CN104881723B - 考虑等效负荷点影响的含源配电网故障停电方案优化方法 - Google Patents
考虑等效负荷点影响的含源配电网故障停电方案优化方法 Download PDFInfo
- Publication number
- CN104881723B CN104881723B CN201510322993.9A CN201510322993A CN104881723B CN 104881723 B CN104881723 B CN 104881723B CN 201510322993 A CN201510322993 A CN 201510322993A CN 104881723 B CN104881723 B CN 104881723B
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- msub
- load
- user
- 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 77
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 230000005611 electricity Effects 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 4
- 230000000875 corresponding Effects 0.000 claims description 13
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 10
- 240000002853 Nelumbo nucifera Species 0.000 claims description 10
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 230000003044 adaptive Effects 0.000 claims description 4
- 235000009808 lpulo Nutrition 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000002068 genetic Effects 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 5
- 210000004209 Hair Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000002194 synthesizing Effects 0.000 description 3
- 210000000349 Chromosomes Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009114 investigational therapy Methods 0.000 description 2
- 230000002045 lasting Effects 0.000 description 2
- 230000004301 light adaptation Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 229910004682 ON-OFF Inorganic materials 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000004027 cells Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000994 depressed Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000002965 rope Substances 0.000 description 1
- 230000001932 seasonal Effects 0.000 description 1
Abstract
本发明属于电网配电技术领域，尤其涉及一种考虑等效负荷点影响的含源配电网故障停电方案优化方法，包括：将配电网络等效为配电网负荷树图，确定每个负荷点编号、等级；采集各个负荷点功率，获取各个负荷点在停电时间段内的失电负荷函数；根据用户重要性影响指标，采用客观赋权法获得用户重要性程度指标；再通过加和计算，得到负荷点重要性程度指标函数；采用蒙特卡洛法对分布式电源和上级电源进行模拟，获得系统需求的停电容量和停电电量的曲线；统计用户点停电损失情况，得到停电损失函数，获得各个负荷点的等效权重函数；建立以系统的等效失电量最小和等效负荷损失量最小为目标函数；对目标函数进行优化求解，得到最优停电方案。
Description
技术领域
本发明属于电网配电技术领域，尤其涉及一种考虑等效负荷点影响的含源配电网故障停电方案优化方法。
背景技术
随着城市配电网络的日益发展和城网改造工程的深入，我国的配电网络结构越来越复杂，管理区域也越来越大。为了提高整个配电网络的可靠性，为配电网络提供可靠支撑，分布式电源的接入不但为配电网络增加了一定的备用，而且通过如风能、太阳能等清洁能源的利用，也逐步实现了能源的优化利用。本发明中所提到的含源配电网，指的就是含有分布式电源接入的配电网络，分布式电源可以是风力发电机组、太阳能发电机组、垃圾发电机组、微型燃气轮机、燃料电池等。
配电网络运行的根本目标是，配电网的发电容量及发电量要满足负荷需求。本发明所指含源配电网络，其供电容量应等于向该配网供电的全部变压器容量、直接向该配电网供电的发电厂容量以及接入该配电网的所有分布式电源的容量之和。由于上级电源或变压器可能会有发生故障、非正常运行、短时间限电或因检修停运的情况，并且所接入的分布式电源其出力具有随资源状况不同而变化的随机性和间歇性特点，因此当出现以上原因时，配电网发电容量有可能不能满足当时负荷的需求；此时可以选择对部分负荷进行停电或限电操作，来保证配电系统的平稳运行。因此选择最优的停电方案至关重要。
配电网最优停电方案是配电网自动化的重要组成部分。在既定的时间段内，必须停供一定容量、电量的前提下，如何选择停供用户或负荷点则十分重要。不同的停电方案，停供不同的用户，对于用户各自的影响是不同的，除了经济上的停电损失之外，还可能涉及用户停电产生的社会影响、容量影响、电量影响甚至对环境的影响。这反映出不同性质的用户对于电力系统的依赖程度是不同的，因此需要将这些情况综合考虑。
如果在停电方案的选择中，需要结合所有负荷点相关信息，那么对于负荷点的定义则十分重要。本发明将所有负荷点分为等效负荷点和用户点，用户点即功率直接流向某个具体用户的节点；等效负荷点是配电网络中的功率分流点，从这个点功率分别流向该点所连接的不同用户群。针对每一个用户点可以综合考虑用户的负荷等级、合同容量、用电负荷情况和环保贡献情况，获得用户重要性系数，由此通过计算可以得到每一个包括等效负荷点和用户点的负荷点重要性系数。这样的分类方法，使得在做停电方案的选择时，不但可以细化到对每个负荷点开断情况的控制，而且可以综合考虑每一个负荷点的重要性系数，来得到最优的停电方案。
发明内容
在发电机组部分发生故障，发电系统出力不能满足负荷需求的情况下，为了整个含源配电系统寻求最优的负荷停电方案，本发明提出了一种考虑等效负荷点影响的含源配电网故障停电方案优化方法，包括：
步骤1、根据划定的配电区域的配电网络结构图，形成配电网络负荷树图，确定每个负荷点的分布情况、编号和级别；负荷树由负荷点组成，负荷点分为等效负荷点和用户点，等效负荷点是指每一个有功功率分流的支路节点，用户点是指配电网络最末端功率的流出点；当功率按照规定的方向流经各个负荷点时，接受功率的负荷点的级别较提供功率的负荷点的级别要升高一级；
步骤2、采集各个负荷点功率，获取各个负荷点在停电时间段内的失电负荷函数；根据用户点的用户负荷等级、用户合同容量、用户最大负荷值和用户企业环保水平等级，采用客观赋权法赋权重，并且对各项指标进行线性加权，获得用户重要性程度指标；对每一个等效负荷点下的所有等效负荷点和用户点进行搜索，获得其下属的所有负荷点的重要性程度指标数值，得到负荷点重要性程度指标函数；
步骤3、根据获得的每个负荷点的需求曲线，采用蒙特卡洛法对分布式电源和上级电源进行状态模拟，并同时根据负荷情况，计算在各种运行状态下的系统需求的停电容量、系统需求的停电电量的曲线；
步骤4、统计所有用户点在发生不同时长的停电情况下的停电损失情况，得到全部负荷点的停电损失函数，选取单位时间内停电损失值最小的一个居民用户作为基准进行比较，获得各个负荷点在不同停电时长下的等效权重函数；
步骤5、建立以系统的等效失电量最小和等效负荷损失量最小为目标函数，约束条件包括：系统实际停电容量大于系统需求的停电容量、系统实际停电电量大于系统需求的停电电量、系统实际所发功率不小于负荷需求、各台发电机出力满足出力极限、各台分布式电源出力满足出力极限；等效失电量等于统计时间内的失电负荷函数与负荷点重要性程度指标函数的乘积；等效负荷损失量等于统计时间内的失电负荷函数与等效权重函数的乘积；
步骤6、采用基于逐次修正适应度函数权重系数的改进遗传算法对目标函数进行多目标优化的求解；通过对原始数据进行二进制编码，反映出配电网络结构中的不同时间段的开关开断情况，之后计算适应度函数，每一次迭代均对适应度函数中的目标函数项修正其权重系数，使之更加快速的趋向于所求结果收敛；进行多次求解之后，获得一串1、0编码序列，即为最终的最优停电方案组合解，该编码序列也表示每个负荷点在统计时间内的每个时段的开断情况的组合。
所述步骤2中负荷点重要性程度指标函数的计算过程包括：
步骤201、收集每个用户的影响信息，并确定重要性影响指标数值；
用户负荷等级S1是指根据电力用户等级分类，S1取值分别对应为：三类用户＝1，二类用户＝2，一类用户＝3，特级用户＝4；
用户合同容量S2对低压用户而言是指允许装接的用电设备容量数值；对中高压用户而言是指直接接在受电电压线路上的变压器和直配高压电动机容量之和；
用户最大负荷值S3是指用户在统计时间段内的峰荷值，通过原始数据中用户的负荷数据信息，获得统计时间内每个用户的最大负荷值；
用户企业环保水平等级S4是指国家对于企业环保的综合评价结果，并且被划分为五种颜色来表示企业环保行为等级，分别为绿色蓝色黄色红色黑色；用户企业环保水平等级S4取值为绿色＝5、蓝色＝4、黄色＝3、红色＝2、黑色＝1；
步骤202、采用客观赋权法来对用户影响信息指标进行赋权重，之后通过线性加权法进行综合计算获得用户点的重要性影响指标；
设用i表示所求取的配电网络中的用户点，j表示每个用户点的重要性影响指标，其中i＝1,2,...,n，n为配电网络中用户点的个数；本发明中j＝1,2,3,4；首先对i个用户点下的j个用户影响信息指标，形成原始数据用户影响信息矩阵A，
分别对应第j项指标下，第i个用户点的重要性影响指标；
步骤203、采用均方差法求取各项用户点的重要性影响指标权重，包括：
a.首先需要对原始数据进行归一化处理，即将指标进行无量纲化；采用线性比例法，分别对每一列的数据进行处理；
通过公式获得无量纲化后的用户影响信息指标矩阵如下为：
b.计算每个指标的方差，
其中，n为用户点数，
c.计算指标j的权重值
ωj＝σj/∑σj,j＝1,2,...,m
d.线性加权确定每个用户点的重要性程度指标
其中i＝1,2,...n,表示用户点，m表示用户点影响信息指标，m＝4；
步骤204、对于每一个等效负荷点下的所有等效负荷点和用户点进行搜索，获得其下属的所有负荷点的重要性程度指标数值，负荷点重要性程度指标函数u(R)的求取，并且进行求和运算，从而获得各个级别等效负荷点的重要性程度指标，通过计算可以获得全部负荷点的重要性程度指标，并且对应不同负荷点的不同重要性程度值u得到负荷点重要性程度指标函数u(R)。
所述步骤3中的系统需求的停电容量和系统需求的停电电量求取过程包括：
步骤301、仿真初始化，读入常规机组和分布式电源机组数据，包括容量、故障率、出力随机序列模型，以及时序负荷数据；
步骤302、生成分布式机组出力时序曲线及各常规电源状态转移时间序列；
步骤303、对常规电源和分布式机组的状态进行随机抽样，确定所有发电机组的运行状态；
步骤304、基于负荷、所有发电机组的状态，依据发电系统电力平衡约束，判断是否需要进行停电操作，如果需要则计算系统需求的停电容量PL表示配电网连接的负荷功率，PGi表示常规机组功率，PDGi表示分布式电源机组功率，NG表示常规机组数量，NDG表示常规机组数量分布式电源机组功率；并记录该时段的系统需求的停电电量，如果不需要则返回步骤303；
步骤305：模拟整个时间段内的机组运行状态，判断是否完成模拟时段，如果完成则统计各个时刻的系统需求的停电容量值，并对停电容量值确定时段求积分，即可获得系统需求的停电电量，如果未完成则返回步骤303。
所述步骤5中目标函数具体包括：
f1(x)为系统等效失电量，f1(x)为系统等效负荷损失量，R表示负荷点编号；R(λ)为对应时段内可以停电的负荷点集合；Pc(λ,R)表示负荷点R在停电时段为λ的失电负荷函数，u(R)表示负荷点重要性程度指标函数，λ表示统计时间内的时间段数，λ＝1,2,…,n，T为每段时间的时长，D(TR,R)表示考虑用户停电后果影响的等效权重函数，即负荷点为R、累计停电时长为TR时的函数值,TR表示负荷点R的累积停电时长。
本发明的有益效果：
1)本发明通过将配电网络图等效转换为配电网络负荷树图，更加直观的体现了网络结构中负荷点之间的关系。通过对网络中所有负荷点的重新定义、分类和级别的划分，将所有负荷点分为等效负荷点和用户点，并且将等效负荷点分级别划分为k级，体现了负荷点之间的关系，同时将停电方案细化到配电网络结构中的每一个负荷点的开断情况。通过负荷点分类分级别的方法，还可以将用户侧的影响因素加以考虑计算，通过求取负荷点重要性程度指标，得到最终的考虑负荷点重要性的停电优化方案。
2)本发明的目标函数为系统等效失电量最小和等效负荷损失量最小，主要从用户侧对停电方案的影响加以考虑所得到的停电方案。其中提出的负荷点等效失电量，为负荷点实际失电量与负荷点重要性程度指标相乘之积，该值考虑了负荷点重要性程度，为停电方案选择做出指导。
3)本发明的数学模型求取方法采用基于逐次修正权重系数的遗传算法来进行求解，即每一次迭代均对适应度函数中的目标函数项修正其权重系数，使之更加快速的趋向于所求结果收敛。对于适应度函数的权重进行逐次迭代调整，使进化过程中一些有用的信息对目标偏好进行持续的细化，通过逐次调整权重获得逐渐朝向理想点的搜索压力，更利于种群的进化以及向目标函数靠近的速度。
4)在发电系统模型中，本文加入了分布式电源接入的影响，考虑了分布式电源的随机性模型，为含源配电网的停电方案优化提供指导。
附图说明
图1为发电系统等值图；
图2为配电网络结构图示例；
图3为配电网络负荷树等效图；
图4为基于遗传算法流程图；
图5为本发明总体流程图；
其中，G-传统类型发电机组，DG-分布式电源机组，PL-配电网所连接的负荷；1～8为等效负荷点的编号，9～17为用户点的编号。
具体实施方式
下面结合附图，对实施例作详细说明。
在发电机组部分发生故障，发电系统出力不能满足负荷需求的情况下,选择出负荷点等效失电量和等效负荷损失量综合最小的最佳停电方案。根据以上数学模型，具体操作步骤流程图见图5，具体操作步骤总结和部分举例说明如下。
本发明在计算电力平衡时将电力系统简化成如图1的发电系统情况。其中，G表示向该配网供电的变压器和直接向该配电网供电的传统类型的发电厂，如火力发电、水力发电等；DG表示接入该配电网的分布式电源，如风力发电、光伏发电、垃圾发电、微型燃气轮机发电等；PL表示该配电网连接的负荷。即不考虑配电网络的结构所造成的影响，此处仅通过发电系统的功率输入和负荷流出情况，来讨论系统是否满足电力平衡和电量平衡约束。
步骤1、形成配电网负荷树图及负荷点的划分
在本发明中，如图2表示的配电网络图，可以被等效为配电网络负荷树图，如图3所示。配电网络负荷树体现了负荷点之间的网络连接关系和传承关系，负荷树由负荷点组成，每当有功率产生分流即形成一个新的负荷点。负荷树的概念体现了不同负荷点之间类似于树干和树枝之间的从属关系。
整个配电网络的所有负荷点，可以划分为等效负荷点和用户点，而配电网络的负荷分配情况，可以简化为利用等效负荷点和用户点来表示。
等效负荷点表示，配电网络中凡是有功率分流的点均称作为一个等效负荷点，如图2和3中编号为1,2,3,4,5,6,7,8即为等效负荷点，在图3中用圆圈表示，其在负荷树中体现的意义便是树干的意义。
用户点表示在配电系统的最末端的功率流出点，即直接接入的某单个用户或单一用户的变压器。如图2和3中，编号为9,10,11,12,13,14,15,16,17即为用户点，在图3中用箭头表示。
依据负荷树的图中所示，将所有的等效负荷点分级别进行表示，这样可以按照负荷树从上至下得到共k个级别的等效负荷点，负荷点级别最高为第1级，如图3中的1点，最低级别为k级，如图3中负荷点8为第6级。其中，每一条分枝的k-1级等效负荷点均包含了下属的所有k级等效负荷点和用户点。这样，通过构建配电网络负荷树，利用用户点和等效负荷点，便可以把整个配电网的网络结构关系表示出来，各负荷点开关状态辅之以负荷分布便可以表达具体的停电方案了。
步骤2、负荷点重要性程度指标函数的求取
本发明中所考虑的负荷点重要性程度，是从用户侧角度出发进行分析。不同用户对于电力系统的依赖程度不同，反映出不同用户对于配电网的运行要求的差异；同时，由于配电网的停电方案选择与用户侧直接相关，因此在做配电网停电方案时，需要将用户侧的影响因素加以考量。
由于不同的停电方案可能对不同用户造成差异性影响，本发明通过对用户侧指标信息的综合计算，获得用户重要性程度指标u；通过该指标，可以衡量出综合考虑用户各类指标后，不同用户的重要性程度，来作为一个综合考量需求侧影响的指标，并将其用以停电方案优化计算中。对于指标u的计算思路，本发明中先通过对考虑用户影响的用户信息指标分析确定，获得每个用户的影响信息指标，之后通过对不同的用户影响信息指标采用客观赋权法赋权重，并且对各项指标进行线性加权，可以得到反映用户各个影响信息指标在内的综合性指标，该指标即为用户重要性程度指标u。
考虑用户侧影响指标，需要分析在设定停电方案时所要考虑的用户侧的相关信息。本发明采用用户负荷等级、用户合同容量、统计时间内用户的最大负荷和用户企业环保水平等级这四个指标。
由于在本发明中，负荷点被分为用户点和等效负荷点，对于用户点和等效负荷点的重要性程度指标的计算方法也有所不同。具体的求解步骤如下。
步骤201：用户影响信息指标的确定
首先需要对原始数据进行收集和处理，即确定每个用户的影响信息指标数值，需要确定的量包括：用户的负荷等级、用户的合同容量、用户最大负荷值和用户企业环保水平等级。
S1用户负荷等级是指根据电力用户等级分类，所采用的级别性指标，特级用户为等级最高，三类用户为等级最低。用户负荷等级S1取值分别对应为：三类用户＝1，二类用户＝2，一类用户＝3，特级用户＝4。
S2用户合同容量值，对低压用户而言是指允许装接的用电设备容量数值；对中高压用户而言是指直接接在受电电压线路上的变压器和直配高压电动机容量之和。
S3用户最大负荷值，通过原始数据中用户的负荷数据信息，获得统计时间内每个用户的最大负荷值；
S4用户企业环保水平等级是指国家对于企业环保的综合评价结果，并且被划分为五种颜色来表示企业环保行为等级，分别为绿色蓝色黄色红色黑色。企业环保水平等级指标S4取值为绿色＝5、蓝色＝4、黄色＝3、红色＝2、黑色＝1来表示企业环保行为从高到底的等级。
步骤202：用户点的重要性程度指标的求取
本发明中，采用客观赋权法来对用户影响信息指标进行赋权重，之后通过线性加权法进行综合计算获得用户点的重要性程度指标。
客观赋权法是一种根据各项指标观测值提供的信息量的大小来确定指标权重的方法。由于每个用户均有四项用户影响信息指标数值，对于一个配电区域的所有用户点来说，可以列出用户影响信息指标矩阵，
n表示用户点数，m表示用户影响信息指标，本发明中m＝4。若要综合求取用户重要性程度指标，需要将指标进行求取权重。由于每一个指标对综合结果的影响程度，需要通过比较该指标下各个用户的数值，数值差异较大的指标，在最后的综合计算中的影响越大。本发明中采用的客观赋权法为均方差法，某个指标的标准差越大，说明在同一指标内，各方案取值差距越大，在综合求取中所起的作用越大，其权重也越大；相反，某个指标的标准差越小，在综合求取中所起的作用越小，其权重也越小。该方法步骤较为简单清晰，具有客观性；基于“差异驱动”原理进行客观赋权，即所提供的信息差异性越大，在结果的影响亦越大，这样的赋权过程更加直观体现这一意义，从赋权的结果来看也更好的反映了各个用户影响信息指标在特定的配电区域内的影响程度。之后采用加权平均法，综合用户各个影响信息指标，进行加权平均后得到用户点重要性程度指标。具体求取过程如下。
设用i表示所求取的配电网络中的用户点，j表示每个用户点的重要性影响指标(其中i＝1,2,...,n，n为配电网络中用户点的个数；本发明中j＝1,2,3,4)。首先对i个用户点下的j个用户影响信息指标，形成原始数据用户影响信息矩阵A，
分别对应第j项指标下，第i个用户点的指标数值。
下面为采用均方差法求取各项用户影响信息指标权重的过程：
a.首先需要对原始数据进行归一化处理，即将指标进行无量纲化本发明采用线性比例法，分别对每一列(即每一项指标下)的数据进行处理。
通过公式获得无量纲化后的用户影响信息指标矩阵如下为，
b.计算每个指标的方差，
其中，n为用户点数，
c.计算指标j的权重值
ωj＝σj/∑σj,j＝1,2,...,m
d.线性加权确定每个用户点的重要性程度指标
其中i＝1,2,...n,表示用户点，m表示用户点影响信息指标。
步骤203：负荷点重要性程度指标函数u(R)的求取
上述步骤说明了用户点重要性程度指标的求取方法。对于每一个等效负荷点的重要性程度指标的求取方法，需要对该级别等效负荷点下的所有等效负荷点和用户点进行搜索，获得其下属的所有负荷点的重要性程度指标数值，并且进行求和运算，从而获得各个级别等效负荷点的重要性程度指标。如图3中，u8＝u16+u17，u7＝u8+u15其中u15、u16和u17为用户点15、16和17的重要性程度指标。
通过计算可以获得全部负荷点的重要性程度指标，并且对应不同负荷点的不同重要性程度值u可以得到负荷点重要性程度指标函数u(R)。
步骤3、求取系统需求的停电容量和停电电量，需要根据发电系统的运行状态与实时负荷情况进行求取。这里采用蒙特卡洛法来对需求停供容量进行计算。普通电源，即上级变压器或电能来源，采用故障率为λG修复率为μG的两状态模型；分布式电源机组除考虑故障状态外，还采用输出功率随资源情况变化的随机模型，如风力机组采用WTG统计历史风速模型，光伏机组采用统计历史时段光照强度对应的各时段平均电源出力的离散模型等。
计算在时段为λ时系统需求的停电容量，用公式具体步骤如下，
步骤301：仿真初始化，读入常规机组和分布式电源机组数据，包括容量、故障率、出力随即序列模型等，以及时序负荷数据；
步骤302：生成分布式机组出力时序曲线及各常规电源状态转移时间序列；
步骤303：对常规电源和分布式机组的状态进行随机抽样，确定所有发电机组的运行状态；
步骤304：基于负荷、所有发电机组的状态，依据发电系统电力平衡约束，判断是否需要进行停电操作，如果需要则计算系统需求的停电容量并记录该时段的系统需求的停电电量，如果不需要则返回步骤303；
步骤305：模拟整个时间段内的机组运行状态，判断是否完成模拟时段，如果完成则统计各个时刻的系统需求的停电容量值，之后对求得的Pneed对确定时段求积分，即可获得系统需求的停电电量Wneed，如果未完成则返回步骤303。
步骤4、计算考虑用户停电后果影响的等效权重函数D(TR,R)是指,不同负荷点在不同停电累积时长下的等效停电权重。本发明中对负荷点停电后果分析，是从经济影响因素角度来考虑，即通过对负荷点的停电损失大小W进行计算，之后以某一用户的停电损失值为基准，用其他的用户与之进行比较获得等效权重值，即为负荷点为R、累积停电时长为TR时该负荷点的等效权重。
本发明对负荷点停电损失大小采用的是负荷点停电损失函数W(TR,R)，即表示负荷点R在累积停电时长为TR时所对应的停电损失，单位为元/kW。停电损失的计算采用针对不同类型用户的停电损失费用随时间段的变化关系其中，CiT表示第i个用户在停电持续时间为TR小时的停电损失费用数值C(元/kW·h),该数值的求取，需要对不同用户进行停电损失调查，调查用户在发生不同时长的停电情况下的停电损失值估计(停电期间的直接经济损失和停电后恢复生产带来的间接损失求和)。统计每一国民经济类别所有用户的停电损失值情况，进行曲线拟合获得该类别用户停电损失随时段变化表，如表1所示，而等效负荷点的停电损失则根据负荷点的涵盖范围，对用户停电损失累加得到各个负荷点的单位功率停电损失随时间段变化数据；TR表示负荷点在统计时间段内的累积停电时长，即为TR＝n×Tλ，n表示该方案对应的负荷点R的停电时间段数，Tλ为每段时间。本发明W(TR,R)表示了每个负荷点所对应的不同时长下的停电损失值。如图3中等效负荷点8的W8(T8)值为W16(T8)+W17(T8)，表示等效负荷点8在停电累积时长为T8时，其值为用户点16和17在停电累积时长为T8的单位停电损失。
表1 某配网区域内分类用户单位功率停电损失随时间变化表(元/kW-1)
在通过计算获得了网络全部负荷点的停电损失函数W(TR,R)之后，选取单位时间内停电损失值最小的一个居民用户作为基准，设定其D值为1，用其它所有用户的不同时段下的停电损失值与之做比，即获得其余每个负荷点不同时段下对应的等效权重D值。如以表1中的用户一(居民用户)作为基准，则用户一在各个停电时段下的等效权重均设置为1；那么对于用户三的各个停电时长下的等效权重计算即为：累计停电时长为1小时，累积停电时长为2小时，...最终得到用户三的各个时段的等效权重。
通过计算全部负荷点之间的停电损失值，并且将其做比较，可以获得各个负荷点在不同停电时长下的等效权重函数D(TR,R)。
步骤5、建立以系统的等效失电量最小和等效负荷损失量最小为目标函数，目标函数具体描述如下，
目标函数①:使系统的等效失电量最小
在一个时间段内，负荷点的失电量即为失电时间与失电负荷的乘积。考虑负荷点重要性系数的情况下，累积所有停电时间段的失电量，
式中，R表示负荷点编号；R(λ)为对应时段内可停的负荷点集合；Pc(λ,R)表示负荷点R在停电时段为λ的失电负荷函数，本发明所取的单位kw；u(R)表示负荷点重要性程度指标函数；λ表示统计时间内的时间段数，T为每段时间的时长，本发明所取的单位为小时。
目标函数②:使系统等效负荷损失量最小
式中，R表示负荷点编号；D(TR,R)表示考虑用户停电后果影响的等效权重函数，即负荷点为R、累计停电时长为TR时的函数值；TR表示负荷点R的累积停电时长，本发明所取的单位为小时；λ表示统计时间内的停电时间段，如在本发明中统计时长为一天，将一天按照24小时来分段。
约束条件包括：
系统实际停电容量大于系统需求的停电容量
实际停电电量大于系统需求的停电电量
系统实际所发功率不小于负荷需求
各台发电机出力满足上下限约束
PGimin≤PGi≤PGimax，i∈NG
各台分布式发电机出力满足上下限约束
0≤PDGi≤PDGimax，i∈NDG
其中，PGi为发电机i的有功出力；PDGi为分布式电源的有功出力；PCrλ和Pneedλ为负荷点r在时段为λ时的负荷削减变量和系统需求的停电负荷量，PDr为负荷点的有功负荷需求，本发明所取的单位为kw；WCrλ和Wneedλ为负荷点r在时段为λ时的实际停电电量和系统需求停电电量，本发明所取的单位为kwh；PGimin和PGimax为发电机i的出力极限；NG、NDG和RD为所有发电机、分布式电源和配电区域所有包含的负荷点的集合。
目标函数前提情况及统计范围的确定
本目标函数讨论的情况是，讨论当发电系统在处于因机组发生故障、非正常运行、短时间限电或因检修停运而不能正常运行的状态下，需要通过甩负荷，来减少负荷侧的需求量，保证系统稳定运行。通过对不同负荷点的开断情况做出选择，得到停供负荷点及其等效失电量、停电损失，在众多停电方案中，选择以这两个目标为最小的停电方案，即为最优的停电方案。
在建立目标函数之前，首先设定停电方案的时间范围(如求取一年、一月或一日内的停电方案)，本发明中暂且设定统计时长为一天，并且按照小时分为24个时段。
目标函数已知条件求取的进一步说明
目标函数1中,Pc(λ,R)函数表示的是负荷点在某一时段的失电负荷。对统计时长做分段化处理，若统计时长分为N段，则统计时长内的负荷需求可表示为N个水平曲线相连得到的分段函数。Pc(λ,R)表示的是负荷功率值随选择时段和停电负荷点变化的函数。
目标函数1中,R(λ)区域范围表示的意义是，第λ时段可以用于计算等效失电量的负荷点的范围。根据本发明所采用的遗传算法，如图4所示，最初获得的停电方案组合随机，可能包含该停电支路上级和下级负荷点均停电的情况，若产生同一负荷通路内上下级负荷点同时处于停电操作状态时，则优先级别较高的负荷点采取停电操作，而较低级别的负荷点按照不断电操作处理。这样是为了保证在计算停电负荷值时，避免因上级等效负荷点对下级负荷点的包含而进行重复计算。而实际上这条负荷通路内，该等效负荷点R的下级所有负荷点的实际工作情况应为全部断开，只是为了停电方案的计算而将其编码置于连通的位置。例如,在负荷树图3中,若等效负荷点6为停电操作,其对应的所有下级负荷点(包括等效负荷点和用户点)均按照不停电进行编码设置,即(7,8,14,15,16,17)均作为连通处理。
目标函数1中,u(R)函数为反映负荷点重要性指标的函数，整个目标函数f1(x)表示的是考虑负荷点重要性影响的等效失电量。即通过乘以负荷点重要性函数系数，将原来的负荷点实际失电量修正为负荷点等效失电量，该值反映出考虑了负荷点重要性的失电量情况。
步骤6、优化函数的求解
采用基于逐次修正权重系数的改进遗传算法来进行对该多目标函数的求解。首先说明对适应度函数的权重赋值及修正过程。
①适应度函数的权重修正过程
在传统的遗传算法的基础上，对适应度函数的形成加以修正，在每次计算过适应度函数之后，对该函数进行权重计算，对于每一代形成的优化目标个体，均重新进行权重计算，使进化过程中一些有用的信息对目标偏好进行持续的细化，通过逐次调整权重获得逐渐趋向于优化方向的进化，更利于种群的进化以及向目标函数靠近的速度。下面为适应度函数的修正过程。
在遗传进化的过程中，每代均产生一定数目个体组成新的子代种群P。当前种群的所有个体中，优化目标函数f1的最大值和最小值分别为：
类似的，可以得到目标函数f2的最大值和最小值和在当前代，对每个目标函数的权重值如下式求取：
其中j＝1,2分别对应两个目标函数。
对于种群P的给定个体i对应的λi和Ri，有：
则可以得到考虑权重的适应度目标函数项为：
即其中f1'和f2'为修正后的函数值。
修正后的遗传算法适应度函数为：
其中，W为惩罚项。
②本发明基于逐次修正权重系数的改进遗传算法的具体实施步骤如下：
步骤601：输入所有负荷点(包括所有等效负荷点和用户点)在不同时段所对应的负荷值。
步骤602：对原始数据进行初始编码，对种群P进行初始化处理，本文采用二进制的编码形式。用均匀分布的随机数生成初始种群中各个个体的基因值。
输入数据的表现型n＝[1,2,...,N]表示所有的负荷点(包含所有等效负荷点和用户点)编号，其中N为负荷点个数。数据的基因型采用0和1来表示，0表示该负荷点不采取断电措施，1表示该负荷点采取断电措施。这样，在每个固定时段tλ内，可以形成一组行数为1、列数为N的0、1矩阵，如[1,0,0,...,0,1]，该段编码顺序表示的便是在该固定时段内所有负荷点的开断情况；在总的统计时间内共λ个时间段，每一个个体可以表示为行数为1、列数为N×λ的矩阵序列，即为该个体的N×λ位基因序列。假设形成的一代种群个数为m个。
步骤603：根据多目标函数和约束条件模型，构建遗传算法适应度函数模型，对种群P进行适应度计算，并且对适应度函数进行修正。
已知目标函数为
约束条件为
可以获得遗传算法的适应度函数模型为
Fit(λ,R)＝f1+f2+cf3+df4+ef5
当约束条件满足时，令f3＝0，f4＝0，f5＝0，适应度函数可以写为
Fit(λ,R)＝f1+f2
当约束条件不满足时，分别令
则遗传算法的适应度函数可以写成，
其中，c,d,e为惩罚项系数，分别取值为c1,d1,e1作为惩罚项系数。这三个系数的确定，即决定了惩罚项函数的强度大小，通过惩罚项函数的大小取值，可以将不满足约束条件的适应度函数进行适当范围内的放大，从而在选择的过程中将不满足约束的方案筛除。如果惩罚项函数的数值强度太小的话，部分个体仍有可能破坏约束条件，所以保证不了遗传运算所得到的个体一定是满足约束条件的一个可行解；如果惩罚项函数的强度太大的话，又有可能使个体的适应度差异不大，降低了个体之间的竞争力，从而影响遗传算法的运行效率。因此需要通过惩罚项系数的取值保证目标函数项和惩罚项数值量级一致，如通过惩罚项系数的取值，可以获得合适的惩罚项函数值，来帮助满足选择方案的筛选。由两个目标函数可以看出，负荷单位为kw，停电损失单位为元，时间单位为小时，目标函数与惩罚函数差别应在1-100倍之间，因此取值惩罚项系数范围为(0，100)，并通过计算过程中的调试，可以使得目标函数和惩罚项函数相适应。
在每次计算过适应度函数之后，通过对目标函数项进行权重计算，对适应度函数的目标函数部分形成加以修正，形成新的适应度函数，供下一代进行适应度函数求取时使用。第一次计算采用原始遗传算法适应度函数公式，不做权重系数计算。具体过程参见上文适应度函数的修正过程。
每次修正后的约束不满足情况下的适应度函数为，
即为
约束条件满足时，Fit(λ,R)＝f1'+f2'，即为
步骤604：选择过程，通过个体适应度大小，将一定比例的个体从种群中复制出来，组成一个新的种群，以实现个体“优良基因”的延续。这个过程是基于适应度函数的优胜劣汰过程。本文采用的选择操作方法为随机遍历抽样法，个体被选中的概率按照适应度分配的比例来计算，式中，Pi为个体i被选中的概率；fi为某个个体i的适应度；M为种群中个体的数量。
步骤605：交叉基因重组过程，将父代两个染色体中的一部分进行交换替代形成新的个体子代。本文的编码方式为二进制编码，采用二进制交叉中的单点交叉即可。
步骤606：基因突变过程，形成的新的交叉后的基因以极小的概率进行变异的过程。本文采用二进制变异过程，对二进制编码中的染色体变量进行随机的翻转。
步骤607：得到新一代的种群个体，并且返回步骤c进行下一次的迭代，规定当迭代次数达到q＝qs时，迭代停止，得到最优解。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.一种考虑等效负荷点影响的含源配电网故障停电方案优化方法，其特征在于，包括：
步骤1、根据划定的配电区域的配电网络结构图，形成配电网络负荷树图，确定每个负荷点的分布情况、编号和级别；负荷树由负荷点组成，负荷点分为等效负荷点和用户点，等效负荷点是指每一个有功功率分流的支路节点，用户点是指配电网络最末端功率的流出点；当功率按照规定的方向流经各个负荷点时，接受功率的负荷点的级别较提供功率的负荷点的级别要升高一级；
步骤2、采集各个负荷点功率，获取各个负荷点在停电时间段内的失电负荷函数；根据用户点的用户负荷等级、用户合同容量、用户最大负荷值和用户企业环保水平等级，采用客观赋权法赋权重，并且对各项指标进行线性加权，获得用户重要性程度指标；对每一个等效负荷点下的所有等效负荷点和用户点进行搜索，获得其下属的所有负荷点的重要性程度指标数值，得到负荷点重要性程度指标函数；
步骤3、根据获得的每个负荷点的需求曲线，采用蒙特卡洛法对分布式电源和上级电源进行状态模拟，并同时根据负荷情况，计算在各种运行状态下的系统需求的停电容量、系统需求的停电电量的曲线；
步骤4、统计所有用户点在发生不同时长的停电情况下的停电损失情况，得到全部负荷点的停电损失函数，选取单位时间内停电损失值最小的一个居民用户作为基准进行比较，获得各个负荷点在不同停电时长下的等效权重函数；
步骤5、建立以系统的等效失电量最小和等效负荷损失量最小为目标函数，约束条件包括：系统实际停电容量大于系统需求的停电容量、系统实际停电电量大于系统需求的停电电量、系统实际所发功率不小于负荷需求、各台发电机出力满足出力极限、各台分布式电源出力满足出力极限；等效失电量等于统计时间内的失电负荷函数与负荷点重要性程度指标函数的乘积；等效负荷损失量等于统计时间内的失电负荷函数与等效权重函数的乘积；
步骤6、采用基于逐次修正适应度函数权重系数的改进遗传算法对目标函数进行多目标优化的求解；通过对原始数据进行二进制编码，反映出配电网络结构中的不同时间段的开关开断情况，之后计算适应度函数，每一次迭代均对适应度函数中的目标函数项修正其权重系数，使之更加快速的趋向于所求结果收敛；进行多次求解之后，获得一串1、0编码序列，即为最终的最优停电方案组合解，该编码序列也表示每个负荷点在统计时间内的每个时段的开断情况的组合。
2.根据权利要求1所述方法，其特征在于，所述步骤2中负荷点重要性程度指标函数的计算过程包括：
步骤201、收集每个用户的影响信息，并确定重要性影响指标数值；
用户负荷等级S1是指根据电力用户等级分类，S1取值分别对应为：三类用户＝1，二类用户＝2，一类用户＝3，特级用户＝4；
用户合同容量S2对低压用户而言是指允许装接的用电设备容量数值；对中高压用户而言是指直接接在受电电压线路上的变压器和直配高压电动机容量之和；
用户最大负荷值S3是指用户在统计时间段内的峰荷值，通过原始数据中用户的负荷数据信息，获得统计时间内每个用户的最大负荷值；
用户企业环保水平等级S4是指国家对于企业环保的综合评价结果，并且被划分为五种颜色来表示企业环保行为等级，分别为绿色蓝色黄色红色黑色；用户企业环保水平等级S4取值为绿色＝5、蓝色＝4、黄色＝3、红色＝2、黑色＝1；
步骤202、采用客观赋权法来对用户影响信息指标进行赋权重，之后通过线性加权法进行综合计算获得用户点的重要性影响指标；
设用i表示所求取的配电网络中的用户点，j表示每个用户点的重要性影响指标，其中i＝1,2,...,n，n为配电网络中用户点的个数；本发明中j＝1,2,3,4；首先对i个用户点下的j个用户影响信息指标，形成原始数据用户影响信息矩阵A，
<mrow>
<mi>A</mi>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>n</mi>
<mo>&times;</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
分别对应第j项指标下，第i个用户点的重要性影响指标；
步骤203、采用均方差法求取各项用户点的重要性影响指标权重，包括：
a.首先需要对原始数据进行归一化处理，即将指标进行无量纲化；采用线性比例法，分别对每一列的数据进行处理；
通过公式获得无量纲化后的用户影响信息指标矩阵如下为：
<mrow>
<msup>
<mi>A</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msup>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>n</mi>
<mo>&times;</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mn>11</mn>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mn>12</mn>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mn>21</mn>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mn>22</mn>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msup>
<msub>
<mi>x</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>&prime;</mo>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
b.计算每个指标的方差，
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<mover>
<msubsup>
<mi>x</mi>
<mi>j</mi>
<mo>&prime;</mo>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mi>n</mi>
</mfrac>
</msqrt>
<mo>,</mo>
</mrow>
其中，n为用户点数，
c.计算指标j的权重值
ωj＝σj/∑σj,j＝1,2,...,m
d.线性加权确定每个用户点的重要性程度指标
其中i＝1,2,...n,表示用户点，m表示用户点影响信息指标，m＝4；
步骤204、对于每一个等效负荷点下的所有等效负荷点和用户点进行搜索，获得其下属的所有负荷点的重要性程度指标数值，负荷点重要性程度指标函数u(R)的求取，并且进行求和运算，从而获得各个级别等效负荷点的重要性程度指标，通过计算可以获得全部负荷点的重要性程度指标，并且对应不同负荷点的不同重要性程度值u得到负荷点重要性程度指标函数u(R)。
3.根据权利要求1所述方法，其特征在于，所述步骤3中的系统需求的停电容量和系统需求的停电电量求取过程包括：
步骤301、仿真初始化，读入常规机组和分布式电源机组数据，包括容量、故障率、出力随机序列模型，以及时序负荷数据；
步骤302、生成分布式机组出力时序曲线及各常规电源状态转移时间序列；
步骤303、对常规电源和分布式机组的状态进行随机抽样，确定所有发电机组的运行状态；
步骤304、基于负荷、所有发电机组的状态，依据发电系统电力平衡约束，判断是否需要进行停电操作，如果需要则计算系统需求的停电容量PL表示配电网连接的负荷功率，PGi表示常规机组功率，PDGi表示分布式电源机组功率，NG表示常规机组数量，NDG表示常规机组数量分布式电源机组功率；并记录该时段的系统需求的停电电量，如果不需要则返回步骤303；
步骤305：模拟整个时间段内的机组运行状态，判断是否完成模拟时段，如果完成则统计各个时刻的系统需求的停电容量值，并对停电容量值确定时段求积分，即可获得系统需求的停电电量，如果未完成则返回步骤303。
4.根据权利要求1所述方法，其特征在于，所述步骤5中目标函数具体包括：
<mrow>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>R</mi>
<mo>&Element;</mo>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mi>T</mi>
</mrow>
<mrow>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>R</mi>
<mo>&Element;</mo>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mi>D</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>R</mi>
</msub>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>P</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
</mrow>
f1(x)为系统等效失电量，f2(x)为系统等效负荷损失量，R表示负荷点编号；R(λ)为对应时段内可以停电的负荷点集合；Pc(λ,R)表示负荷点R在停电时段为λ的失电负荷函数，u(R)表示负荷点重要性程度指标函数，λ表示统计时间内的时间段数，λ＝1,2,…,n，T为每段时间的时长，D(TR,R)表示考虑用户停电后果影响的等效权重函数，即负荷点为R、累计停电时长为TR时的函数值,TR表示负荷点R的累积停电时长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510322993.9A CN104881723B (zh) | 2015-06-12 | 考虑等效负荷点影响的含源配电网故障停电方案优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510322993.9A CN104881723B (zh) | 2015-06-12 | 考虑等效负荷点影响的含源配电网故障停电方案优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104881723A CN104881723A (zh) | 2015-09-02 |
| CN104881723B true CN104881723B (zh) | 2018-06-01 |
Family
ID=
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632207A (zh) * | 2013-11-12 | 2014-03-12 | 中国海洋石油总公司 | 一种电源电网综合优化方法 |
| WO2014149149A1 (en) * | 2013-03-15 | 2014-09-25 | Avi Networks | Managing and controlling a distributed network service platform |
| CN104537580A (zh) * | 2015-01-27 | 2015-04-22 | 四川大学 | 基于K-means聚类的配电网网架的构建方法 |
| CN104636993A (zh) * | 2015-03-05 | 2015-05-20 | 国网山东省电力公司日照供电公司 | 配电系统可靠性算法 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014149149A1 (en) * | 2013-03-15 | 2014-09-25 | Avi Networks | Managing and controlling a distributed network service platform |
| CN103632207A (zh) * | 2013-11-12 | 2014-03-12 | 中国海洋石油总公司 | 一种电源电网综合优化方法 |
| CN104537580A (zh) * | 2015-01-27 | 2015-04-22 | 四川大学 | 基于K-means聚类的配电网网架的构建方法 |
| CN104636993A (zh) * | 2015-03-05 | 2015-05-20 | 国网山东省电力公司日照供电公司 | 配电系统可靠性算法 |
Non-Patent Citations (2)
| Title |
|---|
| 考虑用户停电损失的微网网架规划;郭贤等;《电工技术学报》;20140831;第29卷(第8期);全文 * |
| 计及分布式电源的配电网供电可靠性;刘传铨等;《电力系统自动化》;20071125;第31卷(第22期);全文 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103544655B (zh) | 一种含微电网的区域配电网分层优化方法 | |
| Wang et al. | Analysis of operation cost and wind curtailment using multi-objective unit commitment with battery energy storage | |
| CN103034912B (zh) | 一种分布式电源选址定容的优化方法 | |
| CN103679544A (zh) | 一种智能配电网运行综合评估方法 | |
| Cau et al. | A co-evolutionary approach to modelling the behaviour of participants in competitive electricity markets | |
| CN110378058A (zh) | 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法 | |
| Petrelli et al. | A novel multi-objective method with online Pareto pruning for multi-year optimization of rural microgrids | |
| CN103426120A (zh) | 基于可靠性的中低压配电网的综合评估方法 | |
| CN108964146A (zh) | 基于风、火、水、核协调的多电源优化调度方法和装置 | |
| CN107959307A (zh) | 一种计及配电网运行风险成本的dg优化配置方法 | |
| Kaboli et al. | An expression-driven approach for long-term electric power consumption forecasting | |
| CN104123684A (zh) | 一种计及网损和可靠性的配电网经济性重构方法 | |
| CN110739719A (zh) | 柔性多状态开关优化接入的两步式决策方法 | |
| Xing et al. | Genetic algorithm based unit commitment with energy contracts | |
| CN114066315A (zh) | 一种适应多元源荷接入的配电网规划系统 | |
| Zheng et al. | Meta-heuristic techniques in microgrid management: A survey | |
| CN114301081B (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
| CN113887809A (zh) | 双碳目标下配电网供需平衡方法、系统、介质及计算设备 | |
| CN113364043A (zh) | 一种基于条件风险价值的微电网群优化方法 | |
| Su et al. | Optimal placement and capacity sizing of energy storage systems via NSGA-II in active distribution network | |
| CN105701717B (zh) | 一种基于改进遗传算法的配电网互动方案编制方法 | |
| CN115622056B (zh) | 一种基于线性加权和选解法的储能优化配置方法及系统 | |
| CN104881723B (zh) | 考虑等效负荷点影响的含源配电网故障停电方案优化方法 | |
| CN109389315A (zh) | 一种农网典型台区降损方法 | |
| CN115630858A (zh) | 虚拟电厂调峰性能评价方法及装置、存储介质、电网设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |