CN113011710A - 基于线路故障后果分析的极端天气配电网事前调度方法 - Google Patents

基于线路故障后果分析的极端天气配电网事前调度方法 Download PDF

Info

Publication number
CN113011710A
CN113011710A CN202110199415.6A CN202110199415A CN113011710A CN 113011710 A CN113011710 A CN 113011710A CN 202110199415 A CN202110199415 A CN 202110199415A CN 113011710 A CN113011710 A CN 113011710A
Authority
CN
China
Prior art keywords
value
scheduling
fault
node
constraint
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.)
Granted
Application number
CN202110199415.6A
Other languages
English (en)
Other versions
CN113011710B (zh
Inventor
牛涛
王刚
谢开贵
胡博
李春燕
邵常政
丁劲峰
李轩
夏子朗
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202110199415.6A priority Critical patent/CN113011710B/zh
Publication of CN113011710A publication Critical patent/CN113011710A/zh
Application granted granted Critical
Publication of CN113011710B publication Critical patent/CN113011710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明提供了基于线路故障后果分析的极端天气配电网事前调度方法，包括：生产成故障场景s；建立以停电损失与事前调度成本之和最小为目标的事前调度模型；建立事前调度模型的约束条件；将故障场景s输入事前调度模型，求解得到事前调度策略；基于所述事前调度策略进行事前调度。本发明与现有技术相比，以事前开关调度成本和事中停电损失之和最小为目标函数，综合考虑第一阶段的事前约束和第二阶段的事中约束，并基于分块‑断路器关联矩阵将配电线路故障后果写入约束。完整的优化模型通过PH算法进行求解。能够准确模拟配电网元件故障及其后果，获得有效的配电网事前调度策略。本发明具有较好的通用性，便于推广应用。

