一种高弹性城市电网多维智能分区方法与流程

1.本发明涉及电网分区技术领域，特别涉及一种高弹性城市电网多维智能分区方法。


背景技术：

2.大停电后的电力系统恢复是一个复杂的决策和控制问题，为提高电网的恢复速度，通常根据电网的结构特点，将大规模电网划分为几个分区，并对每个分区进行单独恢复，然后通过并网来实现整个系统的恢复。在各分区内部，一般先恢复主要机组、枢纽节点与重要负荷节点，形成一个初始恢复网架，然后在此基础上逐步向四周辐射、扩展。但分区涉及到较多因素，因此，如何对电网进行合理分区是大停电后恢复过程中一个很重要的问题。


技术实现要素：

3.针对现有技术无法对电网进行合理分区的问题，本发明提供了一种高弹性城市电网多维智能分区方法，借助目标函数和粒子群算法，根据电网结构特点、自启动电源分布情况等因素对整个网络进行分区，使得分区后的电网恢复速度最优。
4.以下是本发明的技术方案。
5.一种高弹性城市电网多维智能分区方法，包括以下步骤：根据多维度数据建立最优分区策略目标函数，设置时间约束和潮流约束；采用粒子群算法求解，通过设定粒子个数n，粒子迭代公式中最大迭代次数、惯性系数最大值和最小值和学习因子，随机初始化各个粒子的值和速度，得到分区方案；以互不支配的分区方案作为备选方案，目标函数值作为属性，最后采用灰色多属性决策方法进行决策分析，评分最高的方案即为最优分区方案。
6.本发明的基本思路是：通过主干网把自启动电源、部分非自启动电源以及一些特别重要的负荷构成一个区域，然后根据以上的约束进行解裂。分区的原则是使重要负荷恢复时间尽可能短。一方面，对于无自启动能力的机组，通过合理分区，保证在自启动初期，以引入最小的充电无功代价连接到自启动机组；另一方面，引入电源点到负荷点的合闸操作次数来表示负荷恢复的快慢程度。考虑到对于重要负荷，其离电源点越近，越利于恢复，由此，引入负荷权重与负荷到电源点的最短距离的乘积来衡量重要负荷的恢复快慢程。
7.作为优选，所述最优分区策略目标函数为：式中：p为指定的系统分区个数，由具有自启动能力的机组数量决定；na(p)表示由若干个带有p个分区所形成的系统的集合；na(p)k表示第k个由p个分区所形成的系统；nli表示第i个区内为了恢复所有发电机所引入的架空线路集合；ngi表示第i个区内恢复机组集
合；ndi表示第i个区内的负荷集合；表示第i个分区内第j条架空线路充电无功；为第i个分区内第g台恢复机组的容量；为第i个分区内第m个负荷的权重；为第i个分区内第m个负荷到所在分区内最近的发电机组的需要投入的线路总数；系数c表示对这两个目标的重视程度。
8.作为优选，所述时间约束包括：对s＝1,2,...,k个分区：0＜t
rj
＜t
mcj
,j＝1,2,...,n
sg
式中：t
rj
为机组j从零时刻至得到启动电源的时间间隔；t
mcj
考虑了裕量的机组启动时间限制；n
sg
为分区s中所包含的机组节点数目。
9.作为优选，所述潮流约束包括：对s＝1,2,...,k个分区：..,k个分区：..,k个分区：pi≤p
imax
,i＝1,2,...,ls式中：n
sn
为该分区恢复网架包含节点的个数；ui为节点电压；pi为支路i上流过的有功功率；p
imax
为支路i的最大允许功率。
10.作为优选，对发生潮流越限的方案，采用灵敏度分析法对发电机出力及负荷水平进行调节，如果调节量在允许范围内，则此种方案依然视为可行；否则，放弃潮流越限的方案。
11.作为优选，所述采用粒子群算法求解，包括：初始化种群：按设计的编码方式随机生成初始种群，每个粒子代表一组分区方案，并计算适应值；构建外部档：基于pareto支配关系，并结合各粒子的适应值，将非劣粒子加入外部档中；更新速度与位置：粒子位置的更新采用二进制更新公式，而在速度更新中，所需的个体最优位置取自粒子历史非劣个体位置，全局最优位置则需结合自适应网格法和轮盘赌法选取外部档中分布稀疏区域的粒子位置；迭代终止条件：迭代次数达到预设的最大迭代次数时，终止计算并输出结果，否则返回上一步重新计算，直至满足迭代终止条件。
12.本发明考虑分区规模及恢复时间相当的原则，将各分区的恢复时间差最小作为优化模型的第一个目标函数。其次，目标函数中，综合考虑系统分区的安全性和快速性要求，一方面将黑启动电源到恢复节点的线路充电无功最小化，以防止送电时线路的过电压问题；另一方面将恢复线路中的开关操作次数和经过的电站数最小化，以加快节点的恢复速度，采用粒子群算法来求解上述模型。
13.本发明的实质性效果包括：考虑多种维度因素对分区的影响，并基于不同的故障
处理场景，对目标电网进行合理地动态拓扑分区，为基于分区的故障自愈恢复提供基础；保证异常情况下(如失去外部电源导致大面积停电)，各个分区必要的自治能力；在故障恢复过程中，提供不同电压等级之间、不同区域之间的协调支援能力。
附图说明
14.图1是本发明实施例的流程图。
具体实施方式
15.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合实施例，对本技术方案进行清楚、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做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。
16.应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
17.应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
18.下面以具体的实施例对本发明的技术方案进行详细说明。实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
19.实施例：一种高弹性城市电网多维智能分区方法，包括如图1所示的以下步骤：根据多维度数据建立最优分区策略目标函数，设置时间约束和潮流约束；采用粒子群算法求解，通过设定粒子个数n，粒子迭代公式中最大迭代次数、惯性系数最大值和最小值和学习因子，随机初始化各个粒子的值和速度，得到分区方案；以互不支配的分区方案作为备选方案，目标函数值作为属性，最后采用灰色多属性决策方法进行决策分析，评分最高的方案即为最优分区方案。
20.其中，针对当前大多数台风运动模拟研究未考虑台风不确定性，且未将台风运动路径模拟与台风风场模拟有效结合。本实施例考虑台风登陆参数的不确定性，基于monte carlo法生成台风发生场景，应用前向选择算法提取典型台风发生场景，该台风场景可反映台风频发地区的台风发生特征。对于每一个台风场景，结合相应的台风登陆参数，采用风暴轨迹模型模拟台风运动路径，采用batts风场模型模拟台风风场。
21.采用batts风场模型模拟台风风场，模拟台风从登陆时刻到消亡时刻的运动路径。台风运动路径模拟的主要思路为：以登陆时刻台风中心的位置、移动速度、移动方向角为输入数据，即台风登陆参数作为输入数据，基于风暴轨迹模型，可计算出登陆后每一时刻台风中然后基于典型台风场景的运动模拟结果，分析台风天气下架空导线和混凝土电杆的荷载效应；并根据结构可靠度原理，结合配电线路机械强度的概率分布，建立台风天气下架空配电线路荷载可靠度模型，为灾后分区模型奠定基础。
22.本实施例的基本思路是：通过主干网把自启动电源、部分非自启动电源以及一些特别重要的负荷构成一个区域，然后根据以上的约束进行解裂。分区的原则是使重要负荷恢复时间尽可能短。一方面，对于无自启动能力的机组，通过合理分区，保证在自启动初期，以引入最小的充电无功代价连接到自启动机组；另一方面，引入电源点到负荷点的合闸操作次数来表示负荷恢复的快慢程度。考虑到对于重要负荷，其离电源点越近，越利于恢复，由此，引入负荷权重与负荷到电源点的最短距离的乘积来衡量重要负荷的恢复快慢程。
23.电力系统发生大停电后，调度部门要采取积极有效的恢复方案实现系统恢复。对于大型网络，通常根据电网的结构特点，将电网分成几个子网单独并行恢复，然后通过并网来实现整个系统的恢复。
24.本实施例中最优分区策略目标函数为：式中：p为指定的系统分区个数，由具有自启动能力的机组数量决定；na(p)表示由若干个带有p个分区所形成的系统的集合；na(p)k表示第k个由p个分区所形成的系统；nli表示第i个区内为了恢复所有发电机所引入的架空线路集合；ngi表示第i个区内恢复机组集合；ndi表示第i个区内的负荷集合；表示第i个分区内第j条架空线路充电无功；为第i个分区内第g台恢复机组的容量；为第i个分区内第m个负荷的权重；为第i个分区内第m个负荷到所在分区内最近的发电机组的需要投入的线路总数；系数c表示对这两个目标的重视程度。
25.本实施例中时间约束包括：对s＝1,2,...,k个分区：0＜t
rj
＜t
mcj
,j＝1,2,...,n
sg
式中：t
rj
为机组j从零时刻至得到启动电源的时间间隔；t
mcj
考虑了裕量的机组启动时间限制；n
sg
为分区s中所包含的机组节点数目。
26.本实施例中潮流约束包括：对s＝1,2,...,k个分区：对s＝1,2,...,k个分区：对s＝1,2,...,k个分区：pi≤p
imax
,i＝1,2,...,ls式中：n
sn
为该分区恢复网架包含节点的个数；ui为节点电压；pi为支路i上流过的有功功率；p
imax
为支路i的最大允许功率。
27.本实施例中对发生潮流越限的方案，采用灵敏度分析法对发电机出力及负荷水平进行调节，如果调节量在允许范围内，则此种方案依然视为可行；否则，放弃潮流越限的方
案。
28.本实施例中采用粒子群算法求解，包括：初始化种群：按设计的编码方式随机生成初始种群，每个粒子代表一组分区方案，并计算适应值；构建外部档：基于pareto支配关系，并结合各粒子的适应值，将非劣粒子加入外部档中；更新速度与位置：粒子位置的更新采用二进制更新公式，而在速度更新中，所需的个体最优位置取自粒子历史非劣个体位置，全局最优位置则需结合自适应网格法和轮盘赌法选取外部档中分布稀疏区域的粒子位置；迭代终止条件：迭代次数达到预设的最大迭代次数时，终止计算并输出结果，否则返回上一步重新计算，直至满足迭代终止条件。
29.本实施例考虑分区规模及恢复时间相当的原则，将各分区的恢复时间差最小作为优化模型的第一个目标函数。其次，目标函数中，综合考虑系统分区的安全性和快速性要求，一方面将黑启动电源到恢复节点的线路充电无功最小化，以防止送电时线路的过电压问题；另一方面将恢复线路中的开关操作次数和经过的电站数最小化，以加快节点的恢复速度，采用粒子群算法来求解上述模型。
30.本实施例的实质性效果包括：考虑多种维度因素对分区的影响，并基于不同的故障处理场景，对目标电网进行合理地动态拓扑分区，为基于分区的故障自愈恢复提供基础；保证异常情况下(如失去外部电源导致大面积停电)，各个分区必要的自治能力；在故障恢复过程中，提供不同电压等级之间、不同区域之间的协调支援能力。
31.通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中可以根据需要而将上述功能分配由不同的功能模块完成，即将具体装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
32.在本技术所提供的实施例中，应该理解到，所揭露的结构和方法，可以通过其它的方式实现。例如，以上所描述的关于结构的实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个结构，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，结构或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
33.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
34.另外，在本技术实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
35.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现
出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
36.以上内容，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。