹配不成功，则求解该电力系统运行状态对应的以切负荷损失最小的优化模型，得到各节点失负荷量，计算该电力系统运行状态对应的关键判别区域，将该区域增补进入线路状态字典集元素中相应关键判别区域集，并记录其特征信息；若匹配成功，则采用相应关键判别区域集中对应的关键判别区域的特征信息直接计算该电力系统运行状态对应的各节点失负荷量，转入步骤6；
步骤6：获得采样得到的下一个运行状态，转入步骤3，直至完成电力系统风险评估计算。
2.根据权利要求1所述的基于多参数线性规划的电力系统风险评估加速方法，其特征在于：所述步骤1中的对电力系统的运行状态建立以切负荷损失最小的优化模型具体包括：建立满足多参数线性规划假设的以切负荷损失最小的优化模型，如公式(4)：
目标函数中，D d为各节点切负荷向量，P为各节点有功注入；c1和c2为对应的权重向量；约束条件部分，1T×P＝0代表全系统的功率平衡约束，即在不考虑网损的情况下，全系统注入功率之和为0；中，G为转移分布因子矩阵，G×P为线路有功潮流，线路潮流受P line和约束；为节点注入功率约束，为发电机出力上限，D 为各节点负荷，W为机组节点连接矩阵，若机组j连接到节点i，则W i,j＝1；否则W i,j＝0；对于每个节点，发电机发电功率，减去本节点的真实负荷后，即为向电网注入的功率P；0≤D d≤D 为切负荷约束，即切负荷量非负，且大小不能超过本节点负荷需求最大值。
3.根据权利要求2所述的基于多参数线性规划的电力系统风险评估加速方法，其特征在于：所述步骤1中的多参数规划模型具体包括：构建如公式(5)的多参数线性规划中的参
数向量：
将所述机组状态的变化和负荷水平的变化均通过参数θ的变化进行表示，建立在确定线路状态下的机组状态和负荷变化，电网风险评估的多参数线性规划模型如公式(6)所示：
4.根据权利要求3所述的基于多参数线性规划的电力系统风险评估加速方法，其特征在于：所述步骤2具体包括：
针对所有线路退出运行数量小于等于α的线路状态建立所述线路状态字典集，即严重至N-α的事故均在所述线路状态字典集中建立索引，其中N为系统中总的线路数量，α为退出运行的线路数量，所述线路状态
字典集中存储的线路状态总数目为公式(7)：
存储所述线路状态字典集中的所有线路状态及相关参数；其中，相关参数包括：电力系统参数方面包括当前线路状态下的转移分布因子矩阵G，线路传输容量限制和Pline；多参数线性规划求解技术方面包括存储相应的关键判别区域信息。
5.根据权利要求4所述的基于多参数线性规划的电力系统风险评估加速方法，其特征在于：所述步骤2中存储所述线路状态字典集中的所有线路状态及相关参数的具体步骤：在所述线路状态字典集中，每个线路状态的信息通过两部分进行储存，包括编号和内容；在编号集合中，存储的是当前线路状态的编号，采用二进制编码实现，每一位为对应线路的运行状态；在内容集合中，存储当前线路状态对应的用于判断系统切负荷特征矩阵，包括和
6.根据权利要求5所述的基于多参数线性规划的电力系统风险评估加速方法，其特征在于：所述步骤5中将机组状态和负荷水平状态与线路状态字典集中对应关键判别区域集中的元素进行匹配具体包括：
①关键判别区域集匹配，关键判别区域集中的每一个元素，都包含两个特征，一个是表示关键判别区域范围的属性，如公式(8)；另一个用于表示关键判别区域内从参数向量到最优解的映射关系，如公式(9)：
其中，和是在创建关键判别区域时获得的关键判别区域特征矩阵；
在进行匹配时，首先根据公式(5)计算当前样本对应的参数然后根据关键判别区域集里每一个元素的特征参数，依次判断θ是否属于该关键判别区域；判断方式
为：计算向量的值，判断是否其所有分量均小于0；若对于某一个关键判别区域，上述判断成立，则说明θ属于该关键判别区域；若都不成立，说明匹配不成功，θ不属于关键判别区域集里的任何一个元素；
