CN105576653B - 一种220kV片区电网供电能力优化方法 - Google Patents

一种220kV片区电网供电能力优化方法 Download PDF

Info

Publication number
CN105576653B
CN105576653B CN201610011700.XA CN201610011700A CN105576653B CN 105576653 B CN105576653 B CN 105576653B CN 201610011700 A CN201610011700 A CN 201610011700A CN 105576653 B CN105576653 B CN 105576653B
Authority
CN
China
Prior art keywords
mrow
node
load
particle
msubsup
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610011700.XA
Other languages
English (en)
Other versions
CN105576653A (zh
Inventor
荆朝霞
江昌旭
王宏益
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201610011700.XA priority Critical patent/CN105576653B/zh
Publication of CN105576653A publication Critical patent/CN105576653A/zh
Application granted granted Critical
Publication of CN105576653B publication Critical patent/CN105576653B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种220kV片区电网供电能力优化方法，包括步骤：1)对220kV片区电网供电能力优化模型的初始化；2)生成初始负荷种群，并设置初始化迭代次数k＝1；3)计算每个粒子正常运行方式下及N‑1运行方式下的潮流并进行校验；4)计算每个粒子的负荷均衡度λ；5)计算每个粒子的自适应度值；6)根据自适应度值更新粒子的速度信息；7)更新粒子的负荷值，并更新迭代次数k＝k+1；8)是否达到收敛条件，如果是则输出最优的负荷值，如果没有达到收敛条件则重复3)～8)步骤，直到满足收敛条件。本发明考虑了负载的均衡平衡，有效的避免了优化负荷出现某些变电站负载率极高，而某些变电站的负载率极低的情况，计算的最优负荷能够给电力***的运行和规划人员提供更具有价值的参考。

Description

一种220kV片区电网供电能力优化方法
技术领域
本发明涉及电网供电能力评估的技术领域，尤其是指一种考虑负载均衡平衡的220kV片区电网供电能力优化方法。
背景技术
本专利所述的供电能力，是指一定供电区域内电网满足N-1安全准则，且考虑到网络实际运行情况下的最大负荷供应能力，其实质上也是指最大供电能力(Total SupplyCapability，TSC)。
供电能力在某种程度上可以反映电网对负荷的供应的安全裕度，它能为电网的运行与规划人员提供一定的参考，能最大限度地降低成本，提高电网的效益。但是只有经过合理优化的负荷分配方案，才能为电网带来更高的效益。目前大多数文献在对供电能力进行优化时，优化的结果会出现某些变电站的负载率非常高，而某些变电站的负载率非常低的情况，而实际的电力***中，对负荷分配的均衡性有一定的要求，因此，这种负载分配方案极有可能降低电力***供电的可靠性。为了使优化的负荷分配均衡，接近实际电网的运行情况，本专利在供电能力的基础上提出了考虑负载均衡平衡的供电能力目标函数。通过该目标函数计算出来最优负荷，能有效的避免以上问题，能够给电力***的运行和规划人员提供更具有价值的参考。
对供电能力进行计算时，若采用完整的电网模型和精确的计算方法并考虑N-1静态安全约束，会出现数值计算上的困难；而不考虑网架结构或对网架简化的模型又使得结果的误差过大，应用价值大打折扣。随着500kV及其以上电压等级电网的发展，220kV电网在实际运行中，为了提高供电可靠性，经常采用分片运行的方式，将一个大网分为若干个片区，各个片区之间相对较独立，这使得对220kV电网供电能力的计算以片区为单位的解耦分析成为可能。本专利根据此特点，首先把研究的220kV片区从大电网中解耦出来，然后在对此220kV片区电网进行供电能力计算。
目前计算供电能力的方法主要分为解析法、线性规划模型法、非线性规划法和智能算法等。解析法一般把供电能力抽象为可以用一些具有物理意义的解析式来直接对供电能力进行计算，如FVSI(快速电压稳定指标)法等，该方法一般对研究的电网进行了很多假设，因此只能粗略的对电网的供电能力进行评价；线性规划法，如基于直流潮流计算供电能力方法一般可以转换为线性规划法来求解，该方法一般考虑了电网的网架结构，但由于忽略了电压降落和网损对TSC的影响，因此对供电能力计算精度有一定影响；非线性规划法，该方法一般为求非线性模型而提出的方法，如内点法，该方法具有严格的数据推导，计算速度快，但是该方法对***的初值要求比较高，不易收敛；智能算法近几十年发展起来的一类启发式方法，如模拟退火，遗传算法，粒子群算法等，这类算法具有很好的自适应性、自组织性等特点。(PSO)相比与其他智能算法相比。
本专利建立了一种考虑N-1静态安全约束基于交流潮流的非线性规划模型，并且在供电能力的基础上考虑了负载均衡平衡，属于多目标、非线性规划的范畴，因此，本文提出采用粒子群算法对220kV片区电网供电能力求解，该方法与其他算法相比具有计算简单、计算速度快等特点。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种考虑负载均衡平衡的220kV片区电网供电能力优化方法，有效的避免了优化负荷出现某些变电站负载率极高，而某些变电站的负载率极低的情况，计算的最优负荷能够给电力***的运行和规划人员提供更具有价值的参考，在求解220kV片区电网供电能力优化模型时采用粒子群算法，具有计算方便、计算速度快等特点，可以应用此方法计算规模更大的电网。
为实现上述目的，本发明所提供的技术方案为：一种220kV片区电网供电能力优化方法，包括以下步骤：
1)对220kV片区电网供电能力优化模型的初始化；
2)生成初始负荷种群，并设置初始化迭代次数k＝1；
3)计算每个粒子正常运行方式下及N-1运行方式下的潮流并进行校验；
4)计算每个粒子的负荷均衡度λ；
5)计算每个粒子的自适应度值；
6)根据自适应度值更新粒子的速度信息；
7)更新粒子的负荷值，并更新迭代次数k＝k+1；
8)是否达到收敛条件，如果是则输出最优的负荷值，如果没有达到收敛条件则重复3)～8)步骤，直到满足收敛条件。
在步骤1)中，对220kV片区电网供电能力优化模型的初始化，包括以下步骤：
1.1)设置粒子群算法的基本参数，包括惯性权重ω、加速因子c'和c”、粒子群规模NP、收敛精度ε和最大迭代次数K；
1.2)设置牛顿拉夫逊法的基本参数，包括收敛精度εNR和最大迭代次数T；
1.3)提取和输入220kV片区电网的网架参数，包括输入500kV变电站主变的220kV侧的电压Vn和相角θn、网架的参数、负荷参数以及电压约束和相角差的约束；其中，网架的参数包括各支路电阻Rli、电抗Xli、对地电纳值Bli以及最大载流量Imax,li，负荷参数包括各负荷点的最大负荷值以及最小负荷值Sdi。
在步骤3)中，计算每个粒子正常运行方式下及N-1运行方式下的潮流并进行校验，包括以下步骤：
3.1)形成节点导纳矩阵：形成正常运行方式下的节点导纳矩阵并根据各N-1故障修改正常运行方式下的节点导纳矩阵形成各N-1故障下的节点导纳矩阵；
