供电通道Tgj的传输功率； &^表示单元组6,的总有功负荷；^^,^,^表示由均衡导向因子产生的供电通道1%,.的传输功 率。i/n)表示容量单元组Gj第诗巾拓扑状态下供电通道传输功率与均衡导向因子的相 似程度。
[003引 W图3为例，假设均衡导向因子为： 与 1=0. 25，与1=0. 25，与 1=0. 5，与2二0. 25，与2二0. 75。由图 3 易知巧2=43MW。根据 Gi负荷 分布表可计算出相应的^1(/7)见表2。
[0040] 表2单元组Gi负荷分布逼近度。
[0041] 表2中，对于单元组Gi,i1(4)=19. 375,即第4种状态贴近度最好，因此选择第4 种作为容量单元组Gi拓扑状态。
[0042] 城市电网在迎峰期间，容量不足或负荷分布不均为电网安全运行带来严峻挑战。 加之输电网断面暂稳与热稳定极限导致220kV网络阻塞，使负荷密度较高的城市电网在高 峰时段必须采取安全高效的运行控制方案，W避免阻塞、消除过载。由于传统的重构目标主 要是减小网络损耗，而高压配电网该问题更多是靠无功电压管理方式来解决，因此本文重 构目标更关注负荷分布的均衡性，见式化）。
[0044]式（6)中，錄示全局均衡性指标，用W衡量单元组重构后网络全局均衡性；诚示 负荷削减水平，在重构过程中应尽量避免负荷损失，a表示削减惩罚因子，文中取100 ;义 /、之分别为220kV系统变电站容量越限、线路容量越限及节点电压越限惩罚项，/^1、/^2、^3 表示容量越限惩罚因子，文中取10000。乐化义/、满]计算见式（7)~(13)。
[0053] 式（7)中，义表示220kV变电站负载率关于其均值的2-范数；X。表示负载率均值， 其计算如式（8),Ns表示220kV变电站个数；4,表示220kV变电站负载率，其计算见式巧）。 式（10)表示负荷削减水平，昨为配电容量单元组个数；式（11)-(1?为状态变量约束，W罚 函数形式加到目标函数中，其中式（11)为变电站容量越限惩罚，f狂）为单位阶跃函数，见 式（14)，当出现变电站过载时，4 - 1〉0，f(4 - 1)=1，产生惩罚项，否则f(4 - 1)=〇 ;式 (。）为线路负载率越限惩罚项，其中片康示220kV线路馈载率，公mi。分别表示线 路最大、最小负载率，？^^为线路条数。式（13)为节点电压越限惩罚项，1^,表示系统节点个 数。
[0054] 约束条件主要有等式约束和不等式约束，见式（15)-(19)。
[0060]式（巧）为潮流等式约束，其中：A.表示节点地压，斬、分别表示节点i、7间 线路电导和电纳，为节点i与节点7间电压相角差；式（16)表示单元组负荷削减比例 约束，为削减上限，文中取A^=O. 2 ;式（17)、（18)分别为节点电压约束、线路潮流约束； 式（19)表示动作次数约束，文中取也,=15。
[0061] 采用混浊粒子群算法对所提模型进行求解。对于某一容量单元组，假设有/4^供 电通道，则有/4^均衡导向因子，分别记为：^!，…，^^，随机生成/^rl个分位点，按从小到大 顺序排列，如式（20)。
因此可将各单元组负荷分位点r作为粒子编码方案。为保证问题在约束条件下存在 可行解，粒子编码中还包括单元组负载削减比例，则粒子编码方案如式（21)。
[00财式（21)中，域示单元组Gi均衡导向因子个数，X康示单元组Gi负载削减比例； 跋示单元组GW的均衡导向因子个数，Xw表示单元组GW负载削减比例。
[0066] 为避免粒子群算法早熟收敛，定义收敛半径尉5描述粒子位置的聚集程度。廓勺计 算如式（22)。
[0068]式（22)中，Np表示粒子个数；饼表示粒子位置中屯、，其计算如式（23)。
[0070] 式（23)中，0??表示粒子维度。当化I、于给定阔值则判定粒子收敛，文中姻10.01。 采用Logistic混浊映射将粒子位置进行混浊优化，能够有效避免粒子群算法早熟收敛的 问题，提高捜索到全局最优解的概率。Logistic映射如式（24)。
[0071] -托）义：e[(vr! 口4)。
[0072] 式（24)中，为Logistic参数，当/^=4时，迭代产生的数值处于伪随机分布状 态。当化J、于给定阔值e时，随机选择某一粒子粒子进行倘欠混浊迭代，对每一次迭代产 生的新的粒子位置进行评价，保留适应度最优的粒子，最后进行速度和位置的更新，见式 (25)、 （26)。
[0077] 式（25)中，'ll表示粒子i的第凌!在第m迭代时的速度；表示粒子i的第 凌隹在第m迭代时的位置；W表示惯性因子，反映了粒子保持原有速度的能力，W越大， 粒子的全局捜索能力越强，反之，粒子越倾向于局部捜索；Cl、C2表示学习因子，反映了粒子 追随自身历史最优位置和种群最优位置的能力。皆、读表示[0，1]间的随机数。式（26) 表示粒子第凌隹在第m迭代时更新公式。式（27)、（28)表示粒子速度和位置约束。算法 求解流程如下： 步骤1 :初始化算法参数，设置Ci=Cz=I. 5, W=I,种群规模=10,最大迭代次数=100,混 浊迭代次数=100。
[0078] 步骤2 :初始化粒子位置。
[0079] 步骤3 :用式（22)计算化若化6,则判定粒子收敛，随机选择某一粒子采用式（24) 进行混浊迭代，对于每次迭代结果用式化)-(14)来评价，保留迭代过程中适应度最优的粒 子，随机替换当前种群中某一粒子；若必6,进行步骤4。
[0080] 步骤4 :用式化)-(14)评价粒子位置。
[0081] 步骤5 :用式（25)-(28)更新粒子位置。
[0082] 步骤6 :判断是否达到最大迭代次数，若是，输出各220kV变电站负载率，结束；若 否，转向步骤3。
[0083] W某城市局部高压配电系统为例进行仿真，其中220kV系统共6座变电站，10条输 电线路；IlOkV系统共34个配电容量单元，可动作开关达43个，峰值时期总负荷达890MW。 系统初始工况分别见表3、4,其中220kV变电站S4重载，S 3负荷较轻；线路4过载。
[0084] 表3 220kV变电站负载率初始工况。
[0085] 表4 220kV线路负载率初始工况。
[0086] 采用本方案实施负载均衡操作，计算时间2. 732s，得到优化前后220kV变电站负 载率、线路负载率分别见表5、6。
[0087] 表5优化前后220kV变电站负载率对比。
[0088] 表6优化前后220kV线路负载率对比。
[0089] 通过对比表5、6中数据可知系统在优化过后负载分布更加均衡，过载线路回到额 定容量内，城市电网全局供电裕度得到提升。
【主权项】
1. 一种基于高压配电网容量单元拓扑重构的城市电网负载均衡运行策略，其特征在于 包括以下步骤： 1) 分析高压配电网liokv站内结构及站间联络关系，从中抽象出配电容量单元及供电 通道，基于配电容量单元拓扑对高压配电网llOkV系统建模； 2) 根据配电容量单元与供电通道的连接关系对配电容量单元进行分组，得到容量单元 组； 3) 分析单元组拓扑状态，排除其中存在孤岛及220kV-110kV-220kV电磁环网的拓扑 状态，计算可行拓扑状态下供电通道上传输的有功功率，制成相应的容量单元组负荷分布 表； 4) 建立城市电网均衡运行策略模型，以容量单元组为基础，采用均衡导向因子引导容 量单元组拓扑重构，实现连续时间下负载均衡。2. 根据权利要求1所述配电容量单元，其特征在于，llOkV系统中，将电能从高压侧传 递至低压侧的设备组，包括llOkV主变、高压侧断路器及低压侧断路器。3. 根据权利要求1所述容量单元组，其特征在于，由llOkV配电容量单元组成的集合， 集合内任意两个配电容量单元之间至少存在一条连通路径，且该路径不经过220kV变电 站。4. 根据权利要求1所述容量单元组负荷分布表，其特征在于，反映了单元组内每种有 效拓扑状态所对应的不同供电通道上传输的有功功率。5. 根据权利要求1所述均衡运行策略模型，其特征在于，采用各220kV变电站负载率 2-范数形式定义系统全局均衡度，其值越大表明系统越不均衡，反之，越均衡。6. 根据权利要求1所述均衡导向因子，其特征在于，反映容量单元组总负荷在某一供 电通道上分配的比例。7. 根据权利要求1所述均衡导向因子引导容量单元组拓扑重构，其特征在于，基于容 量单元组负荷分布表，以逼近函数描述表中拓扑状态对应的供电通道传输功率与均衡导向 因子的相似程度，选择相似度最高的拓扑状态实现容量单元组拓扑重构。8. 根据权利要求7所述逼近函数，其特征在于，采用广义两点距离公式定义容量单元 组负荷分布状态与均衡导向因子的距离，其值越小表明逼近度越高，反之，越低。
【专利摘要】本发明涉及一种基于高压配电网容量单元拓扑重构的城市电网负载均衡运行策略。通过分析110kV变电站站内结构及站间联络，提出基于配电容量单元的高压配电网拓扑模型，以任意电源路径上容量单元组的可行状态解，配合负荷分布表法，有效压缩求解过程中全局变量的组合空间。基于所定义的负载均衡函数，构建完整的城市电网均衡运行策略模型，以改进的混沌粒子群算法求解。利用某大型城市电网局部系统算例验证方法有效性。结果表明，所提模型能通过高压配电网容量单元组的快速重构，实现城市电网负载均衡，确保全局供电裕度。此外，模型中的拓扑处理方法避免了智能算法在寻优过程中产生的拓扑不可行解，极大地提高了求解效率，适宜于在线应用。
【IPC分类】H02J3/00, H02J3/14
【公开号】CN105391053
【申请号】CN201510754554
【发明人】刘友波, 张曦, 吕林, 刘俊勇
【申请人】四川大学
【公开日】2016年3月9日
【申请日】2015年11月9日