CN108122068A - 一种配电网风险规划方法及*** - Google Patents
一种配电网风险规划方法及*** Download PDFInfo
- Publication number
- CN108122068A CN108122068A CN201711266210.5A CN201711266210A CN108122068A CN 108122068 A CN108122068 A CN 108122068A CN 201711266210 A CN201711266210 A CN 201711266210A CN 108122068 A CN108122068 A CN 108122068A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- programme
- power
- network
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 282
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000013439 planning Methods 0.000 claims abstract description 125
- 230000036541 health Effects 0.000 claims abstract description 92
- 210000000349 chromosome Anatomy 0.000 claims abstract description 85
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 230000002068 genetic effect Effects 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 69
- 230000003862 health status Effects 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 22
- 230000007547 defect Effects 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 13
- 239000000243 solution Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 208000001613 Gambling Diseases 0.000 claims description 5
- 240000002853 Nelumbo nucifera Species 0.000 claims description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 230000013011 mating Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000010353 genetic engineering Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 244000131316 Panax pseudoginseng Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 238000004043 dyeing Methods 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 12
- 230000009466 transformation Effects 0.000 abstract description 10
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 230000032683 aging Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000013456 study Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000454 anti-cipatory effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000001726 chromosome structure Anatomy 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 125000002950 monocyclic group Chemical group 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种配电网风险规划方法及***,采集配电网原始数据生成备选规划方案;将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;所述配电网原始数据包括配电网健康指数。本发明一方面融合了资产管理理念,使供电可靠性评估结果更加准确,能够有效降低或推迟设备的改造与更换费用,节约配电网投资;另一方面能够应对分布式能源DER出力不确定性,有力地推动现代配电网规划技术从单一目标规划到多元目标优化规划和资产管理集成规划的转变,降低电网投资风险,提高配电网的经济社会效益。
Description
技术领域
本发明涉及配电网规划与资产管理技术领域,具体涉及一种配电网风险规划方法及***。
背景技术
随着社会经济发展和电力市场化趋势,尤其是近年来随着智能电网理念的形成和实施,电力企业的管理方法逐渐围绕企业经营目标而制定,过去以安全/技术为主导的目标将转向以安全/技术/绩效/经济/环境综合优化为主导。在配电企业中资产管理的主要目标是指导配电网资产的购买、使用和报废处理,以最具成本/效益的方式向客户提供所需的供电水平,包含物理资产全寿命周期的战略规划、维修、使用和运行。因此,资产管理是一门平衡费用、性能和风险的艺术,从这点来看,它对配电网规划具有深远意义,因为传统方法仅平衡费用和性能,不考虑风险,也未考虑设备健康状态。与此同时,现代配电网的复杂性、离散性、动态性、非线性、多目标性和不确定性,对规划提出了更高要求。
以前配电网投资主要用于满足负荷增长,用户对供电可靠性要求不高,网架结构主要采用辐射型、无分段开关,变压器支路配备熔断器的方式。在这种模式下,配电网采用粗放式的确定性规划方法,规划目标一般是总费用最小,网架规划通过N-1导则隐含实现供电可靠性,很少考虑缺供电成本及可靠性效益。确定性的N-1准则(单元件故障准则)要求单个***元件的停运不会造成任何损害或负荷削减,但存在两个主要缺点,一是没有考虑多元件失效;二是只分析了单元件失效事件的后果,而忽略了其发生的概率。对于一个后果非常严重的失效事件,如果其发生的概率小到可以忽略不计的话,则并不会造成严重的风险后果。满足这一类失效事件的确定性规划方案会导致过度投资。反之,如果选择的失效事件不是非常严重,但发生的概率比较高,基于这一类失效事件的确定性分析得出的规划方案仍具有较高的风险。基于概率的风险规划可以同时考虑事件的严重程度和事件发生的概率,两者的结合可以得到如实反映***风险的指标。
随着电力市场的兴起和人们对配电网供电可靠性要求的提高以及供电企业对配电网效率和效益的追求,使得配电网规划不仅以节省网络投资和降低运维费用(运行损耗和维护费用) 为目的,供电可靠性水平也越来越受到规划部门的重视,并且在规划阶段提出了明确的供电可靠性目标。因此,配电网规划在关注费用的同时更加注重投资带来的收益,即从单Q(数量,即容量和需求)规划开始向双Q(数量和质量,质量指供电可靠性)进行转变,即从传统配电网规划开始向可靠性规划转变。
然而,由于故障历史统计数据不全,设备故障发生概率(POF,Probability ofFailure)一般人为确定,导致供电可靠性预测评估不准确。其次只有对大量设备应用概率方法并采用失效预计方式,才能准确地预测出失效时间(剩余寿命),但对单台设备的剩余寿命进行确定性的预测仍然不可靠。
此外,随着越来越多的分布式能源(DER)接入配电网,DER出力的不确定性、波动性和易受环境影响,增加了配电网规划的难度与复杂性。
在传统配电网规划方法中,对现有网络状况的考虑主要包括网络拓扑结构、容量裕度、供电能力或转供能力等,基本上不考虑资产老化、健康状态恶化等方面对配电网规划的影响。在基于供电可靠性的配电网规划方法中,虽然计算了***供电可靠性及其分布情况,但由于故障统计数据积累不足,计算所用的故障率参数不准确,基本不能反映设备的健康状态,因此也无法考虑资产老化、健康状态恶化等配电网现状。此外,随着越来越多的分布式能源 (Distributed Energy Resource,DER)接入配电网,DER接入方案研究也需要考虑配电设备资产老化与健康状况。但目前的DER接入规划研究以及主动配电网规划方法均未能考虑配电设备的健康状态。
发明内容
为解决上述现有技术中的不足,本发明的目的是提供一种配电网风险规划方法及***,通过引入健康指数(HI,Health Index),不但可以准确预测设备的可靠性,使供电可靠性评估结果更加准确,而且可以准确预测设备的剩余寿命,能够有效降低或推迟设备的改造与更换费用,节约配电网投资。
本发明的目的是采用下述技术方案实现的:
本发明提供一种配电网风险规划方法,其改进之处在于:
采集配电网原始数据生成备选规划方案;
将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;
所述配电网原始数据包括配电网健康指数。
进一步地:所述配电网原始数据还包括:网络拓扑、线路参数、各节点发电机出力及负荷数据、潮流参数、可靠性参数、设备造价和停电损失。
进一步地:所述配电网健康指数包括评分区间,并基于评分将所述配电设备和配电网络划分等级和设定规划方案;所述评分区间为(0,5]。
进一步地:所述基于评分将所述配电网划分等级和设定规划方案,包括:
当健康指数得分为[4,5]时,配电网处于健康的正常状态;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[3,4)时,配电网处于亚健康状态;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[2,3)时,配电网处于一般缺陷;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[1,2)时,配电网处于严重缺陷;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为(0,1)时,配电网处于危急缺陷;规划方案对应为非容量规划与容量规划,包括网络新建、改造和非网络手段。
