CN110676838B - 柔性配电***故障自适应鲁棒优化恢复方法 - Google Patents

Abstract

本发明属于配电网故障恢复技术领域，尤其涉及一种柔性配电***故障自适应鲁棒优化恢复方法，包括：步骤1：基于柔性多状态开关控制和配电网功率流动来建立计及损耗的SNOP的功率数学模型；步骤2：以开关状态、SNOP有功功率为决策变量，计及SNOP的自身损耗以及用户失负荷损失的差异性，建立了以失负荷风险最小为目标的故障优化恢复模型；步骤3：通过调节SNOP有功功率应对源、荷的不确定性对开关状态最优方案进行微调优化，以减小网损和电压偏差为目标函数，同时根据电压偏差大小自适应调整其权重系数，得到网损和电压的SNOP参数值。

Description

柔性配电***故障自适应鲁棒优化恢复方法

技术领域

本发明属于配电网故障恢复技术领域，尤其涉及一种柔性配电***故障自适应鲁棒优化恢复方法。

背景技术

随着国家新能源和电改政策的逐步推进，大量的分布式能源、电动汽车充电装置、储能装置以及微网接入配电网，且渗透率不断提高。新能源和负荷的随机性以及多主体利益特征下分散控制特性，容易引起馈线功率大幅度波动以及电压越限，使配电网的运行面临严峻挑战。同时，基于联络开关的网络重构则受到开关响应速度、动作寿命和冲击电流等问题的限制，不能满足未来高可靠性用户的需求。采用柔性多状态开关设备实现馈线互联，不仅可以平衡馈线负载，改善***整体的潮流分布，而且可以在故障情况下保障负荷的不间断供电，为负荷提供电压频率支撑，提高电网供电可靠性。

对于基于SNOP的配电网的故障恢复尚在起步阶段。Li P,Song G,Ji H等人在以两端口SNOP替代配电网中分支线间的联络开关，故障后通过优化SNOP非故障端有功功率，达到最大化恢复失电负荷的目的，并与传统联络开关、联络开关+网络重构、SNOP+网络重构分别进行对比，说明了SNOP与网络重构联合调度具有更好的效果。由于故障情况下SNOP故障端切换为V/f模式，而以有功为控制变量，无法保证故障侧电压的合格。娄铖伟,张筱慧,丛鹏伟等人首先建立了SNOP最大供电能力模型，然后以此为约束，以失电负荷最小、失去连接的DG最少、网络损耗最小的加权求和为目标，建立了SNOP故障侧出口电压和开关状态联合优化模型，并通过混合蚁群联合优化算法求解，但只分析了两端柔性多状态开关，也没有考虑分布式电源与负荷的不确定性问题。

目前，针对传统配电网考虑分布式电源不确定性的故障恢复已有相关研究。杨丽君,卢志刚将风电出力划分为多个典型场景，开展基于多场景的配电网故障优化恢复，但场景分析法采用每个场景下期望值，不能较好模拟分布式电源出力的随机性。陈昕玥,唐巍,陈禹等人构造了光伏发电功率的离散概率模型，并以高于置信水平的失电负荷量最小为目标函数，建立基于机会约束规划的故障恢复模型，但机会约束法不能严格保证节点电压、支路功率满足约束，不能实现对不确定集合内的任意元素都保证约束可行性。

发明内容

针对上述技术问题，本发明提出了一种柔性配电***故障自适应鲁棒优化恢复方法，包括：

步骤1：基于柔性多状态开关控制和配电网功率流动来建立计及损耗的SNOP的功率数学模型；

步骤2：以开关状态、SNOP有功功率为决策变量，计及SNOP的自身损耗以及用户失负荷损失的差异性，建立了以失负荷风险最小为目标的故障优化恢复模型；

步骤3：通过调节SNOP有功功率应对源、荷的不确定性对开关状态最优方案进行微调优化，以减小网损和电压偏差为目标函数，同时根据电压偏差大小自适应调整其权重系数，得到网损和电压的SNOP参数值。

所述故障优化恢复模型的目标函数为：

式中，f表示切负荷风险，k为***编号，n_k为第k个配电***的节点数；γ_n为节点n状态变化参数，γ_n＝1表示停电状态，γ_n＝0表示供电状态；P_cut,n为节点n的负荷大小；σ_n为节点n上负荷的重要程度，0<σ_n<1。

所述微调优化的目标函数为：

g＝min{αg₁+βg₂}

g表示微调优化的目标函数，g₁、g₂分别表示电压偏差与网损，α、β分别表示电压偏差与网损的权重系数；ω_k,n为第k条馈线中节点n电压的权重；U_k,n为第k个配电***中节点n的电压；n_k为第k个配电***的节点数；b为支路编号，N_k为第k个配电***的支路数；I_k,b、R_k,b分别为第k个配电***第b条支路的电流和电阻；P_snop.lose为柔性多状态开关SNOP自身的有功损耗。

所述网损权重系数β设为1/2；电压偏差权重系数α根据节点电压偏差值自适应调整，U_max、U_min分别表示节点电压幅值上限和下限：

所述故障优化恢复模型还满足：潮流约束、节点电压约束、支路功率约束、保持辐射型拓扑以及SNOP功率约束。

所述步骤3还包括：对日前配电网各节点负荷以及光伏、风机出力进行预测，获得三者在时刻t的变化范围，通过预测误差聚合值和可自适应调整的参与因子，将误差进行分配，获得包含负荷、光伏和风机出力偏差聚合值的网络损耗和电压偏差量，并结合微调优化的目标函数获得考虑了聚合误差的鲁棒目标函数。

本发明的有益效果：

(1)本发明建立了计及自身损耗的柔性多状态开关的数学模型，可以在求取配电网故障恢复策略时，能够更加准确的调整SNOP各端口的功率流动；

(2)本发明分两阶段进行建模，突出了故障恢复的本质是尽可能减少失电负荷，进而优化故障期间的运行状态；

(3)本发明计及了风机、光伏与负荷预测的不确定性，调整SNOP各端口功率以优化故障期间网络的运行状态，同时节点电压偏差值得权重系数自适应调整，更加符合实际情况。

(4)本发明能够保证最优方案是切负荷最小情况下的最优运行方案，同时由于第二阶段采用了鲁棒优化、权重系数的自适应调整，确保了方案在最恶劣的情况下保证用户可靠性。

附图说明

图1为三端SNOP接入配电网示意图；

图2为不同状态下配电网的功率流动示意图；

图3为不确定因子变化范围与趋势示意图；

图4为失负荷风险与分布式电源渗透率的关系示意图；

图5为失负荷风险与SNOP容量/线路容量的关系示意图；

具体实施方式

下面结合附图对本发明做进一步说明。

柔性多状态开关目前的实现形式是背靠背电压源型变流器(B2B VSC)结构，各变流器单元直流侧通过直流母线连接，交流侧连接不同的馈线端，如图1所示。

正常运行状态下，有端口实现对直流电压的稳定控制，有端口实现对功率传输的实时控制，选择两个端口为PQ控制，一个端口为V_dcQ控制实现正常运行时经济性最好。实际中馈线负荷分配一般不均衡，但与SNOP相连的三个网络的潮流能够选择方向平滑地相互支援，改善***的潮流分布，达到馈线均衡的效果；当馈线F₁出口发生故障时，由于电力电子器件SNOP阻尼小、响应快，会先闭锁，清除故障电流钳位电容电压，同时切换控制方式为电流控制，防止短路电流过大对开关器件造成不可逆损伤，隔离故障，SNOP解除闭锁，同时故障端切换到V/f控制，非故障段由馈线F₂、F₃提供功率支持。运行与故障状态下的功率流动如图2所示，由于正常时为闭环运行，因此可以实现非故障段负荷的不间断供电。

第一阶段是求取故障恢复策略，以失负荷风险最小为目标函数。不同负荷对电能质量的要求不同，而停电对不同负荷带来的损失也不尽相同，将负荷分为普通负荷与重要负荷，并分别赋予不停的权重系数，来准确衡量不同故障恢复策略的优劣程度。

式中，f表示切负荷风险，k为***编号，n_k为第k个配电***的节点数；γ_n为节点n状态变化参数，γ_n＝1表示停电状态，γ_n＝0表示供电状态；P_cut,n为节点n的负荷大小；σ_n为节点n上负荷的重要程度，0<σ_n<1。

求取基于SNOP的配电网优化故障恢复策略时，除了传统故障恢复过程中的潮流约束、节点电压约束、支路功率约束以及各自保持辐射型拓扑外，还要考虑SNOP传输的功率不能越过上限。

1)柔性多状态开关非故障侧的网络潮流约束：

式中，Φ_i为以节点i为末端节点支路的首端节点的集合；Ψ_i为以节点i为首端节点支路的末端节点的集合；U_i、U_j分别为节点i、j电压；I_ji为节点j流向节点i的电流；R_ij和X_ij分别为支路ij的电阻和电抗；P_ij和Q_ij分别为节点i流向节点j的有功功率和无功功率；P_ik和Q_ik分别为节点i流向节点k的有功功率和无功功率；P_i和Q_i分别为节点i上注入的有功功率和无功功率之和；P_DG,i和Q_DG,i分别为节点i上DG注入的有功功率和无功功率；P_load,i和Q_load,i分别为节点i负荷消耗的有功功率和无功功率；P_snop,i和Q_snop,i分别为t时刻柔性多状态开关i端口输出的有功功率和无功功率。

2)节点电压约束、支路电流约束以及配电网辐射状运行约束：

U_i.min，U_i.max分别为节点i电压的上下限；S_j,max为支路j容量上限；T_r为放射性网络结构。

3)SNOP端口无功功率限制：

式中，P_snop.i(t)、P_snop.j(t)、P_snop.h(t)Q_snop.i(t)、Q_snop.j(t)、Q_snop.h(t)分别为t时刻柔性多状态开关i、j、h端口输出的有功功率和无功功率，

分别为柔性多状态开关i、j、h端口变流器的输出无功功率的上下限值。

4)SNOP端口容量约束

由于直流环节的存在，变流器的无功输出相互隔离，在建模时只需考虑各变流器的容量约束。

式中，S_snop.i、S_snop.j、S_snop.h分别为柔性多状态开关i、j、h端口的变流器接入容量。

然后，对故障期间的运行状态进行优化。考虑到故障恢复过程中，切负荷量是离散变化的，因此，最终只能得到使得切负荷风险最小的开关状态与SNOP各端口传输功率允许变化范围。在此基础上，保持拓扑结构不变，在SNOP传输功率允许范围内调整各端口P、Q来优化网络电能质量。

g₁ ⁰、g₂ ⁰分别表示电压偏差与网损，α、β分别表示二者的权重系数；ω_k,n为第k条馈线中节点n电压的权重；U_k,n为第k个配电***中节点n的电压；n_k为第k个配电***的节点数；U_max、U_min分别表示节点电压幅值上限和下限；b为支路编号，N_k为第k个配电***的支路数；I_k,b、R_k,b分别为第k个配电***第b条支路的电流和电阻。

考虑到g₁主要表征***各节点的电压偏差大小，当节点电压偏离额定值，趋近于阈值时，该项指标权重相应增大，防止出现电压越限。因此，设定网损权重系数为1/2，电压偏差权重系数根据节点电压偏差值自适应调整：