Description

基于线路故障后果分析的极端天气配电网事前调度方法
技术领域
本发明涉及电气工程领域，具体涉及基于线路故障后果分析的极端天气配电网事前调度方法。
背景技术
随着全球范围内环境污染和气候变化的加剧，极端天气出现的频率增大，严重威胁电力***的经济和安全运行。与输电网相比，配电网具有电压等级低、元件脆弱度高、故障后果复杂的特点，成为极端天气下电力***故障的“高发地”。为减小极端天气的影响，可在极端天气发生前对配电网进行事前优化调度，以达到降低经济损失、提高电网弹性的目的。
然而，不同自动化水平的配电网在极端天气下可调度资源不同，潜在故障元件和故障后果也不尽相同。对于无配电自动化设备接入的配电网，所有设备操作都由人工完成。但在极端天气持续过程中，为保证安全，配电网运维人员无法对配电网中的可调度资源进行人工现场调度，且故障元件在极端天气持续时间中无法得到修复。由于配电自动化未接入，配电网的可调度设备一般为网络中的开关设备。现有的研究对极端天气下无自动化接入配电网的线路故障后果考虑不足。准确模拟配电网元件故障及其后果，获得有效的配电网事前调度策略，对配电网在极端天气下的安全经济运行具有重要意义。
发明内容
针对上述现有技术的不足，本发明实际解决的问题是：准确模拟配电网元件故障及其后果，获得有效的配电网事前调度策略。
为了解决上述技术问题，本发明采用了如下的技术方案：
基于线路故障后果分析的极端天气配电网事前调度方法，包括：
S1、生产成故障场景s；
S2、建立以停电损失与事前调度成本之和最小为目标的事前调度模型；
S3、建立事前调度模型的约束条件，约束条件包括考虑事前的第一阶段约束与考虑事中的第二阶段约束，考虑事前的第一阶段约束包括潮流平衡约束、上下限约束、开关状态约束和辐射状约束，考虑事中的第二阶段约束包括潮流平衡约束、上下限约束、开关状态约束、辐射状约束和故障后果约束；
S4、将故障场景s输入事前调度模型，求解得到事前调度策略；
S5、基于所述事前调度策略进行事前调度。
优选地，步骤S1包括：
S101、获取***信息和模型参数，***信息包括配电网***拓扑关系、初始状态、负荷及预测风速信息，模型参数包括单次人工打开或闭合开关设备的经济成本、节点单位停电损失、***购电量上限及节点电压幅值上限和下限；
S102、基于预测风速计算每条线路的故障概率；
S103、基于脆弱线路故障阈值筛选出脆弱线路；
S104、基于筛选出的脆弱线路抽样生成故障场景s。
优选地，所述事前调度模型如下式所示：
Figure BDA0002947579090000021
式中，C表示停电损失与事前调度成本之和，C1表示事前调度成本，C2(s)表示极端事件发生过程中故障场景s中配电网的停电损失，ωs表示故障场景s发生的概率；
Figure BDA0002947579090000022
式中，csw表示单次人工打开或闭合开关设备的经济成本；ΩL表示配电网所有线路的集合；xij,0表示事前调度后线路ij的开闭情况，xij,α为决策变量，取值为1表示闭合，取值为0表示断开；xij,ini表示未发生故障时线路ij的开闭情况，xij,ini为***参数，取值为1表示闭合，取值为0表示断开；
Figure BDA0002947579090000023
式中，T表示事前调度方法的运行时长，ΩB表示配电网所有节点的集合，
Figure BDA0002947579090000024
表示节点i的单位停电损失，pi,t表示节点i在t时刻的负荷，αi,t,s表示故障场景s中节点i在t时刻的负荷削减比例。
优选地，事前调度模型的约束条件包括：
Figure BDA0002947579090000025
Figure BDA0002947579090000026
Figure BDA0002947579090000031
式中，Pi,0和Qi,0表示极端天气发生前节点i的负荷，Pi,0和Qi,0为***参数；Pij,0和Qij,0表示事前调度前线路ij的潮流，Pij,0和Qij,0为决策变量，Pji,0和Qji,0表示事前调度前线路ji的潮流，Pji,0和Qji,0为决策变量；Pbps,0和Qbps,0表示配电网向主网购电功率的大小，Pbps,0和Qbps,0为决策变量；Rij和Xij表示线路ij的阻抗，为***参数；Vi,0为事前调度前节点i的电压幅值，Vi,0为决策变量；V0表示配电网的基准电压；yij,0表示事前调度后线路ij实际开闭情况，取值为1表示闭合，取值为0表示断开，yij,0为和决策变量；M为预设常数；
Figure BDA0002947579090000032
Figure BDA0002947579090000033
0≤Pbps,0
0≤Qbps,0
Figure BDA0002947579090000034
式中，
Figure BDA0002947579090000035
与
Figure BDA0002947579090000036
表示线路ij的潮流上限，Vi max与Vi min表示节点i的电压幅值上限和下限；
Figure BDA0002947579090000037
Figure BDA0002947579090000038
Figure BDA0002947579090000039
oij,0＝0,i＝1
Figure BDA00029475790900000310
式中，xij,0表示事前调度策略中的开关设备的开闭状态，取值为1表示闭合，取值为0表示断开；xsij表示线路ij上是否有开关，取值1表示有，取值0表示没有；oij,0表示ij两节点间的父子关系，取值为1表示在事前调度后节点i是节点j的父节点，取值为0则表示在事前调度后节点i不是节点j的父节点；
Figure BDA00029475790900000311
Figure BDA0002947579090000041
Figure BDA0002947579090000042
式中，Pi,t,s和Qi,t,s表示极端天气发生过程中故障场景s中节点i的负荷，为***参数；Pij,t,s和Qij,t,s表示极端天气发生过程中故障场景s中线路ij的潮流，Pij,t,s和Qij,t,s为决策变量；Pji,t,s和Qji,t,s表示极端天气发生过程中故障场景s中线路ji的潮流，Pij,t,s和Qij,t,s为决策变量；Pbps,t,s和Qbps,t,s表示极端天气发生过程中故障场景s中配电网向主网购电功率的大小，Pbps,t,s和Qbps,t,s为决策变量；αi,t,s和βi,t,s分别表示极端天气发生过程中故障场景s中节点i的负荷削减比例，αi,t,s和βi,t,s为决策变量；Vi,t,s为极端天气发生过程中故障场景s中节点i的电压，Vi,t,s为决策变量；yij,t,s表示极端天气发生过程中故障场景s中线路ij实际开闭情况，取值为1表示闭合，取值为0表示断开，yij,t,s为和决策变量；
Figure BDA0002947579090000043
Figure BDA0002947579090000044
Figure BDA0002947579090000045
Figure BDA0002947579090000046
Figure BDA0002947579090000047
Figure BDA0002947579090000048
Figure BDA0002947579090000049
Figure BDA00029475790900000410
Figure BDA00029475790900000411
式中，xsij,t,s表示极端天气发生过程中故障场景s中线路ij上是否有开关，取值1表示有，取值0表示没有；uij,t,s表示极端天气发生过程中故障场景s中线路ij的故障状态，取值1表示未故障，取值0表示故障；
Figure BDA00029475790900000412
Figure BDA00029475790900000413
Figure BDA0002947579090000051
式中，oij,t,s表示在极端天气发生过程中故障场景s中ij两节点间的父子关系，取值为1表示在极端天气发生过程中故障场景s中节点i是节点j的父节点，取值为0则表示在极端天气发生过程中故障场景s中节点i不是节点j的父节点；
Figure BDA0002947579090000052
Figure BDA0002947579090000053
Figure BDA0002947579090000054
Figure BDA0002947579090000055
Figure BDA0002947579090000056
Figure BDA0002947579090000057
Figure BDA0002947579090000058
Figure BDA0002947579090000059
式中，n表示分块编号；Signm,t,s表示t时刻断路器跳闸标识，取值为0表示断路器在t时刻跳闸，取值为1表示断路器在t时刻不跳闸；m表示配电网中断路器的编号；xm,t,s为t时刻第m个断路器的开闭状态，取值为0表示闭合，取值为1断开；若第n个分块的上游断路器为第m个断路器，则Hmn等于1，否则Hmn等于0；xl,0表示事前调度策略中连接分块n1和n2的开关设备的状态，取值为1表示闭合，取值为0表示断开；xm,0为事前调度策略中第m个断路器的状态，取值为1表示闭合，取值为0表示断开。
本发明与现有技术相比，以事前开关调度成本和事中停电损失之和最小为目标函数，综合考虑第一阶段的事前约束和第二阶段的事中约束，并基于分块-断路器关联矩阵将配电线路故障后果写入约束。完整的优化模型通过PH算法进行求解。能够准确模拟配电网元件故障及其后果，获得有效的配电网事前调度策略。本发明具有较好的通用性，便于推广应用。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明公开的基于线路故障后果分析的极端天气配电网事前调度方法的流程图；
图2为典型的配电网元件脆弱度曲线图；
图3为单个场景线路故障状态抽样过程流程图；
图4为示例中改进IEEE33节点***结构示意图；
图5为图4对应的实施事前调度方案后的***拓扑结构示意图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示，本发明公开了基于线路故障后果分析的极端天气配电网事前调度方法，包括：
S1、生产成故障场景s；
S2、建立以停电损失与事前调度成本之和最小为目标的事前调度模型；
S3、建立事前调度模型的约束条件，约束条件包括考虑事前的第一阶段约束与考虑事中的第二阶段约束，考虑事前的第一阶段约束包括潮流平衡约束、上下限约束、开关状态约束和辐射状约束，考虑事中的第二阶段约束包括潮流平衡约束、上下限约束、开关状态约束、辐射状约束和故障后果约束；
S4、将故障场景s输入事前调度模型，求解得到事前调度策略；
S5、基于所述事前调度策略进行事前调度。
本发明与现有技术相比，以事前开关调度成本和事中停电损失之和最小为目标函数，综合考虑第一阶段的事前约束和第二阶段的事中约束，并基于分块-断路器关联矩阵将配电线路故障后果写入约束。完整的优化模型通过PH算法进行求解。能够准确模拟配电网元件故障及其后果，获得有效的配电网事前调度策略。本发明具有较好的通用性，便于推广应用。
具体实施时，步骤S1包括：
S101、获取***信息和模型参数，***信息包括配电网***拓扑关系、初始状态、负荷及预测风速信息，模型参数包括单次人工打开或闭合开关设备的经济成本、节点单位停电损失、***购电量上限及节点电压幅值上限和下限；
S102、基于预测风速计算每条线路的故障概率；
假设t时刻的预测风速为vt，则该时刻线路ij上单个配电杆塔的故障概率为预测风速vt的函数Pij,T(vt)，线路ij的故障概率为Pij,C(vt)。单个配电杆塔或导线的故障概率可以从图2所示的配电网元件脆弱度曲线中获得。
设线路ij间有Nij,T个杆塔，线路ij间存在杆塔故障的概率Pij,Tower(vt)与单个杆塔故障概率Pij,T(vt)之间的关系为：
Figure BDA0002947579090000071
节点ij间线路故障概率Pij,L(vt)为：
Pij,L(vt)＝Pij,Tower(vt)+Pij,C(vt)-Pij,Tower(vt)×Pij,C(vt)。
S103、基于脆弱线路故障阈值筛选出脆弱线路；
设脆弱线路的故障概率阈值为Pstep，fij,t为脆弱线路的标志，对任意线路ij有：
Figure BDA0002947579090000072
fij,t为1的线路的集合就是***脆弱线路集合ΩLf
对于故障场景s来说，针对t时刻还未发生故障的脆弱线路ij∈ΩLf，抽取一个随机数τij,t,s∈[0,1]，当抽取的随机数τij,t,s小于线路故障概率Pij,L(vt)时，线路发生故障，线路故障状态uij,t,s为1。当抽取的随机数大于或等于线路故障概率Pij,L(vt)时，线路不发生故障，线路故障状态uij,t,s为0：
Figure BDA0002947579090000073
对于在上一时刻已发生故障的脆弱线路ij∈ΩLf，由于极端天气持续时间内线路无法得到修复，线路的故障状态保持不变：
Figure BDA0002947579090000074
S104、基于筛选出的脆弱线路抽样生成故障场景s。
单个场景线路故障状态抽样过程如图3所示。
具体实施时，所述事前调度模型如下式所示：
Figure BDA0002947579090000075
式中，C表示停电损失与事前调度成本之和，C1表示事前调度成本，C2(s)表示极端事件发生过程中故障场景s中配电网的停电损失，ωs表示故障场景s发生的概率；
Figure BDA0002947579090000081
式中，csw表示单次人工打开或闭合开关设备的经济成本；ΩL表示配电网所有线路的集合；xij,0表示事前调度后线路ij的开闭情况，xij,α为决策变量，取值为1表示闭合，取值为0表示断开；xij,ini表示未发生故障时线路ij的开闭情况，xij,ini为***参数，取值为1表示闭合，取值为0表示断开；
Figure BDA0002947579090000082
式中，T表示事前调度方法的运行时长，ΩB表示配电网所有节点的集合，
Figure BDA0002947579090000083
表示节点i的单位停电损失，pi,t表示节点i在t时刻的负荷，αi,t,s表示故障场景s中节点i在t时刻的负荷削减比例。
具体实施时，事前调度模型的约束条件包括：
Figure BDA0002947579090000084
Figure BDA0002947579090000085
Figure BDA0002947579090000086
式中，Pi,0和Qi,0表示极端天气发生前节点i的负荷，Pi,0和Qi,0为***参数；Pij,0和Qij,0表示事前调度前线路ij的潮流，Pij,0和Qij,0为决策变量，Pji,0和Qji,0表示事前调度前线路ji的潮流，Pji,0和Qji,0为决策变量；Pbps,0和Qbps,0表示配电网向主网购电功率的大小，Pbps,0和Qbps,0为决策变量；Rij和Xij表示线路ij的阻抗，为***参数；Vi,0为事前调度前节点i的电压幅值，Vi,0为决策变量；V0表示配电网的基准电压；yij,0表示事前调度后线路ij实际开闭情况，取值为1表示闭合，取值为0表示断开，yij,0为和决策变量；M为预设常数(M为一个足够大的正数。可取值为1000000)；
Figure BDA0002947579090000087
Figure BDA0002947579090000088
0≤Pbps,0
0≤Qbps,0
Figure BDA0002947579090000091
式中，
Figure BDA0002947579090000092
与
Figure BDA0002947579090000093
表示线路ij的潮流上限，Vi max与Vi min表示节点i的电压幅值上限和下限；
Figure BDA0002947579090000094
Figure BDA0002947579090000095
Figure BDA0002947579090000096
oij,0＝0,i＝1
Figure BDA0002947579090000097
式中，xij,0表示事前调度策略中的开关设备的开闭状态，取值为1表示闭合，取值为0表示断开；xsij表示线路ij上是否有开关，取值1表示有，取值0表示没有；oij,0表示ij两节点间的父子关系，取值为1表示在事前调度后节点i是节点j的父节点，取值为0则表示在事前调度后节点i不是节点j的父节点；
Figure BDA0002947579090000098
Figure BDA0002947579090000099
Figure BDA00029475790900000910
式中，Pi,t,s和Qi,t,s表示极端天气发生过程中故障场景s中节点i的负荷，为***参数；Pij,t,s和Qij,t,s表示极端天气发生过程中故障场景s中线路ij的潮流，Pij,t,s和Qij,t,s为决策变量；Pji,t,s和Qji,t,s表示极端天气发生过程中故障场景s中线路ji的潮流，Pij,t,s和Qij,t,s为决策变量；Pbps,t,s和Qbps,t,s表示极端天气发生过程中故障场景s中配电网向主网购电功率的大小，Pbps,t,s和Qbps,t,s为决策变量；αi,t,s和βi,t,s分别表示极端天气发生过程中故障场景s中节点i的负荷削减比例，αi,t,s和βi,t,s为决策变量；Vi,t,s为极端天气发生过程中故障场景s中节点i的电压，Vi,t,s为决策变量；yij,t,s表示极端天气发生过程中故障场景s中线路ij实际开闭情况，取值为1表示闭合，取值为0表示断开，yij,t,s为和决策变量；
Figure BDA0002947579090000101
Figure BDA0002947579090000102
Figure BDA0002947579090000103
Figure BDA0002947579090000104
Figure BDA0002947579090000105
Figure BDA0002947579090000106
Figure BDA0002947579090000107
Figure BDA0002947579090000108
Figure BDA0002947579090000109
式中，xsij,t,s表示极端天气发生过程中故障场景s中线路ij上是否有开关，取值1表示有，取值0表示没有；uij,t,s表示极端天气发生过程中故障场景s中线路ij的故障状态，取值1表示未故障，取值0表示故障；
Figure BDA00029475790900001010
Figure BDA00029475790900001011
Figure BDA00029475790900001012
式中，oij,t,s表示在极端天气发生过程中故障场景s中ij两节点间的父子关系，取值为1表示在极端天气发生过程中故障场景s中节点i是节点j的父节点，取值为0则表示在极端天气发生过程中故障场景s中节点i不是节点j的父节点；
Figure BDA00029475790900001013
Figure BDA00029475790900001014
Figure BDA00029475790900001015
Figure BDA00029475790900001016
Figure BDA00029475790900001017
Figure BDA0002947579090000111
Figure BDA0002947579090000112
Figure BDA0002947579090000113
式中，n表示分块编号；Signm,t,s表示t时刻断路器跳闸标识，取值为0表示断路器在t时刻跳闸，取值为1表示断路器在t时刻不跳闸；m表示配电网中断路器的编号；xm,t,s为t时刻第m个断路器的开闭状态，取值为0表示闭合，取值为1断开；若第n个分块的上游断路器为第m个断路器，则Hmn等于1，否则Hmn等于0；xl,0表示事前调度策略中连接分块n1和n2(假设之前分了3块，那么n为3。那么假设断路器1连接了分块1和3，那么对m＝1来说，n1＝1，n2＝3)的开关设备的状态，取值为1表示闭合，取值为0表示断开；xm,0为事前调度策略中第m个断路器的状态，取值为1表示闭合，取值为0表示断开。
本发明中，t表示极端天气发生过程中的某一时段。因为极端天气不可能只持续1个小时，比如极端天气持续了5小时，那么t可以是1，2，3，4，5。
本发明中，Hmn1和Hmn2指某一个开关设备连接的两个分块。在xl0公式里，表示的是断路器或者隔离开关连接的两个分块，xm0公式里，表示的的是断路器连接的两个分块。
本发明中，事前调度模型可通过PH算法进行求解，具体方法包括：
将原问题的目标函数和约束条件简化为：
Figure BDA0002947579090000114
s.t.Ax≤b
其中，向量x表示目标函数中的一阶段变量xij,0。Ω(x,s)为第二阶段的目标函数，可以表示为：
Ω(x,s)＝min gTy
s.t.Fy≤r(s)-e(s)x
其中，向量y表示第二阶段变量。
用(x,y(s))∈K(s)代表以上约束，则优化模型的简单数学表达可改写为：
Figure BDA0002947579090000115
用PH算法对场景进行分解，引入场景相应的一阶段变量后的优化调度模型可以表示为：
Figure BDA0002947579090000121
PH算法的步骤如下。
(1)令计数器k＝0，初始乘子m(s)k＝0.
(2)对于任意场景s∈S，S为场景集合，计算最优解：
Figure BDA0002947579090000122
(3)更新计数器，k＝k+1.
(4)计算场景的一阶段最优解平均值：
Figure BDA0002947579090000123
(5)更新乘子：
Figure BDA0002947579090000124
对于任意场景s∈S，计算最优解：
Figure BDA0002947579090000125
计算场景最优解与平均最优解之期望差，即收敛判据：
Figure BDA0002947579090000126
若收敛判据d(k)小于收敛标准ε,停止迭代。反之，回到步骤(3)。
为验证本发明中技术方案的效果，以改进IEEE33节点***为例，***的拓扑结构如图4所示。该***的总负荷为3.715MW，基准容量Sbase＝100MW，基准电压Vbase＝12.66kV。节点电压的上下限分别为1.05p.u.和0.95p.u.。***中共有33个节点，32条普通线路，5条联络线路，开关设备包括3个断路器，3个分段开关和5个联络开关，图中“×”标记表示断路器所在位置。配电网正常运行时断路器和分段开关均处于闭合状态，而所有联络开关均处于打开状态。事前调度的开关操作成本为1000$/次，事件发生时的停电损失为10$/kWh。PH算法的惩罚系数ρ定1000，收敛标准ε为0.0001
设极端天气的持续事件为7个小时，从上午9点至下午4点。根据预测风速和配电线路脆弱度曲线(这个曲线是杆塔的性质，可重复实验得到的)，设脆弱线路的故障率阈值Pstep为0.05，得到***的脆弱线路为线路7-8，线路9-10，线路12-13和线路13-14，这些脆弱线路的故障概率如表1所示。基于线路故障场景生成方法得到50个配电线路随机故障场景。
表1脆弱配电线路故障概率
Figure BDA0002947579090000127
Figure BDA0002947579090000131
针对该实施例，应用本发明相应的基于线路故障后果分析的极端天气配电网事前调度方法进行优化调度，所得到的最优事前调度方案为：在事前打开线路8-9上的分段开关，同时闭合线路33-18上的联络开关。实施事前调度方案后的***拓扑结构如图5所示。
下面对比2个配电网事前调度策略以说明本文提出的事前调度模型的有效性：
Strategy1：配电网在事前保持正常运行状态
Strategy2：配电网在事前实施图5中的事前调度策略
对两种调度策略下配电网的经济成本进行对比分析，结果如表2所示。
表2不同事前调度策略下的成本分析
Figure BDA0002947579090000132
当采取Strategy1时，由于事前没有开关动作，事前调度成本为0，但事中有较大的停电损失，为$129306.43。这是由于配电网在事前没有进行结构调整，配电网运行于较高风险的状态，因此线路故障后果较严重，停电损失较高。当采取事前调度策略Strategy2时，发生了两个开关的动作(开关8-9和开关33-18)，每个开关操作成本为$1000，事前开关调度的成本为$2000。经过这一开关操作后，配电网运行于较低风险的状态，配电线路的故障影响范围较小，事中停电损失较高减少，为$115149.84。
对比采取Strategy1与Strategy2的结果可知，在极端天气来临前调度开关需要一定的事前调度成本$2000，但调度后事中停电损失减少了$14156.59，从而获得了$12156.59的调度收益。该结果的本质是以较小的事前开关调度成本换取较大的事中停电损失减小的收益
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (4)

