一种含分布式电源配电网的孤岛划分方法
【技术领域】
[0001] 本发明涉及一种电力系统的孤岛划分方法，具体涉及一种含分布式电源配电网的 孤岛划分方法。
【背景技术】
[0002] 计划孤岛有可能成为未来配电系统发生故障后充分利用分布式电源的一种理想 方法。目前对含分布式电源配电网的孤岛划分方法进行了研究，这些方法又可以分为离线 孤岛划分和在线孤岛划分两种。离线孤岛划分是指是指采用传统的解列方式，一般基于离 线计算，实现确定好解列点，由解列装置根据本地信息判断，确定是否动作解列，使非计划 孤岛转化为计划孤岛运行。目前在实际电网中几乎所有的电力系统均采用这种离线选择 解列点的方式。但是该方法对于多变的电网往往不适合，不能反映电网的实际情况、整定困 难。同时，配电网中故障复杂，不同的故障点位置如果采用相同的解列方式，有可能无法发 挥分布式电源的作用，导致某些的重要负荷无法恢复供电。基于离线孤岛划分的缺点，有学 者对在线孤岛划分进行了研究，主要方法有：（1)启发式孤岛划分方法：采用节点赋权的图 论模型求解。根据故障前的潮流数据，从DG源点单元出发，不断融合相邻的源点节点和负 荷节点，直至源点单元中的功率输出与负荷基本匹配，此时得到的孤岛方案就是最终的孤 岛方案，孤岛的边缘就是解列点。该方法能够快速得到孤岛方案，但是该方法不能形成最大 范围的潜在孤岛。（2)基于有根树的孤岛划分方法：根据配电网的辐射状结构和故障恢复 的特点，提出利用具有层次特性的根树对分布式发电孤岛划分问题建模。最终采用分层和 深度优先搜索的方法解决孤岛划分问题。该方法缩小了搜索空间，大大减小了决策时间，但 是该方法只有在分布式电源处于配电网末端时才能形成孤岛，同时不能得到最优解。（3)基 于最小生成树的孤岛划分方法：基于Prim算法的分布式孤岛划分方法，将孤岛问题转化为 求取连通图的最小生成树。对含负荷和变压器的线路进行不同的赋权，用功率平衡约束进 行判断，知道最终不再满足约束为止。该方法能用于配电网的环网结构，但是文献中的赋权 方法只能用于35kV及以上的高压配网，对于中压配电网不适用，同时该方法不能得到最优 解。（4)基于分支定界和动态规划的孤岛划分方法；这两种方法可以在辐射状配电网中的 得到最优解，但是缺点在于不能处理网格状配电网，同时在系统规模较大的情况下，搜索效 率较低。（5)基于分层控制的孤岛划分方法：将含有分布式发电系统的电网进行孤岛分层， 通过控制不同层次的孤岛控制单元和并网逆变器以实现孤岛运行。该种方法可以理解为离 线孤岛划分和在线孤岛划分的结合，能够保证并网发电系统在并网和孤岛下灵活运行，但 是该方法也存在离线孤岛划分的缺点，灵活度优先，需要采取切负荷等措施。难以得到最优 解。现有的孤岛划分算法的缺点有两个，一是不能处理含环网结构的复杂配电网，二是当配 电网规模较大时难以在保证计算速度的前提下保证得到最优解。进一步研究合理的孤岛划 分方法，对于DG比重较高的配电网故障后的恢复具有积极意义，能实现快速有效的配电网 供电恢复。
[0003] 图论是一门应用广泛且内容丰富的学科，随着计算机和数学软件的发展，图论越 来越多地被人们应用到实际生活和生产中，也成为解决众多实际问题的重要工具。配电网 中元器件和负荷众多，使用图论来分析配电网可以直观的表示配电网的网络拓扑和潮流分 布。因此，很多文献中都使用图论来处理配电网分析问题。设简单图G= (T，E)，T为图G 的子图，若满足V(T) =V(G)且T为树，则T就为图G的一颗生成树。结合生成树的定义， 易知每个连通图均有其生成树。若在图G中考虑权值，也就是在加权连通图G中，生成树 也就定义了它的权值，其值为生成树中所有边上的权值总和，而权值最小的生成树称为该 图的最小生成树（Minimum Spanning Tree)。现有的最小生成树算法主要有Prim算法和 Kruskal 算法。
[0004] 19世纪，英国生物学家达尔文根据对世界各地生活的考察资料和人工选择的实 验，提出了生物进化理论。自然选择学说是达尔文进化论的核心内容。根据达尔文的进化 论，生物发展进化主要有三个原因，就是遗传、变异和选择。生物进化论揭示了生物长期自 然选择进化的发展规律，使得科学家从中收到了启迪，认识到进化论、自然选择过程中发展 出一种搜索和进化的先进思想，并将这种思想用于工程技术领域，发展出遗传算法。早在 1967年J. D. Bagley就首次提出了遗传算法的概念。1975年美国密执安大学的心理学教 授、电工和计算机科学教授Holland提出了遗传算法理论和方法。近年来遗传算法已经吸 引了大量的研究者进行探索并被用于求解带有应用前景的问题，例如遗传程序设计、函数 优化、排序问题、人工神经网络、分类系统、计算机图像处理和机器人运动规划等。遗传算 法是从代表问题可能潜在解集的一个种群（population)开始的，一个种群则由经过基因 (gene)编码（coding)的一定数目的个体（individual)组成。每个个体实际上是染色体 (chromsome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内 部表现（即基因型）是某种基因组合。遗传算法从开始需要实现从变现型到基因型的映射 即编码工作。初始种群产生之后，按照适者生存和优胜劣汰的远离，逐代（generation)演 化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度（fitness)大小挑选 个体，并借助于自然遗传学的遗传算子（genetic operators)进行组合交叉（crossover) 和变异（mutation)，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的 后生代种群比前代更加适应于环境，末代中群众的最优个体经过解码（decoding)，可以作 为问题近似最优解。
【发明内容】
[0005] 针对现有技术的不足，本发明的目的是提供一种含分布式电源配电网的孤岛划分 方法，本发明采用最小生成树算法和改进遗传算法相结合的方法解决了配电网的孤岛划分 问题。根据配电网的特点，对配电网模型进行了简化，通过最小生成树算法将含环网结构 的配电网简化为负荷恢复顺序最优的辐射状配电网，再采用改进遗传算法最终得到最优孤 岛，提高了搜索效率，能够快速有效的得到最优解，具有良好的实用性。
[0006] 本发明的目的是采用下述技术方案实现的：
[0007] 本发明提供一种含分布式电源配电网的孤岛划分方法，其改进之处在于，所述方 法包括下述步骤：
[0008] (1)孤岛划分问题建模；
[0009] ⑵配电网的无向图权值整定；
[0010] (3)基于最小生成树形成辐射状配电网；
[0011] (4)基于改进遗传算法的含分布式电源配电网孤岛划分；
[0012] (5)含多个分布式电源的配电网孤岛划分。
[0013] 进一步的，所述步骤（1)中，孤岛划分的原则如下：
[0014] A、用于最大限度的恢复负荷供电，并保证孤岛内重要负荷（如重要交通枢纽、重 要通讯枢纽、重要宾馆、大型体育场馆、医院等）优先恢复；
[0015] B、孤岛形成后，保证孤岛内的设备和电力线路都处于安全状态，即避免设备过载 和电压越限；
[0016] 孤岛划分的目标函数如下：
[0018] 式中，N代表非故障失电区域内的负荷的数目；P1R表负荷L1消耗的有功功率；O 1 代表负荷L1的重要程度，负荷越重要，ω i越大；Χι为一个二进制的变量，Xi = 1表示L1被 接入孤岛；Xi = 0表示Li未接入孤岛；
[0019] 孤岛划分的约束条件包括：
[0020] ①孤岛内的功率约束：
[0021] 孤岛内的功率达到平衡，即总的负荷功率之和不大于分布式电源的容量，以保证 分布式电源具有调节阈值：
3)1
[0023] 式中：PD(；为分布式电源的容量；
[0024] ②节点电压约束：
[0025] 35kV及以上供电电压正负偏差的绝对值之和不超过额定电压的10%，IOkV及以 下三相供电电压允许偏差为额定电压的±7%，节点电压约束为：
[0026] Ubnin ^ Ub ^ Ubnax 4)；
[0027] 式中：Ub代表节点电压，Ubniin为节点电压下限，U bniax为节点电压上限；
[0028] ③支路电流约束：孤岛内支路电流不能超过负荷的额定电流：
[0029] I1 ^ Ilinax 5)；
[0030] 式中=I1为支路电流，Iliniax为支路电流上限；
[0031] ④网络拓扑约束：分布式电源孤岛采用辐射状配电网；
[0032] 含分布式电源的配电网的孤岛划分模型表示为：
[0035] 进一步的，所述步骤（2)中，配电网的无向图权值整定如下：最小生成树算法针对 连通图的边，对配电网无向图的边进行赋权；图中每一条边连接着两个负荷节点：
[0036] 两个负荷节点a和b，节点a代表的负荷及其重要程度分别为Pa和ω3 ;节点b代 表的负荷及其重要程度分别为Pb和，则λ a = Pa · ω3, λ b = Pb · c〇b ;把边a，b的权值 整定为：
[0038] 进一步的，所述步骤（3)中，根据简化的配电网模型，建立最小生成树算法的矩阵 描述模型，构造矩阵来描述不包含分布式电源的由负荷节点和开关线路所组成的图；
[0039] 负荷权值矩阵N，如下：
[0041] N是一个3Xn的矩阵，描述了非故障失电区域内负荷的性