CN109063937B - 一种主动配电网ftu优化配置方法 - Google Patents
一种主动配电网ftu优化配置方法 Download PDFInfo
- Publication number
- CN109063937B CN109063937B CN201811214281.5A CN201811214281A CN109063937B CN 109063937 B CN109063937 B CN 109063937B CN 201811214281 A CN201811214281 A CN 201811214281A CN 109063937 B CN109063937 B CN 109063937B
- Authority
- CN
- China
- Prior art keywords
- remote
- power distribution
- branch
- distribution network
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 39
- 238000012797 qualification Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000002955 isolation Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 101150036841 minJ gene Proteins 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011058 failure modes and effects analysis Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种主动配电网FTU优化配置方法，其步骤：建立包括投资费用和状态估计精度最优的综合目标函数、可靠性指标约束、节点电压和支路功率合格率约束、甩负荷约束的优化模型；将主动配电网馈线终端的部分“三遥”降为“二遥”；将主动配电网馈线终端的部分“二遥”降为不配终端；输出主动配电网FTU优化配置“三遥”和“二遥”阶段优化结果。本发明的主动配电网FTU优化配置方法，主要考虑线路开关的FTU配置，能够在主动配电网的配电终端优化配置时，综合考虑状态估计精度、投资费用、可靠性等因素。
Description
技术领域
本发明涉及一种电力系统配电网稳态分析领域，特别是关于一种考虑可靠性和状态估计精度的主动配电网FTU(馈线终端单元)优化配置方法。
背景技术
主动配电网(active distribution network,AND)通过使用自动化配电终端可以灵活调整网络拓扑结构和潮流分布，并对接入的分布式电源(distributed generator，DG)进行主动管理，实现系统的安全经济运行。
配电终端的配置不仅涉及到设备投资的经济性和运行的可靠性、电压合格率等因素，配电终端提供的量测数据同时可用于改善配电网状态估计的计算精度。
在主动配电网配电终端配置中，通常包含相对详细的可靠性计算和不同程度的经济性分析。相关研究成果分析了在配电网不同网络结构和不同终端类别下的FTU(馈线终端单元)最优配置；将可靠性作为约束条件，建立了考虑投资费用、运行费用、停电损失费用等因素的终端配置优化模型，并采用遗传算法或拉格朗日乘数法求解；分别针对最大可靠性和最佳经济性建立优化目标，利用可靠性和经济性的“最大比效益增量”迭代求解，确定线路开关和自动化设备的数量和位置。现有方法考虑了FTU配置的经济性、可靠性和电网运行的安全性，但未同时考虑对状态估计精度的影响。
发明内容
针对上述问题，本发明的目的是提供一种主动配电网FTU优化配置方法，其分析配电网量测配置的特点，提出综合考虑主动配电网量测配置经济性、可靠性和状态估计误差的优化模型，确定考虑经济性、可靠性和状态估计精度的最优配电终端配置。
为实现上述目的，本发明采取以下技术方案：一种主动配电网FTU优化配置方法，其包括以下步骤：(1)建立包括投资费用和状态估计精度最优的综合目标函数、可靠性指标约束、节点电压和支路功率合格率约束、甩负荷约束的优化模型；(2)将主动配电网馈线终端的部分“三遥”降为“二遥”；(3)将主动配电网馈线终端的部分“二遥”降为不配终端；(4)输出主动配电网FTU优化配置“三遥”和“二遥”阶段优化结果。
进一步，所述步骤(1)中，状态估计采用最小二乘法，可靠性指标采用故障模式后果分析法计算。
进一步，所述步骤(1)中，优化模型为：
minJ＝aJ1+bJ2
s.t.
