System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及风险预警领域,具体涉及基于模糊数学的配电网风险预警方法、系统、设备及介质。
技术介绍
1、当前,我们面临着环境日益恶化和资源日益枯竭的国际大环境,各种新生能源逐渐走到了大众眼中,随之而来的汽车行业也逐渐发生了转变,高效、节能、由于电动车具有较低的环境污染等优势,因此电动汽车将取代燃料车,因此电动车产业迅速发展。大量电动汽车厂家如蔚来、小鹏等发展迅猛,大量电动汽车出现在了人们的日常生活之中。这也将带来了大规模的电动汽车将接入配电网,这也将会带来一定的安全风险。进而,新能源和电动汽车ev接入量的迅速增加导致了传统电网结构发生了改变。对于分布式电源和电动汽车趋于以更快更高效的速度接入配电网。尽管随着分布式电源和电动汽车接入电网,可能会在一定程度上提高电能质量以及会降低网络损耗,提高运行效益和经济效益。但是,由于电动汽车和分布式网络的接入,相应也会造成系统的频繁过载和更大的功率损耗。同时,随机和不确定的出力也会造成电能质量的变坏和功率损耗的变多。另外,随着分布式电源(dg),电动汽车(ev)的不断接入,它们的发展将给电网安全稳定运行带来全新的挑战。所以,近年来,电动汽车和有源配电网风险评估研究与实现引起了人们的广泛关注。
2、目前,有源配电网风险评估主要是研究一些计及多种不确定性因素的影响,主要是包括受到多类型电动汽车接入配电网时电动汽车充放电影响、对于光伏等新能源接入配电网的影响。这些风险评估主要基于主成分分析法或基于cvar分析来研究。但是,风险评估方法尽管可以对这种不确定性因素的概率特性和它造成影响的程度
技术实现思路
1、为了解决现有技术仅仅是对配电网的风险进行了一个度量,并没有做出一个风险的预警,也更没有对相应风险的调整辅助决策的问题,本专利技术提出了基于模糊数学的配电网风险预警方法,包括:
2、将待测配电网参数中各节点的故障率输入预先构建的风险概率等级分类模型中,得到各节点的风险概率等级;
3、基于待测配电网参数结合风险指标计算式和预先构建的隶属度函数,得到风险划分等级;
4、基于所述风险划分等级和所述风险概率等级采用模糊推理方法得到综合判断风险等级的综合隶属度,并结合预先制定的模糊规则库得到配电网的风险预警信息;
5、其中,所述风险概率等级分类模型是利用模糊c均值聚类方法构建的;
6、所述隶属度函数采用下述任一方法构建的:直觉法、模糊统计法、专家经验法和模糊分布法。
7、可选的,所述风险概率等级分类模型的构建包括:
8、采用模糊c均值聚类法更新迭代中的隶属度矩阵和隶属度矩阵的中心向量值,输出满足终止条件或最大迭代次数的隶属度矩阵和中心向量值;
9、由所述隶属度矩阵到所述中心向量值的加权平方和作为目标函数;
10、以所述隶属度矩阵属于所有分类的集合为约束条件;
11、由所述目标函数和所述约束条件构建风险概率等级分类模型。
12、可选的,所述风险概率等级分类模型如下式所示:
13、
14、式中,jm(x,p)为数据样本到聚类中心距离的加权平方和;i为类数指标;k为数据样本数指标;c为分类数;n为数据样本个数;m为加权指标(平滑参数);μik表示k个样本属于类i隶属度;dik是第k个样本与第i类中心的测量值;u为隶属矩阵;mfc为所有分类的集合。
15、可选的,所述采用模糊c均值聚类法更新迭代中的隶属度矩阵和隶属度矩阵的中心向量值,输出满足终止条件或最大迭代次数的隶属度矩阵和中心向量值,包括:
16、步骤1:设定类c、最大迭代次数和终止条件ε,初始化隶属矩阵u和聚类中心向量p,其中c为大于2的正整数,ε>0;
17、步骤2:如果存在任意数据样本k和第i类,且存在数据样本k与第i类簇中心的测量值大于零,则经过b次迭代,采用隶属度函数计算式计算数据样本k和第i类的隶属度,其中k为数据样本编号,i为类别编号,b为迭代次数;
18、如果存在数据样本k和第i类,使数据样本k与第i簇中心的测量值为零,则经过b次迭代,数据样本k和第i类的隶属度为1,对于任意数据样本j≠r,有隶属度为零,其中,j和r均为类别数;
19、步骤3:根据中心向量计算式更新聚类隶属矩阵的中心向量值;
20、步骤4:计算第b次迭代的隶属度值与第b-1次迭代的隶属度值的差值的绝对值是否小于终止条件,或迭代次数是否达到最大迭代次数,若是,则进入步骤5,否则迭代次数加1后,返回步骤2;
21、步骤5:终止算法,输出隶属矩阵和隶属矩阵的中心向量值。
22、可选的,所述隶属度函数计算式如下式所示:
23、
24、式中,是第b次迭代k个数据样本属于类i的隶属度值;b是迭代次数;j是类别数;是第k个样本与第i簇中心的测量值,是第k个样本与第j簇中心的测量值,m是加权指数,c是簇总数。
25、可选的,所述中心向量计算式如下式所示:
26、
27、式中,pi是隶属矩阵的中心向量值,μik是k个样本属于类i隶属度值,xk是第k个样本的数据,m为加权指数,n为数据样本的数量,k为样本编号。
28、可选的,所述数据样本k与第i种簇中心的测量值按下式计算:
29、(dik)2=||xk-pi||a=(xk-pi)ta(xk-pi);
30、式中,(dik)2是数据样本k与第i簇中心的测量值,pi是聚类i成员矩阵的中心向量值;a是模糊集;xk是第k个样本的数据。
31、可选的,所述基于待测配电网参数结合风险指标计算式和预先构建的隶属度函数,得到风险划分等级,包括:
32、基于所述待测配电网中各节点的度数、介数和各节点所接常规负荷的比重,结合节点重要度计算式和线路重要度计算式计算得到配电网各节点的重要度和线路重要度;
33、将各节点的电压状态数、电压标幺值越上下限的次数、电压状态的概率和各节点的重要度,结合节点电压越限运行风险指标计算式得到节点电压越限风险值;
34、将配电网中线路的潮流状态数、潮流状态的概率和线路重要度,结合线路功率越限风险指标计算式,得到线路潮流越限风险值;
35、将所述节点电压越限风险值带入预先构建的隶属度函数,得到节点电压越限风险的隶属度函数值,结合预先设定的电压风险等级划分规则,得到节点电压风险等级;
36、将所述线路潮流越限风险值带入预先构建的隶属度函数,得到线路潮流越限风险的隶属度函数值;
37、由所述线路潮流越限风险的隶属度函数值结合预先设定线路越限风险等级划分规则得到所述线路潮流风险等级;
38、其中,所述待测配电网参数包括:各节点的度数、本文档来自技高网...
【技术保护点】
1.基于模糊数学的配电网风险预警方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述风险概率等级分类模型的构建包括:
3.如权利要求2所述的方法,其特征在于,所述风险概率等级分类模型如下式所示:
4.如权利要求2所述的方法,其特征在于,所述采用模糊c均值聚类法更新迭代中的隶属度矩阵和隶属度矩阵的中心向量值,输出满足终止条件或最大迭代次数的隶属度矩阵和中心向量值,包括:
5.如权利要求4所述的方法,其特征在于,所述隶属度函数计算式如下式所示:
6.如权利要求4所述的方法,其特征在于,所述中心向量计算式如下式所示:
7.如权利要求4所述的方法,其特征在于,所述数据样本k与第i种簇中心的测量值按下式计算:
8.如权利要求1所述的方法,其特征在于,所述基于待测配电网参数结合风险指标计算式和预先构建的隶属度函数,得到风险划分等级,包括:
9.如权利要求1所述的方法,其特征在于,所述基于所述风险划分等级和所述风险概率等级采用模糊推理方法得到综合判断风险等级的综合隶属度,包括:
...【技术特征摘要】
1.基于模糊数学的配电网风险预警方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述风险概率等级分类模型的构建包括:
3.如权利要求2所述的方法,其特征在于,所述风险概率等级分类模型如下式所示:
4.如权利要求2所述的方法,其特征在于,所述采用模糊c均值聚类法更新迭代中的隶属度矩阵和隶属度矩阵的中心向量值,输出满足终止条件或最大迭代次数的隶属度矩阵和中心向量值,包括:
5.如权利要求4所述的方法,其特征在于,所述隶属度函数计算式如下式所示:
6.如权利要求4所述的方法,其特征在于,所述中心向量计算式如下式所示:
7.如权利要求4所述的方法,其特征在于,所述数据样本k与第i种簇中心的测量值按下式计算:
8.如权利要求1所述的方法,其特征在于,所述基于待测配电网参数结合风险指标计算式和预先构建的隶属度函数,得到风险划分等级,...
【专利技术属性】
技术研发人员:梁志峰,李国庆,于若英,霍雪松,陈文进,王鹤,曹潇,郝雨辰,阮思烨,廖家齐,陈菁伟,边竞,柴赟,栗峰,戴强晟,隋凌峰,杨晓雷,叶荣波,张宇,梁兆洪,张伟健,
申请(专利权)人:国网江苏省电力有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。