[发明专利]一种含分布式电源配电网的电能质量多时段综合预警方法

摘要

一种含分布式电源配电网的电能质量多时段综合预警方法，包括：分布式电源并网前的对其并网接入产生电能质量影响的预评估；分布式电源并网后的配电网实时运行稳态电能质量指标数据的获取；分布式电源并网后的基于广义回归神经网络预测模型实现未来时段配电网稳态电能质量指标数据的预测；针对各稳态电能质量指标各预警等级的阈值设置；构建包含预评估预警、实测预警和预测预警功能的电能质量多时段综合预警机制。

主权项

1.一种含分布式电源配电网的电能质量多时段综合预警方法，分布式电源简称DG，电能质量简称PQ，包括如下步骤：步骤1、DG并网前的PQ影响预评估：DG接入并网运行将给配电网带来PQ方面的影响；在DG规划阶段或已完成DG安装但尚未并网运行阶段，无法获得系统PQ的实测数据，但根据DG类型、DG接入位置及容量、DG输出功率预测值、线路阻抗相关数据，采用构建等效模型及潮流计算方法，基于公式(1)能够实现关键节点并网前、后电压差和电压波动情况的分析，从而预评估DG接入并网运行对原配电网造成的PQ影响：其中，ΔU为接入点DG并网前、后的电压差，R₀为配电网主电源到DG接入点之间的等效电阻，P_pv为预计接入的DG容量，U_N为接入点的额定电压；步骤2、DG并网后的实时PQ数据获取：在DG接入点布置PQ监测装置，实现含DG配电网PQ数据的实时采集，并将有效信息传送到目标配电网管理中心的PQ监测站服务器，在此由PQ分析软件实现PQ各单项指标值的计算；步骤3、DG并网后的未来时段PQ预测：在充分考虑影响DG出力的多种因素以及电网负荷变化情况下，构建基于GRNN神经网络的PQ预测模型，并将其预测结果作为未来时段PQ预警的依据；步骤301，构建广义回归神经网络的PQ预测模型，广义回归神经网络简称GRNN神经网络：以所选取的PQ影响因素为输入变量，以各单项稳态PQ指标为输出变量，分别构建基于GRNN神经网络的各单项稳态PQ指标的预测模型；步骤302，GRNN神经网络PQ预测模型的训练：以系统采集保存的各历史时段的PQ指标数据为输出数据组，以对应时段的环境因素及负荷数据为输入数据组，进行PQ预测神经网络的训练，直至训练结果满足误差允许；步骤303，未来目标时段的PQ预测：基于已完成训练的GRNN神经网络PQ预测模型，以未来目标时段的环境因素和负荷预测数据作为输入数据，实现含DG配电网未来目标时段的PQ指标数据预测；步骤4、各PQ预警等级的阈值设置：针对各PQ指标项分别确定各预警等级的阈值；为避免PQ数据在阈值附近波动造成的预警信息频繁变化的困扰，设置阈值越限呆滞区；步骤401，各预警等级阈值设置：根据各稳态PQ指标的国家标准以及专家经验，将各稳态PQ指标的国家标准中规定的“不合格”限值进一步划分为从“轻微”预警到“严重”预警的多个预警等级阈值；步骤402，阈值越限呆滞区设置：当PQ数据在阈值附近上下波动时，将导致PQ预警状态的频繁改变；为避免这种缺陷，为各预警等级的阈值分别设置阈值越限呆滞区，添加阈值上限和阈值下限，PQ数据未超出阈值越限呆滞区范围预警等级将不会改变：A)高预警等级的阈值下限Δx₁：当PQ指标偏差程度增加越过高预警等级阈值时，系统由低预警等级转换为更高一级的预警等级；随后若PQ指标值在高预警等级阈值附近上下波动，只有当其值跌落超出由高预警等级的阈值下限Δx₁形成的越限呆滞区范围，系统才能恢复为低预警等级；B)低预警等级的阈值上限Δx₂：当PQ指标偏差程度降低越过低预警等级阈值时，系统由高预警等级转换为更低一级的预警等级；随后若PQ指标值在低预警等级阈值附近上下波动，只有当其值升高超出由低预警等级的阈值上限Δx₂形成的越限呆滞区范围，系统才能恢复为高预警等级；步骤5、构建多时段综合PQ预警机制：DG并网接入前、DG并网接入后实时运行和未来时段不同场景下，PQ预警具有各自不同的意义和特征；实现上述不同场景下含DG配电网的多时段综合PQ预警机制为：步骤501，DG并网前的PQ预评估预警：在DG并网前，依据步骤1对其并网接入造成的PQ影响进行预评估，并将预评估结果与国家PQ标准限值进行对比；若不超标则允许DG并网接入，若超标则发出预警告示，告知电网管理者或DG用户进行DG接入容量和地址的重新规划；步骤502，DG并网后的PQ实测预警：在DG接入电网后，根据步骤2所获得的含DG配电网PQ实时监测数据与根据步骤4所获得的各预警等级阈值进行比较；依据系统给出的各项PQ指标的预警等级，对出现PQ指标超标的相关线路及时给出告警；步骤503，DG并网后的PQ预测预警：在DG接入电网后，根据步骤3所获得的含DG配电网的未来时段的PQ预测数据与根据步骤4所获得的各预警等级阈值进行比较；依据系统给出的各项PQ指标的预警等级，对预测将出现PQ指标超标的相关线路及时给出告警。