CN103106561A - 电力系统负荷恢复辅助决策系统及其决策生成方法 - Google Patents
电力系统负荷恢复辅助决策系统及其决策生成方法 Download PDFInfo
- Publication number
- CN103106561A CN103106561A CN2013100390826A CN201310039082A CN103106561A CN 103106561 A CN103106561 A CN 103106561A CN 2013100390826 A CN2013100390826 A CN 2013100390826A CN 201310039082 A CN201310039082 A CN 201310039082A CN 103106561 A CN103106561 A CN 103106561A
- Authority
- CN
- China
- Prior art keywords
- load
- server
- subregion
- load restoration
- electrical 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
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种电力系统负荷恢复辅助决策系统及其决策生成方法,该系统采用B/S架构,包括安装有SQL Server引擎的数据库服务器、安装有负荷恢复计算引擎及算法的算法服务器、安装有负荷恢复工程管理引擎的Web服务器、安装有电网图元管理引擎的系统图模版客户端、及Web客户端,它们通过网络相连。该方法包括:在数据库服务器存储电网单线图及电网数据;在Web客户端打开Web浏览器远程运行负荷恢复工程管理引擎,对数据库服务器中存储的电网单线图进行管理,建立相应的数据管理表;负荷恢复工程管理引擎调用算法服务器上的算法,生成负荷分区方案和各分区内负荷的恢复网架结构。本系统成本低,易于维护,信息能够完全同步。
Description
技术领域
本发明涉及电力系统负荷恢复辅助决策系统以及决策的生成方法,属于计算机技术应用于电力调度自动化的技术领域。
背景技术
20世纪以来,世界各国发生多起大停电事故。例如1996年7月2日,美国西部电网发生大停电事故,系统被分为5个“孤岛”,225万用户供电中断,750万用户的用电受到不同程度的影响。2003年8月14日,美国东部发生了有史以来最大的停电事故,多条特高压线路陆续停运,100多个发电厂切机,该事故涉及了美国东北部的8个州和加拿大的安大略省,受影响地区约有24000平方公里,损失负荷61800MW,造成了至少8人死亡。美国有些地区整整4天未能恢复供电,直接经济损失约为60亿美元,涉及人口4000多万,约占美国总人口的15%;而加拿大有些地区停电时间则超过了一个星期,经济损失约达数百亿加元,受影响的人口达1200多万,占加拿大总人口的40%。在国内,随着经济的高速发展和电力需求的强势增长,也多次发生了小规模的停电事故。例如1996年1月19日北京西部地区大停电事故、1999年7月20山西电网停电事故以及2005年海南电网大停电事故。反复发生的大停电事故告诉我们,虽然通过加强电网建设、改进监管手段,可以有效降低停电事故发生的概率,但是完全避免停电事故是不可能的。由于停电事故的不可避免,事先制定完备的恢复计划和紧急控制策略对于最大限度地降低灾变与事故损失有着重要意义。相反,不当的恢复控制策略会扩大事故的影响,增大停电损失,影响经济的正常发展。1983年12月瑞典的大停电事故中,由于事先制订了完备的恢复方案,应急指挥得当,经过7个多小时全部恢复供电,有效降低了停电损失。2003年9月发生的意大利大停电事故,由于采用了得当的恢复策略,在短短的4小时内,恢复了绝大部分地区的供电。海南电网大停电事故后,通过采用事先制订的负荷恢复方案,实现了负荷的快速恢复。反观美国“8.14”大停电,由于事故前期紧急控制措施不当,导致事故不断扩大。而在恢复过程中也因为计划不周全,恢复进程大大减慢,造成了巨大的经济损失。因此,研究系统大停电后负荷快速、有效的恢复方法对于电力系统的安全防御至关重要。通过制订合理的恢复方案,优化整个恢复进程并进行相关仿真分析,制订紧急预案,最终建立有效的负荷恢复系统,可以大大降低整个恢复过程中的损失,对于国防安全、国民经济的发展具有重要意义。
在负荷恢复初期,通常只能在各个黑启动分区内逐个对各个厂站进行接力式的供电;在恢复末期,随着投入厂站的增多,该阶段就可以有条件向不同的失电区域进行供电,其主要目标是以最小的代价向所有失电负荷供电。因此,目前对于大规模电网的负荷恢复,通常根据网络的结构特点,如地理位置、拓扑关系等将电网人为分成几个子网单独并行恢复。恢复初期,在每个分区内采用接力式的“串行”恢复方案;在恢复后期,各个分区内并行恢复,加快整个系统的恢复进程,最后通过并网来实现整个系统恢复。所设计、开发的负荷恢复系统包含很多以专家经验为主的人为经验因素且均以windows应用程序开发为主。这种传统意义上的基于windows桌面应用的电力系统负荷恢复系统可以一定程度上实现停电后大型电网的负荷恢复供电问题,但考虑到负荷的重要性、电网的安全稳定约束,以及负荷恢复中的信息共享问题时,这种传统的负荷恢复系统实现方法存在如下缺点:
(1)以专家经验为主的负荷恢复策略会带来很大的恢复代价,不能权衡重要负荷的优先恢复及恢复快慢程度的矛盾问题;
(2)传统负荷恢复方法为确定性的方法,只能得到一种恢复方案,而且恢复过程中难以考虑发电机的一次频率调节以及负荷功率随频率变化的效应;
(3)在实际应用中,基于windows桌面应用的负荷恢复系统的安装、配置及维护代价比较大;此外,负荷恢复过程的信息透明度及共享度低,只有在安装了客户端应用的计算机上才能看到恢复全过程,而多台计算机之间的负荷恢复信息难以同步。
发明内容
本发明的目的是提供一种电力系统负荷恢复辅助决策系统及其决策生成方法。
本发明提供的电力系统负荷恢复辅助决策系统,采用B/S(Browser/Server)架构,该辅助决策系统包括安装有SQL Server引擎的数据库服务器、安装有负荷恢复计算引擎及算法的算法服务器、安装有负荷恢复工程管理引擎的Web服务器、安装有电网图元管理引擎的系统图模版客户端、以及安装有Web浏览器的Web客户端,各个服务器和各个客户端通过网络相连,通过在Web客户端打开Web浏览器远程运行Web服务器上的负荷恢复工程管理引擎,进行数据处理并调用算法服务器上的算法生成负荷分区方案和各分区内负荷的恢复网架结构。
本发明提供的一种基于上述辅助决策系统的决策生成方法,包括以下步骤:
在数据库服务器存储电网单线图及电网数据;
在Web客户端打开Web浏览器远程运行位于Web服务器上的负荷恢复工程管理引擎,对数据库服务器中存储的电网单线图进行管理,建立相应的数据管理表;以及
负荷恢复工程管理引擎调用算法服务器上的算法,生成负荷分区方案和各分区内负荷的恢复网架结构。
在实时模式下,数据库服务器通过以下方式获取电网单线图及电网数据:数据库服务器从电网调度中心的能量管理系统获取含有地理位置信息的电网调度员潮流断面数据;电网图元管理引擎解析数据库服务器所获取的电网调度员潮流数据,形成电网单线图写回数据库服务器。
在研究模式下,数据库服务器通过以下方式获取电网单线图及电网数据:通过电网图元管理引擎由用户自己绘制电网单线图、输入电网数据并写入数据库服务器。
在上述决策生成方法中,为了确保在每个分区内实现快速恢复重要的负荷,优选地,算法服务器上的分区算法的目标函数采用
Minimize O1=QLL(S(T))/Pg(S(G))
Minimize O2=w(S(L))×D(S(T,L))
式中:QLL为分区内输电线的充电无功;S(T)代表分区内输电线路集合;Pg为分区内发电机组的容量;S(G)代表分区内发电机组集合;w为分区内负荷的权重系数;S(L)代表分区内负荷集合;D为分区内负荷到具备自启动能力机组的电气距离;S(T,L)代表分区内启动负荷L需投入的输电线路T的集合。
在上述决策生成方法中,优选地,分区算法还包括下述三个约束中的一个或多个:
调度员潮流约束PL(S(L))≤Pg(S(G)),式中:PL为分区内待恢复负荷的负荷量;
发电机进相运行能力约束M×Pg(S(G))>QLL(S(T)),式中:M为发电机组的短路比;
电网连通性约束。
在上述决策生成方法中,优选地,分区算法包括以下步骤:
(a1)采用整数编码方式,根据电力系统具备自启动能力机组个数确定编码号的范围,对电力系统内部所有节点进行编码,构造染色体,每个节点的编码号代表该节点被划入的分区号,染色体长度为该电力系统中节点总个数;
(a2)计算Fitness=K-(c1×O1+c2×O2+λ×S(V)),式中:K为一个很大的正数;c1和c2为权重系数,通常c1,c2∈(0,1),c1>>c2;λ为惩罚系数;S(V)为违反约束的集合;
(a3)进行交叉和/或变异操作;
(a4)确定是否达到最大迭代次数,如果达到,则将Fitness值最大的方案作为负荷分区方案;否则返回步骤a2。
在上述决策生成方法中,优选地,算法服务器上的恢复网架算法的目标函数采用Maximize O3=w×PL(S(L))×C,其中,w为分区内负荷的权重系数;PL为分区内待恢复负荷的负荷量;S(L)代表分区内负荷集合;C为负荷的恢复状态,1表示恢复;0表示不恢复。
在上述决策生成方法中,优选地,恢复网架算法包括以下步骤:
(b1)采用二进制编码方式,以线路状态对分区电网中的每一条线路进行编码,构造染色体,染色体长度为该分区中所有线路的数量,一条染色体代表一个网络拓扑;
(b2)计算O3=w×PL(S(L))×C;
(b3)进行交叉和/或变异操作;
(b4)判断此时生成的网络拓扑内总负荷量是否大于发电出力,如果是则进行甩负荷;
(b5)确定是否达到最大迭代次数,如果达到,则将O3值最大的网络拓扑作为该分区内负荷的恢复网架结构;否则返回步骤b2。
本发明电力系统负荷恢复辅助决策系统基于Web实现,成本低,易于维护,多台计算机之间的负荷恢复信息能够完全同步,且能够降低系统的计算规模。并且,在一些实施例中提供的算法考虑了负荷恢复过程中的实际问题,克服了传统靠人为经验因素进行负荷恢复所带来的误差和风险,具有良好的合理性和客观性。
附图说明
图1为本发明一实施例电力系统负荷恢复辅助决策系统的实现示意图;
图2为其功能结构图;
图3为其数据库各表之间的关系结构图;
图4为一次实验中采用的电网单线图;
图5为负荷分区图;
图6为分区1的负荷恢复网架结构图;
图7为分区2的负荷恢复网架结构图。
具体实施方式
如图1所示,本电力系统负荷恢复辅助决策系统是在以太网络环境下,由Web服务器1、数据库服务器2、算法服务器3、系统图模版客户端4及Web客户端5组成,Web服务器1上安装有负荷恢复工程管理引擎,数据库服务器2上安装有SQL Server引擎,算法服务器3上安装有负荷恢复计算引擎和算法,系统图模版客户端4安装有电网图元管理引擎。该系统采用Web跨平台技术,运用Browser/Server架构,应用面向对象技术实现系统图元、数据库开发。B/S结构将系统核心的功能集中在服务器(Server)上,服务器包括Web服务器1、数据库服务器2、算法服务器3;客户端采用Web浏览器(Browser),通过Web服务器1同数据库进行数据交互。整个系统开发基于Java技术,数据库采用SQL Server2005,系统图形建模部分使用Eclipse的GEF框架进行开发。通过Web客户端5访问数据库,对待恢复的电力系统进行数据维护;同时,通过Web客户端5展示恢复结果。系统图模版客户端4用于图元管理,算法服务器3通过调用系统优化算法进行负荷恢复优化决策,同时将处理结果传到数据库。
图2示出了系统功能结构。如图2所示,系统的业务数据控制模块主要包括图元管理、工程管理、母线数据管理、发电机数据管理、支路数据管理、分区优化结果管理以及负荷优化结果管理。通过数据库访问接口将相关数据存储到数据库中,同时,数据控制模块通过分区优化接口和负荷优化接口调用优化算法可执行文件,完成负荷恢复,进而通过Web浏览器访问数据库,绘制恢复结果图。
下面分三部分说明上述辅助决策系统的决策生成方法。
一、在数据库服务器2存储电网单线图及电网数据。
整个系统具有两种运行控制模式:实时态和研究态。其中,实时态运行模式下的数据源来自电网调度中心的能量管理系统7;而研究态运行模式下的数据则由用户自己建立。
具体地,在实时态运行模式下,数据库服务器2通过防火墙6与电网调度中心的能量管理系统7进行通信,获取含有地理位置信息的电网调度员潮流断面数据。进而通过系统图模版客户端4上的电网图元管理引擎解析数据库服务器2所获取的电网调度员潮流数据,形成电网单线图写回数据库服务器2。
在研究态运行模式下,通过系统图模版客户端4上的电网图元管理引擎由用户自己绘制电网单线图、输入电网数据并写入数据库服务器2。
二、在Web客户端5打开Web浏览器远程运行位于Web服务器1上的负荷恢复工程管理引擎,对数据库服务器2中存储的电网单线图进行管理,建立相应的数据管理表。
根据该工程管理引擎可对上述在数据库服务器2中已存储的电网单线图进行管理,如图2所示,包括工程管理、图元管理、母线数据管理、发电机数据管理、支路数据管理,并建立以下相应的数据管理表存储电力系统元件相关信息。
工程表:记录工程的基本信息。
母线数据表:记录母线的数据信息。
负荷数据表:记录负荷的数据信息。
发电机数据表:记录发电机的数据信息。
支路数据表:记录支路的数据信息。
系统图表:记录工程对应的系统图的基本信息。
系统图元表:记录系统图中各电力元素对应的图元信息。
分区优化活动表:记录分区优化计算活动基本信息。
分区算法参数表:记录分区优化算法中的基本参数。
分区结果表:记录分区优化结果。
负荷恢复发电机信息表:记录负荷恢复优化发电机参数。
负荷恢复算法参数表:记录负荷恢复算法中的基本参数。
负荷恢复结果表:记录负荷恢复优化结果。
恢复节点信息表:记录恢复后母线电压、相角信息。
图3表示了数据库各表之间的关系。
三、负荷恢复工程管理引擎调用算法服务器3上的算法,生成负荷分区方案和各分区内负荷的恢复网架结构。
一旦所要进行负荷恢复分析的该电网单线图的计算数据管理完成后,负荷恢复工程管理引擎将通过数据控制模块通过分区优化接口和负荷优化接口调用位于算法服务器3上的负荷恢复算法,生成负荷分区方案和各分区内负荷的恢复网架结构,进而通过Web浏览器访问数据库服务器2,绘制各分区及恢复结果图。
针对算法服务器3上的负荷恢复算法,本实施例采用了大电网最优分区以及负荷并行恢复的计算智能优化模式实现方法。下面分别说明。
(i)在实现大电网停电后负荷恢复之前,将电网分割成若干小网有利于负荷的快速恢复。本实施例采用的大电网最优分区的计算智能优化模式基本思路为:一方面,就近恢复重要负荷;另一方面,快速恢复重要负荷。据此设计出大电网最优分区策略的优化多目标为:
Minimize O1=QLL(S(T))/Pg(S(G))
Minimize O2=w(S(L))×D(S(T,L))
式中:QLL为分区内输电线的充电无功;S(T)代表分区内输电线路集合;Pg为分区内发电机组的容量;S(G)代表分区内发电机组集合;w为分区内负荷的权重系数;S(L)代表分区内负荷集合;D为分区内负荷到具备自启动能力机组的电气距离;S(T,L)代表分区内启动负荷L需投入的输电线路T的集合。
该多目标最优分区策略可确保在每个分区内实现快速恢复重要的负荷。
在分区过程中还满足如下约束:
(1)调度员潮流约束;
PL(S(L))≤Pg(S(G))
式中:PL为分区内待恢复负荷的负荷量。
(2)发电机进相运行能力约束;
M×Pg(S(G))>QLL(S(T))
式中:M为发电机组的短路比。
(3)电网连通性约束。
对上述多目标最优分区优化问题,本实施例采用了一种计算智能算法模式进行求解。步骤如下:
(a1)采用整数编码方式,根据电力系统具备自启动能力机组个数确定编码号的范围,对电力系统内部所有节点进行编码,构造染色体,每个节点的编码号代表该节点被划入的分区号,染色体长度为该电力系统中节点总个数;例如:
[2113……13](分区号)
1234……N-1N(节点号,N为总节点数)
(a2)计算Fitness=K-(c1×O1+c2×O2+λ×S(V)),式中:K为一个很大的正数;c1和c2为权重系数,通常c1,c2∈(0,1),c1>>c2;λ为惩罚系数;S(V)为违反约束的集合;
(a3)进行交叉和/或变异操作;
(a4)确定是否达到最大迭代次数,如果达到,则将Fitness值最大的方案作为负荷分区方案;否则返回步骤a2。
(ii)完成系统分区之后,需尽快同步恢复各分区内的重要负荷。在负荷恢复阶段,机组已经具备一定的发电能力,该阶段主要目标是要在满足频率安全情况下按照负荷优先级确定下一步恢复的负荷,并给出合理的网架结构。同时,恢复过程中应避免出现过电压、线路潮流越限等情况。为此,本实施例采用了适应于每一个分区内负荷恢复的目标函数:
Maximize O3=w×PL(S(L))×C
式中:C为负荷的恢复状态,1表示恢复;0表示不恢复。
在负荷恢复过程中还满足如下约束条件:
(a)含频率特性的增广调度员潮流约束;
Pg×(1-KG×fL)-PL×(1+KL×fL)(a1U2+a2U+a3)=U∑U(G×cosθ+B×sinθ)=0
Qg-QL×(1+KL×fL)(a4U2+a5U+a6)=U∑U(G×sinθ-B×cosθ)=0
式中:Pg,Qg分别为分区内发电机组容量及发电机组无功功率;PL,QL分别为分区内待恢复负荷量及负荷无功功率;fL为所要求系统频率偏差;KG为发电机调差系数;KL为负荷调差系数;a1,a2,a3为负荷有功的频率-电压特性相关的系数;a4,a5,a6为负荷无功的频率-电压特性相关的系数;G为线路电导;B为线路电纳。
(b)发电机出力约束;
Pgmin≤Pg≤Pgmax
Qgmin≤Qg≤Qgmax
式中:Pgmax,Pgmin分别为发电机有功出力的上、下限;Qgmax,Qgmin分别为发电机无功出力的上、下限。
(c)输电线路安全性约束;
TLmin≤TL≤TLmax
式中:TLmax,TLmin分别为线路有功的上、下限。
(d)母线电压约束;
Umin≤U≤Umax
式中:Umax,Umin分别为各母线电压的上、下限。
(e)频率偏移约束;
|ΔfL|≤0.5
式中:ΔfL为当前频率与额定频率的偏差。
对此负荷恢复优化问题,本实施例采用了一种计算智能算法模式进行求解。步骤如下:
(b1)采用二进制编码方式,以线路状态对分区电网中的每一条线路进行编码,构造染色体,染色体长度为该分区中所有线路的数量,一条染色体代表一个网络拓扑;例如:
[1011……01](1表示线路投运;0表示线路断开)
1234……M-1M(线路号,M为总线路数)
(b2)计算O3=w×PL(S(L))×C;
(b3)进行交叉和/或变异操作;
(b4)判断此时生成的网络拓扑内总负荷量是否大于发电出力,如果是则进行甩负荷;
(b5)确定是否达到最大迭代次数,如果达到,则将O3值最大的网络拓扑作为该分区内负荷的恢复网架结构;否则返回步骤b2。
上述实施例具有以下有效益效果:能有效考虑负荷恢复过程中的实际问题,并能降低系统的计算规模;所提出的计算智能优化技术有效克服了传统靠人为经验因素进行负荷恢复所带来的误差和风险,具有良好的合理性和客观性。此外,实现了负荷恢复过程的可视化,并能提供多种最优负荷恢复方案,为电网运行人员应对电网事故后的系统恢复过程中出现的不确定性因素提供了有力保证。
图4所示为美国中西部某30节点电力系统的电网单线图,其中,1号机组和11号机组具备自启动能力,负荷14、15、16、19、21、24为重要负荷需要优先恢复。
发明人用上述实施例对图4所示电力系统进行了仿真实验,所得到的最优分区结果的Web显示如图5所示,将系统分成了分区1和分区2两个分区。
进而用上述实施例分别对两个分区的负荷进行并行恢复,分区1内恢复的负荷及网架结构的Web显示结果如图6所示,系统潮流结果如表1所示。分区2内恢复的负荷及网架结构的Web显示结果如图7所示,系统潮流结果如表2所示。
表1分区1负荷恢复系统潮流信息
表2分区2负荷恢复系统潮流信息
Claims (9)
1.电力系统负荷恢复辅助决策系统,其特征在于:该辅助决策系统采用B/S架构,包括安装有SQL Server引擎的数据库服务器、安装有负荷恢复计算引擎及算法的算法服务器、安装有负荷恢复工程管理引擎的Web服务器、安装有电网图元管理引擎的系统图模版客户端、以及安装有Web浏览器的Web客户端,各个服务器和各个客户端通过网络相连,通过在Web客户端打开Web浏览器远程运行Web服务器上的负荷恢复工程管理引擎,进行数据处理并调用算法服务器上的算法生成负荷分区方案和各分区内负荷的恢复网架结构。
2.基于权利要求1所述辅助决策系统的决策生成方法,其特征在于,包括以下步骤:
在数据库服务器存储电网单线图及电网数据;
在Web客户端打开Web浏览器远程运行位于Web服务器上的负荷恢复工程管理引擎,对数据库服务器中存储的电网单线图进行管理,建立相应的数据管理表;以及
负荷恢复工程管理引擎调用算法服务器上的算法,生成负荷分区方案和各分区内负荷的恢复网架结构。
3.基于权利要求2所述辅助决策系统的决策生成方法,其特征在于,数据库服务器通过以下方式获取电网单线图及电网数据:
数据库服务器从电网调度中心的能量管理系统获取含有地理位置信息的电网调度员潮流断面数据;
电网图元管理引擎解析数据库服务器所获取的电网调度员潮流数据,形成电网单线图写回数据库服务器。
4.基于权利要求2所述辅助决策系统的决策生成方法,其特征在于,数据库服务器通过以下方式获取电网单线图及电网数据:通过电网图元管理引擎由用户自己绘制电网单线图、输入电网数据并写入数据库服务器。
5.根据权利要求2所述的决策生成方法,其特征在于:算法服务器上的分区算法的目标函数为
Minimize O1=QLL(S(T))/Pg(S(G))
Minimize O2=w(S(L))×D(S(T,L))
式中:QLL为分区内输电线的充电无功;S(T)代表分区内输电线路集合;Pg为分区内发电机组的容量;S(G)代表分区内发电机组集合;w为分区内负荷的权重系数;S(L)代表分区内负荷集合;D为分区内负荷到具备自启动能力机组的电气距离;S(T,L)代表分区内启动负荷L需投入的输电线路T的集合。
6.根据权利要求5所述的决策生成方法,其特征在于:分区算法还包括下述三个约束中的一个或多个:
调度员潮流约束PL(S(L))≤Pg(S(G)),式中:PL为分区内待恢复负荷的负荷量;
发电机进相运行能力约束M×Pg(S(G))>QLL(S(T)),式中:M为发电机组的短路比;
电网连通性约束。
7.根据权利要求6所述的决策生成方法,其特征在于,分区算法包括以下步骤:
(a1)采用整数编码方式,根据电力系统具备自启动能力机组个数确定编码号的范围,对电力系统内部所有节点进行编码,构造染色体,每个节点的编码号代表该节点被划入的分区号,染色体长度为该电力系统中节点总个数;
(a2)计算Fitness=K-(c1×O1+c2×O2+λ×S(V)),式中:K为一个很大的正数;c1和c2为权重系数,通常c1,c2∈(0,1),c1>>c2;λ为惩罚系数;S(V)为违反约束的集合;
(a3)进行交叉和/或变异操作;
(a4)确定是否达到最大迭代次数,如果达到,则将Fitness值最大的方案作为负荷分区方案;否则返回步骤a2。
8.根据权利要求2所述的决策生成方法,其特征在于:算法服务器上的恢复网架算法的目标函数为Maximize O3=w×PL(S(L))×C,其中,w为分区内负荷的权重系数;PL为分区内待恢复负荷的负荷量;SL)代表分区内负荷集合;C为负荷的恢复状态,1表示恢复;0表示不恢复。
9.根据权利要求8所述的决策生成方法,其特征在于,恢复网架算法包括以下步骤:
(b1)采用二进制编码方式,以线路状态对分区电网中的每一条线路进行编码,构造染色体,染色体长度为该分区中所有线路的数量,一条染色体代表一个网络拓扑;
(b2)计算O3=w×PL(S(L))×C;
(b3)进行交叉和/或变异操作;
(b4)判断此时生成的网络拓扑内总负荷量是否大于发电出力,如果是则进行甩负荷;
(b5)确定是否达到最大迭代次数,如果达到,则将O3值最大的网络拓扑作为该分区内负荷的恢复网架结构;否则返回步骤b2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310039082.6A CN103106561B (zh) | 2013-01-31 | 2013-01-31 | 电力系统负荷恢复辅助决策系统及其决策生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310039082.6A CN103106561B (zh) | 2013-01-31 | 2013-01-31 | 电力系统负荷恢复辅助决策系统及其决策生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103106561A true CN103106561A (zh) | 2013-05-15 |
CN103106561B CN103106561B (zh) | 2016-08-03 |
Family
ID=48314402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310039082.6A Expired - Fee Related CN103106561B (zh) | 2013-01-31 | 2013-01-31 | 电力系统负荷恢复辅助决策系统及其决策生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106561B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281878A (zh) * | 2013-07-03 | 2015-01-14 | 云南电力调度控制中心 | 电力系统黑启动在线导航式恢复决策方法 |
CN105900147A (zh) * | 2014-01-17 | 2016-08-24 | 科勒公司 | 机群管理系统 |
CN107169646A (zh) * | 2017-05-10 | 2017-09-15 | 祥云供电有限公司 | 一种基于静态拓扑岛的电网连通性分析方法 |
CN110854848A (zh) * | 2019-11-20 | 2020-02-28 | 广东电网有限责任公司 | 一种配网调度负荷的控制辅助决策方法 |
CN114465227A (zh) * | 2021-12-17 | 2022-05-10 | 南京师范大学 | 一种利用开关型柔性负荷恢复过程潜力的频率控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236575A (zh) * | 2008-01-30 | 2008-08-06 | 山东大学 | 黑启动辅助决策支持/训练系统及其方法 |
-
2013
- 2013-01-31 CN CN201310039082.6A patent/CN103106561B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236575A (zh) * | 2008-01-30 | 2008-08-06 | 山东大学 | 黑启动辅助决策支持/训练系统及其方法 |
Non-Patent Citations (1)
Title |
---|
石立宝等: "基于电网分区的负荷恢复智能优化策略", 《电力系统保护与控制》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281878A (zh) * | 2013-07-03 | 2015-01-14 | 云南电力调度控制中心 | 电力系统黑启动在线导航式恢复决策方法 |
CN105900147A (zh) * | 2014-01-17 | 2016-08-24 | 科勒公司 | 机群管理系统 |
CN105900147B (zh) * | 2014-01-17 | 2018-03-09 | 科勒公司 | 机群管理系统 |
US10060827B2 (en) | 2014-01-17 | 2018-08-28 | Kohler Co. | Fleet management system |
US11047769B2 (en) | 2014-01-17 | 2021-06-29 | Kohler Co. | Fleet management system |
CN107169646A (zh) * | 2017-05-10 | 2017-09-15 | 祥云供电有限公司 | 一种基于静态拓扑岛的电网连通性分析方法 |
CN107169646B (zh) * | 2017-05-10 | 2020-04-28 | 祥云供电有限公司 | 一种基于静态拓扑岛的电网连通性分析方法 |
CN110854848A (zh) * | 2019-11-20 | 2020-02-28 | 广东电网有限责任公司 | 一种配网调度负荷的控制辅助决策方法 |
CN110854848B (zh) * | 2019-11-20 | 2022-11-18 | 广东电网有限责任公司 | 一种配网调度负荷的控制辅助决策方法 |
CN114465227A (zh) * | 2021-12-17 | 2022-05-10 | 南京师范大学 | 一种利用开关型柔性负荷恢复过程潜力的频率控制方法 |
CN114465227B (zh) * | 2021-12-17 | 2024-04-16 | 南京师范大学 | 一种利用开关型柔性负荷恢复过程潜力的频率控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103106561B (zh) | 2016-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A model predictive control based generator start-up optimization strategy for restoration with microgrids as black-start resources | |
CN102983629B (zh) | 一种在线电力系统恢复辅助决策方法 | |
CN102928738B (zh) | 一种智能电网故障的动态层次诊断装置及方法 | |
CN101976835B (zh) | 一种大规模电力系统牛顿潮流的并行计算方法 | |
Sun et al. | Network partitioning strategy for parallel power system restoration | |
CN106504116A (zh) | 基于电网运行与暂态稳定裕度指标关联的稳定评估方法 | |
CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
CN103106561A (zh) | 电力系统负荷恢复辅助决策系统及其决策生成方法 | |
CN105515044B (zh) | 一种基于dts的黑启动辅助决策系统 | |
CN103474990A (zh) | 一种基于微网及其可控负荷的配电网故障快速恢复方法 | |
CN104504485A (zh) | 一种电力系统继电保护一体化整定计算方法 | |
Igder et al. | Service restoration through microgrid formation in distribution networks: A review | |
CN103138227A (zh) | 一种含分布式电源并网的配电网快速供电恢复方法 | |
Chen et al. | Review of restoration technology for renewable‐dominated electric power systems | |
AU2022231757B2 (en) | Method for multi-adaptive optimal μPMU placement in micro-energy network | |
CN107069705A (zh) | 一种电网元件连锁故障模拟方法 | |
Cai et al. | Hybrid stochastic-robust service restoration for wind power penetrated distribution systems considering subsequent random contingencies | |
CN107069801A (zh) | 一种基于最小用户停电损失的配电网孤岛划分方法 | |
CN115390827A (zh) | 一种支撑调试运行的电网数字孪生体构建方法及平台 | |
CN105356466A (zh) | 大规模输电网架恢复的分层协同控制与动态决策方法 | |
CN105656036A (zh) | 考虑潮流和灵敏度一致性等值的概率静态安全分析方法 | |
Wang et al. | An ADMM-based power system partitioned black-start and parallel restoration method considering high-penetrated renewable energy | |
Li et al. | Stochastic optimization of interconnected multireservoir power systems | |
Zhou et al. | Enhancing the resilience of the power system to accommodate the construction of the new power system: Key technologies and challenges | |
CN115829285A (zh) | 城市配电网与交通系统灾后协同抢修调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 Termination date: 20210131 |