一种考虑故障影响度的配电网供电恢复方法与流程
本发明属于配电网供电恢复技术领域和电力系统自动化技术领域，涉及配电网的供电恢复，具体来说是一种考虑故障影响度的配电网供电恢复方法。
背景技术：
伴随着社会经济的发展，配电网高可靠运行问题已受到广泛重视。供电恢复是配电网自愈控制的核心功能，在电网故障后通过重构网络的形态完成对失电负荷的转供电，对提高电网供电可靠性具有重要意义。
配电网供电恢复需统筹考虑失电负荷量、开关操作次数、载荷平衡、电压质量、网损等综合因素，是一个复杂的多目标多约束非线性组合优化问题。近年来，国内外学者围绕着配电网供电恢复课题开展了大量的研究工作，提出的解决方案主要包括传统数学优化算法、启发式算法、人工智能算法等。人工智能算法以其独特优点得到了广泛关注，如俞隽亚等(俞隽亚，王增平，孙洁，杨国生.基于支路交换——粒子群算法的配电网故障恢复[j].电力系统保护与控制，2014,42(13)：95-99.)将模拟退火的思想融入二进制算法惯性权重的动态调整中，并采用种群适应度方差判断粒子的相似性，对粒子进行自适应变异，有效避免了粒子群算法易“早熟”的问题；此外，将粒子群算法与支路交换法相结合，有效提高粒子群算法的搜索速度。戴志辉等(戴志辉，崇志强，焦彦军.含分布式电源的配电网多目标供电恢复[j].电网技术，2014,38(7)：1959-1965.)采用二进制粒子群算法搜索pareto非支配解获得供电恢复方案，方法可生成具体供电恢复方案由调度员根据情况灵活选择。
配电网供电恢复算法的求解速度与最优解的质量间存在固有矛盾，增加控制模型的评价指标将以牺牲策略的生成速度为代价，过于追求算法的运行速度亦无法保证策略的合理性。现阶段的研究并未统筹考虑上述二者的关系，系统采用统一的数学模型生成控制策略，在速度与质量的取舍中往往顾此失彼，致使供电恢复功能难以满足实际配电网不同故障情况下的转供电要求。
技术实现要素：
本发明所要解决的技术问题是：提出一种考虑故障影响度的配电网供电恢复方法，通过引入故障影响度评估与控制模型自适应匹配机制协调了供电恢复算法速度与策略质量之间的固有矛盾，优化了供电恢复对电网不同运行状态和故障情况的适应能力。
本发明为解决技术问题所采取的技术方案如下：
一种考虑故障影响度的配电网供电恢复方法，包括如下步骤：
(1)配电网故障影响度评估：从故障对负荷造成的停电损失与对网架结构的破坏情况两个层面入手分析配电网的故障严重程度；
(2)供电恢复模型自适应匹配：基于故障影响度，将配电网的故障划分为i、ii、iii级，根据供电恢复评价指标的等级偏好与故障等级匹配控制模型；
(3)执行故障恢复算法，生成供电恢复方案。
在步骤(1)中，所述配电网故障影响度评估采用如下的方法确定配电网故障影响度：以失电负荷量作为负荷短时停电损失，以故障线路所带负荷节点数表征网架结构破坏程度，用加权相加的方式确定故障的严重值，将故障严重值与最严重故障情况下的故障严重值相除，获得故障影响度。
在步骤(2)中，所述的供电恢复模型自适应匹配是基于故障等级匹配故障恢复模型来说的，对于i级故障，以失电负荷量为评价指标，供电恢复模型是单目标非线性组合优化问题，采用二进制粒子群算法搜寻转供电策略，当获得可恢复所有失电负荷供电的可行解时即输出为最终结果；对于ii级故障，考虑控制成本，将失电负荷量与开关操作次数作为评价指标，采用加权相加的方式将供电恢复模型转化为单目标优化问题，采用二进制粒子群算法生成转供电策略；对于iii级故障，考虑故障恢复后电网的运行性能，将失电负荷量、开关操作次数、载荷平衡、电压质量、网损作为评价指标，供电恢复模型是多目标优化问题，采用多目标粒子群算法搜寻最优供电恢复策略。
本发明的有益效果是：
本发明提出了一种考虑故障影响度的配电网供电恢复方法，通过引入故障影响度评估与控制模型自适应匹配机制有效协调了供电恢复算法速度与策略质量之间的固有矛盾，有效保证了故障恢复策略在电网严重故障情况下的快速生成，优化供电恢复功能对电网不同运行状态和故障情况的适应能力。
附图说明
图1为本发明的流程图；
图2为基于二进制粒子群算法的配电网故障恢复流程图；
图3为基于多目标粒子群算法的配电网故障恢复流程图；
图4为配电网供电恢复的试验线路简化图。
具体实施方式
下面结合附图对本发明作进一步的解释和说明：
如附图1所示为本发明公开的一种考虑故障影响度的配电网供电恢复方法的流程图。本发明通过引入故障影响度评估与控制模型自适应匹配机制，有效协调供电恢复算法速度与策略质量之间的固有矛盾，电网故障后评估故障影响度划分故障等级，根据供电恢复评价指标的等级偏好与故障等级匹配故障恢复模型，执行相应的故障恢复算法生成供电恢复方案。各个步骤的具体实现方案阐述如下：
