周名煜,谢宁,王承民
(上海交通大学 电气工程系,上海 200240)
基于大数据的配电网运行方式指标灵敏性分析方法研究
周名煜,谢宁,王承民
(上海交通大学 电气工程系,上海 200240)
随着近些年来电网的建设和改造变得越来越频繁,电力系统各方面的数据量不断膨胀,配电网运行方式评价指标数目不断增多,传统的指标分析方法已经难以满足要求。为了在大数据环境下对配电网运行方式指标进行分析,提出了一种灵敏性分析方法,利用泰勒公式建立了反映电网特性与指标之间关系的线性表达式,利用最小二乘法计算每个指标对电网特性的影响程度,并结合由数据分析得到的各个指标一流区间对每个指标进行等级划分,不同的指标等级反映了当前指标对电网特性的影响程度以及该指标值与一流指标区间之间的差距,从不同等级指标的数目可以看出配电网的整体建设情况。对一个现状配电网的指标进行分析,计算结果证明了方法的有效性与可行性。
配电网;运行方式;大数据;灵敏性分析;数据分析
作为电力系统中直接与用户相连的一个环节,配电网对用户供电可靠性的影响最为直接,据统计绝大多数用户停电故障是由配电网故障引起的。为了对现状配电网的运行方式优劣进行全面评价,各类运行方式评价指标被不断提出来,以对这些指标的评价来判断现状配电网是否满足各方面的要求并衡量其满足的具体程度,进而以评价结果指导配电网的规划、建设、改造和运行。
目前对配电网运行方式指标的分析方法仍然是研究热点之一。文献[1-2]利用层次分析法对配电网的运行方式指标进行计算;文献[3]结合层次分析法与模糊评价法对指标进行计算,一定程度上改善了层次分析法的权重设置主观性强的问题;文献[4]利用DEMATEL-ANP-反熵权法和改进灰色关联度法进行权重的组合设置,使得权重同时具备主观性和客观性;文献[5]提出了基于改进雷达图的运行方式评估方法,对电网的运行状态进行等级划分。但是在指标数目以及指标数据很多的情况下,上述指标分析方法无论是在建模上还是在评价结果的合理性方面均存在一定的缺陷。
随着电力系统各方面数据量的不断膨胀,以及“大数据”这一概念的提出,大数据分析在电力系统各方面的应用显得越来越重要。文献[6-7]对大数据分析在智能配电网中的应用进行了分析,主要阐述了负荷预测、网架发展趋势分析、优化规划、不良数据辨识等方面的应用;文献[8]则对大数据分析在主动配电网中的应用进行了研究,但是仍然只是停留在理论层面;文献[9-10]利用大数据分析分别对县域配电系统的发展需求和投资状况等方面进行了研究;文献[11]通过收集电网数据对电网可靠性指标的影响因素进行了分析。目前大数据分析在配电网运行领域的应用仍然十分有限,尤其是在配电网运行方式指标的分析方面,对于大量的指标值仍然没有一个好的分析方法。
本文在研究了配电网运行方式评价的传统方法的基础上,提出了一种基于大数据的运行方式指标灵敏性分析方法。该方法考虑了每个指标对配电网运行特性的影响程度不同,将配电网的运行特性作为因变量,将每个特性下的具体指标作为自变量,利用泰勒公式建立了反映电网特性与指标之间关系的线性表达式,利用最小二乘法计算每个指标对电网特性的影响程度,并且在收集了数个先进城市的指标值的基础上,分析了一流电网的指标值区间,并将待评价电网的指标值与一流指标区间进行对比,结合指标对电网特性的影响程度进行指标分级,从而有针对性的对指标进行优化,向一流电网靠拢。本文最后以一个现状配电网的指标值为例进行了计算,结果表明该方法能够有效地对配电网运行方式指标进行分析,从分析结果可以直观地看出电网的整体情况和建设中存在的不足,为电网的规划与改造提供依据。
灵敏性分析旨在通过分析具体的指标参数来反映配电网的特性,体现配电网的整体建设情况,找出薄弱的指标参数,从而有针对性地提出措施,进行指标参数提升,向建设一流电网的目标前进。对于配电网某个特性而言,由于在配电网的正常运行方式下各个运行方式指标的数值并不会相差很大,因此可以将其视为在一定范围内的一个多元线性函数,可以根据泰勒公式用简式表达式将其表示出来:
Y≈a0+a1x1+a2x2+…+anxn
(1)
(2)
(3)
(4)
(5)
随后可以用X和Y以及式(6)计算式(1)中的各个灵敏性因子:
(6)
由于某些指标已经达到甚至优于一流区间的数值,且由于其每年变化很小甚至不变导致计算出来的灵敏度因子很大,本文将这些指标的灵敏度因子定义为0。为了将这些指标与本身灵敏度因子很小的指标相区分,本文引入一个偏差度的概念来表示某个指标与一流指标之间的差距,而对于已经达到甚至超过了一流区间的指标而言偏差值为0。偏差度利用字母k来表示,指标xi的偏差度计算公式如下:
(7)
综上所述,基于数据分析的配电网运行方式指标灵敏性分析方法的步骤如下:
(1)收集某配电网若干年的指标数据,利用式(2)和式(3)对各指标数据进行标准化,分别将各个特性下的指标标准化后的结果代入式(4)中,利用式(6)计算各个指标的灵敏度因子;
