CN104156774A - 一种考虑了相邻系统的电力支援方法 - Google Patents

Abstract

本发明公开了一种考虑了相邻系统的电力支援方法，涉及电力系统恢复控制领域。本发明的考虑了相邻系统的电力支援方法包括以下步骤：a.建立目标函数；b.收缩节点；c.线路介数的计算；d.优化恢复路线。本发明通过尽量多的恢复发电机与负荷，并寻找最优的送电路径，以加快网络重构进程，缩短路径恢复时间。并且本发明考虑了在灾难气候下的路径恢复，以及相邻的电力系统的电力支援，使得电力系统全停电后的黑启动恢复更加安全可靠。

Description

一种考虑了相邻系统的电力支援方法

技术领域

本发明涉及电力系统恢复控制领域，特别涉及一种考虑了相邻系统的电力支援方法。 

背景技术

电力系统恢复控制是指电力系统发生故障，系统部分负荷停电甚至处于解列状态乃至全网停电后，在尽量短的时间内，最大限度地恢复系统至新的正常运行状态的控制过程。恢复控制是一个多目标、多阶段、多变量、非线性、并带多个约束条件的组合优化问题，难以从总体上确定优化策略，常分解为一系列子问题分别进行处理。按主要恢复对象的不同可分为：机组启动、网络重构和负荷恢复。 

对于机组的启动优化的研究，目前主要研究了影响机组启动的因素，并采用专家系统、层次分析方法、模糊推理、神经网络等智能算法确定机组的启动顺序；对于网络重构优化的研究，目前主要研究了网络重构的建模，以及提出了路径寻优的时间性和评价节点的重要程度指标；对于负荷优化恢复，主要面向网络框架已经完全恢复的阶段，在系统网络结构保持不变的情况下，确定负荷恢复的优化策略。 

电力系统发生故障全停电后的黑启动恢复问题是电力系统安全防御的重要课题。在超高压直、交流输电发展成熟的今天，相邻系统的电力支援在恢复过程中的作用也不容忽视；并且根据灾害性质和发生地点的不同，在路径选择中要考虑某些设备运行可靠性、恢复代价，若强行给这些设备送电，容易造成黑 启动效率低下甚至失败，给系统带来更大的损失。 

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种考虑了相邻系统的电力支援方法。 

为了实现上述发明目的，本发明提供了以下技术方案： 

一种考虑了相邻系统的电力支援方法，包括以下步骤： 

a.建立目标函数：将路径恢复每一时步的网络重构过程等效成一个多目标问题，其目标函数描述如下： 

$\left\{\begin{array}{c}\min (f_1,f_2,f_3,f_4)\\ f_1=-\underset{x=1}{\overset{k}{\mathrm{\Σ}}}{P}_{s\max }\\ f_2=T_{\max }\\ f_3=-\mathrm{\Π}{a}_i{q}_j\\ f_4=\underset{s=1}{\overset{k}{\mathrm{\Σ}}}{T}_s\end{array}\right.,$ 其中，f₁为在机组启动时限内被成功启动机组的发电容量总和取反，k为电网中黑启动分区数，P_smax为分区s中在机组启动时限内被成功启动机组的发电容量之和；f₂为各分区构建恢复网架所需的最大时间，以T_max=max{T₁,T₂,…,T_k}表示；f₃为首先恢复的目标节点和目标线路的综合权值；f₄为所有分区建立恢复网架所需的平均时间，T_s为分区s恢复到目标网络的时间； 

b.收缩节点：选择可靠性高、恢复代价小的节点作为待收缩节点，以待收缩节点为中心，将与待收缩节点连接的周围节点凝聚成一个节点，并计算收缩后的网络凝聚度，即节点重要度a； 

c.线路介数的计算：线路介数为该线路被网络中所有任意两节点之间最短路径经过的次数与网络中所有任意两节点之间最短路径数目的比值Gk，通过等 式计算，等式中，N_ij为网络中所有任意两节点之间的最短路径数目；N_ij(k)为网络中任意两节点之间最短路径经过线路k的次数; 

d.优化恢复路线：通过基于NSGA-Ⅱ算法的网架重构算法设计实现恢复路线的优化。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤b中所述节点重要度a通过等式计算，其中，n为网络中的节点数目；l为节点之间的平均最短路径，通过等式 $l=\underset{i,j\∈V}{\mathrm{\Σ}}\frac{d_{\min },\mathrm{ij}}{0.5n(n-1)}$ 计算。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤c中,将线路权值定义为气候条件因素折算到同一电压等级下的线路电抗与电纳之和,再对线路介数进行计算；其中，设备运行可靠性反映该线路通电正常运行的可靠性；电抗反映使用某线路作为恢复路径的电气距离和损耗；电纳反映使用该线路重建网架所承担的充电风险。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d中NSGA-Ⅱ算法通过引入Pareto最优解的概念进行计算：如果解x(1)的目标函数满足两个条件：  $f_j\left(x^{\left(1\right)}\right)\&le;f_j\left(x^{\left(2\right)}\right)\&ForAll;j=\mathrm{1,2},...,M,$ $f_j\left(x^{\left(1\right)}\right)<f_j\left(x^{\left(2\right)}\right)\&ForAll;j=\mathrm{1,2},...,M,$ 则称x(1)支配解(dominated solution)x(2)，此时，解x(1)称为非支配解(non-dominated solution)或非劣解，x(2)称为支配解或劣解；其中，M为目标数。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d中线路优化计算过程具体为：群体初始化→轮赛制选择算子设计→交叉和变异→精英个体校验。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d群体初始化是按照遗传编码的方式随机产生初始种群，每一个个体代表一种分区恢复方案，调用网架重构算法构建出相应的恢复网架，计算出各目标函数的适应值。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d遗传编码方式采用染色体结构设计，设电网系统中存在e个目标节点、k个黑启动电源和l回线路，则恢复方案表示长度为e+h+l的染色体(i1,i2,…,ie/A1,A2,…,Ah/j1,j2,…,jl)，其中，前e位是排序操作段，它是e个目标节点的一个全排列，代表目标节点的恢复顺序；中间h位是分区操作段，代表相应节点被划分到的分区，集合{A1,A2,…,Ah}中共包含k个不同元素并以英文字母表示（h≤e）；后l为排序操作段，它是l回目标线路的一个全排列，代表目标线路的恢复顺序。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d轮赛制选择算子采用随机配对方式对父代个体进行比较,当irank<jrank或irank=jrank且L[i]d>L[j]d时，淘汰个体j，胜者i保留。可使计算结果在目标空间比较均匀地散布，以维持群体的多样性。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d交叉和变异算法中采用SBX(simulated binary crossover)算子和随机变异算子，对轮赛制选择出来的种群进行交叉和变异操作,形成新的子代种群Di。交叉和变异相互配合可使算法具有良好的局部和全局搜索性能。 

优选的，上述考虑了相邻系统的电力支援方法中，步骤d中精英个体校验包括以下三个步骤： 

S1、对种群进行基因解码：方案解码对精英策略优选后的新父代种群进行基因解码，从黑启动电源点开始，依次形成各目标节点的送电路径，并记录各 目标节点的恢复时间，依据节点类型计算相应目标函数的值，形成相应的网架重构方案； 

S2、精英个体方案校验：只对处于非支配序最高层的精英个体进行校验，同时跳过拥有校验可行标志的精英个体，检验内容包括潮流、节点电压和发电机自励磁约束，校验通过的方案，校验标志设置为可行； 

S3、方案调整：对发生潮流越限的方案进行方案调整，方案调整采用灵敏度分析法对发电机出力及负荷水平进行调整，如果调节量在允许范围内，则方案依然设为可行；否则，校验标志设置为不可行。 

进入新一轮进化时，精英个体校验中将淘汰校验标志为不可行的方案，经交叉和变异操作的染色体，其校验标志将清除，而精英个体校验则将一批校验合格的优良个体保留下去。 

与现有技术相比，本发明的有益效果： 

路径恢复是一个多时步过程，在每一时步，本发明通过尽量多的恢复发电机与负荷，并寻找最优的送电路径，以加快网络重构进程，缩短路径恢复时间。并且本发明考虑了在灾难气候下的路径恢复，以及相邻的电力系统的电力支援，使得电力系统全停电后的黑启动恢复更加安全可靠。 

附图说明：

图1为本发明考虑了相邻系统的电力支援方法的流程示意图。 

图2为正常气候下节点收缩示意图。 

图3为灾难气候下节点收缩示意图。 

图4为实施例中系统输电网架重构恢复图。 

具体实施方式

下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。 

实施例 

一种考虑了相邻系统的电力支援方法，包括以下步骤： 

（1）建立目标函数：将路径恢复每一时步的网络重构过程等效成一个多目标问题，包括机组启动目标最大化、负荷恢复目标最大化和路径目标最小化，其目标函数描述如下： 

$\left\{\begin{array}{c}\min (f_1,f_2,f_3,f_4)\\ f_1=-\underset{x=1}{\overset{k}{\mathrm{\&Sigma;}}}{P}_{s\max }\\ f_2=T_{\max }\\ f_3=-\mathrm{\&Pi;}{a}_i{q}_j\\ f_4=\underset{s=1}{\overset{k}{\mathrm{\&Sigma;}}}{T}_s\end{array}\right.,$ 其中，f₁为在机组启动时限内被成功启动机组的发电容量总和取反，k为电网中黑启动分区数，P_smax为分区s中在机组启动时限内被成功启动机组的发电容量之和；f₂为各分区构建恢复网架所需的最大时间，以T_max=max{T₁,T₂,…,T_k}表示；f₃为首先恢复的目标节点和目标线路的综合权值；f₄为所有分区建立恢复网架所需的平均时间，T_s为分区s恢复到目标网络的时间。 

（2）收缩节点：选择可靠性高、恢复代价小的节点作为待收缩节点，以待收缩节点为中心，将与待收缩节点连接的周围节点凝聚成一个节点，并计算收缩后的网络凝聚度，即节点重要度a，如图1、图2所示，其中（a）表示节点收缩前，（b）表示节点收缩后，图2中节点11因灾难气候影响不能正常运行， 此时节点11就不能进行节点收缩；那么，节点12收缩是指将与节点12相连接的可靠性高、恢复代价小的节点短接，并以图2(b)中的新节点9’’代替。 

节点重要度a通过等式计算，其中，n为网络中的节点数目；l为节点之间的平均最短路径，通过等式计算，其中d_min,ij表示网络中任意两节点i、j之间的最短距离。 

（3）线路介数的计算：线路介数为该线路被网络中所有任意两节点之间最短路径经过的次数与网络中所有任意两节点之间最短路径数目的比值Gk，通过等式计算，等式中，N_ij为网络中所有任意两节点之间的最短路径数目；N_ij(k)为网络中任意两节点之间最短路径经过线路k的次数。 

（4）线路权值的计算：将考虑气候条件影响下折算到同一电压等级下的线路电抗与电纳之和定义为线路权值；其中，设备运行可靠性反映该线路通电正常运行的可靠性；电抗反映使用某线路作为恢复路径的电气距离和损耗；电纳反映使用该线路重建网架所承担的充电风险。采用该定义计算节点重要度和线路介数，使得重构目标网架的确定兼顾电网的拓扑结构特性和电气特性。 

（5）优化恢复路线：通过基于NSGA-Ⅱ算法的网架重构算法设计实现恢复路线的优化：群体初始化→轮赛制选择算子设计→交叉和变异→精英个体校验。 

NSGA-Ⅱ算法通过引入Pareto最优解的概念进行计算：如果解x(1)的目标函数满足两个条件： $f_j\left(x^{\left(1\right)}\right)\&le;f_j\left(x^{\left(2\right)}\right)\&ForAll;j=\mathrm{1,2},...,M,$ 其中，M为目标数，则称x(1)支配解(dominated solution)x(2)，此时，解x(1)称为非支配解(non-dominated solution)或非劣解，x(2)称为支配解或劣解。设x*为一非支配解，若在整个可行域中没有任何解支配x*，则x*在Pareto意义下是最优的，为Pareto最优解。所有的Pareto解组成的集合称为Pareto最优解集为X*。对于给定的目标函数f(x)和Pareto最优解集X*，Pareto前沿V定义为:V={u=f(x)|x∈X*}。可见Pareto前沿是Pareto最优解集X*在目标函数空间中的像f(X*)。 

群体初始化是按照遗传编码的方式随机产生初始种群，每一个个体代表一种分区恢复方案，调用网架重构算法构建出相应的恢复网架，计算出各目标函数的适应值； 

遗传编码方式采用染色体结构设计，设电网系统中存在e个目标节点、k个黑启动电源和l回线路，则恢复方案表示长度为e+h+l的染色体(i1,i2,…,ie/A1,A2,…,Ah/j1,j2,…,jl)，其中，前e位是排序操作段，它是e个目标节点的一个全排列，代表目标节点的恢复顺序；中间h位是分区操作段，代表相应节点被划分到的分区，集合{A1,A2,…,Ah}中共包含k个不同元素并以英文字母表示（h≤e）；后l为排序操作段，它是l回目标线路的一个全排列，代表目标线路的恢复顺序。 

轮赛制选择算子采用随机配对方式对父代个体进行比较,当irank<jrank或irank=jrank且L[i]d>L[j]d时，淘汰个体j，胜者i保留，其中irank、jrank分别指个体i、j的非支配序值；L[i]d、L[j]d分别表示任意个体i、j的拥挤距离；即如果2个染色体个体的非支配排序不同，取序号靠前的个体(分级排序时,先被分离出来的个体)；如果2个个体在同一级，取周围较不拥挤的个体。 这样可使计算结果在目标空间比较均匀地散布，以维持群体的多样性。 

交叉和变异算法中采用SBX(simulated binary crossover)算子和随机变异算子，对轮赛制选择出来的种群进行交叉和变异操作,形成新的子代种群Di。交叉和变异相互配合可使算法具有良好的局部和全局搜索性能。 

精英个体校验包括方案解码、精英个体方案校验和方案调整三个步骤：首先方案解码对精英策略优选后的新父代种群进行基因解码，从黑启动电源点开始，依次形成各目标节点的送电路径，并记录各目标节点的恢复时间，依据节点类型计算相应目标函数的值，形成相应的网架重构方案；通过精英个体方案校验判断方案是否可行，校验过程中，只对处于非支配序最高层的精英个体进行校验，同时跳过拥有校验可行标志的精英个体，检验内容包括潮流、节点电压和发电机自励磁约束，校验通过的方案，校验标志设置为可行；最后对发生潮流越限的方案进行方案调整，方案调整采用灵敏度分析法对发电机出力及负荷水平进行调整，如果调节量在允许范围内，则方案依然设为可行；否则，校验标志设置为不可行。进入新一轮进化时，精英个体校验中将淘汰校验标志为不可行的方案，经交叉和变异操作的染色体，其校验标志将清除，而精英个体校验则将一批校验合格的优良个体保留下去。 

以IEEE30节点系统为例，假设将系统分为2个分区，节点1和节点2代表分区A和分区B中的黑启动电源，机组的短路比K取为0.827，KSe为66.16Mvar，其中K为发电机短路比，Se为发电机容量。黑启动电源启动后，整个系统中需首先恢复的目标节点为机组节点[13,22,23,27]和负荷节点[7,12,17,19,21,30]。图3中线路上所标注的线路权值代表恢复时间(所述恢复时间为假设值，单位为min)，除机组27外，各机组的热启动时间设定为30min，机组27的热启动时 间设为10min。 

根据目标节点数量，染色体编码排序操作段10位，分区操作段7位，其中目标节点7，12和13只有一种分区方式，因此没有被分配分区码。NSGA-Ⅱ算法交叉概率取0.9，其他参数如表1所示。表1给出了综合400次仿真计算的统计规律，其中P(Vc=G)是每次解得Pareto前沿Vc与综合所有V的全集G完全相符的概率。在仿真计算中采用较大变异率(变异率0.2)提高种群多样性的前提下，NSGA-Ⅱ算法通常在30多代进化后能稳定到达Pareto前沿，收敛性较好。 

表1IEEE30节点系统仿真计算统计特性比较。 

Claims (10)

1.一种考虑了相邻系统的电力支援方法，其特征在于，包括以下步骤：

a.建立目标函数：将路径恢复每一时步的网络重构过程等效成一个多目标问题，其目标函数描述如下：

$\left\{\begin{array}{c}\min (f_1,f_2,f_3,f_4)\\ f_1=-\underset{x=1}{\overset{k}{\mathrm{\&Sigma;}}}{P}_{s\max }\\ f_2=T_{\max }\\ f_3=-\mathrm{\&Pi;}{a}_i{q}_j\\ f_4=\underset{s=1}{\overset{k}{\mathrm{\&Sigma;}}}{T}_s\end{array}\right.,$ 其中，f₁为在机组启动时限内被成功启动机组的发电容量总和取反，k为电网中黑启动分区数，P_smax为分区s中在机组启动时限内被成功启动机组的发电容量之和；f₂为各分区构建恢复网架所需的最大时间，以T_max=max{T₁,T₂,…,T_k}表示；f₃为首先恢复的目标节点和目标线路的综合权值；f₄为所有分区建立恢复网架所需的平均时间，T_s为分区s恢复到目标网络的时间；

b.收缩节点：选择可靠性高、恢复代价小的节点作为待收缩节点，以待收缩节点为中心，将与待收缩节点连接的周围节点凝聚成一个节点，并计算收缩后的网络凝聚度，即节点重要度a；

c.线路介数的计算：线路介数为该线路被网络中所有任意两节点之间最短路径经过的次数与网络中所有任意两节点之间最短路径数目的比值Gk，通过等式计算，等式中，N_ij为网络中所有任意两节点之间的最短路径数目；N_ij(k)为网络中任意两节点之间最短路径经过线路k的次数;

d.优化恢复路线：通过基于NSGA-Ⅱ算法的网架重构算法得到优化恢复路线,并输出该恢复路线。

2.根据权利要求1所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤b中所述节点重要度a通过等式计算，其中，n为网络中的节点数目；l为节点之间的平均最短路径，通过等式计算。

3.根据权利要求1所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤c中,将线路权值定义为气候条件因素折算到同一电压等级下的线路电抗与电纳之和,再对线路介数进行计算；其中，设备运行可靠性反映该线路通电正常运行的可靠性；电抗反映使用某线路作为恢复路径的电气距离和损耗；电纳反映使用该线路重建网架所承担的充电风险。

4.根据权利要求1所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d中NSGA-Ⅱ算法通过引入Pareto最优解的概念进行计算：如果解x(1)的目标函数满足两个条件： 则称x(1)支配解(dominated solution)x(2)，此时，解x(1)称为非支配解(non-dominated solution)或非劣解，x(2)称为支配解或劣解；其中，M为目标数。

5.根据权利要求1所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d中线路优化计算过程具体为：群体初始化→轮赛制选择算子设计→交叉和变异→精英个体校验。

6.根据权利要求5所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d群体初始化是按照遗传编码的方式随机产生初始种群，每一个个体代表一种分区恢复方案，调用网架重构算法构建出相应的恢复网架，计算出各目标函数的适应值。

7.根据权利要求6所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d中遗传编码方式采用染色体结构设计，设电网系统中存在e个目标节点、k个黑启动电源和l回线路，则恢复方案表示长度为e+h+l的染色体(i1,i2,…,ie/A1,A2,…,Ah/j1,j2,…,jl)，其中，前e位是排序操作段，它是e个目标节点的一个全排列，代表目标节点的恢复顺序；中间h位是分区操作段，代表相应节点被划分到的分区，集合{A1,A2,…,Ah}中共包含k个不同元素并以英文字母表示；后l为排序操作段，它是l回目标线路的一个全排列，代表目标线路的恢复顺序。

8.根据权利要求5所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d轮赛制选择算子采用随机配对方式对父代个体进行比较,当irank<jrank或irank=jrank且L[i]d>L[j]d时，淘汰个体j，胜者i保留。可使计算结果在目标空间比较均匀地散布，以维持群体的多样性。

9.根据权利要求5所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d中交叉和变异算法中采用SBX算子和随机变异算子，对轮赛制选择出来的种群进行交叉和变异操作,形成新的子代种群Di。交叉和变异相互配合可使算法具有良好的局部和全局搜索性能。

10.根据权利要求5所述的一种考虑了相邻系统的电力支援方法，其特征在于，步骤d中精英个体校验包括以下三个步骤：

S1、对种群进行基因解码：方案解码对精英策略优选后的新父代种群进行基因解码，从黑启动电源点开始，依次形成各目标节点的送电路径，并记录各目标节点的恢复时间，依据节点类型计算相应目标函数的值，形成相应的网架重构方案；

S2、精英个体方案校验：只对处于非支配序最高层的精英个体进行校验，同时跳过拥有校验可行标志的精英个体，检验内容包括潮流、节点电压和发电机自励磁约束，校验通过的方案，校验标志设置为可行；

S3、方案调整：对发生潮流越限的方案进行方案调整，方案调整采用灵敏度分析法对发电机出力及负荷水平进行调整，如果调节量在允许范围内，则方案依然设为可行；否则，校验标志设置为不可行。