面向韧性提升的分布式资源辅助主网关键节点黑启动策略

1.本发明涉及电网领域，具体涉及一种面向韧性提升的分布式资源辅助主网关键节点黑启动策略。


背景技术：

[0002]“双碳”战略目标的有效落实和能源转型的持续推进，加快了我国“以新能源为主体的新型电力系统”建设进程。电力系统中高比例新能源以及电力电子装备规模化接入，交直流混联配电发展迅速，负荷多元化特点增强，导致配电网逐渐呈现有源化、灵活化、多随机性特征，在新型电力系统中面临形势和承担角色将更加复杂。与此同时，电力系统受连锁故障、宽频带振荡、网络攻击、人为操作问题、极端自然灾害等内外部安全威胁逐年增多，对其安全运行提出了新挑战。
[0003]
韧性电网作为未来电力系统的重要发展方向，广义上具有6个关键特征：感知力、协同力、应变力、防御力、恢复力和学习力。其中，恢复力作为应对极端天气、自然灾害以及物理和网络攻击导致大停电事故，最大限度降低损失的重要功能，需要挖掘多环节潜力支撑电网故障后快速恢复。然而，随着电网规模逐步扩大，传统黑启动电源数量和布局已难以满足恢复快速性、可靠性要求，继续扩大布局传统黑启动电源点造价昂贵且受限于能源资源可用性，一定程度上制约电网安全运行经济性。因此，如何基于现有资源实现电网基础设施在面对内外部风险时快速恢复，并以解决故障恢复问题为目标导向制定合理有效的黑启动方案成为迫切需求，这对于提升电网韧性水平、保障国家能源安全具有重要意义。
[0004]
电网黑启动方案按规模和电压等级可划分为微电网、配电网和输电网三个层面。常规黑启动方案更多面向输电网层面，主要以自启动能力强的水电机组或具备黑启动能力的大型火电机组作为黑启动电源，逐步带动其他无黑启动能力机组启动，最终恢复整个电网；配电网恢复往往需要等待上级电网恢复后再为其关键负荷供电，从而导致恢复时间长、恢复力不足。随着配网与主网之间关联耦合程度日趋紧密，大规模分布式电源(distributed generation，dg)、电动汽车、储能、微电网等多样化“源-荷-储”分布式资源(distributed energy resource,der)分散接入，基于der启动功率小、速度快、反应灵活等优点，通过聚合多种der辅助配电网故障恢复或局部自愈保障重要负荷供电，并利用der为主网电源、变电站等关键节点迅速启动提供辅助电源和灵活性资源支撑，从而加快全网恢复进程，从恢复力方面提升电网韧性水平，缓解电网黑启动电源不足及高成本问题，也成为“新型电力系统”建设背景下黑启动方案制定的新思路和新方向。
[0005]
针对der辅助微电网、配电网层面黑启动方面，国内外学者已开展了初步研究。有研究针对微电网黑启动中dg启动顺序，建立同时考虑dg发电量和负荷重要度的多目标优化模型，实现dg启动与负荷恢复时序的协调分配。有研究聚焦于光伏、风电、储能、电动汽车以及微电网等分布式资源作为黑启动电源参与配电网系统恢复，利用具备黑启动能力的der启动不可控der，协调优化恢复路径和目标网架，逐步扩大恢复范围的同时保障了重要负荷供电；其中，有研究以系统可用发电量最大和恢复路径充电电容最小为目标，构建计及电动
汽车充电站的网架重构双层优化模型；有研究分析了微网作为黑启动电源支撑配电网故障恢复的优越性，以系统恢复最大发电量和最小负荷损失为目标建立微电网支撑配网恢复的网架重构模型，并基于新英格兰10机39节点系统验证了恢复方案在经济性和可靠性方面的优势。然而，上述研究仅针对微电网或配电网层面的黑启动，尚未考虑配电网资源对输电网层面黑启动的支撑作用，对系统整体恢复力的提升有限。
[0006]
针对配电网der辅助输电网层面的黑启动方案通常包括三个阶段：电源黑启动阶段、网架重构阶段和负荷恢复阶段。现有der辅助输电网黑启动方面研究主要关注电源黑启动阶段，优先启动具备黑启动能力的der为输电网中无法自启动的大型火电机组提供启动功率，并通过输电网分区并行恢复节省时间。有学者将光储联合发电系统作为黑启动电源驱动厂用异步电动机，并模拟der支撑主网关键节点黑启动全过程，所制定光储系统协调控制策略具有较强的工程适用性；有研究提出为风电场配置储能系统使其具备黑启动能力，制定风储系统快速启动热电机组策略，并通过仿真详细分析了空充输电线路、变压器以及辅机启动过程；有研究优化输电网系统黑启动方案，将发电厂附近微型燃气轮机作为大型机组的新型备用电源，改善备用柴油发电机组经济性欠佳、城市电网中黑启动电源不足的问题，并通过微型燃气轮机空充变压器和异步电动机启动进行仿真验证，黑启动策略切实可行。上述研究利用配电网der有效缩减了输电网故障恢复时间，但主要聚焦于恢复过程中配电网der支撑主网大型机组启动单一问题分析，仅涉及自启动der、空充线路和变压器、启动发电厂辅机等过程的安全校验和方案评估，未考虑恢复过程中的der启动顺序优化、恢复路径制定和目标网架重构等过程，实际电网黑启动中三方面并非相互独立，而是互为驱动、相互支撑，需要统筹考虑联合优化，以构建全周期、多时间尺度下的黑启动动态全过程方案。


技术实现要素：

[0007]
本发明是为了解决上述问题而进行的，目的在于提供一种面向韧性提升的分布式资源辅助主网关键节点黑启动策略。
[0008]
本发明提供了一种面向韧性提升的分布式资源辅助主网关键节点黑启动策略，具有这样的特征，包括以下步骤：步骤1，分析配电网内各der的出力特性与调控策略，形成der支撑主网关键节点快速恢复可行性评估方法，建立黑启动可执行性评估指标，对一天内黑启动可执行时段进行评估，基于评估结果，对于黑启动可执行时段，选择符合电源特性和系统恢复要求的der控制策略；步骤2，基于der控制策略，建立以最小恢复时间、最大可用发电容量和最小恢复路径权值为目标的配电网der启动与网架重构联合优化模型，并采用遗传算法与弗洛伊德算法相结合的方法求解得到各der的最优启动顺序，各der按最优启动顺序平稳启动并网，并聚合形成区域电源；步骤3，区域电源分批次启动火电厂辅机，待火电厂辅机完全正常运行后启动火电机组，恢复后的火电机组陆续接入周边配电网负荷，并为其他火电厂提供启动电源支持，从而逐步扩大恢复范围直至全系统恢复。
[0009]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤2中，其中，步骤1中，der包括风机、光伏、储能以及微型燃气轮机。步骤1包括以下步骤：步骤1-1，针对多类型der出力特性和时空分布不确定性，对黑启动过程中未来一段时间内der可用发电容量进行预测，利用置信区间方法处理预测误差
偏差，得到配电网系统der出力预测结果；步骤1-2，基于配电网系统der出力预测结果，考虑主网大型机组辅机启动最小功率需求和黑启动持续执行倾度两个方面，建立黑启动可执行性评估指标，对一天内黑启动可执行时段进行评估，得到评估结果；步骤1-3，基于评估结果，对于可执行黑启动方案的停电时刻，选择符合电源特性和系统恢复要求的der控制策略，保证故障系统成功启动并稳定运行。
[0010]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤1-1中，多类型der出力特性包括风电出力特性、光伏机组出力特性以及储能运行特性。储能运行特性考虑储能充放电功率约束和储能荷电状态约束如下所示：
[0011]-p
es,n
≤p
es
(t)≤p
es,n
ꢀꢀꢀ
(1)
[0012]
soc
es,min
≤soc
es
(t)≤soc
es,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0013]
式中，p
es,n
为储能的额定功率；soc
es,max
、soc
es,min
和soc
es
(t)分别为储能装置荷电状态的上、下限和黑启动过程中储能荷电状态；soc
es
(t)计算公式可表示为：
[0014][0015]
式中，δ为储能自放电率；ηc、ηd分别为充、放电效率；为t时刻储能的充、放电功率；ss为储能装置的容量。
[0016]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤1-2包括以下步骤：步骤1-2-1，置信区间估计：机组实际出力分布在预测值周围，黑启动过程中各时段风电、光伏机组实际出力表示为预测值与预测误差之和，描述如下：
[0017][0018]
式中，p
wt
(t)、p
pv
(t)分别表示风电、光伏机组在t时刻实际发电功率，分别表示风电、光伏机组在t时刻的预测功率，分别表示风电、光伏机组在t时刻出力的预测误差。不确定性处理方法采用置信区间法保证方案满足一定置信水平，首先，基于风电、光伏机组出力预测值，采用不确定模型对不同功率区段内预测误差分布进行拟合，求得概率密度函数，其次，基于概率密度函数，提取累计概率大于等于置信度1-α的区间集合，最后，在区间集合中挑选相同置信度1-α下长度最短的区间作为该预测功率下的置信区间。基于最短置信区间原则求得的置信度1-α下的置信区间如下
[0019][0020]
式中，δp为功率预测值p对应的误差，符合概率分布f(δp)；步骤1-2-2，采用黑启动最小功率需求与黑启动持续执行倾度两个评估指标对黑启动可执行性评估。黑启动最小功率需求为p
der,min
为：
[0021]
p
der,min
＝(1 α)pmꢀꢀꢀꢀꢀ
(6)
[0022]
式中，pm为待启动火电机组辅机额定功率；系数α包含der自身用电率、线损率和保留的一定裕量，通过预留旋转备用以应对风电、光伏机组出力的不确定性影响。黑启动持续过程中der发电量q
der
、黑启动最小需求电量q
der,min
以及黑启动持续执行倾度γ分别表示为：
[0023][0024][0025][0026]
式中，p
der
(t)为der在t时刻出力，γ大于等于1时表示可持续执行倾度更高，γ小于1时表示黑启动方案更倾向于不可执行。
[0027]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤2中，针对der启动顺序与恢复路径互为驱动、相互支撑特征，建立配电网der启动与网架重构联合优化模型。求解最优启动顺序的过程包括以下子步骤：步骤2-1，选择具备自启动能力且调节性能更强的储能、微型燃气轮机作为黑启动电源自启动，以系统恢复时间最短、可用发电容量最大和恢复路径权值最小为目标，通过遗传算法优化der选型和der启动顺序；步骤2-2，基于线路重要度评估，采用最短路径算法对der启动顺序进行路径寻优得到最短路径，将最短路径传递回der启动顺序优化模型，得到各der的最优启动顺序，实现全局最优。
[0028]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤2-1中，以最小时间、最大可用发电容量以及满足待启动der恢复路径权值最小为der启动顺序优化目标，如下所示：
[0029][0030]
式中，ψ
bg
和ψ
nbg
分别为系统网络重构阶段启动黑启动电源和非黑启动电源所构成的集合，ψ
l
为恢复路径中所有线路l构成的集合；z
l
为被选择线路l的恢复权值，p
bg,n
和p
nbg,k
分别为第n台黑启动机组和第k台非黑启动机组在本阶段恢复的发电出力。以停电时刻的der可用发电量为参考，建立der启动顺序优化模型。步骤2-1中的约束条件包括der出力约束、节点电压约束、线路热稳定极限约束、功率平衡约束、火电机组热启动时间约束、配电网拓扑放射结构约束以及辅机电动机进行自启动校验。der出力约束为：
[0031][0032][0033]
式中，p
gn
为所启动der的有功出力，q
gn
为所启动der的无功出力，ψg为系统中所有der构成的集合。节点电压约束为：
[0034]vimin
≤vi≤v
imax i∈ψnꢀꢀ
(16)
[0035]
式中，vi为系统中节点i的电压幅值，ψn为系统中所有节点构成的集合。线路热稳定极限约束为：
[0036][0037]
式中，p
ll
为线路l中传输的有功功率。功率平衡约束为：
[0038][0039]
式中，pm为火电机组辅机功率，p
gn
为所启动的der出力，系数α包括厂用电率、线损率以及应对风电、光伏机组出力预测误差所保留一定的裕量，(1 α)pm为满足黑启动要求的最小功率需求。火电机组热启动时间约束为：
[0040]
0≤t
l
≤t
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0041]
式中，t
l
为自黑启动电源启动经恢复路径送电至火电机组辅机所耗时间，t
max
为火电机组可以热启动的最大时限。配电网拓扑放射结构约束为：
[0042][0043]
式中，z
l
为支路l投切状态二元变量：0表示支路断开，1表示支路闭合，nb、ns分别为配电网系统中节点总数与根节点数。辅机电动机进行自启动校验分为电压校验和容量校验：
[0044][0045]
式中，u
*1
为厂用高压母线电压标幺值；u
*2
为厂用低压母线电压标幺值。
[0046]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤2-2中，线路重要度评估的指标包括线路操作时间权值设置、线路恢复代价权值设置以及线路权值设置。线路操作时间权值设置中，将每条线路操作耗费时间分别划分为乐观估计时间a、悲观估计时间b和最可能估计时间m，对于恢复某条线路l所需要的操作时间t
l
，其期望值e(t
l
)和方差σ
l
分别为：
[0047][0048][0049]
式中，l∈ψ
l
，ψ
l
为系统中所有线路所构成的集合，假设位于某节点i的机组启动路径共由l条线路组成，则该恢复路径所需操作时间的均值与方差为：
[0050][0051][0052]
若ti落在火电机组启动时间限制内的概率较大，则认为该火电机组可列入热启动计划。线路恢复代价权值设置中，启动某机组i的恢复路径上的总充电电容表示为：
[0053][0054]
把线路恢复代价权值设定为：
[0055]wl
＝c
l
s
l
ꢀꢀꢀꢀꢀꢀ
(27)
[0056]
式中，s
l
为某条线路l进行开关合闸的操作代价。线路权值设置主要考虑2个评价指标：时间操作权值t和恢复代价权值w，把线路l的权值z
l
设定为：
[0057]zl
＝k1w
l
k2t
l
ꢀꢀꢀꢀ
(28)
[0058]
式中，k1和k2为分配系数，k1 k2＝1，当线路时间操作权值及恢复代价权值越小时，该条线路的线路权值将越小，则线路重要度会越高，在恢复路径选择过程中，用优先选择恢复线路权值更小，即线路重要度更高的线路。步骤2-2中，采用恢复路径中线路权值之和最小为目标进行优化，目标函数表示为：
[0059][0060]
在恢复路径动态优化中，基于当前状态恢复下一段线路时，把系统网络划分为带电部分与失电部分，将带电部分聚合为电源点，由此电源点计算启动下一目标点的最优路径，恢复重要度更高的线路，重复以上步骤直至启动火电厂。
[0061]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤2中，采用遗传算法与弗洛伊德算法相结合的方法进行模型求解的算法实现过程为：基于遗传算法随机生成的der启动顺序，调用弗洛伊德算法对每一种der启动顺序搜索恢复路径，同时调用遗传算法选择出最优der启动顺序以及该顺序下的恢复路径，由此得到目标网架全局最优解。弗洛伊德算法依次以s
der
中s1～sn节点作为搜索的始终点进行恢复路径搜索，基本思路为：设l(si,sk)表示点si到点sk的最短路径，l(sk,sj)表示点sk到点sj的最短路径，l(si,sj)表示点si到点sj的路径，则点si到点sj的最短路径表示为min(l(si,sk) l(sk,sj),l(si,sj))。遗传算法的基本思路为：假设系统中存在n个der节点和1个主网火电厂节点q，对于遗传算法中的染色体采用二进制的编码方式，der启动顺序由长度为k*(n 1)的染色体表示，即chrom＝[a1,a2,
…
,an|a
n 1
]，其中a
n 1
是长度为k的染色体片段，a1～an代表各个der的启动时刻，a
n 1
设置为火电厂最后启动，遗传算法首先随机产生一批初始染色体，然后将der启动顺序优化模型的目标函数转化为染色体的适应度函数，基于各染色体的适应度函数值通过轮盘赌随机选择以及交叉、变异、重组等操作步骤生成子代染色体，并记录、保留父代优秀染色体，重复步骤至满足设定的条件。
[0062]
在本发明提供的面向韧性提升的分布式资源辅助主网关键节点黑启动策略中，还可以具有这样的特征：其中，步骤3中，当配电网中各类der启动聚合形成区域黑启动电源之后，开始启动临近主网中火电厂，为火电机组辅机提供电源，功率平衡表达式为：
[0063]
pw(t) p
pv
(t) p
es
(t) p
mt
(t)-p
load
(t)＝0
ꢀꢀꢀꢀꢀꢀ
(10)
[0064]
式中：pw(t)表示风机出力，p
pv
(t)表示光伏出力，p
es
(t)表示储能输出功率，p
mt
(t)表示风机出力，p
load
(t)表示火电机组辅机功率。风电、光伏机组出力较辅机功率超出量与缺少量分别为：
[0065]
δp

(t)＝|pw(t) p
pv
(t)-p
load
(t)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0066]
δp-(t)＝|pw(t) p
pv
(t)-p
load
(t)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0067]
der启动火电机组协调控制的过程为：步骤3-1，在时刻t，der启动聚合形成区域电源；步骤3-2，区域电源按顺序投入火电厂辅机；步骤3-3，在黑启动初期，当风电、光伏机组出力之和小于辅机功率时，风电、光伏机组均采用mppt控制策略，剩下的功率缺额δp-(t)
由储能和微型燃气轮机承担。当风电、光伏机组出力之和大于辅机功率且超出量δp

(t)小于10％p
pv
(t)时，光伏机组采用mppt控制，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力。当风电、光伏机组出力之和大于辅机功率且超出量δp

(t)大于10％p
pv
(t)时，光伏机组采用偏离最大功率点电压减载控制，减载量为10％p
pv
(t)，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力；步骤3-4，若火电机组未恢复发电，重复步骤3-2～3-3，直到火电机组恢复发电。
[0068]
发明的作用与效果
[0069]
根据本发明所涉及的面向韧性提升的分布式资源辅助主网关键节点黑启动策略，因为启动步骤为：步骤1，分析配电网内各der的出力特性与调控策略，形成der支撑主网关键节点快速恢复可行性评估方法，建立黑启动可执行性评估指标，对一天内黑启动可执行时段进行评估，基于评估结果，对于黑启动可执行时段，选择符合电源特性和系统恢复要求的der控制策略；步骤2，基于der控制策略，建立以最小恢复时间、最大可用发电容量和最小恢复路径权值为目标的配电网der启动与网架重构联合优化模型，并采用遗传算法与弗洛伊德算法相结合的方法求解得到各der的最优启动顺序，各der按最优启动顺序平稳启动并网，并聚合形成区域电源；步骤3，区域电源分批次启动火电厂辅机，待火电厂辅机完全正常运行后启动火电机组，恢复后的火电机组陆续接入周边配电网负荷，并为其他火电厂提供启动电源支持，从而逐步扩大恢复范围直至全系统恢复。
[0070]
上述过程基于der出力预测对一天内黑启动可执行性进行评估，建立der启动顺序和恢复路径联合优化的网架重构模型，形成配电网系统der启动主网火电厂的最优恢复方案，保证火电机组在热启动时限内尽快安全启动，提升电网韧性。
[0071]
此外，本发明的所涉及的面向韧性提升的分布式资源辅助主网关键节点黑启动策略显著降低了主网电源节点恢复时间，有效提升电网韧性和der利用效率。
附图说明
[0072]
图1是本发明的实施例配电网der支撑主网火电厂黑启动过程图；
[0073]
图2是本发明的实施例中路径恢复流程图；
[0074]
图3是本发明的实施例中算法求解流程图；
[0075]
图4是本发明的实施例中der启动火电机组协调控制流程图；
[0076]
图5是本发明的实施例中某地区35节点配电网系统示意图；
[0077]
图6是本发明的实施例中典型日光伏、风电出力图；
[0078]
图7是本发明的实施例中der总功率日曲线图；
[0079]
图8是本发明的实施例中黑启动持续执行倾度图；
[0080]
图9是本发明的实施例中场景ⅰ网架重构方案图；
[0081]
图10是本发明的实施例中场景ⅰ中der和辅机功率变化曲线图；
[0082]
图11是本发明的实施例中场景ⅱ网架重构方案图；
[0083]
图12是本发明的实施例中场景ⅱ中der和辅机功率变化曲线图；
[0084]
图13是本发明的实施例中场景ⅲ网架重构方案图；以及
[0085]
图14是本发明的实施例中场景ⅲ中der和辅机功率变化曲线图。
具体实施方式
[0086]
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本发明一种面向韧性提升的分布式资源辅助主网关键节点黑启动策略作具体阐述。
[0087]
在本实施例中，提供了一种面向韧性提升的分布式资源辅助主网关键节点黑启动策略。
[0088]
图1是本实施例中配电网der支撑主网火电厂黑启动过程图。
[0089]
如图1所示，本实施例所涉及的面向韧性提升的分布式资源辅助主网关键节点黑启动策略包括以下步骤：
[0090]
步骤s1，分析配电网内风机、光伏、储能以及微型燃气轮机的出力特性与调控策略，形成分布式资源支撑主网关键节点快速恢复可行性评估方法，建立黑启动可执行性评估指标，对一天内黑启动可执行时段进行评估，基于评估结果，对于黑启动可执行时段，选择符合电源特性和系统恢复要求的分布式资源控制策略。
[0091]
多类型der出力时空分布不确定性和控制策略差异性，以及出力预测偏差非一致性等特点，极大的增加了der参与黑启动的难度和复杂性。对此，本实施例重点从der出力波动性、预测误差不确定性以及协调控制策略三方面入手，对der支撑主网黑启动的可行性进行深入探究。配电网中der资源主要包括风机、光伏、储能以及微型燃气轮机。其中，储能和微型燃气轮机具有自启动迅速、输出功率持续稳定、调压调频能力强等特点，可作为黑启动电源为系统提供稳定的无功电压和有功频率支撑。风电、光伏机组出力受限于风速、光照强度自然条件影响具有随机性、波动性和不可控性特点，难以满足调频调压需求，作为非黑启动电源，启动时需要由储能或微型燃气轮机提供启动功率。
[0092]
步骤s1具体包括以下步骤：
[0093]
步骤s1-1，针对多类型分布式资源出力特性和时空分布不确定性，对黑启动过程中未来一段时间内分布式资源可用发电容量进行预测，利用置信区间方法处理预测误差偏差，得到配电网系统分布式资源出力预测结果。
[0094]
多类型分布式资源出力特性包括风电出力特性、光伏机组出力特性以及储能运行特性。
[0095]