其中考虑到了风机、光伏和负荷预测的不确定性，如图3所示。

综上，计及***特征的多属性目标函数最终表述为：

约束条件和第一阶段相同。

模型修正

在上述模型基础上，计及分布式电源出力和负荷预测误差对模型进行修正。通常可对日前配电网各节点负荷以及光伏、风机出力进行预测，获得三者在时刻t的变化范围。

不考虑光伏、风电与负荷三者的相关性，预测误差聚合值可表述为下式：

式中，

分别表示光伏、风电与负荷三者出力偏差，

分别表示光伏、风电与负荷三者出力偏差变化范围的上下限，ζ^t表示光伏、风电与负荷三者出力偏差的聚合值，

表示偏差聚合的最大值与最小值，Γ为时间集合。

为了直观反映预测误差对优化结果的影响，本发明通过预测误差聚合值和可自适应调整的的参与因子，将误差进行分配，获得包含负荷、光伏和风机出力偏差聚合值的网络损耗和电压偏差量：

式中，

分别为t时刻网络损耗和电压偏差的参与因子，作为自适应优化变量。

基于以上仿射关系与未考虑不确定因子的目标函数(9)，可获得考虑了聚合误差的鲁棒目标函数式(15)。

式中，ΔP_b,loss、P_snop.loss、

ΔP_k,b为第k个配电***中第b条支路的有功功率损耗。

最终通过自适应鲁棒方法优化故障期间运行状态。同时，分析了分布式电源渗透率和SNOP容量/线路容量对优化策略的影响，结果如图4-5所示。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种柔性配电***故障自适应鲁棒优化恢复方法，其特征在于，包括：

步骤1：基于柔性多状态开关控制和配电网功率流动来建立计及损耗的SNOP的功率数学模型；

步骤2：以开关状态、SNOP有功功率为决策变量，计及SNOP的自身损耗以及用户失负荷损失的差异性，建立了以失负荷风险最小为目标的故障优化恢复模型；

步骤3：通过调节SNOP有功功率应对源、荷的不确定性对开关状态最优方案进行微调优化，以减小网损和电压偏差为目标函数，同时根据电压偏差大小自适应调整其权重系数，得到网损和电压的SNOP参数值；

所述微调优化的目标函数为：

g＝min{αg₁+βg₂}

g表示微调优化的目标函数，g₁、g₂分别表示电压偏差与网损，α、β分别表示电压偏差与网损的权重系数；ω_k,n为第k条馈线中节点n电压的权重；U_k,n为第k个配电***中节点n的电压；n_k为第k个配电***的节点数；b为支路编号，N_k为第k个配电***的支路数；I_k,b、R_k,b分别为第k个配电***第b条支路的电流和电阻；P_snop.lose为柔性多状态开关SNOP自身的有功损耗；

所述网损的权重系数β设为1/2；电压偏差权重系数α根据节点电压偏差值自适应调整，U_max、U_min分别表示节点电压幅值上限和下限：

2.根据权利要求1所述柔性配电***故障自适应鲁棒优化恢复方法，其特征在于，所述故障优化恢复模型的目标函数为：

式中，f表示切负荷风险，k为***编号，n_k为第k个配电***的节点数；γ_n为节点n状态变化参数，γ_n＝1表示停电状态，γ_n＝0表示供电状态；P_cut,n为节点n的负荷大小；σ_n为节点n上负荷的重要程度，0<σ_n<1。

3.根据权利要求1所述柔性配电***故障自适应鲁棒优化恢复方法，其特征在于，所述故障优化恢复模型还满足：潮流约束、节点电压约束、支路功率约束、保持辐射型拓扑以及SNOP功率约束。

4.根据权利要求1所述柔性配电***故障自适应鲁棒优化恢复方法，其特征在于，所述步骤3还包括：对日前配电网各节点负荷以及光伏、风机出力进行预测，获得三者在时刻t的变化范围，通过预测误差聚合值和可自适应调整的参与因子，将误差进行分配，获得包含负荷、光伏和风机出力偏差聚合值的网络损耗和电压偏差量，并结合微调优化的目标函数获得考虑了聚合误差的鲁棒目标函数。

Images