一种以减少用户停电损失目标的动态孤岛划分方法与流程

本发明属于配电网控制、运行与优化领域，涉及一种以减少用户停电损失目标的动态孤岛划分方法。

背景技术：

电力孤岛运行是智能电网中的一种特殊运行方式。对于配电网而言，由于分布式电源(distributed generator,DG)的渗透性越来越强，如国内6MW以下的光伏电站无条件并网的政策已经在部分地区试执行。随着该政策的全面执行，在国内的各地配电网中即将包含有大量以小光伏发电为主的DG系统，配电网正逐步拥有某些与输电网类似的运行特性。在因输电系统或配电系统发生故障导致配电系统全面停电的情况下，因DG具有主动发电的能力，可以通过形成以DG为电源的配电网电力孤岛运行而恢复一部分重要负荷的供电。孤岛划分是孤岛运行的重要环节，用于确定DG的供电范围，合理的孤岛划分可以进一步提升DG的利用效率，减少配网故障导致的损失，提升供电可靠性。

技术实现要素：

技术问题：本发明提供一种以减少用户停电损失目标的动态孤岛划分方法，该方法可以最大程度地减少系统总停电损失，提升配电网运行的经济性。

技术方案：本发明的以减少用户停电损失目标的动态孤岛划分方法，包括以下步骤：

1)拟合各类用户停电损失函数；

2)建立分布式电源和负荷的不确定性模型；

3)建立以停电损失最小为目标的动态孤岛划分理论最优模型；

4)对动态孤岛划分理论最优模型进行简化，获得简化模型；

5)用爬山法求解简化模型，得到动态孤岛划分结果。

作为优选例，所述步骤1)中，各类用户停电损失函数拟合方法如下：

根据统计数据，采用最小二乘法，对各类用户停电损失和停电时长的关系进行指数函数拟合：

fIC,type(t)＝10^(αtype*ln(t)+βtype)/t 式(1)

其中，type为负荷种类，type∈Ωtype，Ωtype是负荷种类的集合，fIC,type是种类为type的负荷的用户停电损失函数，t为停电时长，αtype是第一拟合参数，βtype是第二拟合参数。

作为优选例，所述步骤2)中，分布式电源包括光伏和储能，其中，光伏的出力随机性用正态分布表示，如式(2)所示：

PPV～N(PPV,exp,σPV) 式(2)

其中，PPV为实际光伏出力值，PPV,exp为正态分布的期望值，取值为光伏出力的预测值，σPV为正态分布的标准差，N为正态分布符号；

储能的剩余电量SOC，如式(3)所示：

其中，SOC(BE,t2)表示储能在t2时刻的剩余电量，SOC(BE,t1)表示储能在t1时刻的剩余电量。PBE为储能的功率，当储能放电时，PBE取值为负；当储能充电时，PBE取值为正；η为储能充放电的效率，CapBE为储能的容量，t1为起始时刻，t2为终止时刻；

负荷的不确定性用正态分布表示，如式(4)所示：

PL～N(PL,exp,σL) 式(4)

其中，PL为实际负荷功率值，PL,exp为正态分布的期望值，取值为负荷的预测功率，σL为正态分布的标准差。

作为优选例，所述步骤3)中，建立以停电损失最小为目标的动态孤岛划分理论最优模型的优化目标表达式，如式(5)：

其中，V0为停电区域的节点集合，Ni为节点i的停电次数，T^si,j为节点i第j次停电的开始时刻，T^ei,j为节点i第j次停电的结束时刻，PLi(t)为节点i处的负荷在t时刻的有功功率,itype为节点i处负荷的用户类型，fIC,itype是在节点i处负荷的用户停电损失函数，Pi,j,a为节点i处负荷在时间区间[T^si,j,T^ei,j]内的平均有功功率；

动态孤岛划分理论最优模型的约束条件包括：

孤岛内功率平衡约束：

储能功率约束：

PDis,i>PBEi(t)>-PCh,i 式(7)

储能电量约束：

SOC(BE,t)>SOCmin 式(8)

其中，PRO()表示括号中事件发生的概率，Vk为Gk中节点的集合，Gk表示第k个孤岛，Gk∈ΩCS(t)，Ωcs(t)为在t时刻的系统内孤岛的集合，PPVi(t)为节点i处的光伏在t时刻的有功功率，PBEi(t)为节点i处的储能在t时刻的有功功率，PLi(t)为节点i处的负荷在t时刻的有功功率，ε是置信度，PDis,i为节点i处储能放电的功率上限，PCh,i为节点i处储能充电的功率上限，SOC(BE,t)表示储能在t时刻的剩余电量，SOCmin为储能的剩余电量下限。

作为优选例，所述的步骤4)具体包括：

将时间离散化，孤岛划分中所有开关的操作每t′时间进行一次，将所述t′时间区间内的系统状态视为不变；其中，t′取值为10—20min；基于储能即使在孤岛划分期间最大功率放电，不会达到容量下限，忽略储能电量约束；基于避免负荷的频繁停电，设负荷在系统故障期间最多只能被供电一次；

简化后的模型的目标函数表达式，如式(9)为：

其中，T^s为系统故障的起始时间，T^e为系统故障的结束时间，Ti^s为节点i在系统故障期间被供电的起始时间，Ti^e为节点i在系统故障期间被供电的结束时间，为节点i处负荷在时间区间[T^s,Ti^s]内的平均有功功率，为节点i处负荷在时间区间[Ti^e,T^e]内的平均有功功率；如果节点i在系统故障期间没有被供电，则设置Ti^s＝Ti^e＝T^s，且

约束条件为：

其中，t∈[T^s,T^e]。

作为优选例，所述的步骤5)具体包括：

501)初始化初始可行解，优化简化模型的控制量A表达式，如式(11)所示：

A＝{[T1^s,T1^e],[T2^s,T2^e]...[Ti^s,Ti^e]...[Tm^s,Tm^e]} 式(11)

其中，[T1^s,T1^e]为节点1的控制量，[T2^s,T2^e]为节点2的控制量，[Ti^s,Ti^e]为节点i的控制量，[Tm^s,Tm^e]为节点m的控制量，m为节点总数，i为小于等于m的整数；

初始可行解设置如下：对于含有负荷的节点，该节点的控制量[Ti^s,Ti^e]设置为[T^s,T^s]；对于不含负荷的节点，该节点的控制量[Ti^s,Ti^e]设置为[T^s,T^e]；

502)寻找当前可行解的邻居：将比当前可行解的总供电时间多出一个时间步长的控制量，作为当前可行解的邻居；

所述邻居是指：在控制量B中有且仅有一个节点的被供电时间相对控制量A增加了一个时间步长，且其它节点控制变量不变，则控制量B为控制量A的邻居；

503)在当前可行解的邻居中筛选出满足约束条件的邻居：

首先将含有不确定性的约束条件转化为确定性的约束条件，

根据式(2)、式(4)，以及概率理论，得式(12)：

其中，PPVi，exp为节点i处的光伏出力所满足的正态分布的期望值，取值为节点i处的光伏出力的预测值；PLi,exp为节点i处的负荷功率所满足的正态分布的期望值，取值为节点i处的负荷功率的预测值；σPVi(t)为节点i处的光伏出力所满足的正态分布的方差，σLi(t)为节点i处的负荷功率所满足的正态分布的方差；

结合式(12)，式(10)转化为式(13)：

PRO(Pk(t)>0)>1-ε 式(13)

其中，

根据正态分布的特性，如果随机变量X满足正态分布，即X～N(x,σ1)，对于给定的ε，确定x1的取值范围，如式(14)所示，从而将简化模型中的不确定性约束转化为确定性约束：

PRO(X>x1)>1-ε 式(14)

504)停止判据：如果步骤503)没有找到满足约束条件的邻居，则结束搜索，并将当前可行解作为最优解；如果步骤503)找到满足约束条件的邻居，则将当前可行解更新为对应目标函数值最小的满足约束条件的邻居，并返回步骤502)；

505)根据最优解，获得系统在各个时段的孤岛划分状态

有益效果：本发明与现有技术相比，具有以下优点：现有的配网孤岛划分通常设定静态负荷权重，没有考虑停电时长对权重的影响，本发明提供的方法利用用户停电损失取代静态权重，对用户的重要性的估计更为准确。现有的配网孤岛划分通常设定静态负荷功率和分布式电源功率，只能体现一个时间断面的系统运行状态，本发明提供的方法考虑负荷和分布式电源在故障恢复时间段内的波动，同时考虑了负荷和分布式电源预测的不确定性，更符合配电网实际运行状况。现有的配网孤岛划分方法通常为静态孤岛划分，孤岛状态不变，本发明提供的方法允许孤岛状态的动态变化，充分利用各类负荷停电损失的特性，更大程度地增加分布式电源的效率，提升配网运行的经济性。

附图说明

图1是本发明实施例的流程框图。

图2是本发明实例中采用的系统结构图。

图3是本发明实例中各类负荷波动图。

图4是本发明实例的孤岛划分结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施案例对本发明进行深入地详细说明。应当理解，此处所描述的具体实施案例仅仅用以解释本发明，并不用于限定发明。

如图1所示，本发明实施例的一种以减少用户停电损失目标的动态孤岛划分方法，包括如下步骤：

1)拟合各类用户停电损失函数；

2)建立分布式电源和负荷的不确定性模型；

3)建立以停电损失最小为目标的动态孤岛划分理论最优模型；

4)对动态孤岛划分理论最优模型进行简化，获得简化模型；

5)用爬山法求解简化模型，得到动态孤岛划分结果。

在上述实施例中，作为优选，所述步骤1)中，各类用户停电损失函数拟合方法如下：

根据统计数据，采用最小二乘法，对各类用户停电损失和停电时长的关系进行指数函数拟合：

fIC,type(t)＝10^(αtype*ln(t)+βtype)/t 式(1)

其中，type为负荷种类，type∈Ωtype，Ωtype是负荷种类的集合，fIC,type是种类为type的负荷的用户停电损失函数，t为停电时长，αtype是第一拟合参数，βtype是第二拟合参数。

作为优选，所述步骤2)中，分布式电源包括光伏和储能，其中，光伏的出力随机性用正态分布表示，如式(2)所示：

PPV～N(PPV,exp,σPV) 式(2)

其中，PPV为实际光伏出力值，PPV，exp为正态分布的期望值，取值为光伏出力的预测值，σPV为正态分布的标准差，N为正态分布符号；

储能的剩余电量SOC，如式(3)所示：

其中，SOC(BE,t2)表示储能在t2时刻的剩余电量，SOC(BE,t1)表示储能在t1时刻的剩余电量。PBE为储能的功率，当储能放电时，PBE取值为负；当储能充电时，PBE取值为正；η为储能充放电的效率，CapBE为储能的容量，t1为起始时刻，t2为终止时刻；

负荷的不确定性用正态分布表示，如式(4)所示：

PL～N(PL,exp,σL) 式(4)

其中，PL为实际负荷功率值，PL,exp为正态分布的期望值，取值为负荷的预测功率，σL为正态分布的标准差。

作为优选，所述步骤3)中，建立以停电损失最小为目标的动态孤岛划分理论最优模型的优化目标表达式，如式(5)：

其中，V0为停电区域的节点集合，Ni为节点i的停电次数，T^si，j为节点i第j次停电的开始时刻，T^ei，j为节点i第j次停电的结束时刻，PLi(t)为节点i处的负荷在t时刻的有功功率,itype为节点i处负荷的用户类型，fIC，itype是在节点i处负荷的用户停电损失函数，Pi,j,a为节点i处负荷在时间区间[T^si，j,T^ei,j]内的平均有功功率；

动态孤岛划分理论最优模型的约束条件包括：

孤岛内功率平衡约束：

储能功率约束：

PDis,i>PBEi(t)>-PCh,i 式(7)

储能电量约束：

SOC(BE,t)>SOCmin 式(8)

其中，PRO()表示括号中事件发生的概率，Vk为Gk中节点的集合，Gk表示第k个孤岛，Gk∈ΩCS(t)，Ωcs(t)为在t时刻的系统内孤岛的集合，PPVi(t)为节点i处的光伏在t时刻的有功功率，PBEi(t)为节点i处的储能在t时刻的有功功率，PLi(t)为节点i处的负荷在t时刻的有功功率，ε是置信度，PDis,i为节点i处储能放电的功率上限，PCh,i为节点i处储能充电的功率上限，SOC(BE,t)表示储能在t时刻的剩余电量，SOCmin为储能的剩余电量下限。

作为优选，所述的步骤4)具体包括：

将时间离散化，孤岛划分中所有开关的操作每t′时间进行一次，将所述t′时间区间内的系统状态视为不变；其中，t′取值为10—20min；基于储能即使在孤岛划分期间最大功率放电，不会达到容量下限，忽略储能电量约束；基于避免负荷的频繁停电，设负荷在系统故障期间最多只能被供电一次；

简化后的模型的目标函数表达式，如式(9)所示：

其中，T^s为系统故障的起始时间，T^e为系统故障的结束时间，Ti^s为节点i在系统故障期间被供电的起始时间，Ti^e为节点i在系统故障期间被供电的结束时间，为节点i处负荷在时间区间[T^s,Ti^s]内的平均有功功率，为节点i处负荷在时间区间[Ti^e,T^e]内的平均有功功率；如果节点i在系统故障期间没有被供电，则设置Ti^s＝Ti^e＝T^s，且

约束条件为：

其中，t∈[T^s,T^e]。

作为优选，所述的步骤5)具体包括：

501)初始化初始可行解，优化简化模型的控制量A表达式，如式(11)所示：

A＝{[T1^s,T1^e],[T2^s,T2^e]...[Ti^s,Ti^e]...[Tm^s,Tm^e]} 式(11)

其中，[T1^s,T1^e]为节点1的控制量，[T2^s,T2^e]为节点2的控制量，[Ti^s,Ti^e]为节点i的控制量，[Tm^s,Tm^e]为节点m的控制量，m为节点总数，i为小于等于m的整数；

初始可行解设置如下：对于含有负荷的节点，该节点的控制量[Ti^s,Ti^e]设置为[T^s,T^s]；对于不含负荷的节点，该节点的控制量[Ti^s,Ti^e]设置为[T^s,T^e]；

502)寻找当前可行解的邻居：将比当前可行解的总供电时间多出一个时间步长的控制量，作为当前可行解的邻居。

所述邻居是指：在控制量B中有且仅有一个节点的被供电时间相对控制量A增加了一个时间步长，且其它节点控制变量不变，则控制量B为控制量A的邻居。根据此定义，控制量A的邻居所对应的停电损失一定小于控制量A。

503)在当前可行解的邻居中筛选出满足约束条件的邻居：

首先将含有不确定性的约束条件转化为确定性的约束条件，

根据式(2)、式(4)，以及概率理论，得式(12)：

其中，PPVi,exp为节点i处的光伏出力所满足的正态分布的期望值，取值为节点i处的光伏出力的预测值；PLi，exp为节点i处的负荷功率所满足的正态分布的期望值，取值为节点i处的负荷功率的预测值；σPVi(t)为节点i处的光伏出力所满足的正态分布的方差，σLi(t)为节点i处的负荷功率所满足的正态分布的方差；

结合式(12)，式(10)转化为式(13)：

PRO(Pk(t)>0)>1-ε 式(13)

其中，

根据正态分布的特性，如果随机变量X满足正态分布，即X～N(x,σ1)，对于给定的ε，确定x1的取值范围，如式(14)所示，从而将简化模型中的不确定性约束转化为确定性约束：

PRO(X>x1)>1-ε 式(14)

例如，当ε取值为0.05时，x1的取值范围为(-∞,x-1.65σ1)。通过这种转化，可以将简化模型中的不确定性约束转化为确定性约束。

对于任意给定的控制量，可以确定系统在任意时刻的孤岛状态，对各个孤岛进行确定性约束的检验，如果任意时刻都满足该检验，则认为是可行解。

504)停止判据：如果步骤503)没有找到满足约束条件的邻居，则结束搜索，并将当前可行解作为最优解；如果步骤503)找到满足约束条件的邻居，则将当前可行解更新为对应目标函数值最小的满足约束条件的邻居，并返回步骤502)；

505)根据最优解，获得系统在各个时段的孤岛划分状态。

上述方法通过对用户停电损失数据的分析，拟合出各类负荷停电损失关于停电时长的函数，作为孤岛划分的依据。通过对分布式电源、负荷和储能的建模，建立了以停电损失最小为目标的动态孤岛划分理论最优模型，并对该模型进行简化，获得简化模型，最后建立了爬山法求解简化模型。该方法可以实现配网中各个节点供电区间的优化，实现孤岛场景的动态转变，利用各类负荷停电损失特性的不同，最大程度地减少系统总停电损失，提升配电网运行的经济性。

下面例举一实施例。

本实施例中，选取修改过的RBTS Bus 6Feeder 4系统作为配网算例，在原始测试系统的基础上，分别在节点24、25、26、27接入光伏和储能系统。故障点出现在和节点5相连的馈线处，在故障隔离之后，节点6-29为停电区域，如图2所示。

用户停电损失函数拟合中，统计数据如表1所示：

表1用户停电损失($/kW)

采用最小二乘法，对各类型用户停电损失和停电时长的关系进行指数函数拟合：

fIC，type(t)＝10^(αtype*ln(t)+βtype)/t type∈Ωtype

其中，type为负荷种类，fIC，type是种类为type的负荷的用户停电损失函数，t为停电时长，αtype和βtype是拟合参数，Ωtype是负荷种类的集合。

拟合结果如表2所示：

表2停电损失函数参数拟合值

参数设置如下：

节点24、25、26、27分别接入光伏和储能系统。容量如表3所示。

表3

各个节点的负荷类型和功率如表4所示：

表4

负荷和PV随机分布的标准差设置为期望值的10％。各类负荷波动曲线如图3所示。故障发生在与节点5相连的馈线上，首先节点0,1之间的断路器自动断开，其次，节点5和节点4、6之间的分段开关断开以隔离故障，最后节点0、1之间的断路器闭合好，负荷1-4恢复供电。节点6-27处于停电状态，为孤岛划分区域。故障修复时间为5小时。

孤岛划分结果如表5所示：

表5

选取08:00–08:15，09:00–09:15，10:00–10:15，11:00–11:15和12:00–12:15为例，孤岛划分状态如图4所示。

在不进行孤岛划分的情况下，改算例中所有用户均为故障修复时间，即5小时。采用上述用户停电损失函数，可以计算得到全体用户停电损失为88,811($)。

采用传统的静态孤岛划分算法(出处是：J,Lin,X.Wang,"Two-stage method for optimal island partition of distribution system with distributed generations,"IET Gener.,Transmiss.Distrib.,vol.6,no.3,pp.218-225,Mar.2012.)对该算例进行孤岛划分，可以将用户停电损失降到54,697($)，降幅为38.41％。本发明公开的动态孤岛划分方法可以将用户停电损失从88,811($)降到38899($)，降幅为56.20％。这可以看出，本发明方法可以进一步降低用户停电损失，提升分布式电源的利用效率，提升配网运行的经济性。