CN104376376B - 一种面向配电自动化终端类型的优化配置方法 - Google Patents
一种面向配电自动化终端类型的优化配置方法 Download PDFInfo
- Publication number
- CN104376376B CN104376376B CN201410638072.9A CN201410638072A CN104376376B CN 104376376 B CN104376376 B CN 104376376B CN 201410638072 A CN201410638072 A CN 201410638072A CN 104376376 B CN104376376 B CN 104376376B
- Authority
- CN
- China
- Prior art keywords
- power
- time
- feeder line
- automation terminal
- distant
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000002245 particle Substances 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 25
- 238000002955 isolation Methods 0.000 claims description 20
- 230000008439 repair process Effects 0.000 claims description 17
- 230000001066 destructive effect Effects 0.000 claims description 12
- 230000007257 malfunction Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 12
- 230000015556 catabolic process Effects 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 33
- 238000005457 optimization Methods 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000013439 planning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种面向配电自动化终端类型的优化配置方法:建立“三遥”、“二遥”配电自动化终端优化配置模型的目标函数,目标函数中包括采用全寿命周期方法的成本费用和由停电损失的减少所产生的综合社会收益;以系统平均供电可用度为“三遥”、“二遥”配电自动化终端优化配置模型的可靠性约束条件,采用解析法进行可靠性评估,并将约束条件运用罚函数法对目标函数进行转化,成为适应度函数;采用粒子群算法进行优化求解,计算粒子的适应值,对每个粒子,将其适应值与当前的个体极值和全局极值进行比较,确定个体和全局最优值并更新;检验是否达到最大迭代次数。本发明能够解决“三遥”、“二遥”配电自动化终端的数量和位置配置问题。
Description
技术领域
本发明涉及一种面向配电自动化终端类型的优化配置方法。特别是涉及一种适用配电自动化系统中不同类型的面向配电自动化终端类型的优化配置方法。
背景技术
近年来,随着用户对供电质量要求的不断提高,配电自动化不断得到人们的重视,而智能电网的兴起,更是极大地助推了配电自动化的发展。配电自动化通过利用现代计算机、通信与信息技术,将配电网的实时运行、电网结构、设备、用户以及地理图形等信息集成,实现配电网运行监控及管理的自动化、信息化。其主要作用体现在提高供电可靠性、提高设备利用率、降低线损、提高运行指标;提高工作效率、实现配网精细化管理、提升电网运行和安全管理水平;以及提高人员技能等方面。配网自动化技术将配电网在正常及事故情况下的监测、保护、控制、计量和供电部门的工作管理有机地融合在一起,改进供电质量,与用户建立更密切更负责的关系,以合理的价格满足用户要求的多样性,力求供电经济性最好,企业管理更为有效。
电力系统开关作为整个系统的重要元件,为系统的安全及可靠性奠定重要基础。配电自动化与一次设备开关密切相关,配电自动化故障自动隔离和网络重构,都是通过计算机对一次设备开关进行远方操作来实现。配电自动化终端是实现配电自动化的基础环节,具有遥信、遥测、遥控、遥调等功能。“二遥”配电终端是指具有故障信息上报(也可有开关状态遥信)和电流遥测功能的配电终端模块,它不具备遥控功能,相应的开关不必具有电动操作机构。“三遥”配电终端是指具有遥测、遥信、遥控和故障信息上报功能的配电终端模块,要求所控制的开关具有电动操作机构。“二遥”及“三遥”配电终端的引入,可大大减少配电网故障时造成的停电时间,显著提升可靠性指标。
配电网开关优化配置是以成本–效益分析原理为基础,通过确定馈线上断路器、隔离开关及熔断器等开关设备的最佳位置和数量来提高系统供电可用率和资金的使用效率。开关优化配置属连续–离散混合的非线性组合优化问题,计算过程复杂,涉及开关设备的投资、运行维护费用以及停电损失等多种因素。其目标函数常难以用决策变量解析表达,传统的数学优化方法不适合求解该问题。配电网开关优化配置研究主要环节包括:配电网开关优化配置模型及目标函数的确定、成本及效益等费用的计算、优化方法的使用及改进。目前开关优化配置的目标函数主要有3类:①在满足系统可靠性要求的前提下,以开关投资成本、维护成本等总费用最小为目标;②以开关投资成本、运行维护成本及系统停电损失等总费用最小为目标;③以可靠性指标最高为目标,将投资费用等作为约束条件加以体现。用户停电损失的计算主要考虑用户的停电持续时间及用户类型,成本计算则主要考虑投资成本及运行维护成本。开关优化配置求解算法所确定的搜索步骤和搜索方向,不但影响收敛速度,而且对计算结果能否收敛于全局最优解非常重要。目前主要采用禁忌搜索法、遗传算法、蚁群算法、动态规划算法等优化方法。
