關 閉

        新聞中心

        EEPW首頁 > 工控自動化 > 設計應用 > 調度中心智能調度業務成熟度模型及其應用

        調度中心智能調度業務成熟度模型及其應用

        作者: 時間:2012-08-28 來源:網絡 收藏

        調度中心智能調度業務成熟度模型及其應用 智能電網 www.21ic.com

        2.1實時感知

        實時感知是指依托于先進的傳感、通信、信息技術,通過量測、采集、傳送、監視等環節,實現對表征電網運行狀態的關鍵數據的實時監測,進而全面了解電網的實時運行狀態,是后續分析和控制的基礎。

        實時感知包括快速、全面和準確3項特性:快速是指感知的頻度能夠捕捉電網的動態特性,滿足實時分析和閉環控制的要求;全面是指感知的范圍能夠涵蓋全網所有的關鍵信息;準確是指感知的內容具有高可信度。按照這3個特性實現程度的不同,可以將實時感知劃分為以下4個階段。

        1)穩態數據采集、傳送與監視

        目前各電網公司主要依托于數據采集與監控(SCADA)系統實現對電網運行狀態的實時感知。SCADA系統的遠程終端單元(RTU)的數據采集速度較低,使得SCADA系統只能提供周期為3~6s的穩態數據,不能測量動態數據,且其通信和數據庫技術也不能滿足動態信息傳送與存儲的要求。此外RTU沒有引入全球定位系統(GPS)的衛星同步信號,測量數據沒有時標,導致數據同步性差,在一定程度上影響了上層高級應用的調控效果。

        2)動態數據采集、傳送與監視

        隨著智能電網的不斷推進,電網運行特性日益復雜、運行狀態變化頻繁,基于穩態數據的實時感知已經無法滿足電網調控的需求,動態信息的測量越來越重要。進入21世紀以來,廣域測量系統(WAMS)得到了快速的發展和應用,WAMS以同步相量測量技術為基礎,通過相量測量單元(PMU)以及現代通信技術,對地域廣闊的電力系統運行狀態進行動態監測和分析。與傳統量測相比,具有全網同步、精度高、密度高、數據刷新快等特點。但由于PMU本身價格昂貴,只能在關鍵節點配置,導致其測量結果無法滿足系統的能觀性,此外PMU沒有數據下行通道,不能提供指令下發功能。

        3)廣域數據同步、多數據源融合

        目前,SCADA系統和WAMS數據不共享,無法最大限度地發揮各自的優點,因此實現兩者的相互融合成為關鍵,但融合存在采樣頻率不一致和無法利用時標進行數據同步的困難。針對這一問題,提出了動態SCADA(DSCADA)系統的概念,即通過集成各種數據采集渠道,建立統一、開放的廣域信息平臺,從而實現廣域數據同步和多數據源融合。

        4)基于先進數據過濾技術的高可信度實時感知體系

        由于測量精度、通信干擾等原因,量測數據不可避免地存在誤差,甚至可能嚴重偏離真實狀態,使得量測數據不能準確地反映電網的運行狀態。因此,在數據融合的基礎上,通過先進狀態估計系統等先進的數據過濾技術,來消除各種擾動造成的數據偏差,辨識不良數據,從而提高量測數據的可信度,建立高可信度的實時感知體系。

        2.2預測未來

        預測未來是指通過分析電網運行內外部環境的變化提前感知電網未來的運行狀態,作為決策的基礎,其預測結果將直接影響決策的適用性。目前廣泛應用于部門的預測包括負荷預測、風電/光伏發電功率預測、天氣水文預測等。

        預測結果是對未來不確定性的描述。按照對于不確定性描述的方法和范圍不同,可以將預測未來劃分為以下4個階段。

        1)確定性或概率性的預測

        傳統的預測結果一般都是確定性的,如常規的負荷預測只給出一個確定的數值,其缺點是無法確定預測結果可能的波動范圍。實際上,由于預測問題的超前性,確定性的預測并不符合客觀需求。區間預測和概率性預測可以在一定程度上給出預測結果的變化范圍,但其實際應用效果還有待檢驗和完善,特別是各種預測結果的概率分布函數難以解決[13]。

        2)基于情景分析的不確定性預測

        為應對傳統預測的不足,引入情景分析的方法實現對未來的不確定性預測。情景是對未來以某一概率發生的確定性態勢的描述[14],情景分析根據當前組織或系統所處的具體環境,辨識影響環境的確定性以及不確定性等因素,抽象出未來環境可能面對的多種情景,從而將具有高度不確定性的未來環境規劃為有限多個典型的情景,大大降低了不確定性。

        3)考慮智能電網需求和外部環境不確定性的情景分析

        在智能電網新形勢下,需求和外部環境的不確定性大大增加。以大規模風電場接入電力系統為例,由于風能的隨機性和波動性較大,導致風電輸出功率的不確定性較大,而且其功率波動常與用電負荷的波動趨勢相反,給傳統的、基于確定性負荷預測的電力系統帶來了很大的挑戰。情景分析恰好適用于高度不確定性的情況,因此,將情景分析的方法推廣到考慮智能電網需求和外部環境的預測。

        4)基于情景的統一預測、仿真、培訓體系

        情景是對電網某一運行狀態的描述,而中心的仿真和培訓系統都是基于歷史數據或模擬數據進行的,這些數據表征的就是電網的某一特定運行狀態,因此都可以抽象成情景,即可將情景分析的方法推廣到仿真和培訓領域中,形成統一的預測、仿真、培訓體系。

        2.3運行評估

        運行評估是調度中心調控、管理的基礎,通過評估發現隱患或者需要改進的地方,進行調控和管理,從而實現電網的趨優運營。評估不僅需要對運行狀態進行評估,即分析發生了什么,還需要對可能導致該狀態的原因進行評估,即分析為什么發生。評估依托于指標,指標的選取和指標標準的制定將直接影響評估的優劣。據此,可以將運行評估劃分為以下4個階段。

        1)分散、孤立的指標評價及離線的考核管理

        目前各電網公司往往通過相對分散和孤立的指標對電網運行狀態進行評價,通過單一指標的統計對調度中心的業務能力進行離線考核,使得評估不能實時、動態地進行,具有滯后性;不能全面反映電網的運行狀態,具有片面性;同時不能反映電網運行狀態出現的原因,具有表面性。

        2)在線運行狀態評估與隱患識別

        決策依賴于對電網運行狀態的準確把握,對電網運行狀態進行準確、及時、全面的評估是進行有效決策的前提。該階段在實時監測信息和離線信息的基礎上對電網的實時狀態、歷史狀態進行綜合評價,包括狀態指標的實時計算、歷史統計與考核、能力指標的計算分析,從而進行隱患識別與風險評估。



        關鍵詞: 調度 模型

        評論


        相關推薦

        技術專區

        關閉
        主站蜘蛛池模板: 建瓯市| 徐闻县| 济源市| 新密市| 巴林左旗| 泸水县| 克什克腾旗| 镶黄旗| 梁山县| 榆中县| 高陵县| 星座| 无锡市| 新民市| 哈尔滨市| 蒲江县| 柘城县| 平度市| 苏尼特右旗| 沁阳市| 淮北市| 霸州市| 毕节市| 新宁县| 广德县| 土默特右旗| 镇沅| 封丘县| 廊坊市| 马山县| 凉山| 确山县| 富宁县| 清丰县| 云阳县| 天祝| 隆化县| 滁州市| 湘潭县| 德保县| 海原县|