一种极端高温下电力系统节点风险评估方法与流程

1.本发明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。


背景技术：

2.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。


技术实现要素：

3.为了解决背景技术中存在的问题，本发明所提供一种极端高温下电力系统节点风险评估方法。
4.本发明采用的技术方案是：
5.本发明电力系统节点风险评估方法包括如下步骤：
6.1)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。
7.2)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。
8.3)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。
9.4)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。
10.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：
11.ln(load(t))＝ln(load
nr
(t)) α
ed
(τ(t)-τ
nr
(t))
12.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。
13.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)。
14.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，loadi(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，ng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；ls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估指标，电力节点的风险评估指标包括期望节点代价参数指标和节点代价参数标准差指标，具体如下：
[0040]
a)期望节点代价参数指标：
[0041][0042]
其中，为节点代价参数标准差指标；p
l
(t)为时段t第l次抽样的概率，当抽样次数较大时，可以近似认为是1/l，l为总抽样次数；r
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。
[0043]
b)节点代价参数标准差指标：
[0044][0045]
其中，σi(t)表示节点代价参数标准差指标；l表示总抽样次数。
[0046]
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，即期望
节点代价参数指标和节点代价参数标准差指标越大，电力系统中的第i个电力节点的风险越大。
[0047]
本发明的有益效果是：
[0048]
本方法可以有效辨识极端天气下的节点风险分布情况，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。
附图说明
[0049]
图1为本发明某一时段的期望节点代价参数分布情况；
[0050]
图2为本发明的方法流程图。
具体实施方式
[0051]
下面结合附图及具体实施例对本发明作进一步详细说明。
[0052]
本发明的电力系统节点风险评估方法如图2所示包括如下步骤：
[0053]
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。
[0054]
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：
[0055]
ln(load(t))＝ln(load
nr
(t)) α
ed
(τ(t)-τ
nr
(t))
[0056]
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。
[0057]
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)。
[0058]
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。
[0059]
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：
[0060][0061]
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，loadi(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。
[0062]
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。
[0063]
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。
[0064]
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：
[0065][0066]
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，ng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。
[0067]
电力约束具体如下：
[0068]
a)电力平衡约束：
[0069][0070]
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。
[0071]
b)负荷削减量约束：
[0072][0073][0074]
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。
[0075]
c)发电机组出力约束：
[0076][0077]
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。
[0078]
d)线路潮流约束：
[0079][0080]
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。
[0081]
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
[0082]
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。
[0083]
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：
[0084][0085]
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；ls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。
[0086]
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估指标，电力节点的风险评估指标包括期望节点代价参数指标和节点代价参数标准差指标，具体如下：
[0087]
a)期望节点代价参数指标：
[0088][0089]
其中，为节点代价参数标准差指标；p
l
(t)为时段t第l次抽样的概率，当抽样次数较大时，可以近似认为是1/l，l为总抽样次数；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。
[0090]
b)节点代价参数标准差指标：
[0091][0092]
其中，σi(t)表示节点代价参数标准差指标；l表示总抽样次数。
[0093]
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，即期望节点代价参数指标和节点代价参数标准差指标越大，电力系统中的第i个电力节点的风险越大。
[0094]
本发明的实施例如下：
[0095]
1、采用修改的ieee-39节点电力系统作验证分析，假设某区域在普通夏季日的平均气温为28℃，即预设参考温度，当极端高温时，分别选取35℃、39℃以及42℃的高温进行研究，基于以上气象参数建立电力负荷的预测模型。
[0096]
2、基于蒙特卡洛抽样法，设置最大抽样次数n＝10000，对电力负荷状态进行抽样，确定负荷的实际状态。基于电力系统直流潮流最优模型，最终计算节点风险评估指标，某一时段的期望节点的发电代价参数分布情况如图1所示。当极端高温来临时，与正常夏季日相比，期望节点的代价参数均显著上升。同时随着温度的持续上升，期望节点代价参数进一步升高。其中，可以发现节点3，4，18的节点代价参数风险最高，这是由于这些节点负担了较高的电力负荷导致的，容易导致产生削减负荷的代价。可见，此方法可以有效辨识极端高温下的节点风险分布情况。