进一步地:所述采集配电网原始数据生成备选规划方案,包括:
基于采集到的配电网原始数据和所述设备健康指数确定待新建线路、待改造线路和待选非网络手段集合。
进一步地:对所述配电网多目标优化规划模型求解之前,还包括:
预先设定规划水平年的规划目标,如供电可靠性目标等;
通过对现状网进行潮流计算、N-1计算和供电可靠性评估,确定现状配电网的薄弱环节,包括线路重过载、电压越限、可靠性分布情况等;
负荷预测与分类,包括:根据负荷的控制程度,将负荷分成不可控负荷和可控负荷,对所述可控负荷进一步分为可削减负荷和可转移负荷;预测各类负荷的年、周、日负荷曲线;
DG出力预测,包括DG总装机容量预测、分布式电源可信出力预测、区域规划年分布式电源可信出力预测,并生成DG出力曲线;
将所述负荷预测曲线与所述DG出力曲线叠加相减。
进一步地:所述预先建立的配电网多目标优化规划模型包括配电网多目标优化规划模型的目标函数;
所述配电网多目标优化规划模型的目标函数为:
式中,CI为新建支路投资成本;b(l)为新建支路集;lI_k为第k条新建支路的长度;CI_k为第k条新建支路的单位长度综合投资成本;xk为0-1变量示性函数,当支路k为新建时取1,否则取0;CR为更换支路的投资成本;r(l)为可更换支路线段集,包括所有健康状态在规划水平年处于危急缺陷状态的支路段;所述危急缺陷状态0<HIk≤1状态;lR_k为更换的第k 条支路的长度;CR_k为更换第k条支路的单位长度综合投资成本;yk为0-1变量,当更换支路 k时,yk取1,否则取0;λ为配电网维护检修率;CM为配电网的年维护成本;CO为配电网的年运行成本;u(l)为配电网现状支路集;zk为用于反映第k条支路是否包括在规划方案之中,其中zk=1时,规划方案中包括第k条支路;否则,所述第k条支路不包括在规划方案之中; Cp为电价;τmax,k为第k条支路的最大负荷损耗小时数;Rk为支路k的电阻;Pk为支路k的有功功率;Qk为支路k的无功功率;Vk为支路k的节点电压幅值;CF为可靠性风险费用;ds为单位停电损失;Nloc_k、Niso_k与Nrep_k分别为第k条支路的故障查找定位期间、隔离期间与修复期间停运的负荷点数量;tloc_k、tiso_k与trep_k分别为第k条支路的故障查找定位时间、隔离时间与修复时间;Pi为第i个节点的负荷值;λk为第k条支路的故障率;CDSR为需求侧响应费用;SDSR_n为第n个参与DSR的用户用电量减少的总量;UDSR_n为第n个用户参与需求侧响应对应的单位电量补偿费用;NDSR为参与DSR的负荷数目;αn为需求侧响应示性函数,0, 1决策变量,如果第n个用户参与需求侧响应,αn取1,否则取0;CDG_P为DG有功出力削减的费用;SDG_pn为第n个DG由于出力被削减造成的损失电量;UDG_pn为第n个DG单位电量削减对应的补偿费用;NDG_gc为可控DG总数目;βn为出力被削减示性函数,0,1决策变量,如果第n个DG由于出力被削减,βn取1,否则取0;CDG_Q为DG提供无功支撑的费用;SDG_qn为第n个DG提供的无功电量;UDG_qn为从DG购买1kVarh单位的无功电量所支付的费用; NDG_gc为可控DG总数目;γn为无功电量示性函数,0,1决策变量,如果第n个DG提供的无功电量,γn取1,否则取0。
进一步地:所述配电网多目标优化规划模型还包括约束条件,包括:功率平衡约束、线路潮流约束、节点电压约束、压降限值约束、分布式电源DG与分布式储能DES出力约束、供电可靠性目标约束和网络的连通性约束和网络的辐射状运行约束;
所述功率平衡约束如下式:
PGi-PLi=Pi,i=1,2,...,Ns
QGi-QLi=Qi,i=1,2,...,Ns
线路潮流约束:
Pk≤Pkmax,k=1,2,…,NL
节点电压约束:
Ujmin≤Uj≤Ujmax,j=1,2,…,Ns
压降限值约束:
Ukmin≤ΔUk≤Ukmax,i=1,2,…,NL
分布式电源DG与分布式储能DES出力约束:
需求侧响应手段DSR负荷削减约束:
供电可靠性目标约束:
RS≥RSO
网络的连通性约束包括电网中的任何一个节点必须与配电网络相联,且有电源点供电;
网络的辐射状运行约束包括配电网保持在开环运行状态,任何一个负荷均只能由一个电源供电;
式中:PGi和QGi分别表示节点i处的有功和无功发电功率;PLi和QLi分别表示节点i处的有功和无功负荷;Pi和Qi分别表示节点i处有功和无功的注入量;Ns为节点总数,NL为节点总数,Pk和Pkmax分别为流过支路k的功率及其最大允许容量,Uj为节点j的电压幅值,Ujmin、Ujmax分别为节点j电压幅值的上下限值,ΔUk为支路k两端的电压降,Ukmax为支路k压降的最大值,Ukmin为支路k允许压降的最小值,PDG_n、QDG_n分别为第n个分布式电源的有功、
无功功率出力;分别为第n个分布式电源的有功、无功功率出力最大值; 分别为第n个分布式电源的有功、无功功率出力最小值;为第m个参与DSR的负荷削减上限;PDSR_m为第m个参与DSR的用户负荷削减总量;RS为配电***规划水平年的供
电可靠率;RSO为规划水平年的供电可靠率目标。
进一步地:所述将所述备选规划方案设定为染色体,采用遗传算法对所述配电网多目标优化规划模型求解得到最优配电网风险规划,包括:
将所述备选规划方案用二进制编码组成染色体,形成染色体种群;
计算染色体种群中每个备选规划方案的适应度函数;
对染色体种群依次进行选择、交叉和变异操作;
输出达到收敛条件的求解结果。
进一步地:所述将所述备选规划方案用二进制编码组成染色体,形成染色体种群,包括:
对待新建线路、待改造线路和待选非网络手段集合,用二进制进行编码组成染色体,染色体的长度应等于待新建线路数、待改造线路数与待选非网络手段个数之和,每个染色体表示一个备选规划方案,共形成N个染色体组成初始种群;当基因值为1时,表示其相应的待新建线路被选中加入网络、待改造线路需要更换或待选非网络手段被采用;反之基因值为0。
进一步地:所述染色体群体中每个备选规划方案的适应度函数表示为:
示=R+μW+ρ|TSAIDI|
式中,G示为适应度函数;示为配电网多目标优化规划模型的目标函数的修正值;Fmax为给定的常数;R为配电网多目标优化规划模型的目标函数,W为符合网络的连通性约束和网络的辐射状运行约束的网络过负荷容量;TSAIDI为当前方案的供电可靠性与供电可靠性目标 SAIDI的差值;μ、ρ为惩罚系数。
进一步地:所述对染色体种群进行选择操作包括:
计算染色体种群中每个备选规划方案的选择概率;
计算每个备选规划方案的累积概率;
使用模拟赌盘操作确定参加交配的备选规划方案。
进一步地:所述每个备选规划方案的选择概率表示为:
其中:GFi(x),GFj(x)分别为备选规划方案的i,j的适应度函数,N为以备选规划方案为染色体的种群规模;i,j为以备选规划方案为染色体,
进一步地:所述每个备选规划方案的累积概率表示为:
其中:GFi(x),GFj(x)分别为备选规划方案的i,j的适应度函数,N为以备选规划方案为染色体的种群规模;i,j为以备选规划方案的染色体,qi为累积概率。
进一步地:使用模拟赌盘操作确定参加交配的备选规划方案,包括:从区间(0,1)中产生一个随机数r,若qj-1<r<qj,则选择第j个备选规划方案的染色体,复上述操作,复制备选规划方案的染色体,直至达到设定的染色体种群规模。
进一步地:所述对染色体种群进行交叉操作包括:选择大的交叉率对染色体种群进行交叉操作。
进一步地:在所述输出达到收敛条件的求解结果之前,还包括:执行保留操作;取保留优良品种数目占备选规划方案染色体种群总数的10%~15%。
进一步地:所述输出达到收敛条件的求解结果包括:
当达到设给定最大遗传代数、最佳方案重复出现次数或相邻两代适应度函数平均值的变化范围时,输出若干适应度函数值最高或次高的染色体,解码还原成配电网规划方案,并输出各配电网规划方案的技术经济指标。
本发明还提供一种配电网风险规划***,其改进之处在于:
采集模块,用于采集配电网原始数据生成备选规划方案;
求解模块,用于将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;
所述配电网原始数据包括配电网健康指数。
进一步地:所述采集模块,还用于基于采集到的配电网原始数据和所述设备健康指数确定待新建线路、待改造线路和待选非网络手段集合。
进一步地:还包括建立模块,用于预先建立配电网多目标优化规划模型,所述建立模块包括:
第一构建单元,用于建立配电网多目标优化规划模型的目标函数;
第二构建单元,用于建立配电网多目标优化规划模型的目标函数的约束条件。
进一步地:所述求解模块,包括:
形成单元,用于将所述备选规划方案用二进制编码组成染色体,形成染色体种群;
计算单元,用于计算染色体种群中每个备选规划方案的适应度函数;
遗传操作单元,用于对染色体种群依次进行选择、交叉和变异操作;
输出单元,用于输出达到收敛条件的求解结果。
与最接近的现有技术相比,本发明提供的技术方案具有的有益效果是:
本发明通过采集配电网原始数据生成备选规划方案;将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;所述配电网原始数据包括配电网健康指数。本发明通过引入健康指数(HI,HealthIndex),不但可以准确预测设备的可靠性,使供电可靠性评估结果更加准确,而且可以准确预测设备的剩余寿命,能够有效降低或推迟设备的改造与更换费用,节约配电网投资。
基于健康指数理论的配电网风险规划是一种更先进、更科学的规划手段,它继承了基于供电可靠性的配电网规划、主动配电网规划和资产管理的先进理念,充分考虑设备健康状态,并以此为基础实现投资成本最大化。基于健康指数理论的配电网风险规划与其他规划方法的比较见表4,其主要优势体现在以下几方面:
(1)有利于制定设备更换策略。
电力企业能准确地预测剩余寿命,就可充分利用设备有效寿命的同时,仍可避免设备失效造成的停电。通过掌握设备与网络过去、目前及未来的健康状态,有助于预测其剩余寿命,使设备更换策略的制定更加有据可依。
(2)可靠性预测评估更加准确。
根据电力设备目前及未来的健康水平,可以估算出设备现在及未来的故障率,从而使供电可靠性的预测评估更加准确。
(3)能够为分布式电源接入提供有力的依据。
分布式电源接入配电网的位置和方式,除了要考虑自然因素(风、光条件)、接入电压等级、容量限制等因素,还应该考虑接入位置的设备或网络的健康状态,依据配电网的健康状态对配电网进行等级划分,优先选择健康状态良好的配电网接入分布式电源。因此,健康指数理论能够为分布式电源接入提供有力的依据。
附图说明
图1是本发明提供的基于健康指数理论的配电网风险规划与其他规划方法的关系示意图;
图2是本发明提供的基于健康指数理论的配电网规划的内容示意图;
图3是本发明提供的基于健康指数理论的配电网规划流程图;
图4是本发明提供的基于健康指数的配电网规划模型求解流程图;
图5是本发明提供的遗传算法中的染色体结构示意图;
图6是本发明提供的配电网网架一点交叉的情况示意图;
图7是本发明提供的具体实施例的配电网的基本结构示意图;
图8是本发明提供的具体实施例的配电网规划方案的网架结构示意图;
图9是本发明提供的一种基于健康指数理论的配电网规划方法的流程简图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本发明中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
对本发明用到的技术术语作如下解释:
一、健康指数定义与等级划分
复杂配电网是一个实时平衡,离散和连续量相结合的复杂动态***,它的运行状况与人体健康有许多相似之处。根据国内配电网的特点,分别从设备与网络层面给出了健康指数的定义如下:
(1)配电设备健康指数是衡量和表征被研究对象(单个设备或群体设备)健康状态的一个数值,可基于对象的关键特征量经过复杂的逻辑和数学运算获得。健康指数具有逻辑性强、时间上连续的特点;可用于判定被研究对象是否需要干预(维修),可估算被研究对象的剩余寿命(Remaining Life)。考虑因素主要包括:服役年龄(age)、使用能力(capability)、家族病史(family history)、潜在缺陷/事故(potential defect/failure)、外部因素、实验数据和负载信息等。
(2)配电网络健康指数是衡量和表征配电网络健康状态的一个数值,可综合衡量配电网络的能力、性能表现(安全、可靠、经济、绿色四个维度),可基于对象的关键特征量经过复杂的逻辑和数学运算获得,为配电网资产管理、规划、检修和运行提供了一个新视角和新维度。所考虑主要因素包括:设备健康指数、网络拓扑结构、外部因素、运行现状与历史数据。
二、生成树算法
无向图G的生成树问题,在电气工程和计算机科学领域应用广泛;如何快速地获得其完备生成树是一经久讨论的课题。关于生成树的算法,大致可分为以下2类:1)回溯递归方法。2)树的初等变换方法。除了上述2大类主要代表性的图G生成树方法之外,还有一些通过图G中的部分树来实现生成树的方法,但这些方法相对效率不高。上述方法的共同问题是均是按一定的规则及顺序进行实现,不便于进行编码实现,从而在将生成树方法应用于实际网络优化(如配电网络重构等)方面进行分析时,难以进行简洁高效的编码而提高相应优化的计算效率。
一种称之为Mayeda方法的基于树的初等变换,即通过树支交换生成互不相同的图G的所有树方法。其基本思路是从基本树t0出发,按照树支交换规则首先生成互不相同的与树t0 距离为1的所有树,进而生成与基本树t0距离为2的所有互不相同的树,依此重复进行,直到生成与基本树t0距离最大的(该距离记为Dmax)G的所有树,所有这些树就组成了图G的完整树;本发明将该方法称之为基本Mayeda生成树方法,简称基本算法。由于该方法的生成树是按一定次序形成的,因此,若对这些树进行编码,编码的灵活性及方便性将受到很大程度的限制。
为了便于对生成树进行编码,将经过N-1次连续树支交换而生成新树t*的过程,称之为 Mayeda生成树实用算法,简称实用算法。实用算法与基本算法的区别是:实用算法一次算法过程生成一棵新生成树,且任何新生成树均经过了N-1次连续树支交换,而基本算法是按次序生成与基本树距离从1到最大(Dmax)的所有树,每一颗树的生成不一定经过N-1次连续树支交换。
实用算法的基本过程如下:
1)初始化。记tk(k=0~N-1)为从t0开始,对t0的连续树支序列Bt0中的前k条支路进行交换后得到的树;k=1;转步骤2)。
2)对于树tk-1,Bt0中第k条支路bk仍为树tk-1的树支(即bk=ek),在tk-1中对ek进行交换得到tk,即
上式表示从候选集Sek(t0)∩Sek(tk-1)中选择支路bj替换tk-1中的ek,从而得到树tk。转步骤 3)。
3)k=k+1;如果k=N,则表明序列Bt0中的N-1条支路均交换完成,并得到树tN-1,称该树为新树t*,结束;否则,返回步骤2。
按照实用算法,从基本树t0开始生成图G的一棵树t*,共需进行N-1次支路交换操作,若将这N-1次支路交换操作称为一个生成树方案,则每个生成树方案确定一棵树t*。只要2 个生成树方案中存在一次不同的支路交换,则生成不同的树,所有这些不同的树,组成图G 的树集合。
健康指数等级划分的内容描述:
本发明采用的健康指数取值范围为:(0,5],共分为5个等级:健康、亚健康、一般缺陷、严重缺陷、危机缺陷。不同的健康指数等级所对应的配电设备与配电网络的功能执行情况、性能、以及抵抗风险及环境适应能力不同。其中,功能是指配电设备/网络满足需要的属性(参考标准《中华人民共和国国家标准GB8223-87)》)。功能的评价是二元的:功能齐全或功能缺失。性能是指配电设备/网络在完成应有功能过程中所表现出的差异性的度量。性能的评价可能是多维度的,每个维度都有对应的关键特征量。对于配电设备和配电网络,不同健康等级所对应的释义不同,具体详见表1和表2。
表1配电设备健康指数等级划分
备注:x=0时,表明设备已无法维修。
(2)配电网络健康指数等级划分
表2配电网络健康指数等级划分
在传统配电网规划方法中,对现有网络状况的考虑主要包括网络拓扑结构、容量裕度、供电能力或转供能力等,基本上不考虑资产老化、健康状态恶化等方面对配电网规划的影响。在基于供电可靠性的配电网规划方法中,虽然计算了***供电可靠性及其分布情况,但由于故障统计数据积累不足,计算所用的故障率参数不准确,基本不能反映设备的健康状态,因此也无法考虑资产老化、健康状态恶化等配电网现状。此外,随着越来越多的分布式能源 (Distributed Energy Resource,DER)接入配电网,DER接入方案研究也需要考虑配电设备资产老化与健康状况。但目前的DER接入规划研究以及主动配电网规划方法均未能考虑配电设备的健康状态。
实施例一、
本发明的目的是提出融合可再生能源接入、供电可靠性与设备健康指数理论为一体的、与国际接轨的现代配电网规划技术,对进一步提升配电网规划水平起到指导和支撑作用,有力地推动现代配电网规划技术从单一目标规划到多元目标优化规划和资产管理集成规划的转变,为进一步提高智能配电网高效、高可靠供电奠定理论基础,实现理论和技术理念的超前发展。
本发明提供一种配电网风险规划方法,其流程图如图9所示,包括:
S11、采集配电网原始数据生成备选规划方案;
所述配电网原始数据包括配电网健康指数,还包括:网络拓扑、线路参数、各节点发电机出力及负荷数据、潮流参数、可靠性参数、设备造价和停电损失。
所述配电网健康指数包括评分区间,并基于评分将所述配电设备和配电网络划分等级和设定规划方案;所述评分区间为(0,5]。
所述基于评分将所述配电网划分等级和设定规划方案,包括:
当健康指数得分为[4,5]时,配电网处于健康的正常状态;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[3,4)时,配电网处于亚健康状态;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[2,3)时,配电网处于一般缺陷;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[1,2)时,配电网处于严重缺陷;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为(0,1)时,配电网处于危急缺陷;规划方案对应为非容量规划与容量规划,包括网络新建、改造和非网络手段。
所述采集配电网原始数据生成备选规划方案,包括:
基于采集到的配电网原始数据和所述设备健康指数确定待新建线路、待改造线路和待选非网络手段集合。
所述的容量规划与非容量规划两部分内容,详见附图2。由于DG/DES(DistributedEnergy Storage)已经存在于配电网中,优先选择DG/DES与负荷进行匹配分析,然后在配电网规划过程中考虑网络手段和非网络手段,如需求侧响应(DSR),以应对可能出现的非正常运行情况。
在容量规划中,对于新增负荷点,采取的规划方案是新建线路以满足新增负荷的供电需求。在某一规划水平年下,新增负荷点个数一般可以预测确定,新增线路条数取决于新增负荷点个数和网架结构(接线方式,影响供电可靠性的因素之一);新建线路截面取决于负荷点的最大负荷和网架结构,这时需要权衡是采用大截面导线还是采用需求侧响应手段(DSR, Demand Side Response)。在负荷增长初期,负荷增长比较缓慢,由于存在DG,可能导致线路出现过电压情况,鉴于对未来负荷增长的需要,不能采用小截面导线,可考虑使用有载调压变压器进行调节或或在新建线路上安装电压调节器,以避免出现负荷削减情况。
对于现有负荷点上的负荷增长情况,需要判断现有线路是否满足技术约束条件,比如是否过负荷、是否电压越限。如果出现过负荷情况,可以考虑3种规划手段,即新建线路、更换大截面导线以及DG提供有功支撑并采用DSR手段。如果出现低电压情况,可以考虑2种规划手段,即安装电容器或电压调节器,DG提供无功支撑。
在非容量规划中,对处于危急缺陷(一般0<HI≤1)的4类设备(架空线路、电缆线路、开关和变压器)考虑进行更换,一般更换为同容量的新型设备,最终是否更换取决于风险规划结果。对于架空和电缆线路,考虑到负荷增长,有更换大截面导线的需求,可以考虑更换大截面导线。
对所述配电网多目标优化规划模型求解之前,还包括:
基于健康指数理论的配电网风险规划需要考虑设备运行状态,及时跟踪设备健康状态,准确掌握设备现状和预测情况,将配电网规划与状态评价、***运行有效地结合起来,具体流程(详见附图3)如下:
(1)制定规划目标。
选定规划水平年,制定相应年份配电网的规划目标,如潮流计算、N-1计算和供电可靠性评估,如供电可靠性评估达到99.999%。
(2)输入原始数据。
包括网络拓扑、线路参数、各节点发电机出力及负荷数据、设备HI、潮流参数、可靠性参数、设备造价、停电损失等。
(3)现状网薄弱环节分析。对现状网进行潮流计算、N-1计算和供电可靠性评估,确定现状网的薄弱环节,为规划方案的制定奠定基础。
(4)负荷预测与分类。
进行规划水平年的负荷预测,确定新增负荷点和现有负荷点的负荷增长情况,提供年、周、日负荷曲线,并通过对负荷进行分类确定友好型负荷。
(5)考虑DG的负荷预测。
进行考虑DG的负荷预测,选取四季典型日,进行负荷与分布式电源、储能出力的匹配分
析,以达到削峰填谷的目的。
S12、基于健康指数理论的配电网多目标规划模型
本发明以配电网网架为研究对象,以配电网及其设备健康指数为现状,以安全、可靠、经济、环保为规划目标,以新建线路、改造线路和控制手段为决策变量,在给定DG/DES接入位置与容量前提下,根据***的负荷增长情况,综合考虑负荷预测和DG/DES的不确定性,寻求满足负荷增长与供电可靠性要求以及支路容量、节点电压、辐射运行等约束条件的最优网络规划方案,以解决确定性规划的不足和DER出力的不确定性,降低电网投资风险,提高配电网的经济效益、社会效益和管理水平。
依据现代智能配电网的概念,基于健康指数理论的配电网规划目标可以概括为4个方面:安全、可靠、经济、绿色,其在数学模型中的处理方法详见表3。
表3基于健康指数理论的配电网规划目标量化方法
(1)经济风险是由于配电网新建、改造、运维等引起的投资费用,考虑DG或DES由独立投资商投资建设,DG或DES的购买安装费用不计及在内。
(2)可靠风险是由于供电不可靠造成的缺供电损失;
(3)环保风险是由于DER(分布式能源,包括DG、DES和DSR)接入配电网,采用DER 手段对配电网提供支撑的费用。
因此,基于健康指数理论的配电网多目标风险规划的数学模型描述如下:
(1)目标函数
式(1)中,前4项之和为经济风险,是配电网新建、改造投资费用以及年运行维护费用之和,其中第1项是新建线路投资费用,第2项为更换线路投资费用,第3项为年维护费用,第4项为年运行费用,即线路损耗费用。第5项为可靠风险,即期望缺供电量损失费用,第 6项为环保风险,即采用非网络手段(DG、DSR)的费用。由于线路功率损耗是线路传输功率的二次函数,因此目标函数是非线性的。
1)第1项:新建馈线投资成本CI
新建馈线投资成本,包括设备采购成本、设计、施工安装成本等,CI的表达式如下:
b(l)——新建馈线集;
lI_k——第k条新建中压线路的长度(km);
CI_k——第k条新建中压线路的单位长度综合投资成本(元/km);
xk——0-1变量(示性函数),当馈线k为新建时取1,否则取0;
新建导线截面应按照电力行业标准DL/T5729—2016《配电网规划设计技术导则》进行选择。
2)第2项:更换馈线的投资成本CR
更换馈线的一次性支出成本,包括拆除旧设备的成本、新设备采购成本、设计以及施工安装成本等。CR的表达式如下:
r(l)——可更换馈线线段集,包括所有健康状态在规划水平年处于危急缺陷状态(当馈线段0<HIk≤1时,设备处于危急缺陷状态,应立即更换)的馈线段(综合考虑馈线段上所有开关和配电变压器的健康状态)。
lR_k——更换的第k条中压线路的长度(km);
CR_k——更换第k条中压线路的单位长度综合投资成本(元/km);
yk为0-1变量(示性函数),当更换馈线k时,yk取1,否则取0。
3)第3项:配电网的年维护成本CM
配电网的维护成本指检修人员费用、设备故障维修等费用,贯穿整个设备寿命周期内。目前绝大多数供电企业对供电设备维护、检修费用管理的办法是根据年度总费用计划,取初始投资的某一比例。CM的表达式如下:
CM=(CR+CI)λ (4)
λ——配电网维护检修率。
4)第4项:配电网的年运行成本Co
配电网的运行成本,主要包括线路损耗和变压器损耗。变压器损耗包括空载损耗和负载损耗,配电网规划中变压器损耗与配电网网架相关性较小(配电变压器损耗和等效负荷中心负荷大小最相关),因此本发明只考虑线路损耗。Co的表达式如下:
u(l)——配电网现状馈线集;
b(l)——新建馈线集;
zk——用于反映第k条中压线路是否包括在规划方案之中,如果zk=1,则规划方案中包括第k条中压线路;否则,该线路不包括在规划方案之中;
Cp——电价;
τmax,k——第k条支路的最大负荷损耗小时数;
Rk——支路k的电阻;
Pk——支路k的有功功率;
Qk——支路k的无功功率;
Vk——支路k的节点电压幅值。
5)第5项:可靠性风险费用CF
可靠性风险费用是指由于电力供应不完全可靠或预期不完全可靠时供电企业承担的缺供电量成本,可由单位停电损失费用乘以期望缺供电量(Expected energy notsupply--EENS)来进行计算,如式(6)所示。
CF=dS×PEENS (6)
式(6)中,
CF——可靠性风险费用;
ds——单位停电损失,也称为缺电损失评价率;
PEENS——期望缺供电量。
①单位停电损失ds的计算方法主要有三种:
基于用户损失函数的方法:用户损失函数由用户调查统计分析获得。这个方法有普遍的意义,尤其适用于那些以用户满意为对策目标的电力公司。
基于投资核算的基本方法:投资和***风险指标之间存在着可以量化的关系,通过对***增强改造项目和相应***风险评估的大量研究,可以得出基于投资的平均停电损失数据。
基于国民生产总值的方法:该方法利用国民生产总值(GDP)的概念,以一个地区的 GDP除以该地区的年用电量就可以得到每千瓦的价值,这个数据反映了这个地区每 kWh缺供电量的平均经济损失。
②期望缺供电量PEENS
lk——第k条线路的长度(公里);
Nloc_k、Niso_k与Nrep_k——第k条线路的故障查找定位期间、隔离期间与修复期间停运的负荷点(用户)数量;
tloc_k、tiso_k与trep_k——第k条线路的故障查找定位时间、隔离时间与修复时间;
Pi——第i个节点(或用户)的负荷值;
zk——用于反映第k条中压线路是否包括在规划方案之中,如果zk=1,则规划方案中包括第k条中压线路;否则,该线路不包括在规划方案之中;
λk——第k条线路的故障率(每公里馈线每年的故障次数),其与设备健康指数之间是一种指数关系,公式如下:
其中,K为比例系数,通过匹配健康指数和故障率两者得到;HIk为第k条线路的健康指数;C为曲率系数,依据所收集信息的完整程度,选取相应的数值。随着运行年限的增加,如果不对设备采取任何维护和检修措施,设备的健康指数会逐年上升,同时对应设备的故障发生概率也会逐年上升。
6)第6项:环保风险费用Rg
环保风险费用主要包括3部分,即需求侧响应费用(采用DSR手段的费用)、DG有功出力削减的费用、DG提供无功支撑的费用。
因此,环保风险Rg的计算公式如下:
Rg=CDSR+CDG_P+CDG_Q (9)
式(9)中,
①需求侧响应费用CDSR
SDSR_n——第n个参与DSR的用户用电量减少的总量;
UDSR_n——第n个用户参与需求侧响应对应的单位电量补偿费用;
NDSR——参与DSR的负荷(或用户,包括可中断负荷和响应负荷)数目。
αn——示性函数,0,1决策变量,如果第n个用户参与需求侧响应,αn取1,否则取0。
②DG有功出力削减的费用(补偿费用)CDG_P
SDG_pn——第n个DG由于出力被削减造成的损失电量;
UDG_pn——第n个DG单位电量削减对应的补偿费用;
NDG_gc——可控DG总数目。
βn——示性函数,0,1决策变量,如果第n个DG由于出力被削减,βn取1,否则取0。
③DG提供无功支撑的费用CDG_Q
SDG_qn——第n个DG提供的无功电量;
UDG_qn——从DG购买单位(1kVarh)无功电量所支付的费用。
NDG_gc——可控DG总数目;
γn——示性函数,0,1决策变量,如果第n个DG提供的无功电量,γn取1,否则取0。
(2)约束条件
配电网多目标网架优化规划会受到基本的电气性能约束、安全性目标约束、可靠性目标约束和分布式电源容量约束等。
1)功率平衡约束
式中:PGi和QGi分别表示节点i处的有功和无功发电功率;PLi和QLi分别表示节点i处的有功和无功负荷;Pi和Qi分别表示节点i处有功和无功的注入量;Ns为节点总数。
2)线路潮流约束
无论变电站的变压器、开关还是各类截面系列的导线都只有有限的容量,规划负荷均不能超过各设备的最大容量,这一约束条件保证了规划***的安全性和可行性。
Pk≤Pkmax,k=1,2,…,NL (14)
式中,Pk和Pkmax分别为流过支路k的功率及其最大允许容量。
3)节点电压约束
为保证电能质量和供电安全,电力***的所有电器设备都必须运行在额定电压附近,因此各节点电压均需满足电压幅值上下限约束:
Ujmin≤Uj≤Ujmax,j=1,2,…,Ns (15)
Uj为节点j的电压幅值,Ujmin、Ujmax分别为节点j电压幅值的上下限值。
4)压降限值约束
电压水平和电压稳定性是保持良好供电质量的基本要素,规划要保证馈线***良好的供电质量就要受到电压降限值的约束,即输送一定载荷的供电距离要保证馈线电压降及其变化范围都不能过大。
Ukmin≤ΔUk≤Ukmax,i=1,2,…,NL (16)
式中:ΔUk为馈线k两端的电压降,Ukmax为馈线k压降的最大值,Ukmin为馈线k允许压降的最小值,根据DL/T5729-2016《配电网规划设计技术导则》,取±7%。
5)DG与DES出力约束
式中:
PDG_n、QDG_n——第n个分布式电源的有功、无功功率出力;
——第n个分布式电源的有功、无功功率出力最大值;
——第n个分布式电源的有功、无功功率出力最小值;
6)DSR负荷削减约束
——第m参与DSR的负荷削减上限。
PDSR_m——第m个参与DSR的用户负荷削减总量。
7)供电可靠性目标约束
无论选择什么导线截面、采用何种网络结构和分区切换方式、设计怎样的负荷转供能力,都要达到供电可靠性目标的要求。
RS≥RSO (20)
式中:RS为配电***规划水平年的供电可靠率;RSO为规划水平年的供电可靠率目标。
8)网络的连通性约束,即要求电网中的任何一个节点都必须与配电网络相联,且有电源点供电。
9)网络的辐射状运行约束,即配电网应保持在开环运行状态,即任何一个负荷均只能由一个电源供电。
S12、将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划,基于健康指数理论的配电网多目标规划求解算法如下:
在式(1)中,由于线路功率损耗是线路传输功率的二次函数,因此目标函数是非线性的。式(13)是非线性约束,因此上述模型是一个非线性混合整数规划模型,并且目标函数是不可微的非线性函数,这类问题在数学上属于非线性规划问题,尚无有效方法能在合理时间内精确求出其最优解,通常采用启发式或近似技术来处理。
基于遗传算法(GA)的配电网多目标规划模型求解流程如下(详见附图4):
(1)输入遗传算法参数。
输入遗传算法本身所需参数,如:最大遗传代数、染色体群体规模、染色体所含基因数、交叉率、变异率以及计算适应度函数值时用到的常数等遗传参数。
(2)用二进制编码组成染色体,形成染色体种群。
对待新建线路、待改造线路和待选非网络手段,用二进制进行编码(每个基因均用二进制编码表示,当基因值为1时,表示其相应的待新建线路被选中加入网络或待改造线路需要更换或待选非网络手段被采用;反之基因值为0)组成染色体,染色体的长度应等于待新建线路数、待改造线路数与待选非网络手段个数之和,每个染色体表示一个网络规划方案(见附图5)。
通过生成备选新建规划方案、确定待改造更换线路集合和选择要采用的非网络手段共形成N个染色体组成初始种群:
1)采用生成树算法,生成备选新建规划方案,确保满足网络的连通性约束;按照最短路原则与规划目标进行联络线路规划,确保满足网络的辐射状约束。现有线路采用现有导线型号,新建线路按电力行业标准DL/T 5729-2016《配电网规划设计技术导则》选择。
2)确定待改造更换线路集合。根据网络中各配电设备的健康指数分布情况,确定待改造更换线路的集合。
3)选择要采用的非网络手段,包括需求侧响应(DSR)、DG发电削减和DG提供无功辅助服务等。
染色体种群N规模选的过小,会由于寻找控制不够大而容易陷入局部最优解,选得过大,又会不必要地增加计算时间,因此,染色体种群规模必须选得大小合适。在电网规划问题上中,一般可取N=60。
(3)校验约束条件。
通过潮流计算校验潮流约束、线路负载约束、电压约束;通过N-1计算校验供电安全性和转供能力;通过供电可靠性评估校验可靠性约束,进而计算缺供电量和可靠风险。此外,还包括非网络手段的上下限约束。
(4)计算群体中每个个体的适应度函数值。
式(1)所描述的目标函数是总风险最小,为适应用遗传算法求最大值的特点,其适应度函数为:
F=R+μW+ρ|TSAIDI| (22)
式中,G示为适应度函数;示为配电网多目标优化规划模型的目标函数的修正值;Fmax为给定的常数,有多种选取方法,例如,可以选取到目前为止所得到的目标函数F的最大值或根据试验数据取值。R为配电网多目标优化规划模型的目标函数,W为符合网络的连通性约束和网络的辐射状运行约束的网络过负荷容量;TSAIDI为当前方案的供电可靠性与供电可靠性目标SAIDI的差值;μ、ρ为惩罚系数。
网络过负荷容量指规划方案在正常运行状态下符合网络的连通性约束和网络的辐射状运行约束的出现的过负荷容量,即:
式中,Pk和Pkmax——流过支路k的功率及其最大允许容量;
NL-nom——正常运行情况下的过负荷支路集合。
当前方案的供电可靠性与供电可靠性目标(SAIDI)的差值,单位为分钟,计算公式如下:
TSAIDI=(RSO-RS)×8760×60 (24)
式中:RS为配电***规划水平年的供电可靠率;RSO为规划水平年的供电可靠率目标。
(5)对当代种群进行选择操作。
采用适应度函数值比例法(赌轮法)作为选择策略,实现选择操作,过程如下:
1)计算个体选择概率,即个体被选中并遗传到下一代的概率与该个体的适配度大小成正比:
其中GFi(x),GFj(x)分别为染色体i,j的适应度值,N为群体规模。
2)对每个染色体i,计算累积概率qi;
3)使用模拟赌盘操作确定哪个体参加交配。从区间(0,1)中产生一个随机数r,若qj-1<r<qj,则选择第j个染色体,复上述操作,复制染色体,直到达到种群规模。
(6)对当代种群进行交叉操作。
交叉操作是按照一定的概率PC(交叉率)在配对库中随机地选取两条已执行选择操作的染色体作为父代,同时随机的选择交换位置并在其上交换信息,产生新的个体。选取父代的过程是:从i=1到N重复以下过程:从[0,1]中产生随机数ri,若ri≤PC,则选择染色体i为父代进行交叉。
交叉率PC一般取得很大,通常在0.6~0.9之间,体现了自然界中信息交换的思想。在配电网规划中,交叉率PC的选择与待选新建线路回数有关。若***规模较大,待选新建线路回数较多,则染色体的长度较长,这时应选择较大的交叉率,例如PC=0.9,以保证品种的优良特性能得到充分组合,避免陷入局部最优;反之,则取较小的交叉率,例如PC=0.6。
交又算子有一点交叉,两点交又等。一点交叉又简称为简单交叉。具体操作是在个体串中随机地选定一个交叉点,两个个体在该点前或后进行部分互换,以产生新的个体。交叉操作能改变两个网络结构拓扑,从而获取新结构,举例详见附图6。
(7)对当代种群进行变异操作。
变异操作是对群体中的个体串的某些基因座上的基因作变动。
实现变异的基本步骤为:
1)选择父代染色体。按照类似于交叉过程中选择父代的过程,从i=1到N重复以下过程:从[0,1]中产生随机数ri,若ri≤Pm,则选择染色体i为父代参与变异。变异率Pm一般都取值很小,通常为0.001~0.1。在电网规划问题中,一般取Pm为0.027~0.03。
2)选择变异点。变异操作包括一点变异,两点变异和多点变异。用遗传算法对电网规划问题做优化计算时,当所形成的规划方案已接近最优解时,要想借助随机单点变异改善方案的最优特性是很困难的。例如,若随机地将某位基因由“1”变为“0”,就相当于去掉了一条待新建线路,从而使变异后的规划方案可能发生过负荷现象。又如,随机地将某位基因由“0”变为“1”,则表示该规划方案中又增加了一条待新建线路,引起电网建设投资和运行费用的增加,而导致适应度函数值变小。为此,要改善规划方案的最优性,可采用成对变异操作,即在去掉一条线路的同时寻找另一条更经济的待新建线路加入网络。因此本发明选择两点变异。
(8)执行保留操作(保留优良品种)。
完成上述遗传操作后,按保留优良品种率,从上一代染色体群体中选取若干适应度函数值最高或次最高的染色体作为保留优良品种,直接遗传或复制到本代,并随机替换经选择、交叉和变异操作过的群体中某些染色体,以保证本代的最优(或次最优)个体至少不会比上一代差。保留优良品种数目的多少对收敛速度影响较大,若保留过多,会出现提前收敛,容易造成局部最优;若保留过少,则会降低收敛速度。因此,应根据计算经验来确定保留优良品种的数目。在电网规划问题中,一般可以取保留优良品种数目占染色体群体总数的10%~15%。在引入保留算子后,应适当提高变异率,减小选择率,以避免由于种群中优秀个体过于集中而导致局部收敛。
(9)判断是否收敛。
若收敛则转向步骤(10),否则就转向步骤(3)。判断是否收敛最简单的方法是给
定最大遗传代数(一般取100~500),还可以根据最佳方案重复出现次数或相邻两代适
应度函数平均值的变化范围等来设置收敛判据。
(10)输出优化计算结果。
输出若干适应度函数值最高或次最高的染色体,解码还原成配电网规划方案,并输出各方案的投资费用、运维费用等技术经济指标。
基于健康指数理论的配电网风险规划方法与其他规划方法的比较如下表4所示:
表4基于健康指数理论的配电网风险规划方法与其他规划方法的比较
实施例二、
一、实施例的网架结构如图7所示:
该实施例以一个变电站(HV/MV,110/10kV,2×40MW)的部分中压网络(10kV,8回出线,60MVA)为基本结构,共有架空线路5回,主要包括单辐射、三分段单联络和三分段两联络3种典型结构;电缆线路3回,主要包括同侧电源双射和单环网2种典型结构。实施例的网架结构如图7所示,开环运行。变电站IIA母线有1回单辐射、架空长线路,模拟农村等偏远地区馈线;开闭站IV、V母线有4回架空出线,模拟城镇馈线,其中1回通过联络开关与B站母线联络,开环运行。变电站IIB母线有2回电缆出线,其中1回与IIA母线1回电缆出线形成同侧电源双射结构;另1回电缆通过联络线与B变电站联络,构成单环网结构,3 回电缆均模拟城市市区、中心区等高负荷密度地区馈线。
二、能源资源情况:
(1)负荷情况
当前,该配电网供电面积约3.1km2,由一座110kV变电站供电,主变容量为2×40MVA,最大负荷约为24MW,其中商业负荷为16.85MW,占总负荷的70%;居民负荷为7.22MW,占总负荷的30%;其他负荷(包括绿地、停车场、交通设施等)忽略不计;负荷密度约7.42MW/km2。
(2)分布式电源情况
农村地区内安装了一组1MW的光伏机组,城镇地区内安装了两组1MW的光伏机组,城市中心区安装了一组2MW的光伏机组,如表5所示。
表5 PV接入位置和装机容量
序号 | 接入位置(节点) | PV容量(MWp) | 装机容量占与最大负荷的比值(%) |
1 | 2 | 1 | 4.17% |
2 | 6 | 1 | 4.17% |
3 | 9 | 1 | 4.17% |
4 | 15a | 2 | 8.33% |
合计 | 5 | 20.83% |
注:5MW/24MW=20.83%。
三、规划目标与负荷预测:
(1)规划目标:
2016年为当前年,2021年为规划水平年,做一个5年规划方案。设定2021年该示例***的供电可靠性目标为99.996%,即***平均停电持续时间(SAIDI)约为21分钟/户·年。
(2)负荷预测:
该区域现有负荷点的年均负荷增长率4%。由于城镇地区负荷增长较快,到2020年该区域共新增6个负荷点,合计约5MW(新增负荷情况见表6),市中心和农村地区没有新增负荷点。因此,到2020年,预测示例***夏季高峰负荷日最大负荷约34.28MW。
表6 2021年新增负荷点情况
友好型负荷(包括可中断负荷的全部负荷和可平移负荷中的响应部分负荷)包括节点2、 5、8、11、17和18的负荷,可切除他们的全部负荷,供电企业可利用这些DSR来应对电网的紧急状态。假设单个负荷可切除负荷100%,则参与响应负荷(切负荷量)为7.49MW,约占总负荷的21.84%。响应负荷的位置和容量见表7。
由于商业负荷约占总负荷的70%多,考虑到商业负荷的日负荷曲线形状基本与光伏出力曲线形状大致相同。因此假设光伏最大出力与最大负荷同时出现,也可以使用储能设备达到同样的效果,从而使光伏能够起到削峰的目的,减少或延缓总投资费用。考虑到负荷增长后,规划水平年分布式光伏的装机渗透率约17.5%(6/34.28=17.5%)。
表7响应负荷的位置和容量
序号 | 位置(节点) | 容量(kW) | 占与最大负荷的比值(%) |
1 | 2 | 1054 | 2.51% |
2 | 5 | 1180 | 2.81% |
3 | 8 | 1054 | 2.51% |
4 | 11 | 548 | 1.30% |
5 | 17 | 1323 | 3.15% |
6 | 18 | 2331 | 5.54% |
6 | 合计 | 7490 | 21.84% |
注:7.49MW/34.28MW=21.84%
四、参数设置
(1)健康指数与可靠性参数:
实施例中各类设备的健康指数、故障率及平均修复时间见表8和表9所示。依据设备健康指数计算其故障率,提高了故障率的准确性。
表8 10kV线路的健康指数与可靠性数据
表9典型设备的健康指数与可靠性数据
(2)数学模型中的参数:
10kV线路综合造价及模型中的其他参数详见表10和表11。
表10 10kV线路综合造价表
表11数学模型中的相关参数
(3)遗传算法参数
遗传算法中的相关参数见表12。
表12遗传算法参数
五、规划方案分析
(1)规划方法分析:
采用传统配电网规划方法(或可靠性规划方法)、主动配电网规划方法和基于HI的配电网规划方法对该实施例进行配电网规划。3种规划方法在模型上的处理方法见表13。
表13 3种配电网规划方法在模型上的处理方法
(2)最优规划方案
采用3种配电网规划方法,经遗传算法求解得出3种配电网规划方案,其建设改造方案如表14和图8所示:
(1)3种配电网规划方案的新建线路相同;
(2)传统配电网规划方案:由于线路25(电缆线路)负载率较高,现状网负载率为64.757%,规划网负载率约为71%,因此在不考虑DER控制手段的情况下需要新建一条线路,网架结构由单环网改为成两供一备;不考虑设备健康状态,没有线路改造;
(3)主动配电网规划方案:由于线路25(电缆线路)负载率较高,可以采用DER控制手段,即削减18节点全部负荷,无需新建线路;不考虑设备健康状态,没有线路改造;
(4)基于健康指数理论的配电网风险规划方法:考虑DER控制手段,即削减18节点全部负荷;考虑设备健康状态,由于架空线路0(IIA—III)的HI由现状年2.13劣化为0.07,设备故障率由11次/百公里·年上升到63次/百公里·年,因此在规划方案中对该馈线段进行更换,更换线路情况详见表14。
通过对3种配电网规划方案的风险费用分析(详见表15)可知:
(1)基于健康指数理论的配电网风险规划方案:与其他方案相比,虽然更换费用增加了,但减少了可靠性风险,同时通过采用DSR手段节省了扩建费用,因此总风险费用最小;
(2)主动配电网规划方案:虽然通过采用DSR手段节省了扩建费用,但没有更换老化设备,可靠性风险相对较高,因此总风险费用居中;
(3)传统配电网规划方案:由于没有考虑采用DSR控制手段,因此只能通过扩建线路来解决线路重载问题,因此新建费用较其他两种方案高;此外没有更换老化设备,可靠性风险相对较高,因此总风险费用最高。
表14配电网规划建设改造方案
表15 3种配电网规划方案的风险分析单位:万元
实施例三、
基于同样的发明构思,本发明还提供一种配电网风险规划***,包括:
采集模块,用于采集配电网原始数据生成备选规划方案;
求解模块,用于将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;
所述配电网原始数据包括配电网健康指数。
进一步地:所述采集模块,还用于基于采集到的配电网原始数据和所述设备健康指数确定待新建线路、待改造线路和待选非网络手段集合。
进一步地:还包括建立模块,用于预先建立配电网多目标优化规划模型,所述建立模块包括:
第一构建单元,用于建立配电网多目标优化规划模型的目标函数;
第二构建单元,用于建立配电网多目标优化规划模型的目标函数的约束条件。
进一步地:所述求解模块,包括:
形成单元,用于将所述备选规划方案用二进制编码组成染色体,形成染色体种群;
计算单元,用于计算染色体种群中每个备选规划方案的适应度函数;
遗传操作单元,用于对染色体种群依次进行选择、交叉和变异操作;
输出单元,用于输出达到收敛条件的求解结果。
本发明通过引入健康指数(HI,Health Index),不但可以准确预测设备的可靠性,使供电可靠性评估结果更加准确,而且可以准确预测设备的剩余寿命,能够有效降低或推迟设备的改造与更换费用,节约配电网投资。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/ 或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/ 或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (22)
1.一种配电网风险规划方法,其特征在于:
采集配电网原始数据生成备选规划方案;
将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;
所述配电网原始数据包括配电网健康指数。
2.如权利要求1所述的配电网风险规划方法,其特征在于:所述配电网原始数据还包括:网络拓扑、线路参数、各节点发电机出力及负荷数据、潮流参数、可靠性参数、设备造价和停电损失。
3.如权利要求1所述的配电网风险规划方法,其特征在于:所述配电网健康指数包括评分区间,并基于评分将所述配电设备和配电网络划分等级和设定规划方案;所述评分区间为(0,5]。
4.如权利要求3所述的配电网风险规划方法,其特征在于:所述基于评分将所述配电网划分等级和设定规划方案,包括:
当健康指数得分为[4,5]时,配电网处于健康的正常状态;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[3,4)时,配电网处于亚健康状态;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[2,3)时,配电网处于一般缺陷;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为[1,2)时,配电网处于严重缺陷;规划方案对应为容量规划,包括网络新建和非网络手段;
当健康指数得分为(0,1)时,配电网处于危急缺陷;规划方案对应为非容量规划与容量规划,包括网络新建、改造和非网络手段。
5.如权利要求2所述的配电网风险规划方法,其特征在于:所述采集配电网原始数据生成备选规划方案,包括:
基于采集到的配电网原始数据和所述设备健康指数确定待新建线路、待改造线路和待选非网络手段集合。
6.如权利要求1所述的配电网风险规划方法,其特征在于:对所述配电网多目标优化规划模型求解之前,还包括:
预先设定规划水平年的规划目标;
通过对现状配电网进行潮流计算、N-1计算和供电可靠性评估,确定现状配电网的薄弱环节,包括线路重过载、电压越限、可靠性分布情况;
负荷预测与分类,包括:根据负荷的控制程度,将负荷分成不可控负荷和可控负荷,对所述可控负荷进一步分为可削减负荷和可转移负荷;预测各类负荷的年、周、日负荷曲线;
DG出力预测,包括DG总装机容量预测、分布式电源可信出力预测、区域规划年分布式电源可信出力预测,并生成DG出力曲线;
将所述负荷预测曲线与所述DG出力曲线叠加相减。
7.如权利要求1所述的配电网风险规划方法,其特征在于:所述预先建立的配电网多目标优化规划模型包括配电网多目标优化规划模型的目标函数;
所述配电网多目标优化规划模型的目标函数为:
式中,CI为新建支路投资成本;b(l)为新建支路集;lI_k为第k条新建支路的长度;CI_k为第k条新建支路的单位长度综合投资成本;xk为0-1变量示性函数,当支路k为新建时取1,否则取0;CR为更换支路的投资成本;r(l)为可更换支路线段集,包括所有健康状态在规划水平年处于危急缺陷状态的支路段;所述危急缺陷状态0<HIk≤1状态;lR_k为更换的第k条支路的长度;CR_k为更换第k条支路的单位长度综合投资成本;yk为0-1变量,当更换支路k时,yk取1,否则取0;λ为配电网维护检修率;CM为配电网的年维护成本;Co为配电网的年运行成本;u(l)为配电网现状支路集;zk为用于反映第k条支路是否包括在规划方案之中,其中zk=1时,规划方案中包括第k条支路;否则,所述第k条支路不包括在规划方案之中;Cp为电价;τmax,k为第k条支路的最大负荷损耗小时数;Rk为支路k的电阻;Pk为支路k的有功功率;Qk为支路k的无功功率;Vk为支路k的节点电压幅值;CF为可靠性风险费用;ds为单位停电损失;Nloc_k、Niso_k与Nrep_k分别为第k条支路的故障查找定位期间、隔离期间与修复期间停运的负荷点数量;tloc_k、tiso_k与trep_k分别为第k条支路的故障查找定位时间、隔离时间与修复时间;Pi为第i个节点的负荷值;λk为第k条支路的故障率;CDSR为需求侧响应费用;SDSR_n为第n个参与DSR的用户用电量减少的总量;UDSR_n为第n个用户参与需求侧响应对应的单位电量补偿费用;NDSR为参与DSR的负荷数目;αn为需求侧响应示性函数,0,1决策变量,如果第n个用户参与需求侧响应,αn取1,否则取0;CDG_P为DG有功出力削减的费用;SDG_pn为第n个DG由于出力被削减造成的损失电量;UDG_pn为第n个DG单位电量削减对应的补偿费用;NDG_gc为可控DG总数目;βn为出力被削减示性函数,0,1决策变量,如果第n个DG由于出力被削减,βn取1,否则取0;CDG_Q为DG提供无功支撑的费用;SDG_qn为第n个DG提供的无功电量;UDG_qn为从DG购买1kVarh单位的无功电量所支付的费用;NDG_gc为可控DG总数目;γn为无功电量示性函数,0,1决策变量,如果第n个DG提供的无功电量,γn取1,否则取0。
8.如权利要求7所述的配电网风险规划方法,其特征在于:所述配电网多目标优化规划模型还包括约束条件,包括:功率平衡约束、线路潮流约束、节点电压约束、压降限值约束、分布式电源DG与分布式储能DES出力约束、供电可靠性目标约束、网络的连通性约束和网络的辐射状运行约束;
所述功率平衡约束如下式:
PGi-PLi=Pi,i=1,2,...,Ns
QGi-QLi=Qi,i=1,2,...,Ns
线路潮流约束:
Pk≤Pkmax,k=1,2,…,NL
节点电压约束:
Ujmin≤Uj≤Ujmax,j=1,2,…,Ns
压降限值约束:
Ukmin≤ΔUk≤Ukmax,i=1,2,…,NL
分布式电源DG与分布式储能DES出力约束:
需求侧响应手段DSR负荷削减约束:
供电可靠性目标约束:
RS≥RSO
网络的连通性约束包括电网中的任何一个节点必须与配电网络相联,且有电源点供电;
网络的辐射状运行约束包括配电网保持在开环运行状态,任何一个负荷均只能由一个电源供电;
式中:PGi和QGi分别表示节点i处的有功和无功发电功率;PLi和QLi分别表示节点i处的有功和无功负荷;Pi和Qi分别表示节点i处有功和无功的注入量;Ns为节点总数,NL为节点总数,Pk和Pkmax分别为流过支路k的功率及其最大允许容量,Uj为节点j的电压幅值,Ujmin、Ujmax分别为节点j电压幅值的上下限值,ΔUk为支路k两端的电压降,Ukmax为支路k压降的最大值,Ukmin为支路k允许压降的最小值,PDG_n、QDG_n分别为第n个分布式电源的有功、无功功率出力;分别为第n个分布式电源的有功、无功功率出力最大值; 分别为第n个分布式电源的有功、无功功率出力最小值;为第m个参与DSR的负荷削减上限;PDsR_m为第m个参与DSR的用户负荷削减总量;RS为配电***规划水平年的供电可靠率;RSO为规划水平年的供电可靠率目标。
9.如权利要求1所述的配电网风险规划方法,其特征在于:所述将所述备选规划方案设定为染色体,采用遗传算法对所述配电网多目标优化规划模型求解得到最优配电网风险规划,包括:
将所述备选规划方案用二进制编码组成染色体,形成染色体种群;
计算染色体种群中每个备选规划方案的适应度函数;
对染色体种群依次进行选择、交叉和变异操作;
输出达到收敛条件的求解结果。
10.如权利要求9所述的配电网风险规划方法,其特征在于:所述将所述备选规划方案用二进制编码组成染色体,形成染色体种群,包括:
对待新建线路、待改造线路和待选非网络手段集合,用二进制进行编码组成染色体,染色体的长度应等于待新建线路数、待改造线路数与待选非网络手段个数之和,每个染色体表示一个备选规划方案,共形成N个染色体组成初始种群;当基因值为1时,表示其相应的待新建线路被选中加入网络、待改造线路需要更换或待选非网络手段被采用;反之基因值为0。
11.如权利要求9所述的配电网风险规划方法,其特征在于:所述染色体群体中每个备选规划方案的适应度函数表示为:
F=R+μW+ρ|TSAIDI|
式中,GF为适应度函数;F为配电网多目标优化规划模型的目标函数的修正值;Fmax为给定的常数;R为配电网多目标优化规划模型的目标函数,W为符合网络的连通性约束和网络的辐射状运行约束的网络过负荷容量;TSAIDI为当前方案的供电可靠性与供电可靠性目标SAIDI的差值;μ、ρ为惩罚系数。
12.如权利要求9所述的配电网风险规划方法,其特征在于:所述对染色体种群进行选择操作包括:
计算染色体种群中每个备选规划方案的选择概率;
计算每个备选规划方案的累积概率;
使用模拟赌盘操作确定参加交配的备选规划方案。
13.如权利要求12所述的配电网风险规划方法,其特征在于:所述每个备选规划方案的选择概率表示为:
其中:GFi(x),GFj(x)分别为备选规划方案的i,j的适应度函数,N为以备选规划方案为染色体的种群规模;i,j为以备选规划方案为染色体。
14.如权利要求12所述的配电网风险规划方法,其特征在于:所述每个备选规划方案的累积概率表示为:
其中:GFi(x),GFj(x)分别为备选规划方案的i,j的适应度函数,N为以备选规划方案为染色体的种群规模;i,j为以备选规划方案的染色体,qi为累积概率。
15.如权利要求14所述的配电网风险规划方法,其特征在于:使用模拟赌盘操作确定参加交配的备选规划方案,包括:从区间(0,1)中产生一个随机数r,若qj-1<r<qj,则选择第j个备选规划方案的染色体,复上述操作,复制备选规划方案的染色体,直至达到设定的染色体种群规模。
16.如权利要求9所述的配电网风险规划方法,其特征在于:所述对染色体种群进行交叉操作包括:选择大的交叉率对染色体种群进行交叉操作。
17.如权利要求9所述的配电网风险规划方法,其特征在于:在所述输出达到收敛条件的求解结果之前,还包括:执行保留操作;取保留优良品种数目占备选规划方案染色体种群总数的10%~15%。
18.如权利要求9所述的配电网风险规划方法,其特征在于:所述输出达到收敛条件的求解结果包括:
当达到设给定最大遗传代数、最佳方案重复出现次数或相邻两代适应度函数平均值的变化范围时,输出若干适应度函数值最高或次高的染色体,解码还原成配电网规划方案,并输出各配电网规划方案的技术经济指标。
19.一种配电网风险规划***,其特征在于:
采集模块,用于采集配电网原始数据生成备选规划方案;
求解模块,用于将所述备选规划方案设定为染色体,采用遗传算法对预先建立的配电网多目标优化规划模型求解得到最优配电网风险规划;
所述配电网原始数据包括配电网健康指数。
20.如权利要求19所述的配电网风险规划***,其特征在于:所述采集模块,还用于基于采集到的配电网原始数据和所述设备健康指数确定待新建线路、待改造线路和待选非网络手段集合。
21.如权利要求19所述的配电网风险规划***,其特征在于:还包括建立模块,用于预先建立配电网多目标优化规划模型,所述建立模块包括:
第一构建单元,用于建立配电网多目标优化规划模型的目标函数;
第二构建单元,用于建立配电网多目标优化规划模型的目标函数的约束条件。
22.如权利要求19所述的配电网风险规划***,其特征在于:所述求解模块,包括:
形成单元,用于将所述备选规划方案用二进制编码组成染色体,形成染色体种群;
计算单元,用于计算染色体种群中每个备选规划方案的适应度函数;
遗传操作单元,用于对染色体种群依次进行选择、交叉和变异操作;
输出单元,用于输出达到收敛条件的求解结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711266210.5A CN108122068A (zh) | 2017-12-05 | 2017-12-05 | 一种配电网风险规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711266210.5A CN108122068A (zh) | 2017-12-05 | 2017-12-05 | 一种配电网风险规划方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108122068A true CN108122068A (zh) | 2018-06-05 |
Family
ID=62228772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711266210.5A Pending CN108122068A (zh) | 2017-12-05 | 2017-12-05 | 一种配电网风险规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108122068A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002938A (zh) * | 2018-09-17 | 2018-12-14 | 东南大学 | 考虑n-1安全准则的交直流混合配电网双层规划方法 |
CN109816247A (zh) * | 2019-01-26 | 2019-05-28 | 国网福建省电力有限公司 | 关联改造措施与线路重载的电网投资决策建模方法及装置 |
CN110147614A (zh) * | 2019-05-21 | 2019-08-20 | 华能澜沧江水电股份有限公司 | 一种基于评分差异Stacking多模型集成学习的工程安全评价方法 |
CN110288208A (zh) * | 2019-06-10 | 2019-09-27 | 广西电网有限责任公司电力科学研究院 | 一种辐射型配电网可靠性与经济性的综合评估方法 |
CN110414810A (zh) * | 2019-07-16 | 2019-11-05 | 华北电力大学 | 计及失负荷风险的多端智能软开关优化配置方法及*** |
CN110895728A (zh) * | 2019-11-28 | 2020-03-20 | 海南电网有限责任公司 | 面向网格化配电网的线路路径自动规划方法 |
CN111125638A (zh) * | 2019-12-13 | 2020-05-08 | 国网山东省电力公司经济技术研究院 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
CN111784067A (zh) * | 2020-07-09 | 2020-10-16 | 北京理工大学 | 一种基于遗传算法的两阶段配电网规划方法 |
WO2020237839A1 (zh) * | 2019-05-24 | 2020-12-03 | 清华大学 | 一种考虑可靠性约束的配电网规划方法 |
CN112101622A (zh) * | 2020-08-13 | 2020-12-18 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于混合整数线性规划的配电网灵活性潜力挖掘方法 |
CN112435130A (zh) * | 2020-10-19 | 2021-03-02 | 嘉兴恒创电力设计研究院有限公司 | 一种基于电网安全的投资评价方法 |
CN112446553A (zh) * | 2020-12-17 | 2021-03-05 | 国网河北省电力有限公司 | 一种配电变压器资源优化配置的方法及装置 |
CN114285085A (zh) * | 2021-11-17 | 2022-04-05 | 国网浙江省电力有限公司杭州供电公司 | 一种基于网络重构的电网弹性资源广域调度方法 |
CN115442421A (zh) * | 2022-07-22 | 2022-12-06 | 云南电网有限责任公司 | 设备更换方法、装置、计算机设备和存储介质 |
CN115879742A (zh) * | 2023-02-21 | 2023-03-31 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电网改造方法、***、电子设备及存储介质 |
CN116452010A (zh) * | 2023-03-06 | 2023-07-18 | 国网河北省电力有限公司正定县供电分公司 | 针对城区的配电网扩张规划平台与规划方法 |
CN117077932A (zh) * | 2023-07-25 | 2023-11-17 | 武汉理工大学 | 考虑运输需求和资源禀赋约束的港口自洽能源配置方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150254585A1 (en) * | 2012-10-02 | 2015-09-10 | Kabushiki Kaisha Toshiba | Power generation plan creating system and method for small-scale power system |
CN105226651A (zh) * | 2015-10-22 | 2016-01-06 | 上海交通大学 | 一种考虑风险的含大规模风电输电网规划*** |
CN105426980A (zh) * | 2014-09-22 | 2016-03-23 | 国家电网公司 | 一种配电网健康指数评估工程应用*** |
CN105512807A (zh) * | 2015-12-01 | 2016-04-20 | 中国电力科学研究院 | 一种配电网网络健康指数评估方法 |
CN105512448A (zh) * | 2014-09-22 | 2016-04-20 | 国家电网公司 | 一种配电网健康指数的评估方法 |
CN106487005A (zh) * | 2016-11-14 | 2017-03-08 | 国网浙江省电力公司经济技术研究院 | 一种考虑输配电价的电网规划方法 |
-
2017
- 2017-12-05 CN CN201711266210.5A patent/CN108122068A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150254585A1 (en) * | 2012-10-02 | 2015-09-10 | Kabushiki Kaisha Toshiba | Power generation plan creating system and method for small-scale power system |
CN105426980A (zh) * | 2014-09-22 | 2016-03-23 | 国家电网公司 | 一种配电网健康指数评估工程应用*** |
CN105512448A (zh) * | 2014-09-22 | 2016-04-20 | 国家电网公司 | 一种配电网健康指数的评估方法 |
CN105226651A (zh) * | 2015-10-22 | 2016-01-06 | 上海交通大学 | 一种考虑风险的含大规模风电输电网规划*** |
CN105512807A (zh) * | 2015-12-01 | 2016-04-20 | 中国电力科学研究院 | 一种配电网网络健康指数评估方法 |
CN106487005A (zh) * | 2016-11-14 | 2017-03-08 | 国网浙江省电力公司经济技术研究院 | 一种考虑输配电价的电网规划方法 |
Non-Patent Citations (1)
Title |
---|
刘可真等: "基于改进遗传算法的输电网优化规划", 《昆明理工大学学报(理工版)》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002938B (zh) * | 2018-09-17 | 2021-06-01 | 东南大学 | 考虑n-1安全准则的交直流混合配电网双层规划方法 |
CN109002938A (zh) * | 2018-09-17 | 2018-12-14 | 东南大学 | 考虑n-1安全准则的交直流混合配电网双层规划方法 |
CN109816247A (zh) * | 2019-01-26 | 2019-05-28 | 国网福建省电力有限公司 | 关联改造措施与线路重载的电网投资决策建模方法及装置 |
CN109816247B (zh) * | 2019-01-26 | 2022-07-05 | 国网福建省电力有限公司 | 关联改造措施与线路重载的电网投资决策建模方法及装置 |
CN110147614A (zh) * | 2019-05-21 | 2019-08-20 | 华能澜沧江水电股份有限公司 | 一种基于评分差异Stacking多模型集成学习的工程安全评价方法 |
WO2020237839A1 (zh) * | 2019-05-24 | 2020-12-03 | 清华大学 | 一种考虑可靠性约束的配电网规划方法 |
CN110288208A (zh) * | 2019-06-10 | 2019-09-27 | 广西电网有限责任公司电力科学研究院 | 一种辐射型配电网可靠性与经济性的综合评估方法 |
CN110414810A (zh) * | 2019-07-16 | 2019-11-05 | 华北电力大学 | 计及失负荷风险的多端智能软开关优化配置方法及*** |
CN110414810B (zh) * | 2019-07-16 | 2021-11-16 | 华北电力大学 | 计及失负荷风险的多端智能软开关优化配置方法及*** |
CN110895728A (zh) * | 2019-11-28 | 2020-03-20 | 海南电网有限责任公司 | 面向网格化配电网的线路路径自动规划方法 |
CN110895728B (zh) * | 2019-11-28 | 2023-06-13 | 海南电网有限责任公司 | 面向网格化配电网的线路路径自动规划方法 |
CN111125638A (zh) * | 2019-12-13 | 2020-05-08 | 国网山东省电力公司经济技术研究院 | 一种有源配电网规划模型的构建方法、装置和计算设备 |
CN111784067A (zh) * | 2020-07-09 | 2020-10-16 | 北京理工大学 | 一种基于遗传算法的两阶段配电网规划方法 |
CN112101622A (zh) * | 2020-08-13 | 2020-12-18 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于混合整数线性规划的配电网灵活性潜力挖掘方法 |
CN112435130A (zh) * | 2020-10-19 | 2021-03-02 | 嘉兴恒创电力设计研究院有限公司 | 一种基于电网安全的投资评价方法 |
CN112446553B (zh) * | 2020-12-17 | 2022-04-05 | 国网河北省电力有限公司 | 一种配电变压器资源优化配置的方法及装置 |
CN112446553A (zh) * | 2020-12-17 | 2021-03-05 | 国网河北省电力有限公司 | 一种配电变压器资源优化配置的方法及装置 |
CN114285085A (zh) * | 2021-11-17 | 2022-04-05 | 国网浙江省电力有限公司杭州供电公司 | 一种基于网络重构的电网弹性资源广域调度方法 |
CN115442421A (zh) * | 2022-07-22 | 2022-12-06 | 云南电网有限责任公司 | 设备更换方法、装置、计算机设备和存储介质 |
CN115879742A (zh) * | 2023-02-21 | 2023-03-31 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电网改造方法、***、电子设备及存储介质 |
CN115879742B (zh) * | 2023-02-21 | 2023-06-06 | 国网浙江省电力有限公司宁波市北仑区供电公司 | 配电网改造方法、***、电子设备及存储介质 |
CN116452010A (zh) * | 2023-03-06 | 2023-07-18 | 国网河北省电力有限公司正定县供电分公司 | 针对城区的配电网扩张规划平台与规划方法 |
CN116452010B (zh) * | 2023-03-06 | 2024-04-12 | 国网河北省电力有限公司正定县供电分公司 | 针对城区的配电网扩张规划平台与规划方法 |
CN117077932A (zh) * | 2023-07-25 | 2023-11-17 | 武汉理工大学 | 考虑运输需求和资源禀赋约束的港口自洽能源配置方法 |
CN117077932B (zh) * | 2023-07-25 | 2024-03-08 | 武汉理工大学 | 考虑运输需求和资源禀赋约束的港口自洽能源配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122068A (zh) | 一种配电网风险规划方法及*** | |
Zia et al. | Microgrids energy management systems: A critical review on methods, solutions, and prospects | |
Reddy | Optimal scheduling of thermal-wind-solar power system with storage | |
Kalambe et al. | Loss minimization techniques used in distribution network: bibliographical survey | |
Singh et al. | Distributed power generation planning for distribution networks using electric vehicles: Systematic attention to challenges and opportunities | |
CN103955777B (zh) | 光伏发电接入配电网方案设计与分析评估辅助*** | |
US7203622B2 (en) | Value-based transmission asset maintenance management of electric power networks | |
Millar et al. | Impact of MV connected microgrids on MV distribution planning | |
CN107038530A (zh) | 一种配电网统筹规划方法及*** | |
Shukla et al. | Allocation of optimal distributed generation using GA for minimum system losses in radial distribution networks | |
CN108428045A (zh) | 一种配电网运行健康状态评估方法 | |
Galvani et al. | A multi-objective probabilistic approach for smart voltage control in wind-energy integrated networks considering correlated parameters | |
CN109948868A (zh) | 高渗透率分布式可再生能源发电集群优化规划方法 | |
CN101567561B (zh) | 一种输电网规划方案比选*** | |
CN108520330A (zh) | 一种考虑负荷预测误差不确定性的配电网中压线路差异化规划方法 | |
CN108182485A (zh) | 一种配电网检修时机优化方法及*** | |
Zhou et al. | An optimal expansion planning of electric distribution network incorporating health index and non-network solutions | |
CN106203854A (zh) | 一种直流配电网经济性分析方法及*** | |
Liu et al. | Stochastic optimal operation of flexible distribution networks for security improvement considering active management | |
Yi et al. | Expansion planning of active distribution networks achieving their dispatchability via energy storage systems | |
CN107133870B (zh) | 基于30秒周期静态分析的电力现货交易安全校核方法 | |
Reddy et al. | Placement of distributed generator, capacitor and DG and capacitor in distribution system for loss reduction and reliability improvement | |
Šarić et al. | Distributed generation allocation using fuzzy multi criteria decision making algorithm | |
Šemić et al. | Distributed generation allocation in low voltage distribution network using artificial neural network | |
CN105678416B (zh) | 一种配电台区建设与改造智能决策*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180605 |
|
RJ01 | Rejection of invention patent application after publication |