CN105790256B - 基于多代理技术的配电网接入分布式发电单元关键路径识别方法 - Google Patents
基于多代理技术的配电网接入分布式发电单元关键路径识别方法 Download PDFInfo
- Publication number
- CN105790256B CN105790256B CN201610127277.XA CN201610127277A CN105790256B CN 105790256 B CN105790256 B CN 105790256B CN 201610127277 A CN201610127277 A CN 201610127277A CN 105790256 B CN105790256 B CN 105790256B
- Authority
- CN
- China
- Prior art keywords
- agent
- mrow
- regional
- node
- power flow
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多代理技术的配电网接入分布式发电单元关键路径识别方法，包括：步骤1，系统初始化；步骤2，进行基态潮流计算；步骤3，获取风机接入场景；步骤4，进行不同场景下的潮流计算；步骤5，关键路径辨识。本发明运用多代理技术确定分布式发电单元接入节点的位置和容量大小；运用多代理之间的通信机制，对接入分布式发电单元后的配网进行仿真，计算配网的关键指标，对配网线路和节点关键性进行整体评估。本发明运用多代理技术能够对配网接入分布式发电单元后对配网的影响进行一个整体评估，辨识出接入风机后配电网中的关键路径，指导分布式发电单元的装机容量和位置。
Description
技术领域
本发明涉及智能电网技术的多代理通信建模领域，具体涉及一种基于多代理技术的配电网接入分布式发电单元关键路径识别方法。
背景技术
主动配电系统(Active Distribution System，ADS)糅合了分布式电源、储能、电动汽车与需求响应等多方面因素。相较于无源配电网络，在ADS网络中含有大量包括风电、光伏等具有强烈随机波动特征的单元接入，因此ADS虽然完成了从“被动控制”向“主动控制”的转变，但网络本身也具有强烈的随机、波动和不可预知的特性。此外，储能(包括电动汽车)、柔性负荷的加入带来了更加灵活的可控方式和更加宽广的调节范围，但是也使得ADS内部配置、交互、调整的频率更高，使对ADS的控制模型结构更难描述。
进一步地，与微网保障客户供电可靠性的目标不同，ADS网络更加强调灵活结构的主动控制和主动管理。所以为适应以上特征，ADS网络内部必须有一套规则来约束内部成员策略及其之间的协作关系。例如如何保证一个节点内部的分布式发电的充分消纳，同时合理高效地利用储能和柔性负荷调节来平衡客户的负荷需求，满足节点平衡，这需要规定好内部的交互关系准则。
以上只是单点的情形，ADS不同节点的资源配置、发电/负荷特征、目标和约束各不相同，且各个内部的消息传递、控制动作和交互过程可能是同时建立、同时完成的，所以还必须考虑高并发任务的协调性问题。以上还只是简单地没有考虑节点间的协调，否则更加复杂。
由前面的分析，ADS是一个电网主动参与、分布式电源接入、储能(电动汽车)平衡调节、柔性负荷响应甚至包括价格市场在内的多元、多时空尺度非线性系统，而不是简单的二元系统。美国西北太平洋国家实验室David P.Chassin、Jason C.Fuller和Ned Djilaili在2014年最新的研究报告(引)中指出，即使是最简单的二元系统模型在实际应用中仍存在问题：在连续时间序列的数值积分中会导致累值偏差，且误差修正方法在实用时局限大。
随着分布式人工智能的需要和计算机技术的发展，近年来多代理技术(multi-agent technology)得到迅速发展并成为多学科交叉领域中的一个热门研究课题,为存在于科学计算、机械工程、生产控制、电子商务、企业管理和电力系统等领域的分布、开放式系统的设计和实现提供了新的途径和方法。尽管目前还没有关于agent的统一定义，但并不能阻挡该应用技术的发展。基于agent的应用系统已经在制造业"过程控制"电信系统"交通运输管理"信息收集与过滤"电子商务和商业过程管理"娱乐及远程医疗等许多方面发挥了重要作用。在这些应用系统中，agent系统是指能够主动感知所处环境的变化并能作用于环境的软硬件集合。一般来说，agent具备自治性、社会性、反应性和自发性，对于个别应用系统来说，也可能主要利用agent的移动性等特征。如何将多代理技术和主动配电网结合起来，将通信基础设施资源和电力系统基础设施资源进行有效整合，降低线损、提高电能传输效率和使用效率是当务之急。
发明内容
基于分布式发电单元接入后对配网造成的影响，本发明提供了一种基于多代理技术的配电网接入分布式发电单元关键路径识别方法。
本发明采用以下技术方案：