大量研究和统计数据表明，平均风速概率密度遵循威布尔分布，光照强度可近似为beta分布，本实施例中风速和光照强度预测模型、分布式风电和光伏机组出力的概率密度分布和累积分布函数参考现有技术。
[0096]
配电网中储能启动状态时间短，其荷电状态soc基本不变，在黑启动过程中可维持充放电功率、电压及频率的稳定，为其他电源提供电压、频率支撑。然而，在大停电事故发生时，储能在t时刻的荷电状态soc
es
(t)具有随机性，对黑启动过程中储能供电能力产生明显影响，储能运行特性考虑储能充放电功率约束和储能荷电状态约束如下所示：
[0097]-p
es,n
≤p
es
(t)≤p
es,n
ꢀꢀꢀ
(1)
[0098]
soc
es,min
≤soc
es
(t)≤soc
es,max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0099]
式中，p
es,n
为储能的额定功率；soc
es,max
、soc
es,min
和soc
es
(t)分别为储能装置荷电状态的上、下限和黑启动过程中储能荷电状态。soc
es
(t)计算公式可表示为：
[0100][0101]
式中，δ为储能自放电率；ηc、ηd分别为充、放电效率；为t时刻储能的充、放电功率；ss为储能装置的容量。
[0102]
步骤s1-2，基于配电网系统分布式资源出力预测结果，考虑主网大型机组辅机启动最小功率需求和黑启动持续执行倾度两个方面，建立黑启动可执行性评估指标，对一天内黑启动可执行时段进行评估，得到评估结果。
[0103]
风电、光伏机组出力时变规律及随机性，导致不同时段系统内启动电源可用容量差异显著，需要对日内不同时刻发生大停电事故时的黑启动可执行性进行判断。der支撑主网火电厂黑启动可行性的判断依据主要包括两个方面：1)通过对黑启动过程中风电、光伏机组出力进行预测，判断配电网系统der发电功率是否满足最小黑启动功率需求；2)对黑启动时段内der持续有效出力进行评估，判断黑启动方案可执行性。目前已存在较多针对风光等间歇性电源的出力预测方法，但预测精度仍然不尽人意，其中风电机组短期发电功率预测的平均相对误差高达15％～30％，光伏机组发电功率预测误差一般为10％-20％。
[0104]
步骤s1-2包括以下步骤：
[0105]
步骤s1-2-1，置信区间估计：大量研究数据分析表明，风电、光伏机组出力预测误差在一定程度上遵从数学分布规律，利用高斯混合概率分布模型可较好描述出力预测误差概率密度分布的厚尾、尖峰和非对称等特征，机组实际出力分布在预测值周围，黑启动过程中各时段风电、光伏机组实际出力表示为预测值与预测误差之和，描述如下：
[0106][0107]
式中，p
wt
(t)、p
pv
(t)分别表示风电、光伏机组在t时刻实际发电功率，(t)分别表示风电、光伏机组在t时刻实际发电功率，分别表示风电、光伏机组在t时刻的预测功率，分别表示风电、光伏机组在t时刻出力的预测误差。
[0108]
不确定性处理方法采用置信区间法保证方案满足一定置信水平，首先，基于风电、光伏机组出力预测值，采用不确定模型对不同功率区段内预测误差分布进行拟合，求得概率密度函数，其次，基于概率密度函数，提取累计概率大于等于置信度1-α的区间集合，最后，在区间集合中挑选相同置信度1-α下长度最短的区间作为该预测功率下的置信区间。基于最短置信区间原则求得的置信度1-α下的置信区间如下：
[0109][0110]
式中，δp为功率预测值p对应的误差，符合概率分布f(δp)。
[0111]
本实施例中，为避免对der总出力预测过于保守，假设所有风电、光伏机组出力均低于预测功率下限的概率极小，为简化计算复杂度，取预测功率下限作为机组的实际出力，同时针对不确定性因素考虑一定的功率裕度，对黑启动可执行性进行评估。
[0112]
步骤s1-2-2，分布式资源支撑主网电源黑启动并非瞬间可以完成，而是需要在恢
复火电机组供电的整个连续过程提供不间断电源支撑。对于一天内der支撑主网火电厂黑启动方案的可执行性评估，应充分考虑一定的时间裕度，将60min作为一个黑启动连续时间段，其中包含配电网系统中der启动、路径恢复及火电机组辅机启动等一系列步骤。由于电网故障后恢复力直接影响韧性水平，通过分析黑启动方案可执行性时段对输配电网韧性水平进行评判。本实施例采用黑启动最小功率需求与黑启动持续执行倾度两个评估指标对黑启动可执行性评估。
[0113]
评估指标1：黑启动最小功率需求。黑启动过程中的主要负荷对象为火电机组辅机，配电网中已启动der的输出功率应大于负荷功率，同时还需满足der自身用电、线路损耗以及风电、光伏机组出力的不确定性。黑启动最小功率需求为p
分布式资源,min
为：
[0114]
p
der,min
＝(1 α)pmꢀꢀꢀꢀ
(6)
[0115]
式中，pm为待启动火电机组辅机额定功率；系数α包含分布式资源自身用电率、线损率和保留的一定裕量，通过预留旋转备用以应对风电、光伏机组出力的不确定性影响。
[0116]
评估指标2：黑启动持续执行倾度。为保证黑启动过程中火电机组辅机的顺利启动，der需在一定时段内持续有效的提供启动功率，对此建立黑启动持续执行倾度的评估指标，即在60min内der持续供电量应大于主网机组启动过程中辅机负荷需求总量。黑启动持续过程中分布式资源发电量q
分布式资源
、黑启动最小需求电量q
分布式资源,min
以及黑启动持续执行倾度γ分别表示为：
[0117][0118][0119][0120]
式中，p
分布式资源
(t)为分布式资源在t时刻出力，γ大于等于1时表示可持续执行倾度更高，γ小于1时表示黑启动方案更倾向于不可执行。
[0121]
步骤s1-3，基于评估结果，对于可执行黑启动方案的停电时刻，选择符合电源特性和系统恢复要求的分布式资源控制策略，保证故障系统成功启动并稳定运行。
[0122]
步骤s2，基于分布式资源控制策略，针对分布式资源启动顺序与恢复路径互为驱动、相互支撑特征，建立以最小恢复时间、最大可用发电容量和最小恢复路径权值为目标的配电网分布式资源启动与网架重构联合优化模型，并采用遗传算法与弗洛伊德算法相结合的方法求解得到各分布式资源的最优启动顺序，各分布式资源按最优启动顺序平稳启动并网，并聚合形成区域电源。
[0123]
网架重构的主要任务是尽快恢复主网火电厂，初步建立起相对稳定的网架结构，为下一阶段系统全面恢复奠定基础。本实施例针对网架重构阶段的系统恢复策略提出der启动顺序与恢复路径序列联合优化方法，在一定程度上避免确定目标网架和搜寻恢复路径这2个优化环节相互分离的问题。首先，以尽可能快恢复系统的最大可用发电容量和待启动der恢复路径权值最小化为目标确定各der的启动顺序；同时，基于der优化模型生成的电源启动顺序，以途径线路权值之和最小为目标确定启动der并为火电机组辅机供电的恢复路径；最后，形成网架重构阶段的系统恢复策略。
[0124]
步骤s2中，求解最优启动顺序的过程包括以下子步骤：
[0125]
步骤s2-1，选择具备自启动能力且调节性能更强的储能、微型燃气轮机作为黑启动电源自启动，以系统恢复时间最短、可用发电容量最大和恢复路径权值最小为目标，通过遗传算法优化分布式资源选型和分布式资源启动顺序。
[0126]
在黑启动过程中安排合理的der启动顺序，通过不同类型电源协调配合，有利于提高可用发电容量，提升启动电源供电的可靠性和持续性，从而加快系统恢复进程，同时由可调节能力强的电源率先启动能够提高黑启动成功率，保证恢复系统安全稳定运行。与传统黑启动机组相比，der具有启动时间短、响应迅速、控制灵活等特点，可根据der自启动能力与出力特性要求der最优启动顺序需满足以下原则：
[0127]
1)优先安排黑启动能力强的der启动。der根据黑启动能力可分为黑启动电源与非黑启动电源，安排黑启动能力强的der优先自启动，非黑启动电源需由黑启动电源提供功率支撑依次启动并网。
[0128]
2)优先安排可用容量大的der启动。系统恢复初期的目标是尽可能获得更多可用发电容量，以此为系统提供更大的启动功率。
[0129]
3)优先安排路径权值小der启动。在安排非黑启动电源启动顺序时，需要考虑线路充电电容、开关操作次数及路径恢复时间等影响路径权值的因素。
[0130]
4)优先安排具备调频调压能力的der启动。der需要具有一定的调频调压能力方可维持系统稳定运行，在黑启动过程中，不同der因地制宜采用不同控制策略，以保证系统电压和频率的稳定。
[0131]
der启动顺序会影响最终的路径恢复方案，若仅考虑单一类型der启动顺序，所得最优路径恢复方案只代表该der启动顺序下的局部最优而非全局最优，因此需要将der启动顺序与恢复路径统筹考虑、联合优化。黑启动初期的目标是获取尽可能多的可用发电容量，为系统提供更大启动功率，综合考虑der启动顺序与恢复路径耦合关系，以最小时间、最大可用发电容量以及满足待启动分布式资源恢复路径权值最小为分布式资源启动顺序优化目标，如下所示：
[0132][0133]
式中，ψ
bg
和ψ
nbg
分别为系统网络重构阶段启动黑启动电源和非黑启动电源所构成的集合，ψ
l
为恢复路径中所有线路l构成的集合；z
l
为被选择线路l的恢复权值，p
bg,n
和p
nbg,k
分别为第n台黑启动机组和第k台非黑启动机组在本阶段恢复的发电出力。
[0134]
由于风电、光伏机组出力不确定性会影响黑启动过程中der启动顺序选择。假如黑启动时段为[0,t]，存在t1∈[0,t]，t2∈[0,t]，且t1≠t2，若在t1和t2时刻，风电、光伏机组出力波动较大，则会导致该两个时刻出现不同的恢复策略，最终建立的网架结构也差异显著。因此，当der在[0,t]时段内出力波动较大时，易导致der启动顺序与目标网架结构频繁变化，线路开关操作频繁，火电机组辅机也无法得到持续稳定的电力供应。本实施例为保证黑启动过程顺利推进，提高恢复系统稳定性，以停电时刻的der可用发电量为参考，建立der启动顺序优化模型。
[0135]
约束条件包括分布式资源出力约束、节点电压约束、线路热稳定极限约束、功率平衡约束、火电机组热启动时间约束、配电网拓扑放射结构约束以及辅机电动机进行自启动
校验。
[0136]
分布式资源出力约束为：
[0137][0138][0139]
式中，p
gn
为所启动分布式资源的有功出力，q
gn
为所启动分布式资源的无功出力，ψg为系统中所有分布式资源构成的集合。
[0140]
节点电压约束为：
[0141]vimin
≤vi≤v
imax i∈ψnꢀꢀ
(16)
[0142]
式中，vi为系统中节点i的电压幅值，ψn为系统中所有节点构成的集合。
[0143]
线路热稳定极限约束为：
[0144][0145]
式中，p
ll
为线路l中传输的有功功率。
[0146]
本实施例黑启动方案中主要负荷为火电机组辅机，只有当der出力满足辅机功率需求时才可支持火电机组启动，但风光出力随机性且光伏启动仅在日间可执行。因此，黑启动中的der与辅机功率应满足以下约束条件：
[0147][0148]
式中，pm为火电机组辅机功率，p
gn
为所启动的分布式资源出力，系数α包括厂用电率、线损率以及应对风电、光伏机组出力预测误差所保留一定的裕量，(1 α)pm为满足黑启动要求的最小功率需求。
[0149]
火电机组热启动时间约束为：
[0150]
0≤t
l
≤t
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0151]
式中，t
l
为自黑启动电源启动经恢复路径送电至火电机组辅机所耗时间，t
max
为火电机组可以热启动的最大时限。
[0152]
针对配电网保护整定考虑和短路电流较小的要求，一般要求配电网呈辐射状运行
[30]
，即系统中无“回路”和“孤岛”拓扑结构，配电网拓扑放射结构约束表示为：
[0153][0154]
式中，z
l
为支路l投切状态二元变量：0表示支路断开，1表示支路闭合，nb、ns分别为配电网系统中节点总数与根节点数。辐射状网络可抽象为图论中“树”结构，每条馈线表示为一棵树，根节点对应树的根，节点对应树的节点，支路对应树的边，同时需满足“总边数＝节点数-根数”。
[0155]
针对辅机电动机进行自启动校验，可分为电压校验和容量校验。由于辅机启动时启动电流可达额定电流的4～7倍，将辅机启动瞬间等效为短路，验算厂用母线残压。对于电动机自启动母线电压校验要求为：由厂用高压母线供电电动机自启动的高压母线最低电压为额定电压的60％；由厂用低压母线与高压母线串接供电电动机自启动的低压母线最低电压为额定电压的55％。
[0156][0157]
式中，u
*1
为厂用高压母线电压标幺值；u
*2
为厂用低压母线电压标幺值。
[0158]
步骤s2-2，基于线路重要度评估，采用最短路径算法对分布式资源启动顺序进行路径寻优得到最短路径，将最短路径传递回分布式资源启动顺序优化模型，得到各分布式资源的最优启动顺序，实现全局最优。
[0159]
针对给定的der启动顺序，可得到多个不同的系统恢复路径，由此建立的恢复网架也将不同，导致恢复路径过程中线路操作时间、充电电容以及开关合闸操作次数有所差异，选择合理的恢复路径可有效缩短系统恢复时间，保障黑启动进程安全稳定执行。本实施例在建立目标网架时，综合考虑线路操作时间、充电电容以及开关合闸操作次数3个方面对线路权值的影响，通过设置线路权值对系统中线路重要度进行评价，建立优化模型，得到一条由重要度相对更高线路组成的恢复路径。
[0160]
线路重要度评估的指标包括线路操作时间权值设置、线路恢复代价权值设置以及线路权值设置。
[0161]
线路操作时间权值设置：在黑启动过程中，线路恢复所需操作时间具有不确定性。将每条线路的操作时间评价标准设置为时间操作权值t，用t来衡量线路从开始充电到充电完毕所耗费时间。在实际系统中，一般基于操作人员经验，将每条线路操作耗费时间分别划分为乐观估计时间a、悲观估计时间b和最可能估计时间m，则恢复每条线路实际所需时间在a和b之间呈贝塔分布。对于恢复某条线路l所需要的操作时间t
l
，其期望值e(t
l
)和方差σ
l
分别为：
[0162][0163][0164]
式中，l∈ψ
l
，ψ
l
为系统中所有线路所构成的集合，假设位于某节点i的机组启动路径共由l条线路组成，则该恢复路径所需操作时间的均值与方差为：
[0165][0166][0167]
若ti落在火电机组启动时间限制内的概率较大，则认为该火电机组可列入热启动计划。
[0168]
在网架重构阶段，恢复路径中充电电容过大将影响系统安全性，线路空载或轻载产生的无功功率将导致线路过电压，因此充电电容是影响线路恢复代价权值的重要因素之一，需要将线路充电电容纳入考虑范围。在选择启动火电机组辅机的送电路径时，选择线路充电电容相对较小的方案，以减少送电路径上产生的无功功率。启动某机组i的恢复路径上的总充电电容可表示为：
[0169]
[0170]
将线路恢复代价权值w
l
作为衡量某条线路l在恢复过程中难易程度的指标，若仅考虑线路充电电容这一个影响因素设定每条线路的恢复代价权值w，容易导致多条充电电容相对较小线路组成的恢复路径优于某单一线路组成的恢复路径。为避免优先选中过多线路组成的路径而导致线路开关操作次数过多，把线路恢复代价权值设定为：
[0171]wl
＝c
l
s
l
ꢀꢀꢀꢀꢀꢀ
(27)
[0172]
式中，s
l
为某条线路l进行开关合闸的操作代价，由于通常在线路两端均有加装断路器，恢复线路时需要进行合闸操作，因此假设每条线路的s
l
相同，通过改变s
l
数值大小可调节线路充电电容与开关操作次数对恢复路径寻优的影响力度。
[0173]
线路权值设置：本实施例对于线路权值z的设置主要考虑2个评价指标：时间操作权值t和恢复代价权值w，把线路l的权值z
l
设定为：
[0174]zl
＝k1w
l
k2t
l
ꢀꢀꢀ
(28)
[0175]
式中，k1和k2为分配系数，k1 k2＝1，当线路时间操作权值及恢复代价权值越小时，该条线路的线路权值将越小，则线路重要度会越高，在恢复路径选择过程中，用优先选择恢复线路权值更小，即线路重要度更高的线路。
[0176]
在确定待恢复线路时，综合考虑线路操作时间、充电电容以及开关合闸操作次数的重要性，即要求建立骨架网络时兼顾效率与风险两方面。重构后的网架规模越大，恢复的重要线路和电源会越多，但最终系统恢复时间也会越长，同时由于恢复线路增多导致充电电容与开关操作次数也会增加，使得黑启动失败风险更大。因此，本实施例采用恢复路径中线路权值之和最小为目标进行优化，则目标函数表示为：
[0177][0178]
本模型约束与der启动顺序优化模型约束相同。
[0179]
图2是本实施例中路径恢复流程图。
[0180]
如图2所示，网架重构过程中，随着部分线路充电恢复，剩余失电线路的重要度将发生变化，需要重新判定失电线路重要度，避免因重复计算已恢复线路导致最终恢复路径寻优失败。对此，本实施例提出一种线路重要度的动态评级指标——动态线路重要度。在路径恢复过程中，基于当前状态恢复下一段线路时，把系统网络划分为带电部分与失电部分，将带电部分聚合为电源点，由此电源点计算启动下一目标点的最优路径，恢复重要度更高的线路，重复以上步骤直至启动火电厂。
[0181]
本实施例网架重构问题是考虑der启动顺序与恢复路径相互影响关系的联合优化问题，可采用遗传算法与最短路径算法相结合的方法对模型进行求解。算法实现为：
[0182]
本实施例采用遗传算法与弗洛伊德算法(floyd算法)相结合的方法对网架重构模型进行优化，基于遗传算法随机生成的der启动顺序，调用floyd算法对每一种der启动顺序搜索恢复路径，同时调用遗传算法选择出最优der启动顺序以及该顺序下的恢复路径，由此得到目标网架全局最优解。
[0183]
1)基于floyd算法的局部优化算法
[0184]
假设已知配电网中各der启动顺序为s
der
＝{s1,s2,
…
,sn}，首先采用最短路径法在系统中依次为s1～sn搜寻恢复路径，之后将已启动der聚合为电源点并为辅机搜寻供电路径，最终得到一个最优的目标网架。由于不同der启动顺序下各存在一条最优恢复路径，使
得仅考虑恢复路径优化而忽略der启动顺序优化仅可得到局部最优解。
[0185]
本实施例在对恢复路径优化时调用经典的最短路算法——floyd算法，依次以s
der
中s1～sn节点作为搜索的始终点进行恢复路径搜索。该算法的核心思路为：设l(si,sk)表示点si到点sk的最短路径，l(sk,sj)表示点sk到点sj的最短路径，l(si,sj)表示点si到点sj的路径，则点si到点sj的最短路径可表示为min(l(si,sk) l(sk,sj),l(si,sj))。
[0186]
2)基于遗传算法的全局优化算法
[0187]
已知der启动顺序影响着最终建立的恢复网架，在对恢复路径优化的同时需要对der启动顺序进行优化，由此求出在最优der启动顺序下的最优恢复路径，得到目标网架的全局最优解。
[0188]
本实施例调用遗传算法对der启动顺序进行全局优化，算法基本思路为：假设系统中存在n个der节点和1个主网火电厂节点q。对于遗传算法中的染色体采用二进制的编码方式，则der启动顺序可由长度为k*(n 1)的染色体表示，即chrom＝[a1,a2,
…
,an|a
n 1
]，其中a
n 1
是长度为k的染色体片段，a1～an代表各个der的启动时刻，a
n 1
设置为火电厂最后启动。算法首先随机产生一批初始染色体，然后将der启动顺序优化模型的目标函数转化为染色体的适应度函数，基于各染色体的适应度函数值通过轮盘赌随机选择以及交叉、变异、重组等操作步骤生成子代染色体，并记录、保留父代优秀染色体，重复步骤至满足设定的条件。
[0189]
图3是本实施例中算法求解流程图。
[0190]
步骤s3，区域电源分批次启动火电厂辅机，待火电厂辅机完全正常运行后启动火电机组，恢复后的火电机组陆续接入周边配电网负荷，并为其他火电厂提供启动电源支持，从而逐步扩大恢复范围直至全系统恢复。
[0191]
der支撑主网关键节点黑启动的过程中，选择储能作为主电源，为系统提供电压与频率支撑。储能的过充过放将影响der支撑火电厂黑启动过程执行，从协调控制角度考虑将储能充放电深度限制在合理区间将有利黑启动顺利进行。因此，需要针对各类电源特性和系统恢复要求选取合理的der控制策略，通过对黑启动各个时段电源发电出力控制以减小所需储能容量，避免因储能过充过放导致黑启动失败。因此，合理的der控制策略是故障系统成功重启并且稳定运行的必要条件。
[0192]
当配电网中各类der启动聚合形成区域黑启动电源之后，开始启动临近主网中火电厂，为火电机组辅机提供电源，功率平衡表达式为：
[0193]
pw(t) p
pv
(t) p
es
(t) p
mt
(t)-p
load
(t)＝0
ꢀꢀꢀꢀꢀ
(10)
[0194]
式中，pw(t)表示风机出力，p
pv
(t)表示光伏出力，p
es
(t)表示储能输出功率，p
mt
(t)表示风机出力，p
load
(t)表示火电机组辅机功率，
[0195]
风电、光伏机组出力较辅机功率超出量与缺少量分别为：
[0196]
δp

(t)＝|pw(t) p
pv
(t)-p
load
(t)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0197]
δp-(t)＝|pw(t) p
pv
(t)-p
load
(t)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0198]
负荷追踪和mppt相结合控制：光伏机组采用mppt控制与减载控制，风电机组采用mppt控制与负荷跟踪控制相结合
[28]
，具体控制流程原理见图4。在黑启动初期，当风电、光伏机组出力之和小于辅机功率时，风电、光伏机组均采用mppt控制策略，保证提供尽可能多的出力，剩下的功率缺额δp-(t)由储能和微型燃气轮机承担，以提高风电、光伏利用率，减少所需储能容量，避免因储能装置内剩余放电容量不足而导致黑启动失败。当风电、光伏机
组出力之和大于辅机功率且超出量δp

(t)小于10％p
pv
(t)时，光伏机组采用mppt控制，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力。当风电、光伏机组出力之和大于辅机功率且超出量δp

(t)大于10％p
pv
(t)时，光伏机组采用偏离最大功率点电压减载控制，减载量为10％p
pv
(t)，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力。
[0199]
图4是本实施例中der启动火电机组协调控制流程图。
[0200]
如图4所示，分布式资源启动火电机组协调控制的过程为：
[0201]
步骤s3-1，在时刻t，分布式资源启动聚合形成区域电源；
[0202]
步骤s3-2，区域电源按顺序投入火电厂辅机；
[0203]
步骤s3-3，在黑启动初期，当风电、光伏机组出力之和小于辅机功率时，风电、光伏机组均采用mppt控制策略，剩下的功率缺额δp-(t)由储能和微型燃气轮机承担，
[0204]
当风电、光伏机组出力之和大于辅机功率且超出量δp

(t)小于10％p
pv
(t)时，光伏机组采用mppt控制，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力，
[0205]
当风电、光伏机组出力之和大于辅机功率且超出量δp

(t)大于10％p
pv
(t)时，光伏机组采用偏离最大功率点电压减载控制，减载量为10％p
pv
(t)，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力；
[0206]
步骤s3-4，若火电机组未恢复发电，重复步骤3-2～3-3，直到火电机组恢复发电。
[0207]
v/f控制：v/f(恒压恒频)控制中逆变器可根据控制要求建立稳定的参考电压和频率，系统中储能和微型燃气轮机电源应选择v/f控制实现自启动，在启动其他电源及投入火电机组辅机过程中，可为系统平抑系统功率波动并提供电压和频率支撑。当黑启动过程中存在如储能、微型燃气轮机等多个具备调频调压能力的der时，可选用具有下垂特性的多组逆变器控制策略，避免因不同逆变器控制间的细微差异导致大量无休止的功率调整操作。
[0208]
本实施例中，以某地区35节点主配网系统为例对der辅助主网关键节点黑启动模型和方法展开分析。
[0209]
图5是本实施例中某地区35节点配电网系统示意图。
[0210]
如图5所示，其中实线和虚线分别代表正常运行状态下开关闭合和断开的线路，系统中所有线路参数如表1所示(采用pandapower v2.6.0中标准线型)。
[0211]
表1为系统中所有线路参数。
[0212]
表1线路参数
[0213][0214][0215]
待恢复系统中目标负荷为100mw火电机组的辅机，辅机总容量为3mw，设置黑启动持续时间设置为60min，针对黑启动过程中启动变电站产生的励磁涌流以及异步电动机启动时产生冲击电流等暂态问题，本实施例中暂不考虑。设在节点4、11、14、20、29、31处接入
der，分别为der1、der2、der3、der4、der5和der6，其中储能的初始soc被设为50％，使其可以在完全放电情况下以最大放电功率持续供电1h，0节点代表接于10kv母线上的火电厂辅机，具体der和辅机详细参数如表2和表3所示。
[0216]
表2为配电网内der参数表。
[0217]
表3为主要辅机参数表。
[0218]
表2配电网内der参数
[0219][0220]
表3主要辅机参数
[0221]
tab.2 main auxiliary machine parameters
[0222][0223]
采用步骤s1中的不确定性因素处理方法，对der出力预测偏差进行处理，得到该地区某典型日5min时间粒度的风电、光伏机组发电预测出力曲线如图6所示。针对der日出力曲线，对典型日内黑启动可执行性按时段进行划分，如图7所示。
[0224]
图6是本发明的实施例中典型日光伏、风电出力图。
[0225]
图7是本发明的实施例中der总功率日曲线图。
[0226]
基于前述黑启动可执行性评估方法，综合考虑线路损耗、自身厂用电以及不确定性因素影响，p
der,min
取为3.5mw，得到一天内各停电时刻的黑启动持续执行倾度如图8所示。
[0227]
图8是本实施例中黑启动持续执行倾度图。
[0228]
如图8所示，可知不同时刻其系统恢复力差异较大，其中执行倾度越高代表系统在该时段内顺利实现黑启动的概率越高，其韧性越强。据图6～8分析，黑启动不可执行时段可估计为03：30-07：30和16：00-19：00，占全天比例约为29％，在配电系统规划时可通过对分布式资源合理配置提高全天内黑启动可执行时段占比，进而提高输配电网韧性水平。基于上述分析可知，由于配网系统中der出力水平在不同停电时刻差异较大，将直接影响火电厂能否成功启动。此外，若der在系统黑启动执行时段内出力波动较大，将导致执行倾度降低，需要选取一天中不同时域场景对der辅助火电厂黑启动方案进行深入分析。
[0229]
场景ⅰ：停电时间发生在09:00时，处于风/光适当环境，光伏可用发电容量约为39％(共0.702mw)，风电可用发电容量约为41％(共0.902mw)。
[0230]
场景ⅱ：停电时间发生在12:00时，处于弱风强光环境，光伏可用发电容量高达
80％(共1.44mw)，风电可用发电容量降低为22％(共0.484mw)。
[0231]
场景ⅲ：停电时间发生在23:00时，处于强风无光环境，光伏可用发电容量为0％，风电可用发电容量高达约80％(共1.76mw)。
[0232]
针对本实施例所建网架重构优化模型，调用遗传算法与floyd算法相结合求解在不同场景下der辅助火电厂启动方案，遗传算法种群个数设为50，迭代次数为200，考虑厂用电、输电线路损耗及预留裕度，确定支撑安全稳定启动辅机的黑启动电源最小出力为3.5mw，得到3种场景下黑启动优化方案如图9、11、13所示。
[0233]
图9是本实施例中场景ⅰ网架重构方案图。
[0234]
图11是本实施例中场景ⅱ网架重构方案图。
[0235]
图13是本实施例中场景ⅲ网架重构方案图。
[0236]
如图9、11、13所示，图中绿色代表已启动der和已恢复线路。然后，基于der在各黑启动阶段控制策略，分析der在黑启动执行时段t＝60min内启动火电厂辅机时的出力变化，得到不同场景下der和辅机功率变化曲线如图10、12、14所示。
[0237]
图10是本实施例中场景ⅰ中der和辅机功率变化曲线图。
[0238]
图12是本实施例中场景ⅱ中der和辅机功率变化曲线图。
[0239]
图14是本实施例中场景ⅲ中der和辅机功率变化曲线图。
[0240]
对比分析3类停电场景下的网架重构方案，均选择节点20处的der4优先自启动，储能快速充放电及无功电压调节能力，可为其他电源成功启动并网提供稳定的电压、频率支撑，并在线路轻载状态为待恢复路径充电时，承担较大充电功率以防止节点电压越限。根据der特性评估分析，储能自身良好的支撑黑启动特性使其成为黑启动电源首选。
[0241]
1)场景i黑启动方案
[0242]
对于场景ⅰ中网架重构方案如图9和表4所示，首先，安排节点20处的der4(储能)自启动，以支撑稳定功率输出和调频调压；然后，基于最小黑启动功率约束确定其他待启动der序列，依次为der3、der6、der5和der1。由于停电时间发生在上午09：00，光伏、风电出力适中，系统中光伏、风电机组可利用容量差别不明显，二者启动先后顺序主要考虑恢复路径权值大小，黑启动初期主要目标是尽快以最小恢复路径权值为系统提供充足电源，基于此原则，闭合联络开关20-16，恢复距离der4最近且可用发电量较大的der3，将已恢复电源聚合为一个电源点，判断出此时der6距离电源点恢复路径权值最小，因此后续通过最优恢复路径启动输出功率稳定且容量更大的微型燃气轮机der6，剩余可用出力较小且恢复路径权值较大的光伏机组der1、der2和风电机组der5按照启动优化原则依次并网，成功启动并聚合后的der经节点4投入线路3-4，2-3，1-2，和0-1向火电机组辅机10kv母线处供电，逐步恢复辅机，进而启动火电机组。最终，建立目标网架总操作时长约为19min，场景ⅰ中恢复系统共获得可用电源功率约为3.804mw。
[0243]
表4为场景ⅰ网架重构方案表。
[0244]
表4场景ⅰ网架重构方案
[0245][0246]
场景ⅰ中0～19min，启动各der并恢复所需路径，后续时段为火电厂辅机启动过程，如图10所示。首先，在19min时刻投入电动给水泵为1.4mw，此时光伏、风电机组可用出力约为1.614mw满足辅机功率需求，光伏采用偏离最大功率点电压减载控制，风机采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额调整出力，由于光伏、风电机组出力已满足负荷要求，该时段无需调用储能或微型燃气轮机增发功率。在30min时刻投入循环水泵为0.5mw，辅机总负荷为1.9mw，此时光伏、风电机组可用出力约为1.656mw小于投入辅机功率，因此光伏、风机均采用mppt控制策略，最大限度利用风、光资源，功率差额由微型燃气轮机承担，避免调用储能导致后续时段荷电量不足而黑启动失败。在39min时刻投入磨煤机和引风机共0.9mw，此时由于负荷增加，微型燃气轮机已达最大输出功率，需调用储能放电联合其他der共同为负荷供电。最后，在49min时刻投入凝结水泵和喷射水泵，至此火电厂辅机成功启动。
[0247]
2)场景ⅱ黑启动方案
[0248]
对于场景ⅱ中网架重构方案如图11和表5所示，由于停电发生在中午12:00，处于弱风强光环境，此时光伏发电功率远远高于风电机组，系统中光伏比风电机组启动优先级别更高。与场景ⅰ网架重构方案不同，节点20处储能自启动后未优先选择启动节点14处风电机组，而是通过投入线路16-15和32-31，闭合联络开关20-16和15-32启动可用容量更高且出力更稳定的微型燃气轮机der6，之后基于以最小恢复路径权值为系统提供充足电源为优化目标，依次启动风电机组der3、光伏机组der1和der2，而距离火电厂辅机较远的风电机组der5，由于其恢复路径权值较大且可用发电容量较低，弃选为待启动电源，最后通过恢复路径4-3-2-1-0为火电厂辅机提供启动功率。该场景下网架重构总操作时长约为15min，恢复系统中共获得可用电源功率约为3.948mw。
[0249]
表5为场景ⅱ网架重构方案表。
[0250]
表5场景ⅱ网架重构方案
[0251][0252][0253]
在场景ⅱ中0～15min，基于确定的der启动顺序和优选恢复路径进网架重构。如图12所示，剩余时段为火电厂辅机启动过程，首先在15min时刻投入电动给水泵为1.4mw，此时
光伏机组可用功率充足为1.458mw，而风电机组可用功率较少为0.322mw，则辅机负荷主要由光伏机组承担，根据控制策略光伏机组采用偏离最大功率点电压减载控制，风电机组采用负荷跟踪控制策略，跟踪辅机功率与光伏出力缺额变化出力，由于光伏、风电机组出力已满足负荷要求，该时段无需调用储能或微型燃气轮机增发功率。在26min时刻投入循环水泵为0.5mw，辅机总负荷为1.9mw，此时光伏、风电机组可用出力约为小于投入辅机功率，因此光伏、风电机组出力均采用mppt控制策略，剩余功率差额由微型燃气轮机承担，减小所需储能容量。在37min时刻和48min分别投入磨煤机、引风机和凝结水泵、喷射水泵，此时电源控制策略与场景ⅰ类似，随着负荷增加，光伏、风电机组与微型燃气轮机均达到此时段最大输出功率，需要储能放电弥补功率差额，最后火电厂辅机成功启动。
[0254]
3)场景ⅲ黑启动方案
[0255]
对于场景ⅲ中网架重构方案如图13和表6所示，由于停电时间发生在夜晚23:00，处于强风无光环境，光伏机组可用容量为0，无法参与黑启动，而风电机组可用出力较高约为1.76mw。基于以最小恢复路径权值为系统提供充足电源为优化目标，得到最优der启动顺序及恢复路径。首先启动具有调频调压能力的储能der4，然后通过恢复路径20-16-15-14启动具有较高可用容量的风电机组der3，进而启动距离已恢复电源点更近且输出更稳定的微型燃气轮机der6，然而此时系统可用发电容量尚未达到黑启动最低要求的3.5mw，需考虑启动距离辅机更远的风电机组der5以获得更多电源，最终确定的可用电源依次为der4、der3、der6和der5。该场景下网架重构总操作时间约为17min，获得可用电源总出力约为3.96mw。
[0256]
表6为场景ⅲ网架重构方案表。
[0257]
表6场景ⅲ网架重构方案
[0258][0259]
在场景ⅲ中0～17min，通过网架重构优化模型建立目标网架。如图14所示剩余时段为火电厂辅机启动过程，首先在17min时刻投入电动给水泵为1.4mw，此时光伏机组可用出力为0mw而风电机组可用出力较多为1.76mw，因此辅机负荷主要由风电机组承担，风电机组采用负荷跟踪控制策略跟踪辅机功率变化出力，由于此时风电机组出力已满足负荷要求，无需调用储能或微型燃气轮机增发功率。在28min时刻投入循环水泵为0.5mw，辅机总负荷为1.9mw，此时风电机组可用出力略低于投入辅机功率，因此风电机组均采用mppt控制策略，充分利用风电资源，剩余功率差额由微型燃气轮机承担，减小所需储能容量。在39min时刻和50min分别投入磨煤机、引风机和凝结水泵、喷射水泵，此时随着负荷增加，风电机组与微型燃气轮机均达到最大输出功率，需要储能放电弥补功率差额，最后火电厂辅机成功启动。
[0260]
通过以上结果可知，显然，停电发生时刻不同，利用配电网分布式电源辅助主网黑启动的方案有所差异，对应输配电网恢复力也将不同，黑启动时段内der可利用容量更充足时恢复速度更快，可通过合理配置风电、光伏机组与储能、微型燃气轮机占比及协调性，提
升电网韧性水平。
[0261]
上述三种不同场景下的网架重构策略如图9、11和13所示，通过对比分析可看出受天气变化影响导致风电、光伏机组出力存在较大差异，而储能和微型燃气轮机的可用发电出力比较稳定，因此利用本实施例所提模型和方法为三种场景制定的恢复方案中，均优先启动储能和微型燃气轮机这类输出较为稳定的电源，对于风电、光伏这类间歇性电源则根据天气变化选择是否优先启动。从图10、12和14可看出，针对3个场景，通过制定不同的配电网der支撑主网火电厂黑启动方案完成火电厂辅机的启动，在启动辅机过程中，综合考虑风电、光伏机组出力不确定性，保证优先充分利用风电和光伏电源发电出力为火电厂辅机供电，减少储能充放电切换次数和所需储能容量，避免因储能剩余荷电量不足导致黑启动失败。
[0262]
针对制定的黑启动方案进行火电厂辅机启动校验，由于启动异步电动机时的启动电流过大，可达额定电流的4～7倍，将使得电源端口电压在启动时发生显著跌落，可将辅机电动机启动瞬间看作短路进行计算。将配电网系统内向辅机供电的电源视为无穷大电源处理，即母线电压为1，经计算得到厂用高压母线为0.682》0.60，厂用低压母线为0.559》0.55，最终验证三种场景下辅机在考虑黑启动时段内(t＝60min)均能成功启动，证明所提模型和方法的有效性。
[0263]
实施例的作用与效果
[0264]
根据本实施例所涉及的面向韧性提升的分布式资源辅助主网关键节点黑启动策略，因为启动步骤为：步骤1，分析配电网内各der的出力特性与调控策略，形成der支撑主网关键节点快速恢复可行性评估方法，建立黑启动可执行性评估指标，对一天内黑启动可执行时段进行评估，基于评估结果，对于黑启动可执行时段，选择符合电源特性和系统恢复要求的der控制策略；步骤2，基于der控制策略，建立以最小恢复时间、最大可用发电容量和最小恢复路径权值为目标的配电网der启动与网架重构联合优化模型，并采用遗传算法与弗洛伊德算法相结合的方法求解得到各der的最优启动顺序，各der按最优启动顺序平稳启动并网，并聚合形成区域电源；步骤3，区域电源分批次启动火电厂辅机，待火电厂辅机完全正常运行后启动火电机组，恢复后的火电机组陆续接入周边配电网负荷，并为其他火电厂提供启动电源支持，从而逐步扩大恢复范围直至全系统恢复。
[0265]
上述过程基于der出力预测对一天内黑启动可执行性进行评估，建立der启动顺序和恢复路径联合优化的网架重构模型，形成配电网系统der启动主网火电厂的最优恢复方案，保证火电机组在热启动时限内尽快安全启动，提升电网韧性。
[0266]
此外，本实施例的所涉及的面向韧性提升的分布式资源辅助主网关键节点黑启动策略显著降低了主网电源节点恢复时间，有效提升电网韧性和der利用效率。
[0267]
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。