一种考虑停电配电网恢复顺序的移动应急电源接入点优化方法

技术特征：
1.一种考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，包括以下步骤：步骤1、对极端自然灾害下配电网线路故障概率进行评估；步骤2、构建移动应急电源接入点优化模型；步骤3、构建考虑恢复顺序的源-网-荷-储协同调度模型；步骤4、对模型进行线性化并求解，得到优化后的考虑停电配电网恢复顺序的移动应急电源接入点优化方案。2.根据权利要求1所述的考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，所述步骤1中的对极端自然灾害下配电网线路故障概率进行评估，具体为：如果架空线路或任意的电线杆发生故障，则该条线路停运，通过将最大预测风速与设备脆弱性曲线进行映射，得到架空线路和电线杆的故障概率，进而得到配电网线路的故障概率：ρ
b
(ω
m
)＝ρ
b，l
(ω
m
) ρ
b，p
(ω
m
)-ρ
b，l
(ω
m
)ρ
b，p
(ω
m
)其中，ω
m
表示风速，ρ
b
表示线路故障概率，ρ
b,l
表示架空线路故障概率，ρ
b,p
表示电线杆故障概率，ρ
p_ind
表示独立的电线杆故障概率，n
b,p
表示电线杆的数量。3.根据权利要求1所述的考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，所述步骤2中的构建移动应急电源接入点优化模型，具体为：其中，s表示故障场景的集合，ρ
s
表示场景s发生的概率，i表示负荷的集合，w
i
表示负荷i的权重，p
il
表示节点i上的负荷需求量，表示表示场景s下第t时刻节点i上的负荷在微电网m中的恢复情况，表示场景s下第t时刻节点i上的负荷恢复量。4.根据权利要求3所述的考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，所述移动应急电源接入点优化模型包括以下约束：(1)一台移动应急电源只能配置在一个节点上，且节点上可配置的移动应急电源数量受该节点容量限制：受该节点容量限制：其中，表示在停电事故发生前，移动应急电源k是否配置在节点i上，cap
i
表示节点i上可容纳的移动应急电源数量限制；(2)在停电事故发生后，一台移动应急电源只能配置在一个节点上，且一个节点上只能配置一台动应急电源：
其中，表示在停电事故场景s下，移动应急电源k是否配置在节点i上；(3)只有在灾前预防阶段进行配置的移动应急电源才能在停电事故发生后参与配电网供电恢复：5.根据权利要求3所述的考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，所述步骤3中的构建考虑恢复顺序的源-网-荷-储协同调度模型，具体为：步骤3-1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：1、构建考虑移动应急电源参与的配电网恢复路径优化模型：其中，为0-1变量，表示场景s下微电网m中是否有恢复路径从节点i出发，l表示配电网中线路连通矩阵，y
ij.s
表示故障场景s下配电网中线路(i,j)的故障情况，表示场景s下微电网m中从节点i到节点j之间的恢复路径状态，表示场景s下在微电网m中存在恢复路径从节点i出发抵达节点j，反之，表示不存在恢复路径，m表示生成的微电网的集合，n
c
表示配电网中节点的数量；步骤3-2、构建虚拟潮流模型表示灾后节点是否由主网继续供电：2、构建虚拟潮流模型表示灾后节点是否由主网继续供电：其中，f
ij.s
表示场景s下的线路(i,j)上的虚拟潮流，θ(i)表示节点i的子节点集合；步骤3-3、基于节点供电恢复时刻得到负荷的停电持续时间：3、基于节点供电恢复时刻得到负荷的停电持续时间：3、基于节点供电恢复时刻得到负荷的停电持续时间：
其中，表示移动应急电源k的移动路径矩阵，表示表示在停电事故发生前，移动应急电源k是否配置在节点i上，表示表示在停电事故场景s下，移动应急电源k是否配置在节点j上，表示应急电源k抵达节点j需要的时间，表示移动应急电源从节点i出发抵达节点j需要的时间，t
j.s
表示在场景s下节点j的恢复时刻，表示在场景s下移动应急电源k抵达节点j所需要的时间，ψ表示一个很大的常数，表示在场景s下恢复线路(i,j)需要的时间，t
r.max
表示配电网停电时长；步骤3-4、通过引入0-1变量和分别表示故障场景s下节点和线路的供电状态与供电路径之间的关系，其约束为：供电路径之间的关系，其约束为：供电路径之间的关系，其约束为：供电路径之间的关系，其约束为：其中，表示在场景s下t时刻节点i在微网m中的供电状态，表示在场景s下t时刻线路(h,i)在微网m中的供电状态。为了表示连在某一节点上的分布式电源、风机以及负荷是否恢复供电，进一步引入0-1决策变量u，且满足：其中，表示在场景s下t时刻节点i上负荷的供电恢复状态，表示在场景s下t时刻节点g上分布式电源的供电恢复状态，表示在场景s下t时刻节点w上风机的供电恢复状态；步骤3-5、对配电网顺序恢复过程中，系统中电源设备出力及负荷削减量进行建模，需要满足如下约束：要满足如下约束：要满足如下约束：要满足如下约束：
式中，p
ib.min
表示节点i上黑启动电源的有功出力的最小值，p
ib.max
表示节点i上黑启动电源的有功出力的最大值，表示节点i上黑启动电源的无功出力的最小值，表示节点i上黑启动电源的有功出力的最大值，表示场景s下节点i上黑启动电源在t时刻的有功出力，表示场景s下节点i上黑启动电源在t时刻的无功出力，表示一个时步节点i上黑启动电源的允许下调功率，表示一个时步节点i上黑启动电源的允许上调功率，表示节点g上非黑启动电源的有功出力的最小值，表示节点g上非黑启动电源的有功出力的最大值，表示节点g上非黑启动电源的有功出力的最小值，表示节点g上非黑启动电源的有功出力的最大值，表示场景s下微电网m中节点g上非黑启动电源在t时刻的有功出力，表示场景s下微电网m中节点g上非黑启动电源在t时刻的无功出力，表示一个时步节点g上非黑启动的允许下调功率，表示一个时步节点g上非黑启动的允许上调功率，γ
g
表示节点g上非黑启动电源的功率系数，表示场景s下微电网m中节点w上风机在t时刻的有功调度出力，表示场景s下微电网m中节点w上风机在t时刻的无功调度出力，表示节点w上风机的额定出力，表示节点w上风机的容量，p
il
表示节点i上负荷的功率需求，表示节点i上负荷的允许削减最小值，表示节点i上负荷的允许削减最大值，表示场景s下微电网m中节点i上负荷在t时刻的有功削减量，表示场景s下微电网m中节点i上负荷在t时刻的无功削减量，σ
i
表示节点i上负荷的功率因数。6.根据权利要求5所述的考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，所述步骤4中的对构建的模型进行线性化并求解，具体为：步骤4-1、对步骤2和3构建的模型中的非线性约束项进行线性化处理；步骤4-2、对线性化后的模型进行求解，得到优化的考虑停电配电网恢复顺序的移动应急电源接入点方案。
7.根据权利要求6所述的考虑停电配电网恢复顺序的移动应急电源接入点优化方法，其特征在于，所述步骤4-1中的对非线性约束项进行线性化处理，具体为：(1)移动应急电源接入点优化模型中含有双线性项需要对其进行线性化处理，引入连续变量替代目标函数中的双线性项，并引入下式对其进行等效转化：(2)针对故障场景s下节点和线路的供电状态与供电路径之间的关系的约束中，其变量由两个离散变量相乘而得，使得约束条件中存在非线性变量，因此需要对其进行线性化处理，线路供电状态约束表示为：8.一种考虑停电配电网恢复顺序的移动应急电源接入点优化系统，其特征在于，包括以下模块：配电网线路故障概率模块：用于对极端自然灾害下配电网线路故障概率进行评估；移动应急电源接入点优化模型构建模块：用于构建移动应急电源接入点优化模型；源-网-荷-储协同调度模型：用于构建考虑恢复顺序的源-网-荷-储协同调度模型；求解模块：用于对构建的模型进行线性化处理并求解，得到最优配电网顺序恢复方案。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。10.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7项所述的方法的步骤。

技术总结
本发明公开了一种考虑停电配电网恢复顺序的移动应急电源接入点优化方法，首先对极端自然灾害下配电网线路故障概率进行评估，之后分别构建移动应急电源接入点优化模型和考虑恢复顺序的源-网-荷-储协同调度模型，之后对构建的模型进行线性化并求解，得到优化后的考虑停电配电网恢复顺序的移动应急电源接入点优化方案。本发明在顺序恢复过程中考虑了移动应急电源接入点的优化配置，实现了配电网中黑启动节点和恢复路径的协同优化，更大限度的利用了配电网中本地发电资源，减少重要负荷的停电时间。电时间。电时间。


技术研发人员：蔡胜 谢云云 吴昊 时涵 卜京 殷明慧 邹云
受保护的技术使用者：南京理工大学
技术研发日：2022.08.23
技术公布日：2022/11/11