技术领域
[0001] 本发明涉及电网输电断面阈值评估技术领域，尤其涉及一种基于断面潮流的输电断面安全阈值评估方法和装置。
相关背景技术
[0002] 新能源快速发展，系统调节能力和支撑能力提升面临诸多掣肘，新能源消纳形势依然严峻。新能源占比不断提高，快速消耗电力系统灵活调节资源，其间歇性、随机性、波动性特点使得系统调节更加困难，系统平衡和安全问题更加突出。输电断面通过输电线路或变电站连接电网两个相同区域之间的重要部分。新能源发电的不稳定性和间歇性会对电网的稳定性产生影响，特别是对关键输电断面的影响更为明显。输电断面的安全稳定性直接影响着整个电网系统的运行。如果输电断面出现故障或不稳定，可能导致电网的故障扩大，甚至引发系统的崩溃。因此需要对输电断面进行评估，找出在不同运行场景下的关键输电断面的极限限额，是确保提高电力供应保障能力的关键一步。
[0003] 目前，针对电网系统输电断面的安全阈值评估多采用以下几种方法，其一为基于电网输电断面功率极限建模的计算方法，计算不同安全约束下的断面极限功率，选择最小值作为断面限额，然而该方法忽略了电网系统的动态特性，无法反映实际运行中各种非线性、动态因素的影响；其二为基于潮流计算的方法，通过求解节点电压和支路功率等参数，来评估输电线路的安全阈值，然而计算量庞大，不适用于实时计算和快速决策。
具体实施方式
[0055] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056] 实施例一
[0057] 请参照图1，为本发明提供的基于断面潮流的输电断面安全阈值评估方法的一种实施例的流程示意图，包括步骤101至步骤105，各步骤具体如下：
[0058] 步骤101：采集并对电网实时运行数据进行数据异常值处理，获得电网运行数据，继而按照数据应用类型将所述电网运行数据划分为新能源数据、联络线数据和母线负荷数据。
[0059] 本发明实施例提供的输电断面安全阈值评估方法在对采集到的电网实时运行数据进行异常值处理后，便将处理完的电网运行数据按照不同的数据类型划分为新能源数据、联络线数据和母线负荷数据，并对各项数据进行相应的波动预测。本发明在进行断面累计偏差计算时综合考虑了新能源预测波动、联络线波动和母线负荷波动等动态因素，提高了计算输出的断面累计偏差的全面性和实用性，同时也间接提升了以此进行安全阈值评估的准确性和全面性。
[0060] 在本实施例中，参见图3，图3为本发明提供的输电断面等级划分的技术路线图。由图3可知，若需对输电断面进行分级管控，则需要将断面按照不同的断面类型将所有输电断面划分为纯负荷端面、联络线断面、A类电源送出断面、新能源符合波动性断面和常规断面。其中，对于无可调能力的纯负荷断面和联络线断面以及存在固定边界的A类电源送出断面，系统将不对其进行断面分级考虑，而是直接沿用传统的断面限额或是人工设置相应限额。
[0061] 而需要进行断面分级应用的场景则集中在波动性较大的新能源负荷波动性断面以及可被正常优化的常规断面。针对确定的两种断面进行断面分级，则需针对确定的两种断面进行断面分项偏差计算，包括两种断面的负荷波动区间计算以及电源波动区间计算，而在针对两类波动的计算过程中，还将加入电力系统的实际运行潮流、现货出清潮流、历史负荷情况和历史出力情况等内容。
[0062] 而针对本发明实施例所确定的两类输电断面的相关偏差，系统根据断面潮流计算公式，可以确定能影响到断面潮流的因素包括母线负荷预测准确性、新能源预测的波动性和联络线波动性，因此系统将确定所述新能源负荷波动性断面以及常规断面的偏差，即本实施例所述断面累计偏差包括新能源预测偏差、联络线预测偏差以及母线负荷预测偏差，即断面偏差分析重点在于母线负荷预测偏差、新能源预测偏差和联络线偏差。而针对上述三种预测偏差的计算，则需要针对上述三类偏差相关的数据进行预测波动的计算，包括新能源预测的波动、联络线预测的波动以及母线负荷预测的波动。
[0063] 在根据采集到的电网运行数据进行上述各项预测波动计算之前，系统还将对采集的数据进行数据异常值处理，具体的，本实施例所述采集并对电网实时运行数据进行数据异常值处理，获得电网运行数据，具体包括：
[0064] 采集所述电网实时运行数据，并通过预设的第一异常阈值和第二异常阈值对所述电网实时运行数据进行异常值识别监测，输出相应识别检测结果；
[0065] 将所述识别检测结果中大于所述第一异常阈值和所述第二异常阈值的数据作为离群值进行删除截断处理，同时，将所述识别检测结果中大于第一异常阈值并小于所述第二异常阈值的数据作为异常数据进行异常值替代处理；
[0066] 对处理后的数据进行平滑处理，获得并输出所述电网运行数据。
[0067] 在对采集的电网实时运行数据进行分类之前，还将对数据进行异常值处理，提高处理后数据的实用性，降低系统后续对数据进行各项计算时产生误差的概率。通过预设的第一异常阈值和第二异常阈值对数据进行异常值识别检测，输出相应识别检测结果，以使系统根据识别检测结果对数据中的异常值进行分级处理，避免对异常值进行“一刀切”处理可能导致的信息损失问题，同时也有助于保留数据的整体趋势。在本实施例中，异常值可能对模型的性能产生负面影响，因此需要采取适当的措施来识别和处理这些异常值。
[0068] 根据识别检测结果，将数据中既大于第一异常阈值又大于第二异常阈值的数据作为离群值进行删除截断处理，即将该数据作为远超正常数据范围且数量较少的数据进行删除处理。一方面删除离群值可防止这部分数据对后续计算产生较大不良影响，另一方面由于这部分数据的数量较少，因此对其进行删除处理对整体数据的影响较小。而对于大于第一异常阈值但小于第二异常阈值的数据，则作为异常数据进行替代处理，即通过合理的数值替代该异常数据，降低了异常值对后续分析的影响。
[0069] 在完成对数据的异常值删除和替代处理后，系统还将对数据进行平滑处理，以此加上数据中的噪声和突然波动，还可对数据进行二次异常识别，进一步确保处理后的电网运行数据的实用性。
[0070] 除了通过预设的异常阈值对数据进行异常值识别之外，系统还提供了别的异常值检测识别方法，包括使用统计方法或可视化工具来识别数据中的异常值，常见的统计方法包括标准差、箱线图、Z‑score等，通过上述方法可以识别出偏离正常数据分布的数据点。除此之外，为了进一步提高异常值的识别精准度，还可采用专门的异常值检测算法对数据进行异常值检测，如：孤立森林、DBSCAN(基于密度的聚类)等，通过上述算法即可实现对异常值的精准识别检测。
[0071] 完成识别后，针对识别出的异常值中超出正常数据范围更多的数据作为离群值，即可直接对其进行删除的数据进行删除处理。直接删除离群值数据的方法适用于离群值数量较少且对整体数据影响较小的情况，且由于删除离群值数据可能造成信息损失，因此需要谨慎使用该方法。同时，也可对识别输出的异常值数据进行范围截断处理，即根据预设的数据范围对识别输出的异常值数据进行筛选，对筛选获得的范围之外的数据截断处理，避免离群值数据对模型产生过大的影响。
[0072] 而针对识别输出的异常值数据中超出正常范围但超出的范围较小的数据作为异常数据进行异常数据替代处理，即用合理的数值替代异常值，例如使用中位数、均值或其他合适的统计量。该方法有助于保留数据的整体趋势，减少异常值对分析的影响。
[0073] 系统在通过上述方法对数据进行异常值处理后，还将通过平滑技术，如移动平均，对数据进行平滑处理，以此减少数据中的噪声和突然波动。
[0074] 步骤102：根据所述新能源数据计算获得新能源置信水平功率，继而根据所述新能源置信水平功率的上限和下限确定新能源预测波动。
[0075] 具体的，所述根据所述新能源数据计算获得新能源置信水平功率，继而根据所述新能源置信水平功率的上限和下限确定新能源预测波动，具体包括：
[0076] 将所述新能源数据中的新能源功率数据提取为功率样本数据，并计算所述功率样本数据的均差和标准差；
[0077] 根据所述功率样本数据的样本容量和所述标准差计算相应新能源置信区间，继而根据预设的置信水平选择并确定所述新能源置信区间的上限和下限，生成并输出相应新能源置信水平功率带宽作为所述新能源预测波动。
[0078] 通过计算新能源数据的新能源置信区间，并根据置信水平确定置信区间的上下限，进而生成相应的新能源置信水平功率带宽即新能源预测波动，该计算方法有效降低了计算过程的复杂度，提高了计算效率。
[0079] 在本实施例中，系统将新能源预测波动等效为新能源的95％置信水平功率带宽，即在统计学上对新能源的功率进行估计时，以95％的置信水平给出的功率范围。所述置信水平指在重复抽样中包括总体参数的区间所占的百分比，这个范围包含真实功率的频率，而所述新能源的95％置信水平功率带宽的具体计算步骤如下所示：
[0080] 首先，采集新能源的功率样本数据，即将系统采集的新能源数据中的功率数据提取为功率样本数据，并计算该样本数据的均值和标准差。计算后，根据计算获得的标准差以及样本数据的样本容量计算对应的新能源置信区间，并根据系统预设的置信水平，本实施例优选为95％置信水平，确定置信区间的上限和下限，进而最终确定新能源95％置信水平功率带宽的上下限，并将其作为新能源预测波动进行输出。
[0081] 步骤103：根据所述联络线数据进行联络线波动分析，继而根据分析结果进行联络线波动计算，输出相应联络线预测波动。
[0082] 具体的，所述根据所述联络线数据进行联络线波动分析，继而根据分析结果进行联络线波动计算，输出相应联络线预测波动，具体为：
[0083] 根据预设的联络线功率波动公式将所述联络线数据划分为联络线负荷变化数据、联络线发电控制数据和联络线频率变化数据，继而根据所述联络线功率波动公式对所述联络线负荷变化数据、所述联络线发电控制数据和所述联络线频率变化数据分别进行联络线权重计算；
[0084] 根据权重计算结果将所述联络线负荷变化数据确定为联络线功率变化的关键数据，继而根据预设的联络线波动预测公式对所述联络线负荷变化数据进行计算，输出相应所述联络线预测波动。
[0085] 针对联络线数据，系统首先根据联络线功率波动公式确定对联络线功率波动产生影响的因素主要为联络线的负荷变化、联络线的发电控制以及联络线的频率变化，确定后根据所述联络线功率波动公式通过变量变化的方式计算上述三种因素之于联络线功率波动的权重，并根据权重的计算结果将联络线负荷变化确定为影响联络线功率波动的关键因素，进而根据联络线负荷变化数据和联络线波动预测公式进行联络线波动预测，并输出相应联络线预测波动，为后续断面累计偏差计算提供参照数据。
[0086] 在本实施例中，从负荷来看，负荷增加会导致联络线上的功率流向另一区域，反之亦然；从区域系统的发电控制来看，它也会影响联络线上的功率分配；从频率的角度来看，频率变化可能导致发电量的调整，进而影响联络线功率的分配。由此可见，所以联络线功率的波动取决于负荷变化、发电控制、频率变化等多个因素的综合作用。因此，对联络线功率波动影响因素进行分析时，需要综合考虑各种因素的影响，以确保区域系统的稳定运行。
[0087] 具体的，参见图4，图4为本发明提供的由区域1和区域2组成的电力互联系统的示意图，图4中的箭头的方向指示电力系统中能量传输的方向。如图4所示，针对图4中的区域1的联络线功率波动公式如下所示：
[0088] Δg1‑Δl1‑ΔP12＝w1Δf1
[0089] 上述表达式中，Δl1表示区域1的负荷变化量，Δg1表示区域1的发电控制功率的变化量，ΔP12表示两区域间联络线的功率变化量，w1表示区域1系统频率静态系数，Δf1表示区域1的频率变化量。
[0090] 而对于图4中区域2的联络线功率波动表达式则如下：
[0091] Δg2‑Δl2+ΔP12＝w2Δf2
[0092] 上述公式中，Δl2表示区域2的负荷变化量，Δg2表示区域2的发电控制功率的变化量，ΔP12表示两区域间联络线的功率变化量，w2表示区域2系统频率静态系数，Δf2表示区域2的频率变化量。
[0093] 当区域1和区域2的频率相同时，则存在以下表达式：
[0094]
[0095] 由上述联络线功率波动公式可知，两区域的自动发电控制功率和负荷的变化是影响联络线功率波动的主要因素，且自动发电控制功率的变化与区域负荷之间存在密切的关系。所述自动发电控制功率通过监测系统频率和功率需求，调节发电机输出功率，以维持系统频率在合适的范围内。因此当区域负荷发生变化时，系统频率也会发生变化，将导致自动发电控制系统检测到频率偏移，并相应地调整发电机输出功率，以满足新的负荷需求。因此，区域负荷的变化会直接影响到自动发电控制功率的调整，进而确定负荷的波动是造成联络线波动的最关键的因素。
[0096] 确定后，系统为了计算联络线的功率变化，则需要确定负荷波动的预测数据，所述负荷的波动是指新能源发电功率的波动。由步骤102中根据历史时间序列样本数据以及样本数据分布可以得到在95％的置信水平下的新能源发电功率的波动上下限，并以此为参考数据代入相应的联络线波动预测公式中即可计算获得联络线预测波动，其具体计算公式如下所示：
[0097]
[0098] 上述公式中，ΔPe表示新能源发电功率波动的预测误差的时间序列，ΔPc表示联络线c波动预测误差时间序列，E是所有新能源发电节点的集合，W发电因子转移分布矩阵，We‑c表示新能源发电节点e对联络线c的转移系数。通过上述公式，系统即可计算获得联络线波动的计算结果，即相关联的所有新能源节点波动产生的结果，作为联络线预测波动进行输出。
[0099] 步骤104：根据所述母线负荷数据计算获得母线负荷偏差，并根据所述母线负荷偏差选择相应概率分布模型对所述母线负荷偏差进行拟合，输出相应母线负荷预测波动。
[0100] 具体的，本实施例所述根据所述母线负荷数据计算获得母线负荷偏差，并根据所述母线负荷偏差选择相应概率分布模型对所述母线负荷偏差进行拟合，输出相应母线负荷预测波动，具体为：
[0101] 根据所述母线负荷数据从母线预测数据库中调取对应的母线负荷预测数据，继而根据所述母线负荷数据与所述母线负荷预测数据之间的时间对应关系分为若干组母线负荷数据组；
[0102] 依次分别对所述若干组母线负荷数据组进行偏差值计算，并对计算获得的所述母线负荷偏差进行分布特征的统计分析，继而根据统计分析结果选择相应的所述概率分布模型对所述母线负荷偏差进行拟合；
[0103] 通过拟合后的所述概率分布模型分别计算所述母线负荷偏差中不同偏差水平的概率，进而将概率计算结果输出为所述母线负荷预测波动。
[0104] 根据母线负荷数据与母线负荷预测数据计算获得的偏差值统计分析结果选择相应的概率分布模型，提高了选择模型与母线负荷数据的适配度，间接提高了拟合后模型计算输出的母线负荷预测波动的准确性。
[0105] 在本实施例中，对母线负荷偏差进行分布特征的统计分析包括计算平均值、标准差以及其他描述性统计量，而根据分析结果选择概率分布模型对母线负荷偏差进行拟合可以为通过常见的概率分布包括正态分布或指数分布等模型对母线负荷偏差进行拟合。通过拟合后的模型计算母线负荷偏差中不同偏差水平的概率，具体实现方式为通过累积分布函数(CDF)或概率密度函数(PDF)进行计算，继而将计算结果作为母线负荷预测波动进行输出。
[0106] 完成数据划分后，分别根据划分后数据类型的不同采用不同的计算方式对各类数据进行相应的预测波动计算，相比于现有技术通过极限建模或潮流计算的方法，本发明所提供的预测波动计算方法得以实现对断面累计偏差和安全阈值更加快速、更加高效的计算和评估。同时，针对各类型数据采用不同的计算方法还提高了计算效率，降低了计算复杂度和模型的复杂度。
[0107] 步骤105：通过预设的断面潮流公式对所述新能源预测波动、所述联络线预测波动和所述母线负荷预测波动进行计算，输出并根据断面累计偏差进行输电断面安全阈值评估，获得相应评估结果。
[0108] 完成各项数据对应预测波动的计算后，系统即可根据计算获得的各项预测波动进行断面累计偏差的计算，并根据计算获得的断面累计偏差进行相应输电断面的安全阈值评估。本发明所提供的评估方法还实现了更直观、更浅显易懂地向电网运行调度人员展示某个输电断面的安全阈值，便于用户以此为依据对整个电力系统进行安全性评估。
[0109] 在本实施例中，如图5所示，图5为本发明提供的东西交换断面的资源示意图。以图5所示的电网东西交换断面为例(L2+L6，对应500kV门从双线+花振双线断面)，由图5可知，对该交换断面具有灵敏度的可调资源包括：各类型常规机组、母线负荷(虚拟电厂，功率已修正)、新能源机组、直流馈入等，而各类资源的波动均会根据灵敏度的大小不同程度影响断面潮流。
[0110] 因此，以直流潮流为例，图5所示断面S可以描述为：
[0111]
[0112] 其中，GG‑i、GN‑k、GD‑j、GF‑d分别为常规机组、新能源机组、联络线(直流馈入)、负荷所在节点对断面S发电机输出功率转移分布因子；而PGi、PNk、TDj、LFd则分别为不同节点的常规机组出力、新能源机组出力、直流功率和母线负荷值。
[0113] 而若是忽略常规机组和直流功率的调节误差，则断面的波动空间ΔS可以描述为：
[0114]
[0115] 其中，PBk为新能源机组的95％置信水平下的功率带宽，TMj为联络线95％置信水平d下的功率带宽；μ 为母线负荷的96点预测准确率。其中，功率转移分布因子应采用稳态转移分布因子，门槛值选为0.1。
[0116] 具体的，本实施例所述输出并根据断面累计偏差进行输电断面安全阈值评估，获得相应评估结果，具体包括：
[0117] 通过预设的断面概率越限公式对所述断面累计偏差和预设的断面限值进行计算，输出相应断面概率越限比例，继而根据所述断面概率越限比例对输电断面等级进行评定，并输出评定结果；
[0118] 若所述评定结果为所述断面概率越限比例小于或等于预设的第一阈值，则将输电断面确定为一级断面，并调取一级断面对应的安全阈值要求对所述断面累计偏差进行安全评估，输出所述评估结果；
[0119] 若所述评定结果为所述断面概率越限比例大于所述第一阈值且小于第二阈值，则将所述输电断面确定为二级断面，并调取二级断面对应的安全阈值要求对所述断面累计偏差进行安全评估，输出所述评估结果；
[0120] 如所述评定结果为所述断面概率越限比例大于或等于所述第二阈值，则将所述输电断面确定为三级断面，并调取三级断面对应的安全阈值要求对所述断面累计偏差进行安全评估，输出所述评估结果。
[0121] 根据计算获得的断面累计偏差和断面限制计算获得断面概率越限比例，继而根据断面概率越限比例对断面进行分级，根据分级后的断面调取不同的安全阈值要求对断面的累计偏差进行安全评估。通过对断面进行分级并根据不同等级对断面的安全阈值要求进行不同等级的评估，提高了断面安全阈值安全性的评估灵活性和实用性。
[0122] 而本实施例所提供的断面概率越限比例的表达式如下所示：
[0123]
[0124] 其中，PS为断面限值。确定了断面概率越限比例后，系统即可根据该越限比例以及预设的断面等级阈值对输电断面进行断面等级划分，断面等级、断面概率越限比例以及对应的日前出清安全裕度表格如下所示：
[0125]级别 δ取值范围 出清上限设置
I级断面 ≥3 (100‑δ)％
II级断面 0.3～3 97％
III级断面 0～0.3 99％
[0126] 由上述表格可知，系统根据计算获得的断面概率越限比例将断面分为三个等级，并为每个等级的断面设置了相应的日前出清上限即日前出清安全裕度，得以直观且浅显易懂的向运行调度人员展示系统在某个空间上某个平面的安全性裕度，便于对整个电力系统进行安全性评估，提高电力系统的安全性和稳定性。
[0127] 更进一步的，本实施例所述输出所述评估结果，具体包括：
[0128] 根据不同等级的断面调取对应不同的安全阈值要求，继而从偏差类型、偏差幅值、偏差波动性、偏差概率分布以及所述输电断面的当前阈值是否覆盖所述断面累计偏差对所述输电断面的安全阈值进行评估。
[0129] 为了更好地说明本发明一种基于断面潮流的输电断面安全阈值评估方法和装置的工作原理与步骤流程，可以但不限于参见上文的相关记载。
[0130] 相应的，参见图2，图2为本发明提供的基于断面潮流的输电断面安全阈值评估装置的一种实施例的结构示意图。如图2所示，所述输电断面安全阈值评估装置包括数据采集分类模块201、新能源波动预测模块202、联络线波动预测模块203、母线负荷波动预测模块204和断面累计偏差评估模块205。
[0131] 其中，所述数据采集分类模块201用于采集并对电网实时运行数据进行数据异常值处理，获得电网运行数据，继而按照数据应用类型将所述电网运行数据划分为新能源数据、联络线数据和母线负荷数据。
[0132] 进一步的，所述数据采集分类模块201采集并对电网实时运行数据进行数据异常值处理，获得电网运行数据，具体包括：
[0133] 采集所述电网实时运行数据，并通过预设的第一异常阈值和第二异常阈值对所述电网实时运行数据进行异常值识别监测，输出相应识别检测结果；将所述识别检测结果中大于所述第一异常阈值和所述第二异常阈值的数据作为离群值进行删除截断处理，同时，将所述识别检测结果中大于第一异常阈值并小于所述第二异常阈值的数据作为异常数据进行异常值替代处理；对处理后的数据进行平滑处理，获得并输出所述电网运行数据。
[0134] 所述新能源波动预测模块202用于根据所述新能源数据计算获得新能源置信水平功率，继而根据所述新能源置信水平功率的上限和下限确定新能源预测波动。
[0135] 进一步的，所述新能源波动预测模块202根据所述新能源数据计算获得新能源置信水平功率，继而根据所述新能源置信水平功率的上限和下限确定新能源预测波动，具体包括：
[0136] 将所述新能源数据中的新能源功率数据提取为功率样本数据，并计算所述功率样本数据的均差和标准差；根据所述功率样本数据的样本容量和所述标准差计算相应新能源置信区间，继而根据预设的置信水平选择并确定所述新能源置信区间的上限和下限，生成并输出相应新能源置信水平功率带宽作为所述新能源预测波动。
[0137] 所述联络线波动预测模块203用于根据所述联络线数据进行联络线波动分析，继而根据分析结果进行联络线波动计算，输出相应联络线预测波动。
[0138] 进一步的，所述联络线波动预测模块203根据所述联络线数据进行联络线波动分析，继而根据分析结果进行联络线波动计算，输出相应联络线预测波动，具体为：
[0139] 根据预设的联络线功率波动公式将所述联络线数据划分为联络线负荷变化数据、联络线发电控制数据和联络线频率变化数据，继而根据所述联络线功率波动公式对所述联络线负荷变化数据、所述联络线发电控制数据和所述联络线频率变化数据分别进行联络线权重计算；根据权重计算结果将所述联络线负荷变化数据确定为联络线功率变化的关键数据，继而根据预设的联络线波动预测公式对所述联络线负荷变化数据进行计算，输出相应所述联络线预测波动。
[0140] 所述母线负荷波动预测模块204用于根据所述母线负荷数据计算获得母线负荷偏差，并根据所述母线负荷偏差选择相应概率分布模型对所述母线负荷偏差进行拟合，输出相应母线负荷预测波动。
[0141] 进一步的，所述母线负荷波动预测模块204根据所述母线负荷数据计算获得母线负荷偏差，并根据所述母线负荷偏差选择相应概率分布模型对所述母线负荷偏差进行拟合，输出相应母线负荷预测波动，具体为：
[0142] 根据所述母线负荷数据从母线预测数据库中调取对应的母线负荷预测数据，继而根据所述母线负荷数据与所述母线负荷预测数据之间的时间对应关系分为若干组母线负荷数据组；
[0143] 依次分别对所述若干组母线负荷数据组进行偏差值计算，并对计算获得的所述母线负荷偏差进行分布特征的统计分析，继而根据统计分析结果选择相应的所述概率分布模型对所述母线负荷偏差进行拟合；通过拟合后的所述概率分布模型分别计算所述母线负荷偏差中不同偏差水平的概率，进而将概率计算结果输出为所述母线负荷预测波动。
[0144] 所述断面累计偏差评估模块205用于通过预设的断面潮流公式对所述新能源预测波动、所述联络线预测波动和所述母线负荷预测波动进行计算，输出并根据断面累计偏差进行输电断面安全阈值评估，获得相应评估结果。
[0145] 进一步的，所述断面累计偏差评估模块205输出并根据断面累计偏差进行输电断面安全阈值评估，获得相应评估结果，具体包括：
[0146] 通过预设的断面概率越限公式对所述断面累计偏差和预设的断面限值进行计算，输出相应断面概率越限比例，继而根据所述断面概率越限比例对输电断面等级进行评定，并输出评定结果；
[0147] 若所述评定结果为所述断面概率越限比例小于或等于预设的第一阈值，则将输电断面确定为一级断面，并调取一级断面对应的安全阈值要求对所述断面累计偏差进行安全评估，输出所述评估结果；
[0148] 若所述评定结果为所述断面概率越限比例大于所述第一阈值且小于第二阈值，则将所述输电断面确定为二级断面，并调取二级断面对应的安全阈值要求对所述断面累计偏差进行安全评估，输出所述评估结果；
[0149] 如所述评定结果为所述断面概率越限比例大于或等于所述第二阈值，则将所述输电断面确定为三级断面，并调取三级断面对应的安全阈值要求对所述断面累计偏差进行安全评估，输出所述评估结果。
[0150] 更进一步的，所述断面累计偏差评估模块205输出所述评估结果，具体包括：
[0151] 根据不同等级的断面调取对应不同的安全阈值要求，继而从偏差类型、偏差幅值、偏差波动性、偏差概率分布以及所述输电断面的当前阈值是否覆盖所述断面累计偏差对所述输电断面的安全阈值进行评估。
[0152] 相应的，本发明实施例还提供了一种基于断面潮流的输电断面安全阈值评估系统，所述输电断面安全阈值评估系统包括存储器、处理器以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器处理所述计算机程序时实现以上任一项所述的一种基于断面潮流的输电断面安全阈值评估方法。
[0153] 相应的，本发明实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器调用并执行，实现以上任一项所述的一种基于断面潮流的输电断面安全阈值评估方法。
[0154] 综上所述，本发明实施例提供了一种基于断面潮流的输电断面安全阈值评估方法和装置，将采集的电网实时运行数据异常值处理后的电网运行数据按照数据应用类型划分为三类数据，即新能源数据、联络线数据和母线负荷数据；分别按照上述三种不同类型数据对应的应用类型，通过不同的计算方法对其进行波动预测，继而获得相应的新能源波动预测、联络线波动预测和母线负荷波动预测；通过断面潮流公式对上述三种波动预测进行计算，并根据获得的断面累计偏差进行＝安全阈值评估。通过综合考虑了新能源预测波动、联络线波动和母线负荷波动，提高了断面累计偏差的全面性和实用性；针对各类型数据采用不同的计算方法还提高了计算效率，降低了计算复杂度和模型的复杂度。
[0155] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
