CN106058857B - 计及负荷转移与切负荷的主动配电网可靠性评估方法 - Google Patents

计及负荷转移与切负荷的主动配电网可靠性评估方法 Download PDF

Info

Publication number
CN106058857B
CN106058857B CN201610510315.XA CN201610510315A CN106058857B CN 106058857 B CN106058857 B CN 106058857B CN 201610510315 A CN201610510315 A CN 201610510315A CN 106058857 B CN106058857 B CN 106058857B
Authority
CN
China
Prior art keywords
load
power
distribution network
active distribution
reliability
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
Application number
CN201610510315.XA
Other languages
English (en)
Other versions
CN106058857A (zh
Inventor
符杨
卫春峰
张恒
张恒一
米阳
李振坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Electric Power
Original Assignee
Shanghai University of Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN201610510315.XA priority Critical patent/CN106058857B/zh
Publication of CN106058857A publication Critical patent/CN106058857A/zh
Application granted granted Critical
Publication of CN106058857B publication Critical patent/CN106058857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本发明涉及一种计及可平移负荷与切负荷的主动配电网可靠性评估方法，包括以下步骤：S1，对主动配电网中负荷节点的系统状态集随机采样；S2，判断系统状态x(t)是否为故障状态，若是，则进入步骤S3，若否，则进入步骤S6；S3，计算故障期间的最大负载转移量Shiftout(t)和最小实际负载Pt；S4，根据最小实际负载Pt，计算主动配电网是否满足约束条件，若满足约束条件则进入步骤S6，否则进入步骤S5；S5，利用遗传算法切除负荷，然后进入步骤S6；S6，得到负荷节点的可靠性指标；S7，判断收敛性。与现有技术相比，本发明综合考虑主动配电网下可平移负荷和切负荷对可靠性评估的影响，采用遗传算法寻求最优切负荷方案，得到了主动配电网对可靠性的改善效果。

Description

计及负荷转移与切负荷的主动配电网可靠性评估方法
技术领域
本发明涉及一种电力系统可靠性评估方法，尤其是涉及一种计及负荷转移与切负荷的主动配电网可靠性评估方法。
背景技术
智能电网框架下的主动配电网是未来配电网中一种切实可行的技术模型。与以消费者为中心的微电网相比，主动配电网是由配电系统运营商管理的公共配电网络，便于分布式能源的灵活接入，优化网络的运行。可靠性评估是主动配电网规划和运行的重要参考，分布式能源的高渗透率使主动配电网的可靠性评价更加复杂，然而传统方法考虑的因素相对简单，无法得以应用。分布式能源主要包括分布式发电、电能存储和可控负载；每一部分都对可靠性评估有很大影响。目前，国内外学者进行了相关研究。
文献Z.Esau,D.Jaya,“Reliability assessment in active distributionnetworks with detailed effects of PV systems,”Mod.Power Syst.Clean Energy,vol.2,no.1,pp.58-68,2014和A.C.Neto,M.G.da Silva,A.B.Rodrigues,“Impact ofDistributed Generation on Reliability Evaluation of Radial DistributionSystems Under Network Constraints,”Probabilistic Methods Applied to PowerSystems,Stockholm,2006建立了分布式发电的可靠性数学模型，文献H.S.Liang,L.Cheng,“Simulation Based Reliability Evaluation of Distribution System ContainingMicrogrids,”Power System Technology,vol.35,no.10,pp.76-81,2011建立了由风机和储能装置组成的联合发电系统的可靠性模型。当网络发生故障时，以微网形式运行的配电网部分有助于改善孤岛中负荷节点的可靠性指标。近年来，随着通信控制设备在配电网中的应用，监控设备本身的可靠性也不容忽视。
文献L.Thillainathan,S.Dipti,Z.S.Tan,“Demand Side Management in SmartGrid Using Heuristic Optimization,”IEEE Transactions on Smart Grid,vol.3,no.3,pp.1244-1252,2012指出负荷转移技术是一种广泛使用的有效地控制配电网中负荷的方法。目前，主动配电网的建设为负荷转移提供了软件和硬件上的平台，如配网管理系统，通信网络，以及智能电表。同时，配电自动化的实现缩短了故障处理时间，提高了系统的可靠性性能。
文献C.Chen,W.C.Wu,“An Active Distribution System ReliabilityEvaluation Method Based on Multiple Scenarios Technique,”Proceeding of theCSEE,,vol.32,no.34,pp.67-73,2012说明可靠性评估算法可分基于蒙特卡罗的采样分析方法和模拟方法。模拟方法可再分为非时序的蒙特卡罗模拟方法，序贯蒙特卡罗,伪序贯蒙特卡罗(PSMC)。混合算法PSMC结合了上述两种算法的优点,考虑了错误的时间序列特征。文献J.C.O.Mello,M.V.F.Pereira,A.M.Leite,“Evaluation of Reliability Worth inComposite Systems Based on Pseudo-sequential Monte Carlo Simulation,”IEEETransactions on Power Systems,vol.9,no.3,pp.1318-1324,1994表明它的计算效率高于序贯蒙特卡洛法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种结合主动配电网的特点的计及负荷转移与切负荷的主动配电网可靠性评估方法。
本发明的目的可以通过以下技术方案来实现：
一种计及负荷转移与切负荷的主动配电网可靠性评估方法，其特征在于，包括以下步骤：
S1，采用伪序贯蒙特卡罗算法对主动配电网中负荷节点的系统状态集随机采样，获得系统状态x(t)，t为采样时段；
S2，对x(t)进行评估，判断系统状态x(t)是否为故障状态，若是，则进入步骤S3，若否，则进入步骤S6；
S3，从故障状态开始，进行前后搜索，得到故障子序列S(t)和故障持续时间，根据下式计算故障期间的最大负载转移量Shiftout(t)和最小实际负载Pt：
其中，D是有效负载中可平移设备类型的数量，故障后未断开的负载为有效负载，xkt和xk(t-l)分别是t时段和t-l时段转移的k型可平移设备的数量，k＝1,2…D，p1k和p(1+l)k分别是k型可平移设备在其供电持续时间内第1个工作时段和第1+l个工作时段的消耗功率，Lmax是可平移设备的供电持续时间最大值，是t时的预测负荷；故障状态中的负载类型包括有效负载和不可恢复负载，有效负载为故障后未断开的负载，不可恢复负载在网络重构后负载与稳定电源没有电气上的联系，不可恢复负载主要是无联络的分支负载，所以切负荷的对象都来自有效负载，Shiftout(t)包括两部分：1)本该在t时段开始消耗能量，而由于设备开关的延迟造成的负荷衰减；2)本该在t时段之前消耗能量，由于设备开关时间延迟造成的负荷衰减。可平移负荷是指负荷供电时间可按计划变动的负荷，如洗衣机、消毒柜等。
S4，根据最小实际负载Pt，计算主动配电网是否满足功率平衡约束、馈线容量约束和蓄电池充放电约束，若满足约束条件则进入步骤S6，否则进入步骤S5进行切负荷；
S5，利用遗传算法切除负荷，然后进入步骤S6，遗传算法中，约束条件为步骤S4中的约束条件，目标函数为；
其中，minFunload(x)表示切除负荷的最小值，Ncandidate为有效负载的数量，Duration为故障持续时间，xi＝1代表切除负载，xi＝0代表恢复负载，yi为负载i的状态变量，表示进行保护动作后负载的状态，yi＝1代表断电，yi＝0代表不受影响，α1和α2分别为电能缺额的权系数，代表系统电能缺额的程度，α2为电能缺额的开断频率，指除去不受影响负荷外的开断频率，wi为负荷i的优先级水平，优先切除低优先等级的负载以及由于保护动作开断的负载，为t时段负载i的预测功率，Psum为故障期间所有负荷节点的预测功率总量，Ci为负载i的用户数量，Csum为故障期间有效负载所带用户的总数量；
S6，根据可靠性指标检测函数得到负荷节点的可靠性指标即可靠性指标检测函数的期望值的估计值，
可靠性指标检测函数计算式如下：
其中，Fλ(x(t))为负荷节点故障率，T为可靠性研究时期，Ds(t)为故障持续时间，Sfailure为导致负荷断电的故障状态序列，Ssuccess为系统正常状态序列，Sfailure∪Ssuccess＝故障子序列S(t)，FU(x(t))为负荷节点停电时间，为故障状态中负荷转移前的功率变化量预测值，FENS(x(t))为负荷节点停电电量损失；
S7，判断步骤S1的采样过程是否收敛，若收敛，则计算系统的可靠性指标，否则回到步骤S1。
所述的步骤S4中，功率平衡约束为：
馈线容量约束为：
蓄电池充放电约束为：
其中，nF、nEES、nDG、nload分别为有效馈线、蓄电池、分布式电源以及实际负荷节点的数量，分别为t时段有效馈线i的功率、蓄电池i的功率、分布式电源i的输出、负荷节点i的输出，为有效馈线i的最大允许功率，SOCi,t为t时段蓄电池i的容量，SOCmin和SOCmax分别为蓄电池i充放电状态下容量最小允许值和容量最大允许值，是蓄电池i的充放电最大功率。
所述的步骤S5中，切除负荷的最优求解方法包括：将约束条件视为罚函数添加到目标函数中，构造遗传算法的适应度函数，建立最优切负荷模型进行求解，其中适应度函数Fitness(x)＝1/(Funload(x)+M·a)，M·a是惩罚项，M为正数，当染色体解码的切负荷方案满足约束条件时，a＝0，否则a＝1。
所述的步骤S6中，负荷节点可靠性指标通过N采样测试进行估计，计算方法如下：
其中，为E(F(x))的估计值，E(F(x))为F(x(t))的期望值，F(x(t))包括Fλ(x(t))、FU(x(t))和FENS(x(t))，N为系统状态的采样个数，S为系统状态集。
所述的步骤S7中，采用变量系数β来确定收敛性，当β小于βref时，采样过程收敛，βref＝5％，β定义如下：
其中V(F(x))是可靠性指标检测函数F(x(t))的方差。
当配电网出现故障时，利用主动配电网的储能装置作为稳定的电源输出，从而改善配电网的可靠性，本发明基于这一特点，提出主动配电网的可靠性评估算法，综合考虑主动配电网下可平移负荷和切负荷对可靠性评估的影响，并采用遗传算法寻求最优切负荷方案，与普通配电网的可靠性计算结果相比，得到了主动配电网对可靠性的改善效果，且能对主动配电网遇到故障时的负荷平移或切负荷方案提供指导。
附图说明
图1为本实施例系统状态的前后搜索图；
图2为本实施例故障期间负荷转移图；
图3为本实施例故障期间切负荷时负荷分类；
图4为本实施例遗传算法染色体图；
图5为本实施例平均可平移负荷比对系统可靠性指标的敏感性分析图；
图6为本实施例切负荷算法收敛性示意图；
图7为本发明方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
如图7所示，一种计及负荷转移与切负荷的主动配电网可靠性评估方法，包括以下步骤：
S1，采用伪序贯蒙特卡罗算法对主动配电网中负荷节点的系统状态集随机采样，获得系统状态x(t)，t为采样时段；
本步骤中，基于元素的随机模型按顺序生成多年的系统状态集，生成的状态需足够大以保证无偏估计。然后输入连续数据，如历史年风速、典型日负荷曲线、可控设备的用电模式、每个时间段设备连接数量、风机和储能设备联合发电系统的参数，再对某年的t时段随机采样，系统状态与t有关。
S2，对x(t)进行评估，判断系统状态x(t)是否为故障状态，若是，则进入步骤S3，若否，则进入步骤S6。
S3，如图1所示，从故障状态开始，进行前后搜索，得到故障子序列S(t)和故障持续时间，根据下式计算故障期间的最大负载转移量Shiftout(t)和最小实际负载Pt：
其中，D是有效负载中可平移设备类型的数量，故障后未断开的负载为有效负载，xkt和xkt-l分别是故障时段t和t-l时段转移的k型可平移设备的数量，k＝1,2…D，(移出负荷包括两部分：右式第一项指将t时段开始的一类可控设备整体时移Tdelay，如图2负荷B；第二项指将t-l时段开始的一类可控设备时移Tdelay，如图2负荷A)p1k和p(1+l)k分别是k型可平移设备在其供电持续时间内第1个工作时段和第1+l个工作时段的消耗功率，Lmax是可平移设备的供电持续时间最大值，即从故障时段t开始到完成设备转移的持续时间，是t时段的预测负荷；故障状态中的负载类型包括有效负载和不可恢复负载，有效负载为故障后未断开的负载，不可恢复负载在网络重构后负载与稳定电源没有电气上的联系，不可恢复负载主要是无联络的分支负载，所以切负荷的对象都来自有效负载，Shiftout(t)包括两部分：1)本该在t时段开始消耗能量，而由于设备开关的延迟造成的负荷衰减；2)本该在t时段之前消耗能量，由于设备开关时间延迟造成的负荷衰减。
S4，根据最小实际负载Pt，计算主动配电网是否满足功率平衡约束、馈线容量约束和蓄电池充放电约束，若满足约束条件则进入步骤S6，否则进入步骤S5进行切负荷，约束方程为：
SOCmin≤SOCi,t≤SOCmax
其中，nF、nEES、nDG、nload分别为有效馈线、蓄电池、分布式电源以及实际负荷节点的数量，分别为t时段有效馈线i的功率、蓄电池i的功率、分布式电源i的输出、负荷节点i的输出，为有效馈线i的最大允许功率，SOCi,t为t时段蓄电池i的容量，SOCmin和SOCmax分别为蓄电池i充放电状态下容量最小允许值和容量最大允许值，是蓄电池i的充放电最大功率。
S5，利用遗传算法切除负荷，然后进入步骤S6，遗传算法中，约束条件为步骤S4中的约束条件，目标函数为：
其中，minFunload(x)表示切除负荷的最小值，Ncandidate为有效负载的数量，Duration为故障持续时间，xi＝1代表切除负载，xi＝0代表恢复负载，yi为负载i的状态变量，表示进行保护动作后负载的状态，yi＝1代表断电，yi＝0代表不受影响，α1和α2分别为电能缺额的权系数，代表系统电能缺额的程度，α2为电能缺额的开断频率，指除去不受影响负荷外的开断频率，wi为负载i的优先级水平，优先切除低优先等级的负载以及由于保护动作开断的负载，为t时段负载i的预测功率，Psum为故障期间所有负荷节点的预测功率总量，Ci为负载i的用户数量，Csum为故障期间有效负载所带用户的总数量；
为了便于对负荷节点分析，将故障后的负荷进行分类。当发生故障期间，负荷转移后，剩余电能仍然无法满足负荷需求时，就需要寻求最优切负荷方案，以尽可能小的减小对整个系统可靠性指标的影响。故障后的负荷分类如图3所示，包括有效负载和不可恢复负载，切负荷全部来自有效负载。将切负荷的目标函数标准化，定义如下方程：
上面描述的数学模型是一个0-1的规划约束，难以通过传统的数学优化和启发式算法解决。作为为最实用的现代智能算法之一，遗传算法在解决此类问题上有着更好的优化能力和计算效率。染色体映射图如图4所示。当特定的基因值为1时，采用二进制编码并切除对应的负荷。初始化期间染色体长度依据故障动态变化，以改善计算效率。
切除负荷的最优求解方法包括：将约束视为罚函数添加到目标函数中，构造遗传算法的适应度函数，建立最优切负荷模型进行求解，其中适应度函数Fitness(x)＝1/(Funload(x)+M·a)，M·a是惩罚项，M为很大的正数，当染色体解码的切负荷方案满足约束时，a＝0，否则a＝1。
S6，根据可靠性指标检测函数得到负荷节点的可靠性指标即可靠性指标检测函数的期望值的估计值，
系统可靠性指标主要包括SAIFI(系统平均停电次数，次数/(用户·年))、SAIDI(系统平均停电时间数，小时/(用户·年))和EENS(Expected Energy Not Supplied，电量不足期望值，MW·h/年)。系统可靠性指标可以根据负荷节点计算。负荷节点的指标主要包括故障率(次数/年)、停电时间(小时/年)和停电电量损失(MW·h/年)。可靠性指标检测函数计算式如下：
其中，Fλ(x(t))为负荷节点故障率，T为可靠性研究时期，Ds(t)为故障持续时间，Sfailure为导致负荷断电的故障状态序列，Ssuccess为系统正常状态序列，Sfailure∪Ssuccess＝故障子序列S(t)，FU(x(t))为负荷节点停电时间，为故障状态中负荷转移前的功率变化量预测值，FENS(x(t))为负荷节点停电电量损失；
负荷节点可靠性指标通过N采样测试进行估计，计算方法如下：
其中，为E(F(x))的估计值，E(F(x))为F(x(t))的期望值，F(x(t))包括Fλ(x(t))、FU(x(t))和FENS(x(t))，N为系统状态的采样个数，S为系统状态集。
S7，判断步骤S1的采样过程是否收敛，若收敛，则计算系统的可靠性指标，否则回到步骤S1。
所述的步骤S7中，采用变量系数β来确定收敛性，当β小于βref时，采样过程收敛，βref＝5％，β定义如下：
其中V(F(x))是可靠性指标检测函数F(x(t))的方差。
对16母线测试系统进行Matlab仿真验证：
测试系统元件的可靠性参数如附表1所示，产生了300年的系统状态。风机的额定容量是2MW，其切入风速、切出风速和额定风速分别是9、80和38km/h。蓄电池容量是1.6MW·h。只有网络故障时，蓄电池才与风机配合放电；分别是0.2和1；蓄电池充放电最大功率是0.32MW。峰荷是11MW，负荷节点参数如表2所示，其中负荷节点10-12为不可控负荷。所有负荷为居民负荷，日负荷曲线见于文献“L.Thillainathan,S.Dipti,Z.S.Tan,“Demand SideManagement in Smart Grid Using Heuristic Optimization,”IEEE Transactions onSmart Grid,vol.3,no.3,pp.1244-1252,2012.”
表1元件可靠性数据
表2负荷数据
表3配电网可靠性指标
表4负荷节点可靠性指标
对于未接入分布式能源、接入风机和蓄电池的联合发电系统、考虑风机、蓄电池的联合发电系统和可平移负荷三种状态下的系统可靠性指标如附表3所示。平均可平移负荷比对系统可靠性指标的灵敏度分析如图5所示。指标EENS对负荷转移更加敏感，然而负荷转移对指标SAIFI影响较小。考虑负荷转移与未考虑负荷转移两种状态下的负荷节点的可靠性指标如表4所示。当平均可平移负荷比R大小为20.44％时，所有的负荷节点可靠性指标都分别较不考虑负荷转移的情况改善许多。
在Matlab R2012a CPU i7的仿真环境下，基于遗传算法的切负荷计算时间为0.048s。所有模拟故障的平均计算时间为0.05s，最大时间是0.08s。所以，遗传算法的计算效率高，切负荷的收敛性见图6。
测试结果表明风机和蓄电池联合发电系统的接入改善了系统可靠性指标，负荷转移进一步改善了每一个指标。负荷转移对指标EENS的影响大于对指标SAIFI的影响。部分负荷实现负荷转移后，提高了所有负荷的可靠性指标。

Claims (5)

1.一种计及负荷转移与切负荷的主动配电网可靠性评估方法，其特征在于，包括以下步骤：
S1，采用伪序贯蒙特卡罗算法对主动配电网中负荷节点的系统状态集随机采样，获得系统状态x(t)，t为时段；
S2，对x(t)进行评估，判断系统状态x(t)是否为故障状态，若是，则进入步骤S3，若否，则进入步骤S6；
S3，从故障状态开始，进行前后搜索，得到故障子序列S(t)和故障持续时间，根据下式计算故障期间的最大负载转移量Shiftout(t)和最小实际负载Pt：
Pt＝Pt fore-Shiftout(t)
其中，D是有效负载中可平移设备类型的数量，故障后未断开的负载为有效负载，xkt和xk(t-l)分别是t时段和t-l时段转移的k型可平移设备的数量，k＝1,2…D，p1k和p(1+l)k分别是k型可平移设备在其供电持续时间内第1个工作时段和第1+l个工作时段的消耗功率，Lmax是可平移设备的供电持续时间最大值，Pt fore是t时段的预测负荷；
S4，根据最小实际负载Pt，计算主动配电网是否满足功率平衡约束、馈线容量约束和蓄电池充放电约束，若满足约束条件则进入步骤S6，否则进入步骤S5；
S5，利用遗传算法切除负荷，然后进入步骤S6，遗传算法中，约束条件为步骤S4中的约束条件，目标函数为；
其中，minFunload(x)表示切除负荷的最小值，Ncandidate为有效负载的数量，Duration为故障持续时间，xi为负载i的优化变量，表示是否切除负载，xi＝1代表切除负载，xi＝0代表恢复负载，yi为负载i的状态变量，表示进行保护动作后负载的状态，yi＝1代表断电，yi＝0代表不受影响，α1为电能缺额的权系数，代表系统电能缺额的程度，α2为电能缺额的开断频率，指除去不受影响负荷外的开断频率，wi为负载i的优先级水平，为t时段负载i的预测功率，Psum为故障期间所有负荷节点的预测功率总量，Ci为负载i的用户数量，Csum为故障期间有效负载所带用户的总数量；
S6，根据可靠性指标检测函数得到负荷节点的可靠性指标 为可靠性指标检测函数的期望值E(F(x))的估计值，可靠性指标检测函数F(x(t))包括Fλ(x(t))、FU(x(t))和FENS(x(t))，
可靠性指标检测函数F(x(t))计算式如下：
其中，Fλ(x(t))为负荷节点故障率，T为可靠性研究时期，Ds(t)为故障持续时间，Sfailure为导致负荷断电的故障状态序列，Ssuccess为系统正常状态序列，Sfailure∪Ssuccess＝故障子序列S(t)，FU(x(t))为负荷节点停电时间，为故障状态中负荷转移前的功率变化量预测值，FENS(x(t))为负荷节点停电电量损失；
S7，判断步骤S1的采样过程是否收敛，若收敛，则计算系统的可靠性指标，否则回到步骤S1。
2.根据权利要求1所述的一种计及负荷转移与切负荷的主动配电网可靠性评估方法，其特征在于，所述的步骤S4中，功率平衡约束为：
馈线容量约束为：
蓄电池充放电约束为：
SOCmin≤SOCi,t≤SOCmax，
其中，nF、nEES、nDG、nload分别为有效馈线、蓄电池、分布式电源以及实际负荷节点的数量，Pi,t分别为t时段有效馈线i的功率、蓄电池i的功率、分布式电源i的输出、负荷节点i的输出，为有效馈线i的最大允许功率，SOCi,t为t时段蓄电池i的容量，SOCmin和SOCmax分别为蓄电池i充放电状态下容量最小允许值和容量最大允许值，是蓄电池i的充放电最大功率。
3.根据权利要求1所述的一种计及负荷转移与切负荷的主动配电网可靠性评估方法，其特征在于，所述的步骤S5中，切除负荷的最优求解方法包括：将约束条件视为罚函数添加到目标函数中，构造遗传算法的适应度函数，建立最优切负荷模型进行求解，其中适应度函数Fitness(x)＝1/(Funload(x)+M·a)，Funload(x)为切除的负荷，M·a是惩罚项，M为正数，当染色体解码的切负荷方案满足约束条件时，a＝0，否则a＝1。
4.根据权利要求1所述的一种计及负荷转移与切负荷的主动配电网可靠性评估方法，其特征在于，所述的步骤S6中，负荷节点可靠性指标通过N采样测试进行估计，计算方法如下：
其中，为E(F(x))的估计值，E(F(x))为F(x(t))的期望值，F(x(t))包括Fλ(x(t))、FU(x(t))和FENS(x(t))，N为系统状态的采样个数，S为系统状态集。
5.根据权利要求4所述的一种计及负荷转移与切负荷的主动配电网可靠性评估方法，其特征在于，所述的步骤S7中，采用变量系数β来确定收敛性，当β小于βref时，采样过程收敛，βref＝5％，β定义如下：
其中V(F(x))是可靠性指标检测函数F(x(t))的方差。
CN201610510315.XA 2016-06-30 2016-06-30 计及负荷转移与切负荷的主动配电网可靠性评估方法 Active CN106058857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610510315.XA CN106058857B (zh) 2016-06-30 2016-06-30 计及负荷转移与切负荷的主动配电网可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610510315.XA CN106058857B (zh) 2016-06-30 2016-06-30 计及负荷转移与切负荷的主动配电网可靠性评估方法

Publications (2)

Publication Number Publication Date
CN106058857A CN106058857A (zh) 2016-10-26
CN106058857B true CN106058857B (zh) 2019-04-09

Family

ID=57201574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610510315.XA Active CN106058857B (zh) 2016-06-30 2016-06-30 计及负荷转移与切负荷的主动配电网可靠性评估方法

Country Status (1)

Country Link
CN (1) CN106058857B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106875035B (zh) * 2016-12-30 2019-05-24 国网四川省电力公司经济技术研究院 一种主动配电网可靠性评估优化方法
CN106779477B (zh) * 2017-01-11 2019-05-03 浙江大学 一种计及需求响应的多状态电力系统可靠性计算方法
CN107017629B (zh) * 2017-05-16 2019-08-20 国网四川省电力公司资阳供电公司 一种配网富裕容量动态分析系统
CN107179688B (zh) * 2017-06-21 2020-06-26 华北电力大学 考虑蒙特卡罗状态抽样截尾的电力系统可靠性分析方法
CN108388688A (zh) * 2018-01-12 2018-08-10 江苏科能电力工程咨询有限公司 一种主动配电网可靠性评估方法
CN109038558B (zh) * 2018-08-02 2020-05-15 清华大学 模拟最优控制过程的配电网规划方案安全性评估方法
CN110135716B (zh) * 2019-05-06 2021-02-09 华北电力大学 一种电网基建项目动态预警识别方法和系统
CN111445092A (zh) * 2020-04-21 2020-07-24 三峡大学 基于改进jaya算法的多微电网优化方法
CN112564097B (zh) * 2020-12-01 2022-07-08 国网浙江杭州市富阳区供电有限公司 多回线路故障停电时的快速恢复负荷降损的方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559580A (zh) * 2013-11-05 2014-02-05 国家电网公司 一种配电网分析系统和方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559580A (zh) * 2013-11-05 2014-02-05 国家电网公司 一种配电网分析系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种V2G模式下计及开断概率和负荷转移概率的配电网可靠性评估算法;王湘;《电网技术》;20140831;第38卷(第8期);第2213-2219页

Also Published As

Publication number Publication date
CN106058857A (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
CN106058857B (zh) 计及负荷转移与切负荷的主动配电网可靠性评估方法
Chen et al. Reliability evaluation of distribution systems with mobile energy storage systems
Kafetzis et al. Energy management strategies based on hybrid automata for islanded microgrids with renewable sources, batteries and hydrogen
Cabrane et al. Battery and supercapacitor for photovoltaic energy storage: a fuzzy logic management
Qiu et al. Stochastic multistage coplanning of transmission expansion and energy storage
Hooshmand et al. Stochastic model predictive control method for microgrid management
Jallouli et al. Sizing, techno-economic and generation management analysis of a stand alone photovoltaic power unit including storage devices
Wang et al. Service restoration based on AMI and networked MGs under extreme weather events
WO2019242657A1 (zh) 微电网重构方法、装置、微电网保护控制中心和存储介质
Doagou‐Mojarrad et al. Probabilistic multi‐objective HVDC/AC transmission expansion planning considering distant wind/solar farms
He et al. Optimal operating strategy and revenue estimates for the arbitrage of a vanadium redox flow battery considering dynamic efficiencies and capacity loss
CN102208809A (zh) 含光伏电源的配电网可靠性评估方法
Huang et al. Data-availability-constrained placement of PMUs and communication links in a power system
Maharjan et al. Machine learning based energy management system for grid disaster mitigation
Gang et al. Automatic identification of transmission sections based on complex network theory
CN113468705B (zh) 一种基于路径描述的含微网的配电系统可靠性分析方法
CN103401262A (zh) 风储混合电站及储能系统定容、离线仿真与在线运行方法
Marquez et al. A fault detection and reconfiguration approach for MPC-based energy management in an experimental microgrid
Wang et al. Research on planning optimization of integrated energy system based on the differential features of hybrid energy storage system
CN113224800A (zh) 一种考虑寿命约束的计及灵活性储能优化调度方法
Li et al. Dynamic dependence modelling of wind power uncertainty considering heteroscedastic effect
CN108985561A (zh) 一种基于机会约束的有源配电网孤岛划分方法
Wang et al. Service restoration for distribution network with DGs based on stochastic response surface method
Zhu et al. Toward a profitable grid-connected hybrid electrical energy storage system for residential use
Wu et al. Optimal black start strategy for microgrids considering the uncertainty using a data‐driven chance constrained approach

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant