應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法研究

郭 靖,王 琨,馬來·對山拜,徐 靜

(新疆信息產業(yè)有限責任公司,新疆 烏魯木齊 830013)

0 引言

隨著電網(wǎng)規(guī)模的日益壯大,在互聯(lián)電網(wǎng)的過程中,市場化、大規(guī)模電力系統(tǒng)的逐漸形成,以及遠距離輸電、超高壓、大機組的出現(xiàn),都導致電網(wǎng)故障越來越頻繁地發(fā)生。如果無法及時處理這些故障,可能導致嚴重后果,包括引發(fā)大面積停電問題甚至影響電力系統(tǒng)的穩(wěn)定運行[1]。

為了防止出現(xiàn)上述情況,必須要對電網(wǎng)運行態(tài)勢進行動態(tài)感知。電網(wǎng)運行態(tài)勢動態(tài)感知能夠為電網(wǎng)的決策與檢修工作提供全方位的基礎數(shù)據(jù)。對電網(wǎng)運行態(tài)勢動態(tài)感知的研究具有悠久的歷史。國外很早就開始開發(fā)態(tài)勢感知技術,并將其應用于軍事、網(wǎng)絡安全、航空等多個領域,甚至能夠通過該技術提升電網(wǎng)監(jiān)控能力。但將其應用于電網(wǎng)運行態(tài)勢的動態(tài)感知中還為時尚短,仍處于相關研究的起步階段。Mica R.Endsley等提出一種基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢動態(tài)感知方法,主要通過對環(huán)境、時延、測量誤差等電網(wǎng)運行態(tài)勢分析中的誤差因素進行影響因素與來源分析,實現(xiàn)過負荷、電壓、頻率與穩(wěn)定性的控制與評估,從而達到電網(wǎng)運行態(tài)勢動態(tài)感知的目的[2]。國內早在20 世紀90 年代初就有柳焯教授等學者提出了電力系統(tǒng)的態(tài)勢分析思想。其中的態(tài)勢是指電力系統(tǒng)的發(fā)展趨勢與當前狀態(tài)。以這種思想為起點,有學者開始研究通過對電網(wǎng)進行特征指標定義來實現(xiàn)運行態(tài)勢的動態(tài)感知。錢斌等通過對電網(wǎng)的運行特征指標進行提取,并對比提取的特征指標與實時采樣數(shù)據(jù),獲取電網(wǎng)狀態(tài)隨時間變化的規(guī)律,實現(xiàn)電網(wǎng)運行態(tài)勢動態(tài)感知[3]。

以上方法在對電網(wǎng)運行態(tài)勢進行感知的過程中,因受到電網(wǎng)運行態(tài)勢波動較大的影響而無法提取態(tài)勢因子參數(shù),在態(tài)勢感知累積和閾值為0.05～0.2 的范圍內存在負荷水平偏低的問題。對此,本文提出一種應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法。

1 應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知

1.1 獲取電網(wǎng)安全裕度

利用直流潮流模型,通過發(fā)電機的有功功率節(jié)點注入向量對系統(tǒng)運行點進行表征,獲取系統(tǒng)靜態(tài)有功安全域邊界[4]。

式中:ΩSSR為一組系統(tǒng)安全運行的超平面,由它們共同構成了系統(tǒng)靜態(tài)有功安全域邊界;PG為發(fā)電機的有功功率節(jié)點注入向量;Pd為負荷節(jié)點的對應有功功率向量;PGmin為發(fā)電機實際有功出力的最下限;PGmax為發(fā)電機實際有功出力的最上限;DG為發(fā)電機中列對應的節(jié)點所構成的矩陣;PLmax為輸電線路極限傳輸容量向量;D為支路-節(jié)點分布轉移因子矩陣[5]。

式中:BL為電納質量矩陣;AT為支路-節(jié)點關聯(lián)矩陣;B為電納節(jié)點矩陣。

根據(jù)調控大數(shù)據(jù)中的氣象邊界條件算法,獲取線路傳輸?shù)膭討B(tài)容量極限,也就是電網(wǎng)的安全裕度[6]。首先,以導線熱平衡原理為依據(jù),獲取輸電線路穩(wěn)態(tài)下的吸收功率與散熱功率:

式中:qr為導線溫度與環(huán)境溫度差帶來的散熱輻射功率;qc為導線的散熱對流功率,取決于風向與風速;qs為日照下導線的吸熱功率;I為導線的對應穩(wěn)態(tài)載流量;R(Tc)為Tc條件下導線溫度的對應交流電阻;I2×R(Tc)為Tc溫度下交流導線電阻的實際發(fā)熱功率。

將當前導線所允許的最大溫度設為Tcmax,通過導線溫度模型,對邊界條件(包括氣象參數(shù)等)進行給定,求出當前導線所允許的最大載流量:

式中:Imax(Tcmax)為當前導線所允許的最大載流量;Imax為最大電流值。

進一步通過式(5)獲取線路有功動態(tài)功率傳輸極限:

式中:UN為額定電壓;cosφ為功率因數(shù)[7]。

據(jù)此,將式(1)中的正向線路潮流有功約束集記為:

式中:LCi為正向線路潮流有功約束集;n為電力系統(tǒng)中的總發(fā)電機節(jié)點數(shù);m為電力系統(tǒng)中的總輸電線路數(shù);PGn為第n個發(fā)電機節(jié)點的實際有功出力;ηi,n為矩陣DG的第n列、第i行元素。

矩陣DG的計算公式具體如下:

式中:L為約束的對應邊界值。

其計算公式如下:

同理,獲取反向線路潮流有功約束集。

則i線路邊界潮流約束方程具體為:

式中:Bi為i線路邊界潮流約束方程。

對各線路邊界潮流約束方程與運行點之間的安全域邊界所對應的歐式距離進行計算,即可獲取各方向上電力系統(tǒng)的安全裕度。

1.2 提取態(tài)勢因子參數(shù)

選取丟包率、利用率、吞吐量作為電網(wǎng)運行的網(wǎng)絡態(tài)勢因子,根據(jù)簡單網(wǎng)絡管理協(xié)議(simple network management protocol,SNMP)信息的采集結果,對態(tài)勢因子相關性能參數(shù)進行計算,實現(xiàn)態(tài)勢因子參數(shù)的提取。SNMP 信息的采集需要通過信息采集程序進行。采集模式為輪詢并行集中。首先,對待采集的共同體與路由器IP 進行預先配置。接著,執(zhí)行采集程序,生成并行采集腳本,由采集腳本對各路由器對應的MIB-II 庫進行單獨訪問,通過snmpwalk 功能實現(xiàn)數(shù)據(jù)采集,并將文檔存入數(shù)據(jù)庫中[8]。采集的SNMP 信息包括輸出丟失數(shù)據(jù)包、輸出已發(fā)送數(shù)據(jù)包、輸出待發(fā)送數(shù)據(jù)包、輸入丟失數(shù)據(jù)包、輸入已發(fā)送數(shù)據(jù)包、輸入待發(fā)送數(shù)據(jù)包、輸出八位字節(jié)、利用速度、輸入八位字節(jié)。

根據(jù)SNMP 信息的采集結果,對式(10)～式(18)中的網(wǎng)絡性能參數(shù)進行計算[9],包括輸出、輸入、平均的丟包率、速率、利用率、吞吐量。根據(jù)端口,對這些參數(shù)進行統(tǒng)計[10-12]。

輸出丟包率為:

式中:PO為輸出丟包率;OD為輸出丟失數(shù)據(jù)包;OPKs為輸出已發(fā)送數(shù)據(jù)包;ON為輸出待發(fā)送數(shù)據(jù)包。

輸入丟包率為:

式中:Pin為輸入丟包率;Ds為輸入丟失數(shù)據(jù);FPKs為輸入已發(fā)送數(shù)據(jù)包;Npks為輸入待發(fā)送數(shù)據(jù)包。

平均丟包率為:

式中:PT為平均丟包率;T為采集周期。

輸出利用率為:

式中:Out為輸出利用率;Δfoutoctets為輸出八位字節(jié);fspeed為利用速度。

輸入利用率為:

式中:LinkUsageIn為輸入利用率;ΔfInOctets為輸入八位字節(jié)。

平均利用率為:

式中:LinkUsage為平均利用率。

輸出吞吐量為:

式中:throughputOut為輸出吞吐量。

輸入吞吐量為:

式中:throughputIn為輸入吞吐量。

總吞吐量為:

式中:throughputTocal為總吞吐量。

1.3 電網(wǎng)運行態(tài)勢動態(tài)感知

本文通過構建電網(wǎng)運行態(tài)勢動態(tài)感知架構,實現(xiàn)電網(wǎng)運行態(tài)勢動態(tài)感知。本文構建的電網(wǎng)運行態(tài)勢動態(tài)感知架構包括3 個層次,具體如圖1 所示。

圖1 構建的電網(wǎng)運行態(tài)勢動態(tài)感知架構Fig.1 Dynamic awareness framework of power grid operation situation

電網(wǎng)運行態(tài)勢動態(tài)感知架構的第一層,負責收集開關狀態(tài)、發(fā)電機實際出力數(shù)據(jù)等當前態(tài)系統(tǒng)運行信息,以及負荷超短期預測、負荷短期預測、調度計劃等未來態(tài)系統(tǒng)運行信息。架構的第二層,負責以第一層的信息為依據(jù),求取當前態(tài)系統(tǒng)的安全距離。架構的第三層,負責百世未來態(tài)系統(tǒng)的趨勢特征以及評估安全距離,從而為后期預防控制或均勻調度等措施進行指導,實現(xiàn)電網(wǎng)運行態(tài)勢動態(tài)感知,對系統(tǒng)的運行狀態(tài)進行優(yōu)化。