配电网自动化是实现故障快速定位、隔离以及供电恢复从而提高供电可靠性的重要手段,也是智能电网的重要组成部分。配电终端装置是配电自动化系统的基本单元,其主要任务是实现各类设备的实时监控,同时还要完成故障的识别和控制,与主站和子站相配合实现对电网运行情况的检测和优化,对网络进行重构,隔离故障。
通常,在配电网系统中配电自动化终端安装的越多,配电网系统的可靠性就会增加,但是投资也要大大增加,而可靠性提高了可以减少用户的停电损失,因此必须要综合考虑其可靠性和经济性,使优化配置方案在满足系统的可靠性要求的前提下又要具有经济性,从而达到经济性和可靠性的统一,可借助配电网开关优化配置的方法对这一问题进行研究。配电自动化终端数量及位置的优化选择将使配电自动化的建设和改造得到经济合理的安排,在实现配电自动化功能的同时使可靠性指标得到合理提升。
虽然配电网自动化技术取得了突飞猛进的发展,但是在规划设计方面尚需要研究各种类型的配电终端的合理数量配置和布置问题,因此,构建针对配电自动化“二遥”及“三遥”终端的优化配置方法,具有良好的应用价值。
发明内容
本发明所要解决的技术问题是,提供一种能够达到供电可靠性,解决“三遥”、“二遥”配电自动化终端的数量和位置配置问题,为科学地进行配电自动化系统规划设计和改造提供参考的面向配电自动化终端类型的优化配置方法。
本发明所采用的技术方案是:一种面向配电自动化终端类型的优化配置方法,包括如下步骤:
1)输入描述配电网网架结构的参数,包括馈线数量、各馈线段长度、馈线连接关系、开关元件类型、负荷点数、各负荷点峰值以及联络线路备用容量;输入配电系统可靠性参数,包括馈线元件的平均年破坏性故障率、平均故障修复时间、故障定位时间、故障隔离与负荷转带时间、平均供电可用度下限值;输入粒子群算法的基本参数,包括粒子群个数N、粒子群初始位置、粒子群算法最大迭代次数M;“二遥”和“三遥”配电自动化终端候选位置节点集和各位置自动化终端安装情况总场景数K,K为正整数;
2)随机生成初始粒子群的初始速度;
3)将场景统计数k置为1,迭代次数m置为1;
4)根据配电网的网架参数,在第k场景下以开关装置为边界对配电网馈线进行馈线区划分,其内部不再包含开关装置计算馈线区的等值可靠性参数,所述的等值可靠性参数包括有馈线区的平均年破坏性故障率λ和馈线区的平均故障修复时间r;对各馈线区进行故障影响分类,计算系统各负荷点的年平均停电时间U、系统平均供电可用度ASAI、系统总电量不足指标EENS等系统可靠性指标;
5)判断可靠性指标是否满足约束条件,即系统平均供电可用度不小于系统平均供电可用度下限值,若不满足,则设置惩罚函数h=wf*fre,其中wf为惩罚因子,fre为可靠性约束函数,fre=relim-re,式中,relim表示系统平均供电可用度下限值,re表示当前网络配置对应的系统平均供电可用度,若满足约束条件,则h=0;
6)根据式max f=B-(C0+C1-C2)计算目标函数值f,其中B是改造后停电损失减少给所增加的综合社会收益,C0是投资阶段成本等年值,C1是运行阶段成本费用,C2是报废阶段成本费用,将目标函数值f与惩罚函数h求和得到适应度函数obj取值,将当前粒子的适应值与当前的个体极值和全局极值进行比较,确定个体和全局最优值并更新;
7)对当前粒子进行评价后,对下一粒子进行评价,场景统计数k加1,判断更新后的情景统计数t是否大于情景数N,否则进入下一步骤,反之进入步骤10);
8)判断是否完成所有粒子评价,即完成一次迭代,是则进入步骤9),否则进入步骤4)
9)判断是否达到最大迭代次数,如果是,则结束,输出最优解,反之,则迭代次数m
加1,则进入下一步;
10)进行粒子群的更新操作,即根据形成新的粒子群位置并根据形成新的粒子群速度,并返回步骤3)。
步骤1)所述粒子群算法的基本参数包括有:粒子群个数N、粒子群初始位置、粒子群算法最大迭代次数M
步骤1)所述的场景是各候选位置自动化终端的安装情况
步骤3)所述的场景统计数k是已完成适应度计算的各候选位置自动化终端的安装情况数。
步骤4)所述的对配电网馈线进行馈线区划分是以网络中开关元件为边界形成馈线区域,区域内部不再包含开关装置。
步骤4)所述的计算最小隔离区的等值可靠性参数是采用如下公式:
馈线区的平均年破坏性故障率馈线区的平均故障修复时间式中m为最小隔离区中包含的馈线数,λi是馈线i平均年破坏性故障率,ri是馈线区的平均故障修复时间。
步骤4)所述的对各馈线区进行故障影响分类,是指如下分类方式:故障线所在馈线区为故障区,停电时间为故障元件定位隔离及修复时间;定义故障区至主电源方向为上游方向,前向区域为位于故障区域上游,当故障隔离后能够与主电源构成连通的区域,停电时间为故障定位隔离时间;定义自故障区远离主电源方向为下游方向,后向区域为位于故障区下游的区域,根据是否存在与其它馈线的联络,后向区域又可分为两种类型,存在联络的后向区域内负荷的停电时间为故障定位隔离时间与负荷转带时间,不存在联络的后向区域内负荷的停电时间为故障定位隔离及修复时间;无影响区域内的负荷不受故障元件的影响,停电时间为0。
步骤4)所述的计算平均供电可用度ASAI、系统总电量不足指标EENS,其中,
平均供电可用度式中,Ui为负荷点i的年平均停电时间,Ni为负荷点i的用户数;
系统总电量不足指标EENS=∑LaiUi,式中,Lai为接入负荷点i的平均负荷,Ui为负荷点i的年平均停电时间。
本发明的一种面向配电自动化终端类型的优化配置方法,能够解决“三遥”、“二遥”配电自动化终端的数量和位置配置问题,为科学地进行配电自动化系统规划设计和改造提供参考。本发明采用全寿命周期管理方法(LCC)对“二遥”“三遥”配电自动化终端优化配置问题建立目标函数,其中由停电损失的减少所产生的综合社会收益利用产电比法计算。本发明采用解析法进行可靠性评估,充分考虑“二遥”“三遥”配电自动化终端对可靠性评估的影响,全面系统地考虑配电网中各开关类型及功能。最后利用粒子群算法进行目标函数的优化求解。
附图说明
图1是非电源元件的两状态模型;
图2是单联络线路算例。
具体实施方式
下面结合实施例和附图对本发明的一种面向配电自动化终端类型的优化配置方法做出详细说明。
本发明的一种面向配电自动化终端类型的优化配置方法,从总体经济性和要求达到的供电可靠性这2个角度,解决“三遥”、“二遥”配电自动化终端的数量和位置配置问题,为科学地进行配电自动化系统规划设计和改造提供参考。采用全寿命周期管理方法(LCC)对“二遥”“三遥”配电自动化终端优化配置问题建立目标函数,其中由停电损失的减少所产生的综合社会收益利用产电比法计算。本发明采用解析法进行可靠性评估,充分考虑“二遥”“三遥”配电自动化终端对可靠性评估的影响,全面系统地考虑配电网中各开关类型及功能。最后利用粒子群算法进行目标函数的优化求解。
采用解析法进行可靠性评估,根据元件与系统之间的关系,用公式显式表示可靠性评估指标。根据故障扩散范围和恢复供电范围以开关装置为边界的特点,进行馈线分区。配电柱上开关设备按功能可分为断路器、负荷开关和隔离开关等,馈线区边界开关类型不同,馈线区在系统某元件发生故障时所属故障影响类型有所不同。对各馈线区进行故障影响分类,建立系统故障影响分类表,系统内负荷点的停电情况按照各个负荷点所在馈线区所属故障区域的不同分别进行分析。计算系统可靠性指标,用以作为目标函数计算及优化求解过程中的依据。同时,对于安装“三遥”终端模块的故障区域,可近似地认为故障定位时间、故障隔离时间均为0,对于安装“二遥”终端模块的故障区域,可近似地认为故障定位时间为0,不同位置配置的配电自动化水平不同,系统的可靠性水平也会有所区别。
从成本-效益角度建立“二遥”“三遥”配电自动化终端优化配置问题目标函数如下:
max f=B-Ceq (1)
其中B为改造后停电损失减少给所增加的综合社会收益。Ceq为电网公司为产生收益B所需的等值年成本费用,即“二遥”“三遥”配电自动化终端建设及改造所需的总成本。
由于“二遥”“三遥”优化配置是在原网架基础上进行的工程建设或改造,原有系统中如中压配电线路、配电变压器等的费用不随优化配置而变。所以建模时系统的LCC的一次投资、运行维护以及报废残值费用等仅考虑优化过程中参与改造的开关数量,年收益也仅考虑“二遥”“三遥”配电自动化终端建设或改造所带来的收益提升部分。目标函数中各变量计算过程如下:
(1)产电比法计算年收益增量
产电比即某地区年度国内生产总值与消耗电能量之比,描述某一地区每年单位电能所创造的经济效益。应用产电比估算停电损失的数学模型为:
OC=EENS*R (2)
式中:OC为停电损失费用,单位为元;EENS为缺供电量,单位为kWh;R为产电比,单位为元/kWh。相对于平均电价倍数法,产电比法具有较明确的含义,同时可以考虑不同地区的特点。
缺供电量EENS计算公式为:
EENS=∑LaiUi (3)
式中,Lai为接入负荷点i的平均负荷,Ui为负荷点i的年平均停电时间。
利用产电比法可计算停电损失减少给所增加的综合社会收益:
B=△EENS*R (4)
△EENS为进行“二遥”“三遥”配电自动化终端建设及改造前后系统缺供电量的改变量,R为产电比。
(2)成本费用
配电系统的总费用,采用LCC模型,按照时间维度划分可以划分为购置阶段,运行阶段和报废阶段。购置阶段的成本即为投资费用,包括购买设备费用和安装费用;运行阶段的成本包括运行费用和维护费用;报废阶段的成本为设备残值。
投资阶段费用表达式如下:
其中NT为配电自动化终端设备类型总数,Ni为第i类配电自动化终端设备数量,Ci第i类配电自动化终端设备建设(改造)单价。
由于资金具有时间价值,为具有可比性,需要计算投资阶段成本等年值。
其中,r为折现率,YP为设备全寿命周期年限。
运行阶段的费用由运行费用和维护费用构成:
C1=Cop+Cmi (7)
其中Cop为运行费用,在本发明中,Cop=0。
Cmi为维护费用,中压配电网设备的运行维护费用一般包括巡检、消缺以及检修三部分。设备运行中产生的巡检、消缺以及检修费用成本定额中,一般包括人工、材料和机械成本三部分内容。目前绝大多数供电企业对供电设备维护、检修费用管理的办法是取投资阶段成本等年值C0的某一比例k,一般取k=5%即:
C1=C0k (8)
报废阶段的费用为设备的残值费用,即在规划周期末设备的可回收费用:
C2=C0Kd (9)
其中,Kd为残值系数,一般取5%。
综上所述,目标函数可表示为:
max f=B-(C0+C1-C2) (10)
本发明从经济性及可靠性两个角度解决配电自动化终端的优化配置问题,其中经济性作为优化的目标函数,可靠性则作为约束条件得以应用。可靠性约束条件计算内容及计算过程描述如下:
配电网可靠性指标包括负荷点可靠性指标及系统可靠性指标,进行可靠性计算时首先计算负荷点可靠性指标,系统可靠性指标由负荷点可靠性指标计算得到。
本发明中以系统可靠性指标中的平均供电可用度指标为约束条件,平均供电可用度计算公式为如下:
式中,Ui为负荷点i的年平均停电时间,Ni为负荷点i的用户数。
则约束条件如下所示:
re≥relim (12)
其中,re为当前网络配置对应的系统平均供电可用度,relim为系统平均供电可用度下限值。
确定目标函数及约束条件后,利用粒子群算法对优化问题进行求解。采用二进制表示“二遥”“三遥”配电自动化终端的位置:0表示某位置不配置该配电自动化终端,1表示某位置配置该配电自动化终端。第m种配电自动化终端类型可安装的位置记为Nm(m=1,2),从而可用Nm位二进制子串表示第m种配电自动化终端的配置状态;将2段二进制子串按顺序排列即可以形成一个初始解。该粒子群算法适应度函数为上述目标函数与惩罚函数之和,惩罚函数考虑可靠性约束条件,在某一特定解的情况下,若不满足可靠性约束条件,设置惩罚项,再计算适应度函数的值,判断是否满足终止条件,若不满足,则更新粒子群速度及位置,进行迭代计算。
本发明的一种面向配电自动化终端类型的优化配置方法,包括如下步骤:
1)输入描述配电网网架结构的参数,包括馈线数量、各馈线段长度、馈线连接关系、开关元件类型、负荷点数、各负荷点峰值以及联络线路备用容量;输入配电系统可靠性参数,包括馈线元件的平均年破坏性故障率、平均故障修复时间、故障定位时间、故障隔离与负荷转带时间、平均供电可用度下限值;输入粒子群算法的基本参数,包括粒子群个数N、粒子群初始位置、粒子群算法最大迭代次数M;“二遥”和“三遥”配电自动化终端候选位置节点集和各位置自动化终端安装情况总场景数K,K为正整数;
所述粒子群算法的基本参数包括有:粒子群个数N、粒子群初始位置、粒子群算法最大迭代次数M。所述的场景是各候选位置自动化终端的安装情况。
2)随机生成初始粒子群的初始速度;
3)将场景统计数k置为1,迭代次数m置为1;
所述的场景统计数k是已完成适应度计算的各候选位置自动化终端的安装情况数。
4)根据配电网的网架参数,在第k场景下以开关装置为边界对配电网馈线进行馈线区划分,所述的对配电网馈线进行馈线区划分是以网络中开关元件为边界形成馈线区域,区域内部不再包含开关装置。其内部不再包含开关装置计算馈线区的等值可靠性参数,所述的等值可靠性参数包括有馈线区的平均年破坏性故障率λ和馈线区的平均故障修复时间r;所述的计算馈线区的等值可靠性参数是:馈线区的平均年破坏性故障率馈线区的平均故障修复时间式中m为最小隔离区中包含的馈线数,λi是馈线i平均年破坏性故障率,ri是馈线区的平均故障修复时间。
对各馈线区进行故障影响分类,所述的对各馈线区进行故障影响分类,是指如下分类方式:故障线所在馈线区为故障区,停电时间为故障元件定位隔离及修复时间;定义故障区至主电源方向为上游方向,前向区域为位于故障区域上游,当故障隔离后能够与主电源(母线)构成连通的区域,停电时间为故障定位隔离时间;定义自故障区远离主电源方向为下游方向,后向区域为位于故障区下游的区域,根据是否存在与其它馈线的联络,后向区域又可分为两种类型,存在联络的后向区域内负荷的停电时间为故障定位隔离时间与负荷转带时间,不存在联络的后向区域内负荷的停电时间为故障定位隔离及修复时间;无影响区域内的负荷不受故障元件的影响,停电时间为0。
计算系统各负荷点的年平均停电时间U、系统平均供电可用度ASAI、系统总电量不足指标EENS等系统可靠性指标;
所述的计算平均供电可用度ASAI、系统总电量不足指标EENS,其中,
平均供电可用度式中,Ui为负荷点i的年平均停电时间,Ni为负荷点i的用户数;
系统总电量不足指标EENS=∑LaiUi,式中,Lai为接入负荷点i的平均负荷,Ui为负荷点i的年平均停电时间。
5)判断可靠性指标是否满足约束条件,即系统平均供电可用度不小于系统平均供电可用度下限值,若不满足,则设置惩罚函数h=wf*fre,其中wf为惩罚因子,fre为可靠性约束函数,fre=relim-re,式中,relim表示系统平均供电可用度下限值,re表示当前网络配置对应的系统平均供电可用度,若满足约束条件,则h=0;
6)根据式max f=B-(C0+C1-C2)计算目标函数值f,其中B是改造后停电损失减少给所增加的综合社会收益,C0是投资阶段成本等年值,C1是运行阶段成本费用,C2是报废阶段成本费用,将目标函数值f与惩罚函数h求和得到适应度函数obj取值,将当前粒子的适应值与当前的个体极值和全局极值进行比较,确定个体和全局最优值并更新;
7)对当前粒子进行评价后,对下一粒子进行评价,场景统计数k加1,判断更新后的情景统计数t是否大于情景数N,否则进入下一步骤,反之进入步骤10);
8)判断是否完成所有粒子评价,即完成一次迭代,是则进入步骤9),否则进入步骤4)
9)判断是否达到最大迭代次数,如果是,则结束,输出最优解,反之,则迭代次数m加1,则进入下一步;
10)进行粒子群的更新操作,即根据形成新的粒子群位置并根据形成新的粒子群速度,并返回步骤3)。
MATLAB是美国MathWorks公司出品的商业数学软件,是一个可用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。本发明以MATLAB为基础,实现了配电自动化终端优化配置模型,将本发明在其中进行了应用,并以图2所示的一条单联络线路算例为基础对应用效果进行了测试验证。
以一条单联络线路作为算例进行分析。如图2所示,包括1条母线、8条馈线段、5个节点、4个配变、4个负荷点(LP1至LP4)、1个出口断路器和5个隔离开关。联络开关均已安装配电终端模块。具体参数如下。
1)元件故障率:馈线故障率为0.02次/年×km,故障修复时间为3小时。故障定位时间为1.5小时,故障隔离与负荷转带时间为1.5小时。各馈线段长度和各负荷点峰值、每个负荷点的用户数如表1和表2所示。线路2可转供容量为2500kw。
2)新建开关三遥自动化终端费用为70000元/套,新建开关二遥自动化终端费用为70000元/套;改造开关三遥自动化终端费用为18200元/套,改造开关二遥自动化终端费用为8000元/套,设备的使用寿命周期为20年,贴现率为5%,每年的运行维护费用按投资成本的5%计算,产电比为15元/kwh。系统平均供电可用度需达到99.99%
表1馈线段长度
馈线段序号 | 长度(km) |
1 | 2.5 |
2 | 2 |
3 | 1 |
4 | 2 |
5 | 1 |
6 | 1.5 |
7 | 1.5 |
8 | 1 |
表2负荷数据
负荷点 | 负荷峰值(kW) | 负荷点用户数 |
a | 2000 | 10 |
b | 1000 | 5 |
c | 1000 | 5 |
d | 1000 | 6 |
表3配电自动化终端类型优化配置结果
表3是配电自动化终端类型优化配置结果,表中方案1为优化配置得到的最优结果,该配置方案为原系统所有开关处均设置三遥自动化终端,方案2为原系统即算例图所示系统中开关配置的情况下系统各项可靠性指标。可以看出,“二遥”“三遥”配电自动化终端的加入可以提高系统的可靠性水平。但是,配电自动化终端的加入明显增加了系统的成本费用,“三遥”自动化终端在本算例系统中采用较多,与产电比、全寿命周期成本参数选取较大有关。配电自动化终端的配置对年平均故障率没有影响,如果在辐射状运行的配电馈线中,只有馈线出口安装断路器,那么馈线主干线上任何位置的故障都将引起馈线出口断路器跳闸,所有负荷经历一次短时停电,而后由临近故障的隔离开关将故障隔离后,非故障部分才能恢复供电,配电自动化终端的配置主要缩短了故障定位时间与隔离操作时间。
Claims (8)
1.一种面向配电自动化终端类型的优化配置方法,其特征在于,包括如下步骤:
1)输入描述配电网网架结构的参数,包括馈线数量、各馈线段长度、馈线连接关系、开关元件类型、负荷点数、各负荷点峰值以及联络线路备用容量;输入配电系统可靠性参数,包括馈线元件的平均年破坏性故障率、平均故障修复时间、故障定位时间、故障隔离与负荷转带时间、平均供电可用度下限值;输入粒子群算法的基本参数,包括粒子群个数H、粒子群初始位置、粒子群算法最大迭代次数M;“二遥”和“三遥”配电自动化终端候选位置节点集和各位置自动化终端安装情况总场景数K,K为正整数;
2)随机生成初始粒子群的初始速度;
3)将场景统计数k置为1,迭代次数m置为1;
4)根据配电网的网架参数,在第k场景下以开关装置为边界对配电网馈线进行馈线区划分,其内部不再包含开关装置计算馈线区的等值可靠性参数,所述的等值可靠性参数包括有馈线区的平均年破坏性故障率λ和馈线区的平均故障修复时间r;对各馈线区进行故障影响分类,计算系统各负荷点的年平均停电时间U、系统平均供电可用度ASAI、系统总电量不足指标EENS;
5)判断可靠性指标是否满足约束条件,即系统平均供电可用度不小于系统平均供电可用度下限值,若不满足,则设置惩罚函数h=wf*fre,其中wf为惩罚因子,fre为可靠性约束函数,fre=relim-re,式中,relim表示系统平均供电可用度下限值,re表示当前网络配置对应的系统平均供电可用度,若满足约束条件,则h=0;
6)根据式max f=B-(C0+C1-C2)计算目标函数值f,其中B是改造后停电损失减少给所增加的综合社会收益,C0是投资阶段成本等年值,C1是运行阶段成本费用,C2是报废阶段成本费用,将目标函数值f与惩罚函数h求和得到适应度函数obj取值,将当前粒子的适应值与当前的个体极值和全局极值进行比较,确定个体和全局最优值并更新;
7)对当前粒子进行评价后,对下一粒子进行评价,场景统计数k加1,判断更新后的场景统计数k是否大于总场景数K,否则进入下一步骤,反之进入步骤10);
8)判断是否完成所有粒子评价,即完成一次迭代,是则进入步骤9),否则进入步骤4)
9)判断是否达到最大迭代次数,如果是,则结束,输出最优解,反之,则迭代次数m加1,则进入下一步;
10)进行粒子群的更新操作,即根据形成新的粒子群位置并根据形成新的粒子群速度,并返回步骤3)。
2.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤1)所述粒子群算法的基本参数包括有:粒子群个数H、粒子群初始位置、粒子群算法最大迭代次数M。
3.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤1)所述的场景是各候选位置自动化终端的安装情况。
4.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤3)所述的场景统计数k是已完成适应度计算的各候选位置自动化终端的安装情况数。
5.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤4)所述的对配电网馈线进行馈线区划分是以网络中开关元件为边界形成馈线区域,区域内部不再包含开关装置。
6.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤4)所述的计算最小隔离区的等值可靠性参数是采用如下公式:
馈线区的平均年破坏性故障率馈线区的平均故障修复时间式中n为最小隔离区中包含的馈线数,λi是馈线i平均年破坏性故障率,ri是馈线区的平均故障修复时间。
7.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤4)所述的对各馈线区进行故障影响分类,是指如下分类方式:故障线所在馈线区为故障区,停电时间为故障元件定位隔离及修复时间;定义故障区至主电源方向为上游方向,前向区域为位于故障区域上游,当故障隔离后能够与主电源构成连通的区域,停电时间为故障定位隔离时间;定义自故障区远离主电源方向为下游方向,后向区域为位于故障区下游的区域,根据是否存在与其它馈线的联络,后向区域又可分为两种类型,存在联络的后向区域内负荷的停电时间为故障定位隔离时间与负荷转带时间,不存在联络的后向区域内负荷的停电时间为故障定位隔离及修复时间;无影响区域内的负荷不受故障元件的影响,停电时间为0。
8.根据权利要求1所述的一种面向配电自动化终端类型的优化配置方法,其特征在于,步骤4)所述的计算平均供电可用度ASAI、系统总电量不足指标EENS,其中,
平均供电可用度式中,Ui为负荷点i的年平均停电时间,Ni为负荷点i的用户数;
系统总电量不足指标EENS=∑LaiUi,式中,Lai为接入负荷点i的平均负荷,Ui为负荷点i的年平均停电时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410638072.9A CN104376376B (zh) | 2014-11-06 | 2014-11-06 | 一种面向配电自动化终端类型的优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410638072.9A CN104376376B (zh) | 2014-11-06 | 2014-11-06 | 一种面向配电自动化终端类型的优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104376376A CN104376376A (zh) | 2015-02-25 |
CN104376376B true CN104376376B (zh) | 2017-09-29 |
Family
ID=52555271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410638072.9A Active CN104376376B (zh) | 2014-11-06 | 2014-11-06 | 一种面向配电自动化终端类型的优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376376B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406461B (zh) * | 2015-10-21 | 2018-03-30 | 广西电网有限责任公司北海供电局 | 一种配电网停电事件的负荷自适应动态监测方法 |
CN105404967B (zh) * | 2015-11-09 | 2020-08-04 | 广东电网有限责任公司惠州供电局 | 配电网自动化规划方法和系统 |
CN105512960B (zh) * | 2016-01-06 | 2017-06-06 | 中国南方电网有限责任公司电网技术研究中心 | 电力资源的配置方法和系统 |
CN107492240A (zh) * | 2016-06-13 | 2017-12-19 | 国网天津市电力公司 | 一种应用4g网络进行配网自动化改造调试的方法 |
CN107545516B (zh) * | 2016-06-24 | 2022-04-29 | 中国电力科学研究院 | 一种基于遗传算法的馈线终端优化配置方法 |
CN106487007B (zh) * | 2016-11-16 | 2018-10-09 | 国网重庆市电力公司经济技术研究院 | 基于可靠性的公共备用配电变压器优化配置方法 |
CN106505738B (zh) * | 2016-11-29 | 2019-02-19 | 国网上海市电力公司 | 一种基于供电可靠率的配电自动化终端布置方法 |
CN108154249B (zh) * | 2016-12-02 | 2023-01-13 | 中国电力科学研究院 | 一种馈线终端优化配置方法及装置 |
CN107341741A (zh) * | 2017-07-18 | 2017-11-10 | 浙江大学华南工业技术研究院 | 基于粒子群优化算法的配电网故障指示器优化配置方法 |
CN108648096B (zh) * | 2018-04-06 | 2022-03-18 | 东北电力大学 | 一种基于全寿命周期成本理论的抽水蓄能电站容量规划方法 |
CN108521123B (zh) * | 2018-04-26 | 2020-02-14 | 福建积微科技有限公司 | 一种可视化的多联络点配电网故障区段关联方法 |
CN109063937B (zh) * | 2018-10-18 | 2021-09-14 | 国网经济技术研究院有限公司 | 一种主动配电网ftu优化配置方法 |
CN109902361B (zh) * | 2019-02-02 | 2021-02-12 | 华北电力大学 | 一种基于逻辑算子的配电网开关优化配置方法 |
CN109902964B (zh) * | 2019-03-04 | 2023-01-31 | 广东电网有限责任公司 | 一种配电网馈线自动化终端配置方法及装置 |
CN110889212A (zh) * | 2019-11-15 | 2020-03-17 | 国家电网有限公司 | 一种计及投资费用约束的配电自动化终端布局优化方法 |
CN110932272A (zh) * | 2019-12-13 | 2020-03-27 | 国网福建省电力有限公司三明供电公司 | 一种三遥配电终端优化配置方法 |
CN111541236B (zh) * | 2020-03-30 | 2023-03-28 | 国网江西省电力有限公司电力科学研究院 | 一种馈线自动化功能提升及终端精准定位方法 |
CN111555265B (zh) * | 2020-04-09 | 2021-08-17 | 清华大学 | 一种基于可靠性约束的馈线自动化设备最优改造方法 |
CN111355266B (zh) * | 2020-04-10 | 2023-06-06 | 国网江西省电力有限公司经济技术研究院 | 一种含配电自动化终端的配电网可靠性计算方法 |
CN112100785B (zh) * | 2020-09-24 | 2024-05-14 | 国网江西省电力有限公司经济技术研究院 | 配电网智能终端布局方法、系统、介质及计算机设备 |
CN112487696A (zh) * | 2020-12-04 | 2021-03-12 | 天津大学 | 考虑配电网单位供电能力费用的配电自动化终端配置方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426689A (zh) * | 2011-08-23 | 2012-04-25 | 浙江大学 | 基于离散粒子群和拉格朗日乘数算法的机组组合优化方法 |
CN103489047A (zh) * | 2013-09-30 | 2014-01-01 | 国家电网公司 | 一种中压配电网络分段开关的优化配置方法 |
CN103972929A (zh) * | 2014-05-20 | 2014-08-06 | 上海电气集团股份有限公司 | 一种微网功率分配优化控制方法 |
CN104182809A (zh) * | 2014-08-29 | 2014-12-03 | 国家电网公司 | 一种家庭智能用电系统的优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080225052A1 (en) * | 2006-10-11 | 2008-09-18 | Jonathan Elliott Martin Alston-Hughes | Digital reading device and method |
-
2014
- 2014-11-06 CN CN201410638072.9A patent/CN104376376B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426689A (zh) * | 2011-08-23 | 2012-04-25 | 浙江大学 | 基于离散粒子群和拉格朗日乘数算法的机组组合优化方法 |
CN103489047A (zh) * | 2013-09-30 | 2014-01-01 | 国家电网公司 | 一种中压配电网络分段开关的优化配置方法 |
CN103972929A (zh) * | 2014-05-20 | 2014-08-06 | 上海电气集团股份有限公司 | 一种微网功率分配优化控制方法 |
CN104182809A (zh) * | 2014-08-29 | 2014-12-03 | 国家电网公司 | 一种家庭智能用电系统的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104376376A (zh) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376376B (zh) | 一种面向配电自动化终端类型的优化配置方法 | |
Kumar et al. | Reliability enhancement of electrical power system including impacts of renewable energy sources: a comprehensive review | |
Li et al. | A reliability-constrained expansion planning model for mesh distribution networks | |
Saviozzi et al. | Implementation of advanced functionalities for Distribution Management Systems: Load forecasting and modeling through Artificial Neural Networks ensembles | |
Martins et al. | Active distribution network integrated planning incorporating distributed generation and load response uncertainties | |
Mahboubi-Moghaddam et al. | Interactive robust model for energy service providers integrating demand response programs in wholesale markets | |
Ghasemi et al. | A two-stage resilience improvement planning for power distribution systems against hurricanes | |
Abushamah et al. | A novel approach for distributed generation expansion planning considering its added value compared with centralized generation expansion | |
Shi et al. | Post-extreme-event restoration using linear topological constraints and DER scheduling to enhance distribution system resilience | |
Yousefi‐khangah et al. | Short‐term scheduling problem in smart grid considering reliability improvement in bad weather conditions | |
Moradi-Sarvestani et al. | Incorporating direct load control demand response into active distribution system planning | |
Moradijoz et al. | Flexibility enhancement in active distribution networks through a risk-based optimal placement of sectionalizing switches | |
Khazraj et al. | Optimal operational scheduling and reconfiguration coordination in smart grids for extreme weather condition | |
Guimaraes et al. | A decomposition heuristic algorithm for dynamic reconfiguration after contingency situations in distribution systems considering island operations | |
Oboudi et al. | Two-stage seismic resilience enhancement of electrical distribution systems | |
Mokhtari et al. | Optimal coordination of thyristor controlled series compensation and transmission expansion planning: distributionally robust optimization approach | |
Wu et al. | Reliability evaluation method of distribution network considering the integration impact of distributed integrated energy system | |
Shi et al. | Preventive allocation and post-disaster cooperative dispatch of emergency mobile resources for improved distribution system resilience | |
Memari et al. | Clustering-based reliability assessment of smart grids by fuzzy c-means algorithm considering direct cyber–physical interdependencies and system uncertainties | |
Žarković et al. | Integrated reliability centered distribution system planning—Cable routing and switch placement | |
Vazinram et al. | Self-healing model for gas-electricity distribution network with consideration of various types of generation units and demand response capability | |
Ghayoor et al. | Power network-planning optimization considering average power not supplied reliability index: Modified by chance-constrained programming | |
Muros et al. | Improving supply quality in distribution power networks: A game-theoretic planning approach | |
Alanazi et al. | A non-simulation-based linear model for analytical reliability evaluation of radial distribution systems considering renewable DGs | |
Basaran et al. | Optimal expansion planning of electrical energy distribution substation considering hydrogen storage |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |