CN116154855A - 基于分布式发电孤岛运行方式的智能配电网供电恢复方法 - Google Patents
基于分布式发电孤岛运行方式的智能配电网供电恢复方法 Download PDFInfo
- Publication number
- CN116154855A CN116154855A CN202310176575.8A CN202310176575A CN116154855A CN 116154855 A CN116154855 A CN 116154855A CN 202310176575 A CN202310176575 A CN 202310176575A CN 116154855 A CN116154855 A CN 116154855A
- Authority
- CN
- China
- Prior art keywords
- node
- representing
- power
- distribution network
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011084 recovery Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000010248 power generation Methods 0.000 title description 21
- 230000006870 function Effects 0.000 claims abstract description 98
- 239000002245 particle Substances 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 241000544061 Cuculus canorus Species 0.000 claims abstract description 17
- 238000010845 search algorithm Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 33
- 239000000243 solution Substances 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000002347 injection Methods 0.000 claims description 16
- 239000007924 injection Substances 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 14
- 235000005770 birds nest Nutrition 0.000 claims description 12
- 235000005765 wild carrot Nutrition 0.000 claims description 12
- 238000011144 upstream manufacturing Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 244000000626 Daucus carota Species 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 description 30
- 238000005457 optimization Methods 0.000 description 10
- 230000001629 suppression Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 235000013601 eggs Nutrition 0.000 description 6
- 235000013305 food Nutrition 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 241000271566 Aves Species 0.000 description 2
- 241000208422 Rhododendron Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- NUFBIAUZAMHTSP-UHFFFAOYSA-N 3-(n-morpholino)-2-hydroxypropanesulfonic acid Chemical compound OS(=O)(=O)CC(O)CN1CCOCC1 NUFBIAUZAMHTSP-UHFFFAOYSA-N 0.000 description 1
- 241001191009 Gymnomyza Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- HLXGRHNZZSMNRX-UHFFFAOYSA-M sodium;3-(n-ethyl-3,5-dimethylanilino)-2-hydroxypropane-1-sulfonate Chemical compound [Na+].[O-]S(=O)(=O)CC(O)CN(CC)C1=CC(C)=CC(C)=C1 HLXGRHNZZSMNRX-UHFFFAOYSA-M 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
- H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers
- H02J13/0004—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers involved in a protection system
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/30—The power source being a fuel cell
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明具体涉及基于分布式发电孤岛运行方式的智能配电网供电恢复方法,包括:对各分段开关进行状态编码,为各分段开关建立开关函数;基于各分段开关的状态编码和开关函数建立配电网的故障定位目标函数;通过布谷鸟搜索算法求解故障定位目标函数,定位配电网的故障区段;对分布式电源故障后的运行特性进行分类;然后对配电网进行潮流计算得到各节点的电压、功率和网损情况,并构建考虑负荷优先级的故障恢复重构模型;通过粒子群算法求解故障恢复重构模型得到配电网重构的最佳开关操作,实现配电网的供电恢复。本发明能够在基于分布式发电孤岛运行方式的智能配电网中对故障区段进行准确搜索,并且能够考虑分布式电源在故障后运行特性的分类。
Description
技术领域
本发明涉及配电网故障定位和供电恢复领域,具体涉及基于分布式发电孤岛运行方式的智能配电网供电恢复方法。
背景技术
分布式发电(Distributed Generation,DG)是指分散配置在用户附近的几十kW到几十MW的小规模发电装置,如燃气轮机、内燃机以及以太阳能光伏电池、燃料电池、风能为能源的新型发电装置。由于分布式发电能提高能源利用效率、节能、多样化地利用各种清洁和可再生能源,DG在未来的智能电网中的应用将会越来越广泛。DG通常直接接入配电***,具有并网运行和孤岛运行两种运行模式。并网运行模式是指DG接入电网后与原有***一起向负荷供电的运行模式;孤岛运行模式是指电网发生故障后,DG和主电网分离,对停电区域负荷独立供电的运行模式。在电网发生故障时,可利用DG的孤岛效应对配电网重要负荷进行供电,为智能配电网应对大面积停电,提供了一种思路。
在智能电网发展的背景下,故障自愈成为配电网故障处理的必然要求,而故障定位和供电恢复是故障自愈的重要内容和核心功能,也是近年来研究的热点,尤其是分布式电源大规模并网的情况下,如何快速准确的定位故障区段、制定转供电手段具有重要意义。故障定位分为精确定位和区段定位。故障精确定位通过测量监测点到故障点的距离来确定故障位置,便于工作人员排查故障;故障区段定位通过各监测点的数据确定故障区段,以便于隔离故障,制定转供电手段,缩小停电范围。
