一种分析并预防新能源电网风险状态的方法与流程

本发明涉及电网状态管控领域，尤其涉及一种分析并预防新能源电网风险状态的方法。

背景技术：

1、环保建设的不断深入促使新型电力系统在逐步完善。风电、光伏等新能源发电方式已经成为电力系统中不可或缺的一部分。但是相对于传统的发电方式新能源发单方式的功率波动较为明显，又由于新能源发电站涉网数据质量低、调频能力量化困难、功率预测可信度不高等原因，对平衡整个电力系统稳定增加了非常大的压力。同时，因为新能源发电站的涉网运行数据的准确性和可信性较低，这也严重影响了相关部门管控新能源发电站的发电能力，导致电网安全运行裕量控制成本增大，极大地影响了电网安全、稳定及经济运行。如何精准有效的管控多种形式的新能源发电站成了目前亟待解决的问题之一。新能源发电能力在线控制是推动调度精细化管理的重要手段，为电网运行提供强有力的技术支持。在线控制能够全面分析电网在调度计划所规定的运行方式下的安全状况，提供前瞻性的潮流断面数据和安全预警功能，是保障电网安全稳定运行的一道重要防线。为满足新能源高渗透电力系统的迫切技术需求，亟需开展高比例新能源大规模接入下的电网电力平衡与安全校核研究。而基于云边协同架构的新能源发电能力在线评估装置能够实现新能源海量运行数据精益化采集与高效分析，推动适应于以新能源为主体的调度系统的智能化发展。基于此亟需一种新的控制方法既能够实时监控反馈电力网的运行状态，同时根据电力网运行状态提供解决措施以及预先作出风险规划，从而既能够解决现有电力网的问题，也能够留有预防措施实现预防电力网潜在的问题。

2、中国专利文献cn202011252601.3公开了一种“基于云边协同架构的电力物联网数据分类处理方法及装置”，该专利的步骤1：在边缘层汇总收集原始数据并根据数据的来源，将数据分为上载数据和待处理数据；步骤2：利用随机森林算法对待处理数据进行分类和处理，得到分类结果数据；步骤3：边缘层将所述上载数据和分类结果数据上传至云端层，在云端层利用lstm-fcn数据分类模型对所述上载数据和分类结果数据进行分类存储。但是该专利内依旧会将大部分数据传输至云端进行处理并存储，随着新能源发电站数量以及类型的增多，所需要处理数据的数量以及复杂程度与日俱增，这势必会对云计算中心造成较大的负荷，不仅如此，不同类型以及位置的发电站传输数据的难度亦不相同，格式化云边架构无法应对现如今多样化的电力网系统，同时该系统同样无法检测电力网的存在问题并给予相应的解决措施以及风险规划。

技术实现思路

1、本发明主要解决原有无法及时监测新能源电力网运行状态并给予解决措施以及风险预先规划的技术问题，提供一种分析并预防新能源电网风险状态的方法，在云边协同的架构下通过采用区块链技术能够将类型一致的新能源发电站终端归类联结，模块化处理同一类型新能源相关的电力数据，并且在联结处理的过程中入链需要认证不仅能够确保数据传输的安全性，而且防止大量终端数据涌入云端造成处理资源的浪费，将边缘端划分为边缘计算端以及边缘io传输端，云端能够根据不同类型的新能源电力终端需求，划分相适配的算力资源给边缘计算端进行数据处理，再通过边缘io传输端将处理完的数据反馈回云端，实现明确的功能划分，针对性地处理各种新能源类型电力终端数据，减轻云端计算存储数据的压力，也能够使得数据传输更为安全稳定。在获得电力网运行数据后通过建立新能源电力网发电模型计算出电力网不同节点的风险程度，并根据风险程度提供出解决风险的措施，同时还会根据新能源电力网的运行状态和风险状态作出对电力网未来状态的预期以及风险规划，既明确并解决新能源电力网当前存在的问题，也能够对新能源电力网潜在的问题作出预先的防范，提高电力网系统运行的安全性以及稳定性。

2、本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明步骤包括：

3、s1利用云边协同系统获取新能源电网运行数据并分析器运行状态；

4、s2根据电力网运行数据分析风险状态并制定解决方案实现新能源电网风险状态的预防。

5、作为优选，所述步骤s1中通过云边协同获取新能源电网数据的具体步骤为：

6、s11建立云边协同系统；

7、s12边缘端链接区块链进行数据预处理；

8、s13云端分析预处理数据获得电网运行状态。

9、本发明首先通过终端采集大量数据传输至对应的边缘端，边缘端内的边缘计算端通过网关区块链认证后打开区块链，参照已处理数据作为蓝本快速准确处理相应终端的数据，当边缘计算端处理完成之后，边缘io传输端会将预处理完成的数据传输至云端，工作人员能够根据实际规划需求通过云端处理传输过来的数据并得到相应结果。

