一种配电网故障恢复策略的生成方法和装置与流程

[0001]
本发明涉及配电网领域，尤其涉及一种配电网故障恢复策略的生成方法和装置。


背景技术：

[0002]
极端事件发生后，在配电网失去与大电网连接的情况下，配电系统可利用本地的可调度分布式电源(dg)，如柴油发电机和微型燃气轮机，以及不可调度的可再生能源发电资源，如风电(wt)和光伏(pv)等，对重要负荷进行供电恢复。重要负荷如医院、供水站、应急中心等，通过恢复供电维持其基本的社会功能，减小停电损失。在恢复过程中，控制中心根据系统信息和测量结果确定恢复策略，最终源网荷相互连接形成电气孤岛运行。恢复策略包括负荷的恢复状态(恢复或不恢复)、线路状态(连接或断开)和可调度dg功率输出。
[0003]
配电网从停电后至大电网恢复供电之前，利用有限的发电资源进行负荷恢复所形成的、孤岛需要确保功率平衡并持续运行一段时间。wt和pv的出力不确定性波动是导致功率不平衡的直接原因。为了保持功率平衡，需要控制可调度dg跟踪wt和pv发电功率输出的变化。然而，可调度dg的功率调节能力是有限的，因此，可再生能源功率输出的显著波动可能会导致切负荷情况发生，即恢复后的重要负荷发生二次断电，产生巨大的次生损失。
[0004]
切负荷可分为计划切负荷和非计划切负荷。wt/pv出力预测误差的不确定性可能增加非计划切负荷的风险。为了限制这种风险，需要可调度dg的备用能力。通过预留可调度dg的备用容量可以降低切负荷的风险，然而这种方式在一定程度上违背最大化恢复负荷的目的。


技术实现要素：

[0005]
本发明的实施例提供了一种配电网故障恢复策略的生成方法和装置，最大化恢复负荷的同时尽量减低切负荷风险。
[0006]
一种配电网故障恢复策略的生成方法，包括：
[0007]
建立考虑风力发电机wt和光伏发电机pv发电不确定性的多时段负荷恢复问题的两阶段混合整数随机规划模型；
[0008]
通过场景采样方法，将所述随机规划模型转化为确定性规划模型；
[0009]
根据benders分解法，对所述确定性规划模型进行求解。
[0010]
一种配电网故障恢复策略的生成装置，包括：
[0011]
模型建立单元，建立考虑风力发电机wt和光伏发电机pv发电不确定性的多时段负荷恢复问题的两阶段混合整数随机规划模型；
[0012]
转化单元，通过场景采样方法，将所述随机规划模型转化为确定性规划模型；
[0013]
求解单元，根据benders分解法，对所述确定性规划模型进行求解。
[0014]
由上述本发明的实施例提供的技术方案可以看出，通过建立考虑wt、pv出力不确定性的多时段恢复问题的两阶段混合整数线性规划模型，并将其通过场景采样的方法转化为确定性规划问题，最后提出基于benders算法的求解算法，形成一种考虑可再生能源出力
不确定性的配电网重要负荷恢复方法，可应用于在线恢复决策。该发明能够协调可再生能源和可调度dg，恢复更多的关键负荷同时尽量降低二次切负荷的风险。通过考虑切负荷惩罚，有效地减少了切负荷次数。
[0015]
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0016]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]
图1为本发明中配电网故障恢复策略的生成方法的流程示意图；
[0018]
图2为本发明中改进的ieee123节点测试算例的示意图；
[0019]
图3为本发明中10个时间段内恢复的3个级别负荷的数量的示意图；
[0020]
图4为本发明中调度dg的计划输出功率和备用功率的示意图；
[0021]
图5为本发明中可调度dg的信息的示意图。
具体实施方式
[0022]
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0023]
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0024]
如图1所示，为本发明所述的一种配电网故障恢复策略的生成方法，包括：
[0025]
步骤11，建立考虑风力发电机wt和光伏发电机pv发电不确定性的多时段负荷恢复问题的两阶段混合整数随机规划模型；
[0026]
步骤12，通过场景采样方法，将所述随机规划模型转化为确定性规划模型；
[0027]
步骤13，根据benders分解法，对所述确定性规划模型进行求解。
[0028]
所述步骤11包括：
[0029]
第一阶段的问题具体为：
[0030]
第一阶段问题的模型具体如下：
[0031]
目标函数：
[0032]
min-λ
1
f
1
+λ
2
f
2
+f
3
ꢀꢀ
(1)
[0033][0034][0035][0036]
变量：
[0037][0038][0039][0040][0041][0042]
α
ij
∈{0,1},f
ij
，(i,j)∈ε；
[0043][0044]
约束条件：
[0045][0046][0047][0048][0049][0050][0051][0052][0053][0054][0055][0056]
其中，λ
1
和λ
2
为目标的权重因子，用来平衡目标的重要性，设置λ
1
>λ
2
>1；ε为线路的集合，和为时段集合和除第一时段以外的时段集合；为所有节点和可调度分布式电源(dg)节点的集合；所有带t下标的字符表示相应含义在t时段的值；s
i,t
为注入复功率，s
ij,
为两线间的传输功率，为负荷复功率，为可调度dg的复功率输出值，且为可调度dg的复功率输出值，且为可调度dg的复功率输出值，且为wt/pv的输出功率预测值；γ
i,t
均为0-1整数变量，分别表示负荷是否恢复，1表示恢复，0表示未恢复，以及负荷是否被切，1表示切掉，0表示未切；m
ij
为辅助变量；若i、j两线相连，则α
ij
＝1，否则α
ij
＝0；m记为一个正实数；v
i,t
为电压幅值的平方，v
i,min
、v
i,max
分别为v
i,t
的最小值和最大值；z
ij
为线路阻抗；和为可调度
dg的额定有功功率和额定无功功率；f
ij
表示线路的虚拟潮流；d
i
表示节点的虚拟需求，设置为1；
[0057]
第二阶段问题具体为：
[0058]
第二阶段问题的模型具体如下：
[0059]
目标函数：
[0060][0061]
变量：
[0062][0063][0064][0065]
约束条件：
[0066][0067][0068][0069][0070][0071][0072][0073]
其中，为可调度dg的上/下功率调整；为wt/pv的复功率输出值，且ε
′
为连接线路的集合。
[0074]
步骤12包括：
[0075]
步骤一：场景生成，具体包括：不确定性建模步骤、参数估计步骤和场景采样步骤；
[0076]
其中，所述不确定性建模的步骤包括：
[0077]
在恢复后形成的电气孤岛中，wt与pv在地理上相邻，其发电功率概率分布具有时空相关性；采用高斯混合gmm模型对wt和pv的联合发电概率密度函数进行建模，gmm是由加权高斯分量组成的概率密度函数，具体如下：
[0078][0079][0080]
[0081][0082]
其中，φ
w
为分量的权重系数；n
w
(
·
)表示多元高斯分量的概率分布；随机向量表示wt和pv的实际输出功率，且u中的元素按周期排序；μ
w
、∑
w
分别为分量的期望和协方差矩阵；w为gmm的组成部分数量；gmm通过调整参数φ
w
、μ
w
和∑
w
来表征任意连续的概率分布，并且∑
w
反映了wt与pv的时空相关性；
[0083]
所述参数估计步骤具体为：利用wt/pv输出功率的历史数据，采用期望最大化(em)算法估计gmm的参数；
[0084]
所述场景采样步骤具体为：
[0085]
基于多变量分布的cholesky分解的随机抽样方法，在前一步得到的gmm的基础上，生成场景；每个场景都有相同的概率，即σ
n
为场景n的概率，σ
n
为采样场景的集合；
[0086]
步骤二：进行问题重构：该步骤具体为：
[0087]
在第一阶段问题中，使用上述方法生成的场景，调整f
3
，重写为可调度dgs的功率调整方案加权成本；将第一阶段问题的模型重新表述如下:
[0088]
min-λ
1
f
1
+λ
2
f
2
+h
ꢀꢀ
(28)
[0089][0090]
约束条件：(5)—(15)
[0091]
在第二阶段问题中，用采样输出功率代替随机输出功率，将模型重新表述如下：
[0092][0093]
约束条件：
[0094][0095][0096][0097][0098][0099][0100][0101]
其中，为wt/pv的采样输出功率。
[0102]
所述根据benders分解法，对所述确定性规划模型进行求解的步骤包括：
[0103]
主问题(mp)和子问题(sps)定义如下：
[0104]
mp：
[0105]
min-λ
1
f
1
+λ
2
f
2
+θ
ꢀꢀ
(38)
[0106]
约束条件：(5)—(15)
[0107]
sp：
[0108]
目标函数:(30)
[0109]
约束条件：(31)—(37)
[0110]
通过变量θ在迭代中使用外线性化方法逼近(28)中的函数h；在每一次迭代中，mp通过分枝-切割算法求解，通过mp得到可行解对每个场景求解对偶sp；sp对偶问题产生最优切割和可行性切割并将其添加到mp中；在下一次迭代中，再次求解基于前一次迭代更新后的mp，得到新的可行解；利用每次迭代中mp和sps的目标值分别更新下界b和上界直到最优性公差满足收敛标准则问题解决。
[0111]
步骤13包括：
[0112]
第一步：初始化上界下界b＝-∞；使用mp的初始可行解作为输入，在第一次迭代求解sps，设θ
0
＝-∞、迭代数τ＝0、最优容差标准ε＝10-6
；
[0113]
第二步：令τ＝τ+1，求解sps；在算法中增加了最优切割和可行性切割，用更新
[0114]
第三步，求解mp；用b＝max{b,-λ
1
f
1(τ)
+λ
2
f
2(τ)
+θ
(τ)
}更新b；
[0115]
第四步，当时，停止迭代过程；否则，返回第二步。
[0116]
以下描述本发明的应用场景。
[0117]
本发明大停电后考虑可再生能源出力的不确定性，提出了一种配电网故障恢复策略生成方法，主要有以下步骤：
[0118]
1)建立考虑风力发电机(wt)和光伏发电机(pv)发电不确定性的多时段重要负荷恢复问题的两阶段混合整数随机规划模型；也就是说，考虑风电和光伏发电不确定性的多时段重要负荷恢复问题的两阶段混合整数随机规划，并分别建立数学模型。
[0119]
2)通过场景采样方法将模型转化为确定性规划问题；
[0120]
3)提出benders分解法对模型进行求解。
[0121]
其中建立了考虑wt和pv发电不确定性的多时段重要负荷恢复问题的两阶段混合整数随机规划模型的步骤具体为：
[0122]
1)第一阶段问题
[0123]
第一阶段问题的模型具体如下：
[0124]
目标包括最大化重要负荷累计供电时间，最小化切负荷损失，以及最小化第二阶段问题的目标函数期望值。采用最小-最大归一化方法对目标进行归一化。
[0125]
目标函数：
[0126]
min-λ
1
f
1
+λ
2
f
2
+f
3
ꢀꢀ
(1)
[0127][0128][0129]
[0130]
变量：
[0131][0132][0133][0134][0135][0136]
α
ij
∈{0,1},f
ij
，(i,j)∈ε；
[0137][0138]
约束条件：
[0139][0140][0141][0142][0143][0144][0145][0146][0147][0148][0149][0150]
其中，λ
1
和λ
2
为目标的权重因子，用来平衡目标的重要性，本文设置λ
1
>λ
2
>1；ε为线路的集合，和为时段集合和除第一时段以外的时段集合；为所有节点和可调度分布式电源(dg)节点的集合；所有带t下标的字符表示相应含义在t时段的值；s
i,t
为注入复功率，s
ij,
为两线间的传输功率，为负荷复功率，为可调度dg的复功率输出值，且为可调度dg的复功率输出值，且为可调度dg的复功率输出值，且为wt/pv的输出功率预测值；γ
i,t
均为0-1整数变量，分别表示负荷是否恢复(1表示恢复，0表示未恢复)以及负荷是否被切(1表示切掉，0表示未切)；m
ij
为辅助变量；若i、j两线相连，则α
ij
＝1，否则α
ij
＝0；m记为一个较大的正实数；v
i,t
为
电压幅值的平方，v
i,min
、v
i,max
分别为v
i,t
的最小值和最大值；z
ij
为线路阻抗；和为可调度dg的额定有功功率和额定无功功率；f
ij
表示线路的虚拟潮流；d
i
表示节点的虚拟需求，可设置为1。式为负荷节点集合，和为时段集合和除第一时段以外的时段集合。
[0151]
约束(5)-(7)表示忽略线路损耗的线性潮流方程。约束(5)为各节点的潮流平衡约束。约束(6)定义了节点注入功率，包括来自可调度dg、wt/pv和负荷的功率。约束(7)是欧姆定律的变形。约束(8)-(9)表示可调度dg的有功和无功输出不超过其限制。约束(10)确保每个节点的电压都在预先设定的范围内。约束(11)为切负荷变量与负荷恢复状态变量的关系。约束(12)确保负荷状态在第一个时段确定后不会发生多次变化，以避免频繁地恢复和切除相同的负荷。约束(13)-(15)为辐射状拓扑约束。
[0152]
2)第二阶段问题
[0153]
第二阶段问题的模型具体如下：
[0154]
目标函数：
[0155]
第二阶段问题定义为在不同wt和pv功率输出场景下的运行目标，其目标是使可调度dg的功率调整成本最小化。
[0156][0157]
式中，带“(ξ)”后缀的变量是随机变量；c
±
为可调度dg的上/下功率调整成本；为可调度dg的上/下功率调整。
[0158]
变量：
[0159][0160][0161][0162]
约束条件：
[0163][0164][0165][0166][0167][0168][0169]
[0170]
其中，为可调度dg的上/下功率调整；为wt/pv的复功率输出值，且ε
′
为连接线路的集合。
[0171]
约束(17)-(19)表示线性潮流约束。约束(20)-(21)根据可调度dg提供的备用功率限制最大上/下功率调整。约束(22)限制可调度dg的无功输出。约束(23)限制每个节点上的电压。
[0172]
步骤二为提出基于场景采样的方法将两阶段混合整数随机规划转化为确定性规划，也就是说，将两阶段混合整数随机规划转化为基于采样场景的确定性规划，提出了一种场景生成方法和问题重构。
[0173]
具体如下：
[0174]
1)场景生成方法
[0175]
场景的生成分为三个步骤:不确定性建模、参数估计和场景采样。
[0176]
(1)不确定性建模
[0177]
在恢复后形成的电气孤岛中，wt与pv在地理上相邻，其发电功率概率分布具有时空相关性。本文采用高斯混合(gmm)模型对wt和pv的联合发电概率密度函数进行建模，gmm是由加权高斯分量组成的概率密度函数，具体如下：
[0178][0179][0180][0181][0182]
其中，φ
w
为分量的权重系数；n
w
(
·
)表示多元高斯分量的概率分布；随机向量表示wt和pv的实际输出功率，且u中的元素按周期排序；μ
w
、∑
w
分别为分量的期望和协方差矩阵；w为gmm的组成部分数量。gmm可以通过调整参数φ
w
、μ
w
和∑
w
来表征任意连续的概率分布，并且∑
w
反映了wt与pv的时空相关性。
[0183]
(2)参数估计
[0184]
利用wt/pv输出功率的历史数据，采用期望最大化(em)算法估计gmm的参数。
[0185]
(3)场景采样
[0186]
基于多变量分布的cholesky分解的随机抽样方法，在前一步得到的gmm的基础上，生成场景。每个场景都有相同的概率，即σ
n
＝1/|s|，σ
n
为场景n的概率，σ
n
为采样场景的集合。
[0187]
2)问题重构
[0188]
在第一阶段问题中，使用上述方法生成的场景，调整f
3
，重写为可调度dgs的功率调整方案加权成本。将第一阶段问题的模型重新表述如下:
[0189]
min-λ
1
f
1
+λ
2
f
2
+h
ꢀꢀ
(28)
[0190]
[0191]
约束条件：(5)—(15)
[0192]
在第二阶段问题中，用采样输出功率代替随机输出功率，将模型重新表述如下：
[0193][0194]
约束条件：
[0195][0196][0197][0198][0199][0200][0201][0202]
其中，为wt/pv的采样输出功率。
[0203]
步骤三为采用benders分解法对确定性模型进行求解，减少大量场景所带来的计算量大的难题。
[0204]
主问题(mp)和子问题(sps)定义如下：
[0205]
mp：
[0206]
min-λ
1
f
1
+λ
2
f
2
+θ
ꢀꢀ
(38)
[0207]
约束条件：(5)—(15)
[0208]
sp：
[0209]
目标函数:(30)
[0210]
约束条件：(31)—(37)
[0211]
其主要思想是通过变量θ在迭代中使用外线性化方法逼近(28)中的函数h。在每一次迭代中，mp通过分枝-切割算法求解，通过mp得到可行解对每个场景求解对偶sp。sp对偶问题产生最优切割和可行性切割并将其添加到mp中。在下一次迭代中，再次求解基于前一次迭代更新后的mp，得到新的可行解。利用每次迭代中mp和sps的目标值分别更新下界b和上界直到最优性公差满足收敛标准问题解决。
[0212]
该算法由四个步骤组成：
[0213]
第一步：初始化上界下界b＝-∞；使用mp的初始可行解作为输入，在第一次迭代求解sps，设θ
0
＝-∞、迭代数τ＝0、最优容差标准ε＝10-6
。
[0214]
第二步：令τ＝τ+1，求解sps。在算法中增加了最优切割和可行性切割，用更新
[0215]
第三步，求解mp。用更新b。
[0216]
第四步，当时，停止迭代过程；否则，返回第二步。
[0217]
本发明的大停电后考虑可再生能源出力不确定性的配电网故障恢复策略生成方法，配电网多时段负荷恢复问题的两阶段混合整数规划建模，并通过场景采样方法将模型转化为确定性规划问题，并基于benders算法的求解算法，最后达到生成可靠的恢复策略的目的。
[0218]
本发明主要包括三项内容，首先针对wt和pv发电不确定性的多时段重要负荷恢复策问题并提出了两阶段混合整数随机规划，然后通过场景采样方法将模型转化为确定性规划问题，最后提出benders分解法求解算法。该发明能够协调可再生能源和可调度dg，恢复更多的关键负荷同时尽量降低二次切负荷的风险。通过考虑切负荷惩罚，有效地减少了切负荷次数。该方法有望帮助电网公司调度人员充分利用可再生能源的发电能力，制定配电网重要负荷恢复计划。
[0219]
本发明旨在克服风力发电机(wt)和光伏发电(pv)产生的不确定性从而可能导致孤岛功率不平衡，并进而导致重要负荷的二次断电的问题。
[0220]
以下通过利用ieee 123节点测试算例验证所提发明的有效性。
[0221]
图2是含有9个dg的改进ieee 123节点测试系统，包括3个可调度dg、3个pv和3个wt。系统包含负荷共85个，总需求3490kw+j1920kvar。每个负荷的优先级分配如图2所示。线路(54,94)和(151,300)是停电前处于常开状态的联络线。可调度dg的信息列于图5。
[0222]
10个时段内恢复的负荷数目如图3所示。所有一级和二级负荷可以在所有时期内恢复。有16个三级负荷未恢复，即负荷1、6、24、33、35、43、50、52、63、74、77、79、87、88、90和109。另外，三级负荷62、69、73在第6时段切除。对于恢复后的拓扑，线路(13,18)断开，其他线路闭合。可调度dg的计划功率输出和备用功率如图4所示。
[0223]
本发明通过建立考虑wt、pv出力不确定性的多时段恢复问题的两阶段混合整数线性规划模型，并将其通过场景采样的方法转化为确定性规划问题，最后提出基于benders算法的求解算法，形成一种考虑可再生能源出力不确定性的配电网重要负荷恢复方法，可应用于在线恢复决策。本发明合理的恢复策略，综合考虑和权衡可调度dg的容量分配，最大化恢复负荷的同时尽量减低切负荷风险了。
[0224]
本发明还提供一种配电网故障恢复策略的生成装置，包括：
[0225]
模型建立单元，建立考虑风力发电机wt和光伏发电机pv发电不确定性的多时段负荷恢复问题的两阶段混合整数随机规划模型；
[0226]
转化单元，通过场景采样方法，将所述随机规划模型转化为确定性规划模型；
[0227]
求解单元，根据benders分解法，对所述确定性规划模型进行求解。
[0228]
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。