AFset≥AFset0
αV≥αV,0
αbranch≥αbranch,0
Pdis,i,max≥Pdis,i≥Pdis,i,min
PLoad,j,max≥PLoad,j≥PLoad,j,min
其中，J为综合性指标；J1为状态估计指标；J2为配电终端的投资费用；a、b为权重系数；αV为节点电压合格率指标、αbranch为支路功率合格率指标；Pdis,i为分布式电源点i的有功出力、PLoad,j为负荷点j的有功负荷；下标0表示给定值，下标max、min表示边界最大、最小值；AFset表示可靠性指标。
进一步，所述步骤(2)中，搜索所有分支线上“三遥”配置的最后节点，分别进行可靠性计算和状态估计，对满足约束条件的最小目标函数值对应的节点，将“三遥”降为“二遥”。
进一步，所述步骤(3)中，搜索所有分支线上“二遥”配置的最后节点，分别进行可靠性计算、状态估计，对满足约束条件的最小目标函数值对应的节点，将“二遥”降为不配终端。
进一步，所述可靠性指标计算方法包括以下步骤：1)形成辐射性配电网的前向、后向链接关系表，用于网络搜索；按元件类别和“二遥”、“三遥”配置情况确定各元件的年故障率、故障隔离时间、故障修复时间；2)对每一元件，确定故障跳闸的停电范围，故障隔离、负荷转移和供电恢复后的停电范围，计算对所有停电用户产生的停电次数、停电时间、停电电量，并用λi折算；用前推回代法计算支路潮流和节点电压，并用λi折算；3)计算各用户点的可靠性指标；计算系统的可靠性指标：系统平均停电频率SAIDI、平均供电可用率ASAI、计及故障的平均供电可用率AFset，以及年缺供发电量、年缺供用户电量和年电压合格率指标。
进一步，假定在配电终端的初始配置下，可靠性指标AFset大于要求值，先计算“三遥”降为“二遥”，再计算“二遥”降为不配终端；两者计算方法相同，以“三遥”降“二遥”为例，包括以下步骤：1)搜索所有分支线上“三遥”配置的最后节点，得到L个点；2)对节点i＝1,2,…,L，分别降低配电终端类别，进行可靠性计算、状态估计，当满足约束条件时，根据优化模型计算目标函数值J(i)，得到L1个值；3)若L1＝0，结束，否则进入步骤4)；4)从L个目标函数值J(i)中，选择最小值对应的点，降低配电终端类别。
进一步，所述步骤(4)中，输出主动配电网FTU优化配置“三遥”和“二遥”阶段优化结果包括：各馈线的可靠性指标、通讯光纤长度、“三遥”FTU台数、“二遥”FTU台数、总投资费用及优化模型目标函数值。
本发明由于采取以上技术方案，其具有以下优点：本发明以配电终端投资指标和状态估计方差指标加权形成目标函数，配网可靠性和电压合格率等为约束条件，迭代求解最优FTU配置。综合地考虑了配电网量测配置的经济性、可靠性和对状态估计误差的影响。
附图说明
图1是本发明优化配置方法的流程图；
图2是可靠性指标计算顺序图；
图3是本发明实施例中10kv配电网简图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下通过具体的实施例结合附图对本发明做进一步的详细描述。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明所涉及到的名词解释如下：
馈线终端FTU：安装在配电网馈线回路的柱上等处的配电终端，按照功能分为“三遥”终端和“二遥”终端，其中“二遥”终端又可分为基本型终端、标准型终端和动作型终端。
故障模式影响分析：是用归纳统计的方法系统地分析配电网中元件可能存在的每一种故障模式及其产生的后果和危害的程度。
如图1所示，为了求解最优FTU配置时综合地考虑了配电网量测配置的经济性、可靠性和对状态估计误差的影响，本发明提供一种主动配电网FTU优化配置方法，该方法包括以下步骤：
(1)建立包括投资费用和状态估计精度最优的综合目标函数、可靠性指标约束、节点电压和支路功率合格率约束、甩负荷约束的优化模型；
状态估计采用最小二乘法，可靠性指标采用故障模式后果分析法计算。
(2)将主动配电网馈线终端的部分“三遥”降为“二遥”；
搜索所有分支线上“三遥”配置的最后节点，分别进行可靠性计算和状态估计，对满足约束条件的最小目标函数值对应的节点，将“三遥”降为“二遥”。
(3)将主动配电网馈线终端的部分“二遥”降为不配终端；
搜索所有分支线上“二遥”配置的最后节点，分别进行可靠性计算、状态估计，对满足约束条件的最小目标函数值对应的节点，将“二遥”降为不配终端。
(4)输出主动配电网FTU优化配置“三遥”和“二遥”阶段优化结果：包括各馈线的可靠性指标、通讯光纤长度、“三遥”FTU台数、“二遥”FTU台数、总投资费用及优化模型目标函数值。
上述步骤(1)中，在满足供电可靠性、节点电压和支路功率合格率的前提下，投资费用和状态估计精度的综合最优。优化模型如下：
minJ＝aJ1+bJ2 (1-1)
s.t.
可靠性约束：
AFset≥AFset0 (1-2)
电压合格率约束：
αV≥αV,0 (1-3)
支路功率合格率约束：
αbranch≥αbranch,0 (1-4)
分布式电源有功出力约束：
Pdis,i,max≥Pdis,i≥Pdis,i,min (1-5)
甩负荷约束：
PLoad,j,max≥PLoad,j≥PLoad,j,min (1-6)
其中，J为综合性指标；J1为状态估计指标；J2为配电终端的投资费用；a、b为权重系数；αV为节点电压合格率指标、αbranch为支路功率合格率指标；Pdis,i为分布式电源点i的有功出力、PLoad,j为负荷点j的有功负荷；下标0表示给定值，下标max、min表示边界最大、最小值；AFset表示可靠性指标；AFset0表示可靠性指标给定值；αV,0表示电压合格率给定值；αbranch,0表示支路功率合格率给定值。
优化变量为FTU的配置，采用“二遥”或“三遥”终端。“二遥”终端通常采用无线通信，费用较低；“三遥”终端一般采用光纤通信，费用较高。
状态估计指标J1的计算为初始指标J10减去配置“二遥”、“三遥”后的变化量，即
Mp为配置个数，Rk为状态估计中第k个量测量的自方差；Fk为Rk对状态估计指标的贡献系数。
计及故障停电因素的可靠性指标为：
AFset＝1-(1-ASAI)r (1-7)
式中，r为故障停电户时数占总停电户时数的百分比；ASAI表示平均供电可用率。
《配电自动化规划设计技术导则》中，按照负荷重要程度和供电可靠性要求，将供电区域分为A+、A、B、C、D、E六类，本发明的分析针对C类。C类区域的用户年平均停电时间不高于9小时，ASAI≥99.897％，式(1-7)中取r＝0.4，AFset＝99.959％。
如图2所示，上述步骤(2)、步骤(3)中，采用故障模式后果分析法(FMEA)计算可靠性指标，计算过程包括：
1)形成辐射性配电网的前向、后向链接关系表，用于网络搜索；按元件类别和“二遥”、“三遥”配置情况确定各元件的年故障率、故障隔离时间、故障修复时间。
2)对每一元件，例如年故障率为λi的元件i，确定故障跳闸的停电范围，故障隔离、负荷转移和供电恢复后的停电范围，计算对所有停电用户产生的停电次数、停电时间、停电电量，并用λi折算；用前推回代法计算支路潮流和节点电压，并用λi折算(若进行状态估计计算，可代替该潮流计算)；λi表示年故障率。
3)计算各用户点的可靠性指标；计算系统的可靠性指标：系统平均停电频率SAIDI、平均供电可用率ASAI、计及故障的平均供电可用率AFset，以及年缺供发电量、年缺供用户电量、年电压合格率指标等。
故障模型描述了系统如何发生故障、发生故障的频率、以及需要的修复时间。
C类供电区域，配电终端的初始配置为，对主干线开关、线路联络开关、分段开关、分支线开关，以及进出线较多的开关站、环网单元和配电室，配置“三遥”配电自动化终端；对无联络的末端站室、用户进线分界开关，配置“二遥”终端。本实施例中主要考虑线路开关的FTU配置。
鉴于配电线路的辐射性结构和“三遥”终端对光纤通道的要求，终端类别的提升(例如“二遥”改为“三遥”)可按从线路首端到末端的次序，终端类别的降低按照从线路末端到首端的次序。由于分支线的存在，需要比较在不同分支线上进行终端类别改变的效果。
上述步骤(2)和步骤(3)中，假定在配电终端的初始配置下，可靠性指标AFset大于要求值，先计算“三遥”降为“二遥”，再计算“二遥”降为不配终端。两者计算方法相同，以“三遥”降“二遥”为例，计算过程为：
1)搜索所有分支线上“三遥”配置的最后节点，得到L个点；
2)对节点i＝1,2,…,L，分别降低配电终端类别，进行可靠性计算、状态估计(或潮流计算)，当满足式(1-2)～(1-6)时计算式(1-1)中的目标函数值J(i)，得到L1个值；
3)若L1＝0，结束，否则进入步骤4)；
4)从L个目标函数值J(i)中，选择最小值对应的点，降低配电终端类别。
从而得到满足可靠性、安全性要求的配置方案。需要说明的是，“三遥”降“二遥”时，对状态估计误差无影响。
