CN105703356A - 电力系统多重故障后恢复系统安全的调度方法 - Google Patents

Abstract

本发明提供一种电力系统多重故障后恢复系统安全的调度方法，涉及电力系统技术领域，首先包括建立安全经济调度模型，并转化为两阶段决策模型，将多阶段鲁棒优化模型分解为主问题和子问题，反复求解主问题和子问题，更新主问题的上界和主问题的下界，并重新辨识最坏场景，直到主问题的下界与主问题的上界的差值不超过收敛水平或达到最大更迭次数时，输出主问题的优化解。本发明采用了更符合复杂电网运行条件的N-K安全准则，使计算的结果更具有实际指导意义，并且采用鲁棒优化的思想避免了N-K安全准则下，设备故障事故集数量庞大，调度问题无法求解的问题；采用列-约束生成算法将多阶段鲁棒优化问题分解为一个主问题和一系列子问题，提高了求解效率。

Description

电力系统多重故障后恢复系统安全的调度方法

技术领域

本发明涉及电力系统技术领域，具体涉及一种电力系统多重故障后恢复系统安全的调度方法。

背景技术

系统的安全经济运行一直是电力企业和电力研究者始终关注的热点问题。在实际电力系统中广泛应用的安全约束经济调度方法主要有两种模型：预防性安全约束最优潮流方法(preventivesecurityconstrainedoptimalpowerflow，PSCOPF)和校正性安全约束最优潮流方法(correctivesecurityconstrainedoptimalpowerflow，CSCOPF)。PSCOPF方法要求正常状态下的控制决策在预想事故下无需调整便能满足安全经济约束，经济性较低，得到的结果十分保守；CSCOPF方法在正常状态及各预想事件下分别采用不同的控制决策，在预想事件发生后可采用校正策略，消除安全约束越限情况。故CSCOPF方法较PSCOPF方法有更好的适应性，能更好的兼顾安全性和经济性。但如果安全约束较强或者正常运行状态靠近限值，则故障时CSCOPF方法可能存在无调整能力的情况。

当前，电力系统普遍以“N-1”原则作为安全约束调度的主要依据，但是近年发生的多起大停电事件表明“N-1”原则并不能保证系统的安全，因此北美电力系统可靠性委员会认为安全约束调度应该依据“N-K”准则。但由于互联电力系统十分庞大，若在安全约束调度中同时考虑所有的“N-K”故障约束，问题将变得非常复杂难以求解。

传统的安全约束经济调度问题通常采用线性规划法、非线性规划法、内点法和人工智能算法进行求解。随着预想故障从单个扩展到多个，问题的求解规模呈指数增长，通过传统方法求解问题越发变得困难了。有学者通过辨识有效故障集的方法来缩减预想事件集的规模，提高求解的效率。但是辨识的标准和最终选择的范围对算法的影响较大，且目前尚未有效的辨识准则和理论依据，只能依据启发式的方法人工试探。

发明内容

本发明的目的在于针对现有技术的不足，提供一种电力系统多重故障后恢复系统安全的调度方法，该方法可以有效地解决N-K安全准则下，设备故障事故集数量庞大，调度问题无法求解的问题。

为达到上述要求，本发明采取的技术方案是：提供一种电力系统多重故障后恢复系统安全的调度方法，该方法包括以下步骤：

S1、获取系统参数，建立依据N-K安全准则的经济调度模型，将安全经济调度模型转化为两阶段决策模型；

S2、将N-K故障作为不确定变量，将两阶段决策模型转化为多阶段鲁棒优化模型；

S3、将多阶段鲁棒优化模型分解为主问题和子问题，并初始化主问题的上界和主问题的下界，设置收敛水平；

S4、计算子问题的上界，根据计算结果辨识最坏场景并初始化场景集；

S5、根据最坏场景计算主问题和子问题，根据计算结果更新主问题的上界和主问题的下界，重新辨识最坏场景，并更新场景集；

S6、判断主问题的下界与主问题的上界的差值是否超过所述收敛水平；

S7、如果主问题的下界与主问题的上界的差值不超过收敛水平，执行步骤S11；

S8、如果主问题的下界与主问题的上界的差值超过收敛水平，判断是否达到最大更迭次数；

S9、如果达到最大更迭次数，执行步骤S11；

S10、如果没有达到最大更迭次数，根据重新辨识的最坏场景计算主问题和子问题，根据计算结果更新主问题的上界和主问题的下界，重新辨识最坏场景，并更新所述场景集，返回执行步骤S6；

S11、输出所述优化解。

与现有技术相比，该电力系统多重故障后恢复系统安全的调度方法具有的优点如下：

(1)在调度方法中综合考虑了预防性策略和校正性策略，并考虑了它们中间的过渡过程，既兼顾了经济性和安全性，又使系统在预想事故发生时有足够的调节手段；

(2)采用了更符合复杂电网运行条件的N-K安全准则，使计算的结果更具有实际指导意义，并且采用鲁棒优化的思想将安全约束经济调度转化为多阶段鲁棒优化问题，避免了N-K安全准则下，设备故障事故集数量庞大，调度问题无法求解的问题；

(3)采用列-约束生成算法将多阶段鲁棒优化问题分解为一个主问题和一系列子问题，提高了求解效率。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本发明的算法流程图；

图2是本发明IEEE30节点系统的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。

根据本发明的一个实施例，提供一种电力系统多重故障后恢复系统安全的调度方法，如图1所示，包括以下步骤：

S1、获取系统参数，建立依据N-K安全准则的经济调度模型，将经济调度模型转化为两阶段决策模型；

经济调度模型包括目标函数和约束条件，其中目标函数包括正常运行时发电成本最小、故障时发电机上调成本和下调成本最小和故障时切负荷成本最小为目标函数；其中约束条件包括正常态下的发电机出力限制、爬坡率限制、节点功率平衡、支路潮流限制，故障态下的发电机出力限制、爬坡率限制、节点功率平衡、支路潮流限制、N-K安全准则，过渡过程中的支路潮流限制。其表达式如下所示：

$\underset{P_{iG},{\mathrm{\ΔP}}_i^{kU},{\mathrm{\ΔP}}_i^{kD},{\mathrm{\ΔD}}_b^k}{\min }\[\underset{i\∈I,k\∈C}{\Σ}(C_{iG}{P}_{iG}+C_i^{kU}{\mathrm{\ΔP}}_i^{kU}+C_i^{kD}{\mathrm{\ΔP}}_i^{kD})++\underset{b\∈N,k\∈C}{\Σ}{C}_b^{kL}{\mathrm{\ΔD}}_b^k\]$

其中：

$\underset{i=1}{\overset{N_G}{\Σ}}{P}_{Gi}=\underset{i=1}{\overset{N_B}{\Σ}}{P}_{Di};$

P_l＝L×(I₁P_G-I₂P_D)；

-F_l ^max≤P_l≤F_l ^max；

$P_G^{\min }\≤P_G\≤P_G^{max};$

$\underset{i=1}{\overset{N_G}{\Σ}}(P_{Gi}+{\mathrm{\ΔP}}_i^{kU}-{\mathrm{\ΔP}}_i^{kD})=\underset{i=1}{\overset{N_G}{\Σ}}(P_{Di}-{\mathrm{\ΔP}}_{Di}^k);\∀k\∈C$

$P_l^k=L^k\[I_1(P_G+{\mathrm{\ΔP}}^{kU}-{\mathrm{\ΔP}}^{kD})-I_2(P_D-{\mathrm{\ΔP}}_D^k)\];\∀k\∈C$

$-v_{il}^k{F}_l^{max}\≤P_l^k\≤v_{il}^k{F}_l^{\max };\∀k\∈C$

$v_G^k{P}_G^{\min }\≤(P_G+{\mathrm{\ΔP}}^{kU}-{\mathrm{\ΔP}}^{kD})\≤v_G^k{P}_G^{max};\∀k\∈C$

$0\≤P_D^k\≤P_D^{kmax};\∀k\∈C$

$-{\mathrm{\γv}}_{il}^k{F}_l^{max}\≤P_l^{\′k}\≤{\mathrm{\γv}}_{il}^k{F}_l^{max};\∀k\∈C$

${\mathrm{\ΔP}}^{kU}\≤{\mathrm{\ΔP}}_G^{kmax};\∀k\∈C$

${\mathrm{\ΔP}}^{kD}\≤{\mathrm{\ΔP}}_G^{kmax};\∀k\∈C$

$\underset{i=1}{\overset{N_G}{\Σ}}{v}_{iG}^k+\underset{i=1}{\overset{N_l}{\Σ}}{v}_{il}^k\≥N-K;\∀k\∈C$

表达式中，P_iG为正常态下机组i的有功出力，ΔP_i ^kU为故障k下机组上调控制量，ΔP_i ^kD为故障k下机组下调控制量，为故障k下节点b切负荷量；C_iG， 分别为它们的成本；I,C,N分别为发电机，故障，节点集合。N_G，N_B，N_l分别为发电机，节点和支路的数目。P_l，分别为支路功率和支路功率限值；分别为发电机有功出力上下限限制向量；发电机上下调整量的限制向量；L，I₁和I₂分别为功率传输分配系数矩阵和单位矩阵；上标k表示故障状态k；P_l ^'k，γ分别表示过渡过程中支路功率，支路功率允许的短时过载量；

为故障k下发电机和线路的状态变量，1代表正常，0代表故障。

两阶段决策模型的表达式如下所示：

min(c^Tx+w^Ty)

其中：

Ax≤b；

By≤h；

Dx+Qy≤r；

Ly＝z；z∈{0,1}

表达式中，x表示第一阶段决策变量；y表示第二阶段决策；c，w分别表示第一二阶段的成本系数；z表示N-K故障变量；A,B,D,Q,L分别表示约束中变量系数；b,h,r表示约束右边系数。

S2、将N-K故障作为不确定变量，将两阶段决策模型转化为多阶段鲁棒优化模型；其表达式如下所示：

其中：

Ax≤b；

Ω(x,z)＝{y:By≤h,Qy≤r-Dx,Ly＝z}；

S3、使用列-约束生成算法将多阶段鲁棒优化模型分解为主问题和子问题，并初始化主问题的上界和主问题的下界，上界LB＝-∞，下界UB＝+∞，设置收敛水平为ε；

1)主问题表达式如下所示：

min(c^Tx+η)(1)

其中：

Ax≤b(3)

表达式中的表示场景集合。

2)子问题表达式如下所示：

其中

By≤h(π)(8)

Qy≤r-Dx(λ)(9)

Ly＝z(β)(10)

表达式中的π,λ,β是对偶变量。

S4、利用对偶原理计算子问题的上界，计算子问题上界的表达式如下所示，对每个值，反复计算表达式(12)-(15)，根据计算结果辨识最坏场景并初始化场景集；

$\begin{array}{cc}\underset{\mathrm{\π},\mathrm{\λ},\mathrm{\β},z}{\max }& \mathrm{\β}z-\mathrm{\π}h+\mathrm{\λ}(Dx-r)\end{array}---\left(12\right)$

其中：

-Bπ-Qλ+Lβ≤w(13)

Hz≤d(14)

S5、根据最坏场景计算主问题，即表达式(1)-(6)，得到优化解利用优化解更新所述主问题的上界LB＝c^Tx^*+η^*；根据优化解计算子问题，即表达式(7)-(11)，通过目标函数值ζ^*重新辨识最坏场景，更新场景集和所述主问题的下界UB＝min(UB,c^Tx^*+ζ^*)；

S6、判断主问题的下界与主问题的上界的差值是否超过所述收敛水平，即表达式(UB-LB)≤ε是否成立；

S7、如果主问题的下界与主问题的上界的差值不超过收敛水平，执行步骤S11；

S8、如果主问题的下界与主问题的上界的差值超过收敛水平，判断是否达到最大更迭次数；

S9、如果达到最大更迭次数，执行步骤S11；

S10、若没有达到最大更迭次数，根据重新辨识的最坏场景计算主问题，得到优化解，利用优化解更新所述主问题的上界，并根据优化解计算子问题，通过目标函数值重新辨识最坏场景，更新场景集和主问题的下界，返回执行步骤S6；

S11、输出所述优化解。

以IEEE30节点系统为例说明本方法的有效性，如图2所示，IEEE30节点系统包含30个节点、6个发电机组、41条支路及21个负荷。为比较本方法与奔德斯分解算法的性能，选取故障数分别为k＝1,2,3,4,5，两个算法的计算时间如表1所示，随着故障规模的增加，两种方法的计算时间都增加了，但本方法的计算时间优于奔德斯分解算法，且当故障元件规模达到5时，奔德斯分解算法在设定的计算时间内不能获得最优解，但本文算法仍然有效。

表1

以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。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，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。

Claims (5)

1.一种电力系统多重故障后恢复系统安全的调度方法，其特征在于，包括以下步骤：

S1、获取系统参数，建立依据N-K安全准则的安全经济调度模型，将安全经济调度模型转化为两阶段决策模型；

S2、将N-K故障作为不确定变量，将所述两阶段决策模型转化为多阶段鲁棒优化模型；

S3、将所述多阶段鲁棒优化模型分解为主问题和子问题，并初始化主问题的上界和主问题的下界，设置收敛水平；

S4、计算所述子问题的上界，根据计算结果辨识最坏场景并初始化场景集；

S5、根据所述最坏场景计算主问题和子问题，根据计算结果更新所述主问题的上界和主问题的下界，重新辨识最坏场景，并更新所述场景集；

S6、判断所述主问题的下界与所述主问题的上界的差值是否超过所述收敛水平；

S7、如果主问题的下界与主问题的上界的差值不超过所述收敛水平，执行步骤S11;

S8、如果主问题的下界与主问题的上界的差值超过所述收敛水平，判断是否达到最大更迭次数；

S9、如果达到最大更迭次数，执行步骤S11；

S10、如果没有达到最大更迭次数，根据所述重新辨识的最坏场景计算主问题和子问题，根据计算结果更新所述主问题的上界和主问题的下界，重新辨识最坏场景，并更新所述场景集，返回执行步骤S6；

S11、输出所述优化解。

2.根据权利要求1所述的电力系统多重故障后恢复系统安全的调度方法，其特征在于，所述步骤S3中使用列-约束生成算法将多阶段鲁棒优化模型分解为主问题和子问题。

3.根据权利要求1所述的电力系统多重故障后恢复系统安全的调度方法，其特征在于，所述步骤S4中利用对偶原理计算所述子问题的上界。

4.根据权利要求1所述的电力系统多重故障后恢复系统安全的调度方法，其特征在于，所述步骤S5具体为：根据所述最坏场景计算主问题，得到优化解，利用所述优化解更新所述主问题的上界，并根据所述优化解计算子问题，通过目标函数值重新辨识最坏场景，更新场景集和所述主问题的下界。

5.根据权利要求4所述的电力系统多重故障后恢复系统安全的调度方法，其特征在于，所述步骤S10具体为：若没有达到最大更迭次数，根据所述重新辨识的最坏场景计算主问题，得到优化解，利用所述优化解更新所述主问题的上界，并根据所述优化解计算子问题，通过目标函数值重新辨识最坏场景，更新场景集和所述主问题的下界，返回执行步骤S6。