CN113312761A - 一种配电网韧性的提升方法及*** - Google Patents
一种配电网韧性的提升方法及*** Download PDFInfo
- Publication number
- CN113312761A CN113312761A CN202110536801.XA CN202110536801A CN113312761A CN 113312761 A CN113312761 A CN 113312761A CN 202110536801 A CN202110536801 A CN 202110536801A CN 113312761 A CN113312761 A CN 113312761A
- Authority
- CN
- China
- Prior art keywords
- node
- power
- component
- time
- distribution 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000010248 power generation Methods 0.000 claims abstract description 58
- 238000011084 recovery Methods 0.000 claims abstract description 56
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 13
- 230000009471 action Effects 0.000 claims abstract description 13
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 230000006872 improvement Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 31
- 230000008439 repair process Effects 0.000 claims description 31
- 238000012423 maintenance Methods 0.000 claims description 23
- 238000005315 distribution function Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002582 magnetoencephalography Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000013772 propylene glycol Nutrition 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101100408961 Homo sapiens PPP4R1 gene Proteins 0.000 description 1
- 101100496164 Mus musculus Clgn gene Proteins 0.000 description 1
- 101100229966 Mus musculus Grb10 gene Proteins 0.000 description 1
- 101100237027 Mus musculus Meig1 gene Proteins 0.000 description 1
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 101100333547 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ENP1 gene Proteins 0.000 description 1
- 102100028618 Serine/threonine-protein phosphatase 4 regulatory subunit 1 Human genes 0.000 description 1
- 241001091282 Trimorphodon lambda Species 0.000 description 1
- 101100022811 Zea mays MEG1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种配电网韧性的提升方法及***,在台风天气下对配电网组件进行重要度评估,建立暴风作用下元件故障率模型,采用非序贯蒙特卡罗仿真方法对风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度进行排序;在灾害发生时获取故障情况,根据确定的顺序优先恢复重要度高的元件,实现配电网鲁棒性提升;通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目标函数和约束条件形成MILP问题,通过求解对应问题得到灾后移动应急发电车的实时分配情况,完成配电网恢复提升。本发明实现配电网鲁棒性的提升;缩短配电网故障恢复时间,实现配电网恢复的快速性。
Description
技术领域
本发明属于电力***安全规划运行技术领域,具体涉及一种配电网韧性的提 升方法及***。
背景技术
近年来频发的自然灾害给电力***带来了严重的挑战,凸显了电力***面对 极端灾害应对能力不足的缺点,尤其是台风对电力***的影响面广,破化力强, 台风登陆过境期间电网设备跳闸次数多而且时间集中,且多为永久性故障,故障 设备难以及时恢复,作为直接服务于用户的关键环节,配电网在台风下易发生严 重停电事故。如2017年,台风“天鸽”累计造成广州10千伏线路跳闸35条次, 重合不成功18条次,累计影响用户5.6万余户;2018年,台风“艾云尼”造成 广州地区短时间内61条10kV馈线跳闸,其中重合不成功42条,累计影响用户 15.2万户。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种配电 网韧性的提升方法及***,综合利用多种资源制定配电***在经历极端事件后的 快速恢复供电策略,实现快速、高效的配电网灾害故障恢复过程,提升配电*** 的韧性水平;最大化的提升配电网的抵御能力和恢复能力,降低台风灾害引发严 重故障带来的损失。
本发明采用以下技术方案:
一种配电网韧性的提升方法,包括以下步骤:
S1、在台风天气下对配电网组件进行重要度评估,在灾前阶段进行离线优化 和重要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙特卡罗仿真方 法对风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度进行排 序;在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要度高的元件, 实现配电网鲁棒性提升;
S2、通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微电网, 以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目标函数和约 束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发电车的实时 分配情况,完成配电网恢复提升。
具体的,步骤S1具体为:
采用指数拟合方法模拟暴风下的组件故障率,确定故障率和故障概率之间的 关系,将流向需求节点的功率总和定义为***性能,用非序贯蒙特卡罗模拟方法 对风暴作用下的***状态进行采样,确定目标函数以及模型约束;通过求解每个 抽样故障配置的MILP问题,得到每个组件修理时刻的累积分布函数,采用 Copeland排序方法对累积分布函数进行排序。
进一步的,暴风下的组件故障率:
其中,w(t)是时间t的风速,λwind(w(t))是风速为w(t)时组件的故障率,λnorm是 正常情况下组件的故障率;γ1,γ2,γ3是拟合系数由拟合曲线得到;
故障率和故障概率之间的关系为:
其中,pij是组件(i,j)的故障概率;λij组件(i,j)的故障率;Ty是与故障率相关 的时间。
进一步的,目标函数为:
进一步的,灾难发生时,损坏的组件形成一个集合E'∈E,E为组件的集合, 设E'中的组件在灾难发生时立即损坏,采用双态分量模型,约束条件包括
组件状态约束如下:
其中,sij(t)是二元变量,sij(t)∈{0,1},t=1,2,...,T,它显示组件(i,j)∈E在时刻t的 状态;
网络容量约束如下:
其中,网络中的顶点被分为三类:发电机节点VS、传输节点VT和需求节点VD, 连续变量fj(t)∈R+是需求节点j在时间t接收的功率流,连续变量fij(t)∈R+是在时 间t从节点i传输到j的功率流,是组件(i,j)∈E的传输容量,Pi S是发电机节点i∈VS产生的最大功率,为需求节点j∈VD的需求,电力从发电机节点传输到所 有需求节点,并且电力流必须服从网络的物理约束;
人员路径约束如下:
其中,二进制变量xm,n∈[0,1]表示修理组是否从m组件移动到n组件,如果修 理组从m组件移动到n组件,xm,n取1,否则取0;M为一个大数,dep表示仓库, 表示维修人员到达仓库的时刻,离散变量表示维修人员到达组件 m的时刻;二进制变量sm(t)表示组件m在时间t的状态;二元变量fm,τ∈[0,1]表示 组件m在时间t是否被修复;表示维修人员修理组件需要的时间;记录维 修人员从组件m行进到组件n所需的时间fm,τ表示组件m在某一时刻是否被修复。
进一步的,将累积分布函数的百分位数定义为Ω特征,获得组件m的科普兰 分数:
具体的,步骤S2中,以重要负荷最小停电时间为目标建立目标函数如下:
具体的,步骤S2中,满足的约束条件包括预部署与实时调度约束、网络拓 扑的连接关系约束、线路潮流与功率平衡约束和配电网受灾场景约束。
进一步的,预部署与实时调度约束为:
τsmikn≤βikn,τsmikn≤xsmkn,τsmikn≥βikn+xsmkn-1
其中,τsmikn为使目标函数线性化而引入的辅助二进制变量,βikn为表示场景n 下节点i的负荷是否被节点k的电源恢复供电的二进制变量,xsmkn为表示场景n 下移动应急发电车m从中转位置s实时调度到节点k的二进制变量,csm为表示 移动应急发电车m是否被预先部署在中转位置s的二进制变量,Cs为中转位置可 部署的移动应急发电车容量限制,m代表移动应急发电车,M为所有移动应急发 电车所构成的集合,s代表中转位置,S为所有中转位置所构成的集合,k为配电 网节点,G为移动应急发电车连接的候选节点集合;
网络拓扑的连接关系约束为:
zkn=1
vikn≤zkn
vkkn≥zkn
vikn≤vjkn,j=θk(i)
βikn=viknlin
其中,zkn为表示节点k是否为馈线节点或场景n下移动应急发电车连接的二 进制变量,vikn为表示场景n下节点i由节点k处连接的电源供电的二进制变量, vkkn为表示场景n下节点k的负荷由节点k本身所连接的电源供电,xijn为表示场 景n下线路ij是否闭合的二进制变量,ζk(i,j)为关于节点k的线路ij的子节点, θk(i)为关于节点k的节点i的父节点,lin为表示场景n下节点i的负载开关是否闭 合的二进制变量,h,j表示配电网节点,F为所有馈线节点构成的集合;
线路潮流与功率平衡约束为:
其中,为场景n下由节点k的电源提供的注入节点i的有功功率,为场 景n下由节点k的电源提供的注入节点i的无功功率,pi为节点i的负荷的有功 需求,qi为节点i的负荷的无功需求,为移动应急发电车m的最大有功出力, 为移动应急发电车m的最大无功出力,为线路ij的视在功率容量,为 表示场景n下与节点k连接的移动应急发电车相关的节点i的电压变量,rij为线 路ij的电阻,xij为线路ij的电抗,为为表示场景n下与节点k连接的移动应急 发电车相关的节点i的辅助电压松弛变量,ε为电压偏差公差,V0为额定电压,为关于节点k的节点i的子节点集;
配电网受灾场景约束为:
其中,xijn为表示场景n下线路ij是否闭合的二进制变量,LOn为场景n下受 灾线路的集合,n表示不同的受灾场景,(i,j)表示节点i与节点j间的线路。
本发明的另一技术方案是,一种配电网韧性的提升***,包括:
鲁棒模块,在台风天气下对配电网组件进行重要度评估,在灾前阶段进行离 线优化和重要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙特卡罗 仿真方法对风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度 进行排序;在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要度高的 元件,实现配电网鲁棒性提升;
恢复模块,通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微 电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目标函 数和约束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发电车 的实时分配情况,完成配电网恢复快速性提升。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种配电网韧性的提升方法,以提升配电网韧性为目的,通过提升鲁 棒性与快速性以提升电力***抵御台风灾害的能力,实现快速、高效的配电网灾 害故障恢复过程。首先在灾前通过对电力***组件进行重要度评估来提升配电网 鲁棒性,建立了风暴作用下的零组件故障率模型。根据该模型,可以用非序贯蒙 特卡罗模拟方法对风暴作用下的***状态进行采样,针对每个***状态,通过求 解考虑机组调度的组件维修顺序优化模型,得到最优修复模型,最后,经过充分 的***状态采样,可以得到元件修复时刻的分布函数,采用Copeland排序法对 构件重要性进行排序,与前人的研究相比,它的优点是既考虑了弹性,又考虑了 维修人员的调度;根据辨识出的薄弱环节以及灾害发生的具体情况,通过移动应 急发电车的灾前应急配置与灾后实时调度,建立随机规划模型,在台风发生前优化移动发电车部署位置,台风发生后结合拓扑重构等措施调度发电车进行配网拓 扑快速重构,形成微网为重要负荷供电,可以有效保障重要负荷的恢复,缩短配 电网故障的恢复时间,提升快速性,进而提升配电网韧性。
进一步的,步骤S1中组件的重要性评估对于提高抗灾能力具有重要意义, 因为它在加强网格结构、设计恢复策略以及提高防灾减灾的资源分配效率方面起 着至关重要的作用;组件重要性评估的结果可以为我们提供有效且经济的强化策 略,以提高电力***的恢复能力。常见的极端灾害如风暴通常会同时导致多个组 件故障,由于维修人员和资源的限制,这些损坏的组件不能同时维修。显然,修 复的顺序会影响恢复时间,因此应该评估组件的重要性。组件重要性评估可以提 供有效的修复方案。在构件重要性评估方面,大多数研究都集中在考虑典型故障 的可靠性领域,很少考虑基于弹性的组件重要性评估。因此,该专利提出了一种 提高电力***抗风浪能力的组件重要性评估方法。该方法可以提供一种提前提高 电力***恢复能力的组件重要度排序方法,从而在灾害发生时无需长时间计算即 可快速获得最优恢复策略。
进一步的,风灾是沿海地区发生频率相对较高的一种自然灾害,每年因风灾 导致停电造成的平均经济损失非常巨大,因此,研究有效的恢复策略具有重要意 义风暴下的电力***,以提高电力***的恢复能力。为了准确模拟恢复过程,我 们需要通过将风暴速度与故障率相结合来模拟风暴对***状态的影响。在风暴期 间,随着树木压力的增加,树木更有可能落在架空线路上并损坏线路。除此之外, 塔与风、线与风之间的摩擦力会增大,直接导致塔与线掉落或接触其他物体。因 此,风对输电线路故障率有很大影响,建立暴风下的组件故障率以及故障率和故 障概率之间的关系可以帮助我们更加***的对各组件进行评估,从而更大限度的 恢复供电。
进一步的,以找出组件的最佳恢复顺序,提高恢复能力为目标,基于复杂网 络理论,建立了考虑维修人员调度的最优恢复模型。维修站不同位置的计算结果 可为设计人员提供有意义的规划参考;
进一步的,组件状态约束和网络容量约束对灾后能量平衡进行了最基础的约 束。灾难发生后,仓库的维修人员将会来修理损坏的组件,为了使组件重要性评 估结果更有说服力,我们考虑了维修人员的行程距离。该专利中的恢复力与整个 恢复过程有关,因此我们不能只考虑组件的贡献。如果我们首先修复对***有很 大贡献但远离仓库的组件,我们可能在整个过程中获得较少的弹性。因此,考虑 了修复过程中维修人员在两个损坏的组件之间行驶所需的时间。
进一步的,通过求解每个抽样故障配置的MILP问题,可以得到每个组件修 理时刻的累积分布函数。为了对组件的重要性进行排序,引入了Copeland排序 方法。科普兰排名是政治领域常用的非参数孔多塞方法。这种方法不需要太多关 于数据的信息,并且在每个对象都具有X特征的候选池中运行。通过对候选库中 不同X特征的对象进行成对比较,可以计算出所有候选对象的得分,并根据该得 分对候选对象进行排序。该专利采用了一种改进的Copeland方法,该方法可用 于对CDF进行排序。将CDF的百分位数定义为X特征,因此可以获得组件m 的科普兰分数(Sm),从而完成对组件重要度的排序;
进一步的,极端灾害下配电***损坏严重,造成用户大面积停电。电力供应 的快速恢复是韧性电网的关键要求之一。移动应急发电车作为配电***快速电力 供应恢复的关键灵活资源,目前利用效率较为低下。通过预部署与实时调度模型 中以重要负荷停电时间最小为目标,一方面可以在极端灾害后在最短时间内恢复 更多更重要的负荷,例如政府、医院、消防机构等;另一方面可以提高移动应急 发电车的利用率,使其在极端灾害后发挥更大的作用。
进一步的,移动应急发电车作为分布式电源接入配电网进行拓扑的快速重构, 形成微电网为区域内负荷恢复供电,因此需要满足配电网的运行约束,即潮流与 功率平衡约束。为保证辐射状配电网结构需要满足配网拓扑约束。通过配电网受 灾场景约束可以形成不同的受灾场景,从而更有针对性的对移动应急发电车的进 行预部署。预部署约束可以在灾前预部署移动应急发电车,并避免违反中转站的 容量限制。实时调度约束确保在灾后从中转站调度移动应急发电车到候选节点, 同时为提高利用率,保证每个候选节点最多分配一个移动应急发电车。
综上所述,本发明在灾前对元件进行重要度评估,可以有效减小极端天气导 致的故障规模,实现配电网鲁棒性的提升;通过灾前部署移动应急发电车以及灾 后的实时调度,缩短配电网故障恢复时间,实现配电网恢复的快速性。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为配电网提升的两个维度示意图;
图2为IEEE 14节点***的抽象拓扑网络图;
图3为五种典型构件修复力矩的传递函数图;
图4为IEEE 14节点***中Copeland排序方法的结果图;
图5为测试***的交通信息图;
图6为测试***的配电网拓扑图及灾后微网分区结果图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包 含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一 个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的 目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那 样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该” 意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包 括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按 比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些 细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是 示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人 员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
请参阅图1,本发明提供了一种配电网韧性的提升方法,配电网韧性的提升 可分为两个维度,分别是对配电网鲁棒性的提升和对配电网恢复快速性的提升; 提升配电网鲁棒性,通过灾前对元件进行重要度评估,来减小极端天气导致的故 障规模;提升配电网恢复快速性,通过灾前部署移动应急发电车以及灾后的实时 调度,缩短配电网故障恢复时间。
本发明一种配电网韧性的提升方法,包含两个方面,一是在灾前通过对电力 ***组件进行重要度评估来提升配电网鲁棒性,减小极端天气导致的故障规模; 二是通过提升配电网快速性,灾前优化移动发电车部署位置,灾后结合拓扑重构 等措施调度发电车形成微网为重要负荷供电,缩短配电网故障的恢复时间,进而 提升配电网韧性。具体包括以下步骤:
S1、台风天气下对配电网组件进行重要度评估有助于提升配电网鲁棒性;
包括两个阶段:灾前阶段离线获得排序结果,恢复阶段方便快捷地获得最优 恢复策略;步骤如下:
灾前阶段进行离线优化和重要度排序,建立暴风作用下的元件故障率模型, 采用非序贯蒙特卡罗仿真方法对风力发电***状态进行采样,进而建立最优恢复 策略模型并对组件重要度进行排序;在灾害发生时,获取故障情况,根据之前确 定的顺序,优先恢复重要度高的元件。
S101、风对输电线路故障率有很大影响,采用指数拟合方法模拟暴风下的组 件故障率:
其中,w(t)是时间t的风速。λwind(w(t))是风速为w(t)时组件的故障率,λnorm是 正常情况下组件的故障率;γ1,γ2,γ3是拟合系数由拟合曲线得到。
故障率和故障概率之间的关系:
其中,pij是组件(i,j)的故障概率;λij组件(i,j)的故障率;Ty是与故障率相关 的时间。
S102、用非序贯蒙特卡罗模拟方法对风暴作用下的***状态进行采样
针对每个***状态,通过求解考虑机组调度的组件维修顺序优化模型,得到 最优恢复策略模型,灾难发生时,损坏的组件形成一个集合E'∈E,假设E'中的 这些组件在灾难发生后立即损坏,此时***性能达到了最低限度。该模型的目标 是找出故障元件的修复顺序,使***在恢复过程中获得最大的恢复能力。
将流向需求节点的功率总和定义为***性能:
其中,fj(t)是需求节点j在时间t接收的功率流。
为了获得最大弹性,确定目标函数为:
在基于最大恢复力的最优恢复策略模型中,约束条件包括组件状态、网络容 量和人员路径约束。
组件状态约束
采用一种双态分量模型:sij(t)∈[0,1],t∈1,2,...,T,它显示在时间t时组件(i,j)∈E 的状态,其约束条件是:
等式(5)表明sij(t)是二元变量;(6)表明一旦修复,组件将继续运行;(7) 显示E′中的每个组件在恢复过程开始时都已损坏。
网络容量约束
与节点和组件容量相关的限制是:
其中,连续变量fj(t)∈R+是需求节点j在时间t接收的功率流;连续变量fij(t)∈R+是在时间t从节点i传输到j的功率流;等式(8)、(9)(10)是发电机 节点、传输节点和需求节点的典型约束:(8)显示发电机节点产生的功率不能超 过最大容量;(9)和(10)是能量平衡约束;(11)表明向需求节点提供的实际 功率不能超过其需求;(12)限制通过组件传输的功率流。
人员路径约束
灾难发生后,仓库的维修人员将会来修理损坏的组件。为了使组件重要性评 估结果更有说服力,考虑维修人员的行程距离。假设维修人员从一个仓库开始。 与距离和行驶时间相关的限制有:
其中,二进制变量xm,n∈(0,1)表示修理组是否从m组件移动到n组件,如果修 理组从m组件移动到n组件,xm,n=1,否则取0;M是一个大数;dep表示仓库; 表示维修人员到达仓库的时刻;离散变量表示维修人员到达组件m 的时刻;二进制变量sm(t)表示组件m在时间t的状态;二元变量fm,t∈[0,1]表示组 件m在时间t是否被修复;表示维修人员修理组件需要多长时间;记录维 修人员从m到n需要多长时间。
等式(13)和(14)表明,维修人员只能到达一个组件一次,离开一次。等 式(15)确保维修人员的路线是连续的。维修人员将在到达m点后将花费修理 组件,然后他们将花费从m走到n。大M方法保证路由是连续的,因为假设 路由不是连续的,那么必须至少有一个xm,n=0进而导致很大,此时,解不可能 是最优的。等式(16)显示维修人员在流程开始时离开仓库。等式(17)表明, 每个损坏的组件只能修复一次。等式(18)建立了fm,t与之间的关系;等式(19) 表明,组件修理后工作良好。
损坏组件m被修复的时刻表示为Tm,通过以下公式计算:
S103、在对风力发电***状态进行采样后,通过求解每个抽样故障配置的 MILP问题,得到每个组件修理时刻的累积分布函数。
为了对组件的重要性进行排序,引入了改进的Copeland排序方法,用于对 累积分布函数CDF(Cumulative Distribution Function)进行排序,将CDF的百分位 数定义为Ω特征,因此获得组件m的科普兰分数(Sm):
其中,qk(m)是组件m修复力矩的CDF的第k个百分位;Sm,n,k是对m和n 进行第k次比较后的Copeland得分,Sm是组件m的科普兰 分数,符号“>”表示“优于”,在本例中,“优于”表示“先于”;符号“<”表示“后于”。
S2、通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微电网, 缩短配电网故障恢复时间;
S201、预部署问题是一个基于场景的两阶段随机优化问题,预部署决策通过 对应于所考虑的配网和道路损坏的多个实时分配问题来决定。
极端天气中,首先要保证重要负荷的持续供电,因此以不同场景下重要负荷 的停电时间最小为目标,目标函数为:
其中,Ω代表不同的受灾场景;α代表负荷的优先级权重;P代表有功需求 大小;代表负荷的中断时间;βikn若为0,该负 荷不会恢复供电,将经历Tin的停电时间,若为1,方括号中的第二项 表示负荷恢复供电所需要的时间。
需要满足的约束条件有:移动应急发电车预部署与实时调度约束,网络拓扑 的连接关系约束,线路潮流与功率平衡约束,配电网受灾场景约束;最终通过目 标函数和约束条件形成一个MILP问题,使用场景分解算法可求解该预部署问题。
约束条件为:
预部署与实时调度约束:
τsmikn≤βikn,τsmikn≤xsmkn,τsmikn≥βikn+xsmkn-1 (23)
网络拓扑的连接关系约束:
线路潮流与功率平衡约束:
配电网受灾场景约束:
由于灾后受灾场景已经明确,移动应急发电车实时调度模型中不需要考虑不 同的场景,提出目标函数以重要负荷最小停电时间为目标:
需要满足的约束条件除上述约束外可加入某些关键负荷能够接受的最大停 电时间的约束,对于移动应急发电车利用率的约束等。
最终通过目标函数和约束条件形成一个MILP问题,通过求解对应问题得到 灾后移动应急发电车的实时分配情况。
本发明再一个实施例中,提供一种配电网韧性的提升***,该***能够用于 实现上述配电网韧性的提升方法,具体的,该配电网韧性的提升***包括鲁棒模 块以及恢复模块。
其中,鲁棒模块,在台风天气下对配电网组件进行重要度评估,在灾前阶段 进行离线优化和重要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙 特卡罗仿真方法对风力发电***状态进行采样,建立最优恢复策略模型并对组件 重要度进行排序;在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要 度高的元件,实现配电网鲁棒性提升;
恢复模块,通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微 电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目标函 数和约束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发电车 的实时分配情况,完成配电网恢复快速性提升。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及 存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述 处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单 元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者 其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端 的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执 行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的 处理器可以用于配电网韧性的提升方法的操作,包括:
在台风天气下对配电网组件进行重要度评估,在灾前阶段进行离线优化和重 要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙特卡罗仿真方法对 风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度进行排序; 在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要度高的元件,实现 配电网鲁棒性提升;通过灾前预部署移动应急发电车以及灾后的实时调度形成多 个微电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目 标函数和约束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发 电车的实时分配情况,完成配电网恢复快速性提升。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读 存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于 存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设 备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机 可读存储介质提供存储空间,该存储空间存储了终端的操作***。并且,在该存 储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令 可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的 计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器 (non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令, 以实现上述实施例中有关配电网韧性的提升方法的相应步骤;计算机可读存储介 质中的一条或一条以上指令由处理器加载并执行如下步骤:
在台风天气下对配电网组件进行重要度评估,在灾前阶段进行离线优化和重 要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙特卡罗仿真方法对 风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度进行排序; 在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要度高的元件,实现 配电网鲁棒性提升;通过灾前预部署移动应急发电车以及灾后的实时调度形成多 个微电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目 标函数和约束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发 电车的实时分配情况,完成配电网恢复快速性提升。
为使本发明实施例的目的、技术方案和优点更加清楚,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 描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中 的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因 此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的 本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本 领域普通技术人员在没有作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。
本发明使用IEEE-14节点算例进行元件重要度评估,包含14个节点和20条 线路的IEEE-14节点***被转换成由节点和边组成的拓扑网络,如图2所示。节 点分为三种类型:发电机节点、需求节点和传输节点。维修人员行进的策略和时间 受到部件之间距离的影响,整个IEEE 14总线网络被分成六个区域。两个相邻区 域之间的距离定义为一个距离单位。
表1表IEEE 14总线***的初始参数
经过多次模拟(本文中为1000次),可以得到20个部件的修复力矩的CDF。 图3显示了五个代表性组件的修复时刻的CDF。可以看出,组件<6,11>(节点6 和节点11之间的线)的修复时间总是小于8,组件<4,7>的修复时间总是大于12。 显然,组件<6,11>可以被认为比组件<4,7>更重要,因为随着组件<6,11>比 组件<4,7>更早地被修复,***将获得更大的弹性值。
然而,并非所有组件的相对重要性都可以如此直观地判断。例如,组件<6, 12>和组件<6,13>之间的重要性关系很难判断,因为它们的分布函数相交。
因此,可以采用科普兰排序法对这类组件的重要性进行排序。图4显示了IEEE-14总线系 统中每个组件的Copland分数。从图4可以看出,元素<3,4>具有最高的Copland分数,而元 素<4,7>具有最低的科普兰德分数。有两种类型的组件得分较高:
①连接两个区域的组件,例如<4,9>,<5,6>,<7,9>;
②需求节点和靠近仓库的发电机节点,例如<3,4>,<6,11>。
有两种类型的组件得分较低:
①发电机节点之间的组件,例如<1,2>,<2,3>;
②两个节点之间有多个组件。那么这些组件具有较低的分数,例如<2,4>, <2,5>。科普兰德分数高的组件在恢复过程中应该有更高的优先级,这样可以使 整个恢复过程更加高效。
图5和图6为本发明中灾后配电网恢复快速性提升所用的测试***。图5所 示为交通地理信息图,包括有51个交叉点,82条边以及3个中转站S1、S2、S3。 图6所示为配电***,共114个节点.表2列出了移动应急发电车的可用容量。
表2 MEGs的可用容量
预部署情况如表3第二列所示。
表3 MEGs预部署与实时调度结果
极端灾害后,图6所示带有十字的线路被损坏,移动应急发电车实时调度情 况如表3第三列所示,微网分区情况如图6中阴影所示。例如MEG1被预先部署 在中转站S2,灾后实时调度至403节点,形成微电网为403和404连接的负荷恢 复供电。
综上所述,本发明一种配电网韧性的提升方法及***,既考虑了弹性,又考 虑了维修人员的调度。在每个仿真过程中,我们求解一个MILP,经过多次仿真 过程,得到每个部件的修复力矩的累积分布函数。然后用Copeland排序法对组 件进行排序。一旦获得了组件的等级,如果发生灾难,***操作员可以根据等级 顺序安排维修人员对损坏的组件进行维修。那些排名分数比较高的组件会比较早 修复。这些策略可以在线上实施,从而大大加快了灾害发生后电网的恢复速度; 由于极端灾害后配电网元件的持续损坏,通常会导致许多用户长期停电。移动应 急发电车是快速恢复电力供应的灵活资源。本发明将移动应急发电车作为分布式 电源进行调度,通过配电网拓扑重构成多个微电网来恢复负荷电力供应。该方法 通过预部署和实时分配的两阶段调度框架来实现。实例验证了所提出方法的有效性。提出的移动应急发电车调度方法可以减少极端灾害发生后的大规模停电,可 以更好地用于对极端灾害的韧性应急反应。
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。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡 是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发 明权利要求书的保护范围之内。
Claims (10)
1.一种配电网韧性的提升方法,其特征在于,包括以下步骤:
S1、在台风天气下对配电网组件进行重要度评估,在灾前阶段进行离线优化和重要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙特卡罗仿真方法对风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度进行排序;在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要度高的元件,实现配电网鲁棒性提升;
S2、通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目标函数和约束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发电车的实时分配情况,完成配电网恢复提升。
2.根据权利要求1所述的方法,其特征在于,步骤S1具体为:
采用指数拟合方法模拟暴风下的组件故障率,确定故障率和故障概率之间的关系,将流向需求节点的功率总和定义为***性能,用非序贯蒙特卡罗模拟方法对风暴作用下的***状态进行采样,确定目标函数以及模型约束;通过求解每个抽样故障配置的MILP问题,得到每个组件修理时刻的累积分布函数,采用Copeland排序方法对累积分布函数进行排序。
5.根据权利要求2所述的方法,其特征在于,灾难发生时,损坏的组件形成一个集合E'∈E,E为组件的集合,设E'中的组件在灾难发生时立即损坏,采用双态分量模型,约束条件包括
组件状态约束如下:
其中,sij(t)是二元变量,sij(t)∈{0,1},t=1,2,...,T,它显示组件(i,j)∈E在时刻t的状态;
网络容量约束如下:
其中,网络中的顶点被分为三类:发电机节点VS、传输节点VT和需求节点VD,连续变量fj(t)∈R+是需求节点j在时间t接收的功率流,连续变量fij(t)∈R+是在时间t从节点i传输到j的功率流,是组件(i,j)∈E的传输容量,Pi S是发电机节点i∈VS产生的最大功率,为需求节点j∈VD的需求,电力从发电机节点传输到所有需求节点,并且电力流必须服从网络的物理约束;
人员路径约束如下:
8.根据权利要求1所述的方法,其特征在于,步骤S2中,满足的约束条件包括预部署与实时调度约束、网络拓扑的连接关系约束、线路潮流与功率平衡约束和配电网受灾场景约束。
9.根据权利要求8所述的方法,其特征在于,预部署与实时调度约束为:
τsmikn≤βikn,τsmikn≤xsmkn,τsmikn≥βikn+xsmkn-1
其中,τsmikn为使目标函数线性化而引入的辅助二进制变量,βikn为表示场景n下节点i的负荷是否被节点k的电源恢复供电的二进制变量,xsmkn为表示场景n下移动应急发电车m从中转位置s实时调度到节点k的二进制变量,csm为表示移动应急发电车m是否被预先部署在中转位置s的二进制变量,Cs为中转位置可部署的移动应急发电车容量限制,m代表移动应急发电车,M为所有移动应急发电车所构成的集合,s代表中转位置,S为所有中转位置所构成的集合,k为配电网节点,G为移动应急发电车连接的候选节点集合;
网络拓扑的连接关系约束为:
zkn=1
vikn≤zkn
vkkn≥zkn
vikn≤vjkn,j=θk(i)
βikn=viknlin
其中,zkn为表示节点k是否为馈线节点或场景n下移动应急发电车连接的二进制变量,vikn为表示场景n下节点i由节点k处连接的电源供电的二进制变量,vkkn为表示场景n下节点k的负荷由节点k本身所连接的电源供电,xijn为表示场景n下线路ij是否闭合的二进制变量,ζk(i,j)为关于节点k的线路ij的子节点,θk(i)为关于节点k的节点i的父节点,lin为表示场景n下节点i的负载开关是否闭合的二进制变量,h,j表示配电网节点,F为所有馈线节点构成的集合;
线路潮流与功率平衡约束为:
其中,为场景n下由节点k的电源提供的注入节点i的有功功率,为场景n下由节点k的电源提供的注入节点i的无功功率,pi为节点i的负荷的有功需求,qi为节点i的负荷的无功需求,为移动应急发电车m的最大有功出力,为移动应急发电车m的最大无功出力,为线路ij的视在功率容量,为表示场景n下与节点k连接的移动应急发电车相关的节点i的电压变量,rij为线路ij的电阻,xij为线路ij的电抗,为为表示场景n下与节点k连接的移动应急发电车相关的节点i的辅助电压松弛变量,ε为电压偏差公差,V0为额定电压,为关于节点k的节点i的子节点集;
配电网受灾场景约束为:
其中,xijn为表示场景n下线路ij是否闭合的二进制变量,LOn为场景n下受灾线路的集合,n表示不同的受灾场景,(i,j)表示节点i与节点j间的线路。
10.一种配电网韧性的提升***,其特征在于,包括:
鲁棒模块,在台风天气下对配电网组件进行重要度评估,在灾前阶段进行离线优化和重要度排序,建立暴风作用下的元件故障率模型,采用非序贯蒙特卡罗仿真方法对风力发电***状态进行采样,建立最优恢复策略模型并对组件重要度进行排序;在灾害发生时,获取故障情况,根据确定的顺序优先恢复重要度高的元件,实现配电网鲁棒性提升;
恢复模块,通过灾前预部署移动应急发电车以及灾后的实时调度形成多个微电网,以不同场景下重要负荷的停电时间最小为目标建立目标函数,通过目标函数和约束条件形成一个MILP问题,通过求解对应问题得到灾后移动应急发电车的实时分配情况,完成配电网恢复快速性提升。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536801.XA CN113312761B (zh) | 2021-05-17 | 2021-05-17 | 一种配电网韧性的提升方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110536801.XA CN113312761B (zh) | 2021-05-17 | 2021-05-17 | 一种配电网韧性的提升方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113312761A true CN113312761A (zh) | 2021-08-27 |
CN113312761B CN113312761B (zh) | 2023-05-30 |
Family
ID=77373569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110536801.XA Active CN113312761B (zh) | 2021-05-17 | 2021-05-17 | 一种配电网韧性的提升方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113312761B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742917A (zh) * | 2021-09-06 | 2021-12-03 | 东南大学 | 一种考虑多阶段恢复过程的综合能源***韧性提升方法 |
CN113872188A (zh) * | 2021-09-15 | 2021-12-31 | 天津大学 | 一种多种资源多阶段耦合的配电***韧性提升方法 |
CN114254878A (zh) * | 2021-12-01 | 2022-03-29 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑极端灾害发生频率的配电网弹性评估方法及装置 |
CN115345391A (zh) * | 2022-10-20 | 2022-11-15 | 广东电网有限责任公司 | 一种电-气能源***的灾后恢复方法、装置及存储介质 |
CN116245269A (zh) * | 2023-04-28 | 2023-06-09 | 华北电力大学 | 一种在暴雨灾害下的城市配电网韧性提升方法 |
CN116823230A (zh) * | 2023-08-22 | 2023-09-29 | 安徽博诺思信息科技有限公司 | 一种基于调度数据网的配电网故障状态提取方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014096913A (ja) * | 2012-11-09 | 2014-05-22 | Mitsubishi Electric Corp | 非常用電源による停電時給電方式 |
CN103942729A (zh) * | 2014-04-15 | 2014-07-23 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于最小配电区域的城市配电网灾害风险评估方法 |
CN110472371A (zh) * | 2019-09-06 | 2019-11-19 | 西安交通大学 | 一种基于恢复力的电力***元件重要度的评估方法 |
CN110826842A (zh) * | 2019-09-09 | 2020-02-21 | 天津大学 | 一种台风场景下的配电网风险控制方法 |
US20200153273A1 (en) * | 2018-11-13 | 2020-05-14 | Mitsubishi Electric Research Laboratories, Inc. | Methods and Systems for Post-Disaster Resilient Restoration of Power Distribution System |
CN111555280A (zh) * | 2020-05-29 | 2020-08-18 | 山东大学 | 基于电-气综合能源***的弹性配电网灾后恢复控制方法 |
CN111898877A (zh) * | 2020-07-13 | 2020-11-06 | 西安交通大学 | 一种提升电网恢复速度的灾前抢修人员预部署方法 |
CN112398129A (zh) * | 2020-12-04 | 2021-02-23 | 广东电网有限责任公司 | 电网事故后风险控制辅助决策方法、装置和存储介质 |
CN112613685A (zh) * | 2020-12-31 | 2021-04-06 | 广东电网有限责任公司广州供电局 | 一种考虑外界环境动态影响的灾害配电网抢修方法 |
-
2021
- 2021-05-17 CN CN202110536801.XA patent/CN113312761B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014096913A (ja) * | 2012-11-09 | 2014-05-22 | Mitsubishi Electric Corp | 非常用電源による停電時給電方式 |
CN103942729A (zh) * | 2014-04-15 | 2014-07-23 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于最小配电区域的城市配电网灾害风险评估方法 |
US20200153273A1 (en) * | 2018-11-13 | 2020-05-14 | Mitsubishi Electric Research Laboratories, Inc. | Methods and Systems for Post-Disaster Resilient Restoration of Power Distribution System |
CN110472371A (zh) * | 2019-09-06 | 2019-11-19 | 西安交通大学 | 一种基于恢复力的电力***元件重要度的评估方法 |
CN110826842A (zh) * | 2019-09-09 | 2020-02-21 | 天津大学 | 一种台风场景下的配电网风险控制方法 |
CN111555280A (zh) * | 2020-05-29 | 2020-08-18 | 山东大学 | 基于电-气综合能源***的弹性配电网灾后恢复控制方法 |
CN111898877A (zh) * | 2020-07-13 | 2020-11-06 | 西安交通大学 | 一种提升电网恢复速度的灾前抢修人员预部署方法 |
CN112398129A (zh) * | 2020-12-04 | 2021-02-23 | 广东电网有限责任公司 | 电网事故后风险控制辅助决策方法、装置和存储介质 |
CN112613685A (zh) * | 2020-12-31 | 2021-04-06 | 广东电网有限责任公司广州供电局 | 一种考虑外界环境动态影响的灾害配电网抢修方法 |
Non-Patent Citations (6)
Title |
---|
HOSSEIN SEKHAVATMANESH ET AL.: "A multi-step reconfiguration model for active distribution network restoration integrating DG start-up sequences", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
卢志刚等: "配电网多故障抢修中应急电源车的优化调度", 《太阳能学报》 * |
周忠平: "配电网多故障抢修与恢复协同策略研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
姜明凯等: "有关配电设备的检修与维护探析", 《科技与创新》 * |
李博达等: "台风期间考虑配电终端功能可用性的配电网重构方法", 《电力***自动化》 * |
范熙蕊: "含分布式电源的主动配电网故障分析与保护", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742917A (zh) * | 2021-09-06 | 2021-12-03 | 东南大学 | 一种考虑多阶段恢复过程的综合能源***韧性提升方法 |
CN113872188A (zh) * | 2021-09-15 | 2021-12-31 | 天津大学 | 一种多种资源多阶段耦合的配电***韧性提升方法 |
CN114254878A (zh) * | 2021-12-01 | 2022-03-29 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑极端灾害发生频率的配电网弹性评估方法及装置 |
CN115345391A (zh) * | 2022-10-20 | 2022-11-15 | 广东电网有限责任公司 | 一种电-气能源***的灾后恢复方法、装置及存储介质 |
CN116245269A (zh) * | 2023-04-28 | 2023-06-09 | 华北电力大学 | 一种在暴雨灾害下的城市配电网韧性提升方法 |
CN116245269B (zh) * | 2023-04-28 | 2023-07-21 | 华北电力大学 | 一种在暴雨灾害下的城市配电网韧性提升方法 |
CN116823230A (zh) * | 2023-08-22 | 2023-09-29 | 安徽博诺思信息科技有限公司 | 一种基于调度数据网的配电网故障状态提取方法 |
CN116823230B (zh) * | 2023-08-22 | 2023-11-21 | 安徽博诺思信息科技有限公司 | 一种基于调度数据网的配电网故障状态提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113312761B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113312761B (zh) | 一种配电网韧性的提升方法及*** | |
Lin et al. | A review of key strategies in realizing power system resilience | |
CN112884245B (zh) | 配电网灾后抢修调度及负荷恢复协同优化方法及*** | |
CN108631306B (zh) | 一种电力***灾后恢复能力的评估方法 | |
CN110852627B (zh) | 配电网灾后抢修决策方法和装置 | |
CN105656040B (zh) | 一种考虑黑启动过程的电网恢复力计算方法 | |
CN114123167B (zh) | 基于移动应急通信的配电网信息物理协同恢复方法及*** | |
Abbasghorbani et al. | Reliability‐centred maintenance for circuit breakers in transmission networks | |
CN111898877A (zh) | 一种提升电网恢复速度的灾前抢修人员预部署方法 | |
CN104750878A (zh) | 一种基于混合搜索策略的拓扑故障诊断方法 | |
CN113328437B (zh) | 一种智能配电网cps拓扑构建方法及故障恢复方法 | |
CN114218753A (zh) | 台风灾害下配电网弹性评估***及其二阶段弹性提升方法 | |
Xu et al. | A review of resilience enhancement strategies in renewable power system under HILP events | |
Ma et al. | Resilience assessment of self-healing distribution systems under extreme weather events | |
CN110391657B (zh) | 一种应对极端天气引起短路故障的电力***韧性提高方法 | |
CN105552899A (zh) | 一种计算大停电后电网恢复力的方法 | |
Shen et al. | Resilience improvement model of distribution network based on two-stage robust optimization | |
CN114186849A (zh) | 一种计及二次***影响的电力***连锁故障风险评估方法及其*** | |
CN113657619A (zh) | 考虑故障连锁的关键弹性提升元件辨识及故障恢复方法 | |
CN116760044A (zh) | 一种考虑无人机应急移动基站的配电网负荷综合恢复方法 | |
Zhang et al. | Identifying critical elements to enhance the power grid resilience | |
CN115169138A (zh) | 一种基于解析法的电力***多层次恢复力评估方法和*** | |
CN115640936A (zh) | 一种配电网弹性评估方法、装置、设备及可读存储介质 | |
Liu et al. | A resilience enhancement scheme of cyber-physical power system for extreme natural disasters | |
Yu et al. | Optimal restoration strategy based on resilience improvement for power transmission systems under extreme weather events |
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 |