一种应对冰灾的电力系统主动调度方法及系统与流程

[0001]
本发明涉及电力系统运行及调度领域，尤其涉及一种应对冰灾的电力系统主动调度方法及系统。


背景技术：

[0002]
冰灾天气是一种极端的自然灾害，极易导致其过境的电力系统区域发生大范围故障，具体表现为输电线路断线、绝缘子闪络、铁塔倒塔、线路自激振动等。线路覆冰是一个在低温环境下，大气中过冷却水滴，进而被输电导线、绝缘子等结构捕获并冻结成冰的复杂的物理过程。在冰灾天气中，电力系统的致灾因子可以用线路的冰荷载表征。目前有很多根据冰灾的历史气象数据推导冰荷载的模型研究，但其通用性不高且计算繁琐。
[0003]
为研究电力系统对冰灾天气事件的应对能力，将冰灾事件分为冰灾天气灾害发生前、灾害发生时和灾害发生后三个阶段考虑。目前电力系统环境下的电网调度策略的研究大多集中在灾害发生前的对冰灾天气的预测和预防策略，以及灾害发生后的恢复策略。对于冰灾天气发生期间的调度策略研究多集中在配电网，且系统响应策略是在是在灾害期间发生故障后才执行。而且当前在电力系统具有故障风险时，针对输电环节的调度研究还比较初级，大多针对的也只是n-1事件。
[0004]
综上，目前灾变下调度策略研究多以配电网为对象，且系统响应策略是在发生故障后才执行，故目前电网灾变下调度方法的前瞻性不够，缺乏能同时考虑灾害故障概率和未来时刻恢复策略的灾变下电网主动调度方法。基于此，本发明提出针对一种应对冰灾的电力系统主动调度策略，能够在灾害期间对电力系统的运行状态进行实时评估，采用对电力系统进行主动调度的方法，使系统在冰灾期间的负荷损失降到最小。


技术实现要素：

[0005]
本发明提供了一种应对冰灾的电力系统主动调度方法及系统，用以解决现有系统响应策略是在发生故障后才执行，故目前电网灾变下调度方法的前瞻性不够，缺乏能同时考虑灾害故障概率和未来时刻恢复策略的灾变下电网主动调度的技术问题。
[0006]
为解决上述技术问题，本发明提出的技术方案为：
[0007]
一种应对冰灾的电力系统主动调度方法，包括以下步骤：
[0008]
将电力系统区域按照地理位置划分成若干小栅格；
[0009]
建立冰灾天气强度模型，计算冰灾天气对系统的元件的致灾因子和持续时间；
[0010]
基于致灾因子建立系统的元件的故障模型，计算元件的故障概率，并生成故障集；
[0011]
建立系统的元件的恢复模型，考虑冰灾强度的随机性，计算元件在冰灾下的修复时间；
[0012]
基于元件的故障模型以及元件的恢复模型中元件的状态转移，将冰灾期间系统的拓扑状态转移抽象为系统的马尔科夫状态，计算冰灾天气期间系统的状态转移概率，生成系统状态场景集；
[0013]
建立负荷削减惩罚函数，计算动作即时成本；
[0014]
建立主动调度优化模型，以决策值函数最小作为目标函数，并以电力系统常规运行约束作为约束条件；
[0015]
运用线性标量法将目标函数的多目标优化问题转化为单目标混合整数线性规划问题进行求解，确定电力系统应对相应冰灾的调度策略。
[0016]
优选地，冰灾对电力系统的致灾因子包括线路的覆冰厚度，计算公式如下：
[0017][0018]
式中，r
it
表示覆冰厚度即冰荷载，n为元件覆冰的时间，p
j
为在覆冰持续时间中第j小时的降水速率，为空气中液态水含水量，v
j
为对应线路位置的风速，ρ
i
是冰密度，取0.9g/cm3，ρ
o
是水密度，取1.0g/cm3。
[0019]
优选地，电力系统元件的故障模型，包括：
[0020]
当元件覆冰厚度m不超过最大设计抗冰厚度m时，元件不受影响正常运行；
[0021]
当元件覆冰厚度m≥5m时，元件一定发生故障并停止运行；
[0022]
当元件覆冰厚度m处于最大设计抗冰厚度m以及5m之间时，故障概率p
fi
随覆冰厚度的增大呈指数形式增加：
[0023][0024]
优选地，电力系统的元件的恢复模型，包括：
[0025]
计算元件在冰灾下的修复时间，将冰灾天气下的故障修复时间ttr
w
作为与冰灾天气强度和正常天气下的修复时间ttr
n
有关的值，其中：
[0026]
ttr
w
＝k
w
·
ttr
n
[0027]
式中，k
w
为天气影响因子，不同冰灾强度对应的修复时间的随机性在此影响因子中考虑。
[0028]
优选地，状态转移概率由元件的状态转移概率计算：
[0029][0030]
式中，i和i
′
是系统在相邻两时刻的状态，k为元件序号，s
i,t
和s
i
′
,t+1
分别表示系统在t和t+1时刻的状态，ω
s,t
表示系统t时刻的状态集合，ω
c,t
为在t时刻潜在故障的元件集合；s
k,t
是元件k在t时刻的状态，其中0表示故障状态，1表示正常运行状态；pr(s
i,t
,s
i
′
,t+1
)、pr(s
k,t
,s
k,t+1
)分别表示系统和元件在相邻两时刻的状态转移概率。
[0031]
优选地，建立负荷削减惩罚函数，计算动作即时成本，计算公式如下：
[0032][0033]
式中，pc
t
(s
i,t
,a
a,t
)为t时刻s
i,t
在动作a
a,t
作用下的即时成本，δl
n,t,i
表示节点n在t时刻s
i,t
状态下的负荷削减量，δt为相邻调度时刻的间隔时间，μ
l,t,n
是节点n在单位时间单位负荷的削减惩罚成本。
[0034]
优选地，决策值函数用递归公式表示：
[0035][0036]
i∈ω
s,t
,a∈ω
a
,a
′
∈ω
a
,t∈ω
t
,t+1∈ω
t
[0037]
式中，a和a
′
是调度动作指数，a
a,t
表示在t时刻的调度动作，即系统在当前时刻的重新调度策略；ω
a
、ω
t
分别是调度动作和调度时刻的集合；c
t
(s
i,t
,a
a,t
)是从t时刻到结束时刻在状态s
i,t
下采取动作a
a,t
时的预期成本，此预期成本为负荷削减造成的成本；pc
t
(s
i,t
,a
a,t
)是当前t时刻s
i,t
在动作a
a,t
作用下的负荷削减惩罚成本；
[0038]
则系统在t时刻状态s
i,t
下的最优策略是值函数最小，即预期成本最小为目标函数时得到的：
[0039][0040]
式中，为系统在t时刻状态s
i,t
下的最小预期成本。
[0041]
优选地，运用线性标量法将多目标优化问题转化为以下单目标混合整数线性规划问题：
[0042][0043]
其中，线性标量法将每种状态的发生概率作为对应状态目标函数的权重；由于在冰灾轨迹上系统各元件的故障概率不同，系统的拓扑也随之变化，系统状态s
i,t
发生的概率p
i,t
计算为：
[0044][0045]
式中，p
i,r,t
是从初始状态通过路径r到状态s
i,t
的概率，是从初始状态到状态s
i,t
的路径集合，ω
s
是系统状态集合，n
t
是决策时刻数。
[0046]
约束条件满足调度常规约束，包括功率平衡、机组出力上下限、线路潮流、发电机爬坡，以及负载和功角上下限约束。
[0047]
本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
[0048]
本发明具有以下有益效果：
[0049]
1、本发明的应对冰灾的电力系统主动调度方法及系统，首先量化冰灾对元件的故障概率的影响，然后将冰灾期间系统的拓扑状态转移抽象为马尔科夫链，并利用网络栅格化的系统模型完成冰灾对电力系统影响的分析；基于半马尔科夫决策过程建立了主动调度模型，考虑元件的恢复过程，预先对系统的潮流重新进行调度。本发明是应对冰灾的电力系统主动调度策略，该模型可以从时间维度和空间维度两个方面计算灾害对电力系统的影响程度，从主动调度层面减小灾害带来的威胁，良好的前瞻性和减少负荷削减的效果，并可有效提升系统抵抗冰灾的能力，为灾变下系统运行操作过程提供参考。
[0050]
2、在优选方案中，本发明的应对冰灾的电力系统主动调度方法及系统，基于半马尔科夫决策过程的冰灾下电力系统的主动调度模型，能够充分描述考虑不确定性的顺序决
策过程，综合考虑当前和未来时刻系统状态，其主动调度策略倾向于在冰灾天气事件的轨迹上重新调度线路的潮流，进而减少由于冰灾天气导致的潜在电力损失。
[0051]
3、本发明的应对冰灾的电力系统主动调度方法及系统，运用线性标量法将多目标优化问题转化为单目标混合整数线性规划问题，大大加快计算速度，提高了面对冰灾做出主动调度策略的及时性。
[0052]
4、与传统被动响应调度方法相比，本发明所提方法具有良好的前瞻性和减少负荷削减的效果，可以有效提升电力系统抵抗冰灾的能力，对于冰灾天气期间电力系统运行操作过程具有一定的指导意义。
[0053]
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
[0054]
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0055]
图1是本发明优选实施例的应对冰灾的电力系统主动调度方法的流程示意图；
[0056]
图2是本发明优选实施例2的ieee rts-79系统的网络栅格图；
[0057]
图3是本发明优选实施例2的场景一下各发电机组调度结果；
[0058]
图4是本发明优选实施例2的场景二下各发电机组调度结果；
[0059]
图5是本发明优选实施例2的场景三下各发电机组调度结果；
[0060]
图6是本发明优选实施例2的场景四下各发电机组调度结果；
[0061]
图7是应用本发明实施例和传统模型的负荷削减对比结果。
具体实施方式
[0062]
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
[0063]
参见图1，本发明的应对冰灾的电力系统主动调度方法，包括以下步骤：
[0064]
步骤1：运用网络栅格法，将电力系统区域按照地理位置划分成若干小栅格，将每个栅格内的天气强度设为一致。将受灾系统分割成有限的单元，方便模拟各种不同冰灾天气的影响。
[0065]
步骤2：建立冰灾天气强度模型，计算冰灾天气对系统元件的致灾因子和持续时间，具体如下：
[0066]
冰灾对电力系统的致灾因子可以用线路的覆冰厚度即冰荷载来表征。可根据降水速率和风速计算冰荷载，具体计算模型如下：
[0067][0068]
式中，r
it
表示覆冰厚度即冰荷载，n为元件覆冰的时间，p
j
为在覆冰持续时间中第j小时的降水速率，为空气中液态水含水量，v
j
为对应线路位置的风速，ρ
i
是冰密度，取0.9g/cm3，ρ
o
是水密度，取1.0g/cm3。
[0069]
步骤3：基于步骤2的致灾因子建立元件的故障模型，计算系统元件的故障概率，并生成故障集，冰灾天气为例具体为：
[0070]
冰灾天气下，引起故障的应变力主要来自于覆冰过厚引起的冰载荷过大。此工况下元件的故障模型如下式。当元件覆冰厚度m不超过最大设计抗冰厚度m时，元件不受影响正常运行；当m≥5m时，元件一定发生故障并停止运行；当m处于两者之间时，故障概率p
fi
随覆冰厚度的增大呈指数形式增加。
[0071][0072]
步骤4：建立元件的恢复模型，考虑冰灾天气强度的随机性，计算元件在冰灾下的修复时间，将冰灾天气下的故障修复时间ttr
w
看作是与冰灾天气强度和正常天气下的修复时间ttr
n
有关的值，其中：
[0073]
ttr
w
＝k
w
·
ttr
n
[0074]
式中，k
w
为天气影响因子，不同冰灾强度对应的修复时间的随机性可在此影响因子中考虑。冰灾天气的强度可以通过降水速率和风速来进行表征。例如，假设元件在正常天气下修复时间为1h，则天气强度影响因子k
w
的取值，可以用下式中与线路的覆冰厚度m相关的随机数进行计算：
[0075][0076]
其中，k
w
＝u(a,b)表示k
w
服从[a,b]上的均匀分布。
[0077]
步骤5：基于步骤3、4中元件的状态转移，分析冰灾天气对电力系统的影响，将系统拓扑定义为系统的马尔科夫状态，计算冰灾天气期间系统状态转移概率，生成系统状态场景集，具体为：
[0078]
由于考虑的元件状态有故障和正常两种情况，且每个构成元件的状态决定了系统的状态，因此t时刻的系统状态数量是其中n
c
是t时刻系统内可能出现故障的元件数量。
[0079]
系统状态由其内部元件状态决定，若考虑从t时刻状态i转移到t+1时刻状态i
′
的情况，需要t时刻所有元件的状态都成功转移到t+1时刻对应的状态，因此系统马尔科夫状态转移概率可以由元件的状态转移概率计算：
[0080][0081]
式中，i和i
′
是系统在相邻两时刻的状态，k为元件序号，s
i,t
和s
i
′
,t+1
分别表示系统在t和t+1时刻的状态，ω
s,t
表示系统t时刻的状态集合，其状态数量为ω
c,t
为在t时刻潜在故障的元件集合，s
k,t
是元件k在t时刻的状态(其中0表示故障状态，1表示正常运行状
态)，pr(s
i,t
,s
i
′
,t+1
)、pr(s
k,t
,s
k,t+1
)分别表示系统和元件在相邻两时刻的状态转移概率。
[0082]
步骤6：建立负荷削减惩罚函数，t时刻s
i,t
在动作a
a,t
作用下的即时成本为：
[0083][0084]
式中，δl
n,t,i
表示节点n在t时刻s
i,t
状态下的负荷削减量，δt为相邻调度时刻的间隔时间，μ
l,t,n
是节点n在单位时间单位负荷的削减惩罚成本。
[0085]
步骤7：建立主动调度优化模型，将决策值函数最小作为目标函数，系统电力系统常规运行约束作为约束条件。
[0086]
其中，每个状态的决策值函数可以用递归公式表示：
[0087][0088]
i∈ω
s,t
,a∈ω
a
,a
′
∈ω
a
,t∈ω
t
,t+1∈ω
t
[0089]
式中，a和a
′
是调度动作指数，a
a,t
表示在t时刻的调度动作，即系统在当前时刻的重新调度策略。ω
a
、ω
t
分别是调度动作和调度时刻的集合。c
t
(s
i,t
,a
a,t
)是从t时刻到结束时刻在状态s
i,t
下采取动作a
a,t
时的预期成本，此预期成本为负荷削减造成的成本。因为在冰灾期间系统的可靠性具有较高的调度优先级，所以此时调度目标为负荷削减预期成本最小。pc
t
(s
i,t
,a
a,t
)是当前t时刻s
i,t
在动作a
a,t
作用下的负荷削减惩罚成本。
[0090]
则系统在t时刻状态s
i,t
下的最优策略是值函数最小，即预期成本最小为目标函数时得到的：
[0091][0092]
式中，为系统在t时刻状态s
i,t
下的最小预期成本。
[0093]
电力系统在t时刻状态s
i,t
下重新调度时，应满足调度常规约束，包括功率平衡、机组出力上下限、线路潮流、发电机爬坡，以及负载和功角上下限约束。
[0094]
步骤8：运用线性标量法将多目标优化问题转化为单目标混合整数线性规划问题求解，将每种状态的发生概率作为对应状态目标函数的权重。由于在冰灾轨迹上系统各元件的故障概率不同，系统的拓扑也随之变化，系统状态s
i,t
发生的概率p
i,t
可计算为：
[0095][0096]
式中，p
i,r,t
是从初始状态通过路径r到状态s
i,t
的概率，是从初始状态到状态s
i,t
的路径集合，ω
s
是系统状态集合，n
t
是决策时刻数。
[0097]
因此，原多目标优化问题转化为以下式为目标的单目标混合整数线性规划问题
[0098][0099]
求解，确定电力系统应对相应冰灾的调度策略。
[0100]
实施例2：
[0101]
本实施例的具体实施过程如下：
[0102]
采用ieee rts-79系统数据进行算例分析对本发明模型进行验证计算。该测试系统包含24个节点，38条传输线路。假设系统中所有节点和输电线路均暴露在露天环境中。
[0103]
运用网络栅格法将系统所在区域分割为1600
×
1800个栅格，假设栅格足够小，则节点位置可用所在栅格的坐标表示，设定每个栅格代表0.5km
×
0.5km的地理区域，冰灾影响半径为100km，冰灾中心的移动速度为50km/h，最大风速和降水量为12m/s和35mm/h。系统设计最大抗冰厚度m为10mm。冰灾移动轨迹中心从起始坐标(230,440)沿直线移动到坐标(1360,1570)结束。图2为系统网络栅格化结果，其中白色圆点是发电机节点。
[0104]
潜在故障元件考虑输电线路和发电机节点，线路的覆冰厚度取线路上各栅格的平均值计算，各节点的覆冰厚度由其所在栅格得到。以0.01h为仿真步长模拟天气强度，不考虑冰融化情况，根据故障模型，可得到其故障概率，如表1所示。其中，l
a-b
表示有连接节点a和b的线路，g
c
表示发电机节点c。
[0105]
表1系统受影响元件的故障概率
[0106][0107]
表2给出了四个故障场景，选取6个调度时刻，四个场景分别对应的具体调度策略如图3-6所示。从图中可知，由于g
15
、g
22
、g
23
在冰灾路径上有故障风险，为防止负荷供应大幅度波动，出力保持在发电下限左右，直至故障风险取消再逐步恢复供电。具体见图3、图4、图5、图6。
[0108]
表2四个系统故障场景
[0109][0110][0111]
为检验主动调度模型减少负荷削减的效果，考虑与传统被动响应的调度模型对比，其中：pm为本文所提出的主动调度模型；tm为传统被动响应调度模型，不预先主动进行重新调度，在每个时刻只有故障场景发生后才被动响应，考虑运行约束使负荷削减最小。图7所示为pm和tm的负荷削减差值。在图中仅显示差值非零的场景。
[0112]
由图7可知，大多数故障场景使用主动调度模型的负荷削减更少。由于主动调度考虑了未来时刻冰灾移动路径上可能出现的故障场景，为减小未来时刻由于故障导致的负荷波动，当前时刻会牺牲一部分负荷供应，若在后面时刻实际运行中其潜在故障并未完全发生，则会出现有些场景下主动调度模型负荷削减更大。然而，从所有场景的角度来看，在此次冰灾天气下主动调度模型在减少负荷削减的效果上更有效。
[0113]
以上所述，充分验证了本发明方法在冰灾天气下调度的前瞻性和减少负荷削减方面的效果。
[0114]
实施例3：
[0115]
本实施例提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例的步骤。
[0116]
综上可知，利用本发明，可以在冰灾期间对电力系统进行实时调度，具有减少负荷削减的效果和良好的前瞻性，为自然灾害下电力系统的调度提供参考。
[0117]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。