2 動態(tài)感知驗證

2.1 試驗算例

對本文所設計的、應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法進行算例驗證。采用新英格蘭53 節(jié)點的電網(wǎng)系統(tǒng)作為試驗算例,對該電網(wǎng)進行運行態(tài)勢動態(tài)感知,驗證設計方法在態(tài)勢感知累積和閾值為0.05～0.2 的范圍內能夠提升負荷水平。試驗中使用的仿真軟件為中國電力科學院所研發(fā)的電力系統(tǒng)PSD-BPA 軟件。

新英格蘭24 節(jié)點的電網(wǎng)系統(tǒng)中共包含10 臺發(fā)電機以及46 條線路。其系統(tǒng)參數(shù)如表1 所示。

表1 系統(tǒng)參數(shù)Tab.1 System parameters

設線路上所允許的當前導線最大溫度為70 ℃。

試驗的相關參數(shù)為:日照強度為1 100 W/m2,風速為1.25 m/s,風向角為43.23°。

對某時間段內該系統(tǒng)的電網(wǎng)運行態(tài)勢進行動態(tài)感知。為保持系統(tǒng)功率平衡,發(fā)電機的實際出力與負荷保持同比例增減。在該系統(tǒng)的電網(wǎng)運行態(tài)勢動態(tài)感知過程中,獲取應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法在態(tài)勢感知累積和閾值為0.05～0.2 范圍內的負荷水平。為了避免因試驗結果過于單一而失去對比性,將基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢感知方法與基于模糊推理電網(wǎng)運行態(tài)勢感知的方法作為對比試驗方法,分別獲取這兩種方法在態(tài)勢感知累積和閾值為0.05～0.2 范圍內的負荷水平數(shù)據(jù)作為對比試驗數(shù)據(jù),分三個階段比較三種方法的負荷水平。

2.2 試驗結果對比

第一個階段:當態(tài)勢感知累積和閾值在0.05～0.1范圍內時,本文方法與其他兩種方法的負荷水平對比試驗結果如圖2 所示。根據(jù)圖2 可知,當時間為12 h時,基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢感知方法的有功負荷為4 150 MW,基于模糊推理電網(wǎng)運行態(tài)勢感知方法的有功負荷為4 100 MW,本文方法的有功負荷為4 260 MW。當時間為18 h 時,基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢感知方法的有功負荷為4 120 MW,基于模糊推理電網(wǎng)運行態(tài)勢感知方法的有功負荷為3 900 MW,本文方法的有功負荷為4 250 MW。整體來看,應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法的負荷水平在態(tài)勢感知累積和閾值為0.05～0.1 時,高于其他兩種試驗方法。

圖2 0.05～0.1 時的負荷水平對比試驗結果Fig.2 Test results of load level comparison(0.05～0.1)

第二個階段:當態(tài)勢感知累積和閾值在0.1～0.15范圍內時,本文方法與其他兩種方法的負荷水平對比試驗結果如圖3 所示。

圖3 0.1～0.15 時的負荷水平對比試驗結果Fig.3 Test results of load level comparison (0.1～0.15)

根據(jù)圖3 可知,當時間為15 h 時,基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢感知方法的有功負荷為4 200 MW,基于模糊推理電網(wǎng)運行態(tài)勢感知方法的有功負荷為4 090 MW,本文方法的有功負荷為4 230 MW。整體來看,應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法的負荷水平在態(tài)勢感知累積和閾值為0.1～0.15 時,高于其他兩種試驗方法。

第三個階段:當態(tài)勢感知累積和閾值在0.15～0.2范圍內時,本文方法與其他兩種方法的負荷水平對比試驗結果如圖4 所示。

圖4 0.15～0.2 時的負荷水平對比試驗結果Fig.4 Test results of load level comparison(0.15～0.2)

根據(jù)圖4 可知,當時間為21 h 時,基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢感知方法的有功負荷為3 820 MW,基于模糊推理電網(wǎng)運行態(tài)勢感知方法的有功負荷為3 800 MW,本文方法的有功負荷為3 910 MW。調控大數(shù)據(jù)方法的負荷水平在態(tài)勢感知累積和閾值為0.15～0.2 時,明顯高于其他兩種試驗方法。

3 結論

綜合試驗結果可知,在態(tài)勢感知累積和閾值為0.05～0.2 范圍內,應用調控大數(shù)據(jù)的電網(wǎng)運行態(tài)勢動態(tài)感知方法的負荷水平高于基于穩(wěn)定性控制的電網(wǎng)運行態(tài)勢動態(tài)感知方法與基于模糊推理電網(wǎng)運行態(tài)勢感知的方法。本文方法通過調控大數(shù)據(jù)算法的應用,實現(xiàn)了負荷水平的提升,對于電網(wǎng)運行監(jiān)控有很大意義。