1、配电网故障影响度评估：
(1)负荷停电损失：
负荷停电损失采用该负荷在时刻t的有功功率表征，数学表达式如下：
式中，n为失电负荷数；pni是负荷i的有功功率经归一化处理后得到的标准值，pni的计算公式为：
式中，pi为负荷的有功功率，pmax为网络中最大用户的有功功率，pmin为最小有功功率。
(2)故障对网架结构的破坏程度：
故障对网架结构的破坏程度与故障线路所带负荷节点的数量有关，故障线路所带负荷节点数量越多，该线路在网络中越重要，在发生故障后对网架的破坏就越严重。
故障对网架结构的破坏程度imp的计算公式为：
式中：nk为线路k所带负荷节点的数量，n为负荷节点的总数。
(3)配电网故障影响度计算：
将配电网故障影响值表征为负荷短时停电损失与网架破坏程度的加权，其计算公式如下式所示：
fk＝αlloss+βimpk
式中：lloss为负荷短时停电损失；impk为故障线路k对网架结构的破坏程度；α与β是权值系数，α+β＝1。
将故障影响值作标准化和归一化处理，计算公式如下式所示：
式中：f％为标准化处理后的故障影响值；fmax为最严重故障影响值。
2、供电恢复模型自适应匹配机制：
基于配电网的建设运行经验，分析配电网供电恢复目标函数中各评价指标的优先级排序，根据电网故障影响度，选择评价指标，协调故障恢复算法策略生成速度与控制质量之间的矛盾。
(1)配电网供电恢复的数学模型：
配电网供电恢复模型的目标函数主要包括：失电负荷量f1，开关操作次数f2，载荷平衡f3，电压质量f4，网损f5；
需要满足的约束条件包括：①配电网的辐射状拓扑约束；②线路电流和变压器容量约束；③配电网的节点电压约束；
结合配电网运行要求与实践经验，给出目标函数评价指标的控制优先级：失电负荷量f1反映了系统未能通过供电恢复功能转供负荷所造成的损失，是最重要的评价指标；开关操作次数f2是控制成本指标，最大限度地降低开关的操作次数是提升配电网自愈控制系统续航能力的关键；载荷平衡f3、电压质量f4、网损f5是故障恢复后电网的运行性能指标，优先级低于f1与f2。
(2)供电恢复模型的自适应匹配规则：
根据步骤一的故障影响度评价结果划分配电网故障等级，按照故障等级与目标函数评价指标简化同向的原则确定供电恢复控制方式：
故障等级i级(最严重情况)：步骤一确定的故障影响度f％的取值范围：70％<f％≤100％，此时配电网故障较为严重，需加快供电恢复，系统以恢复失电负荷供电f1为评价指标，此时的配电网供电恢复模型是单目标非线性组合优化问题，采用二进制粒子群算法搜寻供电恢复策略，并且当搜寻到可恢复所有失电负荷供电的可行解时即输出为最终的供电恢复策略，提升算法的运算速度；
故障等级ii级：步骤一确定的故障影响度f％的取值范围：55％<f％≤70％，此时配电网故障程度不如i级严重，考虑控制成本，将失电负荷量f1与开关操作次数f2选为评价指标，但为简化控制模型，采用加权相加的方式处理上述两个指标，仍将配电网供电恢复模型视为单目标的组合优化问题，采用二进制粒子群算法搜寻供电恢复策略；
故障等级iii级：步骤一确定的故障影响度f％的取值范围：f％≤55％，此时配电网故障程度最轻，可以考虑故障恢复后电网的运行性能，将上述f1～f5均作为评价指标，配电网供电恢复模型是多目标的非线性组合优化问题，采用多目标粒子群算法搜寻最优供电恢复策略。
3、故障恢复算法：
如步骤二所述，根据故障程度不同，本发明采用两种不同的故障恢复算法，对于i、ii级故障，控制模型是单目标非线性优化问题，采用二进制粒子群算法；对于iii级故障，控制模型是多目标非线性优化问题，采用多目标粒子群算法获得供电恢复方案。
(1)二进制粒子群算法：
二进制粒子群优化算法(bpso)，算法用二进制变量(0和1)来表示粒子的位置信息，用粒子速度大小来表示粒子位置为1的概率。粒子速度越大，则粒子位置为1的概率越大；速度越小，则粒子位置为1的概率也就越小。粒子速度和位置更新公式为：
式中：
基于二进制粒子群算法的配电网故障恢复流程图如附图2所示。
具体求解步骤：
step1：设置算法参数，并输入原始数据(网络结构和参数、故障区域和失电区域)；
step2：种群初始化，得到n个满足辐射状结构要求的可行解，并计算粒子适应度函数值；
step3：根据公式，更新粒子的速度和位置；
step4：网络辐射状判断，计算满足辐射状结构的粒子的适应度函数值；
step5：判断种群最优值gbest是否为可行解(是否已恢复全局供电)，若可行，则直接输出方案并执行；否则，继续step6；
step6：根据适应度值之间的关系，更新个体最优pbest与全局最优gbest；
step7：判断是否达到预先设定的停止准则(通常设置为最大迭代次数)，若满足停止要求，则结束，否则，返回step3。
(2)多目标粒子群算法：
多目标粒子群算法(mopso)采用外部粒子群存储搜索过程中的pareto非支配解，并且不断更新使得外部粒子群中式中存储pareto最优解，同时使用自适应网格法评估外部粒子群中非支配解的空间位置分布密度，选择位置分布密度最小的pareto非支配解作为粒子群的gbest来引导粒子飞行，在尽量多地保存pareto非支配解的同时，使得pareto最优前沿均匀分布。
内部粒子位置更新公式为：
式中：ω为惯性权重；c1和c2为加速系数；rand为区间[0,1]之间的随机数；round为四舍五入运算符；ωmax和ωmin分别为惯性权重最大值和最小值；tmax为最大迭代次数。
基于多目标粒子群算法的配电网故障恢复流程图如附图3所示。
具体步骤如下:
step1：设置算法参数，并输入原始数据(网络结构和参数、故障区域和失电区域)；
step2：内部种群初始化，得到m个满足辐射状结构要求的可行解；
step3：适应度值计算：将满足辐射状要求的粒子代入多个适应度函数(目标函数)中，计算各粒子的适应度值；
step4：外部种群更新：根据适应度值判断内部种群中粒子间的pareto支配关系，将非支配解(非劣解)放入外部种群中；
step5：全局最优与个体最优的选择：从外部种群中选择粒子分布密度最小的粒子作为全局最优gbest，在内部种群中确定其中每个粒子的个体最优值pbest；
step6：内部种群更新：由粒子速度、位置计算公式，更新内部种群中粒子的速度和位置；
step7：判断是否达到预先设定的停止准则(通常设置为最大迭代次数)，若满足停止要求，则结束，否则，返回step3。
下面结合说明书附图和实施例对本申请的技术方案作进一步详细说明。
如附图4所示配电网仿真模型，该系统有3个电源节点，16条配电线路，13个负荷节点。
实例1：
线路5发生故障，故障隔离后⑧、⑨、⑩、
步骤一：配电网故障影响度评估。计算短时停电损失，失电负荷共有⑧、⑨、⑩、
步骤二：故障恢复模型自适应匹配。基于故障影响度，电网故障属于i级故障，需要加速恢复供电，系统以恢复失电负荷供电f1为评价指标，此时的配电网供电恢复模型是单目标非线性组合优化问题。采用二进制粒子群算法搜寻供电恢复策略，并且当搜寻到可恢复所有失电负荷供电的可行解时即输出为最终的供电恢复策略。
步骤三：执行供电恢复算法。采用二进制粒子群算法对供电恢复问题求解(二进制粒子群的参数写上)，当算法迭代进行到第2次时，得到可行的供电恢复方案为：断开线路6开关，闭合线路14和15的开关，此时由于该方案已经恢复所有失电负荷的供电，故停止搜索，输出该方案控制相应开关开闭，完成对失电区域的转供电。
线路2发生故障，故障隔离后⑥和⑦负荷失电，其余为正常供电区域。
步骤一：配电网故障影响度评估。计算短时停电损失，失电负荷共有⑥和⑦2个负荷，将负荷大小pi做归一化处理后得到标准负荷值pni，将负荷等级系数ci与pni代入公式计算短时停电损失，得到最终结果lloss＝1.1258。计算故障对网架结构的破坏程度imp，对馈线①所辖供电范围做深度优先遍历确定负荷节点的供电路径，网络中的负荷节点总数为n为5，故障线路1共带有⑥和⑦2个负荷，n1为2，则故障线路5对网架结构的破坏程度imp为：imp2＝n2/n＝0.4。计算故障影响度，令α＝0.6，β＝0.4，计算故障影响值f2＝αlloss+βimp2＝0.8355；电网最严重的故障情况下的故障影响值为2.2095，因此线路2故障影响度为：37.81％。
步骤二：故障恢复模型自适应匹配。电网故障属于iii级故障，此时配电网故障程度最轻，可以考虑故障恢复后电网的运行性能，将上述f1～f5均作为评价指标，配电网供电恢复模型是多目标的非线性组合优化问题，采用多目标粒子群算法搜寻最优供电恢复策略。
步骤三：执行供电恢复算法。采用多目标粒子群算法对供电恢复问题求解，得到一系列pareto非支配解，如表1所示。
表1最终的非支配解
由表1可以发现，方案1的开关操作次数最少，但电压质量最差；方案4的负荷分布最为均衡，电压质量最好，但开关操作次数最多；方案2和方案3各个目标较为均衡。
- 还没有人留言评论。精彩留言会获得点赞！