1.基于线路故障后果分析的极端天气配电网事前调度方法，其特征在于，包括：
S1、生产成故障场景；
S2、建立以停电损失与事前调度成本之和最小为目标的事前调度模型；
S3、建立事前调度模型的约束条件，约束条件包括考虑事前的第一阶段约束与考虑事中的第二阶段约束，考虑事前的第一阶段约束包括潮流平衡约束、上下限约束、开关状态约束和辐射状约束，考虑事中的第二阶段约束包括潮流平衡约束、上下限约束、开关状态约束、辐射状约束和故障后果约束；
S4、将故障场景输入事前调度模型，求解得到事前调度策略；
S5、基于所述事前调度策略进行事前调度。
2.如权利要求1所述的基于线路故障后果分析的极端天气配电网事前调度方法，其特征在于，步骤S1包括：
S101、获取***信息和模型参数，***信息包括配电网***拓扑关系、初始状态、负荷及预测风速信息，模型参数包括单次人工打开或闭合开关设备的经济成本、节点单位停电损失、***购电量上限及节点电压幅值上限和下限；
S102、基于预测风速计算每条线路的故障概率；
S103、基于脆弱线路故障阈值筛选出脆弱线路；
S104、基于筛选出的脆弱线路抽样生成故障场景。
3.如权利要求1所述的线路故障后果分析的极端天气配电网事前调度方法，其特征在于，所述事前调度模型如下式所示：
Figure FDA0002947579080000011
式中，C表示停电损失与事前调度成本之和，C1表示事前调度成本，C2(s)表示极端事件发生过程中故障场景s中配电网的停电损失，ωs表示故障场景s发生的概率；
Figure FDA0002947579080000012
式中，csw表示单次人工打开或闭合开关设备的经济成本；ΩL表示配电网所有线路的集合；xij,0表示事前调度后线路ij的开闭情况，xij,α为决策变量，取值为1表示闭合，取值为0表示断开；xij,ini表示未发生故障时线路ij的开闭情况，xij,ini为***参数，取值为1表示闭合，取值为0表示断开；
Figure FDA0002947579080000021
式中，T表示事前调度方法的运行时长，ΩB表示配电网所有节点的集合，
Figure FDA0002947579080000022
表示节点i的单位停电损失，pi,t表示节点i在t时刻的负荷，αi,t,s表示故障场景s中节点i在t时刻的负荷削减比例。
4.如权利要求3所述的线路故障后果分析的极端天气配电网事前调度方法，其特征在于，事前调度模型的约束条件包括：
Figure FDA0002947579080000023
Figure FDA0002947579080000024
Figure FDA0002947579080000025
式中，Pi,0和Qi,0表示极端天气发生前节点i的负荷，Pi,0和Qi,0为***参数；Pij,0和Qij,0表示事前调度前线路ij的潮流，Pij,0和Qij,0为决策变量，Pji,0和Qji,0表示事前调度前线路ji的潮流，Pji,0和Qji,0为决策变量；Pbps,0和Qbps,0表示配电网向主网购电功率的大小，Pbps,0和Qbps,0为决策变量；Rij和Xij表示线路ij的阻抗，为***参数；Vi,0为事前调度前节点i的电压幅值，Vi,0为决策变量；V0表示配电网的基准电压；yij,0表示事前调度后线路ij实际开闭情况，取值为1表示闭合，取值为0表示断开，yij,0为和决策变量；M为预设常数；
Figure FDA0002947579080000026
Figure FDA0002947579080000027
0≤Pbps,0
0≤Qbps,0
Figure FDA0002947579080000028
式中，
Figure FDA0002947579080000029
与
Figure FDA00029475790800000210
表示线路ij的潮流上限，Vi max与Vi min表示节点i的电压幅值上限和下限；
Figure FDA00029475790800000211
Figure FDA00029475790800000212
Figure FDA0002947579080000031
oij,0＝0,i＝1
Figure FDA0002947579080000032
式中，xij,0表示事前调度策略中的开关设备的开闭状态，取值为1表示闭合，取值为0表示断开；xsij表示线路ij上是否有开关，取值1表示有，取值0表示没有；oij,0表示ij两节点间的父子关系，取值为1表示在事前调度后节点i是节点j的父节点，取值为0则表示在事前调度后节点i不是节点j的父节点；
Figure FDA0002947579080000033
Figure FDA0002947579080000034
Figure FDA0002947579080000035
式中，Pi,t,s和Qi,t,s表示极端天气发生过程中故障场景s中节点i的负荷，为***参数；Pij,t,s和Qij,t,s表示极端天气发生过程中故障场景s中线路ij的潮流，Pij,t,s和Qij,t,s为决策变量；Pji,t,s和Qji,t,s表示极端天气发生过程中故障场景s中线路ji的潮流，Pij,t,s和Qij,t,s为决策变量；Pbps,t,s和Qbps,t,s表示极端天气发生过程中故障场景s中配电网向主网购电功率的大小，Pbps,t,s和Qbps,t,s为决策变量；αi,t,s和βi,t,s分别表示极端天气发生过程中故障场景s中节点i的负荷削减比例，αi,t,s和βi,t,s为决策变量；Vi,t,s为极端天气发生过程中故障场景s中节点i的电压，Vi,t,s为决策变量；yij,t,s表示极端天气发生过程中故障场景s中线路ij实际开闭情况，取值为1表示闭合，取值为0表示断开，yij,t,s为和决策变量；
Figure FDA0002947579080000036
Figure FDA0002947579080000037
Figure FDA0002947579080000038
Figure FDA0002947579080000039
Figure FDA00029475790800000310
Figure FDA00029475790800000311
Figure FDA0002947579080000041
Figure FDA0002947579080000042
Figure FDA0002947579080000043
式中，xsij,t,s表示极端天气发生过程中故障场景s中线路ij上是否有开关，取值1表示有，取值0表示没有；uij,t,s表示极端天气发生过程中故障场景s中线路ij的故障状态，取值1表示未故障，取值0表示故障；
Figure FDA0002947579080000044
Figure FDA0002947579080000045
Figure FDA0002947579080000046
式中，oij,t,s表示在极端天气发生过程中故障场景s中ij两节点间的父子关系，取值为1表示在极端天气发生过程中故障场景s中节点i是节点j的父节点，取值为0则表示在极端天气发生过程中故障场景s中节点i不是节点j的父节点；
Figure FDA0002947579080000047
Figure FDA0002947579080000048
Figure FDA0002947579080000049
Figure FDA00029475790800000410
Figure FDA00029475790800000411
Figure FDA00029475790800000412
Figure FDA00029475790800000413
Figure FDA00029475790800000414
式中，n表示分块编号；Signm,t,s表示t时刻断路器跳闸标识，取值为0表示断路器在t时刻跳闸，取值为1表示断路器在t时刻不跳闸；m表示配电网中断路器的编号；xm,t,s为t时刻第m个断路器的开闭状态，取值为0表示闭合，取值为1断开；若第n个分块的上游断路器为第m个断路器，则Hmn等于1，否则Hmn等于0；xl,0表示事前调度策略中连接分块n1和n2的开关设备的状态，取值为1表示闭合，取值为0表示断开；xm,0为事前调度策略中第m个断路器的状态，取值为1表示闭合，取值为0表示断开。
CN202110199415.6A 2021-02-22 2021-02-22 基于线路故障后果分析的极端天气配电网事前调度方法 Active CN113011710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110199415.6A CN113011710B (zh) 2021-02-22 2021-02-22 基于线路故障后果分析的极端天气配电网事前调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110199415.6A CN113011710B (zh) 2021-02-22 2021-02-22 基于线路故障后果分析的极端天气配电网事前调度方法

Publications (2)

Publication Number Publication Date
CN113011710A true CN113011710A (zh) 2021-06-22
CN113011710B CN113011710B (zh) 2023-11-03

Family

ID=76406808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110199415.6A Active CN113011710B (zh) 2021-02-22 2021-02-22 基于线路故障后果分析的极端天气配电网事前调度方法

Country Status (1)

Country Link
CN (1) CN113011710B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117311298A (zh) * 2023-11-29 2023-12-29 江苏一家园健康科技有限公司 结合pH值控制的产品优化生产方法与***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104866921A (zh) * 2015-05-22 2015-08-26 天津大学 一种基于安全域的配电***网络重构方法
CN108923415A (zh) * 2018-06-28 2018-11-30 国网湖北省电力有限公司荆门供电公司 一种智能电网线路保护中信息物理协同攻击分析方法
CN110401183A (zh) * 2019-03-12 2019-11-01 天津大学 一种基于配电***两阶段重构的韧性提升方法
CN111641205A (zh) * 2020-05-11 2020-09-08 浙江工业大学 一种基于随机优化的主动配电网故障管理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104866921A (zh) * 2015-05-22 2015-08-26 天津大学 一种基于安全域的配电***网络重构方法
CN108923415A (zh) * 2018-06-28 2018-11-30 国网湖北省电力有限公司荆门供电公司 一种智能电网线路保护中信息物理协同攻击分析方法
CN110401183A (zh) * 2019-03-12 2019-11-01 天津大学 一种基于配电***两阶段重构的韧性提升方法
CN111641205A (zh) * 2020-05-11 2020-09-08 浙江工业大学 一种基于随机优化的主动配电网故障管理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117311298A (zh) * 2023-11-29 2023-12-29 江苏一家园健康科技有限公司 结合pH值控制的产品优化生产方法与***
CN117311298B (zh) * 2023-11-29 2024-02-09 江苏一家园健康科技有限公司 结合pH值控制的产品优化生产方法与***

Also Published As

Publication number Publication date
CN113011710B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
Lin et al. Tri-level optimal hardening plan for a resilient distribution system considering reconfiguration and DG islanding
Lin et al. A review of key strategies in realizing power system resilience
Liu et al. Leveraging network topology optimization to strengthen power grid resilience against cyber-physical attacks
US10424926B2 (en) Method for controlling an electric power distribution micro-grid
CN103679294A (zh) 一种基于差异化的输电网抗灾能力规划方法
Liu et al. Availability assessment based case-sensitive power system restoration strategy
CN113328437B (zh) 一种智能配电网cps拓扑构建方法及故障恢复方法
Wu et al. Resilience enhancement for urban distribution network via risk-based emergency response plan amendment for ice disasters
CN116014790A (zh) 一种含分布式能源的配电网弹性评估方法
Zhai et al. Modeling and identification of worst-case cascading failures in power systems
Sroka et al. The risk of large blackout failures in power systems
CN113011710B (zh) 基于线路故障后果分析的极端天气配电网事前调度方法
Liu et al. Reinforcement learning for cyber-physical security assessment of power systems
Li et al. A line-fault cause analysis method for distribution network based on decision-making tree and machine learning
CN111209535A (zh) 一种电力设备相继故障风险识别方法及***
CN117787915A (zh) 一种配电网数字孪生智慧大脑构建方法
US20230018146A1 (en) Method and central computer arrangement for predicting a grid state, and computer program product
CN115495986A (zh) 一种配电网自愈分布式网络重构方法
CN109768529B (zh) 一种基于布尔型变量的配电***开关的配置方法
Ciapessoni et al. A risk-based resilience assessment tool to anticipate critical system conditions in case of natural threats
CN109902361B (zh) 一种基于逻辑算子的配电网开关优化配置方法
Liu et al. A resilience enhancement scheme of cyber-physical power system for extreme natural disasters
Hayez et al. Enhancing power system resilience with controlled islanding strategies
De Caro et al. Review of Recent Trends in Power System Resilience-Oriented Decision-Making Methods
CN111146779A (zh) 一种电力设备相继故障的大电网柔性安全控制方法及***

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