实施例：现在通过对118节点10kv配电网进行虑可靠性和状态估计精度的主动配电网FTU配置。如图3所示，电源电压10.5kV。含117段线路、3条联络线，21个分段开关和分支线开关、3个联络开关。总负荷功率22.7MW。节点56接入风电功率1.5+j0.73MVA；节点51接入光伏发电1.5+j0.73MVA；节点76接有垃圾焚烧电厂4+j1.94MVA；节点113接有沼气发电厂3+j1.45MVA。
所有计算在FORTRAN 6.5环境下编程实现，状态估计采用最小二乘法。配电终端的初始配置为，对主干线开关、线路联络开关、分段开关、分支线开关，配置“三遥”，用户配置“二遥”。
架空裸线的故障率取0.1次/(km﹒a)，故障修复时间取4h/次；故障定位指引下的人工故障区域隔离时间取1h/次，无故障定位时取2h/次。“三遥”配置下的故障区域隔离时间取3min/次。C类区域要求的AFset取99.959％。“三遥”通讯光缆3万元/km，“三遥”FTU 0.7万元/台，“二遥”FTU 0.68万元/台。
初始配置下的指标列于表1，三条馈线的AFset指标均高于要求的99.959％。配置优化对三条馈线分别进行。每条馈线的优化分为两个阶段，第一阶段为“三遥”优化，将部分“三遥”降为“二遥”，第二阶段为“二遥”优化，尝试取消部分“二遥”。由于“二遥”、“三遥”均可提供量测数据，第一阶段中状态估计指标J1无变化。仅针对线路开关的FTU配置进行优化，目标函数中权重系数取值a＝0.1、b＝1.0。
表1初始配置下指标
以馈线1为例，优化过程的各量变化情况列于表2，其中序号1～7为优化“三遥”，序号8优化“二遥”，由于AFset指标已降到要求的最低值99.595％，优化过程结束。目标函数J由初始的58.9601下降到31.1876。表中同时列出状态估计指标和投资指标的变化情况。
表2馈线1的FTU优化过程
为说明表2中每一行的开关选择，以序号8为例。此时搜索到的“二遥”配置的末端开关共有5个，逐一降低各开关配置后的主要指标列于表3。满足式(1-1)～式(1-6)要求的最小目标函数值为31.1876，对应于表5中8(3)行的开关位置31-136，即表2中的序号为8的一行。
表3馈线1“二遥”优化第一次迭代的FTU选择
三条馈线优化“三遥”配置后的指标列于表4，优化“二遥”配置后的指标列于表5。
表4“三遥”阶段优化结果
表5“二遥”优化结果
由于保留主干线的“三遥”配置，最终有13台“三遥”FTU，6台“二遥”FTU。位于主干线的分布式电源与分段、联络开关共享“三遥”配置。因此，可以在主动配电网的配电终端优化配置时，综合考虑状态估计精度、投资费用、可靠性等因素。
以上仅为本发明的优选实施例而已，对于本领域的技术人员而言，本发明可以有不同的改变和变化。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进，均应包含在本发明的保护范围之内。
Claims (3)
1.一种主动配电网FTU优化配置方法，其特征在于，包括以下步骤：
(1)建立包括投资费用和状态估计精度最优的综合目标函数、可靠性指标约束、节点电压和支路功率合格率约束、甩负荷约束的优化模型；
(2)将主动配电网馈线终端的部分“三遥”降为“二遥”；
(3)将主动配电网馈线终端的部分“二遥”降为不配终端；
(4)输出主动配电网FTU优化配置“三遥”和“二遥”阶段优化结果；
所述步骤(1)中，优化模型为：
minJ＝aJ1+bJ2
s.t.
可靠性约束：
AFset≥AFset0
电压合格率约束：
αV≥αV,0
支路功率合格率约束：
αbranch≥αbranch,0
分布式电源有功出力约束：
Pdis,i,max≥Pdis,i≥Pdis,i,min
甩负荷约束：
PLoad,j,max≥PLoad,j≥PLoad,j,min
其中，J为综合性指标；J1为状态估计指标；J2为配电终端的投资费用；a、b为权重系数；αV为节点电压合格率指标、αbranch为支路功率合格率指标；Pdis,i为分布式电源点i的有功出力、PLoad,j为负荷点j的有功负荷；下标0表示给定值，下标max、min表示边界最大、最小值；AFset表示可靠性指标；AFset0表示可靠性指标给定值；αV,0表示电压合格率给定值；αbranch,0表示支路功率合格率给定值；
所述步骤(2)中，搜索所有分支线上“三遥”配置的最后节点，分别进行可靠性计算和状态估计，对满足约束条件的最小目标函数值对应的节点，将“三遥”降为“二遥”；
所述步骤(3)中，搜索所有分支线上“二遥”配置的最后节点，分别进行可靠性计算、状态估计，对满足约束条件的最小目标函数值对应的节点，将“二遥”降为不配终端；
假定在配电终端的初始配置下，可靠性指标AFset大于要求值，先计算“三遥”降为“二遥”，再计算“二遥”降为不配终端；两者计算方法相同，以“三遥”降“二遥”为例，包括以下步骤：
1)搜索所有分支线上“三遥”配置的最后节点，得到L个点；
2)对节点i＝1,2,…,L，分别降低配电终端类别，进行可靠性计算、状态估计，当满足约束条件时，根据优化模型计算目标函数值J(i)，得到L1个值；
3)若L1＝0，结束，否则进入步骤4)；
4)从L个目标函数值J(i)中，选择最小值对应的点，降低配电终端类别；
计及故障停电因素的可靠性指标为：
AFset＝1-(1-ASAI)r
式中，r为故障停电户时数占总停电户时数的百分比；ASAI表示平均供电可用率；
所述可靠性指标计算方法包括以下步骤：
1)形成辐射性配电网的前向、后向链接关系表，用于网络搜索；按元件类别和“二遥”、“三遥”配置情况确定各元件的年故障率、故障隔离时间、故障修复时间；
2)对每一元件，确定故障跳闸的停电范围，故障隔离、负荷转移和供电恢复后的停电范围，计算对所有停电用户产生的停电次数、停电时间、停电电量，并用λi折算；用前推回代法计算支路潮流和节点电压，并用λi折算；
3)计算各用户点的可靠性指标；计算系统的可靠性指标：系统平均停电频率SAIDI、平均供电可用率ASAI、计及故障的平均供电可用率AFset，以及年缺供发电量、年缺供用户电量和年电压合格率指标。
2.如权利要求1所述方法，其特征在于：所述步骤(1)中，状态估计采用最小二乘法，可靠性指标采用故障模式后果分析法计算。
3.如权利要求1所述方法，其特征在于：所述步骤(4)中，输出主动配电网FTU优化配置“三遥”和“二遥”阶段优化结果包括：各馈线的可靠性指标、通讯光纤长度、“三遥”FTU台数、“二遥”FTU台数、总投资费用及优化模型目标函数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214281.5A CN109063937B (zh) | 2018-10-18 | 2018-10-18 | 一种主动配电网ftu优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811214281.5A CN109063937B (zh) | 2018-10-18 | 2018-10-18 | 一种主动配电网ftu优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109063937A CN109063937A (zh) | 2018-12-21 |
| CN109063937B true CN109063937B (zh) | 2021-09-14 |
Family
ID=64764158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811214281.5A Active CN109063937B (zh) | 2018-10-18 | 2018-10-18 | 一种主动配电网ftu优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109063937B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114662725A (zh) * | 2020-12-23 | 2022-06-24 | 上海电力大学 | 一种考虑用户分布均匀程度的馈线最优分段数计算方法 |