一种基于多代理技术的配电网接入分布式发电单元关键路径识别方法，包括如下步骤：
步骤1，系统初始化：元件代理将信息上传给相应的区域代理，区域代理将区域信息上传给上层代理，上层代理获得全网的拓扑结构及元件代理的信息；
步骤2，进行基态潮流计算：上层代理启动潮流仿真程序，对没有加入DG的网络计算基态潮流，将计算结果发送给相应的区域代理和元件代理；
步骤3，获取风机接入场景；
步骤4，进行不同场景下的潮流计算：运行潮流仿真程序，每个场景计算潮流数据，将电压信息、线路功率信息发送给底层的元件代理；
步骤5，关键路径辨识：元件代理和区域代理分别根据接收到的潮流数据计算关键性指标F和区域风险指标R，将指标计算结果进行降序排序，选出排在前列的关键路径和线路。
优选的，所述步骤1的系统初始化，包括：
步骤101，收到开始系统初始化的指令后，上层代理开始辨识；
步骤102，区域代理请求其所管辖的元件代理上传代理信息；
步骤103，区域代理中的元件代理响应请求，上传代理信息；
步骤104，区域代理处理数据，向上级代理上传区域信息。
优选的，所述步骤2的基态潮流计算，包括：
步骤201，对没有加入DG的网络进行一次基态潮流计算；
步骤202，上层代理将计算结果下发至相应的区域代理；
步骤203，区域代理将潮流数据发送给相应的元件代理。
优选的，所述步骤3，获取风机接入场景，包括：
步骤301，上层代理要求各个区域代理提交典型DG接入案例；
步骤302，节点代理通知与自己相连的靠近电源端的线路代理提交过载指标；
步骤303，线路接收到请求之后计算自己的支路潮流负荷越限严重度指标f2，若有过载，则回复节点，传递支路潮流负荷越限严重度指标f2；否则，则通知节点，没有过载；
步骤304，节点接收到线路的指标之后，计算自己的过节点电压偏离严重度指标f1，最后传递给区域代理节点的关键性指标F＝w1f1+w2f2，w1+w2＝1，其中w1和w2是线路和节点关键性指标的权重系数；
步骤305，区域代理根据关键性指标F对节点进行排序，选择排在前N的节点安装DG；
步骤306，区域代理给选择的节点发消息，要求确定各自相应的容量；
步骤307，相应的节点代理在收到计算容量的消息之后，计算该节点可接入的风机容量；
步骤308，节点代理将可接入的风机容量上报给自己的区域代理；
步骤309，区域代理上传相应的DG的可接入节点和可接入的风机容量至上层代理。
优选的，所述步骤4，进行不同场景下的潮流计算，包括：
步骤401，上层代理启动潮流仿真计算；
步骤402，上层代理将计算结果发送给相应的区域代理；
步骤403，区域代理将计算结果发送给相应的元件代理；
步骤404，上层代理请求获得各个区域的风险指标。
优选的，所述步骤5，关键路径辨识，包括：
步骤501，上层代理请求获取各个区域的风险指标；
步骤502，区域代理请求元件代理上传元件代理的关键性指标；
步骤503，元件代理计算自己的关键性指标；
步骤504，元件代理传送给区域代理自己的关键性指标；
步骤505，区域代理获得关键路径和节点信息、计算区域风险指标；若存在风险，则给上层代理传递信息，否则不传递；
步骤506，上层代理获得不同区域关键路径信息，风险信息,并且计算全网风险信息。
优选的，所述步骤5中，关键性指标F包括节点电压偏离严重度指标f1和支路潮流负荷越限严重度指标f2；区域风险指标R包括t时刻区域电压越限风险指标r1和t时刻系统支路潮流负荷越限风险指标r2；
所述节点电压偏离严重度指标f1：
式中：n:系统中的节点编号；
VN:系统额定电压值；
Vn(t):t时刻节点n的实际电压；
T:系统仿真时间；
所述t时刻系统电压越限风险指标：
式中N：系统中出现电压越限的节点总数；
VN：系统额定电压值；
Vi：t时刻电压越限节点i的实际电压；
所述支路潮流负荷越限严重度指标f2：
式中：l：系统中的支路编号；
Pl max：系统支路l最大承载有功功率；
Pl(t)：t时刻支路l的实际有功功率大小；
T：系统仿真时间；
所述t时刻系统支路潮流负荷越限风险指标：
式中L：t时刻系统中出现支路潮流越限的线路总数；
Pl max：系统支路l最大承载有功功率；
Pl：t时刻支路l的实际有功功率大小。
优选的，所述区域代理的风险指标R＝r1+r2。
优选的，还包括：步骤6，将选出的关键路径信息发送给上层代理。
本发明具有以下有益效果：
本发明包括一种建立评估配电网关键性的指标体系，包括系统级和单元级关键性指标；底层元件代理和区域代理、上层代理之间相互通信协作，对配电系统进行基态潮流仿真，计算各个代理的关键性指标；各个代理之间相互通信协作，确定分布式发电单元在各个区域接入配电网的位置和容量大小；确定DG的接入位置和容量之后，各个代理之间进行通信协作，计算配电网的系统级和单元级指标，对配电网进行关键性评估。
本发明将将通信基础设施资源和电力系统基础设施资源进行有效整合，提高电能传输效率和使用效率。本发明可以快速识别出分布式发电单元关键路径，通过对节点和线路的关键性指标降序排序，关键性计算指标越大，说明该节点或者线路比较关键，在配网具体规划建设中应该予以重点关注，实现分层多代理技术在主动配电网故障预判、诊断、隔离与配电网重构中的应用，支撑多源接入智能配电网规划。
附图说明
图1为本发明的系统流程图；
图2为本发明系统初始化的流程图；
图3为本发明基态潮流计算步骤的流程图；
图4为本发明获取风机接入场景步骤的流程图；
图5为本发明上层潮流计算步骤的流程图；
图6为本发明关键路径辨识步骤的流程图；
图7为各代理之间的通信过程示意图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图对本发明的技术方案，进行清楚和完整的描述。
如图1所示，一种基于多代理技术的配电网接入分布式发电单元关键路径识别方法，包括如下步骤：
步骤1，系统初始化：元件代理将信息上传给相应的区域代理(Sub_agent)，区域代理将区域信息上传给上层代理(Upper_agent)，上层代理获得全网的拓扑结构及元件代理的信息；这里的元件代理指节点代理、线路代理、变压器代理、DG代理等。
步骤2，进行基态潮流计算：上层代理启动潮流仿真程序，对没有加入DG的网络计算基态潮流，将计算结果发送给相应的区域代理和元件代理。
步骤3，获取风机接入场景。
Upper_agent向Sub_agent发送要求，要求各个区域上传各自的DG(distributedgeneration，分布式发电)接入方案。Sub_agent向本区域的Node_agent(节点代理)发送要求，要求Node_agent计算各自的综合指标。Node_agent向节点前的Line_agent(线路代理)发送要求，要求Line_agent计算自己的指标。Line_agent将指标发送给相应的Node_agent，Node_agent根据自身指标和Line_agent的指标计算综合指标，并将综合指标发送给区域代理Sub_agent。Sub_agent根据区域内各节点的指标进行排序，按照排序结果选择安装DG的节点。Sub_agent向选出的安装DG的节点发送要求，要求Node_agent计算该节点可安装DG的最大容量。Node_agent向Line_agent发送要求，要求计算线路的极限传输容量。Line_agent将极限传输容量发送给Node_agent，Node_agent计算出最大容量并将其传送给Sub_agent。Sub_agent将该区域接入DG位置和容量传送给Upper_agent。
步骤4，进行不同场景下的潮流计算，运行潮流仿真程序，每个场景计算潮流数据，将电压信息、线路功率信息发送给底层的元件代理。
步骤5，关键路径辨识：元件代理和区域代理分别根据接收到的潮流数据计算关键性指标F和区域风险指标R，即元件代理根据元件代理的关键性指标、区域代理根据区域风险指标进行计算，并将指标计算结果进行降序排序，选出排在前列的关键路径和线路。本发明对节点和线路的关键性指标降序排序，关键性计算指标越大，说明该节点或者线路比较关键，在配网具体规划建设中应该予以重点关注。
上述步骤5中，关键性指标F包括节点电压偏离严重度指标f1和支路潮流负荷越限严重度指标f2；区域风险指标R包括t时刻区域电压越限风险指标r1和t时刻系统支路潮流负荷越限风险指标r2；
所述节点电压偏离严重度指标f1：
式中：n:系统中的节点编号；
VN:系统额定电压值；
Vn(t):t时刻节点n的实际电压；
T:系统仿真时间；
所述t时刻系统电压越限风险指标r1：
式中N：系统中出现电压越限的节点总数；
VN：系统额定电压值；
Vi：t时刻电压越限节点i的实际电压；
所述支路潮流负荷越限严重度指标f2：
式中：l：系统中的支路编号；
Pl max：系统支路l最大承载有功功率；
Pl(t)：t时刻支路l的实际有功功率大小；
T：系统仿真时间；
所述t时刻系统支路潮流负荷越限风险指标r2：
式中L：t时刻系统中出现支路潮流越限的线路总数；
Pl max：系统支路l最大承载有功功率；
Pl：t时刻支路l的实际有功功率大小。
在一个实施例中，如图2所示，所述步骤1的系统初始化，包括：
步骤101，收到开始系统初始化的指令后，上层代理开始辨识，type为辨识类型，type＝1表示只有DG，type＝2表示含有DG和柔性负荷；simulation_time表示仿真时间，比如24hours；
步骤102，区域代理请求其所管辖的元件代理上传代理信息；
步骤103，区域代理中的元件代理响应请求，上传代理信息；
步骤104，区域代理处理数据，向上级代理上传区域信息。
在一个实施例中，如图3所示，所述步骤2的基态潮流计算，包括：
步骤201，对没有加入DG的网络进行一次基态潮流计算；
步骤202，上层代理将计算结果下发至相应的区域代理；
步骤203，区域代理将潮流数据发送给相应的元件代理。
在一个实施例中，如图4所示，所述步骤3，获取风机接入场景，包括：
步骤301，上层代理要求各个区域代理提交典型DG接入案例，；
步骤302，节点(母线)代理通知与自己相连的前面的线路代理提交过载指示；
步骤303，线路接收到请求之后计算自己的支路潮流负荷越限严重度指标f2，若有过载，则回复节点，传递支路潮流负荷越限严重度指标f2；否则，则通知节点，没有过载；
步骤304，节点接收到线路的指标之后，计算自己的过节点电压偏离严重度指标f1，最后传递给区域代理节点的关键性指标F＝w1f1+w2f2，w1+w2＝1，其中w1和w2是线路和节点关键性指标的权重系数；
步骤305，区域代理根据关键性指标F对节点进行排序，选择排在前N的节点接入风机；
步骤306，区域代理给选择的节点发消息，确定各自相应的容量；
步骤307，相应的节点代理在收到计算容量的消息之后，计算该节点可接入的风机容量；步骤308，节点代理将可接入的风机容量上报给自己的区域代理；
步骤309，区域代理上传相应的DG的可接入节点和可接入的风机容量至上层代理。
该实施例中，节点代理请求与自己相连的靠近源端的线路代理发送线路极限容量，接收之后计算该节点DG接入极限容量Cmax＝Loadmax+Lmax(Loadmax为该节点负荷最大值)，回复区域代理相应的节点可接入DG容量：Cmax*(10％,20％,40％,60％,80％)。
在一个实施例中，如图5所示，所述步骤4，进行不同场景下的潮流计算，包括：
步骤401，上层代理启动潮流仿真计算；
步骤402，上层代理将计算结果发送给相应的区域代理；
步骤403，区域代理将计算结果发送给相应的元件代理；
步骤404，上层代理请求获得各个区域的风险指标。
在一个实施例中，如图6所示，所述步骤5，关键路径辨识，包括：
步骤501，上层代理请求获取各个区域的风险指标；区域代理的风险指标R＝r1+r2。
步骤502，区域代理请求元件代理上传元件代理的关键性指标；
步骤503，元件代理计算自己的关键性指标；
步骤504，元件代理传送给区域代理自己的关键性指标；
步骤505，区域代理获得关键路径和节点信息、计算区域风险指标；若存在风险,则给上层代理传递信息,否则不传递；
步骤506，上层代理获得不同区域关键路径信息，风险信息,并且计算全网风险信息。
在一个实施例中，还包括：步骤6，将选出的关键路径信息发送给上层代理。
Upper_agent向Sub_agent发送要求，要求计算各个区域的关键路径，Sub_agent向所在区域的element_agent发送计算关键指标的要求。element_agent(元件代理)将自身关键指标发送给Sub_agent，Sub_agent将关键指标排序后选出该区域的关键路径，并将关键路径信息发送给Upper_agent。
如图7所示，底层元件代理和区域代理、上层代理之间相互通信协作。Upper-Agent和Sub-Agent之间有双相通信信道；Sub-Agent之间和Sub-Agent和元件代理之间有双向通信信道；底层元件代理之间有双向通信信道。
本发明将多代理技术和主动配电网结合起来进行基于分层多代理技术的主动配电网研究，多代理技术和主动配电网的相互融合以及广泛应用，能将通信基础设施资源和电力系统基础设施资源进行有效整合，大幅提高电力系统信息化水平、安全运行水平、可靠供电及优质服务水平，降低线损、提高电能传输效率和使用效率。针对性能要求更高的智能配电网，利用数据分析方法对故障诊断、负荷预测与智能表计、设备状态监测需要进行大量数据的深度挖掘能够实时、准确、充分地对电网进行监测分析和诊断处理，达到减少供用电安全事故发生、提升重要用户用电安全的目标。本发明可以大幅度有效地提高预测精度，维持配电网的电网稳定性，也必将给未来电网带来更大的经济效益。由于主动配电网的多代理模型具有兼容、高效的特点，在分层多代理技术构架下对分布式电源、电动汽车等并网电气设备的模型建模，对配电网系统进行建模。实现分层多代理技术在主动配电网故障预判、诊断、隔离与配电网重构中的应用，支撑多源接入智能配电网规划。
本发明运用多代理技术确定分布式发电单元接入节点的位置和容量大小；运用多代理之间的通信机制，对接入分布式发电单元后的配网进行仿真，计算配网的关键指标，对配网线路和节点关键性进行整体评估。本发明运用多代理技术能够对配网接入分布式发电单元后对配网的影响进行一个整体评估，辨识出接入风机后配电网中的关键路径，指导分布式发电单元的装机容量和位置。
Claims (7)
1.一种基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：包括如下步骤：
步骤1，系统初始化：元件代理将信息上传给相应的区域代理，区域代理将区域信息上传给上层代理，上层代理获得全网的拓扑结构及元件代理的信息；
步骤2，进行基态潮流计算：上层代理启动潮流仿真程序，对没有加入DG的网络计算基态潮流，将计算结果发送给相应的区域代理和元件代理；
步骤3，获取风机接入场景；
步骤4，进行不同场景下的潮流计算：运行潮流仿真程序，每个场景计算潮流数据，将电压信息、线路功率信息发送给底层的元件代理；
步骤5，关键路径辨识：元件代理和区域代理分别根据接收到的潮流数据计算关键性指标F和区域风险指标R，将指标计算结果进行降序排序，选出排在前列的关键路径和线路；关键性指标F包括节点电压偏离严重度指标f1和支路潮流负荷越限严重度指标f2；区域风险指标R包括t时刻区域电压越限风险指标r1和t时刻系统支路潮流负荷越限风险指标r2；
所述节点电压偏离严重度指标f1：
<mrow>
<msubsup>
<mi>f</mi>
<mn>1</mn>
<mi>n</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<mi>T</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>V</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>N</mi>
</msub>
<mo>|</mo>
</mrow>
<msub>
<mi>V</mi>
<mi>N</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：n:系统中的节点编号；
VN:系统额定电压值；
Vn(t):t时刻节点n的实际电压；
T:系统仿真时间；
所述t时刻系统电压越限风险指标：
<mrow>
<msub>
<mi>r</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>N</mi>
</msub>
<mo>|</mo>
</mrow>
<msub>
<mi>V</mi>
<mi>N</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中N：系统中出现电压越限的节点总数；
VN：系统额定电压值；
Vi：t时刻电压越限节点i的实际电压；
所述支路潮流负荷越限严重度指标f2：
<mrow>
<msubsup>
<mi>f</mi>
<mn>2</mn>
<mi>l</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<mi>T</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>P</mi>
<mi>l</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mi>l</mi>
<mi>max</mi>
</msubsup>
<mo>|</mo>
</mrow>
<msubsup>
<mi>P</mi>
<mi>l</mi>
<mi>max</mi>
</msubsup>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式中：l：系统中的支路编号；
Pl max：系统支路l最大承载有功功率；
Pl(t)：t时刻支路l的实际有功功率大小；
T：系统仿真时间；
所述t时刻系统支路潮流负荷越限风险指标：
<mrow>
<msub>
<mi>r</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<mi>L</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>P</mi>
<mi>l</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mi>l</mi>
<mi>max</mi>
</msubsup>
<mo>|</mo>
</mrow>
<msubsup>
<mi>P</mi>
<mi>l</mi>
<mi>max</mi>
</msubsup>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中L：t时刻系统中出现支路潮流越限的线路总数；
系统支路l最大承载有功功率；
Pl：t时刻支路l的实际有功功率大小；
所述区域代理的区域风险指标R＝r1+r2。
2.根据权利要求1所述的基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：
所述步骤1的系统初始化，包括：
步骤101，收到开始系统初始化的指令后，上层代理开始辨识；
步骤102，区域代理请求其所管辖的元件代理上传代理信息；
步骤103，区域代理中的元件代理响应请求，上传代理信息；
步骤104，区域代理处理数据，向上级代理上传区域信息。
3.根据权利要求1所述的基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：所述步骤2的基态潮流计算，包括：
步骤201，对没有加入DG的网络进行一次基态潮流计算；
步骤202，上层代理将计算结果下发至相应的区域代理；
步骤203，区域代理将潮流数据发送给相应的元件代理。
4.根据权利要求1所述的基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：所述步骤3，获取风机接入场景，包括：
步骤301，上层代理要求各个区域代理提交典型DG接入案例；
步骤302，节点代理通知与自己相连的靠近电源端的线路代理提交过载指标；
步骤303，线路接收到请求之后计算自己的支路潮流负荷越限严重度指标f2，若有过载，则回复节点，传递支路潮流负荷越限严重度指标f2；否则，则通知节点，没有过载；
步骤304，节点接收到线路的指标之后，计算自己的过节点电压偏离严重度指标f1，最后传递给区域代理节点的关键性指标F＝w1f1+w2f2，w1+w2＝1，其中w1和w2是线路和节点关键性指标的权重系数；
步骤305，区域代理根据关键性指标F对节点进行排序，选择排在前N的节点安装DG；
步骤306，区域代理给选择的节点发消息，要求确定各自相应的容量；
步骤307，相应的节点代理在收到计算容量的消息之后，计算该节点可接入的风机容量；
步骤308，节点代理将可接入的风机容量上报给自己的区域代理；
步骤309，区域代理上传相应的DG的可接入节点和可接入的风机容量至上层代理。
5.根据权利要求1所述的基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：所述步骤4，进行不同场景下的潮流计算，包括：
步骤401，上层代理启动潮流仿真计算；
步骤402，上层代理将计算结果发送给相应的区域代理；
步骤403，区域代理将计算结果发送给相应的元件代理；
步骤404，上层代理请求获得各个区域的风险指标。
6.根据权利要求1所述的基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：所述步骤5，关键路径辨识，包括：
步骤501，上层代理请求获取各个区域的风险指标；
步骤502，区域代理请求元件代理上传元件代理的关键性指标；
步骤503，元件代理计算自己的关键性指标；
步骤504，元件代理传送给区域代理自己的关键性指标；
步骤505，区域代理获得关键路径和节点信息、计算区域风险指标；若存在风险，则给上层代理传递信息，否则不传递；
步骤506，上层代理获得不同区域关键路径信息，风险信息,并且计算全网风险信息。
7.根据权利要求1所述的基于多代理技术的配电网接入分布式发电单元关键路径识别方法，其特征在于：还包括：
步骤6，将选出的关键路径信息发送给上层代理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610127277.XA CN105790256B (zh) | 2016-03-07 | 2016-03-07 | 基于多代理技术的配电网接入分布式发电单元关键路径识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610127277.XA CN105790256B (zh) | 2016-03-07 | 2016-03-07 | 基于多代理技术的配电网接入分布式发电单元关键路径识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105790256A CN105790256A (zh) | 2016-07-20 |
| CN105790256B true CN105790256B (zh) | 2018-05-15 |
Family
ID=56386563
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610127277.XA Active CN105790256B (zh) | 2016-03-07 | 2016-03-07 | 基于多代理技术的配电网接入分布式发电单元关键路径识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105790256B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107248783A (zh) * | 2017-06-19 | 2017-10-13 | 国网河南省电力公司经济技术研究院 | 一种基于多代理技术的配电网分布式控制方法 |
| CN108400593A (zh) * | 2018-03-16 | 2018-08-14 | 国家电网公司 | 基于分层多代理技术的主动配电网电气模型建立方法 |
| CN110417014A (zh) * | 2019-08-08 | 2019-11-05 | 佛山电建集团有限公司 | 一种基于主动配电网的电力系统控制方法、装置及介质 |
| CN113225215B (zh) * | 2021-05-19 | 2022-04-12 | 华北电力大学 | 一种sdn架构下区分服务网络关键链路识别方法及系统 |
| EP4568052A1 (de) * | 2023-12-05 | 2025-06-11 | Siemens Aktiengesellschaft | Steuerung eines hierarchisch strukturierten stromnetzes |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101447695A (zh) * | 2008-11-19 | 2009-06-03 | 中国电力科学研究院 | 一种基于多代理的数字化变电站功能的管理方法 |
| CN101510686A (zh) * | 2009-03-26 | 2009-08-19 | 上海交通大学 | 基于多代理技术的微电网协调控制系统 |
| CN103532140A (zh) * | 2013-10-22 | 2014-01-22 | 上海电力学院 | 一种含分布式电源的配电网故障后供电恢复的方法及系统 |
| CN104992009A (zh) * | 2015-06-24 | 2015-10-21 | 天津大学 | 基于多代理系统的主动配电网分布式电压控制方法 |
-
2016
- 2016-03-07 CN CN201610127277.XA patent/CN105790256B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101447695A (zh) * | 2008-11-19 | 2009-06-03 | 中国电力科学研究院 | 一种基于多代理的数字化变电站功能的管理方法 |
| CN101510686A (zh) * | 2009-03-26 | 2009-08-19 | 上海交通大学 | 基于多代理技术的微电网协调控制系统 |
| CN103532140A (zh) * | 2013-10-22 | 2014-01-22 | 上海电力学院 | 一种含分布式电源的配电网故障后供电恢复的方法及系统 |
| CN104992009A (zh) * | 2015-06-24 | 2015-10-21 | 天津大学 | 基于多代理系统的主动配电网分布式电压控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105790256A (zh) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gamarra et al. | Computational optimization techniques applied to microgrids planning: A review | |
| Jia et al. | Operating reliability evaluation of power systems considering flexible reserve provider in demand side | |
| Fan et al. | Review of uncertainty modeling for optimal operation of integrated energy system | |
| CN102063651B (zh) | 一种基于在线采集数据的城市电网风险评估系统 | |
| CN105790256B (zh) | 基于多代理技术的配电网接入分布式发电单元关键路径识别方法 | |
| CN102708411A (zh) | 一种地区电网在线风险评估方法 | |
| CN104537428B (zh) | 一种计及风电接入不确定性的经济运行评估方法 | |
| CN110060179B (zh) | 基于风险重叠度的多电压等级检修计划优化方法及装置 | |
| CN105610192A (zh) | 考虑大规模风电接入的在线风险评估方法 | |
| CN104218569A (zh) | 一种大规模电网静态安全校核的评价分析方法 | |
| CN107679719A (zh) | 一种复杂电网电能质量知识云监测与评价系统和方法 | |
| Sun et al. | An incremental-variable-based state enumeration method for power system operational risk assessment considering safety margin | |
| de Moraes et al. | Short-term scheduling of integrated power and spinning reserve of a wind-hydrothermal generation system with ac network security constraints | |
| Qin et al. | SR‐based chance‐constrained economic dispatch for power systems with wind power | |
| Li et al. | Reliability modeling and assessment for integrated energy system: a review of the research status and future prospects | |
| CN103020290B (zh) | 电网信息校验方法及系统 | |
| Shendryk et al. | Decision Support System for Efficient Energy Management of MicroGrid with Renewable Energy Sources | |
| Iqbal et al. | Power systems reliability-a bibliographical survey | |
| Zatsarinnaya et al. | Outlook on the development of smart energy systems | |
| Xie et al. | Multi-scale integration of physics-based and data-driven models in power systems | |
| Simões et al. | Advances in information technology for Smart Grids | |
| Bai et al. | A Comprehensive Evaluation Method for Reliability Confidence Capacity of Renewable Energy Based on Improved DEMATEL-AHP-EWM | |
| Téllez et al. | Demand side management through LAB+ i platform: Case study | |
| Meng et al. | Available Transfer Capability Assessment of Multiarea Power Systems with Conditional Generative Adversarial Network | |
| Zhai et al. | Graph Computing-Based Energy Storage Profit Optimization Considering Market Participant |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Yu Qiuling Inventor after: Lu Dan Inventor after: Zhou Nan Inventor after: Zhang Linjuan Inventor before: Wang Jing Inventor before: Zhang Haining Inventor before: Yu Qiuling Inventor before: Lu Dan Inventor before: Li Shan Inventor before: Zhang Linjuan |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information |
Inventor after: Song Xiaokai Inventor after: Guo Pu Inventor after: Li Shan Inventor after: Yu Qiuling Inventor after: Lu Dan Inventor after: Xu Changqing Inventor after: Zhang Haining Inventor after: Wang Lili Inventor after: Zhang Linjuan Inventor after: Zhang Ping Inventor after: Zhang Qingqing Inventor after: Zheng Zheng Inventor before: Yu Qiuling Inventor before: Lu Dan Inventor before: Zhou Nan Inventor before: Zhang Linjuan |
|
| CB03 | Change of inventor or designer information |