3.2)设npop＝0，种群中的每个粒子按照以下步骤依次计算正常运行方式下和N-1运行方式下的潮流，并进行热稳定校验；
3.3)把种群中的第tpop组负荷值带入计算潮流偏差的公式中计算各节点功率不平衡量其中ΔP、ΔQ分别指节点有功功率和无功功率的偏差，判断最大潮流偏差是否满足收敛条件；如满足，则跳转至步骤3.6)，如不满足，则进行步骤3.4)；
3.4)由输入的变量和已有的节点导纳矩阵生成潮流，计算雅可比矩阵J：
其中，H是n-1阶方阵，其元素为N是(n-1)×m阶矩阵，其元素为K是m×(n-1)阶矩阵，其元素为L是m阶方阵，其元素为
3.5)求解线性修正方程组其中得到各节点电压幅值和相角的修正量Δθ、ΔV，修正各节点电压V和相角θ，跳转至步骤3.3)；
3.6)按下式计算所有支路功率,并令npop＝npop+1，
其中，i为支路首节点，j为支路末节点，波浪号表示取复数的共轭值，为对节点i对地的导纳值的共轭值，为线路节点i到节点j之间的导纳值的共轭值；
3.7)根据步骤3.6)计算出的线路潮流进行线路热稳定校验；
3.8)判断npop＞＝NP是否成立，其中NP为粒子种群规模，如不成立，则跳转至步骤3.3)；如果成立则进行步骤4)；
在步骤5)中，所述自适应度值根据步骤3.7)所述的潮流热稳定校验是否通过按照以下方式计算，包括以下步骤：
5.1)若潮流热稳定校验不通过，则按照该粒子的负荷值动态的取一个比较小的自适应度值；
5.2)若潮流热稳定校验通过，则该粒子的自适应度值按照220kV片区电网供电能力计算数学模型的目标函数计算，
f(xC)＝TSC·ω1+TSC·(1-λ)·ω2
其中，TSC按照以下公式计算，
其中，Sdi为变电站i的视在功率，为变电站i的功率因数角；xC为控制变量，为各PQ节点的视在功率：ω1和ω2分别为TSC和均衡平衡的权重，并且满足ω1+ω2＝1。
在步骤4)中，所述负荷均衡度λ的计算公式如下：
其中，d为220kV片区电网中负荷节点的个数；δi为变电站i的容载比CLR与其基准容载比CLRS的差，即δi＝CLR-CLRS；为δi之和的平均值，即
其中，基准容载比CLRS由变电站中主变台数、主变容量和主变短时过载系
数确定。
在步骤5.2)中，所述220kV片区电网供电能力数学模型为：
max f(xC)＝TSC·ω1+TSC·(1-λ)·ω2
其中，nc为N-1预想事故的个数；当kc＝0，表示基态时的状态，这里的基态指电力***正常稳定运行时的状态；当kc＞0，表示在第kc个预想事故时的状态；因此，和分别为第i个节点在第kc个状态下的有功和无功不平衡量；为第kc个状态下节点i和节点j之间的相角差；和分别为第i个节点和第j个节点在第kc个状态时的电压幅值；Vi 和分别为节点i电压幅值的下限和上限；为第kc个状态下节点i和节点j之间支路的视在功率；为第kc个状态下节点i和节点j之间支路的热稳定极限功率；和分别为在第kc个状态下第i台发电机或第i个上级节点的有功出力和无功出力；PG,i 和 QG,i 和分别为第i台发电机或第i个上级节点有功出力、无功出力的下限和上限；为第i个节点在第kc个状态时的视在功率；Si 和分别为第i个节点视在功率的下限和上限。
本发明与现有技术相比，具有如下优点与有益效果：
本发明的220kV片区电网供电能力优化方法在对供电能力进行优化时考虑了负载的均衡平衡，有效的避免了优化负荷出现某些变电站负载率极高，而某些变电站的负载率极低的情况，计算的最优负荷能够给电力***的运行和规划人员提供更具有价值的参考；以片区为最小单位求解电网的最大供电能力，有效的简化了大量的冗余的数据，降低了求解问题的维度；在求解220kV片区电网供电能力优化模型时采用粒子群算法，具有计算方便、计算速度快等特点，可以应用此方法计算规模更大的电网。
附图说明
图1为本发明的220kV片区电网供电能力优化方法的流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示，本实施例所述的220kV片区电网供电能力优化方法，包括如下步骤：
1)对220kV片区电网供电能力优化模型的初始化；
2)生成初始负荷种群，并设置初始化迭代次数k＝1；
3)计算每个粒子正常运行方式下及N-1运行方式下的潮流并进行校验；
4)计算每个粒子的负荷均衡度λ；
5)计算每个粒子的自适应度值；
6)根据自适应度值更新粒子的速度信息；
7)更新粒子的负荷值，并更新迭代次数k＝k+1；
8)是否达到收敛条件，如果是则输出最优的负荷值，如果没有达到收敛条件则重复3)～8)步骤，直到满足收敛条件。
本实施例中的供电能力，是指一定供电区域内电网满足N-1安全准则，且考虑到网络实际运行情况下的最大负荷供应能力。本实施例中的考虑负载的均衡平衡体现在供电能力数学模型的目标函数上。具体情况如下：
一、对220kV片区电网供电能力优化的初始化，包括如下步骤:
21、设置粒子群算法的基本参数，如惯性权重ω、加速因子c'和c”、粒子群规模NP、收敛精度ε和最大迭代次数K等参数；
22、设置牛顿拉夫逊法的基本参数，如收敛精度εNR和最大迭代次数T等；
23、提取和输入220kV片区电网的网架参数，如输入500kV变电站主变的220kV侧的电压Vn和相角θn、网架的参数(各支路电阻Rli、电抗Xli、对地电纳值Bli以及最大载流量Imax,li)、负荷参数(各负荷点的最大负荷值以及最小负荷值Sdi )以及电压约束和相角差的约束。
二、生成初始负荷种群，并初始化迭代次数k＝1；
根据步骤23所述的输入的负荷参数的最大负荷值以及最小负荷值Sdi ，按照下式生成初始种群，
其中，rand是指生成[0,1]的随机数，NP为步骤21中所述的粒子群规模，N为问题的维数，即需要优化的负荷的个数。
三、计算每个粒子正常运行方式下及N-1运行方式下的潮流并进行校验；
牛顿拉夫逊法计算潮流的步骤如下：
31、形成节点导纳矩阵：形成正常运行方式下的节点导纳矩阵并根据各N-1故障修改正常运行方式下的节点导纳矩阵形成各N-1故障下的节点导纳矩阵；
32、设npop＝0，种群中的每个粒子按照以下步骤依次计算正常运行方式下和N-1运行方式下的潮流，并进行热稳定校验。
33、把种群中的第tpop组负荷值带入计算潮流偏差的公式中计算各节点功率不平衡量其中ΔP、ΔQ分别指节点有功功率和无功功率的偏差，判断最大潮流偏差是否满足收敛条件；如满足，则跳转至步骤S306，如不满足，则进行步骤34；
34、由输入的变量和已有的节点导纳矩阵生成潮流，计算雅可比矩阵J：
其中，H是n-1阶方阵，其元素为N是(n-1)×m阶矩阵，其元素为K是m×(n-1)阶矩阵，其元素为L是m阶方阵，其元素为
35、求解线性修正方程组其中得到各节点电压幅值和相角的修正量Δθ、ΔV，修正各节点电压V和相角θ，跳转至步骤33；
36、按下式计算所有支路功率,并令npop＝npop+1，
其中，i为支路首节点，j为支路末节点，波浪号表示取复数的共轭值，为对节点i对地的导纳值的共轭值，为线路节点i到节点j之间的导纳值的共轭值。
37、根据步骤36所述计算出的线路潮流进行线路热稳定校验；
38、判断npop＞＝NP是否成立，其中NP为步骤21所述的粒子种群规模，如不成立，则跳转至步骤33；如果成立则进行按照权利要求1所述的步骤4)。
其中，所述220kV片区电网供电能力数学模型为：
max f(xC)＝TSC·ω1+TSC·(1-λ)·ω2
其中，nc为N-1预想事故的个数。当kc＝0，表示基态时的状态，这里的基态指电力***正常稳定运行时的状态。当kc＞0，表示在第kc个预想事故时的状态。因此，和分别为第i个节点在第kc个状态下的有功和无功不平衡量；为第kc个状态下节点i和节点j之间的相角差；和分别为第i个节点和第j个节点在第kc个状态时的电压幅值；Vi 和分别为节点i电压幅值的下限和上限；为第kc个状态下节点i和节点j之间支路的视在功率；为第kc个状态下节点i和节点j之间支路的热稳定极限功率；和分别为在第kc个状态下第i台发电机或第i个上级节点的有功出力和无功出力；PG,i 和 QG,i 和分别为第i台发电机或第i个上级节点有功出力、无功出力的下限和上限；为第i个节点在第kc个状态时的视在功率；Si 和分别为第i个节点视在功率的下限和上限。
四、计算每个粒子的负荷均衡度λ；
负荷均衡平衡λ计算公式如下：
其中，d为220kV片区电网中负荷节点的个数；δi为变电站i的容载比CLR与其基准容载比CLRS的差，即δi＝CLR-CLRS；为δi之和的平均值，即
其中，基准容载比CLRS由变电站中主变台数、主变容量和主变短时过载系数确定。
五、计算每个粒子的自适应度值；
根据步骤37中所述的潮流热稳定校验是否通过按照以下方式计算：
51、若潮流热稳定校验不通过，则按照该粒子的负荷值动态的取一个比较小的自适应度值。
52、若潮流热稳定校验通过，则该粒子的自适应度值按照220kV片区电网供电能力计算数学模型的目标函数计算，
f(xC)＝TSC·ω1+TSC·(1-λ)·ω2
其中，TSC按照以下公式计算，
其中，Sdi为变电站i的视在功率，为变电站i的功率因数角。xC为控制变量，为各PQ节点的视在功率：ω1和ω2分别为TSC和均衡平衡的权重，并且满足ω1+ω2＝1。
六、根据自适应度值更新粒子的速度信息；
按照如下公式更新粒子速度，
其中，和分别为粒子i在第k次迭代在第j维空间的负荷值、速度和自身经过的最优的负荷值；在第k次迭代所有粒子在第j维空间的全局最优的负荷值；r′ij和r″ij分别为自身经验随机数和社会经验随机数，取值范围[0,1]。
七、更新粒子的负荷值，并更新迭代次数k＝k+1；
按照如下公式更新粒子速度，
八、是否达到收敛条件，如果是则输出最优的负荷值，如果没有达到收敛条件则重复三～八步骤，直到满足收敛条件。
本专利中所述的收敛条件包括两个：一个是最优的两个粒子负荷的差是否小于步骤小于比步骤21中所述的收敛精度ε；一个是迭代的次数是否大于步骤21中所述的最大迭代次数。
两个收敛条件，只要达到一个，即可认为满足收敛条件，算法应结束，输出最优的负荷值。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (2)

