CN105303272A - 一种基于脉冲耦合神经网络的配电网孤岛划分方法 - Google Patents

Abstract

本发明是一种基于脉冲耦合神经网络(PCNN)的配电网孤岛划分方法,属于含分布式电源的配电网孤岛划分领域。针对当前含分布式电源的配电网进行孤岛划分时存在划分速度慢、供电范围小的问题，本发明引入时延脉冲耦合神经网络(DPCNN，Delay？PCNN)的模型，充分利用了PCNN继承来的脉冲无衰减与并行传播的特性，以各个分布式电源为根神经元，同时进行搜索，大大减少了临时数据的存储，在提高了运行速度的同时扩大了供电范围。本算法划分出来的孤岛相对于其他算法而言，划分的速度更快，方案更精确，在工程上贴近实际，更具有操作性。

Description

一种基于脉冲耦合神经网络的配电网孤岛划分方法

技术领域

本发明涉及一种电力系统的孤岛划分方法，尤其涉及一种分布式电源的配电网孤岛划分方法。

背景技术

孤岛运行是在配电网中引入分布式电源(DG)后出现的一种新运行方式，其中计划孤岛运行是对配电网的运行方式有益的补充。根据功率平衡原则，在配电网发生故障时，充分利用分布式电源供电能力，根据分布式电源的位置、容量，将配电网划分为若干个子网，以保证重要负荷安全运行。在这种情况下，配电系统的部分负荷由分布式电源进行供电，包含这部分负荷、分布式电源、储能装置以及控制系统的小型配电网就称为配电网中的电力孤岛，而这种运行方式我们称为孤岛运行。

电力孤岛供电方式是配电系统在引入分布式发电之后的一种新的运行方式，在这种运行方式下，配电系统的部分负荷仅由DG供电，在配电系统因故障停运后，为了检修人员安全，不扩大故障范围以达到快速恢复供电的目的。根据IEEE1547-2003相关规定，配电网中所有的DG必须短时退出运行。由于DG具有单独供电能力，故障隔离后可利用DG恢复部分重要负荷供电，从而提高系统的供电可靠性，因此，随着配电网内分布式电源的渗透率的增加，电力孤岛在实现智能电网可靠供电的目标上将成为一种常态的运行方式。

目前孤岛划分方法主要以恢复负荷总量最大为目标，兼顾孤岛建设经济性、供电可靠性等因素，所采用的孤岛划分方法以描述孤岛内功率平衡为主体，但因目标函数与约束条件存在差异，所采取的求解算法也不相同，导致在求解结果上存在一定程度上的差异。目前，求解算法主要以启发式算法和智能算法为主，启发式算法由于其开环的求解过程，常常导致无法找到全局最优解；智能算法由于其求解过程的随机性和不确定性，导致结果的不确定性，无法寻找到最优解。

发明内容

本发明的目的在于针对现有孤岛划分技术上的不足，提出一种基于脉冲耦合神经网络的配电网孤岛划分方法。

本发明根据现有的含分布式电源的配电网拓扑结构，进行一次含分布式电源的配电网潮流计算，将其转化为一个边赋权值无向连通图，从而将孤岛划分问题转化为基于时延脉冲耦合神经网络(DPCNN)求解最小路径，生成最小生成树的问题，所述包括以下步骤：

步骤1：确定进行配电网孤岛划分的可行区域；

步骤2：根据配电网的拓扑结构将其转化为边赋权值无向连通图；

步骤3：初始化参数，生成神经元点火图；

步骤4：进行连通性判断约束；

步骤5：生成最小生成树，即最优孤岛备选方案；

步骤6：对划分出的孤岛进行电力潮流计算，评估孤岛安全性；

步骤7：对孤岛进行合并，给出最优孤岛划分方案。

建立基于节点-支路的简化模型：配电网具有闭环设计开环运行的特点，其拓扑结构是一种辐射状结构，负荷节点可简化为边赋权值无向连通图中的节点，支路简化为连通图中的赋权边，具体如下：

配电网中的负荷节点简化为无向连通图中的节点，其负荷大小、重要性等级以及网络损耗均考虑在无向连通图的边中，并遵循以下原则：负荷功率越小，重要性越大，其计算的权值就越小，优先级就越高；在这种情况下，保留小容量负荷，可以扩大供电范围，减少切除负荷个数；支路的简化原则如下：母线节点与母线节点相连的构成的边，边的权值确定主要依据该支路有无变压器，有变压器的支路权值设定为0.5，反之为0；母线节点与DG相连的边权值设定为0，其优先权最高，在点火过程中最先被点火。

在对边赋权值无向连通图求解最小生成树时，引入DPCNN模型。其DPCNN模型如下：

F_j(n)＝I_j,

$L_j\left(n\right)=\underset{k}{\Σ}{Y}_k(n-d_{kj}),$

${\mathrm{\θ}}_j\left(n\right)\]=\left\{\begin{array}{c}{V}_j^T,Y_j\left(n-1\right)>0\\ {\mathrm{\θ}}_j\left(n-1\right)-{\mathrm{\α}}_j^T,Otherwise\end{array}\right.$

$Y_k\left(n\right)=step\[U_j\left(n\right)-{\mathrm{\θ}}_j\left(n\right)\]=\left\{\begin{array}{c}1,U_j\left(n\right)>{\mathrm{\θ}}_j\left(n\right)\\ 0,Otherwise\end{array}\right.$

该模型中，L通道接受神经元的反馈输入Y_j(n),L_j(n)是来自其他神经元的输入Y₁...Y_k进行时延的d_1j...d_kj后的求和，作为L通道的输出，F_j是外界激励I_j送至F通道后的输出，信号L_j加上一个正的偏移量后与信号F_j进行相调制，得到内部状态信号U_j，当神经元输出一个脉冲，阈值θ_j就通过反馈迅速提高到使此神经元熄火，然后阈值线性下降，在下降过程中，如果有反馈输入Y_k，它导致U_j(n)＞θ_j(n)，则神经元被捕获。

基于上述的DPCNN模型，对已经简化为边赋权值无向连通图的配电系统进行初始化，生成神经元点火图；具体如下：

建立一个点火计算信息表：

神经元(节点)编号

神经元第二次点火时刻

神经元点火前驱

表1点火计算信息表

若神经元的i被神经元j触发点火时刻为t_ij，则把该信息记录的表中第二列，并记录下相应的点火前驱。根据记录的点火信息表，从后向前进行逆推，可以形成初步的神经元点火生成图，即最小生成树雏形。

为保证孤岛的连通性，需对上述形成的初步点火生成图进行连通性判断。建立一个神经元点火情况记录表：

神经元(节点)编号

神经元n的标志位Flag

表2点火情况记录表

若神经元点火，则记录为1，否则为0，根据记录的点火情况进行分析：若标志位全为1，则认为该点火生成图为连通的，即是我们所寻找的最优孤岛；反之为不连通，并根据点火情况对其包含的神经元分类：点火的神经元放入一个集合P内，未点火的放入另一个集合Q内。

对不连通的点生成图进行最短路径的求解；建立一个信息记录表：

神经元(节点)编号

神经元n首次点火时刻

神经元n的点火前驱

表3信息记录表

只需记录集合Q中最早点火的神经元信息，并将信息融入到点火生成图中，继续进行连通性判断，直至生成的图均为连通图为止，即生成最小生成树(最优孤岛)。

对划分出的电力孤岛进行安全性评估，其指标包括以下几个方面：

孤岛功率平衡约束：

$P_i=U_i\underset{j=1}{\overset{N}{\Σ}}{U}_j(G_{ij}{\mathrm{cos\δ}}_{ij}+B_{ij}{\mathrm{sin\δ}}_{ij})$

$Q_i=U_i\underset{j=1}{\overset{N}{\Σ}}{U}_j(G_{ij}{\mathrm{sin\δ}}_{ij}-B_{ij}{\mathrm{sin\δ}}_{ij})$

其中：P_i为节点i的注入有功功率，Q_i为节点i的注入无功功率，U_i为节点i的电压幅值，U_j为节点j的电压幅值，G_ij和B_ij为分别为节点导纳矩阵元素Y_ij的实部和虚部，δ_ij为节点i与节点j之间电压相位之差。

节点电压约束：

U_imin＜U_i＜U_imax

其中：U_imin为节点i电压幅值的最小值，U_imax为节点i电压幅值的最大值。

线路过载约束：

S_ij≤S_ijmax

其中：S_ij为线路流过实际容量；S_ijmax为线路允许流过最大容量。

对安全性孤岛采取有效的方案，进行孤岛的边界进行合并，在保证孤岛稳定性与安全性的前提下使孤岛总数最少以便在故障消除后便于恢复的目的。

本发明采用DPCNN模型，充分利用了PCNN继承来的脉冲并行传播的特性，以各个分布式电源为根神经元，同时进行搜索，较基于Prim算法的孤岛划分而言，大大减少了临时数据的存储，极大的提高了运行速度。

附图说明

图1-单个神经元(节点)模型；

图2-IEEE33节点配电系统图；

图3-程序流程图。

具体实施方式

以下结合附图，对本发明上述的技术特征和优点做更详细的说明。

本发明基于脉冲耦合神经网络的配电网孤岛划分方法，以供电范围最大为目标，综合考虑了负荷的重要性等级、负荷大小与网络损耗等因素，对配电网进行建模，将孤岛划分问题转化为图论学中求取最小生成树的问题；引入DPCNN模型，充分利用了PCNN继承来的脉冲并行传播的特性，从而迅速地求解出最小生成树，即划分的最优孤岛；结合电力潮流计算，考虑孤岛内功率平衡，节点电压不越限，线路不过载等约束条件，对划分的孤岛进行安全性评估；最后通过对安全的孤岛进行边界融合使孤岛总数最少以达到故障消除后易于配电网恢复的目的，并最终给出了最优孤岛划分方案。

参阅图1所示，单个神经元模型，即节点模型。

该模型中，L通道接受神经元的反馈输入Y_j(n)，L_j(n)是来自其他神经元的输入Y₁...Y_k进行时延的d_1j...d_kj后的求和，作为L通道的输出，F_j是外界激励I_j送至F通道后的输出，信号L_j加上一个正的偏移量后与信号F_j进行相调制，得到内部状态信号U_j，当神经元输出一个脉冲，阈值θ_j就通过反馈迅速提高到使此神经元熄火，然后阈值线性下降，在下降过程中，如果有反馈输入Y_k，它导致U_j(n)＞θ_j(n)，则神经元被捕获。

在此基础上进行孤岛划分，所采用的系统为IEEE33节点配电系统，如图2所示，具体的孤岛划分流程图参阅图3所示：

步骤1，确定配电网孤岛划分区域，即当配电网发生最严重故障(配电变压器故障)时，以配电变压器为根节点，向下包含所有馈线的区域均为待划分区域，包括了风电、光伏燃气轮机等分布式电源，电动汽车、储能装置等移动电源以及由部分分布式电源组成的虚拟发电厂(VirtualPowerPlant，VPP)。

步骤2，对确定配电网划分区域进行建模，根据其电力拓扑结构将其转化为边赋权值的无向连通图。

配电网中的负荷节点简化为无向连通图中的节点，其负荷大小、重要性等级以及网络损耗均考虑在无向连通图的边中，遵循以下原则：负荷功率越小，重要性越大，其计算的权值就越小，优先级就越高；在这种情况下，保留小容量负荷，可以扩大供电范围，减少切除负荷个数；支路的简化原则如下：母线节点与母线节点相连的构成的边，边的权值确定主要依据该支路有无变压器，有变压器的支路权值设定为0.5，反之为0；母线节点与DG相连的边权值设定为0，其优先权最高，在点火过程中最先被点火。

步骤3，初始化，生成神经元点火图。

初始化参数，包括对各个神经元进行0-1编码，0表示该神经元不在孤岛内，1表示该神经元在孤岛内；在0时刻，所有神经元全部点火，并发出脉冲，记录各个神经元第二次点火时刻与点火前驱，生成点火计算信息表，并根据点火计算信息表，从后向前逆推，得到最小生成树的雏形。

步骤4，进行连通性判断。

对上述生成的最小生成树雏形进行连通性判断，若不连通，则将点火的神经元放在集合P内，未点火的神经元放在集合Q内，然后进行最短路径求解；在原始的边赋权值无向连通图中，将集合P中神经元在0时刻同时点火，根据所有神经元点火1次就不在点火的限制，集合P中的神经元相互发脉冲将不再使P中的神经元点火，而是沿着P与Q所有的路径进行传播，集合Q中神经元将陆续被点火，记录Q中最先点火的神经元点火时刻与点火前驱，并将其融入到点火生成图中，并转入步骤4，继续进行连通性判断，直至连通为止。

若连通，则对生成的最小生成树(最优孤岛)进行安全性评估；通过对电力孤岛进行含分布式电源的潮流计算，评估其安全性，其指标包括以下几个方面：

孤岛功率平衡约束：

$P_i=U_i\underset{j=1}{\overset{N}{\Σ}}{U}_j(G_{ij}{\mathrm{cos\δ}}_{ij}+B_{ij}{\mathrm{sin\δ}}_{ij})$

$Q_i=U_i\underset{j=1}{\overset{N}{\Σ}}{U}_j(G_{ij}{\mathrm{sin\δ}}_{ij}-B_{ij}{\mathrm{sin\δ}}_{ij})$

其中：P_i为节点i的注入有功功率，Q_i为节点i的注入无功功率，U_i为节点i的电压幅值，U_j为节点j的电压幅值，G_ij为节点i与节点j之间的电导，B_ij为节点i与节点j之间的电纳，δ_ij为节点i与节点j之间电压相位之差。

节点电压约束：

U_imin＜U_i＜U_imax

其中：U_imin为节点i电压幅值的最小值，U_imax为节点i电压幅值的最大值。

线路过载约束：

S_ij＜S_ijmax

其中：S_ij为线路流过实际容量；S_ijmax为线路允许流过最大容量。

若孤岛不安全，则对不安全的孤岛采取合理的修正方案，如削减非重要负荷、增设分布式电源等方法，使孤岛处于一种稳定安全的状态。

若孤岛相对安全，则需对安全性孤岛采取有效的方案，进行孤岛边界的边界合并，在保证孤岛稳定性与安全性的前提下，使孤岛总数最少以便故障消除后易于恢复。

根据最后孤岛合并结果，给出最优孤岛划分方案。

Claims (9)

1.一种基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，包括以下步骤：

步骤1：确定进行配电网孤岛划分的可行区域；

步骤2：根据配电网的拓扑结构将其转化为边赋权值的无向连通图；

步骤3：初始化参数，生成神经元点火图；

步骤4：进行连通性判断约束；

步骤5：生成最小生成树，即最优孤岛备选方案；

步骤6：对划分出的孤岛进行电力潮流计算，评估孤岛安全性；

步骤7：对孤岛进行合并，给出最优孤岛划分方案。

2.根据权利要求1所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述步骤1中，在确定进行孤岛划分范围时，所述配电网是含有分布式电源的配电网。

3.根据权利要求1或2所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述步骤2中，配电网的拓扑结构是一种辐射状结构，负荷节点简化为边赋权值无向连通图中的节点，支路简化为无向连通图中的赋权边，其负荷大小、重要性等级以及网络损耗均考虑在无向连通图的边中，并遵循以下原则：负荷功率越小，重要性越大，其计算的权值就越小，优先级就越高；在这种情况下，保留小容量负荷，可以扩大供电范围，减少切除负荷个数。

4.根据权利要求3所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述支路的简化原则如下：母线节点与母线节点相连的构成的边，边的权值确定主要依据该支路有无变压器，有变压器的支路权值设定为0.5，反之为0；母线节点与电源相连的边权值设定为0，其优先权最高，在点火过程中最先被点火。

5.根据权利要求1或2所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述步骤3中，初始化神经元，进行点火分析时，需先建立一个点火计算信息表：

神经元(节点)编号 神经元第二次点火时刻 神经元点火前驱

根据表中记录的信息，从最后神经元开始向前逆推找到神经元点火生成图。

6.根据权利要求1或2所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述步骤4中，进行连通性约束时，先建立一个神经元点火情况记录表：

神经元(节点)编号 神经元n的标志位Flag

若神经元点火，则记录为1，否则为0；根据记录点火情况分析，若标志位全为1，则认为该点火生成图为连通的，即是我们所划分的最优孤岛；反之为不连通，根据点火情况对神经元分类，点火的神经元放入一个集合P内，未点火的放入另一个集合Q内。

7.根据权利要求6所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，当判断为不连通时，需要计算集合间的最短路径；在计算最短路径前，建立一个信息记录表：

神经元(节点)编号 神经元n首次点火时刻 神经元n的点火前驱

只需记录集合Q中最早点火的神经元信息，并将信息融入到点火生成图中，继续进行连通性判断，直至生成的图均为连通图为止，即最小生成树。

8.根据权利要求1或2所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述步骤6中，进行孤岛安全性评估时，包括：

(1)孤岛功率平衡约束：

$P_i=U_i\underset{j=1}{\overset{N}{\Σ}}{U}_j(G_{ij}{\mathrm{cos\δ}}_{ij}+B_{ij}{\mathrm{sin\δ}}_{ij})$

$Q_i=U_i\underset{j=1}{\overset{N}{\Σ}}{U}_j(G_{ij}{\mathrm{sin\δ}}_{ij}-B_{ij}{\mathrm{sin\δ}}_{ij})$

其中：P_i为节点i的注入有功功率，Q_i为节点i的注入无功功率，U_i为节点i的电压幅值，U_j为节点j的电压幅值，G_ij和B_ij为分别为节点导纳矩阵元素Y_ij的实部和虚部，δ_ij为节点i与节点j之间电压相位之差；

(2)电压约束：

U_imin＜U_i＜U_imax

其中：U_imin为节点i电压幅值的最小值，U_imax为节点i电压幅值的最大值；

(3)线路过载约束：

S_ij≤S_ijmax

其中：S_ij为线路流过实际容量；S_ijmax为线路允许流过最大容量。

9.根据权利要求1或2所述的基于脉冲耦合神经网络的配电网孤岛划分方法，其特征在于，所述步骤7中，对孤岛进行合并，形成最优孤岛；考虑边界点的情况，采取一种有效方案进行孤岛合并，在保证孤岛安全性以及稳定性的前提下，使孤岛数最少，以便在故障排除后，能够迅速恢复供电。