10、作为优选，所述步骤s12中电力网终端采集数据并上传至边缘计算端，边缘计算端在接收到数据后通过网关认证跨链连接数据区块链，边缘计算端预处理完成的同类终端数据全部存储在同一数据区块链内，边缘计算端将已处理数据样本作为蓝本对待处理数据进行处理。数据区块链能够存储每次边缘计算端处理完的数据，把已处理的数据作为参照，边缘计算端不仅能够更快的处理同种类型终端的数据，同时也能够提高数据处理的精度。当边缘计算端想要打开数据区块链获得相应的数据时，需要通过网关认证内的加密信息确认才能打开相应的数据区块链。添加了网关认证之后，数据的读取得到保障，能够进一步提高数据的安全性。

11、作为优选，所述s12中每个终端均设有相对应的边缘端，同种类型终端的边缘计算端联结在同一个运算区块链之中，当多个同种类型的边缘计算端同时进行网关认证申请打开数据区块链时，云端解析全部申请命令，申请命令包括加密信息以及待处理数据大小，在确定申请命令中的加密信息无误后，云端根据每个边缘计算端待处理数据大小以及性能损耗权值按次序通过不同边缘计算端申请命令。同种类型终端所对应的边缘计算端联结于同一块运算区块链之中，区块链为边缘计算端提供了一个计算空间，便于稳定处理对用终端的数据，确保边缘计算端工作的稳定性，同时由于是处理同种类型终端的边缘计算端，若其中若干边缘计算端无法处理对应终端产生的数据，同一运算区块链中的边缘计算端也能协助处理相关数据。而当多个边缘计算端同步工作时，区块链内会接收到多个入链申请命令。其中可能混入无效的申请命令，云端通过命令内的加密信息可以去除无效申请；云端在确认加密信息无误后根据不同边源计算端性能损耗值以及剩余处理能力安排进入区块链的先后顺序，在剔除无效命令以及分批入链的操作后，避免出现信息大量涌入造成算力资源紧缺，或者因过多无效命令而浪费算力资源。

12、作为优选，所述步骤s2中每一个终端都有其相对应的边缘端，在统计整合数据之后终端将数据上传至对应的边缘端，在边缘端内的边缘计算端处理数据之前，云端校验该边缘计算端前几次数据处理过程所耗费的算力资源，根据当前边缘计算端当前处理数据量的大小调度分配相应的算力资源给边缘计算端，对应边缘端内的边缘计算端得到云端相应算力分配后再对终端上传的数据进行处理。每一个终端即为一种类型的新能源发电站，终端会自行实时采集发电厂每日发电所产生的实时数据。目前新能源发电站现存的样本数据较少，同时不同类型的新能源发电站的发电量、影响因素以及稳定性变化截然不同，故需要更大量的数据才能够更为精确的把握对用类型的新能源发电站，并将其应用至电力网系统之中。每一个终端有对应哦边缘端对信息进行预处理，过滤掉无效数据再反馈给云端，云端仅需要处理预处理完的数据后能够极大地提高处理数据的效率以及准确率。现有的云计算分析系统中，大多是终端采集完数据后，将数据统一传输到云端进行处理，但是由于终端传输数据的量过大，会使得云端算力资源紧张，同时过多不必要的资源传输至云端过滤，也极大地造成了算力资源的浪费。通过构建云边协同框架，在边缘计算端接收终端数据之后，云端分配相适配的算力资源对数据进行预处理，不仅能够减少云端无用功计算现象，同时也能节省算力资源的浪费。

13、作为优选，所述步骤s13中边缘计算端将预处理后的数据传输到边缘io传输端，而边缘io传输端直接链接云端并上传预处理完成后的数据，云端对预处理完成后的数据进一步分析处理得到结果。传统的云边系统中，边缘端同步完成数据的处理以及数据传输，但是新能源发电终端所受影响因素较多，在不同情况下产生的数据量大复杂，边缘端同步完成数据传输以及数据处理的压力较大，因此将边缘端拆分为边缘计算端与边缘io传输端。边缘计算端主要负责终端数据的处理，而边缘io传输端则在边缘计算端处理完成之后将预处理后的数据上传至云端。通过设置边缘计算端与边缘io传输端将边缘端内的功能划分开，使得每个部分独立解决各自的问题并且互不冲突，加快边缘端处理数据的效率。

14、作为优选，所述网关认证步骤主要包括：边缘计算端发起认证；云端接收认证请求；云端进行认证对比并反馈结果。边缘计算端想要使用数据区块链内的已有数据就需要通过网关认证得到云端的允许，网关认证相当于一种加密方式可以区分向云端申请的命令端是否属于电力系统，提高数据区块链的安全性，避免新能源数据外泄。

15、作为优选，所述网关认证中边缘计算端发起的认证请求中附带加密信息，加密信息包括所处理数据的终端来源、数据大小以及边缘计算端处理数据的性能损耗权值，接收到认证请求后云端会对加密信息进行解密，同时云端还会调取发起认证请求的边缘计算端的相关信息，云端将加密信息与调取到的信息相对比，若两部分信息相同则通过认证请求；若两部分信息不相同则退回请求。性能损耗权值即为边缘计算端处理数据量与所损耗算力资源的比值，在确认网关认证的源头属于电力系统后，云端根据网关认证加密信息内的关于数据大小以及边缘计算端处理数据的性能损耗权值来决定不同边缘计算端进入数据区块链的顺序，可以避免大量边缘计算端涌入数据区块链造成资源使用紧张的问题。

16、一种应用于基于云边协同的电力网数据处理方法的处理系统，其特征在于，包括云端和终端，所述云端与终端之间设有边缘端，所述边缘端与边缘端之间设有区块链，所述边缘端包括边缘计算端与边缘io传输端。本发明将电力网系统拆分为云端、边缘端以及终端，边缘端分为边缘计算端与边缘io传输端，云端能够根据实际数据情况分配不同的算力资源至边缘计算端，使得边缘计算端能够在尽可能节约算力资源的基础上处理终端传输过来的数据，在处理数据之前，边缘计算端能够通过网关认证打开所属的区块链，区块链内存储着处理过后同类型的数据样本，边缘计算端在打开区块链后能够根据这些数据样本更快的处理终端传输上来的数据，同时将边缘端分解为边缘计算端和边缘io传输端，使得数据处理和数据传输同步进行且互不干扰，不仅快数据预处理的效率和精度，还将原本集中存储在云端的预处理数据分散至各个类型的区块链内，使得云端能够腾出更多空间用于计算更多电力数据，便于相关工作人员预测评估电力系统，能够更精准的把握整个电力系统，并做出相应的处理方案。

17、作为优选，所述步骤s2具体实施步骤包括：

18、s21建立新能源发电概率模型；

19、s22根据发电概率模型计算新能源电力网运行风险；

20、s23根据新能源电力网风险状态提供解决风险措施并进行风险规划。

21、作为优选，所述步骤s21中新能源发电模型包括光伏发电概率模型和风力发电概率模型，所述光伏发电模型为：

22、

23、其中γmax为最大光照强度，γ为光照强度，α和β为函数形状分布参数，

24、故光伏发电概率为：

25、

26、其中p为光伏电厂实际输出功率；r为光伏电厂最大输出功率，所述风力发电模型为：

27、

28、其中v为风速，c和k函数中的参数因子，故风力发电概率为：

29、

30、其中pw为风力发电功率，a为电力因子。

31、作为优选，所述建立新能源发电概率模型，通过模型划分不同新能源模型之间发电概率，从概率维度判断新能源电力网可能存在的运行风险。

32、作为优选，所述步骤s22中结合新能源电网发电模型并利用效用理论评价新能源电网发电的风险程度，效用理论中利用效用函数判断判断新能源电力网发电时的风险程度，所述效用函数包括

33、偏好型：

34、中立型：u(w)＝aw+b；

35、危险型：

36、其中u(w)为效用函数，w为风险损失值，a和b为效用参数，γ为风险参数，根据三种类型的效用函数划分电力网运行风险程度，根据获得风险程度为后续解决措施提供先决条件和判断标准。

37、作为优选，所述步骤s23中结合效用函数的判断结果与风险评估指标，风险评估指标包括电压越限风险和线路潮流过载风险，电压越限风险的计算方式为：

38、risk(vi)＝pr(vi)*sev(vr)

39、而线路潮流过载风险为：

40、risk(pij)＝pr(pij)*sev(pr)

41、综合两种风险即可获得判断新能源电力网运行风险的指标为：

42、

43、其中risk为风险函数，vi为节点电压值，sev为严重程度，vr为实际电压与基准电压的比值，pr为实际线路上传输的功率与最大功率之比，scor为综合运行风险指标，w1和w2为风险权重，n为电力网节点数，m为电力网条数，通过综合运行风险指标在效用函数的基础上能够进一步的确定新能源电力网风险程度。

44、作为优选，所述步骤s21中建立新能源电力模型时需要用到copula相关性的方法进行建模，单个变量确定相关性时的确定函数为：

45、f(x1，x2，...，xn)＝c(f(x1)，f(x2)，...，f(xn))

46、而n个变量的相关性函数为：

47、c(u1，u2，...，un；ρ)＝zρ(z-1(u1)，z-1(u2)，...，z-1(un))

48、其中c为相关函数，ρ为正定矩阵，zρ为随机变量的正态分布函数，xn为单变量函数的随机变量，un为多变量函数的随机变量，借助相关性方程建立单节点新能源电力网模型以及多借点之间关联而成的新能源电力网模型。

49、作为优选，所述步骤s23中通过调度不同位置的电网节点的能源量来解决新能源电网出现的风险，调度时基于混合时间尺度建立多能源调度模型：

50、

51、

52、

53、

54、其中为能源转换所需的运行成本，为风电新能源放弃使用的惩罚成本，ce为新能源上级电网的交互成本，cng为传统电网的交互成本，t为优化周期，为节点n处能源转换的运行成本，为t时刻节点n处能源转换设备的功率，为节点n处分布式新能源的单位未使用成本，为t时刻节点n处分布式新能源的放弃功率，为与新能源单位之间交互所需的成本，为传统电源单位之间交互所需的成本，为t时刻与新能源电网的交互功率，为t时刻与新能源电网的交互流量，ngt为能源节点，通过混合时间尺度建立多能源调度模型，将电力能源存储冗余超载节点的电力调度给附近电力能源容纳量存在盈余的节点，节点不限于新能电力节点。

55、作为优选，所述步骤s23中解决新能源电力网的另一种方式为提高每个新能源电力节点的承载能力，利用鲁棒模型进一步优化电力网节点的承载力模型为：

56、

57、其中ndg为电力网节点，为t时刻n处能源功率。

58、作为优选，所述步骤s23中需要采用若干约束来限定鲁棒模型优化范围，确保该模型在电力网可承载的范围内对电力网系统进行承载力的优化，所述约束包括配电网潮流约束，联络线传输功率约束，储电设备的安全运行约束，静止无功补偿装置的安全运行约束，分布式新能源的安全运行约束，有载调压变压器的安全运行约束，备用约束以及配电网的安全运行约束，多维度的约束能够确保模型优化精度以及优化稳定性的提高。

59、作为优选，所述步骤s23中在解决新能源电力网系统现有风险的同时还会同步根据当前新能源电力网系统的运行状态和风险状态提前作出风险规划措施预防电力网潜在的风险。

60、作为优选，所述步骤s23中风险规划时需要注意的点主要包括：系统的负荷概率，概率的计算公式为式中pli为第i天电网出现发电容量小于负荷的概率，n为采样的总天数；功率不足期望值，期望值的计算公式为其中pei为第i天电力网故障的发生概率，ci为在pei情况下电力网消减的负荷；电压稳定裕度，其计算方式为其中i为电力网潮流流向，j为电力网潮流节点，pj为节点j的负荷，qj为节点j的负荷，sj为节点j的功率，zij为支路阻抗，xij为支路阻抗，ui为i节点电压，根据风险规划的注意点判断电力网的随后的状态作出合理的风险规划措施预先保护电力网。

61、本发明的有益效果是：

62、1、在边缘端与云端之间增加区块链技术，一方面给数据提供一块新的存储空间来减轻云端存储数据的压力；另一方面边缘计算端在进入存储数据的区块链前有入链认证能够确保数据的安全性；

63、2、云边协同架构一方面将边缘层划分为边缘计算端和边缘io传输端，能够使得边缘端部分分工明确提高数据处理的速率；另一方面可以使得云端根据不同终端的需求调配相应算力资源处理各自相应的数据，减少算力资源的浪费；再者还能够避免了边缘端大量数据涌入云端造成网络带宽的消耗以及计算资源的浪费；

64、3、根据云边协同架构采集得到的电力网数据即可获得电力网的运行状态，在利用所采集获得的数据建立发电概率模型，并结合发电模型计算出新能源电力网的风险并根据风险制定对应的解决措施，并根据新能源电力网运行状态太预估电力网潜在的问题并做出风险规划，全方位保护电力网运行状态，提高电力网运行的安全性和稳定性。