1.一种220kV片区电网供电能力优化方法，其特征在于，包括以下步骤：
1)对220kV片区电网供电能力优化模型的初始化；
2)生成初始负荷种群，并设置初始化迭代次数k＝1；
3)计算每个粒子正常运行方式下及N-1运行方式下的潮流并进行校验，包括以下步骤：
3.1)形成节点导纳矩阵：形成正常运行方式下的节点导纳矩阵并根据各N-1故障修改正常运行方式下的节点导纳矩阵形成各N-1故障下的节点导纳矩阵；
3.2)设npop＝0，种群中的每个粒子按照以下步骤依次计算正常运行方式下和N-1运行方式下的潮流，并进行热稳定校验；
3.3)把种群中的第tpop组负荷值带入计算潮流偏差的公式中计算各节点功率不平衡量其中ΔP、ΔQ分别指节点有功功率和无功功率的偏差，判断最大潮流偏差是否满足收敛条件；如满足，则跳转至步骤3.6)，如不满足，则进行步骤3.4)；
3.4)由输入的变量和已有的节点导纳矩阵生成潮流，计算雅可比矩阵J：
<mrow> <mi>J</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mi>H</mi> </mtd> <mtd> <mi>N</mi> </mtd> </mtr> <mtr> <mtd> <mi>K</mi> </mtd> <mtd> <mi>L</mi> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中，H是n-1阶方阵，其元素为N是(n-1)×m阶矩阵，其元素为K是m×(n-1)阶矩阵，其元素为L是m阶方阵，其元素为
3.5)求解线性修正方程组其中得到各节点电压幅值和相角的修正量Δθ、ΔV，修正各节点电压V和相角θ，跳转至步骤3.3)；
3.6)按下式计算所有支路功率,并令npop＝npop+1，
<mrow> <msub> <mi>S</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <msubsup> <mi>V</mi> <mi>i</mi> <mn>2</mn> </msubsup> <msub> <mover> <mi>y</mi> <mo>~</mo> </mover> <mrow> <mi>i</mi> <mn>0</mn> </mrow> </msub> <mo>+</mo> <msub> <mover> <mi>V</mi> <mo>&amp;CenterDot;</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mover> <mi>V</mi> <mo>~</mo> </mover> <mi>i</mi> </msub> <mo>-</mo> <msub> <mover> <mi>V</mi> <mo>~</mo> </mover> <mi>j</mi> </msub> <mo>)</mo> </mrow> <msub> <mover> <mi>y</mi> <mo>~</mo> </mover> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> </mrow>
其中，i为支路首节点，j为支路末节点，波浪号表示取复数的共轭值，为对节点i对地的导纳值的共轭值，为线路节点i到节点j之间的导纳值的共轭值；
3.7)根据步骤3.6)计算出的线路潮流进行线路热稳定校验；
3.8)判断npop＞＝NP是否成立，其中NP为粒子种群规模，如不成立，则跳转至步骤3.3)；如果成立则进行步骤4)；
4)计算每个粒子的负荷均衡度λ；其中，所述负荷均衡度λ的计算公式如下：
<mrow> <mi>&amp;lambda;</mi> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>d</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> <mo>-</mo> <mover> <mi>&amp;delta;</mi> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mi>d</mi> </mfrac> </mrow>
其中，d为220kV片区电网中负荷节点的个数；δi为变电站i的容载比CLR与其基准容载比CLRS的差，即δi＝CLR-CLRS；为δi之和的平均值，即
<mrow> <mover> <mi>&amp;delta;</mi> <mo>&amp;OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>d</mi> </munderover> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> </mrow> <mi>d</mi> </mfrac> </mrow>
其中，基准容载比CLRS由变电站中主变台数、主变容量和主变短时过载系数确定；
5)计算每个粒子的自适应度值；其中，所述自适应度值根据步骤3.7)所述的潮流热稳定校验是否通过按照以下方式计算，包括以下步骤：
5.1)若潮流热稳定校验不通过，则按照该粒子的负荷值动态的取一个比较小的自适应度值；
5.2)若潮流热稳定校验通过，则该粒子的自适应度值按照220kV片区电网供电能力计算数学模型的目标函数计算，
f(xC)＝TSC·ω1+TSC·(1-λ)·ω2
其中，TSC按照以下公式计算，
其中，Sdi为变电站i的视在功率，为变电站i的功率因数角；xC为控制变量，为各PQ节点的视在功率：ω1和ω2分别为TSC和均衡平衡的权重，并且满足ω1+ω2＝1；
其中，所述220kV片区电网供电能力数学模型为：
max f(xC)＝TSC·ω1+TSC·(1-λ)·ω2
其中，nc为N-1预想事故的个数；当kc＝0，表示基态时的状态，这里的基态指电力***正常稳定运行时的状态；当kc＞0，表示在第kc个预想事故时的状态；因此，和分别为第i个节点在第kc个状态下的有功和无功不平衡量；为第kc个状态下节点i和节点j之间的相角差；和分别为第i个节点和第j个节点在第kc个状态时的电压幅值；Vi 和分别为节点i电压幅值的下限和上限；为第kc个状态下节点i和节点j之间支路的视在功率；为第kc个状态下节点i和节点j之间支路的热稳定极限功率；和分别为在第kc个状态下第i台发电机或第i个上级节点的有功出力和无功出力；PG,i 和 QG,i 和分别为第i台发电机或第i个上级节点有功出力、无功出力的下限和上限；为第i个节点在第kc个状态时的视在功率；Si 和分别为第i个节点视在功率的下限和上限；
6)根据自适应度值更新粒子的速度信息；
按照如下公式更新粒子速度：
<mrow> <msubsup> <mi>v</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>&amp;omega;v</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mo>+</mo> <msup> <mi>c</mi> <mo>&amp;prime;</mo> </msup> <msubsup> <mi>r</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>&amp;prime;</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msubsup> <mrow> <mo>(</mo> <msubsup> <mi>p</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>x</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>+</mo> <msup> <mi>c</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <msubsup> <mi>r</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msubsup> <mrow> <mo>(</mo> <msubsup> <mi>g</mi> <mi>j</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>t</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>x</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> </mrow>
其中，和分别为粒子i在第k次迭代在第j维空间的负荷值、速度和自身经过的最优的负荷值；在第k次迭代所有粒子在第j维空间的全局最优的负荷值；r′ij和r″ij分别为自身经验随机数和社会经验随机数，取值范围[0,1]；ω为惯性权重；c'和c”为加速因子；
7)根据更新粒子的负荷值，并更新迭代次数k＝k+1；
8)是否达到收敛条件，如果是则输出最优的负荷值，如果没有达到收敛条件则重复3)～8)步骤，直到满足收敛条件。
2.根据权利要求1所述的一种220kV片区电网供电能力优化方法，其特征在于，在步骤1)中，对220kV片区电网供电能力优化模型的初始化，包括以下步骤：
1.1)设置粒子群算法的基本参数，包括惯性权重ω、加速因子c'和c”、粒子种群规模NP、收敛精度ε和最大迭代次数K；
1.2)设置牛顿拉夫逊法的基本参数，包括收敛精度εNR和最大迭代次数T；
1.3)提取和输入220kV片区电网的网架参数，包括输入500kV变电站主变的220kV侧的电压Vn和相角θn、网架的参数、负荷参数以及电压约束和相角差的约束；其中，网架的参数包括各支路电阻Rli、电抗Xli、对地电纳值Bli以及最大载流量Imax,li，负荷参数包括各负荷点的最大负荷值以及最小负荷值Sdi 。
CN201610011700.XA 2016-01-06 2016-01-06 一种220kV片区电网供电能力优化方法 Active CN105576653B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610011700.XA CN105576653B (zh) 2016-01-06 2016-01-06 一种220kV片区电网供电能力优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610011700.XA CN105576653B (zh) 2016-01-06 2016-01-06 一种220kV片区电网供电能力优化方法

Publications (2)

Publication Number Publication Date
CN105576653A CN105576653A (zh) 2016-05-11
CN105576653B true CN105576653B (zh) 2018-02-27

Family

ID=55886490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610011700.XA Active CN105576653B (zh) 2016-01-06 2016-01-06 一种220kV片区电网供电能力优化方法

Country Status (1)

Country Link
CN (1) CN105576653B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108899896B (zh) * 2018-06-28 2020-07-28 华南理工大学 一种基于改进benders分解法的供电能力评估方法
CN109657884B (zh) * 2019-02-15 2023-01-13 广东电网有限责任公司 电网供电优化方法、装置、设备和计算机可读存储介质
CN110994595B (zh) * 2019-11-25 2021-06-25 广东电网有限责任公司 一种电网关键设备重载及越限分布监测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103457263A (zh) * 2013-09-17 2013-12-18 国家电网公司 一种基于最大供电能力的智能主动配电网重构方法
CN104462815A (zh) * 2014-12-05 2015-03-25 国家电网公司 一种基于潮流分布均衡度的目标网架安全性分析方法
CN104484555A (zh) * 2014-11-26 2015-04-01 广州电力设计院 评估220kV自愈式环网最大供电能力的方法
CN104484832A (zh) * 2014-11-26 2015-04-01 广州电力设计院 评估220kv拉手网最大供电能力的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101221083B1 (ko) * 2011-05-25 2013-01-11 주식회사 파워이십일 배전 시스템의 상태추정 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103457263A (zh) * 2013-09-17 2013-12-18 国家电网公司 一种基于最大供电能力的智能主动配电网重构方法
CN104484555A (zh) * 2014-11-26 2015-04-01 广州电力设计院 评估220kV自愈式环网最大供电能力的方法
CN104484832A (zh) * 2014-11-26 2015-04-01 广州电力设计院 评估220kv拉手网最大供电能力的方法
CN104462815A (zh) * 2014-12-05 2015-03-25 国家电网公司 一种基于潮流分布均衡度的目标网架安全性分析方法

Also Published As

Publication number Publication date
CN105576653A (zh) 2016-05-11

Similar Documents

Publication Publication Date Title
CN106655227B (zh) 一种基于智能软开关的有源配电网馈线负载平衡方法
CN104600695B (zh) 基于在线状态估计和实时调度计划的趋势潮流计算方法
CN103904646B (zh) 一种考虑三相潮流的微电网多目标能量优化方法
CN107392395A (zh) 一种基于价格激励机制的配电网和微电网协调优化方法
CN106374513B (zh) 一种基于主从博弈的多微网联络线功率优化方法
CN102868161A (zh) 一种含分布式电源配电***网络变结构优化方法
CN104852399B (zh) 光储微网***的储能容量动态优化方法
CN102723721A (zh) 基于个体最优位置自适应变异扰动粒子群算法的电力***无功优化方法
CN106655226A (zh) 基于智能软开关的有源配电网不对称运行优化方法
Tang et al. Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques
CN103746374A (zh) 含多微网配电网的合环控制方法
CN105576653B (zh) 一种220kV片区电网供电能力优化方法
CN105449675A (zh) 优化分布式能源接入点和接入比例的电力网络重构方法
CN107516892A (zh) 基于处理有功优化约束条件提高电能质量的方法
CN104505821A (zh) 一种控制短路电流水平的电网运行方式优化方法
CN105529703B (zh) 一种基于供电能力瓶颈分析的城市电网改造规划方法
CN106532717A (zh) 基于综合灵敏度分析的线路过载联切负荷协调优化方法
CN105870942A (zh) 一种基于近似动态规划算法的一次调频附加学习控制方法
CN103346573B (zh) 基于黄金分割云粒子群优化算法的风电***无功规划方法
CN104484555B (zh) 评估220kV自愈式环网最大供电能力的方法
CN104967121A (zh) 一种大规模电力***节点的潮流计算方法
CN105896565B (zh) 基于比重变异粒子群算法的配电网无功优化方法
CN107069708A (zh) 一种基于极限学习机的输电网线路有功安全校正方法
CN107196343A (zh) 一种多端柔性直流孤岛电网送端的日前电压计划生成方法
CN110277783A (zh) 一种电力***的在线主动解列控制方法及***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant