发明名称 一种基于负荷曲线的配电网动态供电恢复方法
摘要 一种基于负荷曲线的配电网动态供电恢复方法,属于配电系统自动化技术领域。本发明利用计算机,通过程序,先输入基本参数,再计算各节点每个小时的有功、无功负荷并确定正常运行时的网架结构,确定故障区段及电源侧的供电路径和故障隔离后的网架结构,然后运用传统遗传算法确定故障修复期间各小时最少失负荷量的候选网架结构集合,最后确定故障修复期间的最优动态供电恢复方案。本发明充分利用负荷曲线,按小时制定动态恢复方案,使得网架结构在故障修复期间随负荷变化而改变,从而具有能有效减少因故障造成的停电区域,缩短用户停电时间,减少用户停电损失等特点。本发明可广泛应用于配电网供电恢复。
申请公布号 CN103746376A 申请公布日期 2014.04.23
申请号 CN201410027121.5 申请日期 2014.01.21
申请人 重庆大学 发明人 王韶;王熙;刘沛铮;谭文;晏健;张知;王理丽;张煜成
分类号 H02J3/00(2006.01)I;G06Q10/00(2012.01)I;G06Q50/06(2012.01)I 主分类号 H02J3/00(2006.01)I
代理机构 代理人
主权项 1.一种基于负荷曲线的配电网动态供电恢复方法,利用计算机,通过程序进行计算,有效制定故障修复期间的最优动态供电恢复方案其特征在于所述方法的具体步骤如下:(1)输入基本参数首先,输入计算所需的基本参数,包括配电网的基本参数和传统遗传算法的参数,配电网的基本参数包括线路总数(M),线路编号、线路首末端节点编号、线路电阻(R)、线路电抗(X)、线路载流量、线路开关类型(未装设开关、装设分段开关、装设联络开关)、线路所在馈线编号;节点总数(N),电源节点总数(K<sub>S</sub>)、电源节点编号,节点有功负荷(P<sub>L</sub>)、节点无功负荷(Q<sub>L</sub>)、节点负荷类型、各种负荷类型的有功日负荷率曲线;节点电压上限(U<sub>max</sub>)、节点电压下限(U<sub>min</sub>);故障线路编号、故障发生时间(t<sub>1</sub>)、故障结束时间(t<sub>2</sub>);基准电压(U<sub>B</sub>)、基准功率(S<sub>B</sub>),传统遗传算法的参数包括种群规模(P<sub>p</sub>)、最大进化代数(K<sub>max</sub>)、代沟(P<sub>g</sub>)、交叉率(p<sub>c</sub>)、变异率(p<sub>m</sub>);(2)计算各节点每个小时的有功、无功负荷并确定正常运行时的网架结构在第(1)步完成后,先根据第(1)步输入的各节点的有功负荷(P<sub>L</sub>)、无功负荷(Q<sub>L</sub>)和各种负荷类型的有功日负荷曲线,根据功率因数不变的原则计算各节点每个小时的有功负荷和无功负荷,再根据配电网中装设的联络开关的位置,确定正常运行时的网架结构;(3)确定故障区段及电源侧的供电路径和故障隔离后的网架结构在第(2)步完成后,在第(2)步确定的正常运行时的网架结构中,为便于优化计算和减少计算时间,先定义故障区段为以故障点为中心且以离故障点最近的开关为边界的线路集合;定义故障区段电源侧的供电路径为从电源节点到故障区段之间的线路集合,再运用常规的深度优先搜索算法,根据故障线路首端是否装设开关确定故障区段;从故障线路所在馈线的电源节点开始确定故障区段电源侧的供电路径,最后根据第(2)步确定的配电网正常运行时的网架结构用故障区段的边界开关隔离故障,确定故障隔离后的网架结构;(4)运用传统遗传算法确定故障修复期间各小时最少失负荷量的候选网架结构集合在第(3)步完成后,在第(3)步确定的故障隔离后的网架结构中,为获得故障隔离后的配电网在故障修复期间各小时最少失负荷量的网架结构,以便确定动态供电恢复方案的候选网架结构集合,运用基于负荷曲线得到的故障修复期间各小时负荷求解对应的配电网供电恢复的最优模型,该模型的目标函数为最少失负荷量,约束条件为支路电流、节点电压和辐射形网架结构等约束,具体公式如下:<maths num="0001"><![CDATA[<math><mrow><mi>min</mi><msub><mi>P</mi><mrow><mi>t</mi><mo>,</mo><mi>c</mi></mrow></msub><mrow><mo>(</mo><msub><mi>X</mi><mrow><mi>t</mi><mo>,</mo><mi>r</mi></mrow></msub><mo>)</mo></mrow><mo>=</mo><munder><mi>&Sigma;</mi><mrow><mi>n</mi><mo>&Element;</mo><msub><mi>&Omega;</mi><mi>N</mi></msub></mrow></munder><msub><mi>P</mi><mrow><mi>t</mi><mo>,</mo><mi>n</mi></mrow></msub><mo>-</mo><munder><mi>&Sigma;</mi><mrow><mi>k</mi><mo>&Element;</mo><msub><mi>&Omega;</mi><mi>K</mi></msub></mrow></munder><msub><mi>P</mi><mrow><mi>t</mi><mo>,</mo><mi>k</mi></mrow></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths>s.t.I<sub>t,b</sub>≤I<sub>b.max</sub>             (2)U<sub>min</sub>≤U<sub>t,k</sub>≤U<sub>max</sub>           (3)g<sub>t,i</sub>∈G(4)式中:t为时段,将一天的时间分为24小时,每1个小时为1个时段;P<sub>t,c</sub>为时段t的失负荷量;X<sub>t,r</sub>为时段t的供电恢复配电网的线路开关状态向量,X<sub>t,r</sub>=[W<sub>t,r1</sub>,…,W<sub>t,rm</sub>,…W<sub>t,rM</sub>];M为线路总数;W<sub>t,rm</sub>为X<sub>t,r</sub>的第m条线路的开关状态,当线路未装设开关或装设的开关处于闭合状态时取为1,当装设的开关处于断开状态时取为0;Ω<sub>N</sub>和P<sub>t,n</sub>分别为供电恢复前的配电网的节点集合和节点n在时段t的有功负荷;Ω<sub>K</sub>和P<sub>t,k</sub>分别为供电恢复配电网的节点集合和节点k在时段t的有功负荷;N和K分别为供电恢复前后配电网的节点总数;I<sub>t,b</sub>、U<sub>t,k</sub>和g<sub>t,i</sub>分别为时段t的供电恢复配电网中流过线路b的电流、节点k的电压和网架结构;I<sub>b.max</sub>为线路b的载流量;U<sub>max</sub>和U<sub>min</sub>分别为节点电压的上下限;G为辐射形网架结构集合;通过传统遗传算法求解故障修复期间各小时负荷对应的最少失负荷量的网架结构的具体步骤如下:1)形成初始种群在第(3)步完成后,根据第(1)步输入的种群规模(P<sub>p</sub>),用{0,1}二进制码,对随机产生的数目为种群规模的个体进行编码,形成初始种群,初始种群中每个个体的编码长度为线路总数,每一位编码代表配电网的线路首端开关状态,当编码为0时,表示该线路开关处于断开状态;当编码为1时,表示该线路开关处于闭合状态;2)计算种群中个体的目标函数值在第(4)-1)步完成后,为评价第(4)-1)步形成的初始种群中的个体性能的优劣,对该种群中每个个体的目标函数值进行计算,个体的目标函数值越小说明个体的性能越优,对所述种群中每个个体计算目标函数值的具体步骤如下:①修正个体编码在第(4)-1)步完成后,对第(4)-1)步产生的初始种群中的个体进行编码修正,即先将个体编码中未装设开关的线路和故障区段电源侧供电路径的线路开关状态置为1;再将个体编码中故障区段边界线路的开关状态置为0,实现故障隔离;②对个体进行解码在第(4)-2)-①步完成后,根据第(4)-2)-①步修正过后的个体编码进行解码,即根据修正后的个体编码和输入的线路数据,确定个体编码中开关状态为1对应的线路数据,实现个体的解码;③形成个体的不同电源节点连接的辐射形配电网络在第(4)-2)-②步完成后,为得到各电源节点连接的辐射形网架结构,对第(4)-2)-②步解码后的个体线路数据运用常规的深度优先搜索算法,先从不同电源节点开始以联络开关所在线路为边界进行搜索形成各电源节点所连接的初始辐射形网架结构;再分别依次在初始辐射形网架结构中搜索装有联络开关的线路的两端节点,当联络线两端节点均已被搜索过时,断开该联络开关并在该个体编码中将该联络线路对应的开关状态置为0以满足辐射形网架结构约束条件公式(4)的要求,否则搜索联络线首端节点或末端节点连接的初始辐射形网架结构和未被搜索过的解码后的个体线路数据,形成个体的最终辐射形网架结构;④计算个体的不同电源节点连接的辐射形配电网络的潮流在第(4)-2)-③步完成后,先由第(4)-2)-③步求得的辐射形网络结构的线路集合,根据输入的配电网基本参数和求得的在故障修复期间各节点的有功无功负荷,确定此时段不同电源节点连接的辐射形网络的各线路阻抗和各节点有功无功负荷;再运用传统的前推回推潮流算法计算各电源节点连接的辐射形配电网络的节点电压和支路电流,计算中,当某个电源节点连接的辐射形配电网的潮流不收敛时,结束全部潮流计算;⑤计算个体的目标函数值在第(4)-2)-④步完成后,当第(4)-2)-④步中计算不同电源节点连接的辐射形配电网络潮流有不收敛情况时,将个体的目标函数值赋一个较大的值,即10<sup>9</sup>,当所有电源节点连接的辐射形配电网的潮流均收敛时,计算个体总的越限值,具体公式为:<maths num="0002"><![CDATA[<math><mrow><msub><mi>F</mi><mrow><mi>t</mi><mo>,</mo><mi>pen</mi></mrow></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>-</mo><mn>1</mn></mrow><msub><mi>K</mi><mi>S</mi></msub></munderover><mrow><mo>(</mo><munder><mi>&Sigma;</mi><mrow><mi>k</mi><mo>&Element;</mo><msub><mi>&alpha;</mi><mrow><mi>t</mi><mo>,</mo><mi>i</mi></mrow></msub></mrow></munder><mfrac><mrow><msub><mi>U</mi><mi>min</mi></msub><mo>-</mo><msub><mi>U</mi><mrow><mi>t</mi><mo>,</mo><mi>k</mi></mrow></msub></mrow><msub><mi>U</mi><mi>B</mi></msub></mfrac><mo>+</mo><munder><mi>&Sigma;</mi><mrow><mi>k</mi><mo>&Element;</mo><msub><mi>&beta;</mi><mrow><mi>t</mi><mo>,</mo><mi>i</mi></mrow></msub></mrow></munder><mfrac><mrow><msub><mi>U</mi><mrow><mi>t</mi><mo>,</mo><mi>k</mi></mrow></msub><mo>-</mo><msub><mi>U</mi><mi>max</mi></msub></mrow><msub><mi>U</mi><mi>B</mi></msub></mfrac><mo>+</mo><munder><mi>&Sigma;</mi><mrow><mi>b</mi><mo>&Element;</mo><msub><mi>&gamma;</mi><mrow><mi>t</mi><mo>,</mo><mi>i</mi></mrow></msub></mrow></munder><mfrac><msub><mi>I</mi><mrow><mi>t</mi><mo>,</mo><mi>b</mi></mrow></msub><msub><mi>I</mi><mrow><mi>b</mi><mo>.</mo><mi>max</mi></mrow></msub></mfrac><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中:F<sub>t,pen</sub>为t时段供电恢复配电网的越限值;K<sub>S</sub>为电源节点总数;α<sub>t,i</sub>、β<sub>t,i</sub>和<sub>γt,i</sub>分别为t时段电源节点i连接的辐射形配电网的节点电压越下限的节点集合、节点电压越上限的节点集合和线路电流过载的支路集合;U<sub>max</sub>和U<sub>min</sub>分别为节点电压上下限;U<sub>B</sub>为基准电压;I<sub>b.max</sub>为线路b的载流量;I<sub>t,b</sub>、U<sub>t,k</sub>分别为时段t的供电恢复配电网中流过线路b的电流、节点k的电压;当个体的越限值不为0时,将个体目标函数值赋一个较大值,即10<sup>9</sup>;当个体的越限值为0时,按照公式(1)计算个体的目标函数值;3)种群进化计算在第(4)-2)-⑤步完成后,运用传统的遗传算法进行优化计算,首先,定义当前种群为父代种群,根据第(4)-2)步中求得的个体的目标函数值计算父代种群中个体的适应度值;其次,对父代种群进行选择操作、交叉操作和变异操作得到子代种群;再次,采用第(4)-2)步对所述子代种群的全部个体目标函数值进行计算;然后,将所述子代种群插入到父代种群得到新种群;最后判断种群进化计算是否结束,当种群进化代数没有达到最大进化代数时,把进化代数加1,并将新种群作为当前种群重复本步骤的计算,直至种群进化代数达到第(1)步中输入的最大进化代数(K<sub>max</sub>)为止,就得到种群中每个个体的编码和目标函数值;否则结束种群进化计算;4)确定最少失负荷量的网架集合在第(4)-3)步完成后,从第(4)-3)步得到的种群进化计算结果中选出最少失负荷量和编码不同的个体形成候选网架集合;(5)确定故障修复期间的最优动态供电恢复方案在第(4)步完成后,在第(4)步确定的最少失负荷量的网架集合中,先定义动态供电恢复方案是由故障修复期间每个小时的一个供电恢复方案组成的集合,再根据故障修复期间各小时候的选网架数和故障持续的小时数,枚举组合全部动态供电恢复方案,然后计算全部动态供电恢复方案的开关动作次数,最后选择开关动作次数最少的第一个组合方案作为最优动态供电恢复方案。
地址 400044 重庆市江北区沙正街174号重庆大学电气工程学院