常见的故障定位方法有:阻抗法、行波法、S信号注入法等。阻抗法在故障定位时极易受电源参数和线路阻抗影响,只适用于结构简单的配电网中,在分支多、结构复杂、含电缆线路或者DG的复杂配电网中定位效果较差。行波法在面对分支众多、线路型号混杂、负荷波动大的复杂配电网时,易出现行波交错叠加的现象,而DG的广泛接入使配电网变得更加复杂,因此定位结果不准确。S信号注入法在接地点的过度电阻大于1kΩ时,对地电容分流较大,定位准确度随过渡电阻的增大而降低,定位效果较差。
常见的配电网供电恢复策略主要有数学规划法和智能算法。数学规划法主要存在转化过程复杂、计算量大、运算时间长等问题。相比之下,智能算法具有更好的应用前景。基于智能算法的配电网重构,首先需建立一个多目标多约束的数学模型,包括负荷的恢复量、开关次数、网损损耗、电压分布等目标,电压偏移、支路功率、网络辐射状等约束,将拓扑重构问题转化为多目标非线性优化问题,然后利用智能算法对数学模型进行求解。
综上,现有故障定位方法存在故障判据不合理、算法性能差两方面的问题,导致基于分布式发电孤岛运行方式的智能配电网供电恢复的实用性不好。与此同时,现有的智能算法在指定供电恢复策略时,忽视了配电网故障后分布式电源的分类(例如能否作为备用电源或者能否并网运行等),这导致基于分布式发电孤岛运行方式的智能配电网供电恢复的可靠性不好。因此,如何设计一种能够提高配电网供电恢复实用性和可靠性的方法是亟需解决的技术问题。
发明内容
针对上述现有技术的不足,本发明所要解决的技术问题是:如何提供一种基于分布式发电孤岛运行方式的智能配电网供电恢复方法,能够在基于分布式发电孤岛运行方式的智能配电网中对故障区段进行准确搜索,并且能够考虑分布式电源在故障后运行特性的分类,以适应基于分布式发电孤岛运行方式的智能配电网的特点,从而能够提高基于分布式发电孤岛运行方式的智能配电网供电恢复的实用性和可靠性,并从根本上解决了智能配电网的恢复重构问题。
为了解决上述技术问题,本发明采用了如下的技术方案:
基于分布式发电孤岛运行方式的智能配电网供电恢复方法,包括:
S1:基于故障信息对各分段开关进行状态编码;同时根据馈线区段和分段开关的拓扑关系,为各分段开关建立适应分布式电源投切且表征区段状态和开关状态间逻辑关系的开关函数;
S2:基于各分段开关的状态编码和开关函数建立配电网的故障定位目标函数;
S3:通过布谷鸟搜索算法求解故障定位目标函数,定位配电网的故障区段;
S4:对分布式电源故障后的运行特性进行分类;然后对配电网进行潮流计算得到各节点的电压、功率和网损情况,并结合配电网的故障区段和分布式电源运行特性的分类结果构建考虑负荷优先级的故障恢复重构模型;
S5:通过粒子群算法求解故障恢复重构模型得到配电网重构的最佳开关操作,进而基于最佳开关操作实现配电网的供电恢复。
优选的,步骤S1中,分段开关状态编码的规则如下:
1)若馈线终端设备测得的零序电压相位超前零序电流90度,则定义馈线终端设备有故障信号,FTU=1;
2)若馈线终端设备测得的零序电压相位滞后零序电流90度,则定义馈线终端设备无故障信号,FTU=0。
优选的,步骤S1中,通过如下公式表示分段开关的开关函数:
式中:Fj(li)表示故障时分段开关的期望状态向量;li表示馈线区段状态向量;∪表示或运算;M2表示开关j下游区段个数;M1表示开关j上游区段个数,下游是指分段开关到馈线末端或分布式电源,上游是指分段开关到主电源;P表示线路中分布式电源总数;Ks为0-1变量,1表示该开关下游第Ks个分布式电源并网运行。
优选的,步骤S2中,通过如下公式表示配电网的故障定位目标函数:
式中:E(li)表示关于开关状态编码和开关函数的数学评价模型;li表示馈线区段状态向量;Fj(li)表示故障时分段开关的期望状态向量;fj表示开关实际状态向量;m表示线路中开关总数;n表示馈线区段数;ω表示判断系数,取0.5;
其中,对E(li)求最小值,对应的最优解向量bestli即为故障区的段定位结果,其形式为l=[0…0…1…0],第i个元素为1表示对应的编码为i的馈线区段发生故障;
当Fj(li)=fj时,E(li)=0,此时对应的li为最优解。
优选的,步骤S3中,布谷鸟搜索算法通过如下步骤求解故障定位目标函数:
S301:设置基本参数:设发现概率Pa=0.25,迭代次数为T,Qn为鸟窝个数,n为鸟窝的维数,即馈线区段个数,每个窝的位置为包含故障区段信息的向量li;
初始化鸟窝位置,即生成[Qn=n]矩阵,并将其二进制化;二进制后的1、0表示对应区段是否故障;输入j维开关实际状态向量fj,j为分段开关的数量;
S302:评估初始Qn个鸟窝的位置:将Qn个窝对应向量分别带入故障定位目标函数,比较Qn个窝的目标函数值,得到并记录最小值minE和最小值对应的最优窝li;
S303:通过Lévy飞行更新位置产生新的窝,并将其二进制化;
S304:评估更新后的Qn个窝,并将其与最优窝li对比,得到最小值minE和最小值对应的最优窝,并更新当前最优窝li;
S305:比较随机数[0,1]内分布的随机数εn与发现概率Pa的大小:若εn<Pa,则执行步骤S306;若εn≥Pa,则执行步骤S307;
S306:通过随机偏好行走形成新的窝,并将其二进制化;
S307:评估更新后的Qn个窝,并将其与上述最优窝li对比,得到最小值minE和最小值对应的最优窝,并更新当前最优窝li;
S308:判断是否完成迭代:若完成,则执行步骤S309;否则,则执行步骤S303;
S309:输出最小适应度值和对应的最优窝li;
其中,最优窝li为分段开关上传开关实际状态向量fj时,配电网中发生故障的馈线区段状态向量,最优窝li中第i个元素为1,表示第i个馈线区段发生故障,即故障区段。
优选的,步骤S4中,配电网的分布式电源包括PQ、PV、PQ(V)、PI四种节点类型;
1)PQ节点
PQ类分布式电源是负发出功率的等功率负荷,其潮流方向与负荷相反;
潮流计算模型为:
式中:P表示节点发出的有功功率;Q表示节点发出的无功功率;-PDG(PQ)、-QDG(PQ)分别表示PQ节点的有功功率和无功功率;
2)PV节点
PV类分布式电源采用恒压控制,其有功功率和电压为恒定值;
潮流计算模型为:
式中:P表示节点发出的有功功率;U表示节点的电压;-PDG(PV)表示PV节点的有功功率;UDG(PV)表示PV节点的电压;
3)PQ(V)节点
PQ(V)类分布式电源在潮流计算中输出的有功功率恒定,无功功率随电压的变化呈函数关系变化;
潮流计算模型为:
式中:P表示节点发出的有功功率;Q表示节点发出的无功功率;-PDG(PQ(V))表示PQ(V)类分布式电源的有功功率;-f(Ut-1)表示上一次迭代的电压值Ut-1再进行一次迭代后的值;
4)PI节点
PI类分布式电源以电流控制的逆变器进行并网,其有功功率和注入主网的电流均为恒定值;
潮流计算模型为:
式中:P表示节点发出的有功功率;I表示节点的电流;-PDG(PI)表示表示PI类分布式电源的有功功率;IDG(PI)表示PI类分布式电源的注入电流;
PQ、PV、PQ(V)、PI四种类型的节点的无功功率由恒定的有功功率、注入电流和上一次迭代的电压幅值决定;
公式描述为:
在潮流计算中,第t-1次迭代得到的PI节点的无功功率Qt-1,在第t次迭代时,将其作为容量为P+jQt·1的PQ节点处理。
优选的,通过前推回代对配电网进行潮流计算,包括如下步骤:
S401:初始化配电网参数;设定最大迭代次数、馈线根节点电压、支路阻抗、各节点负荷;
S402:根据配电网拓扑结构生成节点关联矩阵和支路阻抗矩阵;
S403:根据节点关联矩阵和支路阻抗矩阵从配电网末端开始逐段前推,求得各节点的注入电流和各支路电流;
公式描述如下:
式中:表示节点i第k+1次迭代的注入电流;/>表示节点i的注入功率;/>表示节点i第k次迭代的电压;/>表示支路i第k+1次迭代的支路电流;/>表示支路j第k+1次迭代的支路电流;Yi表示节点i的电导;Bi表示节点i的电纳;
S404:根据首端电压和求得的各支路电流向末端逐段回代,求得的各节点的电压;
公式描述如下:
S405:通过节点电压偏差和最大迭代次数判断是否满足收敛条件;
其中电压偏差的收敛条件为:
若两次迭代的电压差小于收敛精度,则满足收敛条件退出运算;否则,重复步骤S403和S404,直至满足收敛精度或者达到最大迭代次数。
优选的,步骤S4中,故障恢复重构模型包括孤岛划分目标函数;
通过如下公式表示孤岛划分目标函数:
式中:f表示负荷恢复量;m表示失电区域的负荷数;i表示负荷节点编号;PLi表示第i个节点负荷的有功功率,hLi表示该节点的负荷权重系数;
孤岛划分目标函数的约束如下:
1)孤岛内分布式电源容量约束
孤岛内分布式电源的总有功功率应大于负荷的总有功功率,公式描述如下:
2)节点电压约束
节点电压在允许范围内取值,公式描述如下:
Umin≤Ui≤Umax;
式中:Ui表示孤岛内第i个负荷节点实际电压,其不能超过***所允许节点电压的上、下限值Umax、Umin;
3)支路功率约束
支路传输容量不大于其最大传输容量,公式描述如下:
Si≤Simax;
式中:Si表示支路传输容量,Simax表示支路最大传输容量;
4)开关次数约束
故障恢复时,最小化孤岛数量和开关的动作次数。
优选的,步骤S4中,故障恢复重构模型包括恢复重构目标函数;
通过如下公式表示恢复重构目标函数:
式中:表示未恢复供电负荷容量;/>表示网损值;表示开关次数;ω1、ω2、ω3分别表示对应的权重系数,设ω1=0.7,ω2=0.2,ω3=0.1;hi表示归一化系数;PL表示总断电负荷量;Pi表示节点i的负荷;Rj表示支路电阻;λi表示节点i的负荷优先级系数;m表示失电区域的节点数;Ij表示各支路的支路电流;N表示孤岛外支路数;Kd表示开关状态,1表示闭合,0表示断开;E、F分别表示分段开关和联络开关的数量;
恢复重构目标函数的约束如下:
gk∈Gk;
式中:gk表示孤岛外配电网重构之后的拓扑结构;Gk表示孤岛外配电网所有拓扑结构集合。
优选的,步骤S5中,粒子群算法通过如下步骤求解孤岛划分目标函数和恢复重构目标函数:
S501:输入配电网故障前和故障后的网络结构;
S502:设定粒子群内部规模M和外部规模N,以及其他参数ω、c1、c2;ω是指粒子群算法中的惯性权重洗漱;c1和c2表示粒子群算法中的两个速度系数;
S503:生成随机矩阵初始化内部种群的位置,得到M个粒子的位置,并初始化粒子群的飞行速度矩阵;
S504:通过孤岛划分目标函数和恢复重构目标函数计算M个粒子在当前位置对应的目标函数解,分别求出失电负荷量、网损、开关次数;
S505:根据Pareto非支配解的概念,选择内部粒子群中的非支配解,并更新外部粒子群;
S506:构造立体空间存放外部粒子群,用自适应网格密度选择Gbest粒子位置;在内部种群中更新Pbest;
S507:更新内部种群中粒子的位置和飞行速度;
S508:判断迭代是否完成:若未完成,继续执行步骤S504;否则,执行步骤S509;
S509:输出结果,得到配电网重构的最佳开关操作。
本发明中基于分布式发电孤岛运行方式的智能配电网供电恢复方法与现有技术相比,具有如下有益效果:
本发明对各分段开关进行状态编码,并为各分段开关建立适应分布式电源投切且表征区段状态和开关状态间逻辑关系的开关函数,进而通过各分段开关的状态编码和开关函数建立配电网的故障定位目标函数,即能够通过分析分布式发电对配电网运行时继电保护、电压分布的影响来建立配电网故障区段判据,并构建更合理的故障区段定位搜索模型;同时将故障定位问题转化为了函数寻优问题,并通过布谷鸟搜索算法解决了传统启发式算法为跳出局部收敛多次迭代的问题,能够在基于分布式发电孤岛运行方式的智能配电网中根据不同情况对配电网故障区段进行准确搜索,进而能够提高配电网故障区段定位的合理性和高效性,能够更有效的指导配电网进行恢复和重构,从而能够提高基于分布式发电孤岛运行方式的智能配电网供电恢复的实用性。
本发明对分布式电源故障后的运行特性进行分类,并对分布式发电孤岛运行配电网进行潮流计算,通过网络拓扑结构、线路参数、电源和负荷参量计算配电网中各节点的电压、功率和网损情况,进而结合配电网的故障区段和分布式电源运行特性的分类结果对配电网进行网络重构,使得能够考虑分布式电源在故障后运行特性的分类并适应基于分布式发电孤岛运行方式的智能配电网的特点,并且通过粒子群算法求解故障恢复重构模型得到配电网最佳的开关恢复操作,即能够利用***间的互联互通和协同互补来提高配电网供电恢复策略的安全性、经济性、灵活性,从而能够提高基于分布式发电孤岛运行方式的智能配电网供电恢复的可靠性,并从根本上解决了智能配电网的恢复重构问题。
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为智能配电网供电恢复方法的逻辑框图;
图2为配电网单相接地故障零序电流分布图;
图3为DG配电网单相接地故障零序电流分布图;
图4为布谷鸟搜索算法求解故障定位目标函数的流程图;
图5为粒子群算法求解故障恢复重构模型的流程图。
具体实施方式
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。通常在此处附图中描述和示出的本发明实施例的组件能够以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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。例如“水平”仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面通过具体实施方式进一步详细的说明:
实施例:
本实施例中公开了一种基于分布式发电孤岛运行方式的智能配电网供电恢复方法。
如图1所示,基于分布式发电孤岛运行方式的智能配电网供电恢复方法,包括:
S1:基于故障信息对各分段开关进行状态编码;同时根据馈线区段和分段开关的拓扑关系,为各分段开关建立适应分布式电源投切且表征区段状态和开关状态间逻辑关系的开关函数;
S2:基于各分段开关的状态编码和开关函数建立配电网的故障定位目标函数;
S3:通过布谷鸟搜索算法求解故障定位目标函数,定位配电网的故障区段;
S4:对分布式电源故障后的运行特性进行分类;然后对配电网进行潮流计算得到各节点的电压、功率和网损情况,并结合配电网的故障区段和分布式电源运行特性的分类结果构建考虑负荷优先级的故障恢复重构模型;
本实施例中,潮流计算是配电网进行网络拓扑重构与供电恢复的重要内容,可通过网络拓扑结构、线路参数、电源和负荷参量计算电网中各节点的电压、功率以及网损情况。不同类型的分布式电源大规模接入使配电网中节点类型增加,潮流计算随之变得复杂。
S5:通过粒子群算法求解故障恢复重构模型得到配电网重构的最佳开关操作,进而基于最佳开关操作实现配电网的供电恢复。
本实施例中,最佳开关操作包括继电器的断开与闭合。
本发明对各分段开关进行状态编码,并为各分段开关建立适应分布式电源投切且表征区段状态和开关状态间逻辑关系的开关函数,进而通过各分段开关的状态编码和开关函数建立配电网的故障定位目标函数,即能够通过分析分布式发电对配电网运行时继电保护、电压分布的影响来建立配电网故障区段判据,并构建更合理的故障区段定位搜索模型;同时将故障定位问题转化为了函数寻优问题,并通过布谷鸟搜索算法解决了传统启发式算法为跳出局部收敛多次迭代的问题,能够在基于分布式发电孤岛运行方式的智能配电网中根据不同情况对配电网故障区段进行准确搜索,进而能够提高配电网故障区段定位的合理性和高效性,能够更有效的指导配电网进行恢复和重构,从而能够提高基于分布式发电孤岛运行方式的智能配电网供电恢复的实用性。
本发明对分布式电源故障后的运行特性进行分类,并对分布式发电孤岛运行配电网进行潮流计算,通过网络拓扑结构、线路参数、电源和负荷参量计算配电网中各节点的电压、功率和网损情况,进而结合配电网的故障区段和分布式电源运行特性的分类结果对配电网进行网络重构,使得能够考虑分布式电源在故障后运行特性的分类并适应基于分布式发电孤岛运行方式的智能配电网的特点,并且通过粒子群算法求解故障恢复重构模型得到配电网最佳的开关恢复操作,即能够利用***间的互联互通和协同互补来提高配电网供电恢复策略的安全性、经济性、灵活性,从而能够提高基于分布式发电孤岛运行方式的智能配电网供电恢复的可靠性,并从根本上解决了智能配电网的恢复重构问题。
本实施例中,首先分析分布式发电孤岛对配电网的影响:
1)分布式发电对继电保护的影响
传统继电保护方法主要应用于单电源辐射状配电网络,依据短路电流和最大负荷电流作为整定值,而DG的接入,使配电网变为有源网络,改变了短路电流的大小和方向,传统的无源配电网保护方案可能不再适用。本专利申请考虑DG接入的相对位置和容量,分析DG对传统继电保护策略的影响。
2)分布式发电对传统故障区段定位方案的影响
当DG接入母线时,若馈线区段发生故障,故障区段前的FTU(Feeder TerminalUnit,馈线终端设备)能够正确判断过流信息,并将其上报到配电子站,不影响故障区段定位;
当DG接入馈线时,根据故障点与DG接入相对位置不同,可分为故障发生在DG上游和故障发生在DG下游;
基于分布式的配电网故障区段定位方法,主要依赖FTU上传的故障过流信息进行目标函数构建或者矩阵运算,因此故障过流信息能否准确反应故障特性至关重要。传统故障定位方法难以在DG接入后准确判断故障区段,且传统故障定位方法是在继电保护的基础上进行数据挖掘分析,由于FTU只能获得三相短路故障时的开关状态信息,因此无法对发生概率更高的单相接地故障进行定位,通用性较差。
3)分布式发电对电压分布的影响
配电网是“闭环设计、开环运行”的,接线方式多为单电源辐射型网络,潮流由主电源流向负荷,馈线末端的电压往往较低。而分布式电源的接入,改变了潮流方向,也改变的电压分布。因此分布式电源合理配置,理论上可以优化电压分布,提高电能质量。
本实施例中,规定潮流从母线流向负载为正方向,反之为负,在不计DG的情况下,节点m-1和与节点m的电压差:
由于负荷消耗的有功、无功均为正,因此Um<Um-1,ΔUm<0,靠近母线的节点电压高于远离母线的节点,节点m的电压函数表达式Um为:
式中:Un-1表示第n-1个节点的电压,K为总节点数,Pi为节点注入有功,Qi为节点注入无功,ln为线路长度,节点p接入某容量为PDG+jQDG的DG,DG接入的相对位置不同,对节点m电压偏差的影响也不同。若DG接入节点p在节点m下游,即0<m<p时,节点m的电压为:
由于DG功率因数高,所发无功可忽略不计,且配网线路电抗x远小于电阻r,因此:
DG接入后节点m的电压明显大于不接入DG时的电压。若DG接入节点p在节点m上游,即p<m<k时,节点m的电压为:
在进行配电故障定位前,还需分析DG接入配电网前后故障接地时的不同,以确保本专利申请的适用性,并以此作为配电网故障判据。为此,分析无DG接入电网时配电网故障情况以经消弧线圈接地***为例,本实施例中进行了单相接地故障暂态分析,最后的接地电流由暂态电容电流和暂态电感电流叠加:
式中第一项为稳态分量,第二项为电容电流暂态分量,第三项为电感电流暂态分量。其中ICm为电容电流,ILm为电感电流,t为时刻,ω为工频角频率,为零序电压初始相位,τC=2L0/R0为电容回路时间常数,电流自由振荡角频率为/>τC为电感回路时间常数。
经消弧线圈配电网发生单相接地故障时的暂态接地电流有如下特征:
1)故障点流过的暂态接地电流id由暂态电容电流iC和暂态电感电流iL组成,其中iC衰减很快,iL衰减很慢;
2)暂态电容电流iC和暂态电感电流iL因高频电流存在,无法相互抵消,可能相互叠加,使得暂态接地电流id幅值很大,比稳态接地电流更大,更容易检测;
3)消弧线圈暂态在0.5~1个周期后才会进行补偿,因此暂态初期故障电流很大,消弧线圈开始作用后故障电流明显降低;
4)暂态接地电流id的幅值与频率由暂态电容电流iC和暂态电感电流iL共同决定。当故障合闸角时,电容电流iC幅值最大,电感电流iL幅值最小,故障电流id的幅值与频率主要由电容电流iC决定,此时能量主要集中在高频段;当故障合闸角/>时,电感电流iL幅值最大,电容电流iC幅值最小,故障电流id的幅值与频率主要由电容电流iL决定,此时能量主要集中在低频段。
在暂态过渡过程中,消弧线圈的补偿在0.5~1周期后才开始作用,对暂态电容电流的补偿有限,因此暂态过程中性点经消弧线圈接地***与中性点不接地***一致,故障区段的暂态零序电流与健全区段的暂态零序电流相位反向。故障区段上的零序电压相位超前零序电流90度,而健全区段的零序电压相位滞后零序电流90度。
因此暂态零序电流的分布特征为:在暂态过渡过程中,故障区段的暂态零序电流与健全区段的暂态零序电流相位反向。
基于上述中结论,分段开关状态编码的规则如下:
1)若馈线终端设备测得的零序电压相位超前零序电流90度,则定义馈线终端设备有故障信号,FTU=1;
2)若馈线终端设备测得的零序电压相位滞后零序电流90度,则定义馈线终端设备无故障信号,FTU=0。
本实施例中,对分段开关进行状态编码,FTU是分段开关的代称,是指分段开关的状态,取值为0或1。
这是常用的状态编码规则,是基于***中稳态量的故障定位判据,设定中性点不接地***发生单相接地故障后,可通过各馈线区段首端所测的稳态零序电流大小作为故障判据,当一组FTU所测零序电流明显大于另一组FTU所测零序电流且两组零序电流极性相反时,则称稳态零序电流较大的开关有故障信号,对应FTU为1;称稳态零序电流较小的开关无故障信号,对应FTU为0。
一般情况下故障点下游与上游的相位差异明显,上述故障定位判据能够准确表征各节点的过流情况。但易受不平衡电流的影响,使上下游相位差不明显。对此,首半波极性法利用故障区段零序电流的首半波和正常区段的零序电流极性相反,将波形相关程度作为故障判据,若波形相关度小于-0.85则称其故障,令FTU为1,若波形相关度大于0.85则为0。暂态能量函数法利用零序电流和零序电压在一定时间范围内进行积分,将积分所得能量值正负作为故障判据,若暂态能量为负则称其故障,令FTU为1,反之为0。综合故障判据为:根据零序电压电流相位差判断。在电压超前电流90°时FTU=1,在电压落后电流90°时FTU=0;根据首半波判断:波形相关度ρ<-0.85时,FTU=1,在波形相关度ρ>0.85时FTU=0;根据暂态能量判断:暂态能量。可三种故障判据各有其适用条件,可设定适当的权重以综合三种方法对FTU进行赋值。
随后,需要对不含DG的配电网单相接地故障电流特征进行分析,以此判断本专利申请在含DG的配电网中是否仍然适用:
根据图2中配电网为例,对经消弧线圈接地***发生单相接地故障后,各馈线及馈线区段的零序电流进行分析。图中iAj,iBj,iCj分别为区段L1-L5三相对地电容电流,uA,uB,uC分别为区段L1-L5三相电容电压,其值分别为:
健全线路1的首端零序电流为:I1;
故障点零序电流为:
故障线路2的首端零序电流为:
故障线路2相比健全线路1的首端零序电流多了消弧线圈的零序电流iL,且方向相反。由图3可知,消弧线圈产生的感性电流不经过健全线路1,只经过故障线路2,而接地点产生的容性电流既经过线路1又经过线路2。
分别对不同类型区段的首端零序电流进行分析:
1)健全区段为L1、L2、L5,以区段L1为例,其首端零序电流I1由4个单位充电电流icc和2个单位放电电流idc组成,由母线流向线路。
2)故障上游区段L3的首端零序电流I3由4个单位充电电流icc和2个单位放电电流idc和1个单位零序电流iL组成,由线路流向母线。
3)故障区段L4的首端零序电流I4由6个单位充电电流icc和3个单位放电电流idc和1个单位电感电流iL组成,由线路流向母线。
当DG并入配电网后,无DG馈线2发生单相接地故障时的故障电流分布如图3所示。将图3和图2比可知,配电网中并入DG时,健全线路1的各相零序电流特性不变,依然为自身的对地电容电流;故障线路2首端的零序电流也不变,依然为健全线路零序电流与消弧线圈补偿电流之后。设icc 1设为主电源提供的B、C相充电电容电流,icc 2设为DG提供的B、C相电容电流。
分别对不同类型区段的首端零序电流进行分析:
1)健全区段为L1、L2、L5,以区段L1为例,其首端零序电流I1由4个单位充电电流icc1、4个单位充电电流icc 2和2个单位放电电流idc组成,由母线流向线路。无论DG是否并网,均不改变***的零序电压和等效电容,因此可以得到icc1+icc2=icc,即首端零序电流I1由4个单位充电电流icc和2个单位放电电流idc组成。
2)故障上游区段L3的首端零序电流I3由4个单位充电电流icc1、4个单位充电电流icc2、2个单位放电电流idc和1个单位电感电流iL组成,由线路流向母线。
3)故障区段L4的首端零序电流I4由6个单位充电电流icc1、6个单位充电电流icc2、3个单位放电电流idc和1个单位电感电流iL组成,由线路流向母线。
单位放电电流idc和1个单位电感电流iL组成,由线路流向母线。
综上所述,DG的并网改变了***的零序电流分布,但是几乎不改变各馈线以及各区段首端零序电流。因此本专利申请给出的故障判据,在含DG的配电网中仍然适用。
在上述基础上,构建大容量DG并网时的函数:
式中:fj=1表示开关流过正向故障电流;fj=0表示开关无故障电流;fj=-1表示开关流过反向故障电流。
为适应分布式电源的投切,将DG开关系数引入开关函数以适应DG的投切,因此通过如下公式表示分段开关的开关函数:
式中:Fj(li)表示故障时分段开关的期望状态向量;li表示馈线区段状态向量;∪表示或运算;M2表示开关j下游区段个数;M1表示开关j上游区段个数,下游是指分段开关到馈线末端或分布式电源,上游是指分段开关到主电源;P表示线路中分布式电源总数;Ks为0-1变量,1表示该开关下游第Ks个分布式电源并网运行。
根据开关状态编码和开关函数构造了如下的配电网的故障定位目标函数:
式中:E(li)表示关于开关状态编码和开关函数的数学评价模型;li表示馈线区段状态向量;Fj(li)表示故障时分段开关的期望状态向量;fj表示开关实际状态向量;m表示线路中开关总数;n表示馈线区段数;ω表示判断系数,取0.5;
其中,对E(li)求最小值,对应的最优解向量bestli即为故障区的段定位结果,其形式为l=[0...0...1...0],第i个元素为1表示对应的编码为i的馈线区段发生故障;
当Fj(li)=fj时,E(li)=0,此时对应的li为最优解。
对此,构造如下评价函数:
为防止误判,在之前目标函数的基础上,添加了判断项;其中n为馈线区段数;ω为判断系数,通常ω取0.5。由于判断项的存在。可定位结果中符合条件的故障线路数目最少的解,避免误判故障区段。
本专利申请通过布谷鸟搜索算法求解故障定位目标函数。
布谷鸟搜索(Cuckoo Search,缩写CS),也叫杜鹃搜索,是由剑桥大学杨新社(Xin-She Yang)教授和S.戴布(S.Deb)于2009年提出的一种新兴启发算法。CS算法是通过模拟某些种属布谷鸟的寄生育雏(BroodParasitism),来有效地求解最优化问题的算法。同时,CS也采用相关的Levy飞行搜索机制。研究表明,布谷鸟搜索比其他群体优化算法更有效。
布谷鸟搜索(CS)使用蛋巢代表解。最简单情况是,每巢有一个蛋,布谷鸟的蛋代表了一种新的解。其目的是使用新的和潜在的更好的解,以取代不那么好的解。该算法基于三个理想化的规则:
每个杜鹃下一个蛋,堆放在一个随机选择的巢中;
最好的高品质蛋巢将转到下一代;
巢的数量是固定的,布谷鸟的蛋被发现的概率为P(a)。
结合图4所示,布谷鸟搜索算法通过如下步骤求解故障定位目标函数:
S301:设置基本参数:设发现概率Pa=0.25,迭代次数为T,Qn为鸟窝个数,n为鸟窝的维数,即馈线区段个数,每个窝的位置为包含故障区段信息的向量li;
初始化鸟窝位置,即生成[Qn×n]矩阵,并将其二进制化;二进制后的1、0表示对应区段是否故障;输入j维开关实际状态向量fj,j为分段开关的数量;
S302:评估初始Qn个鸟窝的位置:将Qn个窝对应向量分别带入故障定位目标函数,比较Qn个窝的目标函数值,得到并记录最小值minE和最小值对应的最优窝li;
S303:通过Lévy飞行更新位置产生新的窝,并将其二进制化;
S304:评估更新后的Qn个窝,并将其与最优窝li对比,得到最小值minE和最小值对应的最优窝,并更新当前最优窝li;
S305:比较随机数[0,1]内分布的随机数εn与发现概率Pa的大小:若εn<Pa,则执行步骤S306;若εn≥Pa,则执行步骤S307;
S306:通过随机偏好行走形成新的窝,并将其二进制化;
S307:评估更新后的Qn个窝,并将其与上述最优窝li对比,得到最小值minE和最小值对应的最优窝,并更新当前最优窝li;
S308:判断是否完成迭代:若完成,则执行步骤S309;否则,则执行步骤S303;
S309:输出最小适应度值和对应的最优窝li;
其中,最优窝li为分段开关上传开关实际状态向量fj时,配电网中发生故障的馈线区段状态向量,最优窝li中第i个元素为1,表示第i个馈线区段发生故障,即故障区段。
本发明在FTU状态编码的基础上,建立了能够适应DG投切的开关函数,并构造了相应的评价函数,将故障定位问题转化为函数寻优问题。针对启发式优化算法对评价函数求解中的易陷入局部收敛和缺乏自检能力的固有缺陷,提出了一种基于矩阵递推的故障定位方法,矩阵递推法通过正交矩阵推导对评价函数求解,将两次推导所得最优解比较作为迭代是否完成的判断条件,避免了传统启发式算法为跳出局部收敛多次迭代的问题。经MATLAB编程测试,证明所提方法能够准确、快速的定位故障,显著的缩短了故障定位时间。
对于配电网故障恢复问题,本专利申请通过研究配电网的故障恢复重构。在故障定位方法确定故障区段的基础上,通过制定故障恢复策略,利用联络开关和联络线将非故障区段的负荷转移,实现配电网恢复性重构以恢复供电。由于DG的大规模并网,使得配电网结构发生了较大的变化,在DG发展的初期,为降低DG并网带来的不利影响,在配电网故障后要求DG迅速脱离主网,待故障恢复后重新并网。这种处理方式一定程度的减小了DG对电网保护控制的负面影响,但降低了DG的利用效率,未充分发挥DG的全部优势。随着DG的广泛应用和相关技术的发展,国际标准IEEE1547-2003和IEEE1547-201相继提出孤岛运行控制和微电网孤岛的概念,鼓励DG在孤岛运行的形式下继续为负荷供电,充分发挥DG提高供电可靠性的优势。因此,在含DG的配电网故障后,制定合理的供电恢复策略,最大限度的发挥DG持续供电的作用,对提高配电网供电可靠性、降低网损具有重要意义。
配电网的分布式电源包括PQ、PV、PQ(V)、PI四种节点类型。
1)PQ节点
PQ类分布式电源是负发出功率的等功率负荷,其潮流方向与负荷相反,潮流计算模型为:
式中:P表示节点发出的有功功率;Q表示节点发出的无功功率;-PDG(PQ)、-QDG(PQ)分别表示PQ节点的有功功率和无功功率;
2)PV节点
PV类分布式电源采用恒压控制,其有功功率和电压为恒定值,潮流计算模型为:
式中:P表示节点发出的有功功率;U表示节点的电压;-PDG(PV)表示PV节点的有功功率;UDG(PV)表示PV节点的电压;
3)PQ(V)节点
PQ(V)类分布式电源在潮流计算中输出的有功功率恒定,无功功率随电压的变化呈函数关系变化,潮流计算模型为:
式中:P表示节点发出的有功功率;Q表示节点发出的无功功率;-PDG(PQ(V))表示PQ(V)类分布式电源的有功功率;-f(Ut-1)表示上一次迭代的电压值Ut-1再进行一次迭代后的值;
4)PI节点
PI类分布式电源以电流控制的逆变器进行并网,其有功功率和注入主网的电流均为恒定值,潮流计算模型为:
式中:P表示节点发出的有功功率;I表示节点的电流;-PDG(PI)表示表示PI类分布式电源的有功功率;IDG(PI)表示PI类分布式电源的注入电流;
PQ、PV、PQ(V)、PI四种类型的节点都有对应的有功功率和无功功率数值;
无功功率由恒定的有功功率、注入电流和上一次迭代的电压幅值决定,公式描述为:
在潮流计算中,第t-1次迭代得到的PI节点的无功功率Qt-1,在第t次迭代时,将其作为容量为P+jQt·1的PQ节点处理。
现有的智能算法在指定供电恢复策略时忽视了配电网故障后分布式电源的分类(能否作为备用电源、能否并网运行等)。本发明能够考虑分布式电源在故障后运行特性的分类并适应基于分布式发电孤岛运行方式的智能配电网的特点,并且通过粒子群算法求解故障恢复重构模型得到配电网最佳的开关恢复操作,即能够利用***间的互联互通和协同互补来提高配电网供电恢复策略的安全性、经济性、灵活性,从而能够提高基于分布式发电孤岛运行方式的智能配电网供电恢复的可靠性,并从根本上解决了智能配电网的恢复重构问题。
在上述基础上通过前推回代进行潮流计算:
前推回代法通过已知节点的电压和功率,求解新的节点电压和支路电流,包括前推和回代两个部分。前推是假定各节点电压为额定电压,根据负荷功率由末端向始端逐段推算求得各支路电流和损耗,并获得首端功率;回代是根据求得的首端功率和已知的首端电压,由始端向末端逐段推算求得各节点电压。重复前推回代多次,直到完成预设迭代次数或者节点电压偏差满足条件为止。
通过前推回代对配电网进行潮流计算,包括如下步骤:
S401:初始化配电网参数;设定最大迭代次数、馈线根节点电压(通常取额定电压,相角为0)、支路阻抗、各节点负荷;
本实施例中,配电网拓扑结构根据线路连接实际情况获取;节点负荷对应各个节点的电压,电流,有功功率和无功功率。
S402:根据配电网拓扑结构生成节点关联矩阵和支路阻抗矩阵;
S403:根据节点关联矩阵和支路阻抗矩阵从配电网末端开始逐段前推,求得各节点的注入电流和各支路电流;
公式描述如下:
式中:表示节点i第k+1次迭代的注入电流;/>表示节点i的注入功率;/>表示节点i第k次迭代的电压;/>表示支路i第k+1次迭代的支路电流;/>表示支路j第k+1次迭代的支路电流;Yi表示节点i的电导;Bi表示节点i的电纳;
S404:根据首端电压和求得的各支路电流向末端逐段回代,求得的各节点的电压;
首端电压根据电网具体情况进行设置,无需计算,在下述公式中首端电压是第一次迭代的数值。
公式描述如下:
S405:通过节点电压偏差和最大迭代次数判断是否满足收敛条件;
其中电压偏差的收敛条件为:
若两次迭代的电压差小于收敛精度,则满足收敛条件退出运算;否则,重复步骤S403和S404,直至满足收敛精度或者达到最大迭代次数。
具体实施过程中,故障恢复重构模型包括孤岛划分目标函数和恢复重构目标函数。
将孤岛划分目标确定为,在考虑负荷优先级的基础上,最大限度的恢复非故障失电负荷。通过如下公式表示孤岛划分目标函数:
式中:f表示负荷恢复量;m表示失电区域的负荷数;i表示负荷节点编号;PLi表示第i个节点负荷的有功功率,hLi表示该节点的负荷权重系数;
孤岛划分目标函数的约束如下:
1)孤岛内分布式电源容量约束(孤岛内DG的总有功功率应大于负荷的总有功功率)
孤岛内分布式电源的总有功功率应大于负荷的总有功功率,公式描述如下:
2)节点电压约束(节点电压在允许范围内取值)
节点电压在允许范围内取值,公式描述如下:
Umin≤Ui≤Umax;
式中:Ui表示孤岛内第i个负荷节点实际电压,其不能超过***所允许节点电压的上、下限值Umax、Umin;
3)支路功率约束(支路传输容量不大于其最大传输容量)
支路传输容量不大于其最大传输容量,公式描述如下:
Si≤Simax;
式中:Si表示支路传输容量,Simax表示支路最大传输容量;
4)开关次数约束
故障恢复时,最小化孤岛数量和开关的动作次数。
本发明中孤岛划分目标函数是值在考虑负荷优先级的基础上,最大限度的恢复非故障失电负荷;建立“孤岛划分目标函数”是为了最大限度的恢复非故障失电负荷。
配电网孤岛外发生故障时,考虑DG能否独立供电、能否与主网通信,选择将DG孤岛运行或是将DG与主网保持连接并参与重构,通过联络开关的开断和联络线连接,实现配电网重构,恢复非故障失电区域的供电。
本专利申请采用的恢复重构目标函数为:配电网未恢复供电负荷最小(尽可能多的恢复非故障失电区域的停电,尤其要保证重要用户的供电),网损最小,开关动作次数最少,通过如下公式表示恢复重构目标函数:
式中:表示未恢复供电负荷容量;/>表示网损值;表示开关次数;ω1、ω2、ω3分别表示对应的权重系数,设ω1=0.7,ω2=0.2,ω3=0.1(根据配电网重构目标优先级进行赋值);hi表示归一化系数(由于三项的数量级不同,实际计算中需归一化处理,因此增设归一化系数hi);PL表示总断电负荷量;Pi表示节点i的负荷;λi表示节点i的负荷优先级系数;m表示失电区域的节点数;Ij表示各支路的支路电流;Rj表示支路电阻;N表示孤岛外支路数;Kd表示开关状态,1表示闭合,0表示断开;E、F分别表示分段开关和联络开关的数量;
恢复重构目标函数的约束如下:
gk∈Gk;
式中:gk表示孤岛外配电网重构之后的拓扑结构;Gk表示孤岛外配电网所有拓扑结构集合。
本发明的恢复重构目标函数是为了使配电网未恢复供电负荷最小(尽可能多的恢复非故障失电区域的停电,尤其要保证重要用户的供电),网损最小,开关动作次数最少。
本专利申请通过粒子群算法求解故障恢复重构模型。
粒子群优化算法(Particle Swarm optimization,PSO)又称为粒子群算法、微粒群算法或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能(Swarm intelligence,SI)的一种。它可以被纳入多主体优化***(Multiagent Optimization System,MAOS)。粒子群优化算法是由Eberhart博士和kennedy博士发明。
PSO模拟鸟群的捕食行为。一群鸟在随机搜索食物,在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻离食物最近的鸟的周围区域。
PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解,在每一次迭代中,粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解,这个解叫做个体极值pBest,另一个极值是整个种群找到的最优解,这个极值是全局极值gBest。另外也可以不用整个种群而只是用其中一部分最优粒子的邻居,那么在所有邻居中的极值就是局部极值。
结合图5所示,粒子群算法通过如下步骤求解故障恢复重构模型:
S501:输入配电网故障前和故障后的网络结构;
本实施例中,故障前的网络结构是指电网正常工作下的拓扑结构图,根据具体电网进行设置。故障后由于部分继电器断开,配电网拓扑结构会发生变化。
S502:设定粒子群内部规模M和外部规模N,以及其他参数ω、c1、c2;ω是指粒子群算法中的惯性权重洗漱;c1和c2表示粒子群算法中的两个速度系数;
S503:生成随机矩阵初始化内部种群的位置,得到M个粒子的位置,并初始化粒子群的飞行速度矩阵;
本实施例中,随机矩阵通过matlab中的随机函数生成。
S504:通过孤岛划分目标函数和恢复重构目标函数计算M个粒子在当前位置对应的目标函数解(即minf),分别求出失电负荷量、网损、开关次数;
S505:根据Pareto非支配解的概念,选择内部粒子群中的非支配解,并更新外部粒子群;
S506:构造立体空间存放外部粒子群,用自适应网格密度选择Gbest粒子位置;在内部种群中更新Pbest;
S507:更新内部种群中粒子的位置和飞行速度;
S508:判断迭代是否完成:若未完成,继续执行步骤S504;否则,执行步骤S509;
S509:输出结果,得到配电网重构的最佳开关操作。
本发明为制定供电恢复策略,建立了考虑负荷优先级的含DG配电网故障恢复重构模型,给出了失电负荷最小、网损最小、开关动作次数最少的目标函数,采用MOPSO算法对目标函数进行求解,得到开关操作方案。以IEEE33节点配电***为例,在MATLAB软件中仿真测试验证了本发明所采用方法的有效性,仿真结果表明含DG配电网重构后,依靠DG孤岛运行的优势,不仅能够最大限度的恢复供电,还能有效降低网损、提高配电网电压和潮流分布的合理性。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,包括:
S1:基于故障信息对各分段开关进行状态编码;同时根据馈线区段和分段开关的拓扑关系,为各分段开关建立适应分布式电源投切且表征区段状态和开关状态间逻辑关系的开关函数;
S2:基于各分段开关的状态编码和开关函数建立配电网的故障定位目标函数;
S3:通过布谷鸟搜索算法求解故障定位目标函数,定位配电网的故障区段;
S4:对分布式电源故障后的运行特性进行分类;然后对配电网进行潮流计算得到各节点的电压、功率和网损情况,并结合配电网的故障区段和分布式电源运行特性的分类结果构建考虑负荷优先级的故障恢复重构模型;
S5:通过粒子群算法求解故障恢复重构模型得到配电网重构的最佳开关操作,进而基于最佳开关操作实现配电网的供电恢复。
2.如权利要求1所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S1中,分段开关状态编码的规则如下:
1)若馈线终端设备测得的零序电压相位超前零序电流90度,则定义馈线终端设备有故障信号,FTU=1;
2)若馈线终端设备测得的零序电压相位滞后零序电流90度,则定义馈线终端设备无故障信号,FTU=0。
4.如权利要求3所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S2中,通过如下公式表示配电网的故障定位目标函数:
式中:E(li)表示关于开关状态编码和开关函数的数学评价模型;li表示馈线区段状态向量;Fj(li)表示故障时分段开关的期望状态向量;fj表示开关实际状态向量;m表示线路中开关总数;n表示馈线区段数;ω表示判断系数,取0.5;
其中,对E(li)求最小值,对应的最优解向量bestli即为故障区的段定位结果,其形式为l=[0...0...1...0],第i个元素为1表示对应的编码为i的馈线区段发生故障;
当Fj(li)=fj时,E(li)=0,此时对应的li为最优解。
5.如权利要求4所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S3中,布谷鸟搜索算法通过如下步骤求解故障定位目标函数:
S301:设置基本参数:设发现概率Pa=0.25,迭代次数为T,Qn为鸟窝个数,n为鸟窝的维数,即馈线区段个数,每个窝的位置为包含故障区段信息的向量li;
初始化鸟窝位置,即生成[Qn×n]矩阵,并将其二进制化;二进制后的1、0表示对应区段是否故障;输入j维开关实际状态向量fj,j为分段开关的数量;
S302:评估初始Qn个鸟窝的位置:将Qn个窝对应向量分别带入故障定位目标函数,比较Qn个窝的目标函数值,得到并记录最小值minE和最小值对应的最优窝li;
S303:通过Lévy飞行更新位置产生新的窝,并将其二进制化;
S304:评估更新后的Qn个窝,并将其与最优窝li对比,得到最小值minE和最小值对应的最优窝,并更新当前最优窝li;
S305:比较随机数[0,1]内分布的随机数εn与发现概率Pa的大小:若εn<Pa,则执行步骤S306;若εn≥Pa,则执行步骤S307;
S306:通过随机偏好行走形成新的窝,并将其二进制化;
S307:评估更新后的Qn个窝,并将其与上述最优窝li对比,得到最小值minE和最小值对应的最优窝,并更新当前最优窝li;
S308:判断是否完成迭代:若完成,则执行步骤S309;否则,则执行步骤S303;
S309:输出最小适应度值和对应的最优窝li;
其中,最优窝li为分段开关上传开关实际状态向量fj时,配电网中发生故障的馈线区段状态向量,最优窝li中第i个元素为1,表示第i个馈线区段发生故障,即故障区段。
6.如权利要求1所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S4中,配电网的分布式电源包括PQ、PV、PQ(V)、PI四种节点类型;
1)PQ节点
PQ类分布式电源是负发出功率的等功率负荷,其潮流方向与负荷相反;
潮流计算模型为:
式中:P表示节点发出的有功功率;Q表示节点发出的无功功率;-PDG(PQ)、-QDG(PQ)分别表示PQ节点的有功功率和无功功率;
2)PV节点
PV类分布式电源采用恒压控制,其有功功率和电压为恒定值;
潮流计算模型为:
式中:P表示节点发出的有功功率;U表示节点的电压;-PDG(PV)表示PV节点的有功功率;UDG(PV)表示PV节点的电压;
3)PQ(V)节点
PQ(V)类分布式电源在潮流计算中输出的有功功率恒定,无功功率随电压的变化呈函数关系变化;
潮流计算模型为:
式中:P表示节点发出的有功功率;Q表示节点发出的无功功率;-PDG(PQ(V))表示PQ(V)类分布式电源的有功功率;-f(Ut-1)表示上一次迭代的电压值Ut-1再进行一次迭代后的值;
4)PI节点
PI类分布式电源以电流控制的逆变器进行并网,其有功功率和注入主网的电流均为恒定值;
潮流计算模型为:
式中:P表示节点发出的有功功率;I表示节点的电流;-PDG(PI)表示表示PI类分布式电源的有功功率;IDG(PI)表示PI类分布式电源的注入电流;
PQ、PV、PQ(V)、PI四种类型的节点的无功功率由恒定的有功功率、注入电流和上一次迭代的电压幅值决定;
公式描述为:
在潮流计算中,第t-1次迭代得到的PI节点的无功功率Qt-1,在第t次迭代时,将其作为容量为P+jQt·1的PQ节点处理。
7.如权利要求6所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,通过前推回代对配电网进行潮流计算,包括如下步骤:
S401:初始化配电网参数;设定最大迭代次数、馈线根节点电压、支路阻抗、各节点负荷;
S402:根据配电网拓扑结构生成节点关联矩阵和支路阻抗矩阵;
S403:根据节点关联矩阵和支路阻抗矩阵从配电网末端开始逐段前推,求得各节点的注入电流和各支路电流;
公式描述如下:
式中:表示节点i第k+1次迭代的注入电流;/>表示节点i的注入功率;/>表示节点i第k次迭代的电压;/>表示支路i第k+1次迭代的支路电流;/>表示支路j第k+1次迭代的支路电流;Yi表示节点i的电导;Bi表示节点i的电纳;
S404:根据首端电压和求得的各支路电流向末端逐段回代,求得的各节点的电压;
公式描述如下:
S405:通过节点电压偏差和最大迭代次数判断是否满足收敛条件;
其中电压偏差的收敛条件为:
若两次迭代的电压差小于收敛精度,则满足收敛条件退出运算;否则,重复步骤S403和S404,直至满足收敛精度或者达到最大迭代次数。
8.如权利要求7所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S4中,故障恢复重构模型包括孤岛划分目标函数;
通过如下公式表示孤岛划分目标函数:
式中:f表示负荷恢复量;m表示失电区域的负荷数;i表示负荷节点编号;PLi表示第i个节点负荷的有功功率,hLi表示该节点的负荷权重系数;
孤岛划分目标函数的约束如下:
1)孤岛内分布式电源容量约束
孤岛内分布式电源的总有功功率应大于负荷的总有功功率,公式描述如下:
2)节点电压约束
节点电压在允许范围内取值,公式描述如下:
Umin≤Ui≤Umax;
式中:Ui表示孤岛内第i个负荷节点实际电压,其不能超过***所允许节点电压的上、下限值Umax、Umin;
3)支路功率约束
支路传输容量不大于其最大传输容量,公式描述如下:
Si≤Simax;
式中:Si表示支路传输容量,Simax表示支路最大传输容量;
4)开关次数约束
故障恢复时,最小化孤岛数量和开关的动作次数。
9.如权利要求8所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S4中,故障恢复重构模型包括恢复重构目标函数;
通过如下公式表示恢复重构目标函数:
式中:表示未恢复供电负荷容量;/>表示网损值;表示开关次数;ω1、ω2、ω3分别表示对应的权重系数,设ω1=0.7,ω2=0.2,ω3=0.1;hi表示归一化系数;PL表示总断电负荷量;Pi表示节点i的负荷;Rj表示支路电阻;λi表示节点i的负荷优先级系数;m表示失电区域的节点数;Ij表示各支路的支路电流;N表示孤岛外支路数;Kd表示开关状态,1表示闭合,0表示断开;E、F分别表示分段开关和联络开关的数量;
恢复重构目标函数的约束如下:
gk∈Gk;
式中:gk表示孤岛外配电网重构之后的拓扑结构;Gk表示孤岛外配电网所有拓扑结构集合。
10.如权利要求9所述的基于分布式发电孤岛运行方式的智能配电网供电恢复方法,其特征在于,步骤S5中,粒子群算法通过如下步骤求解孤岛划分目标函数和恢复重构目标函数:
S501:输入配电网故障前和故障后的网络结构;
S502:设定粒子群内部规模M和外部规模N,以及其他参数ω、c1、c2;ω是指粒子群算法中的惯性权重洗漱;c1和c2表示粒子群算法中的两个速度系数;
S503:生成随机矩阵初始化内部种群的位置,得到M个粒子的位置,并初始化粒子群的飞行速度矩阵;
S504:通过孤岛划分目标函数和恢复重构目标函数计算M个粒子在当前位置对应的目标函数解,分别求出失电负荷量、网损、开关次数;
S505:根据Pareto非支配解的概念,选择内部粒子群中的非支配解,并更新外部粒子群;
S506:构造立体空间存放外部粒子群,用自适应网格密度选择Gbest粒子位置;在内部种群中更新Pbest;
S507:更新内部种群中粒子的位置和飞行速度;
S508:判断迭代是否完成:若未完成,继续执行步骤S504;否则,执行步骤S509;
S509:输出结果,得到配电网重构的最佳开关操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310176575.8A CN116154855A (zh) | 2023-02-28 | 2023-02-28 | 基于分布式发电孤岛运行方式的智能配电网供电恢复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310176575.8A CN116154855A (zh) | 2023-02-28 | 2023-02-28 | 基于分布式发电孤岛运行方式的智能配电网供电恢复方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116154855A true CN116154855A (zh) | 2023-05-23 |
Family
ID=86352448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310176575.8A Pending CN116154855A (zh) | 2023-02-28 | 2023-02-28 | 基于分布式发电孤岛运行方式的智能配电网供电恢复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116154855A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881955A (zh) * | 2023-09-08 | 2023-10-13 | 北京龙德缘电力科技发展有限公司 | 电力***用户侧配电开关类设备统一编码方法 |
CN116973694B (zh) * | 2023-09-22 | 2023-12-12 | 国网浙江宁波市鄞州区供电有限公司 | 配电网故障诊断优化方法及*** |
CN117239939A (zh) * | 2023-11-15 | 2023-12-15 | 国网浙江省电力有限公司宁波供电公司 | 主站与分布式终端配合实现的配电自动化保护方法 |
CN117674115A (zh) * | 2023-12-05 | 2024-03-08 | 国网四川省电力公司 | 含分布式电源配电网故障后供电负荷恢复方法及*** |
CN117665493A (zh) * | 2023-12-22 | 2024-03-08 | 国网山东省电力公司枣庄供电公司 | 一种基于地理网格划分的配电网故障定位方法和*** |
-
2023
- 2023-02-28 CN CN202310176575.8A patent/CN116154855A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881955A (zh) * | 2023-09-08 | 2023-10-13 | 北京龙德缘电力科技发展有限公司 | 电力***用户侧配电开关类设备统一编码方法 |
CN116881955B (zh) * | 2023-09-08 | 2023-11-21 | 北京龙德缘电力科技发展有限公司 | 电力***用户侧配电开关类设备统一编码方法 |
CN116973694B (zh) * | 2023-09-22 | 2023-12-12 | 国网浙江宁波市鄞州区供电有限公司 | 配电网故障诊断优化方法及*** |
CN117239939A (zh) * | 2023-11-15 | 2023-12-15 | 国网浙江省电力有限公司宁波供电公司 | 主站与分布式终端配合实现的配电自动化保护方法 |
CN117239939B (zh) * | 2023-11-15 | 2024-04-02 | 国网浙江省电力有限公司宁波供电公司 | 主站与分布式终端配合实现的配电自动化保护方法 |
CN117674115A (zh) * | 2023-12-05 | 2024-03-08 | 国网四川省电力公司 | 含分布式电源配电网故障后供电负荷恢复方法及*** |
CN117665493A (zh) * | 2023-12-22 | 2024-03-08 | 国网山东省电力公司枣庄供电公司 | 一种基于地理网格划分的配电网故障定位方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116154855A (zh) | 基于分布式发电孤岛运行方式的智能配电网供电恢复方法 | |
Shen et al. | Review of service restoration for distribution networks | |
Javadian et al. | Determining fault's type and accurate location in distribution systems with DG using MLP neural networks | |
Kavousi-Fard et al. | Stochastic framework for reliability enhancement using optimal feeder reconfiguration | |
Hatata et al. | Adaptive protection scheme for FREEDM microgrid based on convolutional neural network and gorilla troops optimization technique | |
CN116826725A (zh) | 一种面向变电站为中心中压配电供区(s-scdn)馈线群fc考虑多目标的故障供电恢复方法 | |
CN112865090B (zh) | 一种基于生物体免疫机制的智能配电网故障恢复方法 | |
CN110414810A (zh) | 计及失负荷风险的多端智能软开关优化配置方法及*** | |
CN114709825B (zh) | 基于电力电子变压器的交直流配电网动态防雷方法和*** | |
Xianchao et al. | Service restoration of distribution system with distributed generation | |
Huynh et al. | Fault location on three-terminal transmission lines based on a meta-heuristic algorithm | |
Qi | Operation ControlMethod of Relay Protection in Flexible DC Distribution Network Compatible with Distributed Power Supply. | |
Sonwane et al. | Optimal allocation of distributed generator placement: An optimal approach to enhance the reliability of micro-grid | |
Riyas et al. | Comparative Analysis of Algorithms for the Optimum Placement of PMUs in Power Systems | |
CN111740419A (zh) | 一种基于差分进化算法的有源配电网故障恢复方法 | |
Wu et al. | A MOPSO based faulty section location method for distribution networks with PVs | |
Javadi et al. | Optimal design and economic assessment of battery based stand-alone wind/PV generating system using ABC | |
Huynh et al. | Fault location on series-compensated transmission lines of a power system | |
Chong et al. | The application of binary particle swarm optimization in power restoration | |
CN110061494A (zh) | 一种考虑dg出力不确定性的三相不平衡配电网重构方法 | |
Yu et al. | Research on Distribution Network Fault Recovery Algorithms with Distributed Generation | |
Lin et al. | Optimization of generator starting scheme including multiple DC converter stations | |
Sahaya Elsi et al. | Hybrid DC-AC microgrid energy management system using grey wolf optimized neural network | |
Campoccia et al. | Considering safety issues in minimum losses reconfiguration for MV distribution networks | |
Zhang et al. | Optimization of Black-Start Scheme for Mitigating Overvoltage |
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 |