一种基于高压客户用电外风险评估的负荷调控方法

技术领域

本发明涉及负荷控制技术领域，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。

背景技术

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。

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。

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。

发明内容

本发明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：

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。

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

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

步骤A3、采用熵值法，基于电气数据集X

步骤A4、采用独立性法，基于电气数据集X

步骤A5、将W

所述步骤A2中获取各指标主观权重的估计区间

式中：

获取各指标的主观权重值

其中，E为极大熵准则对应的极大熵值。

所述步骤A3中获取各指标的客观权重值

式中：m为预设场景总数，P

所述步骤A4中获取各指标的独立性权重值

式中：R

所述步骤A5中获取n个指标的类别标签集H＝{h

式中：add为第i个指标x

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：

所述步骤B中的目标函数为：

式中：

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为总预设场景数，r

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

步骤C4、将不同预设场景概率集p(C

步骤C5、依据最大隶属度原则，将Z中的最大值z

所述步骤D具体包括以下步骤：

步骤D1、获取100个不同预设场景下源荷双侧的功率值数据集X

步骤D2、根据式(12)进行配电网源荷不平衡场景筛选，组成场景标签集Q＝{a

步骤D3、根据场景标签集Q筛选其中数值为1的场景，组成源荷不平衡场景集Q

步骤D4、基于风险集U划分可调控高压客户集；根据实际调控需求，设定不同的可调控风险等级阈值θ：

步骤D5、基于步骤D1获取的风险集U与步骤D4设定的可调控风险等级阈值θ进行比较，获取可调控高压客户集K＝{k

步骤D6、构建基于可调控高压客户集K的负荷削减策略模型；

步骤D7、根据步骤D6的负荷削减策略模型求解出各个可调控高压客户需调控的负荷总量。

所述负荷削减策略模型包括：

目标函数；

其中C

约束条件：

其中，P

本发明的有益效果在于：

本发明能够保证综合评价方法在主客观融合上的优势，相比于传统的赋权方法处理约束更为方便快捷；同时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。

附图说明

图1为本发明基于高压客户用电外风险评估的负荷调控方法的流程图；

图2为IEEE-24-RTS配电网拓扑结构图；

图3为基于乘积法进行主客观赋权组合评估方法与本发明所提方法的各指标组合权重结果对比图；

图4为基于乘积法进行主客观赋权组合评估方法和本发明所提方法的各指标相对单位斜率对比图；

图5为基于乘积法进行主客观赋权组合评估方法与本发明所提方法的高压客户用电各风险等级隶属度结果对比图；

图6为本发明具体实施方式中的100个预设场景下高压客户不受调控时，源荷双侧的功率大小关系图；

图7为本发明具体实施方式中的100个预设场景下高压客户基于风险评估结果进行调控时，源荷双侧的功率大小关系图。

具体实施方式

本发明提出一种基于高压客户用电外风险评估的负荷调控方法，下面结合附图和具体实施例对本发明做进一步说明。

为方便说明，本实施例先说明所定义的5个高压客户用电外风险评估指标：

由于配电网故障及新能源出力波动会引起节点电压波动、源荷双侧功率失衡、线路过载、孤岛节点和节点电压谐波变化等现象，这些现象对高压客户安全用电会产生不同程度的影响。为确保在配电网发生变化时，高压客户能够可靠地安全用电，针对以上现象，定义了5个评估指标构成高压客户安全用电外风险评估指标体系。

1)节点电压波动指标

式中：num

2)功率失衡指标

X

式中：P

3)线路过载指标

式中：P

4)孤岛节点指标

式中：ε

5)节点电压谐波指标

式中：num

图1为本发明基于高压客户用电外风险评估的负荷调控方法的流程图，包括以下步骤：

步骤A、获取指标体系主观、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、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、基于高压客户外风险安全用电风险评估的负荷调控策略制定。

步骤A中具体步骤如下：

A1、基于IEEE-24-RTS配电网获取高压客户用电外风险指标数据集

图2为IEEE-24-RTS配电网拓扑结构图；采用计及多状态元件模型系统状态快速排序方法获取IEEE-24-RTS配电网8760个不同的预设场景及其发生的概率值，考虑篇幅原因，仅取概率值前100的预设场景作为示例，见表1。

表1

通过潮流运算，获取8760个不同预设场景下5个高压客户用电外风险指标组合的电气数据集，见表2，为高压客户用电外风险评估指标体系提供数据基础。

表2

A2、获取指标体系主观、客观、独立性权重矩阵

基于表2的电气数据集，通过AHP区间估计寻优法、熵值法、独立权法计算获取5个指标对应的主观权重、客观权重、独立性权重结果见表3。

表3

A3、基于独立性权重进行指标分类

基于表3中的独立权重值，依据各指标间相对大小关系对5个指标进行分类，构建相应的标签集，见表4。

表4

步骤B具体步骤如下：

B1、基于独立性权重准则的自学习综合权重模型约束条件

该具体实施方式有主观赋权、客观赋权3种方法参与组合权重，并对5个指标进行赋权，构造权重矩阵A：

由权重矩阵A可以确定组合权重区间范围：

组合权重区间见表5。

表5

根据上式构建主观区间约束：

基于5个指标的标签集H＝{h

B2、基于独立性权重准则的自学习综合权重模型目标函数

采用不同的单一赋权方法对主、客观权重进行自学习组合权重确定：

式中：第j个指标的自学习组合权重为

考虑独立性权法确定的客观权重反映了各指标之间重复信息最小情况下的相对占比。因此，定义各指标之间的独立性权重相对单位斜率d

以独立性权重相对单位斜率k

在一个具体实施方式中，本发明一种基于自学习高压客户用电外风险评估的负荷调控方法步骤C中，具体步骤如下：

C1、基于云模型确定风险评估矩阵

通过云模型将高压客户用电外风险评估指标体系进行定级量化，将风险等级分为4级，具体指标等级区间划分与云模型参数确定。

将非负归一化后的指标数据集依次带入下式，计算各指标属于不同风险等级的隶属度R＝[r

将各指标的隶属度矩阵进行整合，构建风险评估矩阵R

C2、结合自学习综合权重模型与云模型风险评估矩阵的定级体系

首先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

所对应权重见表6。

表6

步骤D的具体步骤如下：

D1、筛选配电网源荷不平衡场景并获取风险评估结果

基于A1中，采用计及多状态元件模型系统状态快速排序方法获取IEEE-24-RTS配电网不同的预设场景及其发生的概率值，取概率值前100的预设场景作为示例。通过潮流运算，获取100个不同预设场景下源荷双侧的功率值数据集X

表7

根据式(20)进行配电网源荷不平衡场景筛选，组成场景标签集Q＝{a

根据场景标签集Q＝{a

D2、基于风险评估结果进行负荷调控策略制定

D2.1、基于风险集划分可调控高压客户集

根据表8，本实例设定的可调控风险等级阈值θ＝2。

表8

基于D1所获取的场景1的风险集b

表9

以第1个场景为例说明具体获取可调控高压客户集过程：

其中，k

D2.2、基于可调控高压客户集的负荷削减策略模型

可调控高压客户集的负荷削减策略模型以负荷削减量最小为目标函数；

基于D1.1获取的K＝{k

其中，P

基于可调控高压客户集负荷削减策略模型，并根据表9具体的可调控高压客户数据集，进行模型求解，获取各个高压客户所需切除负荷量，具体数值见表10。

表10

根据上述获取数据的具体分析如下：

通过表8、图3、图4可知：本实施例获得各指标组合权重值的相对分布相比于基于乘积法进行主客观赋权组合评估方法所得指标组合权重值的相对分布更加贴合独立性权重分布；而且考虑独立性权重分布情况反映各指标之间信息重复度最小下的权重取值，这说明本发明所提方法具备一定地削弱各指标信息重复的程度，使各指标组合权重更加合理。

通过图5可知：本实施例与基于乘积法组合评估方法依据最大隶属度原则，皆判别高压客户用电外风险评估等级为一级，说明本发明所提方法是合理有效的；而且，由于以独立性权重作为准则引导主观、客观权重进行组合，在一定程度上削弱各指标的信息重复度。

通过表8、9、10可知：基于可调控高压客户数据集的负荷削减策略模型可从保障高压客户运行安全的角度根据高压客户风险评估结果决定其是否适合本次调控。结合表10可知，各高压受调控的负荷量仅处于风险阈值θ＝2之下的高压客户受到不同程度地调控，而处于风险阈值θ＝2之上的高压客户受调控量0MW。而且，通过表11对比结果可知，未受调控前，发电机无法为负荷提供所需的功率，而调控后，发电机出力满足负荷需求的功率总量。因此，本发明所提出的基于一种基于高压客户用电外风险评估的负荷调控方法不仅能够保障受调控的高压客户自身安全用电的需求，也满足配电网源荷平衡的目的。

表11

同时，为说明本发明所提方法的普适性，除对场景1进行仔细的分析外，对于100个预设场景中存在源荷双侧功率不平衡的场景：36、41、46、50、52、57、60、70、73、75、86、90、93、95、96采用同样的方法流程进行负荷削减，各个场景下高压客户受调控前后，负荷和发电机总功率对比具体见表12。

表12

为更直观反映本发明所提的基于一种基于高压客户用电外风险评估的负荷调控方法的作用效果，通过图6、7对比可知，采用本发明所提方法在确保受调控高压客户自身运行安全的情况下，实现源荷双侧功率平衡。