一种遥控开关与分布式电源协同优化的配电网提升方法与流程

摘要: 本发明涉及配电网规划与运行优化的,特别是涉及一种遥控开关与分布式电源协同优化的配电网提升方法。背景技术:1、随着新型电力系统建设的推进,配电网面临着常态故障与极...
一种遥控开关与分布式电源协同优化的配电网提升方法与流程

本发明涉及配电网规划与运行优化的,特别是涉及一种遥控开关与分布式电源协同优化的配电网提升方法。

背景技术:

1、随着新型电力系统建设的推进,配电网面临着常态故障与极端灾害双重挑战,一方面,配电网需满足用户对高供电可靠性的要求,通过自动化设备快速隔离故障、恢复供电;另一方面,飓风、冰灾等高影响低概率(hilp)极端事件频发,要求配电网具备更强的抗灾与快速恢复能力,即“韧性”。

2、目前,针对配电网的优化主要分为两类技术路线:

3、常态可靠性导向的优化配置技术:该技术以远程控制开关(rcs)为核心,通过混合整数规划等方法优化rcs与分布式电源(dg)、联络线的联合布局,旨在降低常规故障下的用户停电时间和损失,但其弊端在于仅聚焦常态故障,未纳入极端灾害的韧性需求,导致极端场景下供电保障能力存在短板,此外,多采用确定性负荷模型,且部分非线性模型难以保证全局最优解;

4、极端场景下的韧性提升技术:该技术面向飓风等极端灾害,重点研究灾后恢复策略与关键负荷优先供电框架,然而,其技术手段多集中于运行调度层面,未从规划源头实现rcs与dg的协同最优布局,且割裂了常态可靠性与极端韧性的统筹优化,易造成设备过度投资或常态可靠性不足。

5、由此可见,现有技术缺乏一种能够统筹常态可靠性与极端韧性、并实现rcs与dg协同优化配置的配电网规划方法。

技术实现思路

1、为解决上述技术问题,本发明提供一种通过构建统一的混合整数线性规划(milp)模型,实现可靠性与韧性的双目标协同提升的遥控开关与分布式电源协同优化的配电网提升方法。

2、本发明的一种遥控开关与分布式电源协同优化的配电网提升方法,包括以下步骤:

3、s1、综合考虑负荷不确定性,融合脆弱性曲线与浴缸曲线量化极端场景下设备故障特性,构建以配电网全生命周期综合成本最小化为目标的多目标优化函数;所述综合成本包括用户总中断成本、设备投资成本、设备维护成本和分布式电源运行成本;

4、s2、建立包括配电网拓扑约束、功率平衡约束、遥控开关运行约束及分布式电源出力约束在内的系列约束条件;

5、s3、将s1构建的目标函数与s2建立的约束条件相结合,形成混合整数线性规划模型,对模型进行求解,同步确定遥控开关的最优布置位置与分布式电源的配置参数;

6、s4、基于s3确定的rcs最优布置与dg最优配置,在常规故障场景下,通过rcs实现故障区段的精准隔离与非故障区段的拓扑快速重构,并结合dg辅助供电实现负荷快速恢复;在极端灾害场景下,通过rcs进行全域故障隔离与网络分区,并由dg支撑构建孤岛供电系统,依据负荷优先级实现有序供电;

7、所述s2中遥控开关(rcs)运行约束,具体的:

8、该类约束精准表征rcs安装决策、分合状态与线路潮流的耦合关系,限定rcs故障隔离动作逻辑与运行边界,构建约束:

9、

10、

11、

12、

13、;

14、式中,为线路允许传输的最大有功、无功功率;为线路ij的第k个候选位置是否可安装rcs;其余变量含义与前述约束中同名变量一致。

15、同时,为表征rcs故障隔离能力对停电时长的影响,实现rcs配置与可靠性、韧性指标的耦合,构建约束:

16、

17、;

18、式中,为第i个元件故障时,第j个负荷点的停电时长;为第i个故障与第j个负荷点间是否存在可用rcs;为第i个故障元件的修复时长;为故障影响关联参数,第i个故障是否影响第j个负荷点;为rcs故障隔离操作时长;为rcs正确动作的概率;

19、所述s3中分布式电源(dg)出力约束,具体的:

20、dg出力上下限约束:

21、;

22、式中,为节点i处是否安装第j类dg;为第j类dg的最小、最大有功出力限值;为dg候选类型集合;

23、dg安装位置唯一性约束:

24、

25、;

26、所述s3中,通过对混合整数线性规划模型求解,同步确定遥控开关最优布置位置与分布式电源配置参数;

27、本步骤以s1构建的多目标优化函数为优化目标、s2建立的全场景约束体系为可行域边界,通过混合整数线性规划(milp)模型求解确定遥控开关(rcs)最优布置位置与分布式电源(dg)配置参数,具体实现过程如下:

28、s3.1、milp模型的标准化构建:

29、s3.11、模型变量分为二进制整数决策变量与连续辅助变量两类,完整覆盖rcs布置、dg配置的决策需求与配电网运行状态的表征需求;

30、s3.12、以全生命周期综合成本最小化为核心目标,整合等式约束与不等式约束,形成完整的milp模型:

31、;

32、式中,目标函数涵盖用户中断成本、设备投资成本、维护成本与dg运行成本;为模型全变量向量,包含二进制整数变量向量与连续变量向量;为等式约束的系数矩阵与常数向量;为不等式约束的系数矩阵与常数向量;

33、s3.2、为提升求解效率、保证优化方案的鲁棒性,对模型进行场景适配与轻量化预处理:

34、s3.21、多场景加权适配:将蒙特卡洛模拟结合k-means聚类得到的典型负荷场景、极端灾害场景,按场景发生概率加权纳入目标函数,转化为全场景期望总成本最小化,确保优化方案适配负荷不确定性与极端灾害冲击,而非单一确定性场景;

35、s3.22、冗余约束与变量裁剪:剔除模型中非活性约束、冗余辅助变量,压缩模型的变量规模与约束数量,降低求解计算复杂度;

36、s3.23、模型合规性校验:校验所有约束的线性化精度、变量边界合理性,确保模型完全符合milp求解器的输入规范,避免求解不收敛或局部最优问题;

37、s3.3、对求解输出的结果进行双重校验,确保方案的工程可行性与全局最优性:

38、s3.31、可行性校验:将最优解代入第二步建立的全量约束体系,依次校验配电网辐射状拓扑约束、节点功率平衡约束、设备运行约束、电压/线路功率限值约束,剔除不可行解;若校验不通过,调整约束边界后重新求解;

39、s3.32、最优性判定:基于求解器输出的最优性间隙与上下界差值,判定解的全局最优性;当最优性间隙小于预设阈值时,确认该解为模型的全局最优解,避免非线性模型易出现的局部最优问题;

40、s3.4、从全局最优解中,同步提取rcs最优布置与dg配置的核心决策参数,完成规划方案的输出:

41、s3.41、rcs最优布置位置确定:遍历所有rcs候选位置的与变量,确定最优安装位置,同步确定rcs的类型(常闭分段开关/常开联络开关)、安装数量与具体点位;

42、s3.42、dg配置参数确定:遍历所有节点与dg类型的变量,确定dg最优安装位置,同步确定对应dg的类型、额定容量、安装台数,结合出力约束确定其常规运行与应急供电的出力区间;

43、s3.43、配套技术经济指标输出:同步输出最优方案对应的可靠性指标、韧性指标、全生命周期分项成本,为方案落地提供完整的技术与经济支撑。

44、优选的,所述s1中,对负荷不确定性的处理具体为:

45、对配电网内全部负荷点的峰值负荷,采用正态分布进行概率化表征,以各负荷点历史峰值负荷的统计均值为正态分布的期望,结合配电网负荷波动规律设定适配的标准差,构建各负荷点峰值负荷的连续概率分布模型,完整刻画负荷的随机波动特征;

46、采用蒙特卡洛模拟方法,基于上述正态分布模型生成海量负荷场景样本,全覆盖负荷波动的各类可能性边界,避免负荷场景缺失导致的优化方案鲁棒性不足问题;

47、采用k-means聚类算法对海量负荷场景进行场景缩减与聚类处理,将负荷特征相近的场景归为同一聚类簇,计算各聚类簇的出现概率,最终得到有限个具有代表性的典型负荷场景及其对应发生概率;

48、具体的,包括以下步骤:

49、s1.1、配电网负荷不确定性的精细化建模与处理;

50、针对配电网各负荷点用电需求的随机波动特性,摒弃传统确定性负荷建模的局限性,采用概率化场景建模方法表征负荷不确定性,为优化函数提供适配实际运行特征的负荷基础数据;具体实现过程为:

51、s1.2、对配电网内全部负荷点的峰值负荷,采用正态分布进行概率化表征,以各负荷点历史峰值负荷的统计均值为正态分布的期望,结合配电网负荷波动规律设定适配的标准差,构建各负荷点峰值负荷的连续概率分布模型,完整刻画负荷的随机波动特征;

52、s1.3、采用蒙特卡洛模拟方法,基于上述正态分布模型生成海量负荷场景样本,全覆盖负荷波动的各类可能性边界,避免负荷场景缺失导致的优化方案鲁棒性不足问题;

53、s1.4、采用k-means聚类算法对海量负荷场景进行场景缩减与聚类处理,将负荷特征相近的场景归为同一聚类簇,计算各聚类簇的出现概率,最终得到有限个具有代表性的典型负荷场景及其对应发生概率。

54、优选的,所述s1中,极端场景下设备故障特性的量化具体为:

55、基于浴缸曲线建立设备故障率与服役年限的映射关系,得到基础故障率;

56、基于脆弱性曲线建立灾害强度与设备故障概率的非线性映射,得到冲击故障概率;

57、将所述基础故障率与冲击故障概率耦合计算,得到设备的综合故障特性;

58、具体的,包括以下步骤:

59、s1.5、基于浴缸曲线量化设备全生命周期的基础失效规律;

60、浴缸曲线完整表征了电力设备在全生命周期内的故障率变化特征,分为早期故障期、偶然故障期与耗损故障期三个阶段,通过该曲线建立设备故障率与设备服役年限的映射关系,精准刻画不同服役年限下配电网线路、母线等设备的基础故障率水平,为极端场景下的设备故障概率计算提供全生命周期的失效基准。

61、s1.6、基于脆弱性曲线量化极端灾害对设备的冲击故障概率;

62、针对目标极端灾害类型,构建配电网线路、母线等设备的脆弱性曲线,建立灾害强度与设备故障概率之间的非线性映射关系,精准表征不同灾害强度下设备发生故障的概率水平,量化极端灾害对设备的物理冲击与失效影响。

63、s1.7、双曲线融合的设备故障特性综合量化;

64、将浴缸曲线得到的设备全生命周期基础故障率,与脆弱性曲线得到的极端灾害冲击下的故障增量概率进行耦合计算,得到极端场景下配电网各设备的综合故障率、故障概率分布与故障修复时间特征;同时基于该综合故障特性,量化极端场景下各负荷点的停电时长概率分布,将设备故障特性与用户停电损失直接关联,实现可靠性与韧性指标的量化耦合。

65、优选的,所述s1用户总中断成本的计算中,针对用户损伤函数的非线性特征,采用大m法进行分段线性化处理;

66、具体包括以下步骤:

67、s1.8、优化函数核心分项成本的数学建模;

68、以配电网全生命周期综合成本最小化为核心,构建涵盖用户总中断成本、设备投资成本、设备维护成本、分布式电源运行成本四大核心分项的成本模型,各分项均通过线性化建模实现与rcs布置、dg配置决策变量的直接耦合;具体模型与变量解释如下:

69、s1.9、用户总中断成本()建模:

70、用户总中断成本是配电网在全研究周期内,因故障停电导致的所有用户停电损失的现值总和,是直接表征配电网可靠性与韧性水平的核心指标,其数学模型为:

71、;

72、式中,为优化方案全生命周期的年份索引集合,代表研究周期的总时长;为现值系数(present worth factor, pwf),用于将未来年度的成本折算为当前现值,考虑资金的时间价值,其计算模型为:

73、;

74、式中,为年通货膨胀率,为年基准利率;为配电网内所有负荷点的集合;为第j个负荷点的年度用户中断成本,即该负荷点因各类故障停电造成的年度经济损失,其计算模型为:

75、;

76、式中,为第j个负荷点的有功负荷值,基于前述负荷不确定性建模得到的典型负荷场景取值;为第j个负荷点内的用户总数;为配电网内的用户类型集合,涵盖居民、工业、商业、公共、关键重要负荷等类型;为第j个负荷点内,第z类用户的负荷占比系数;为第j个负荷点内第z类用户的单位停电损失成本,基于用户损伤函数(cdf),结合负荷点实际经历的停电时长计算得到;

77、针对用户损伤函数的非线性特征,采用大m法进行分段线性化处理,具体线性化模型为:

78、

79、;

80、式中,为任意足够大的正数,用于大m法的线性化处理;为配电网内所有线路的集合,为配电网内所有母线的集合;用于表征用户损伤函数的第m个分段区间的激活状态;表征第j个负荷点第z类用户在第m个分段区间内的停电损失值;为第z类用户损伤函数第n个分段区间对应的停电时长阈值;为第i个线路/母线发生故障时,第j个负荷点所经历的停电时长;

81、s1.10、设备投资成本()建模;

82、设备投资成本为优化方案中,遥控开关(rcs)与分布式电源(dg)的一次性安装投资总成本,是方案规划阶段的核心投入项,其数学模型为:

83、;

84、式中,为配电网内rcs的候选安装位置集合;表征第k个候选位置是否安装rcs;为第k个候选位置安装单台rcs的单位投资成本;为待选的dg类型集合,涵盖不同容量、不同技术路线的分布式电源机组;表征第i个母线位置是否安装第j类dg;为第j类dg的单位投资成本;

85、s1.11、设备维护成本()建模;

86、设备维护成本为全研究周期内,已安装的rcs与dg的年度运维成本的现值总和,是方案全生命周期内的持续性投入项,其数学模型为:

87、;

88、式中,为单台rcs的年度维护成本;为第j类dg的年度维护成本;

89、s1.12、分布式电源运行成本()建模;

90、针对dg的日常运行与极端场景下的应急供电场景,补充全生命周期内的dg总运行成本项,实现方案全周期成本的完整覆盖:

91、;

92、式中,为配电网的平衡节点集合,即主网供电节点;为配电网的非平衡节点集合,即可安装dg的母线节点集合;为主网平衡节点供电有功功率对应的发电成本;为第i个母线位置安装的dg输出的有功功率;为第j类dg的单位有功功率发电运行成本;

93、s1.13、全局多目标优化函数的整合构建;

94、基于上述分项成本模型,整合形成以配电网全生命周期综合总成本最小化为核心的全局优化目标函数,实现可靠性、韧性与经济性的多目标协同优化,最终的优化函数表达式为:

95、。

96、优选的,所述s2中拓扑约束包括:通过辅助变量法对遥控开关安装二进制决策变量与网络拓扑参数的乘积项进行线性化处理;以及确保配电网在开关动作后始终保持辐射状拓扑的约束;

97、该类约束保障配电网在rcs动作、联络开关投切后始终满足辐射状运行的工程要求,同时精准表征rcs安装决策与网络拓扑的耦合关系,分为两部分;

98、第一部分:

99、拓扑变量线性化约束:

100、为避免rcs安装二进制决策变量与网络拓扑参数乘积项带来的非线性求解问题,采用辅助变量法完成线性化处理,构建约束:

101、

102、

103、;

104、式中,为引入线性化变量,替代rcs安装变量与拓扑参数的乘积项;反映故障点、负荷点与rcs候选位置的拓扑关联关系;为第k个rcs是否安装;分别为配电网线路、母线、负荷点、rcs候选安装位置集合;为固定二进制拓扑参数,无联络开关时,第k个位置rcs可在第i个元件故障时隔离第j个负荷点则取1,否则取0;为联络开关投切后的拓扑关联二进制参数;为是否安装联络开关;

105、第二部分:

106、辐射状运行约束:

107、杜绝配电网环网运行,保障网络重构后始终保持辐射状拓扑,构建约束:

108、

109、

110、

111、;

112、式中,为节点i是否为节点j的父节点;为线路ij是否新增开关;为任意足够大的正数,用于大m法线性化处理;为线路ij是否为联络开关候选位置;为线路开关是否闭合;分别为配电网非松弛节点、松弛节点(主网供电节点)集合。

113、优选的,所述s2平衡约束同时适配主网供电与分布式电源孤岛供电双场景,并采用线性化的分布潮流方程表征节点电压、功率与线路参数的关联关系;

114、具体包括:

115、s2.1、节点功率平衡约束;

116、适配主网供电与dg应急供电双场景,构建各节点功率守恒约束:

117、

118、;

119、式中,为线路ij上从节点i流向节点j的有功、无功功率;为节点i处dg输出的有功、无功功率;为节点i处主网注入的有功、无功功率;为节点i处的有功、无功负荷功率;

120、s2.2、线性化潮流约束;

121、基于配电网辐射状拓扑,构建线性化分布潮流约束,表征节点电压、功率与线路参数的关联关系:

122、

123、;

124、线路参数系数定义为:

125、;

126、式中,为节点i注入的总有功、无功功率;为线路ij的电阻、电抗;为节点i的电压相角、幅值;为配电网总支路数量。

127、优选的,所述s3求解前还包括模型预处理:将按发生概率加权的典型负荷场景与极端灾害场景纳入目标函数;裁剪模型中的冗余约束与变量;校验模型的线性化精度与变量边界;

128、为提升求解效率、保证优化方案的鲁棒性,对模型进行场景适配与轻量化预处理:

129、1、多场景加权适配:将蒙特卡洛模拟结合k-means聚类得到的典型负荷场景、极端灾害场景,按场景发生概率加权纳入目标函数,转化为全场景期望总成本最小化,确保优化方案适配负荷不确定性与极端灾害冲击,而非单一确定性场景;

130、2、冗余约束与变量裁剪:剔除模型中非活性约束、冗余辅助变量,压缩模型的变量规模与约束数量,降低求解计算复杂度;

131、3、模型合规性校验:校验所有约束的线性化精度、变量边界合理性,确保模型完全符合milp求解器的输入规范,避免求解不收敛或局部最优问题。

132、优选的,所述s4中,常规场景下的可靠性提升通过系统平均停电持续时间指标量化;极端场景下的韧性提升通过用户平均停电持续时间及总用户中断成本指标量化;

133、具体包括:核心协同运行基础,明确两大设备的功能边界与协同逻辑,形成闭环执行机制:

134、s4.1、rcs核心功能:依托最优布置的常闭分段rcs与常开联络rcs,实现故障区段毫秒级精准隔离、非故障区段网络拓扑快速重构,减小故障影响;

135、s4.11、dg核心功能:依托最优配置的分布式电源,提供无功支撑、降低网损,在主网中断时形成孤岛供电系统,保障极端场景下负荷持续供电能力;

136、s4.12、协同逻辑:rcs的拓扑重构为dg孤岛供电划定稳定供电范围,dg的备用供电为rcs隔离后的非故障失电区域提供电源支撑;

137、s4.2、常规场景下故障快速恢复,针对配电网常规高频元件故障,通过rcs的故障定位-隔离-系统恢复(flisr)全流程自动化执行,结合dg辅助供电,实现故障后快速复电,核心实现如下:

138、s4.21、自动化故障隔离:配电网发生故障后,通过rcs实时量测数据快速定位故障区段,触发故障点两侧最优布置的rcs分闸,极短时间内完成故障区段电气隔离,避免故障范围扩大;

139、s4.22、非故障区域快速复电:故障隔离完成后,通过联络rcs合闸实现网络拓扑重构,将非故障失电区域转供至相邻健全馈线,结合dg出力补充,实现非故障区域全量快速复电;

140、s4.23、可靠性指标量化提升:通过上述机制,配电网核心可靠性指标实现全面优化,核心指标系统平均停电持续时间(saidi)计算公式为:

141、;

142、式中,为第j个负荷点的用户总数;为负荷点平均停电时长;为第i个元件的故障率;

143、最优rcs布置可显著降低saidi、caidi、aens等核心指标,同步减少用户总中断成本,实现常规场景供电可靠性的量化提升;

144、s4.3、极端场景下负荷有序供电(韧性提升实现),针对飓风等高影响低概率(hilp)极端灾害导致的主网中断、多元件故障场景,通过rcs与dg协同实现关键负荷持续供电,核心实现如下:

145、s4.31、全域故障隔离与网络分区:通过最优布置的rcs分闸,将故障损毁区域与健全区域完全电气隔离;同时依托rcs拓扑重构能力,为dg孤岛供电划定安全稳定的供电边界;

146、s4.32、dg支撑的负荷优先级有序供电:主网供电中断时,以最优配置的dg为备用电源,在rcs划定的分区内构建孤岛供电系统;按照负荷重要等级,优先保障医院、市政等关键负荷全时段供电,再根据dg剩余容量依次恢复工业、商业、居民负荷,最大化降低极端场景下的用户停电损失;

147、s4.33、韧性指标量化提升:通过上述协同机制,极端场景下用户平均停电持续时间caidi、总用户中断成本两大核心韧性指标大幅优化,实现配电网抗灾韧性的量化提升,如图2所示。

148、优选的,遥控开关的安装位置和分布式电源的安装位置、类型和容量是由混合整数线性规划模型同步求解得到的全局最优解所确定;

149、具体的:从全局最优解中,同步提取rcs最优布置与dg配置的核心决策参数,完成规划方案的输出:

150、1、rcs最优布置位置确定:遍历所有rcs候选位置的与变量,确定最优安装位置,同步确定rcs的类型(常闭分段开关/常开联络开关)、安装数量与具体点位;

151、2、dg配置参数确定:遍历所有节点与dg类型的变量,确定dg最优安装位置,同步确定对应dg的类型、额定容量、安装台数,结合出力约束确定其常规运行与应急供电的出力区间;

152、3、配套技术经济指标输出:同步输出最优方案对应的可靠性指标、韧性指标、全生命周期分项成本,为方案落地提供完整的技术与经济支撑。

153、优选的,该程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。

154、与现有技术相比本发明的有益效果为:

155、1、实现可靠性与韧性双目标协同优化,避免规划目标割裂与投资浪费

156、通过构建统一的milp规划模型,将常态运行下的saidi、caidi等可靠性指标,与极端灾害下用户停电时长、中断成本等韧性判据同步纳入核心优化目标,解决了现有技术单目标优化、两类能力提升相互割裂的核心痛点,该模型同步适配常态故障与飓风等hilp灾害场景的元件失效特性,通过rcs最优布局同时实现常态故障快速隔离、极端灾害下故障区域精准切分,一次规划即可兼顾日常供电可靠与极端场景抗灾能力,实现两类目标的相互增益;

157、2、实现rcs与dg协同优化,兼顾建模精度与求解效率

158、本发明将rcs与dg的联合配置嵌入统一milp框架,充分挖掘dg常态下降损提可靠性、极端灾害下孤岛供电提韧性的双重价值,同时融合脆弱性曲线与浴缸曲线,精准刻画不同服役年限设备在灾害下的失效概率,通过线性化处理解决了多设备耦合的非线性问题,既保证了求解结果的全局最优性,又缩短求解耗时,大幅提升了大规模配电网的适配性与工程实用性;

159、3、适配全场景不确定性,具备全维度工程决策支撑能力

160、本发明通过蒙特卡洛模拟与k-means聚类处理负荷随机波动特性,将负荷不确定性纳入规划模型,解决了现有技术采用确定性参数、规划结果与实际电网工况偏差大的问题,同时针对投资预算、设备动作可靠性、元件故障率等关键工程参数,开展了系统性敏感性分析,可量化不同约束条件对规划结果、供电保障能力的影响,为不同预算、不同场景的配电网规划工程提供精准的量化决策依据,大幅提升了方案的工程落地性与场景适配灵活性。