②直接计算各节点失负荷量，在关键判别区域匹配成功时，直接使用θ所在关键判别区域的映射关系，如公式(9)中x*(θ)的各个分量即为该运行状态对应的各节点失负荷量；
③运行优化得到各节点失负荷量，并更新关键判别区域集，在关键判别区域匹配不成功时，则求解公式(
10)所示的线性规划问题，获得各节点切负荷量；
然后，筛选优化模型中每一条约束的拉格朗日乘子，将所有拉格朗日乘子大于0的约束
组成一个集合，其约束条件的相应部分分别组成和矩阵；将所有拉格朗日乘子等于
0的约束组成一个集合，其约束条件的相应部分分别组成和矩阵；
根据获得的和矩阵，运用公式(8)和(9)，计算对应关键判别区域的特征信息；将新获得的关键判别区域，增补进入线路状态字典集元素中相应关键判别区域集，记录公式(8)和公式(9)所表示的关键判别区域特征信息。
基于多参数线性规划的电力系统风险评估加速方法技术领域
[0001]本发明涉及电力系统分析技术领域，特别是涉及基于多参数线性规划的电力系统风险评估加速方法。
背景技术
[0002]现今电力系统中存在大量的不确定性。这些不确定性的累加和相互作用，使得电力系统实时运行
在风险之中。例如，发电厂中发电机存在停运的概率，可能导致全系统的发电能力不足，从而导致被迫停电；传输线路存在退出运行的概率，使得全系统发生潮流转移，影响功率的传输分布，可能导致无法满足负荷需求；多种不确定性的相互作用，更可能导致重大事故的产生。
[0003]因此需要对电力系统进行风险评估，即通过概率方法，对电力系统中相关不确定性进行建模，根据不确定性建模结果，对全系统的停电风险进行评估。根据时间尺度，风险评估可以分为长期和中短期评估。长期风险评估结果对于电力系统的规划具有指导性作用，而中短期的风险评估则可以辅助电力系统调度运行人员决策，提高电力系统的运行安全性。
[0004]由于在电力系统风险评估过程中，需要生成大量的样本用于模拟未来电力系统的随机性，并应用最优潮流方法对每个样本的切负荷情况进行判断，因此其计算量大，分析速度慢制约了风险评估方法在实际电网中的应用。为了克服这一困难，大量提高评估效率的方法被提出。在采样技术上，包括截断抽样、分层抽样、状态空间剪枝、智能搜索、重要性采样、基于交叉熵方法等各类高效的采样技术被提出，用于提高采样效率，用更少的样本来模拟电力系统随机性，获得较好的收敛性。通过减少需要的样本数量，来加快风险评估过程。在样本的评估技术上，现有的方法和技术较为缺乏。一部分基于人工神经网络、支持向量机等机器学习技术的方法被提出，但他们都基于系统支路(输电线路、电缆、变压器以及连接两个母线的输电设备均被定义为“支路”)不会退出运行的假设，这与实际不符。
[0005]因此希望有一种电力系统风险评估加速方法，以解决现有技术中电力系统风险评估方法计算效率低下的问题。
发明内容
[0006]本发明的目的在于提供一种基于多参数线性规划的电力系统风险评估加速方法，该方法利用多参数线性规划方法，根据关键判断区域理论，采用动态学习方法，加速过程中的样本评估速度，从而提高计算效率，推进电力系统风险的实时评估。
[0007]本发明基于多参数线性规划的电力系统风险评估加速方法，定义输电线路、电缆、变压器以及连接两个母线的输电设备为支路；定义系统中的各类发电设备为机组；将电力系统发电机组与支路统称为元件；定义电力系统中的所有母线为节点；定义同一多参数规划问题的关键判别区域集合为关键判别区域集，关键判别区域集中的每一个关键判别区域为它的一个元素；定义存储多个线路状态以及各线路状态相应的电力系统参数和关键判别
说 明 书
1/14页CN 109102146 A
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议