基于时空分布特征的电力业扩电源资源分析方法
2023-10-12张靖巩舒赵永红由媛媛周明周永刚
张靖, 巩舒, 赵永红, 由媛媛, 周明, 周永刚
(1.国网安徽省电力有限公司信息通信分公司,安徽,合肥 230022;2.国网安徽省电力有限公司,安徽,合肥 230022)
0 引言
随着中国社会经济的不断发展和城市化建设进程不断加快,电力需求日益增大,电力业扩工程增长势头强劲[1-2]。中国供电企业的电力业扩电源资源分析中,通常采用对配电线路的可开放容量计算来对电力业扩工程配电线路的电源点进行分析[3]。但该类方法对配电线路各地理位置段的负荷密度计算不准确,电力业扩工程电源点分析准确性低[4]。同时,电力业扩工程电源点、用电客户资源与地理信息脱节[5-6],导致电力业扩工程电源资源不能按地理位置进行分析,电力业扩电源点不能与用电客户资源有效匹配。
国内外许多学者对提高电力业扩工程电源资源分析准确性做了大量研究。文献[7]提出了一种基于标准化概率的电力业扩工程电源资源分析方法,采用了标准化概率曲线和分布式效率指标对电力业扩工程电源资源进行分析,从而提高了电力业扩工程电源资源分析的准确性。文献[8]提出了一种基于电力移动作业的电力业扩工程电源资源分析方法,采用了现场作业环境与配电线路负荷结合的方式进行电力业扩工程电源资源分析,从而提高了分析准确性。文献[9]提出了一种基于用户负荷特性的电力业扩工程电源资源分析方法,采用模糊C均值聚类的方法建立了配电线路用电客户的的负荷特征,并采用梯度模型进行电力业扩工程电源资源分析。文献[10]提出了一种基于离差最大化的电力业扩工程电源资源分析方法,采用了综合评价指标对电力业扩工程电源资源进行分析。文献[11]提出了一种基于数据分析的电力业扩工程电源资源分析方法,采用了预测电力业扩工程电源资源模型和电力业扩工程电源分析结合的方式,提高了电力业扩工程电源资源分析的准确性。由此可见,电力业扩工程电源资源分析方法多样,但上述研究中未能结合电力业扩工程电源资源和客户资源的地理分布位置进行分析,导致分析准确性不足。
为了解决电力业扩电源资源分析准确率低的问题,提出一种基于时空分布特征的电力业扩电源资源分析方法。在对配电线路可开放容量进行评估的基础上,基于电网地理信息系统,采用分布式特征方法对电力业扩工程电源资源和用电客户资源进行标注。最后,采用时空分布特征算法对电力业扩工程电源资源进行分析,获得电力业扩工程电源资源的时空特性,以提高电力业扩工程分析准确性。
1 电力业扩电源资源分析框架
本文提出的基于时空分布特征的电力业扩电源资源分析方法包括配电线路可开发性容量分析、电力业扩工程电源及用电客户资源标注、电力业扩工程电源资源分析等3部分内容。基于时空分布特征的电力业扩电源资源分析方法如图1所示。
图1 电力业扩电源资源分析框架框架图
由图1可见,在配电线路可开发性容量分析环节,首先对配电自动化系统中的配电线路负荷数据进行提取,然后根据配电线路的历史负荷情况采用灰色预测法进行配电线路负荷预测,最后对配电线路的可开放容量进行分析。在电力业扩工程电源及用电客户资源标注环节,基于电网地理信息系统,首先对电力业扩工程资源进行分布式特征标注,然后对用电客户资源进行分布式特征标注。在电力业扩工程电源资源分析环节,首先采用时空分布特征算法对电力业扩工程电源资源进行分析,然后对电网业扩工程的电源资源分配进行评估。
2 电力业扩电源资源分析模型
2.1 配电线路可开发性容量分析
(1)配电线路负荷提取
电网公司的配电线路负荷数据均存储在配电自动化系统中,基于电网公司的数据中台,读取配电自动化系统中配电线路每天96点的历史负荷数据,然后将配电线路的历史负荷数据传输到本文所提模型中。
(2)配电线路负荷预测
配电线路负荷预测是根据配电线路历史负荷情况统计分析,预测未来配电线路的负荷情况[12],选择配电线路负荷预测模型是配电线路负荷预测中重要的环节,如果模型选择不恰当,将会造成配电线路负荷预测的误差较大。
灰色预测法是通过少量或者不完整的配电线路负荷数据建立配电线路负荷预测模型,并给出配电线路负荷预测结果[13]。因此,选择灰色预测法作为配电线路负荷预测的方法。
设配电线路历史的96点负荷数据序列为h(0):
h(0)={h(0)(1),h(0)(2),…,h(0)(m)}
(1)
式中,m为配电线路历史的96点负荷数据点的总数。
通过灰色数据累加,设s为配电线路负荷预测累加次数,累加后的负荷数据h(0)(s)为
(2)
通过灰色模型,可得到配电线路的负荷预测数据。
(3)配电线路可开放容量评估
配电线路可开放容量评估的目的是分析电力业扩电源资源的最大允许范围,基于配电线路负荷预测数据,得出配电线路的可开放容量。
(3)
2.2 电力业扩工程电源及用户资源标注
电网地理信息系统是一种图形化展示电网设备位置信息的系统[14],系统中包括配电线路的地理位置坐标,为生产运行人员提供地理位置信息、电网的网架结构拓扑和电网运行信息的图形服务。
本文首先对电力业扩工程的电源资源的分布式特征信息进行标注,然后对用电客户资源的分布式特征信息进行标注。
2.3 电力业扩工程电源资源分析
(1)电力作业时空数据特征分析
电力作业时空数据是指电力业扩工程的电源点、用电客户的在时间与空间上的分布特性。其中,电力业扩工程的电源点数据特征在空间上沿配电网线路可开放的T接点分布,在时间上按城市的负荷密度调整其可开放容量。电力业扩工程的用电客户资源在空间上按所在的地理位置分布,在时间上按照其负荷情况预测其最大使用负荷。通过对电力作业时空数据特征进行分析,可以获得距离用电客户资源最近的电力业扩工程点。
设电力业扩工程电源资源个数为na,电力业扩工程电源资源的地理坐标位置为Wa,用电客户资源个数为ma,用电客户资源的地理坐标位置为Ka,用电客户的最大负荷为Tb,则电力业扩工程电源资源与用电客户资源的时空分布矩阵Za为
(4)
(2)电力业扩工程电源资源评估
电力业扩工程电源资源评估的目的是获得电力业扩工程相关配电线路电源点的最大可开放容量。
先对供电区域按网格划分,在网格中电力业扩工程相关配电线路电源点有nc个,预留网格分配阈值为φ,每个电源点的最大可开放容量为Gc,max,电源点的坐标为wc,则网格内电力业务电源资源Rc为
(5)
3 算例分析
为了验证本文所提基于时空分布特征的电力业扩电源资源分析方法的有效性,在某城市进行实例应用,配电自动化系统选择南瑞公司的D5000系统[15]。本文所提方法的运算服务器采用的操作系统版本为Windows Server 2016,中央处理器为英特尔至强16核心3.2 GB,内存为64 GB,硬盘为2 TB。
本文所选择的某城市的10 kV配电网线路数量为1376条,用电客户资源为976 354个,该城市的网格划分为2169个。
本文选择文献[3]中的基于大数据的电力业扩电源资源数据分析方法,该方法具有负荷分布评估准确、用户收益最大等特点,是业界广泛使用的数据方法。本文改进了大数据方法的馈线可开发容量评估部分,并将本文所提方法与大数据分析方法的馈线可开放容量算法进行比较。
(1)电力业扩工程电源资源分析时长
电力业扩工程电源资源分析时长是衡量模型的核心性能指标,该指标的计算方式是输入网格的数据到生成电力业扩工程电源资源分析结果的时间,此时间越短,说明模型的性能越好。
选择电力业扩工程电源资源网格个数为5、10、20、30、50、60、80、90、100个,对比本文所提基于时空分布特征的电力业扩电源资源分析方法与业界广泛使用的大数据电力业扩电源资源分析方法的时长。对比结果如表1所示。
表1 电力业扩工程电源资源分析时长
由表1可见,本文所提方法采用了优化的时空分布特征算法,在处理负荷预测、配网可开放容量评估方面压缩了处理时间,所以运行的速度较快。大数据方法在处理不同类型的电力业扩电源资源和用电客户资源时,调用负荷分布特征方法的性能较差,所以耗时较长。因此,本文所提方法在模型运行时长方面优于大数据方法。
(2)电力业扩工程电源资源分析结果
选择某网格的50个电源点,采用本文所提方法进行分析。分析结果如表2所示。
表2 电力业扩工程电源资源分析结果表
(3)电力业扩电源资源分析准确率
电力业扩电源资源分析准确率是为了判断本文所提模型的运行正确性。计算方式是将模型分析的电力业扩工程电源资源最大可开放容量与人工依据电力行业标准核定的最大可开放容量进行比较,两者一致即为准确,两者的比值即为电力业扩电源资源分析准确率。该指标的取值范围是0～100%,电力业扩电源资源分析准确率越高说明该指标越好。
选择网格数量分别为100、200、300、400、500、600、800个,采用本文所提方法与大数据分析方法进行准确率分析,并将结果与人工核对的进行比较,一致者即为准确。对比结果如图2所示。
图2 电力业扩电源资源分析准确率图
由图2可见:本文所提方法分析准确率平均在99.3%,本文所提方法分析准确的原因是将电源点的地理位置、可开放容量变化情况、用户的地理位置和用户最大负荷动态变化情况进行了综合分析,得出了更准确的电力业扩电源资源;而大数据分析方法主要对馈线的负荷分布进行分析,缺少对用户情况、馈线地理位置等信息分析。因此,所以本文所提方法的分析准确性高于大数据分析方法。
4 总结
为了解决电力业扩电源资源分析准确率低的问题,本文提出了一种基于时空分布特征的电力业扩电源资源分析方法。首先对配电线路进行可开放容量评估,然后根据电网地理信息系统对电力业扩工程电源资源和用电客户资源进行标注,并用时空分布特征算法对电力业扩工程电源资源进行分析,最后在某城市进行实例应用,其结果验证了本文所提方法的有效性。
下一步将结合移动作业技术对电力业扩电源资源接入做进一步研究。
