CN107301469A - 一种电网骨干网架识别方法 - Google Patents
一种电网骨干网架识别方法 Download PDFInfo
- Publication number
- CN107301469A CN107301469A CN201710304124.2A CN201710304124A CN107301469A CN 107301469 A CN107301469 A CN 107301469A CN 201710304124 A CN201710304124 A CN 201710304124A CN 107301469 A CN107301469 A CN 107301469A
- Authority
- CN
- China
- Prior art keywords
- node
- power supply
- transmission grid
- bulk transmission
- circuit
- 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.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000000717 retained effect Effects 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000013459 approach Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 210000001747 pupil Anatomy 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000005611 electricity Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 101000911753 Homo sapiens Protein FAM107B Proteins 0.000 description 1
- 102100026983 Protein FAM107B Human genes 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统领域,更具体地涉及一种电网骨干网架识别方法,步骤如下:对原始电网进行节点重要度、线路脆弱度评估,得到节点重要度排序以及线路脆弱度的度量值;根据骨干网架的期望规模与节点重要度排序确定必须留存的重要节点,判别留存节点的电源容量与负荷容量是否匹配;以各线路的脆弱度作为权值,计算留存节点之间的最短路径及其对应的线路列;求解留存节点之间的最短路径所构成图的最小生成树,并将树中的每条边用其对应的线路序列进行替代,得到初步的骨干网架;对初步骨干网架进行潮流计算实现安全运行校核,得到最终的骨干网架。
Description
技术领域
本发明属于电力系统领域,更具体地涉及一种电网骨干网架识别方法。
背景技术
近年来,由于自然灾害造成电网崩溃,从而发生大停电事故的事件屡见不鲜。如何提升电网在面临自然灾害时的生存能力与自愈能力是保证电网安全运行的关键问题。
在灾害来临时,如果能够事前加强原始电网中某些重要节点、线路的抗灾标准,形成一个能够在灾害过程中安全运行的核心骨干网架,就能保证电网中的重要负荷节点即使在灾害过程中也能够不失电,同时使得原始电网在灾害中能够保证不全黑,有利于灾后电网的快速恢复与重构。
骨干网架是原始电网的一部分,包含了原始电网中的重要电源节点、重要负荷节点及重要线路(重要线路依据线路脆弱度确定,脆弱度越高,发生故障引发的后果越严重,说明该线路在电网中的作用越大,则其重要程度越高)。现有关于骨干网架的研究尚未形成统一标准。一些研究借助生存性指标体系,构造以线路总长度最短且生存性综合指标最大的优化模型来识别电网的骨干网架,并以电网的拓扑连通性和安全运行为约束条件,采用一些人工智能算法对骨干网架模型进行求解。一些研究提出电网差异化规划生存性评估指标体系,兼顾电网网架的可抵抗性、可恢复性、安全性和连通性,在此基础上,使用基于线性判别分析和主成分分析的骨干网架识别方法。一些研究将模糊理论引入到风险评估之中,考虑发电机和负荷的不确定性,给出线路重要度的评估方法,同时综合节点接近度和节点关键度来评估节点的重要度,以留存在骨干网架中的所有元件重要度最大为目标,给出核心骨干网架识别模型,并采用离散粒子群算法对其进行求解。一些研究在线路重要性评估的基础之上,设定包含线路重要性的目标函数,构建骨干网架搜索模型,并采用具有全局搜索能力的二进制量子粒子群算法进行求解,在求解过程中,利用图论对算法进行了相关修正。一些研究通过计算电网最大负荷供应能力的变化来表征线路的重要性程度,综合考虑线路重要度和负荷供应量构建了一种骨干网架识别模型,并通过改进的生物地理学算法进行搜索,在求解过程中进行了相关改进以提升搜索的效率。
可见,现有的研究多是将骨干网架识别抽象为一个优化问题,目标函数根据不同的应用需求和侧重点进行构建。模型的求解方法多是采用人工智能算法对骨干网架进行搜索,但人工智能方法随机性较高,往往难以做到全局搜索,得到的结果不一定是最优的。
发明内容
本发明所要解决的技术问题是克服现有技术存在的缺陷,提供一种电网骨干网架识别方法,解决了人工智能方法随机性带来的精度较低,以及不便于全局搜索,得到的结果不一定是最优的结果的问题,提高了精度以及识别的高效性。
为解决上述技术问题,本发明采用的技术方案是:
提供一种电网骨干网架识别方法,步骤如下:
(1)首先,根据电网骨干网架相关参数,形成电网骨干网架的原始图G,并对电网节点重要度、线路脆弱度进行评估,得到电网节点重要度的排序以及线路脆弱度的度量值;
其中电网原始图G满足G=(V,E),v={v1,v2,vn}为所有节点组成的集合,E={e1,e2,em}为所有边组成的集合,n和m分别为节点的数目和边的数目;
(2)其次,根据要留存骨干网架的电网节点数目的期望规模值,按照电网节点重要度的排序结果依次选取,并筛选出留存节点中的连接发电机的电源节点与不连接发电机的纯负荷节点,分别存储到两个集合VG和Vload之中并判断其中所含的电源容量和负荷容量是否匹配;若电源容量小于负荷容量,需增加电源节点;若电源容量大于负荷容量,电源出力调整直至满足负荷需求;
(3)然后,运用图论方法,计算出任意电源节点与任意纯负荷节点之间的最短路径,以及任意两个纯负荷节点之间的最短路径,形成图G″,并进行连通性校验;其中,图G″的节点为需留存的电源节点与纯负荷节点,边是所有电源节点与纯负荷节点对之间的最短路径、任意两个纯负荷节点对之间的最短路径,边的权值为对应节点对之间的最短路径值;
(4)再次,根据图论中最小生成树的概念,对形成的图G″进行最小生成树搜寻,最小生成树中的边实质上是其两端节点vi-vj之间的最短路径在图G中对应的线路序列,表示成k为该线路序列中的线路条数,用线路序列替代最小生成树中的边,得到初步骨干网架G'=(V',E',W'),其中,V',E',W'分别代表骨干网架中的节点,边以及边的权值;
(5)最后,对得到的初步骨干网架进行潮流计算并实现安全运行校核;若某些线路潮流越限,就对部分电源节点的出力进行调整,在满足负荷需求的前提下尝试其他的电源出力组合方式,若调整电源出力无法满足要求,增加原始电网中连接所述潮流越限的线路两端的节点的路径至骨干网架,得到最终的骨干网架。
优选地,在步骤(2)中筛选出留存节点中的电源节点与纯负荷节点,具体包括:
(a)给定原始电网的拓扑连接、网络结构参数、运行参数,形成原始电网拓扑结构所对应的图G=(V,E);
(b)在步骤(a)之后,运用已有的电网节点重要度评估算法和线路脆弱度评估方法分别对原始电网进行节点重要度评估、线路脆弱度评估;在线路脆弱度评估的最后需要进行归一化,假定某条线路的脆弱度ξl,所有线路的脆弱度最大值和最小值分别为ξlmax和ξlmin,则对每条线路的脆弱度的值采用如下归一化方法:归一化后的线路脆弱度值ξl′越小,代表该条线路越重要,有更大的可能性留存到骨干网架之中。
优选地,在步骤(2)中,假定电源节点i的最大有功出力为Pgi,任意连接有负荷的节点j的最大有功需求为Ploadj,判断所有电源节点的最大有功出力能否满足负荷的最大总需求,即其中μ为负荷备用系数;若不等式不满足,则依据电源容量缺额,按如下规则增加新的电源节点加入至必须留存的电源节点集合之中:1)选取电源容量大于功率缺额的电源节点;2)选取电气距离近的电源节点;2)选择节点重要度大的电源节点。
优选地,在步骤(3)中计算步骤及定义如下:
(a)在电网原始拓扑结构的基础之上,将每条线路的脆弱度作为该条线路的权值,形成电网的无向有权图G=(V,E,W),其中V,E,W分别代表该无向有权图中的节点,边以及边的权值;计算所有预留电源节点与纯负荷节点对之间、纯负荷节点对之间在无向有权图G=(V,E,W)中的最短路径值,分别定义为并记录每条最短路径所包含的线路序列最短路径的求解算法采用数据结构理论中的Floyd算法;
(b)以所有电源节点与纯负荷节点对之间、纯负荷节点对之间的最短路径,形成图G″=(VG∪load,E″,W″),并进行连通性检验;其中,VG∪Vload为留存的电源节点和负荷节点;E″为留存电源节点与负荷节点之间、负荷节点之间的边;W″为上述边的权重,即最短路径值。
优选地,在步骤(4)中,最小生成树为无向连通图中的树结构,所述树结构包含无向连通图中的所有节点,且所有边的总权值最小。
优选地,负荷备用系数μ的取值范围为1%~3%。
其中具体的步骤如下:
针对采用人工智能算法求解骨干网架时随机性较高的弊端,提出一种新的电网骨干网架识别方法,该方法包括:
首先,根据电网相关参数,形成电网原始图G=(V,E)(v={v1,v2,vn}为所有节点组成的集合,E={e1,e2,em}为所有边组成的集合,n和m分别为节点的数目和边的数目),并采用已有方法对电网节点重要度、线路脆弱度进行评估(得到电网节点重要度的排序以及线路脆弱度的度量值)。根据骨干网架的期望规模,即骨干网架中必须留存的节点数目,按照电网节点重要度的排序结果依次选取,并筛选出留存节点中的电源节点(连接发电机的节点)与纯负荷节点(不连接发电机的节点),分别存储到两个集合VG和Vload之中并判断其中所含的电源容量和负荷容量是否匹配,如果电源容量小于负荷容量,需灵活地增加适当的电源节点(综合考虑节点重要度以及其满足功率需求的能力),如果电源容量大于负荷容量,则通过电源出力的调整即可以满足负荷需求,不需要对留存下的节点进行调整。
然后,运用图论方法,计算任意电源节点与任意纯负荷节点之间的最短路径,以及任意两个纯负荷节点之间的最短路径,形成图G″,并进行连通性校验。其中图G″的节点是必须留存的电源节点与纯负荷节点,边是所有电源节点与纯负荷节点对之间、纯负荷节点对之间的最短路径,边的权值为对应节点对之间的最短路径值。
其次,运用图论中最小生成树的概念(最小生成树是指一个无向连通图中的一个树结构,该树包含图中的所有节点,且所有边的总权值最小),对形成的图G″进行最小生成树搜寻,最小生成树中的边实质上是其两端节点vi-vj之间的最短路径在图G中对应的线路序列,表示成k为该线路序列中的线路条数,用线路序列替代最小生成树中的边,得到初步骨干网架G'=(V',E',W'),其中,V',E',W'分别代表骨干网架中的节点,边以及边的权值(原始线路的脆弱度)。
最后,对得到的初步骨干网架进行潮流计算,实现安全运行校核,如果某些线路潮流越限,就对部分电源节点的出力进行调整,在满足负荷需求的前提下尝试其他的电源出力组合方式,若调整电源出力无法满足要求,增加原始电网中连接该条越限线路两端节点的路径到骨干网架中,得到最终的骨干网架。
本发明采用以下具体步骤:
步骤1)根据骨干网架的期望规模,即骨干网架中必须留存的节点数目,按照电网节点重要度的排序结果依次选取节点,并筛选出留存节点中的电源节点与纯负荷节点,具体步骤如下:
(1)给定原始电网的拓扑连接、网络结构参数、运行参数等,形成原始电网拓扑结构所对应的图G=(V,E)。
(2)运用已有的节点重要度评估算法和线路脆弱度评估方法分别对原始电网进行节点重要度评估、线路脆弱度评估(得到电网节点的重要度排序以及线路脆弱度评估的度量值)。在线路脆弱度评估的最后需要进行归一化,假定某条线路的脆弱度ξl,该图中所有线路的脆弱度最大值和最小值分别为ξlmax和ξlmin,则对每条线路的脆弱度的值采用如下归一化方法:归一化后的线路脆弱度值ξl′越小,代表该条线路越重要,有更大的可能性留存到骨干网架之中。
(3)确定骨干网架的期望规模,即骨干网架中必须留存的节点数目。根据步骤(2)得到的节点重要度评估结果,根据期望留存的节点数目,按照重要度排序,依次选取,一般留存的节点数目为原始电网节点数目的20%、30%、50%等。
(4)筛选出留存节点中的电源节点(连接发电机的节点)和纯负荷节点(不连接发电机的节点),分别存储到两个集合VG和Vload之中,并判断电源容量和负荷节点容量是否匹配,假定发电机节点i的最大有功出力为Pgi,任意连接有负荷的节点j的最大有功需求为Ploadj,需判断所有发电机的最大有功出力能否满足负荷的最大总需求,即其中μ为负荷备用系数,一般取为2%。如果上面的不等式不满足,则依据电源容量缺额,结合电源节点与纯负荷节点之间的电气距离、节点重要度评估结果,选择合适的电源节点加入到必须留存的电源节点集合之中,选择时要保证添加的电源节点的数目应尽量少。
步骤2)运用图论方法,计算电源节点与纯负荷节点之间的最短路径,以及纯负荷节点之间的最短路径,形成图G″=(VG∪load,E″,W″),其中,VG∪load,E″,W″分别代表必须留存的节点集合,所有电源节点与纯负荷节点之间以及所有纯负荷节点之间的边,以及各边的权值(最短路径的值)。并进行连通性校验。相关计算步骤及定义如下:
(1)在电网原始拓扑结构的基础之上,将每条线路的脆弱度作为该条线路的权值,于是形成电网的无向有权图G=(V,E,W),其中V,E,W分别代表该无向有权图中的节点,边以及边的权值。由于骨干网架的主要作用是构成电源节点与纯负荷节点之间的传输通道、纯负荷节点之间的联络通道,所以计算所有电源节点与纯负荷节点对之间、纯负荷节点对之间在无向有权图G=(V,E,W)中的最短路径值,分别定义为并记录每条最短路径所包含的线路序列最短路径的求解算法可采用数据结构理论中的Floyd算法。
(2)以所有电源节点与纯负荷节点对之间、纯负荷节点对之间的最短路径,形成图G″=(VG∪load,E″,W″),并进行连通性检验,一般情况均满足连通性约束。其中图G”是由必须留存的电源节点与负荷节点,所有电源节点与负荷节点对之间、负荷节点对之间的最短路径构成,边的权值为对应节点对之间的最短路径值。
步骤3)对图G″求取最小生成树。最小生成树中的边实质上是两端节点之间在图G中的最短路径所包含的线路序列用线路序列替代最小生成树中的边,得到初步骨干网架G'=(V',E',W'),V'包含必须留存的节点及为满足拓扑连通性约束而引入的必要节点,E'为所有线路序列中的线路,W'为各条边对应的权值(脆弱度值)
步骤4)对得到的初步骨干网架进行潮流计算,实现安全运行校核。为简单起见,可以采用直流潮流模型计算。如果某些线路的潮流越限,对电源出力进行调整。若调节电源出力无法满足要求,可以增加原始电网中连接该条线路两端节点的路径到骨干网架中,得到最终的骨干网架。
与现有技术相比,本发明的有益效果是:
解决了人工智能方法随机性带来的精度较低,以及不便于全局搜索,得到的结果不一定是最优的结果的问题,提高了精度以及识别的高效性。
附图说明
图1实施例IEEE 39节点接线示意图。
图2IEEE 39系统的节点重要度表。
图3IEEE 39系统中各线路脆弱性示意图。
图4IEEE 39系统中的骨干网架示意图。
图5骨干网架中各支路有功潮流表。
具体实施方式
下面结合具体实施方式对本发明专利作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明专利的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明专利实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明专利和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例
如图1至5所示为一种电网骨干网架识别方法的实施例,实施步骤如下:
(1)首先,根据电网原始网络相关参数,形成原始电网图G,并对电网节点重要度、线路脆弱度进行评估,得到电网节点重要度的排序以及线路脆弱度的度量值;
其中电网原始图G满足G=(V,E),v={v1,v2,vn}为所有节点组成的集合,E={e1,e2,em}为所有边组成的集合,n和m分别为节点的数目和边的数目;
(2)其次,根据要留存骨干网架的电网节点数目的期望规模值,按照电网节点重要度的排序结果依次选取,并筛选出留存节点中的连接发电机的电源节点与不连接发电机的纯负荷节点,分别存储到两个集合VG和Vload之中并判断其中所含的电源容量和负荷容量是否匹配;若电源容量小于负荷容量,需增加电源节点;若电源容量大于负荷容量,电源出力调整直至满足负荷需求;
(3)然后,运用图论方法,计算出任意电源节点与任意纯负荷节点之间的最短路径,以及任意两个纯负荷节点之间的最短路径,形成图G″,并进行连通性校验;其中,图G″的节点为需留存的电源节点与纯负荷节点,边是所有电源节点与纯负荷节点对之间的最短路径、任意两个纯负荷节点对之间的最短路径,边的权值为对应节点对之间的最短路径值;
(4)再次,根据图论中最小生成树的概念,对形成的图G″进行最小生成树搜寻,最小生成树中的边实质上是其两端节点vi-vj之间的最短路径在图G中对应的线路序列,表示成k为该线路序列中的线路条数,用线路序列替代最小生成树中的边,得到初步骨干网架G'=(V',E',W'),其中,V',E',W'分别代表骨干网架中的节点,边以及边的权值;
(5)最后,对得到的初步骨干网架进行潮流计算并实现安全运行校核;若某些线路潮流越限,就对部分电源节点的出力进行调整,在满足负荷需求的前提下尝试其他的电源出力组合方式,若调整电源出力无法满足要求,增加原始电网中连接所述潮流越限的线路两端的节点的路径至骨干网架,得到最终的骨干网架。
其中,在步骤(2)中筛选出留存节点中的电源节点与纯负荷节点,具体包括:
(a)给定原始电网的拓扑连接、网络结构参数、运行参数,形成原始电网拓扑结构所对应的图G=(V,E);
(b)在步骤(a)之后,运用已有的电网节点重要度评估算法和线路脆弱度评估方法分别对原始电网进行节点重要度评估、线路脆弱度评估;在线路脆弱度评估的最后需要进行归一化,假定某条线路的脆弱度ξl,所有线路的脆弱度最大值和最小值分别为ξlmax和ξlmin,则对每条线路的脆弱度的值采用如下归一化方法:归一化后的线路脆弱度值ξl′越小,代表该条线路越重要,有更大的可能性留存到骨干网架之中。
另外,在步骤(2)中,假定电源节点i的最大有功出力为Pgi,负荷节点j的最大有功需求为Ploadj,判断所有电源节点的最大有功出力能否满足负荷节点的最大总需求,即其中μ为负荷备用系数;若不等式不满足,则依据电源容量缺额,按如下规则增加新的电源节点加入至必须留存的电源节点集合之中:1)选取电源容量大于功率缺额的电源节点;2)选取电气距离近的电源节点;2)选择节点重要度大的电源节点。
其中,在步骤(3)中计算步骤及定义如下:
(a)在电网原始拓扑结构的基础之上,将每条线路的脆弱度作为该条线路的权值,形成电网的无向有权图G=(V,E,W),其中V,E,W分别代表该无向有权图中的节点,边以及边的权值;计算所有预留电源节点与纯负荷节点对之间、纯负荷节点对之间在无向有权图G=(V,E,W)中的最短路径值,分别定义为并记录每条最短路径所包含的线路序列最短路径的求解算法采用数据结构理论中的Floyd算法;
(b)以所有电源节点与纯负荷节点对之间、纯负荷节点对之间的最短路径,形成图G″=(VG∪load,E″,W″),并进行连通性检验;;其中,VG∪Vload为留存的电源节点和负荷节点;E″为留存电源节点与负荷节点之间、负荷节点之间的边;W″为上述边的权重,即最短路径值。
其中,在步骤(4)中,最小生成树为无向连通图中的树结构,所述树结构包含无向连通图中的所有节点,且所有边的总权值最小。
另外,负荷备用系数μ的取值范围为1%~3%。
具体的:
以电网节点重要度,线路脆弱度评估的相关结果作为依据,使用图论中的最短路径计算方法分别计算电源节点与纯负荷节点之间,纯负荷节点之间的最短路径;进而运用最小生成树搜寻算法确定初步骨干网架。对筛选出的初步骨干网架进行安全运行校核,根据校核结果进行适当调整,使得骨干网架能够满足电网实际运行时必要的约束条件。
步骤1)根据骨干网架的期望规模,即骨干网架中必须留存的节点数目,按照电网节点重要度的排序结果依次选取节点,并筛选出留存节点中的电源节点与纯负荷节点,具体步骤如下:
(1)给定原始电网的拓扑连接、网络结构参数、运行参数等,形成原始电网拓扑结构所对应的图G=(V,E)。
(2)运用已有的节点重要度评估算法和线路脆弱度评估方法分别对原始电网进行节点重要度评估、线路脆弱度评估(得到电网节点的重要度排序以及线路脆弱度评估的度量值)。在线路脆弱度评估的最后需要进行归一化,假定某条线路的脆弱度ξl,该图中所有线路的脆弱度最大值和最小值分别为ξlmax和ξlmin,则对每条线路的脆弱度的值采用如下归一化方法:归一化后的线路脆弱度值ξl′越小,代表该条线路越重要,有更大的可能性留存到骨干网架之中。
(3)确定骨干网架的期望规模,即骨干网架中必须留存的节点数目。根据步骤(2)得到的节点重要度评估结果,根据期望留存的节点数目,按照重要度排序,依次选取,一般留存的节点数目为原始电网节点数目的20%、30%、50%等。
(4)筛选出留存节点中的电源节点(连接发电机的节点)和纯负荷节点(不连接发电机的节点),分别存储到两个集合VG和Vload之中,并判断电源容量和负荷节点容量是否匹配,假定发电机节点i的最大有功出力为Pgi,任意连接有负荷的节点j的最大有功需求为Ploadj,需判断所有发电机的最大有功出力能否满足负荷的最大总需求,即其中μ为负荷备用系数,一般取为2%。如果上面不等式不满满足,则依据电源容量缺额,结合电源节点与负荷节点之间的电气距离、节点重要度评估结果,选择合适的电源节点加入到必须留存的电源节点集合之中,选择时要保证添加的电源节点的数目应尽量少。
步骤2)运用图论方法,计算电源节点与纯负荷节点之间的最短路径,以及纯负荷节点之间的最短路径,形成图G″=(VG∪load,E″,W″),其中,VG∪load,E″,W″分别代表必须留存的节点集合,所有电源节点与纯负荷节点之间以及所有纯负荷节点之间的边,以及各边的权值(最短路径的值)。并进行连通性校验。相关计算步骤及定义如下:
(1)在电网原始拓扑结构的基础之上,将每条线路的脆弱度作为该条线路的权值,于是形成电网的无向有权图G=(V,E,W),其中V,E,W分别代表该无向有权图中的节点,边以及边的权值。由于骨干网架的主要作用是构成电源节点与纯负荷节点之间的传输通道、纯负荷节点之间的联络通道,所以计算所有电源节点与纯负荷节点对之间、纯负荷节点对之间在无向有权图G=(V,E,W)中的最短路径值,分别定义为 并记录每条最短路径所包含的线路序列最短路径的求解算法可采用数据结构理论中的Floyd算法。
(2)以所有电源节点与纯负荷节点对之间、纯负荷节点对之间的最短路径,形成图G″=(VG∪load,E″,W″),并进行连通性检验,一般情况均满足连通性约束。其中图G″是由必须留存的电源节点与负荷节点,所有电源节点与负荷节点对之间、负荷节点对之间的最短路径构成,边的权值为对应节点对之间的最短路径值。
步骤3)对图G″求取最小生成树。最小生成树中的边实质上是两端节点之间在图G中的最短路径所包含的线路序列用线路序列替代最小生成树中的边,得到初步骨干网架G'=(V',E',W'),V'包含必须留存的节点及为满足拓扑连通性约束而引入的必要节点,E'为所有线路序列中的线路,W'为由各条线路的脆弱度,也就是边的权值
步骤4)对得到的初步骨干网架进行潮流计算,实现安全运行校核。为简单起见,可以采用直流潮流模型计算。如果某些线路的潮流越限,对电源出力进行调整。若调节电源出力无法满足要求,可以增加原始电网中连接该条线路两端节点的路径到骨干网架中,得到最终的骨干网架。
将本次申请的电网骨干网架识别方法应用于IEEE 39节点系统。该系统有39个节点,其中发电机节点10个,34条线路,12条变压器支路,系统如图1所示,其中,带圆圈中的数字表示线路编号,不带的圆圈的数字表示节点编号。设定在该系统的骨干网架中所期望留存的节点数目为原始电网节点数目的30%,即原始电网中重要度排序在前12位的重要节点。
首先运用现有的电网节点重要度排序算法以及电网脆弱线路评估算法对该系统进行节点重要度、线路脆弱度评估。运用互联网排序算法HITS算法并结合电网实际运行方式得到的一种系统节点重要度排序如表2所示,运用基于开断相对概率与后果的电网脆弱线路辨识方法得到的一种线路脆弱度评估结果如图3所示,并对结果进行相应的归一化处理。
根据评估结果,骨干网架中必须留存的节点为重要度排序在前12位的节点,即留存节点集合为:{39、6、31、29、38、16、19、5、8、20、22、21},这些节点为原始电网中重要的电源节点、负荷及关键联络节点。该集合中电源节点为:{39、31、38},纯负荷节点为:{6、29、16、19、5、8、20、22、21}。对骨干网架电源与负荷容量进行分析得:电源的有功容量上限为2611MW,无功容量上限为900MVar,负荷有功需求为3201.7MW,负荷无功需求为708.4MVar,有功缺额为590.7MW。按照负荷备用的原则,并考虑其他电源与留存节点之间的拓扑连接情况,将节点35加入到骨干网架的电源节点集合之中,以此弥补有功缺额与负荷备用。节点35的有功上限为650MW,且与节点22通过变压器支路直接相连。
以归一化后的线路脆弱度作为原始网络中各条线路的权值(认为直接连接发电机的变压器支路的权值为零,因为只要有发电机接入电网,该变压器支路必须投运),在原始电网拓扑结构的基础上,求解电源节点与纯负荷节点、纯负荷节点之间的最短路径,记录每条最短路径的长度及其包含的线路序列,并以此构成了图G″。对图G″进行拓扑联通性检验,图G″满足连通性要求。
以最短路径的长度作为图G″中线路的权值,应用最小生成树算法,求取该图的最小生成树,并用各条边(最短路径)对应的线路序列替换最小生成树中的边,得到IEEE39节点系统的初步骨干网架G'=(V',E',W'),如图4所示。图4的实线表示留存在骨干网架中的线路,虚线为未能留存在骨干网架中的线路,没有实线连接的节点为未能留存在骨干网架中的节点。
该骨干网架包含20个节点和19条线路(包括变压器支路),期望留存的13个节点全部包含在骨干网架之中。灾害前,对骨干网架中的线路及节点进行加固,提升其抗灾标准,这将有效保证电网对重要节点的供电,提升电网抵御灾害的能力与灾后恢复速度,工程量不到全面加强全网抗灾标准的一半。删去骨干网架中的任意一条线路,骨干网架将丧失连通性,这说明骨干网架的规模已经尽可能地小。同时,留存在骨干网架中的线路也包含了电网中的脆弱线路,如16-19、21-22、16-21、15-16等,骨干网架配置合理。
对该骨干网架进行安全运行检验,检查线路潮流是否越限。设定骨干网架的运行方式为:除电源节点35外,其余电源节点均按照各自的有功出力上限发电。采用直流潮流模型对骨干网架进行计算,各支路潮流及其传输容量限值(单位为MW)如图5所示。
由图5可见,骨干网架中各支路的有功潮流均不越限,图4中所示骨干网架为最终的骨干网架。
若线路29-26的传输极限为400MW,那么在此运行方式下,该条线路的潮流值越限。考虑到线路29-26为电源节点38的唯一功率外送通道,而网架中除电源节点35以外,其余电源节点的有功出力均已达到上限,调整电源出力将无法使29-26线路上流过的潮流不越限。因此,将线路29-28、28-26添加到初始骨干网架之中(如图4中以红色点划线所示),以此分担线路29-26上的潮流。经过上述处理后即得到最终的骨干网架。
显然,本发明专利的上述实施例仅仅是为清楚地说明本发明专利
所作的举例,而并非是对本发明专利的实施方式的限定。对于所属领
域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形
式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在
本发明专利的精神和原则之内所作的任何修改、等同替换和改进等,
均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种电网骨干网架识别方法,其特征在于,所述电网骨干网架包括原始电网的重要节点和重点线路,步骤如下:
(1)首先,根据电网原始网络相关参数,形成原始电网图G,并对电网节点重要度、线路脆弱度进行评估,得到电网节点重要度的排序以及线路脆弱度的度量值;
其中电网原始图G满足G=(V,E),v={v1,v2,...vn}为所有节点组成的集合,E={e1,e2,...em}为所有边组成的集合,n和m分别为节点的数目和边的数目;
(2)其次,根据要留存骨干网架的电网节点数目的期望规模值,按照电网节点重要度的排序结果依次选取,并筛选出留存节点中的连接发电机的电源节点与不连接发电机的纯负荷节点,分别存储到两个集合VG和Vload之中,并判断其中所含的电源容量和负荷容量是否匹配;若电源容量小于负荷容量,需增加电源节点;若电源容量大于负荷容量,电源出力调整直至满足负荷需求;
(3)然后,运用图论方法,计算出任意电源节点与任意纯负荷节点之间的最短路径,以及任意两个纯负荷节点之间的最短路径,形成图G”,并进行连通性校验;其中,图G”的节点为需留存的电源节点与纯负荷节点,边是任意电源节点与纯负荷节点对之间的最短路径、任意两个纯负荷节点对之间的最短路径,边的权值为对应节点对之间的最短路径值;
(4)再次,根据图论中最小生成树的概念,对形成的图G”进行最小生成树搜寻,最小生成树中的边实质上是其两端节点vi-vj之间的最短路径在图G中对应的线路序列,表示成k为该线路序列中的线路条数,用线路序列替代最小生成树中的边,得到初步骨干网架G'=(V',E',W'),其中,V',E',W'分别代表骨干网架中的节点,边以及边的权值;
(5)最后,对得到的初步骨干网架进行潮流计算并实现安全运行校核;若某些线路潮流越限,就对部分电源节点的出力进行调整,在满足负荷需求的前提下尝试其他的电源出力组合方式,若调整电源出力无法满足要求,增加原始电网中连接所述潮流越限的线路两端的节点的路径至骨干网架,得到最终的骨干网架。
2.根据权利要求1所述的电网骨干网架识别方法,其特征在于,在步骤(2)中筛选出留存节点中的电源节点与纯负荷节点,具体包括:
(a)给定原始电网的拓扑连接、网络结构参数、运行参数,形成原始电网拓扑结构所对应的图G=(V,E);
(b)在步骤(a)之后,运用已有的电网节点重要度评估算法和线路脆弱度评估方法分别对原始电网进行节点重要度评估、线路脆弱度评估;在线路脆弱度评估的最后需要进行归一化,假定某条线路的脆弱度ξl,所有线路的脆弱度最大值和最小值分别为ξlmax和ξlmin,则对每条线路的脆弱度的值采用如下归一化方法:归一化后的线路脆弱度值ξl′越小,代表该条线路越重要,有更大的可能性留存到骨干网架之中。
3.根据权利要求1所述的电网骨干网架识别方法,其特征在于,在步骤(2)中,假定电源节点i的最大有功出力为Pgi,负荷节点j的最大有功需求为Ploadj,判断所有电源节点的最大有功出力能否满足负荷节点的最大总需求,即其中μ为负荷备用系数;若不等式不满足,则依据电源容量缺额,按如下规则增加新的电源节点加入至必须留存的电源节点集合之中:1)选取电源容量大于功率缺额的电源节点;2)选取电气距离近的电源节点;2)选择节点重要度大的电源节点。
4.根据权利要求1所述的电网骨干网架识别方法,其特征在于,在步骤(3)中计算步骤及定义如下:
(a)在电网原始拓扑结构的基础之上,将每条线路的脆弱度作为该条线路的权值,形成电网的无向有权图G=(V,E,W),其中V,E,W分别代表该无向有权图中的节点,边以及边的权值;计算所有预留电源节点与纯负荷节点对之间、纯负荷节点对之间在无向有权图G=(V,E,W)中的最短路径值,分别定义为并记录每条最短路径所包含的线路序列最短路径的求解算法采用数据结构理论中的Floyd算法;
(b)以所有电源节点与纯负荷节点对之间、纯负荷节点对之间的最短路径,形成图G”=(VG∪Vload,E”,W”),并进行连通性检验;其中,VG∪Vload为留存的电源节点和负荷节点;E”为留存电源节点与纯负荷节点之间、纯负荷节点之间的边;W”为上述边的权重,即最短路径值。
5.根据权利要求1至4任一项所述的电网骨干网架识别方法,其特征在于,在步骤(4)中,最小生成树为无向连通图中的树结构,所述树结构包含无向连通图中的所有节点,且所有边的总权值最小。
6.根据权利要求3所述的电网骨干网架识别方法,其特征在于,负荷备用系数μ的取值范围为1%~3%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304124.2A CN107301469B (zh) | 2017-05-02 | 2017-05-02 | 一种电网骨干网架识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710304124.2A CN107301469B (zh) | 2017-05-02 | 2017-05-02 | 一种电网骨干网架识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107301469A true CN107301469A (zh) | 2017-10-27 |
CN107301469B CN107301469B (zh) | 2020-07-14 |
Family
ID=60137698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710304124.2A Active CN107301469B (zh) | 2017-05-02 | 2017-05-02 | 一种电网骨干网架识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107301469B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491834A (zh) * | 2017-07-27 | 2017-12-19 | 国网江西省电力公司经济技术研究院 | 计及元件综合重要度和网络抗毁性的骨干网架搜索方法 |
CN108090616A (zh) * | 2017-12-22 | 2018-05-29 | 东南大学 | 一种电力系统主动解列最优断面搜索方法 |
CN109638821A (zh) * | 2018-12-18 | 2019-04-16 | 广西电网有限责任公司电力科学研究院 | 一种基于0-1规划模型的弹性保底网架搜索建模方法 |
CN110798802A (zh) * | 2019-11-04 | 2020-02-14 | 北京理工大学 | 一种共享自行车骨架网络提取方法 |
CN110912746A (zh) * | 2019-11-28 | 2020-03-24 | 江苏电力信息技术有限公司 | 基于网络拓扑图的网络链路分析方法 |
CN111027161A (zh) * | 2019-11-20 | 2020-04-17 | 积成电子股份有限公司 | 一种大规模输电网潮流图自动生成方法 |
CN112035988A (zh) * | 2020-08-28 | 2020-12-04 | 燕山大学 | 一种基于多个dg的微电网环路规划 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151777A (zh) * | 2013-03-27 | 2013-06-12 | 国家电网公司 | 一种基于电网差异化的核心骨干网架构建方法 |
CN103366062A (zh) * | 2013-07-15 | 2013-10-23 | 武汉大学 | 基于bbo算法和电网生存性的核心骨干网架构建方法 |
CN103400213A (zh) * | 2013-08-22 | 2013-11-20 | 武汉大学 | 一种基于lda与pca的骨干网架生存性评估方法 |
-
2017
- 2017-05-02 CN CN201710304124.2A patent/CN107301469B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151777A (zh) * | 2013-03-27 | 2013-06-12 | 国家电网公司 | 一种基于电网差异化的核心骨干网架构建方法 |
CN103366062A (zh) * | 2013-07-15 | 2013-10-23 | 武汉大学 | 基于bbo算法和电网生存性的核心骨干网架构建方法 |
CN103400213A (zh) * | 2013-08-22 | 2013-11-20 | 武汉大学 | 一种基于lda与pca的骨干网架生存性评估方法 |
Non-Patent Citations (4)
Title |
---|
PENGBO SUN: "A hybrid multiple attribute group decision-making method for backbone-network reconfiguration in power system restoration", 《2014 INTERNATIONAL CONFERENCE ON POWER SYSTEM TECHNOLOGY》 * |
李振美: "最小生成树的生成及应用", 《中国科技信息》 * |
洪运福: "基于复杂网络的输电网差异化规划研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
王浩磊: "基于改进二进制量子粒子群算法的核心骨干网架搜索", 《中国电机工程学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491834A (zh) * | 2017-07-27 | 2017-12-19 | 国网江西省电力公司经济技术研究院 | 计及元件综合重要度和网络抗毁性的骨干网架搜索方法 |
CN108090616A (zh) * | 2017-12-22 | 2018-05-29 | 东南大学 | 一种电力系统主动解列最优断面搜索方法 |
CN109638821A (zh) * | 2018-12-18 | 2019-04-16 | 广西电网有限责任公司电力科学研究院 | 一种基于0-1规划模型的弹性保底网架搜索建模方法 |
CN110798802A (zh) * | 2019-11-04 | 2020-02-14 | 北京理工大学 | 一种共享自行车骨架网络提取方法 |
CN111027161A (zh) * | 2019-11-20 | 2020-04-17 | 积成电子股份有限公司 | 一种大规模输电网潮流图自动生成方法 |
CN111027161B (zh) * | 2019-11-20 | 2023-08-01 | 积成电子股份有限公司 | 一种大规模输电网潮流图自动生成方法 |
CN110912746A (zh) * | 2019-11-28 | 2020-03-24 | 江苏电力信息技术有限公司 | 基于网络拓扑图的网络链路分析方法 |
CN112035988A (zh) * | 2020-08-28 | 2020-12-04 | 燕山大学 | 一种基于多个dg的微电网环路规划 |
CN112035988B (zh) * | 2020-08-28 | 2022-10-25 | 燕山大学 | 一种基于多个dg的微电网环路规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107301469B (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301469A (zh) | 一种电网骨干网架识别方法 | |
CN106972481A (zh) | 规模化充电设施接入有源配电网的安全性量化评估方法 | |
CN107887903A (zh) | 考虑元件频率特性的微电网鲁棒优化调度方法 | |
CN107871216A (zh) | 一种配电网脆弱节点的识别方法 | |
CN103366062B (zh) | 基于bbo算法和电网生存性的核心骨干网架构建方法 | |
CN110034581A (zh) | 风电并网下电力系统的区间电气介数脆弱性评估方法 | |
CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
CN104319785B (zh) | 一种基于源流路径电气剖分的风电系统关键节点识别方法 | |
CN105512783A (zh) | 用于电磁环网解环方案的综合评价方法 | |
CN103577891A (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
CN107947151A (zh) | 一种电力系统关键节点的识别方法 | |
CN104795828A (zh) | 基于遗传算法的风储容量配置方法 | |
CN108647415A (zh) | 用于高比例风电并网的电力系统的可靠性评估方法 | |
Sudersan et al. | Contingency selection and static security enhancement in power systems using heuristics-based genetic algorithms | |
Yu et al. | Optimization of an offshore oilfield multi-platform interconnected power system structure | |
CN110061495B (zh) | 一种基于割约束的电力系统核心网络的识别方法 | |
CN107086565A (zh) | 一种基于聚合理论的预想事故自动选择方法 | |
CN105354761A (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
CN115587685A (zh) | 含高渗透率分布式电源的韧性配电网评价体系 | |
CN113361946A (zh) | 一种基于分布式光伏并网系统的电能质量评估方法及装置 | |
CN110247391B (zh) | 一种基于综合加权供电路径指数的配电网失电风险分析方法 | |
CN113010988A (zh) | 一种交直流混合配电网的灾后优化恢复方法及系统 | |
Krishnamurthy et al. | Decomposition method for solution of a multi-area power dispatch problem | |
CN110135489A (zh) | 一种基于主成分分析法的关键输电线路识别方法及存储设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |