CN104484555A - 评估220kV自愈式环网最大供电能力的方法 - Google Patents

Abstract

本发明提供一种评估220kV自愈式环网最大供电能力的方法，包括：获取220KV自愈式环网的网架结构，确定网络节点数和支路数，并对所述网架结构的节点和支路进行编号，读取网架结构参数、负荷参数以及平衡节点的电压幅值和相角；对预设的种群个体进行扩群操作，得到初始化种群；根据预设的牛顿拉夫逊法对所述220KV拉手网进行基态以及各支路N-1故障状态的潮流校核，根据校核结果更新所述种群；根据预设的差分进化方法对所述种群进行进化，获得最优种群，将所述最优种群还原为负荷信息，输出最大供电能力负荷方案并得到所述最大供电能力负荷方案下的基态及各预想事故发生时各线路负载率。本发明处理速度快，获得的环网最大供电能力准确性和可靠度较高。

Description

评估220kV自愈式环网最大供电能力的方法

技术领域

本发明涉及电网供电能力技术领域，特别是涉及一种评估220kV自愈式环网最大供电能力的方法。

背景技术

城市电网是整个电力系统的重要组成部分，通常作为电力网络分支的最后一个环节，担当着连接用户的重任。城市电网本身就具有一定的混合性，既承担输电功能，也担负配电功能，故城市电网一般由输电网络(又称主网)和配电网络构成。各配电网的电压等级并不是固定的，当电网的规模扩大时，其会发生相应的变化。随着城市电网负荷的逐年增长，电网规模也逐步扩大，以220kV电网为例，在部分较发达城市中，原本承担主网输电功能的220kV电网，现已逐步向高压用户直接供电，呈现出向配电供电功能转化的趋势。220kV电网的负荷节点通常不多，但每个节点都具有大容量，稳态负荷较重的特点，因此体现出220kV电网负荷的重要性。另外，220kV电网的结构相对复杂，多为环网结构。

由于220kV电网的结构相对复杂，大量环网的存在使得潮流分布受网络拓扑、电源出力和变电站负荷分布影响较大，目前在安排运行方式时主要采用潮流计算的方法对电网静态安全进行校核，具体步骤如下：

1)根据电网规划或运行人员的工作经验，设定一种220kV电网负荷分配的方案；

2)采用BPA等电力系统分析软件对该负荷分配方案计算静态潮流并对此时的220kV电网作静态安全校核，若校核通过则跳转步骤3)，若校核不通过则否定该分配方案，跳转步骤1)重新设定方案；

3)将此负荷分配方案排入运行方式，进一步细化下一等级的负荷分配。

由以上步骤可知，现有的技术方案虽简单易行，但存在以下缺点：

1)负荷分配方案由工作人员的经验决定，具有较大的主观性，且往往需要大量的反复校核，费时费力；

2)无法准确掌握城市电网的最大供电能力，使得规划设计人员在对电网进行扩建或改造时存在一定的盲目性；

3)为了优先满足电网的安全稳定运行，往往倾向于采用较高的容载比，使得电网运行的经济性得不到提高；

4)从电网资源利用的角度来看，存在一定的浪费现象。

综上，传统技术中的220kV电网负荷分配方案存在较大的主观性，其处理过程复杂，获得的220kV自愈式环网最大供电能力的准确性和可靠度较低。

发明内容

基于此，本发明提供一种评估220kV自愈式环网最大供电能力的方法，该方法处理速度快，获得的环网最大供电能力准确性和可靠度较高。

一种评估220kV自愈式环网最大供电能力的方法，包括如下步骤：

获取220KV自愈式环网的网架结构，确定所述网架结构的网络节点数和支路数，并对所述网架结构的节点和支路进行编号，对编号后的220KV拉手网的网架结构，读取网架结构参数、负荷参数以及平衡节点的电压幅值V_n和相角θ_n；

对预设的种群个体X_i＝{S_i1,S_i2,…,S_im}进行扩群操作，得到初始化种群Ω＝{X₁,X₂,…,X_np}；其中np为预设的扩群参数，种群中的每个个体X_i中的各个变量的产生规则如下：式中，和分别为X_i中第j个分量的最小值和最大值，rand(0,1)为(0,1)之间的均匀分布随机数；

根据预设的牛顿拉夫逊法对所述220KV拉手网进行基态以及各支路N-1故障状态的潮流校核，根据校核结果更新所述种群；

根据预设的差分进化方法对所述种群进行进化，获得最优种群，将所述最优种群还原为负荷信息，输出最大供电能力负荷方案并得到所述最大供电能力负荷方案下的基态及各预想事故发生时各线路负载率。

上述评估220kV自愈式环网最大供电能力的方法，建立了简化的220kV自愈式环网的接线模式，减轻了计算负担，在工程上可接受的误差范围内加快了计算速度；考虑了电力系统静态安全约束，使得220kV自愈式环网的最大载荷能力更能满足实际电网运行中安全性和可靠性的要求，其结果更具实际意义；本发明提供的内嵌牛顿-拉夫逊方法的改进差分进化方法结构简单，准确性和可靠度都较高。

附图说明

图1为本发明评估220kV自愈式环网最大供电能力的方法在一实施例中的流程示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细说明，但本发明的实施方式不限于此。

如图1所示，是本发明一种评估220kV自愈式环网最大供电能力的方法，包括如下步骤：

S11、获取220KV自愈式环网的网架结构，确定所述网架结构的网络节点数和支路数，并对所述网架结构的节点和支路进行编号，对编号后的220KV拉手网的网架结构，读取网架结构参数、负荷参数以及平衡节点的电压幅值V_n和相角θ_n；

S12、对预设的种群个体X_i＝{S_i1,S_i2,…,S_im}进行扩群操作，得到初始化种群Ω＝{X₁,X₂,…,X_np}；其中np为预设的扩群参数，种群中的每个个体X_i中的各个变量的产生规则如下：式中，和分别为X_i中第j个分量的最小值和最大值，rand(0,1)为(0,1)之间的均匀分布随机数；S_ij即为每个个体X_i中的变量；

S13、根据预设的牛顿拉夫逊法对所述220KV拉手网进行基态以及各支路N-1故障状态的潮流校核，根据校核结果更新所述种群；

S14、根据预设的差分进化方法对所述种群进行进化，获得最优种群，将所述最优种群还原为负荷信息，输出最大供电能力负荷方案并得到所述最大供电能力负荷方案下的基态及各预想事故发生时各线路负载率。

本实施例中的最大供电能力，是指一定供电区域内电网满足N-1安全准则，且考虑到网络实际运行情况下的最大负荷供应能力。

由于自愈式环网接线仅由一个500kV变电站供电且构成闭环，若将其视为一个两端供电网络，则两端供电点的电压向量完全相同，不存在电压幅值差和相角差。此外，500kV变电站的容量一般比220kV变电站的容量大一个数量级，并配有无功补偿装置，在220kV电网负荷变化时，其电压基本可维持不变。基于以上两点，本实施例将环网中的500kV变电站处理为一个电压给定的无穷大电源。

而城市电网中110kV终端式变电设备的普及使用，使得220kV电网的下级电网不再成环或构成拉手结构，为对220kV电网供电能力进行解耦分析提供了可操作性。因此，本实施例将110kV及以下电压等级的负荷等效地接到220kV侧，从而无需再考虑下级电网的影响。

针对220kV自愈式环网的供电能力计算问题，由于在优化的过程中需要进行电网静态安全校核，本实施例借助控制变量作为连接信息的载体，将超线性收敛的牛顿——拉夫逊法嵌入到差分进化算法的适应度计算环节之前，以潮流计算的准确性保证了种群筛选的有效性，大大提高了进化过程的效率。

具体的：

一、输入、处理原始数据

在一较佳实施例中，所述获取220KV自愈式环网的网架结构，确定所述网架结构的网络节点数和支路数，并对所述网架结构的节点和支路进行编号的步骤包括：

读取所述网架结构，确定网络节点数和支路数；如共有n个节点和m个PQ节点，从第一个PQ节点开始，按逆时针方向，依次遍历所有PQ节点，并依次编号为1～m；若有PV节点，从第一个PV节点开始，按逆时针方向，依次遍历所有PV节点，依次编号为(m+1)～(n-1)；平衡节点编号为n；

对所述220KV自愈式环网的b条支路，从所述平衡节点开始，沿逆时针方向绕环网一圈，按遍历顺序各支路编号依次为1～b；

一般的220kV电网输电线路均为双回线或三回线，此处设待计算220kV自愈式环网的每条支路均由双回或以上输电线路组成，则b条支路的预想事故集共包含b个预想事故。根据所述支路编号，若第k条支路发生N-1故障，则对应的预想事故编号为k，其中，k＝1,2，…，b；所述待计算220kV自愈式环网的每条支路均由双回或以上输电线路组成，b条支路的预想事故集中共包含b个预想事故；

读取所述网架结构的结构参数、负荷参数以及平衡节点所给定的电压幅值V_n和相角θ_n，根据预设的N-1准则，分别生成系统正常运行状态下以及各支路N-1故障状态下的节点导纳矩阵，节点导纳矩阵第i行第j列的元素为：Y_ij＝G_ij+jB_ij。

在一较佳实施例中，，所述结构参数包括各支路电阻R_i、电抗X_i、对地电纳值B_i以及最大载流量I_max；所述负荷参数包括各负荷点的最高负荷值i以及最低负荷值S _i。

预设的种群个体为X_i＝{S_i1,S_i2,…,S_im}。为了建立初始种群，需要进行扩群操作，得到初始化种群为Ω＝{X₁,X₂,…,X_np}，其中np为扩群参数。种群中的每个个体Xi中的各个变量的产生规则如下：

其中,和分别为X_i中第j个分量的最小值和最大值，rand(0,1)为(0,1)之间的均匀分布随机数；S_ij即为每个个体X_i中的变量；。

二、设定参数

设定最大迭代次数Gm、缩放因子最小值F0_l和缩放因子最大值F0_u，交叉概率因子最小值CRmin和交叉概率因子最大值CRmax等参数。

三、优化实现

优化模型的目标函数为：其中S_i表示第i个负荷点的视在功率，表示节点负荷功率因数，一般取为0.98。

差分进化方法中包括如下变量更新操作：

①变异处理

随机选择两个个体向量生成差分向量，将生成的差分向量与随机选择的另一个向量相加，生成变异向量。具体公式为：式中x_r1、x_r2、x_r3表示种群中3个不同的个体。t代表当前状态，t+1代表下一代状态。其中，变异操作的缩放因子采用自适应策略，具体公式为：式中F0_l、F0_u分别为F0的上下限，f_t1、f_t2、f_t3分别为的适应度；

②交叉处理

将变异向量与目标向量交叉，生成交叉向量。具体公式为：式中，rand(j)∈[0,1]为均匀分布的随机函数，CR为交叉概率因子。

其中，交叉概率因子采用自适应策略，具体公式为:

式中CRmin、CRmax分别为最小交叉概率因子和最大交叉概率因子，T为最大迭代次数。

③选择处理

如果的适应度优于的适应度则用代替而被选择为下一代；否则作为下一代。采用贪婪的搜索策略，以最大的载荷水平为目标函数进行选择操作。

④更新变量

以最大载荷水平为目标函数，并且根据适应度的值，更新变量。

每次进化所得的粒子种群必须经过择优筛选，择优的依据是满足“N-1”静态安全校核的情况下取目标函数较大者。在一较佳实施例中，使用内嵌的牛顿-拉夫逊模块进行基态以及各支路“N-1”故障状态下的潮流校核的步骤可包括：

①输入平衡节点电压V_n和相角θ_n，输入当前粒子种群所对应的各节点负荷值x_k＝[S_1k,S_2k,…,S_mk]；等同于初始种群中的X_i＝{S_i1,S_i2,…,S_im}；其中，[S_1k,S_2k,…,S_mk]为系统中节点的负荷值，其大小与负荷节点相同，S_ij为在[S_1k,S_2k,…,S_mk]基础之上进行扩群后得到的数据。

②从第一个预想事故集开始，依次选择下一个预想事故集，当历遍所有事故集后，跳转步骤⑦；

③计算各节点功率不平衡量 $\left[\begin{array}{c}\mathrm{\ΔP}\\ \mathrm{\ΔQ}\end{array}\right],$ 判断最大潮流偏差是否满足收敛条件。如满足，则跳转步骤⑥，如不满足，则跳转步骤④。潮流偏差的具体计算公式如下：

$\mathrm{\Δ}{P}_i=P_{\mathrm{is}}-V_i\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{V}_j(G_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}+B_{\mathrm{ij}}\sin {\mathrm{\θ}}_{\mathrm{ij}}),i=\mathrm{1,2},...,n-1$

$\mathrm{\Δ}{Q}_i=Q_{\mathrm{is}}-V_i\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{V}_j(G_{\mathrm{ij}}\sin {\mathrm{\θ}}_{\mathrm{ij}}-B_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}),i=\mathrm{1,2},...,$

其中，ΔP、ΔQ分别为节点的有功功率偏差和无功功率偏差，P_is、Q_is为第i个节点给定的有功功率和无功功率；V_i、V_j分别为第i个节点和第j个节点的电压；G_ij、B_ij分别为从节点i到节点j支路的电导和电纳；θ_ij为节点i与节点j的相角差；

④由输入的变量和已有的节点导纳矩阵生成潮流计算雅可比矩阵J，其具体表达为：

$J=\left[\begin{array}{cc}H& N\\ K& L\end{array}\right]$

式中，H是(n-1)阶方阵，其元素为N是(n-1)×m阶矩阵，其元素为K是m×(n-1)阶矩阵，其元素为L是m阶方阵，其元素为 $L_{\mathrm{ij}}=V_j\frac{\∂\mathrm{\Δ}{Q}_i}{\∂V_j}.$

⑤求解线性修正方程组 $-\left[\begin{array}{c}\mathrm{\ΔP}\\ \mathrm{\ΔQ}\end{array}\right]=\left[\begin{array}{cc}H& N\\ K& L\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ\θ}\\ V_D^{-1}\mathrm{\ΔV}\end{array}\right],$ 其中得到各节点电压幅值和相角的修正量Δθ、ΔV，更新节点电压，转步骤③；

⑥按下式计算所有支路功率：

$S_{\mathrm{ij}}=V_i^2{\tilde{y}}_{i0}+{\stackrel{\·}{V}}_i({\tilde{V}}_i-{\tilde{V}}_j){\tilde{y}}_{\mathrm{ij}}$

其中，i为支路首节点，j为支路末节点，波浪号表示取复数的共轭值。判断各支路功率是否越限，若对于所有支路均有S_ij≤S_ijmax，则跳转步骤②，若有一条或以上支路出现S_ij＞S_ijmax，则在计算其适应度时给予一定的惩罚操作，跳转步骤⑦；S_ijmax为预设的负荷最大值；

⑦计算适应度，退出牛顿-拉夫逊迭代，返回适应度值到差分进化方法。

四、进化获得最优种群，并还原为负荷信息，输出最大供电能力负荷方案并给出该方案下基态及各预想事故发生时各线路负载率。

本发明评估220kV自愈式环网最大供电能力的方法，建立了简化的220kV自愈式环网的接线模式，减轻了计算负担，在工程上可接受的误差范围内加快了计算速度；考虑了电力系统静态安全约束，使得220kV自愈式环网的最大载荷能力更能满足实际电网运行中安全性和可靠性的要求，其结果更具实际意义；本发明提供的内嵌牛顿-拉夫逊方法的改进差分进化方法结构简单，稳定性高，潮流计算精确，一定程度上弥补了简化模型所带来的误差。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种评估220kV自愈式环网最大供电能力的方法，其特征在于，包括如下步骤：

获取220KV自愈式环网的网架结构，确定所述网架结构的网络节点数和支路数，并对所述网架结构的节点和支路进行编号，对编号后的220KV拉手网的网架结构，读取网架结构参数、负荷参数以及平衡节点的电压幅值V_n和相角θ_n；

对预设的种群个体X_i＝{S_i1,S_i2,…,S_im}进行扩群操作，得到初始化种群Ω＝{X₁,X₂,…,X_np}；其中np为预设的扩群参数，种群中的每个个体X_i中的各个变量的产生规则如下： $S_{\mathrm{ij}}^0=S_{\mathrm{ij}}^{\min }+\mathrm{rand}\left(\mathrm{0,1}\right)\·(S_{\mathrm{ij}}^{\max }-S_{\mathrm{ij}}^{\min }),$ 式中，和分别为个体X_i中第j个分量的最小值和最大值，rand(0,1)为(0,1)之间的均匀分布随机数；

根据预设的牛顿拉夫逊法对所述220KV拉手网进行基态以及各支路N-1故障状态的潮流校核，根据校核结果更新所述种群；

根据预设的差分进化方法对所述种群进行进化，获得最优种群，将所述最优种群还原为负荷信息，输出最大供电能力负荷方案并得到所述最大供电能力负荷方案下的基态及各预想事故发生时各线路负载率。

2.根据权利要求1所述评估220kV自愈式环网最大供电能力的方法，其特征在于，所述获取220KV自愈式环网的网架结构，确定所述网架结构的网络节点数和支路数，并对所述网架结构的节点和支路进行编号的步骤包括：

读取所述网架结构，确定网络节点数和支路数；其中，从第一个PQ节点开始，按逆时针方向，依次遍历所有PQ节点，并依次编号为1～m；若有PV节点，从第一个PV节点开始，按逆时针方向，依次遍历所有PV节点，依次编号为(m+1)～(n-1)；平衡节点编号为n；

对所述220KV自愈式环网的b条支路，从所述平衡节点开始，沿逆时针方向绕环网一圈，按遍历顺序各支路编号依次为1～b；

根据所述支路编号，若第k条支路发生N-1故障，则对应的预想事故编号为k，其中，k＝1,2，…，b；所述待计算220kV自愈式环网的每条支路均由双回或以上输电线路组成，b条支路的预想事故集中共包含b个预想事故；

读取所述网架结构的结构参数、负荷参数以及平衡节点所给定的电压幅值V_n和相角θ_n，根据预设的N-1准则，分别生成系统正常运行状态下以及各支路N-1故障状态下的节点导纳矩阵，节点导纳矩阵第i行第j列的元素为：Y_ij＝G_ij+jB_ij。

3.根据权利要求2所述的评估220kV自愈式环网最大供电能力的方法，其特征在于，所述结构参数包括各支路电阻R_i、电抗X_i、对地电纳值B_i以及最大载流量I_max；所述负荷参数包括各负荷点的最高负荷值以及最低负荷值

4.根据权利要求3所述的评估220kV自愈式环网最大供电能力的方法，其特征在于，根据预设的牛顿拉夫逊法对所述220KV拉手网进行基态以及各支路N-1故障状态的潮流校核的步骤包括：

步骤①、输入平衡节点电压V_n和相角θ_n，输入当前种群所对应的各节点负荷值x_k＝[S_1k,S_2k,…,S_mk]；

步骤②、从预设的第一个预想事故集开始，依次选择下一个预想事故集，当遍历所有事故集后，跳转至步骤⑦；

步骤③、计算各节点功率不平衡量 $\left[\begin{array}{c}\mathrm{\ΔP}\\ \mathrm{\ΔQ}\end{array}\right],$ 判断最大潮流偏差是否满足收敛条件；如满足，则跳转至步骤⑥，如不满足，则跳转至步骤④；其中，所述潮流偏差根据下式计算：

$\mathrm{\Δ}{P}_i=P_{\mathrm{is}}-V_i\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{V}_j(G_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}+B_{\mathrm{ij}}\sin {\mathrm{\θ}}_{\mathrm{ij}}),i=\mathrm{1,2},...,n-1$

$\mathrm{\Δ}{Q}_i=Q_{\mathrm{is}}-V_i\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{V}_j(G_{\mathrm{ij}}\sin {\mathrm{\θ}}_{\mathrm{ij}}-B_{\mathrm{ij}}\cos {\mathrm{\θ}}_{\mathrm{ij}}),i=\mathrm{1,2},...,m$

其中，ΔP、ΔQ分别为节点的有功功率偏差和无功功率偏差，P_is、Q_is为第i个节点给定的有功功率和无功功率；V_i、V_j分别为第i个节点和第j个节点的电压；G_ij、B_ij分别为从节点i到节点j支路的电导和电纳；θ_ij为节点i与节点j的相角差；

步骤④、由输入的变量和所述节点导纳矩阵生成潮流，计算雅可比矩阵J：

$J=\left[\begin{array}{cc}H& N\\ K& L\end{array}\right]$

式中，H是(n-1)阶方阵，其元素为N是(n-1)×m阶矩阵，其元素为K是m×(n-1)阶矩阵，其元素为L是m阶方阵，其元素为 $L_{\mathrm{ij}}=V_j\frac{\∂\mathrm{\Δ}{Q}_i}{\∂V_j};$

步骤⑤、求解线性修正方程组 $-\left[\begin{array}{c}\mathrm{\ΔP}\\ \mathrm{\ΔQ}\end{array}\right]=\left[\begin{array}{cc}H& N\\ K& L\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ\θ}\\ V_D^{-1}\mathrm{\ΔV}\end{array}\right],$ 其中得到各节点电压幅值和相角的修正量Δθ、ΔV，更新节点电压，转至步骤③；

步骤⑥、按下式计算所有支路功率：判断各支路功率是否越限，若对于所有支路均有S_ij≤S_ijmax，则跳转步骤②，若有一条或以上支路出现S_ij＞S_ijmax，则在计算其适应度时给予预设的惩罚操作，跳转至步骤⑦；其中，i为支路首节点，j为支路末节点，波浪号表示取复数的共轭值；

步骤⑦、计算适应度，退出牛顿-拉夫逊迭代，返回所述适应度值至所述差分进化方法。

5.根据权利要求4所述的评估220kV自愈式环网最大供电能力的方法，其特征在于，根据预设的差分进化方法对所述种群进行进化的步骤包括：

对所述种群进行变异处理：

根据下式随机选择两个个体向量生成差分向量，将生成的差分向量与随机选择的另一个向量相加，生成变异向量：

式中x_r1、x_r2、x_r3表示种群中3个不同的个体；

其中变异处理的缩放因子采用如下的自适应策略：式中F0_l、F0_u分别为F0的上下限，f_t1、f_t2、f_t3分别为的适应度。

6.根据权利要求5所述的评估220kV自愈式环网最大供电能力的方法，其特征在于，根据预设的差分进化方法对所述种群进行进化的步骤包括：

对所述种群进行交叉处理：

根据下式将变异向量与目标向量交叉生成交叉向量

${\mathrm{ui}}_j^{t+1}=\left\{\begin{array}{c}{v}_{\mathrm{ij}}^{t+1},\mathrm{rand}\left(j\right)\≤\mathrm{CR}\\ x_{\mathrm{ij}}^{t+},\mathrm{otherrwise}\end{array}\right.;$ 式中，rand(j)∈[0,1]为均匀分布的随机函数，CR为交叉概率因子；

其中，所述交叉概率因子采用如下的自适应策略：

式中CRmin、CRmax分别为最小交叉概率因子和最大交叉概率因子，T为最大迭代次数。