CN112152210B - 一种配电网***的优化方法及装置 - Google Patents

一种配电网***的优化方法及装置 Download PDF

Info

Publication number
CN112152210B
CN112152210B CN202011091087.XA CN202011091087A CN112152210B CN 112152210 B CN112152210 B CN 112152210B CN 202011091087 A CN202011091087 A CN 202011091087A CN 112152210 B CN112152210 B CN 112152210B
Authority
CN
China
Prior art keywords
line
fault
power distribution
distribution network
network system
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
CN202011091087.XA
Other languages
English (en)
Other versions
CN112152210A (zh
Inventor
邹波
周志芳
夏翔
孙可
王蕾
戴攀
叶承晋
潘弘
朱超
王坤
王曦冉
黄晶晶
张曼颖
胡哲晟
刘曌煜
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.)
Zhejiang University ZJU
State Grid Zhejiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Zhejiang Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
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 Zhejiang University ZJU, State Grid Zhejiang Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202011091087.XA priority Critical patent/CN112152210B/zh
Publication of CN112152210A publication Critical patent/CN112152210A/zh
Application granted granted Critical
Publication of CN112152210B publication Critical patent/CN112152210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • H02J3/00125—Transmission line or load transient problems, e.g. overvoltage, resonance or self-excitation of inductive loads
    • 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]
    • 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)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种配电网***的优化方法及装置，通过根据台风预测数据预测配电网***中每条线路的故障概率，在此基础上，通过以负荷削减成本最小化、线路故障造成的损失最大化以及加固成本最小化为优化目标，确定在加固成本达到预算时的待加固线路以及加固方式，实现对配电网***进行合理优化。

Description

一种配电网***的优化方法及装置
技术领域
本申请涉及电力技术领域，更具体的，涉及一种配电网***的优化方法及装置。
背景技术
长期以来，台风天气伴随的狂风暴雨引发洪涝、滑坡、泥石流等一系列灾害，造成沿海地区大量配电网线路杆塔倒断、倾斜、断线等，引起大面积的线路故障，对沿海地区电网造成了重大损失。
近年来，分布式能源(distributedgenerator，DG)技术和储能技术(energystores，ESS)快速发展，为电力***应对线路故障提供了重要的供电支撑。在配电网中安装分布式发电机、储能设备以及对线路加固是目前公认的提升配电***防灾抗灾能力的有效优化方式，可以降低配电***基础设施在极端天气下的故障概率，保证重要负荷不失电，显著提升配电网***整体的稳定性。
但是，在台风发生之前，采用哪种优化方式对配电网***中的哪条线路进行优化成为本领域亟待解决的技术问题。
发明内容
有鉴于此，本发明提供了一种配电网***的优化方法及装置，实现对配电网***进行合理优化。
为了实现上述发明目的，本发明提供的具体技术方案如下：
一种配电网***的优化方法，包括：
获取台风预测数据，并根据所述台风预测数据确定受台风影响的配电网***；
根据所述台风预测数据，预测所述配电网***中每条线路的故障概率；
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量；
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线；
以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，所述待加固线路为所述故障线路中故障时带来损害最严重的线路；
判断所述待加固线路的加固成本是否小于预算；
若是，返回执行所述以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量，直到所述待加固线路的加固成本不小于预算。
可选的，所述根据所述台风预测数据，预测所述配电网***中每条线路的故障概率，包括：
将所述台风预测数据和所述配电网***中每条线路中每个杆塔的阻尼系数输入到预设故障概率预测模型中进行处理，得到所述配电网***中每条线路的故障概率，所述预设故障概率预测模型如下：
Figure GDA0003728305160000021
Figure GDA0003728305160000022
其中，pl,ij(v(t))表示线路ij的故障概率，m为线路中的杆塔数量，
Figure GDA0003728305160000023
表示线路ij中第k个杆塔的故障概率，v(t)为台风风速，mR为阻尼系数，ξR为强度测度的对数标准偏差。
可选的，所述以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量，包括：
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率构建负荷削减量模型，所述负荷削减量模型如下：
Figure GDA0003728305160000024
Figure GDA0003728305160000025
Figure GDA0003728305160000031
Figure GDA0003728305160000032
Figure GDA0003728305160000033
Figure GDA0003728305160000034
Figure GDA0003728305160000035
其中，L2(x)表示负荷削减成本，cLoad表示负荷削减成本，αn,t表示负荷削减率，
Figure GDA0003728305160000036
表示第n条线路在t时刻的负荷需求量，公式(4)-(5)表示每条线路的功率平衡，公式(6)-(7)表示线路的潮流流通性，如果线路ij发生故障，则
Figure GDA0003728305160000037
进而Pij,t＝0，Qij,t＝0，公式(8)-(9)分别表示***电压和削减负荷系数限制；
求解所述负荷削减量模型，得到所述配电网***的负荷削减量。
可选的，所述以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线，包括：
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量构建线路故障优化模型，所述线路故障优化模型如下：
Figure GDA0003728305160000038
Figure GDA0003728305160000039
Figure GDA00037283051600000310
Figure GDA00037283051600000311
Figure GDA00037283051600000312
其中，
Figure GDA00037283051600000313
表示线路ij在执行k种加固策略之后的故障概率，
Figure GDA00037283051600000314
表示线路ij经过k种加固策略之后的是否发生故障，1表示故障，0表示没有故障；w表示***不确定性预算，公式(11)表示
Figure GDA00037283051600000315
只有在
Figure GDA00037283051600000316
的前提下才会发生，公式(12)表示线路ij在极端天气事件的持续时间内最多只会发生一次故障。
Figure GDA00037283051600000317
表示线路ij是否受到损坏，1表示损坏，0表示未损坏。公式(13)规定了故障线路ij的修复时间，其中，TR表示故障线路ij的修复时间。
可选的，所述以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，包括：
对所述负荷削减量模型和所述线路故障优化模型转化为单层模型：
Figure GDA0003728305160000041
使L2(x)＝cx，对所述单层模型进行对偶变化，得到：
Figure GDA0003728305160000042
其中，A′表示A的转置，决策变量ο为0-1变量，设πi＝λiοi，得到以下松弛约束：
Figure GDA0003728305160000043
求解所述单层模型，得到：
Figure GDA0003728305160000044
根据(18)，以加固投资最小化为优化目标，构建加固投资模型：
Figure GDA0003728305160000045
其中，L1(y)表示加固投资；
Figure GDA0003728305160000046
Figure GDA0003728305160000047
L(y)≤BL (22)
Figure GDA0003728305160000048
Figure GDA0003728305160000049
Figure GDA00037283051600000410
Figure GDA00037283051600000411
Figure GDA00037283051600000412
Figure GDA00037283051600000413
其中，ij，ΩB分别表示当前线路位置和总的线路条数；k表示第k种加固策略，其中k＝1表示未加固，k＝2表示已加固；
n，ΩN分别表示当前节点位置和总的节点数；
dg，ΩDG分别表示当前分布式发电机种类和总的分布式发电机种类数；
ess，ΩESS分别表示当前储能设备种类和总的储能设备种类数；
Figure GDA0003728305160000051
表示执行第k种加固策略的成本系数；
Figure GDA0003728305160000052
表示线路ij是否执行第k种加固策略；
cDG，cESS分别表示分布式发电机和储能设备的成本系数；
Figure GDA0003728305160000053
分别表示分布式发电机和储能设备在t时刻的输出功率；
BL表示预算投资成本。
一种配电网***的优化装置，包括：
台风预测数据获取单元，用于获取台风预测数据，并根据所述台风预测数据确定受台风影响的配电网***；
故障概率预测单元，用于根据所述台风预测数据，预测所述配电网***中每条线路的故障概率；
负荷削减量计算单元，用于以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量；
故障路线确定单元，用于以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线；
加固成本确定单元，用于以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，所述待加固线路为所述故障线路中故障时带来损害最严重的线路；
判断单元，用于判断所述待加固线路的加固成本是否小于预算，当所述待加固线路的加固成本小于预算时触发所述负荷削减量计算单元，当所述待加固线路的加固成本不小于预算时，得到所有的待加固线路及加固方式。
可选的，所述故障概率预测单元，具体用于：
将所述台风预测数据和所述配电网***中每条线路中每个杆塔的阻尼系数输入到预设故障概率预测模型中进行处理，得到所述配电网***中每条线路的故障概率，所述预设故障概率预测模型如下：
Figure GDA0003728305160000061
Figure GDA0003728305160000062
其中，pl,ij(v(t))表示线路ij的故障概率，m为线路中的杆塔数量，
Figure GDA0003728305160000063
表示线路ij中第k个杆塔的故障概率，v(t)为台风风速，mR为阻尼系数，ξR为强度测度的对数标准偏差。
可选的，所述负荷削减量计算单元，具体用于：
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率构建负荷削减量模型，所述负荷削减量模型如下：
Figure GDA0003728305160000064
Figure GDA0003728305160000065
Figure GDA0003728305160000066
Figure GDA0003728305160000067
Figure GDA0003728305160000068
Figure GDA0003728305160000069
Figure GDA00037283051600000610
其中，L2(x)表示负荷削减成本，cLoad表示负荷削减成本，αn,t表示负荷削减率，
Figure GDA00037283051600000611
表示第n条线路在t时刻的负荷需求量，公式(4)-(5)表示每条线路的功率平衡，公式(6)-(7)表示线路的潮流流通性，如果线路ij发生故障，则
Figure GDA00037283051600000612
进而Pij,t＝0，Qij,t＝0，公式(8)-(9)分别表示***电压和削减负荷系数限制；
求解所述负荷削减量模型，得到所述配电网***的负荷削减量。
可选的，所述故障路线确定单元，具体用于：
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量构建线路故障优化模型，所述线路故障优化模型如下：
Figure GDA00037283051600000613
Figure GDA0003728305160000071
Figure GDA0003728305160000072
Figure GDA0003728305160000073
Figure GDA0003728305160000074
其中，
Figure GDA0003728305160000075
表示线路ij在执行k种加固策略之后的故障概率，
Figure GDA0003728305160000076
表示线路ij经过k种加固策略之后的是否发生故障，1表示故障，0表示没有故障；w表示***不确定性预算，公式(11)表示
Figure GDA0003728305160000077
只有在
Figure GDA0003728305160000078
的前提下才会发生，公式(12)表示线路ij在极端天气事件的持续时间内最多只会发生一次故障。
Figure GDA0003728305160000079
表示线路ij是否受到损坏，1表示损坏，0表示未损坏。公式(13)规定了故障线路ij的修复时间，其中，TR表示故障线路ij的修复时间。
可选的，所述加固成本确定单元，具体用于：
对所述负荷削减量模型和所述线路故障优化模型转化为单层模型：
Figure GDA00037283051600000710
使L2(x)＝cx，对所述单层模型进行对偶变化，得到：
Figure GDA00037283051600000711
其中，A′表示A的转置，决策变量ο为0-1变量，设πi＝λiοi，得到以下松弛约束：
Figure GDA00037283051600000712
求解所述单层模型，得到：
Figure GDA00037283051600000713
根据(18)，以加固投资最小化为优化目标，构建加固投资模型：
Figure GDA00037283051600000714
其中，L1(y)表示加固投资；
Figure GDA00037283051600000715
Figure GDA0003728305160000081
L(y)≤BL (22)
Figure GDA0003728305160000082
Figure GDA0003728305160000083
Figure GDA0003728305160000084
Figure GDA0003728305160000085
Figure GDA0003728305160000086
Figure GDA0003728305160000087
其中，ij，ΩB分别表示当前线路位置和总的线路条数；k表示第k种加固策略，其中k＝1表示未加固，k＝2表示已加固；
n，ΩN分别表示当前节点位置和总的节点数；
dg，ΩDG分别表示当前分布式发电机种类和总的分布式发电机种类数；
ess，ΩESS分别表示当前储能设备种类和总的储能设备种类数；
Figure GDA0003728305160000088
表示执行第k种加固策略的成本系数；
Figure GDA0003728305160000089
表示线路ij是否执行第k种加固策略；
cDG，cESS分别表示分布式发电机和储能设备的成本系数；
Figure GDA00037283051600000810
分别表示分布式发电机和储能设备在t时刻的输出功率；
BL表示预算投资成本。
相对于现有技术，本发明的有益效果如下：
本发明公开的一种配电网***的优化方法，通过根据台风预测数据预测配电网***中每条线路的故障概率，在此基础上，通过以负荷削减成本最小化、线路故障造成的损失最大化以及加固成本最小化为优化目标，确定在加固成本达到预算时的待加固线路以及加固方式，实现对配电网***进行合理优化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种配电网***的优化方法的流程示意图；
图2为本发明实施例公开的测试***拓扑图；
图3为本发明实施例公开的总***负荷需求图；
图4为本发明实施例公开的初始时刻节点负荷需求图；
图5为本发明实施例公开的台风等级风速图；
图6为本发明实施例公开的场景1线路损坏情况示意图；
图7为本发明实施例公开的场景2线路损坏情况示意图；
图8为本发明实施例公开的场景3中分布式发电机安装位置和线路损坏情况示意图；
图9为本发明实施例公开的不同投资预算和台风等级下的负荷损失示意图；
图10为本发明实施例公开的一种配电网***的优化装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本实施例公开了一种配电网***的优化方法，具体包括以下步骤：
S101：获取台风预测数据，并根据台风预测数据确定受台风影响的配电网***；
S102：根据台风预测数据，预测配电网***中每条线路的故障概率；
S103：以负荷削减成本最小化为优化目标，根据配电网***中每条路线的故障概率计算配电网***的负荷削减量；
S104：以线路故障造成的损失最大化为优化目标，根据配电网***的负荷削减量确定配电网***中的至少一条故障路线；
S105：以加固成本最小化为优化目标，从故障线路中确定一条待加固线路，并确定待加固线路的加固方式确定加固成本，待加固线路为故障线路中故障时带来损害最严重的线路；
S106：判断待加固线路的加固成本是否小于预算；
若是，返回执行S103；
若否，方法结束。
以下对上述实施例进行详细介绍：
本实施例采用线路加固和在潜在故障点安装分布式发电机的方式，以负荷削减成本最小化、线路故障造成的损失最大化以及加固成本最小化为优化目标，建立了一个三阶段鲁棒优化模型。第一阶段选择加固线路和加固类型和对分布式电源进行选址定容，及本实施例中的加固投资模型，第二阶段在第一阶段的基础上，以台风对配电***造成损失最大化来确定故障线路的位置，即负荷削减量模型，在此“最坏情况”下第三阶段是最小化停电损失，即线路故障优化模型。通过对偶理论将第二和第三阶段的鲁棒模型转换成单层模型，进而设计迭代算法求解整体模型。
进一步，将所述台风预测数据和所述配电网***中每条线路中每个杆塔的阻尼系数输入到预设故障概率预测模型中进行处理，得到所述配电网***中每条线路的故障概率，所述预设故障概率预测模型如下：
一条线路的故障概率需要对线路内的每个杆塔进行脆弱性模型分析。假设架空线路中的每个杆塔的故障概率是独立的，则由极端天气导致的架空线路发生故障的概率可以被建模成：
Figure GDA0003728305160000101
式中，pl,ij(v(t))表示线路ij的故障概率，m为线路中的杆塔数量，
Figure GDA0003728305160000102
表示线路ij中第k个杆塔的故障概率，是与台风时速相关的函数，可以表示为对数正态累积分布函数：
Figure GDA0003728305160000103
式中，v(t)为台风风速，mR为阻尼系数，ξR为强度测度的对数标准偏差。
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率构建负荷削减量模型，所述负荷削减量模型如下：
Figure GDA0003728305160000111
Figure GDA0003728305160000112
Figure GDA0003728305160000113
Figure GDA0003728305160000114
Figure GDA0003728305160000115
Figure GDA0003728305160000116
Figure GDA0003728305160000117
其中，L2(x)表示负荷削减成本，cLoad表示负荷削减成本，αn,t表示负荷削减率，
Figure GDA0003728305160000118
表示第n条线路在t时刻的负荷需求量，公式(4)-(5)表示每条线路的功率平衡，公式(6)-(7)表示线路的潮流流通性，如果线路ij发生故障，则
Figure GDA0003728305160000119
表示线路ij是否受到损坏，1表示损坏，0表示未损坏。进而线路ij在t时刻的输出有功功率Pij,t＝0，无功功率Qij,t＝0，Pn,t表示第n条线路在t时刻的有功功率，Qn,t表示第n条线路在t时刻的无功功率，公式(8)-(9)分别表示***电压和削减负荷系数限制，
Figure GDA00037283051600001110
表示第n条线路在t时刻的电压；
求解所述负荷削减量模型，得到所述配电网***的负荷削减量。
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量构建线路故障优化模型，所述线路故障优化模型如下：
Figure GDA00037283051600001111
Figure GDA00037283051600001112
Figure GDA00037283051600001113
Figure GDA00037283051600001114
Figure GDA0003728305160000121
其中，
Figure GDA0003728305160000122
表示线路ij在执行k种加固策略之后的故障概率，
Figure GDA0003728305160000123
表示线路ij经过k种加固策略之后的是否发生故障，1表示故障，0表示没有故障；w表示***不确定性预算，公式(11)表示
Figure GDA0003728305160000124
只有在
Figure GDA0003728305160000125
的前提下才会发生，
Figure GDA0003728305160000126
表示线路ij是否执行第k种加固策略，1表示执行加固策略，0表示不执行加固策略，公式(12)表示线路ij在极端天气事件的持续时间内最多只会发生一次故障。
Figure GDA0003728305160000127
表示线路ij是否受到损坏，1表示损坏，0表示未损坏。公式(13)规定了故障线路ij的修复时间，其中，TR表示故障线路ij的修复时间，如果一条线路在st时刻发生故障，则会一直保持故障状态直到被修复为止，例如TR＝6，则当
Figure GDA0003728305160000128
为了描述方便，将上述的负荷削减量模型和线路故障优化模型用如下紧凑的形式表达：
Figure GDA0003728305160000129
其中，L2(x)＝cx。对目标函数的max-min问题进行对偶变化如下形式：
Figure GDA00037283051600001210
式中：A′表示为A的转置。需要注意的是目标函数里λo为双线性因子，决策变量o为0-1变量。因此需对其进一步转换为线性约束，以其中i元素为例，不妨设πi＝λioi，可得如下松弛约束：
Figure GDA00037283051600001211
式中：M为足够大的数。
因此，最终求解的负荷削减量模型和线路故障优化模型可写为如下形式：
Figure GDA00037283051600001212
并将其最优结果表示为{λs,os}，其中λs表示拉格朗日乘子，os表示决策变量，本专利中表示线路故障结果。
根据(18)，以加固投资最小化为优化目标，构建加固投资模型：
Figure GDA00037283051600001213
其中，L1(y)表示加固投资；
Figure GDA0003728305160000131
Figure GDA0003728305160000132
L(y)≤BL (22)
Figure GDA0003728305160000133
Figure GDA0003728305160000134
Figure GDA0003728305160000135
Figure GDA0003728305160000136
Figure GDA0003728305160000137
Figure GDA0003728305160000138
其中，ij，ΩB分别表示当前线路位置和总的线路条数；k表示第k种加固策略，其中k＝1表示未加固，k＝2表示已加固；
n，ΩN分别表示当前节点位置和总的节点数；
dg，ΩDG分别表示当前分布式发电机种类和总的分布式发电机种类数；
ess，ΩESS分别表示当前储能设备种类和总的储能设备种类数；
Figure GDA0003728305160000139
表示执行第k种加固策略的成本系数；
Figure GDA00037283051600001310
表示线路ij是否执行第k种加固策略；
cDG，cESS分别表示分布式发电机和储能设备的成本系数；
Figure GDA00037283051600001311
分别表示分布式发电机和储能设备在t时刻的输出功率；
BL表示预算投资成本。
其中公式(21)表示每条线路中仅有一种加固策略被执行。
公式(23)-(24)表示对分布式发电机的输出功率进行限制，公式(25)-(26)表示对储能设备的放电功率进行限制，δe表示第e个储能设备的放电效率。在实施例中，仅考虑储能设备的放电行为，并假设安装的储能设备均充电至其最高容量，以应对可能发生的故障。约束(27)表示储能设备的SOC的限制，公式(28)表示储能设备的SOC变化与放电功率之间的关系。
为使本领域技术人员更好地理解本发明，以下通过一个具体示例进行描述：
采用一个13节点测试***进行算例分析，如图2所示。现代配电***中常配备有分布式发电机DG和储能设备ESS，可以在发生故障时为断电部分提供电能支撑。本文的算例测试中考虑两种DG和三种ESS设备，具体安装节点位置在三阶段模型中求解得出。为了评估台风对配电***的影响，基于统计建模方法，通过其静态和动态梯度风场对台风进行建模。该建模方法提供了模拟台风的空间分布和强度，最大风速半径。根据上述信息和测试***的模拟数据，可以用公式(1)-(2)计算配电线路的故障概率。
表1显示了分布式杆塔在加固和未加固状态下的故障概率参数以及对应的加固费用。电压范围设置在0.95～1.05，不确定预算w设置为0.005，负荷削减成本系数cLoad设置为14元/kW，加固成本预算设为120000元，具体参数见表2和表3。一般台风登陆后的12小时以内为故障高发期，故本文优化时段为台风登陆后的前12小时。图3是总***负荷需求图，图4是初始时刻节点负荷需求图，图6是台风的等级风速图。
表1杆塔故障概率参数
Figure GDA0003728305160000141
表2 DG参数
Figure GDA0003728305160000142
表3 ESS参数
Figure GDA0003728305160000151
一、结果与分析
设置以下三种场景来进行算例分析：
场景1：不做任何加固策略。
场景2：仅考虑线路加固策略。
场景3：综合考虑线路加固和DG，ESS的优化配置。
场景1：假设***在遭受极端天气影响下的故障修复时间为6小时，各时段下节点总负荷需求如图4所示，各节点在初始时刻的负荷需求如图5所示。在算例分析中，考虑了两种类型的台风，图6显示了两类台风移动时，配电***地面风速变化。当台风等级为等级一时，被认为是最严重的情况。如果所有杆塔都不采取任何加固策略并且没有安装DG和ESS的情况下，最终台风会导致线路L2-3，L3-12，L9-10发生故障，***损坏情况如图7所示，共造成1.3731MW的负荷削减，192240元的经济损失。
为防止出现如图7所示的大规模负荷损失的情况，首先采用文中所提的三阶段模型和算法求解出最优加固线路，但暂时不考虑安装DG和ESS。加固方案如表4所示，在每次的迭代过程中，选择一条故障后带来损失最大的线路进行加固，同时更新故障线路信息。例如，在第一次迭代中，就对路L2-3进行了加固，因为一旦L2-3发生了故障，使得功率无法流向下游节点，对***造成严重的负荷削减损失。在加固了L2-3线路之后，负荷削减损失降低至117100元，效果明显。在对***进行了共三次线路加固之后，若继续进行第四次线路加固，则加固费用就会超过投资预算，故对***总共进行三次线路加固，负荷削减成本最终降低至78150元，并最终确定故障线路为L4-5和L10-11，如图8所示。
表4场景2中最佳线路加固方案
Figure GDA0003728305160000161
在仅考虑加固杆塔的措施下，负荷损失虽然会得到大幅度降低，但仍会有7W多的削减费用。为进一步降低负荷损失，在升级杆塔预防线路故障的基础上，采用安装DG和ESS的方式，给可能发生故障的节点负荷提供充足的电能供应。最佳线路加固和电源安装方案如表5所示。
表5场景3中线路加固和DG，ESS配置方案
Figure GDA0003728305160000162
在对***进行杆塔加固的同时选择在制定节点安装DG和ESS，在这两种提升韧性措施的共同作用下，最终可以将负荷削减损失降低至34010元，投资总费用为11709元。最终的DG和ESS的安装节点如图8所示，由于线路L3-4发生故障，下游节点5-8将会遭受大量的负荷削减，故在这些节点中安放了DG和ESS以减少损失。由图4可知，7节点和8节点的负荷需求相对来说较高，故在这两个节点上同时安装了ESS和DG以提供更多的电能，减少这些节点的负荷削减量。
为说明投资预算和台风等级对***韧性的影响，本文分析了加固投资预算和台风等级对***负荷削减的影响情况，计算结果如图9所示。对于所有等级的台风，负荷削减成本会随着投资预算的增加而相应地减少。同时，更严重的台风天气会带来更糟糕的负荷削减以及更高的加固投资成本。
基于上述实施例公开的一种配电网***的优化方法，本实施例对应公开了一种配电网***的优化装置，请参阅图10，该装置包括：
台风预测数据获取单元100，用于获取台风预测数据，并根据所述台风预测数据确定受台风影响的配电网***；
故障概率预测单元200，用于根据所述台风预测数据，预测所述配电网***中每条线路的故障概率；
负荷削减量计算单元300，用于以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量；
故障路线确定单元400，用于以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线；
加固成本确定单元500，用于以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，所述待加固线路为所述故障线路中故障时带来损害最严重的线路；
判断单元600，用于判断所述待加固线路的加固成本是否小于预算，当所述待加固线路的加固成本小于预算时触发所述负荷削减量计算单元，当所述待加固线路的加固成本不小于预算时，得到所有的待加固线路及加固方式。
可选的，所述故障概率预测单元200，具体用于：
将所述台风预测数据和所述配电网***中每条线路中每个杆塔的阻尼系数输入到预设故障概率预测模型中进行处理，得到所述配电网***中每条线路的故障概率，所述预设故障概率预测模型如下：
Figure GDA0003728305160000171
Figure GDA0003728305160000172
其中，pl,ij(v(t))表示线路ij的故障概率，m为线路中的杆塔数量，
Figure GDA0003728305160000173
表示线路ij中第k个杆塔的故障概率，v(t)为台风风速，mR为阻尼系数，ξR为强度测度的对数标准偏差。
可选的，所述负荷削减量计算单元300，具体用于：
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率构建负荷削减量模型，所述负荷削减量模型如下：
Figure GDA0003728305160000181
Figure GDA0003728305160000182
Figure GDA0003728305160000183
Figure GDA0003728305160000184
Figure GDA0003728305160000185
Figure GDA0003728305160000186
Figure GDA0003728305160000187
其中，L2(x)表示负荷削减成本，cLoad表示负荷削减成本，αn,t表示负荷削减率，
Figure GDA0003728305160000188
表示第n条线路在t时刻的负荷需求量，公式(4)-(5)表示每条线路的功率平衡，公式(6)-(7)表示线路的潮流流通性，如果线路ij发生故障，则
Figure GDA0003728305160000189
进而Pij,t＝0，Qij,t＝0，公式(8)-(9)分别表示***电压和削减负荷系数限制；
求解所述负荷削减量模型，得到所述配电网***的负荷削减量。
可选的，所述故障路线确定单元400，具体用于：
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量构建线路故障优化模型，所述线路故障优化模型如下：
Figure GDA00037283051600001810
Figure GDA00037283051600001811
Figure GDA00037283051600001812
Figure GDA00037283051600001813
Figure GDA00037283051600001814
其中，
Figure GDA00037283051600001815
表示线路ij在执行k种加固策略之后的故障概率，
Figure GDA00037283051600001816
表示线路ij经过k种加固策略之后的是否发生故障，1表示故障，0表示没有故障；w表示***不确定性预算，公式(11)表示
Figure GDA00037283051600001817
只有在
Figure GDA00037283051600001818
的前提下才会发生，公式(12)表示线路ij在极端天气事件的持续时间内最多只会发生一次故障。
Figure GDA0003728305160000191
表示线路ij是否受到损坏，1表示损坏，0表示未损坏。公式(13)规定了故障线路ij的修复时间，其中，TR表示故障线路ij的修复时间。
可选的，所述加固成本确定单元500，具体用于：
对所述负荷削减量模型和所述线路故障优化模型转化为单层模型：
Figure GDA0003728305160000192
使L2(x)＝cx，对所述单层模型进行对偶变化，得到：
Figure GDA0003728305160000193
其中，A′表示A的转置，决策变量ο为0-1变量，设πi＝λiοi，得到以下松弛约束：
Figure GDA0003728305160000194
求解所述单层模型，得到：
Figure GDA0003728305160000195
根据(18)，以加固投资最小化为优化目标，构建加固投资模型：
Figure GDA0003728305160000196
其中，L1(y)表示加固投资；
Figure GDA0003728305160000197
Figure GDA0003728305160000198
L(y)≤BL (22)
Figure GDA0003728305160000199
Figure GDA00037283051600001910
Figure GDA00037283051600001911
Figure GDA00037283051600001912
Figure GDA00037283051600001913
Figure GDA0003728305160000201
其中，ij，ΩB分别表示当前线路位置和总的线路条数；k表示第k种加固策略，其中k＝1表示未加固，k＝2表示已加固；
n，ΩN分别表示当前节点位置和总的节点数；
dg，ΩDG分别表示当前分布式发电机种类和总的分布式发电机种类数；
ess，ΩESS分别表示当前储能设备种类和总的储能设备种类数；
Figure GDA0003728305160000202
表示执行第k种加固策略的成本系数；
Figure GDA0003728305160000203
表示线路ij是否执行第k种加固策略；
cDG，cESS分别表示分布式发电机和储能设备的成本系数；
Figure GDA0003728305160000204
分别表示分布式发电机和储能设备在t时刻的输出功率；
BL表示预算投资成本。
本实施例公开的一种配电网***的优化装置，通过根据台风预测数据预测配电网***中每条线路的故障概率，在此基础上，通过以负荷削减成本最小化、线路故障造成的损失最大化以及加固成本最小化为优化目标，确定在加固成本达到预算时的待加固线路以及加固方式，实现对配电网***进行合理优化。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种配电网***的优化方法，其特征在于，包括：
获取台风预测数据，并根据所述台风预测数据确定受台风影响的配电网***；
根据所述台风预测数据，预测所述配电网***中每条线路的故障概率；
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量；
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线；
以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，所述待加固线路为所述故障线路中故障时带来损害最严重的线路；
判断所述待加固线路的加固成本是否小于预算；
若是，返回执行所述以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量，直到所述待加固线路的加固成本不小于预算；
所述以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，包括：
对负荷削减量模型和线路故障优化模型转化为单层模型：
Figure FDA0003728305150000011
所述负荷削减量是以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率进行构建，所述线路故障优化模型是以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量进行构建；
使L2(x)＝cx，对所述单层模型进行对偶变化，得到：
Figure FDA0003728305150000012
其中，A′表示A的转置，决策变量ο为0-1变量，设πi＝λiοi，得到以下松弛约束：
Figure FDA0003728305150000013
求解所述单层模型，得到：
Figure FDA0003728305150000021
根据(18)，以加固投资最小化为优化目标，构建加固投资模型：
Figure FDA0003728305150000022
其中，L1(y)表示加固投资；
Figure FDA0003728305150000023
Figure FDA0003728305150000024
dg∈ΩDG,ess∈ΩESS (20)
Figure FDA0003728305150000025
L(y)≤BL (22)
Figure FDA0003728305150000026
Figure FDA0003728305150000027
Figure FDA0003728305150000028
Figure FDA0003728305150000029
Figure FDA00037283051500000210
Figure FDA00037283051500000211
其中，ij，ΩB分别表示当前线路位置和总的线路条数；k表示第k种加固策略，其中k＝1表示未加固，k＝2表示已加固；
n，ΩN分别表示当前节点位置和总的节点数；
dg，ΩDG分别表示当前分布式发电机种类和总的分布式发电机种类数；
ess，ΩESS分别表示当前储能设备种类和总的储能设备种类数；
Figure FDA00037283051500000212
表示执行第k种加固策略的成本系数；
Figure FDA00037283051500000213
表示线路ij是否执行第k种加固策略；
cDG，cESS分别表示分布式发电机和储能设备的成本系数；
Figure FDA00037283051500000214
分别表示分布式发电机和储能设备在t时刻的输出功率；
BL表示预算投资成本。
2.根据权利要求1所述的方法，其特征在于，所述根据所述台风预测数据，预测所述配电网***中每条线路的故障概率，包括：
将所述台风预测数据和所述配电网***中每条线路中每个杆塔的阻尼系数输入到预设故障概率预测模型中进行处理，得到所述配电网***中每条线路的故障概率，所述预设故障概率预测模型如下：
Figure FDA0003728305150000031
pIk(v(t))＝Φ[ln(v(t)/mR)/ξR] (2)
其中，pl,ij(v(t))表示线路ij的故障概率，m为线路中的杆塔数量，pIk(v(t))表示线路ij中第k个杆塔的故障概率，v(t)为台风风速，mR为阻尼系数，ξR为强度测度的对数标准偏差。
3.根据权利要求2所述的方法，其特征在于，所述以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量，包括：
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率构建负荷削减量模型，所述负荷削减量模型如下：
Figure FDA0003728305150000032
Figure FDA0003728305150000033
Figure FDA0003728305150000034
Figure FDA0003728305150000035
Figure FDA0003728305150000036
Figure FDA0003728305150000037
Figure FDA0003728305150000038
Figure FDA0003728305150000039
Figure FDA00037283051500000310
其中，L2(x)表示负荷削减成本，cLoad表示负荷削减成本，αn,t表示负荷削减率，
Figure FDA00037283051500000311
表示第n条线路在t时刻的负荷需求量，公式(4)-(5)表示每条线路的功率平衡，公式(6)-(7)表示线路的潮流流通性，如果线路ij发生故障，则
Figure FDA00037283051500000312
进而Pij,t＝0，Qij,t＝0，公式(8)-(9)分别表示***电压和削减负荷系数限制；
求解所述负荷削减量模型，得到所述配电网***的负荷削减量。
4.根据权利要求3所述的方法，其特征在于，所述以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线，包括：
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量构建线路故障优化模型，所述线路故障优化模型如下：
Figure FDA0003728305150000041
Figure FDA0003728305150000042
Figure FDA0003728305150000043
Figure FDA0003728305150000044
Figure FDA0003728305150000045
其中，
Figure FDA0003728305150000046
表示线路ij在执行k种加固策略之后的故障概率，
Figure FDA0003728305150000047
表示线路ij经过k种加固策略之后的是否发生故障，1表示故障，0表示没有故障；w表示***不确定性预算，公式(11)表示
Figure FDA0003728305150000048
只有在
Figure FDA0003728305150000049
的前提下才会发生，公式(12)表示线路ij在极端天气事件的持续时间内最多只会发生一次故障；
Figure FDA00037283051500000410
表示线路ij是否受到损坏，1表示损坏，0表示未损坏；公式(13)规定了故障线路ij的修复时间，其中，TR表示故障线路ij的修复时间。
5.一种配电网***的优化装置，其特征在于，包括：
台风预测数据获取单元，用于获取台风预测数据，并根据所述台风预测数据确定受台风影响的配电网***；
故障概率预测单元，用于根据所述台风预测数据，预测所述配电网***中每条线路的故障概率；
负荷削减量计算单元，用于以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率计算所述配电网***的负荷削减量；
故障路线确定单元，用于以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量确定所述配电网***中的至少一条故障路线；
加固成本确定单元，用于以加固成本最小化为优化目标，从所述故障线路中确定一条待加固线路，并确定所述待加固线路的加固方式确定加固成本，所述待加固线路为所述故障线路中故障时带来损害最严重的线路；
判断单元，用于判断所述待加固线路的加固成本是否小于预算，当所述待加固线路的加固成本小于预算时触发所述负荷削减量计算单元，当所述待加固线路的加固成本不小于预算时，得到所有的待加固线路及加固方式；
所述加固成本确定单元，具体用于：
对所述负荷削减量模型和所述线路故障优化模型转化为单层模型：
Figure FDA0003728305150000051
所述负荷削减量是以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率进行构建，所述线路故障优化模型是以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量进行构建；
使L2(x)＝cx，对所述单层模型进行对偶变化，得到：
Figure FDA0003728305150000052
其中，A′表示A的转置，决策变量ο为0-1变量，设πi＝λiοi，得到以下松弛约束：
Figure FDA0003728305150000053
求解所述单层模型，得到：
Figure FDA0003728305150000054
根据(18)，以加固投资最小化为优化目标，构建加固投资模型：
Figure FDA0003728305150000055
其中，L1(y)表示加固投资；
Figure FDA0003728305150000056
Figure FDA0003728305150000057
dg∈ΩDG,ess∈ΩESS (20)
Figure FDA0003728305150000058
L(y)≤BL (22)
Figure FDA0003728305150000061
Figure FDA0003728305150000062
Figure FDA0003728305150000063
Figure FDA0003728305150000064
Figure FDA0003728305150000065
Figure FDA0003728305150000066
其中，ij，ΩB分别表示当前线路位置和总的线路条数；k表示第k种加固策略，其中k＝1表示未加固，k＝2表示已加固；
n，ΩN分别表示当前节点位置和总的节点数；
dg，ΩDG分别表示当前分布式发电机种类和总的分布式发电机种类数；
ess，ΩESS分别表示当前储能设备种类和总的储能设备种类数；
Figure FDA0003728305150000067
表示执行第k种加固策略的成本系数；
Figure FDA0003728305150000068
表示线路ij是否执行第k种加固策略；
cDG，cESS分别表示分布式发电机和储能设备的成本系数；
Figure FDA0003728305150000069
分别表示分布式发电机和储能设备在t时刻的输出功率；
BL表示预算投资成本。
6.根据权利要求5所述的装置，其特征在于，所述故障概率预测单元，具体用于：
将所述台风预测数据和所述配电网***中每条线路中每个杆塔的阻尼系数输入到预设故障概率预测模型中进行处理，得到所述配电网***中每条线路的故障概率，所述预设故障概率预测模型如下：
Figure FDA00037283051500000610
Figure FDA00037283051500000611
其中，pl,ij(v(t))表示线路ij的故障概率，m为线路中的杆塔数量，
Figure FDA00037283051500000612
表示线路ij中第k个杆塔的故障概率，v(t)为台风风速，mR为阻尼系数，ξR为强度测度的对数标准偏差。
7.根据权利要求6所述的装置，其特征在于，所述负荷削减量计算单元，具体用于：
以负荷削减成本最小化为优化目标，根据所述配电网***中每条路线的故障概率构建负荷削减量模型，所述负荷削减量模型如下：
Figure FDA0003728305150000071
Figure FDA0003728305150000072
Figure FDA0003728305150000073
Figure FDA0003728305150000074
Figure FDA0003728305150000075
Figure FDA0003728305150000076
Figure FDA0003728305150000077
Figure FDA0003728305150000078
Figure FDA0003728305150000079
其中，L2(x)表示负荷削减成本，cLoad表示负荷削减成本，αn,t表示负荷削减率，
Figure FDA00037283051500000710
表示第n条线路在t时刻的负荷需求量，公式(4)-(5)表示每条线路的功率平衡，公式(6)-(7)表示线路的潮流流通性，如果线路ij发生故障，则
Figure FDA00037283051500000711
进而Pij,t＝0，Qij,t＝0，公式(8)-(9)分别表示***电压和削减负荷系数限制；
求解所述负荷削减量模型，得到所述配电网***的负荷削减量。
8.根据权利要求7所述的装置，其特征在于，所述故障路线确定单元，具体用于：
以线路故障造成的损失最大化为优化目标，根据所述配电网***的负荷削减量构建线路故障优化模型，所述线路故障优化模型如下：
Figure FDA00037283051500000712
Figure FDA00037283051500000713
Figure FDA00037283051500000714
Figure FDA00037283051500000715
Figure FDA00037283051500000716
其中，
Figure FDA0003728305150000081
表示线路ij在执行k种加固策略之后的故障概率，
Figure FDA0003728305150000082
表示线路ij经过k种加固策略之后的是否发生故障，1表示故障，0表示没有故障；w表示***不确定性预算，公式(11)表示
Figure FDA0003728305150000083
只有在
Figure FDA0003728305150000084
的前提下才会发生，公式(12)表示线路ij在极端天气事件的持续时间内最多只会发生一次故障；
Figure FDA0003728305150000085
表示线路ij是否受到损坏，1表示损坏，0表示未损坏；公式(13)规定了故障线路ij的修复时间，其中，TR表示故障线路ij的修复时间。
CN202011091087.XA 2020-10-13 2020-10-13 一种配电网***的优化方法及装置 Active CN112152210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011091087.XA CN112152210B (zh) 2020-10-13 2020-10-13 一种配电网***的优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011091087.XA CN112152210B (zh) 2020-10-13 2020-10-13 一种配电网***的优化方法及装置

Publications (2)

Publication Number Publication Date
CN112152210A CN112152210A (zh) 2020-12-29
CN112152210B true CN112152210B (zh) 2022-08-23

Family

ID=73951552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011091087.XA Active CN112152210B (zh) 2020-10-13 2020-10-13 一种配电网***的优化方法及装置

Country Status (1)

Country Link
CN (1) CN112152210B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113489033A (zh) * 2021-06-11 2021-10-08 国网上海市电力公司 面向韧性提升的配电网分布式电源储能控制方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110391657A (zh) * 2019-06-11 2019-10-29 浙江大学 一种应对极端天气引起短路故障的电力***韧性提高方法
CN111342461A (zh) * 2020-03-30 2020-06-26 国网福建省电力有限公司 一种考虑网架动态重构的配电网优化调度方法及***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10804736B2 (en) * 2018-11-13 2020-10-13 Mitsubishi Electric Research Laboratories, Inc. Methods and systems for post-disaster resilient restoration of power distribution system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110391657A (zh) * 2019-06-11 2019-10-29 浙江大学 一种应对极端天气引起短路故障的电力***韧性提高方法
CN111342461A (zh) * 2020-03-30 2020-06-26 国网福建省电力有限公司 一种考虑网架动态重构的配电网优化调度方法及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Resilience Enhancement Strategy for Distribution Systems Under Extreme Weather Events;Shanshan Ma;《IEEE TRANSACTIONS ON SMART GRID》;20180331;第1442-1451页 *
Resilience Enhancement With Sequentially Proactive Operation Strategies;Chong Wang;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20170731;第2847-2857页 *
基于态势感知的电网台风预警防御框架研究综述;黄伟;《电力***保护与控制》;20180601;第162-169页 *

Also Published As

Publication number Publication date
CN112152210A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
Yang et al. Quantitative resilience assessment for power transmission systems under typhoon weather
Taheri et al. Distribution system resilience enhancement via mobile emergency generators
CN110571807B (zh) 极端自然灾害下计及储能配置韧性配电网规划方法及***
Wang et al. Resilience enhancement with sequentially proactive operation strategies
CN108512226B (zh) 一种灾害下电力***恢复力评估的方法
Ghasemi et al. A stochastic planning model for improving resilience of distribution system considering master-slave distributed generators and network reconfiguration
CN115456304A (zh) 考虑台风影响的海上风电场可靠性指标计算方法及装置
CN112152210B (zh) 一种配电网***的优化方法及装置
CN110412417B (zh) 基于智能电力监测仪表的微电网数据故障诊断方法
CN116014790A (zh) 一种含分布式能源的配电网弹性评估方法
Hosseinzadeh et al. Fast restoration of microgrids using online evaluation metrics considering severe windstorms
Wang et al. A novel preventive islanding scheme of power system under extreme typhoon events
CN115809836B (zh) 考虑分布式储能应急供电能力的配电网韧性规划的方法
CN110190617B (zh) 多馈入直流电力***的评估方法、***、设备及存储介质
Beyza et al. Evaluation of Reliability and Robustness of Electric Power Systems with Renewable Energies
CN115906610A (zh) 考虑线路故障和电网韧性的分布式电源选址规划方法
Faghihi et al. An efficient probabilistic approach to dynamic resilience assessment of power systems
Lyu et al. Research on offline and online evaluation of disaster resilience for distribution systems
Zhang et al. Prediction of Power Outages in Distribution Network with Grey Theory
Birchfield et al. Preliminary analysis of network fragility and resilience in large electric grids
Villamarín-Jácome et al. Resilient transmission planning of the ecuadorian power system against earthquakes
Nakarmi Reliability analysis of power grids and its interdependent infrastructures: An interaction graph-based approach
Singh et al. Reliability Evaluation in Transmission Systems
Wang et al. An Improved Robust Optimization Method for Resilient Distribution Networks with the Strategies of Line Hardening and Distributed Generator Placement
Vacheva et al. Optimization of Inverter for PV Systems

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
GR01 Patent grant
GR01 Patent grant