(2)对于每个评价指标分别收集数个该指标较优的城市的指标数据,利用得到的样本数据(不进行标准化)计算每个指标的平均值和标准差,进一步确定每个指标的一流区间;
(3)对某一年的配电网运行方式指标进行分析,确定每个指标是否满足一流区间。若指标满足一流区间甚至优于一流区间,则对其灵敏性因子进行修正,定义其灵敏性因子a为0,偏差度k为0;若指标不满足一流区间,则其灵敏度因子a取为步骤1)中式(6)对应的计算结果并取绝对值(取绝对值的原因是只需要了解该指标对电网特性的影响程度),并利用式(7)计算得到其偏差度k;
(4)针对该现状配电网,确定灵敏度因子a和偏差度k的区间来对所有指标进行等级划分,从指标的分级结果可以看出配电网的整体情况和每个指标的变化情况,为指标的优化以及配电网的下一步建设与规划作参考。
本文选取了某个城市的现状配电网来验证该分析方法的有效性与实用性,该配电网的电压等级包括10 kV、35 kV以及400 V,选取2011年至2015年的指标数据进行计算,将指标分为安全质量、运行绩效和技术装备三类,得到各个指标的灵敏性因子、偏差度和一流基准值的计算结果见表1-表3所示,其中偏差度仅列出2014年和2015年的结果。由于原始数据较多,因此此处仅列出计算结果。
表1 安全质量指标的计算结果
表2 运行绩效指标的计算结果
表3 技术装备指标的计算结果
对表1-表3中的各数据进行分析,最终选取的指标等级划分区间以及指标分级结果如下:
(1)一级指标(a≥4且k≥0.4):系统平均停电时间,系统平均停电次数,中压配电网故障平均修复时间;(2)二级指标(a≥1.2且k≥0.12):供电可靠率,10 kV线路平均负载率,低压配电网故障平均修复时间,10 kV架空线路绝缘化率,10 kV线路电缆化率,配电自动化覆盖率,10 kV线路平均电源数;
(3)三级指标:除一级指标和二级指标以外的其它指标。
其中一级指标的灵敏性因子和偏差度都很大,说明该类指标对电网特性的影响程度大,并且与一流区间还有很大的差距,该类指标为需要重点改善的指标,有很大的提升空间;二级指标的灵敏性因子和偏差度都不是很大,说明该类指标对电网特性的影响程度适中,并且与一流区间并没有很大的差距,该类指标一般为已经经过初步改善的指标,有一定的提升空间,只需要施加适度的关注即可;三级指标一般是灵敏性因子较小或者是偏差度较小的指标,说明该类指标要么就是已经达到甚至超过一流水平,要么就是对电网特性影响程度很小,对于该类指标并不需要太多关注,只需要保持现有水平即可。总体而言,随着当地配电网建设的不断发展,指标的变化总趋势始终是由一级指标变为二级指标,最后向三级指标发展。
由于一级指标和二级指标总共有10个,占比为30.3%,因此可以认为该城市配电网的建设处于一个良好的水平,但是与一流电网之间仍然有一定差距。除此之外,可以看出大部分指标都是2015年的偏差度小于或等于2014年的偏差度,这符合电网建设发展的一般规律,即评价指标逐步向一流区间靠近。由上述分析可以看出,通过计算该市配电网三类电网特性下的各个指标的灵敏性因子和偏差度,并对指标进行等级划分,可以清晰的了解到该市配电网的整体建设情况,为配电网指标的优化指明了方向,为配电网进一步的建设、改造和规划提供了参考和依据,证明了本文提出的灵敏性分析方法的有效性与可行性。
本文提出了一种基于大数据的配电网运行方式指标分析方法,利用灵敏性因子反映运行方式指标对电网特性的影响程度,利用偏差度反映当前指标值与一流指标值之间存在的差距,并以灵敏性因子和偏差度为依据对指标进行分级,从分级结果可以直观反映出电网的整体建设情况、每个指标的变化情况以及与一流电网之间的差距,算例的计算结果以及所得的分析结果可以反映出配电网的建设情况与薄弱环节,为指标的优化以及配电网的改造与规划提供依据和参考。
[1] 曹阳,孟晗辉,赵力,等.基于层次分析法的新农村低压配电网综合评估方法[J].电网技术,2007,31(8):68-72.
[2] 冯新龙,孙岩,林声宏,等.配电网综合评价指标体系及评估方法[J].广东电力,2013,26(11):20-25,53.
[3] 肖峻,高海霞,葛少云,等.城市中压配电网评估方法与实例研究[J].电网技术,2005,29(20):77-81.
[4] 张心洁,葛少云,刘洪,等.智能配电网综合评估体系与方法[J].电网技术,2014,38(1):40-46.
[5] 张伟,冷永杰,闫剑锋,等.基于改进雷达图的配电网综合状态评估实用方法[J].电力系统保护与控制,2013,41(12):117-122.
[6] 赵腾,张焰,张东霞.智能配电网大数据应用技术与前景分析[J].电网技术,2014,38(12):3305-3312.
[7] 刘科研,盛万兴,张东霞,等.智能配电网大数据应用需求和场景分析研究[J].中国电机工程学报,2015,35(2):287-293.
[8] 张沛,吴潇雨,和敬涵.大数据技术在主动配电网中的应用综述[J].电力建设,2015,36(1):52-59.
[9] 杨婉,王璟,文福拴.县域配电系统发展需求层次划分和聚类评估[J].电力建设,2016,37(6):31-38.
[10] 田方媛,郭勇,梁博淼,等.综合评估县域配电系统投资与发展状况的新方法[J].电力建设,2016,37(1):1-8.
[11] 曾鸣,钟琼雄,李源非.基于系统动力学的电网可靠性指标影响因素分析[J].电力建设,2015,36(12):123-130.
A Research on the Analysis Method for the Sensitivity of Operation Mode Indexes Based on Big Data
Zhou Mingyu, Xie Ning, Wang Chengmin
(Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China)
With more and more frequent construction and reconstruction of power grids in recent years, data volume continues to expand in all aspects of power systems. The quantity of evaluation indexes for the operation mode of distribution networks increases so rapidly that traditional index analysis methods can hardly meet the requirements. In order to analyze indexes for the operation mode of distribution networks in the environment of big data, this paper proposes a sensitivity analysis method, in which the Taylor formula is used to form a linear expression to reflect the relationship between power grid characteristics, and the least square method is used to calculate the degree of influence of each index upon power grid characteristics. Furthermore, all indexes are classified according to their first-class intervals obtained through data analysis. Different index grades reflect the degree of influence of the current index upon power grid characteristics as well as the gap between that index value and the first-class index interval. The whole situation of network construction can be seen from the number of indexes of different grades. The indexes of an existing distribution network are analyzed in this method, and calculation results prove the effectiveness and feasibility of this method.
distribution network;operation mode; big data; sensitivity analysis;data analysis
10.3969/j.issn.1000-3886.2017.02.011
TM727
A
1000-3886(2017)02-0036-03
周名煜(1992-),男,江苏人,硕士生,主要从事电力系统安全稳定分析、电力系统经济运行、电力市场方面研究。
定稿日期: 2016-08-02