本發(fā)明涉及數(shù)據(jù)處理，具體為基于拉丁超立方抽樣法的電網(wǎng)運(yùn)行方式推演方法。

背景技術(shù)：

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和人類生產(chǎn)生活對(duì)電力需求的不斷增加，電網(wǎng)的運(yùn)行管理變得越來越復(fù)雜，電力系統(tǒng)包含了發(fā)電和用電兩個(gè)主要環(huán)節(jié)，隨著新能源的迅速發(fā)展，為了保證電力供應(yīng)的穩(wěn)定性和高效性，電網(wǎng)需要在各種新能源發(fā)電出力下穩(wěn)定運(yùn)行，因此，推演電網(wǎng)運(yùn)行的各種情況，基于推演數(shù)據(jù)進(jìn)行電網(wǎng)安全性分析，成為電力管理部門的重要課題。如專利號(hào)為cn117013543a的一種基于隨機(jī)潮流的配電網(wǎng)光伏承載能力評(píng)估方法，所述方法基于蒙特卡洛抽樣方法計(jì)算電壓越限概率，并以潮流約束、配電網(wǎng)安全運(yùn)行約束、配電網(wǎng)分布式光伏約束為約束條件，以光伏發(fā)電有功功率最大化以及電壓越限概率和電網(wǎng)損耗最小化為目標(biāo)，構(gòu)建目標(biāo)函數(shù)，得到評(píng)估模型，最后根據(jù)目標(biāo)函數(shù)值是否達(dá)到臨界值來判斷配電網(wǎng)的光伏承載能力，通過上述方法評(píng)估光伏承載能力，在一定程度上提高了評(píng)估準(zhǔn)確性，提高了電網(wǎng)安全性，但通過蒙特卡洛抽樣方法對(duì)整個(gè)電網(wǎng)所有數(shù)據(jù)進(jìn)行統(tǒng)一抽樣的方式，在原有的負(fù)荷相差不大、發(fā)電計(jì)劃編排的情況下問題不大，然而隨著新能源的發(fā)展，新能源的發(fā)電不受計(jì)劃控制，不再呈現(xiàn)常規(guī)的概率分布特性，因此在較小的抽樣規(guī)模下用蒙特卡洛很難抽樣出低概率的事件，由此可知，上述方案在進(jìn)行抽樣的過程中受到抽樣規(guī)模的限制，因此適應(yīng)性較差。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)在抽樣過程中依賴于抽樣規(guī)模，導(dǎo)致適應(yīng)性差的技術(shù)問題，本發(fā)明提供了基于拉丁超立方抽樣法的電網(wǎng)運(yùn)行方式推演方法，通過獲取線路分類結(jié)果并獲取各類型線路的概率分布，并根據(jù)已知的概率分布情況，使用拉丁超立方抽樣法得到各類型線路的推演數(shù)據(jù)，在為拉丁超立方抽樣法的參數(shù)選擇提供了依據(jù)，避免了參數(shù)選擇的盲目性和隨意性的同時(shí)，還通過拉丁超立方抽樣法能夠高效反映原始概率分布的特性，提高了在較小抽樣規(guī)模下的抽樣分布均勻性，解決了在抽樣過程中依賴于抽樣規(guī)模，導(dǎo)致適應(yīng)性差的技術(shù)問題。顯著的提高了電網(wǎng)運(yùn)行方式推演的效率、適應(yīng)性與準(zhǔn)確性。

2、為解決上述技術(shù)問題，本發(fā)明提供了基于拉丁超立方抽樣法的電網(wǎng)運(yùn)行方式推演方法，包括以下步驟：

3、s1：基于電網(wǎng)模型與量測(cè)數(shù)據(jù)獲取線路分類結(jié)果；

4、s2：基于線路分類結(jié)果與歷史數(shù)據(jù)獲取線路分類結(jié)果中各類型線路的概率分布；

5、s3：基于概率分布，使用拉丁超立方抽樣法得到各類型線路的推演數(shù)據(jù)；

6、s4：基于推演數(shù)據(jù)進(jìn)行平衡匹配，獲取匹配方式文件，根據(jù)匹配方式文件與潮流計(jì)算獲取方式推演文件，基于方式推演文件得到電網(wǎng)運(yùn)行方式。

7、采用上述技術(shù)方案后，本發(fā)明具有如下優(yōu)點(diǎn)：

8、考慮到拉丁超立方抽樣法具有能夠高效反映原始概率分布的特性，進(jìn)而能夠提高在較小抽樣規(guī)模下的抽樣分布均勻性，因此通過拉丁超立方抽樣法能夠避免抽樣過程中的抽樣規(guī)模依賴，但使用拉丁超立方抽樣法進(jìn)行抽樣的過程中，由于量測(cè)數(shù)據(jù)存在的特征較多，通過拉丁超立方抽樣法進(jìn)行隨機(jī)抽樣過于復(fù)雜且效率較低，因此通過獲取線路分類結(jié)果與概率分布，為拉丁超立方抽樣法提供了依據(jù)。線路分類結(jié)果、概率分布與拉丁超立方抽樣法的結(jié)合使用，顯著的提高了電網(wǎng)運(yùn)行方式推演的效率、適應(yīng)性與準(zhǔn)確性；

9、通過推演數(shù)據(jù)進(jìn)行平衡匹配，進(jìn)而將不收斂潮流進(jìn)行有功無功的收斂性優(yōu)化，提高了所獲取的運(yùn)行方式的科學(xué)性、合理性與實(shí)用性；

10、解決了在抽樣過程中依賴于抽樣規(guī)模，導(dǎo)致適應(yīng)性差的技術(shù)問題。

11、優(yōu)選的，所述s1包括：

12、s11：基于電網(wǎng)模型與量測(cè)數(shù)據(jù)將母線開關(guān)模型轉(zhuǎn)換為節(jié)點(diǎn)支路模型；

13、s12：獲取節(jié)點(diǎn)支路模型中線路的下屬元件的屬性，并獲取線路的下屬元件的量測(cè)總值，基于所述屬性與量測(cè)總值對(duì)線路進(jìn)行分類，獲取線路分類結(jié)果。

14、本方案中，電網(wǎng)模型與量測(cè)數(shù)據(jù)反映了電網(wǎng)的實(shí)際運(yùn)行情況，通過電網(wǎng)模型與量測(cè)數(shù)據(jù)將母線開關(guān)模型轉(zhuǎn)換為節(jié)點(diǎn)支路模型，便于獲取母線與對(duì)應(yīng)的下屬元件，而下屬元件能夠進(jìn)一步的反映電網(wǎng)的實(shí)際運(yùn)行情況，因此通過下屬元件屬性與量測(cè)數(shù)據(jù)對(duì)線路進(jìn)行分類，能夠準(zhǔn)確的將具有同一特性的線路歸進(jìn)同一類別，進(jìn)而便于根據(jù)線路分析結(jié)果獲取不同類型線路的概率分布情況，提高了概率分布的準(zhǔn)確性。

15、優(yōu)選的，s12中，所述基于所述屬性與量測(cè)總值對(duì)線路進(jìn)行分類，獲取線路分類結(jié)果包括：

16、若量測(cè)總值小于預(yù)設(shè)總值，則將所述線路歸類至負(fù)荷集合；

17、否則，判斷所述下屬元件中是否存在屬性為新能源機(jī)組的下屬元件，若存在則將所述線路歸類至新能源機(jī)組集合，否則歸類為常規(guī)機(jī)組集合，負(fù)荷集合、新能源機(jī)組集合與常規(guī)機(jī)組集合組成線路分類結(jié)果。

18、優(yōu)選的，所述s2包括：

19、s21：獲取所述各類型線路在第一預(yù)設(shè)時(shí)間段對(duì)應(yīng)的總加值；

20、s22：將所述總加值作為橫坐標(biāo)并進(jìn)行區(qū)間劃分得到若干第一區(qū)間，基于第二預(yù)設(shè)時(shí)間段內(nèi)的歷史數(shù)據(jù)統(tǒng)計(jì)若干第一區(qū)間內(nèi)所述總加值出現(xiàn)的次數(shù)，進(jìn)而獲取區(qū)間概率；

21、s23：基于區(qū)間概率獲取所述概率分布。

22、本方案中，通過將總加值作為橫坐標(biāo)進(jìn)行區(qū)間劃分，并統(tǒng)計(jì)第二預(yù)設(shè)時(shí)間段內(nèi)各區(qū)間內(nèi)總加值出現(xiàn)的次數(shù)獲取區(qū)間概率，能夠獲取線路負(fù)荷在不同區(qū)間的分布情況，進(jìn)而提高了概率分布的準(zhǔn)確性和合理性；通過構(gòu)建二維坐標(biāo)獲取區(qū)間概率，能夠從整體上直觀的把握線路負(fù)荷的隨機(jī)性和規(guī)律性，進(jìn)一步的提高了概率分布準(zhǔn)確性。

23、優(yōu)選的，所述s3包括：

24、s31：基于推演需求獲取抽樣的樣本數(shù)目，基于樣本數(shù)目將所述概率分布劃分為若干第二區(qū)間；s32：隨機(jī)從若干第二區(qū)間內(nèi)抽取對(duì)應(yīng)值組成順序集合，基于隨機(jī)函數(shù)打亂順序集合得到隨機(jī)集合；

25、s33：基于隨機(jī)集合得到所述推演數(shù)據(jù)。

26、本方案中，根據(jù)推演需求獲取樣本數(shù)目，能夠根據(jù)推演需求靈活的調(diào)整樣本數(shù)目和進(jìn)行區(qū)間劃分，從而適應(yīng)不同規(guī)模和復(fù)雜度的電網(wǎng)推演任務(wù)，進(jìn)而提高了方案的擴(kuò)展性與靈活性；通過隨機(jī)函數(shù)對(duì)順序集合進(jìn)行隨機(jī)打亂，能夠高效反映原始概率分布的特性生成更接近實(shí)際電網(wǎng)運(yùn)行情況的推演數(shù)據(jù)，有助于提高推演結(jié)果的準(zhǔn)確性和可靠性，提高了在較小抽樣規(guī)模下的抽樣分布均勻性。

27、優(yōu)選的，所述s4包括：

28、s41：基于推演數(shù)據(jù)中所述線路分類結(jié)果中負(fù)荷集合的有功總值和所述線路分類結(jié)果中新能源機(jī)組集合與常規(guī)機(jī)組集合的有功總值的差值獲取所述匹配方式文件；

29、s42：根據(jù)所述匹配方式文件進(jìn)行潮流計(jì)算，若潮流計(jì)算成功則得到方式推演文件，若失敗，則基于潮流優(yōu)化函數(shù)進(jìn)行潮流優(yōu)化，進(jìn)而得到方式推演文件。

30、優(yōu)選的，s42中，所述基于潮流優(yōu)化函數(shù)進(jìn)行潮流優(yōu)化，進(jìn)而得到方式推演文件包括：若有功潮流不平衡，則通過直流潮流與潮流優(yōu)化函數(shù)進(jìn)行有功潮流優(yōu)化，根據(jù)有功潮流優(yōu)化結(jié)果得到方式推演文件；

31、若有功功率平衡，則基于潮流優(yōu)化函數(shù)進(jìn)行無功潮流優(yōu)化，根據(jù)無功潮流優(yōu)化結(jié)果得到方式推演文件。

32、優(yōu)選的，所述潮流優(yōu)化函數(shù)為：

33、

34、式中，f(x)表示有功修改量，sp為所述節(jié)點(diǎn)支路模型中有功平衡約束的非零注入節(jié)點(diǎn)集合，i表示所述非零注入節(jié)點(diǎn)集合中的節(jié)點(diǎn)i，均為所述節(jié)點(diǎn)i所對(duì)應(yīng)的可優(yōu)化變量，sp為所述非零注入節(jié)點(diǎn)集合中pv節(jié)點(diǎn)與pq節(jié)點(diǎn)的集合，sq為所述pq節(jié)點(diǎn)的集合，sv為所述pv節(jié)點(diǎn)的集合，ωp、ωq及ωv分別表示有功調(diào)整、無功調(diào)整及所述pv節(jié)點(diǎn)的電壓設(shè)定值調(diào)整的懲罰系數(shù)。

35、本方案的有益效果：

36、考慮到拉丁超立方抽樣法具有能夠高效反映原始概率分布的特性，進(jìn)而能夠提高在較小抽樣規(guī)模下的抽樣分布均勻性，因此通過拉丁超立方抽樣法能夠避免抽樣過程中的抽樣規(guī)模依賴，但使用拉丁超立方抽樣法進(jìn)行抽樣的過程中，由于量測(cè)數(shù)據(jù)存在的特征較多，通過拉丁超立方抽樣法進(jìn)行隨機(jī)抽樣過于復(fù)雜且效率較低，因此通過獲取線路分類結(jié)果與概率分布，為拉丁超立方抽樣法提供了依據(jù)。線路分類結(jié)果、概率分布與拉丁超立方抽樣法的結(jié)合使用，顯著的提高了電網(wǎng)運(yùn)行方式推演的效率、適應(yīng)性與準(zhǔn)確性；

37、通過電網(wǎng)模型與量測(cè)數(shù)據(jù)將母線開關(guān)模型轉(zhuǎn)換為節(jié)點(diǎn)支路模型，便于獲取母線與對(duì)應(yīng)的下屬元件，而下屬元件能夠進(jìn)一步的反映電網(wǎng)的實(shí)際運(yùn)行情況，因此通過下屬元件屬性與量測(cè)數(shù)據(jù)對(duì)線路進(jìn)行分類，能夠準(zhǔn)確的將具有同一特性的線路歸進(jìn)同一類別，進(jìn)而便于根據(jù)線路分析結(jié)果獲取不同類型線路的概率分布情況，提高了概率分布的準(zhǔn)確性，通過將總加值作為橫坐標(biāo)進(jìn)行區(qū)間劃分，并統(tǒng)計(jì)第二預(yù)設(shè)時(shí)間段內(nèi)各區(qū)間內(nèi)總加值出現(xiàn)的次數(shù)獲取區(qū)間概率，能夠獲取線路負(fù)荷在不同區(qū)間的分布情況，進(jìn)而教育部的提高了概率分布的準(zhǔn)確性和合理性，通過構(gòu)建二維坐標(biāo)獲取區(qū)間概率，能夠從整體上直觀的把握線路負(fù)荷的隨機(jī)性和規(guī)律性，進(jìn)一步顯著的提高了概率分布準(zhǔn)確性；

38、通過推演數(shù)據(jù)進(jìn)行平衡匹配，進(jìn)而將不收斂潮流進(jìn)行有功無功的收斂性優(yōu)化，提高了所獲取的運(yùn)行方式的科學(xué)性、合理性與實(shí)用性；

39、解決了在抽樣過程中依賴于抽樣規(guī)模，導(dǎo)致適應(yīng)性差的技術(shù)問題。

40、本發(fā)明還提供一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令被處理器加載并執(zhí)行時(shí)，實(shí)現(xiàn)所述的基于拉丁超立方抽樣法的電網(wǎng)運(yùn)行方式推演方法的步驟。

41、本發(fā)明還提供一種電子裝置，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述的基于拉丁超立方抽樣法的電網(wǎng)運(yùn)行方式推演方法的步驟。