CN118657297B

CN118657297B - 一种典型日功率曲线分析方法及存储介质

Info

Publication number: CN118657297B
Application number: CN202411140443.0A
Authority: CN
Inventors: 丁芗; 丁佳煜; 李思凡; 张润丰; 廖诗武; 马龙鹏
Original assignee: Nanjing Tude Technology Co ltd
Current assignee: Nanjing Tude Technology Co ltd
Priority date: 2024-08-20
Filing date: 2024-08-20
Publication date: 2024-10-29
Anticipated expiration: 2044-08-20
Also published as: CN118657297A

Abstract

本发明公开一种典型日功率曲线分析方法及存储介质，属于电网负荷分析技术领域。方法包括：获取待分析时间区间内的功率数据，进行正态分布拟合得到对应各采样时刻的功率期望值，拟合得到初始典型日功率曲线；基于初始典型日功率曲线，建立用于逼近初始典型日功率曲线的分段函数曲线的分段点优化模型，分段点优化模型的优化目标为：初始典型日功率曲线与分段函数曲线之间的功率差值最小；对分段点优化模型进行优化求解，得到分段点组合；根据分段点组合以及初始典型日功率曲线，确定分段函数曲线，将其作为所述典型日功率曲线。本发明分析得到的典型日功率曲线能够准确反映分析时段内区域电网的功率特征，为相应时段的功率控制提供可靠的数据基础。

Description

一种典型日功率曲线分析方法及存储介质

技术领域

本发明涉及电网负荷分析技术领域，特别是一种典型日功率曲线分析方法及存储介质。

背景技术

电网负荷曲线预测、储能容量配置、直流优化定曲线确定等工作均需要选取合适的典型日，提取典型日功率曲线，分析应用成果，给实际运行提供策略参考。以直流输电系统中的送端直流功率控制为例，换流变分接头控制是高压直流输电系统控制的基本手段之一，可按照典型日功率曲线进行功率挡位的调节，对换流变分接头进行控制。特高压直流系统中的各种设备（如换流器、变压器等）在频繁调节挡位的情况下容易受到损坏，换流变分接头升降频繁，换流变易出现分接头同步、操作失败等问题，顶部传动机构齿轮盒易出现积污严重、齿轮卡涩等问题，导致分接开关无法正常运行，限制日内挡位调节次数可以减少设备的损坏风险；频繁调节挡位会增加系统运行的成本，限制日内挡位调节次数可以降低系统的运行成本，提高系统的经济性；通过限制日内挡位调节次数，可以减少系统运行中频繁的挡位调节，特别是减少调整挡位带来的无功补偿调整，提高系统的运行效率，减少能源损耗；限制日内挡位调节次数可以降低系统运行中出现问题的风险，确保系统的安全稳定运行，保障输电系统的可靠性和安全性。挡位因此，典型日功率曲线的提取、分析显得尤为重要。

目前，典型日功率曲线提取主要有最大日负荷、均值法、加权平均法、模糊C均值聚类算法等，其中，最大日负荷统计最大峰谷差、最大负荷时刻，将最大峰谷差或最大负荷所在日曲线作为典型日功率曲线；模糊C均值聚类算法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属，以达到自动对样本数据进行分类的目的。

对于一个区域电网，其时序运行模拟可以建模为一个混合整数线性规划模型，以总运行成本最低为目标，考虑功率平衡约束、备用约束、子系统间网架约束、爬坡约束、最小启停时间约束、热负荷平衡约束、热电联产机组出力约束、水电站库容约束等约束，进行计算，以安排系统中所有机组的启停和出力。为确定直流线路运行模式、进行分析、提供控制策略，将直流加入模型，进行时序运行模拟计算，得到优化曲线，以天为单位，一天24小时，每小时一功率值。进一步提取月、季节、全年典型日功率曲线，可用上述典型日功率曲线提取方法：最大日负荷法简单、直观，但往往不能反映最典型特征；均值法、加权平均法打破时序优化约束，不能实现按挡调节、特定挡位避开，不能限定调节次数、持续时间；模糊C均值聚类适用负荷预测，不适用于该场景下典型日功率曲线提取。

发明内容

本发明的目的是提供一种典型日功率曲线分析方法及存储介质，能够准确反映分析时段如预测时段中区域电网的典型功率特征，为相应时段的功率控制提供可靠的数据基础，给实际运行提供策略参考，保护设备稳定，降低系统运行成本，提高系统运行效率，保证系统安全稳定运行。本发明采用的技术方案如下。

一方面，本发明提供一种典型日功率曲线分析方法，包括：

获取待分析时间区间内按设定采样间隔采样得到的功率数据；

对各采样时刻的所述功率数据进行正态分布拟合，得到对应各采样时刻的功率期望值；

将所述对应各采样时刻的功率期望值，作为相应采样时刻的典型功率，基于各采样时刻的典型功率拟合得到初始典型日功率曲线；

基于所述初始典型日功率曲线，建立用于逼近所述初始典型日功率曲线的分段函数曲线的分段点优化模型，所述分段点优化模型的优化目标为：所述初始典型日功率曲线与分段函数曲线之间的功率差值之和最小；

对所述分段点优化模型进行优化求解，得到分段点组合；

根据所述分段点组合以及所述初始典型日功率曲线，确定所述分段函数曲线，将其作为所述典型日功率曲线。

本发明的功率数据可为历史负荷或功率数据，所得典型日功率曲线可用于根据历史同期负荷或功率，进行当前时期的功率控制。功率数据也可为模拟或预测所得的指定时期的负荷或功率数据，所得典型日功率曲线可用于相应时期功率控制的参考。

本发明在利用正态分布分析典型日功率曲线的基础上，再通过分段函数寻优得到能够逼近正态分布结果曲线的分段曲线，能够更显著地体现一日内功率在不同时段的特征以及变化关系，并使相邻时段相对较为接近的功率合并挡位，可在根据分析所得曲线进行功率控制时，减少功率换挡次数，提升相关设备的运行可靠性。

可选的，所述对各采样时刻的所述功率数据进行正态分布拟合，得到对应各采样时刻的功率期望值，包括：

假设多日同一时刻的功率数据近似服从正态分布，则构建似然函数为：

式中，表示对应采样时刻的功率数据的正态分布参数，表示正态分布的概率密度函数，表示均值，表示方差，表示对应采样时刻的多日功率数据；

通过对似然函数求导，得到使最大的正态分布参数；

根据所述正态分布参数，计算功率数据正态分布的期望，将其作为相应采样时刻的功率期望值。

可选的，基于所述初始典型日功率曲线，建立用于逼近所述初始典型日功率曲线的分段函数曲线的分段点优化模型，包括：

根据所述初始典型日功率曲线的变化特点，选择所述分段函数曲线的分段数m；

按照所述分段数，建立分段点未知的分段函数曲线的数学模型；

根据所述分段函数曲线的数学模型，建立以初始典型日功率曲线与分段函数曲线之间的功率差值之和最小为优化目标的分段点优化模型。

可选的，以1小时作为所述设定采样间隔，所述分段函数曲线的数学模型表示为：

，

式中，表示采样时刻，表示分段函数曲线上采样时刻处的功率值，表示将分段函数曲线分为m段的（m-1）个分段点，表示正整数，表示初始典型日功率曲线上整日24个采样时刻处的功率值。

以上技术方案中，当采样间隔调整，则一天内的采样点数相应变化。对于任意根据初始典型日功率曲线的变化特点所选择的分段函数曲线的分段数m，分段函数曲线的分段点为（m-1）个，分段点数量可根据初始典型日功率曲线变化幅度较大的位置的数量来确定。

可选的，所述分段点优化模型的目标函数表示为：

式中，表示初始典型日功率曲线与分段函数曲线之间的功率差值之和，表示初始典型日功率曲线上采样时刻处的功率值，为待优化求解的分段点。

需要说明的是，在进行分段点寻优时，分段点的数量是已经确定好的，也即分段数m是已知量，需要优化求解的是每个分段点所在的位置，也即分段点对应的采样时刻。

可选的，对所述分段点优化模型进行优化求解得到分段点，采用遗传算法进行，包括：

随机初始化一个种群，种群中的每个个体表征一组备选的分段点组合，各分段点作为不同基因，用其对应采样时刻的二进制数进行编码；

用适应度函数对每个个体进行适应度评估，根据适应度评估结果进行个体的选择、交叉和变异，得到下一代种群，直至达到迭代中止条件；

将迭代过程中适应度最优的个体作为最优解，得到其对应的分段点组合。

可选的，在所述迭代过程中，进行变异操作时，随机改变任意基因编码的最低位的值，得到新的基因编码。该变异操作在增加搜索空间，避免陷入局部最优解的同时，考虑了编码之间因表征先后的功率采样时刻而具有的差值和大小顺序特点，提升了下一代个体的有效性。

可选的，所述适应度函数表示为：

。

在选择用于遗传至下一代的父代个体时，个体被选择用于繁殖的概率与其适应度成正比。

可选的，根据分段点组合以及所述初始典型日功率曲线，确定所述分段函数曲线，包括：

将优化求解所得到的分段点组合代入所述分段函数曲线的数学模型；

对分段函数曲线的每一个分段，计算相应分段所覆盖的采样时刻处初始典型日功率曲线上功率值的平均值，并根据平均值确定分段函数曲线在相应分段的功率值；

得到分段点及各分段功率值已知的分段函数曲线。

可选的，根据平均值确定分段函数曲线在相应分段的功率值，包括：

对于分段函数曲线的每一个分段，将其对应的所述功率值的平均值，转换为就近的整十数，作为相应分段的功率值。

在直流输电通道电力系统时序模拟及预测控制中，不仅包含直流功率变挡位次数约束，功率调节约束还包括按整十挡位进行调节，因此，在确定分段点并求得各分段功率均值后进行取整十数，可还原原始数据约束，为功率控制提供更直接的数值参考。

第二方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现第一方面所述的典型日功率曲线分析方法。

有益效果

本发明在利用正态分布分析典型日功率曲线的基础上，再通过分段函数寻优得到能够逼近正态分布结果曲线的分段曲线，能够准确反映分析时段，如预测时段或历史时段中区域电网的典型功率特征，体现一日内功率在不同时段的特征以及变化关系，并使相邻时段相对较为接近的功率合并挡位，为相应时段的功率控制提供可靠的数据基础，减少根据典型日功率曲线进行功率控制时的功率换挡次数，保护设备稳定运行，降低系统运行成本，提高系统运行效率，保证系统安全稳定。

附图说明

图1所示为本发明典型日功率曲线分析方法的一种实施例流程示意图；

图2所示为一种实施例中实际采样的日功率曲线示意图；

图3所示为一种实施例中拟合得到的初始典型日功率曲线示意图；

图4所示为一种实施例中最终典型日功率曲线示意图；

图5所示为初始典型日功率曲线和最终典型日功率曲线的对比示意图。

具体实施方式

以下结合附图和具体实施例进一步描述。

实施例1

参考图1所示，本发明提供一种典型日功率曲线分析方法，包括：

对所述分段点优化模型进行优化求解，得到分段点组合；

本实施例方法的具体实现包括以下几个部分的内容。

一、功率数据获取。

此处所获取的功率数据可为历史负荷或功率数据，所得典型日功率曲线可用于根据历史同期负荷或功率，进行当前时期的功率控制。功率数据也可为模拟或预测所得的指定时期的负荷或功率数据，所得典型日功率曲线可用于相应时期功率控制的参考。

由于分析目的是典型日功率曲线，因此功率数据的采样间隔可优选为1小时，或者根据需要调整。

二、对功率数据进行正态分布拟合，得到各采样时刻的功率期望值。

三、根据各采样时刻的功率期望值拟合得到初始典型日功率曲线。

四、建立分段点优化模型，具体步骤为：

4.1）根据所述初始典型日功率曲线的变化特点，选择所述分段函数曲线的分段数m，分段点数量可根据初始典型日功率曲线变化幅度较大的位置的数量来确定；

4.2）按照所述分段数，建立分段点未知的分段函数曲线的数学模型，表示为：

，

式中，表示采样时刻，表示分段函数曲线上采样时刻处的功率值，表示将分段函数曲线分为m段的（m-1）个分段点，表示正整数，表示初始典型日功率曲线上整日24个采样时刻处的功率值；

4.3）根据所述分段函数曲线的数学模型，建立以初始典型日功率曲线与分段函数曲线之间的功率差值之和最小为优化目标的分段点优化模型，表示为：

在进行分段点寻优时，分段点的数量是已经确定好的，也即分段数m是已知量，需要优化求解的是每个分段点所在的位置，也即分段点对应的采样时刻。

五、对所述分段点优化模型进行优化求解，得到分段点组合。在这部分内容中，本实施例采用遗传算法进行分段点组合的寻优。

六、根据分段点组合以及初始典型日功率曲线，确定所述分段函数曲线，将其作为所述典型日功率曲线，具体包括：

对于分段函数曲线的每一个分段，将其对应的所述功率值的平均值，转换为就近的整十数，作为相应分段的功率值；

得到分段点及各分段功率值已知的分段函数曲线。

实施例2

本实施例以直流输电系统场景中的功率调控为例进行方法的说明。

直流输电系统的送、受端换流器可看作2个可控直流电压源，其通过直流线路电阻产生直流电流，从而形成持续的功率传输。两端直流输电系统存在直流电压和直流电流(或直流功率)2个控制目标，通常送端控制直流电流或直流功率，而受端控制直流电压。

为便于理解，采用“挡位”的概念描述直流功率数值。换流变分接头控制作为高压直流输电系统控制的基本手段之一，对高压直流输电的调控起着非常重要的作用，频繁调节挡位，即频繁调节直流功率，换流变分接头升降频繁，换流变易出现分接头同步、操作失败等问题，顶部传动机构齿轮盒易出现积污严重、齿轮卡涩等问题，导致分接开关无法正常运行。

综合考虑简洁性、便捷性、安全性，在待建直流输电通道电力系统时序模拟中，添加有直流功率变挡位次数约束，并采取整十挡位（如40、50、60、70、80、90、100、110、120）进行功率变挡。

本实施例所获取的原始功率数据如表1和图2所示。需要说明的是，表1中， 6月1日1:00功率数据40，即6月1日0:00-1:00功率保持40MW，6月1日2:00功率40，即6月1日1:00-2:00功率保持40MW。

表1 部分日功率数据：

结合图2，时序模拟以天为单位，每天均有一条日功率曲线，日功率曲线较为杂乱，没有明显特征，存在全天满发情况，如果使用最大日负荷法提取，通道将始终输送额定功率，难以概括全局特征。但是实际应用中，一个月或三个月采用一条统一的定曲线更为方便，因此，有必要进行典型日功率曲线提取。

如果使用均值法、加权平均法进行典型日功率曲线提取，将打破约束，不能实现按整十挡位调节，不能限定调节次数，例如，6月1日至6月7日1:00功率平均值、加权平均值不为整十（如40、50、60、70、80、90、100、110、120）。因此不便使用常规典型日功率曲线提取方法。

因此，本实施例首先基于获取到的数据，进行正态分布拟合，得到对应各采样时刻的功率期望值，包括：

通过对似然函数求导，得到使最大的正态分布参数；

根据所述正态分布参数，计算功率数据正态分布的期望，将其作为相应采样时刻的功率期望值。正态拟合结果如表2

表2 正态拟合所得各采样时刻的功率值

此时，将对应各采样时刻的功率期望值，作为相应采样时刻的典型功率，基于各采样时刻的典型功率可拟合得到初始典型日功率曲线，如图3所示。

图3所示的日功率曲线中，转折点较多，相应的，根据该曲线进行换流变控制时，变挡次数较多，换流变分接头寿命将收到影响。因此，本实施例用一个分段函数近似代替原日功率曲线，每段曲线的函数值为该段内典型日功率曲线的均值，但是需要首先确定分段数和分段点。

对于分段数，本实施例可根据初始日功率曲线的变化特点进行确定，如根据初始典型日功率曲线变化幅度较大的位置的数量来确定分段数m，如根据表2和图3，本实施例将分段数选择为4，则分段函数曲线的分段点为3个。

对于分段点组合，也即各分段点的位置，本实施例初始典型日功率曲线与分段函数曲线之间的功率差值之和最小为优化目标，以分段点为优化变量，构建分段点优化模型，进行非线性多变量整数优化。

用表示将分段函数曲线分为4段的3个分段点，功率数据的采样间隔为1小时，分段点未知的分段函数曲线的数学模型，表示为：

式中，表示采样时刻，表示分段函数曲线上采样时刻处的功率值，表示正整数，表示初始典型日功率曲线上整日24个采样时刻处的功率值。

则以初始典型日功率曲线与分段函数曲线之间的功率差值之和最小为优化目标的分段点优化模型，表示为：

对于分段点组合的寻优，本实施例使用遗传算法进行求解，算法基本原理源于自然选择和遗传学基本概念，首先确定给定问题的候选解集合，这些候选解经过迭代评估，用于创建下一代解。更优的解有更大的机会被选择，并将其特征传递给下一代候选解集合。通过迭代过程，不断改进候选解集合的质量，逼近最优解。遗传算法不是直接在候选解上运行，而是在它们的表示上运行，核心步骤包括选择、交叉和突变。为了创建一对新个体，通常将从当前代中选择的双亲样本的部分染色体互换，以创建代表后代的两个新染色体。突变操作的目的是定期随机更新种群，将新模式引入染色体，如翻转二进制一位，并鼓励在解空间的未知区域中进行搜索。在算法的每次迭代中，使用适应度函数对个体进行评估，个体被选择用于繁殖的概率与其适应度成正比，适应度得分更高的个体代表了更好的解，更有可能被选择繁殖，并且其性状会在下一代中得到表现。随着遗传算法的进行，解的质量会提高，适应度会增加，一旦找到具有令人满意的适应度值的解，终止遗传算法。

具体的，本实施例中，对所述分段点优化模型进行优化求解得到分段点，包括：

随机初始化一个种群，种群中的每个个体表征一组备选的分段点组合，各分段点作为不同基因，用其对应采样时刻的二进制数进行编码，例如，如果分段点为3，分段点为5，分段点为8，则编码分别为0000 0101，0000 0011，0000 1000；

用适应度函数对每个个体进行适应度评估，根据适应度评估结果进行个体的选择、交叉和变异，得到下一代种群，直至达到迭代中止条件；所述适应度函数表示为：

在上述迭代过程中，进行变异操作时，随机改变任意基因编码的最低位的值，如0变1，或1变0，得到新的基因编码。该变异操作在增加搜索空间，避免陷入局部最优解的同时，考虑了编码之间因表征先后的功率采样时刻而具有的差值和大小顺序特点，提升了下一代个体的有效性。

经过上述寻优过程，本实施例得到的分段点组合如表3所示。

表3 分段点组合的寻优结果

此时，可将求解所得分段点组合代入分段函数曲线的数学模型，并从初始典型日功率曲线中提取数据，依次处理每段，计算该段内初始典型日功率曲线上功率数据的均值，并就近取整十挡位（如40、50、60、70、80、90、100、110、120），对此可采用round（四舍五入）、floor（向下取整）、ceil（向上取整）、fix（向零取整、去尾）等数据操作方式实现，得到分段函数曲线各分段的功率值，至此可得到最终的典型日功率曲线，如图4所示，对应的各采样时刻的功率值如表4。

表4 典型日功率曲线上各采样时刻的功率值

图5示出了初始典型日功率曲线与最终典型日功率曲线的对比，可以看出，本实施例分析所得的典型日功率曲线不仅能够很好地反应功率数据的变化特点，也减少了以此作为依据进行功率控制时的换挡次数，可减少因不必要的功率换挡控制导致的换流变分接头受损，有助于电网稳定运行。

实施例3

本实施例介绍一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现实施例1或实施例2所述的典型日功率曲线分析方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims

1.一种典型日功率曲线分析方法，其特征是，包括：

对所述分段点优化模型进行优化求解，得到分段点组合；

根据所述分段点组合以及所述初始典型日功率曲线，确定所述分段函数曲线，将其作为所述典型日功率曲线；

其中，基于所述初始典型日功率曲线，建立用于逼近所述初始典型日功率曲线的分段函数曲线的分段点优化模型，包括：

根据所述分段函数曲线的数学模型，建立以初始典型日功率曲线与分段函数曲线之间的功率差值之和最小为优化目标的分段点优化模型；

所述分段点优化模型的目标函数表示为：

，

式中，表示初始典型日功率曲线与分段函数曲线之间的功率差值之和，表示初始典型日功率曲线上采样时刻处的功率值，为待优化求解的分段点；

对分段函数曲线的每一个分段，计算相应分段所覆盖的采样时刻处初始典型日功率曲线上功率值的平均值，并将平均值转换为就近的整十数，作为分段函数曲线在相应分段的功率值；

得到分段点及各分段功率值已知的分段函数曲线。

2.根据权利要求1所述的典型日功率曲线分析方法，其特征是，所述对各采样时刻的所述功率数据进行正态分布拟合，得到对应各采样时刻的功率期望值，包括：

，

通过对似然函数求导，得到使最大的正态分布参数；

3.根据权利要求1所述的典型日功率曲线分析方法，其特征是，以1小时作为所述设定采样间隔，所述分段函数曲线的数学模型表示为：

，

4.根据权利要求1所述的典型日功率曲线分析方法，其特征是，对所述分段点优化模型进行优化求解得到分段点，采用遗传算法进行，包括：

5.根据权利要求4所述的典型日功率曲线分析方法，其特征是，在所述迭代过程中，进行变异操作时，随机改变任意基因编码的最低位的值，得到新的基因编码；

所述适应度函数表示为：

。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该计算机程序被处理器执行时，实现权利要求1至5任一项所述的典型日功率曲线分析方法。