| CN118130970B (zh) * | 2024-05-07 | 2024-08-27 | 国网天津市电力公司电力科学研究院 | 一种配电网故障检测方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376376A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种面向配电自动化终端类型的优化配置方法 |
| CN104484712A (zh) * | 2014-11-24 | 2015-04-01 | 国家电网公司 | 一种三遥配电终端优化配置方法 |
| CN106786531A (zh) * | 2016-12-26 | 2017-05-31 | 国网天津市电力公司 | 一种配电终端优化配置方法 |
| CN107545516A (zh) * | 2016-06-24 | 2018-01-05 | 中国电力科学研究院 | 一种基于遗传算法的馈线终端优化配置方法 |
-
2018
- 2018-10-18 CN CN201811214281.5A patent/CN109063937B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376376A (zh) * | 2014-11-06 | 2015-02-25 | 国家电网公司 | 一种面向配电自动化终端类型的优化配置方法 |
| CN104484712A (zh) * | 2014-11-24 | 2015-04-01 | 国家电网公司 | 一种三遥配电终端优化配置方法 |
| CN107545516A (zh) * | 2016-06-24 | 2018-01-05 | 中国电力科学研究院 | 一种基于遗传算法的馈线终端优化配置方法 |
| CN106786531A (zh) * | 2016-12-26 | 2017-05-31 | 国网天津市电力公司 | 一种配电终端优化配置方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109063937A (zh) | 2018-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106815657B (zh) | 一种考虑时序性和可靠性的配电网双层规划方法 | |
| Millar et al. | Impact of MV connected microgrids on MV distribution planning | |
| CN103746368B (zh) | 一种电力系统静态安全稳定运行极限优化方法 | |
| CN109146124B (zh) | 一种基于时变失效率的配电终端改造决策方法 | |
| US8169106B2 (en) | Energy management system and control method using the same, for determining an operation mode of a high voltage direct current system | |
| CN110504705B (zh) | 一种海上风电集群电气系统规划方法 | |
| CN109063937B (zh) | 一种主动配电网ftu优化配置方法 | |
| CN107844628B (zh) | 一种大型海上风电场集电系统冗余度优化方法 | |
| CN114202186A (zh) | 一种海上风电场并网输送系统经济评估性方法 | |
| CN112491034B (zh) | 一种基于交流潮流模型的电力信息物理系统建模方法 | |
| CN104319785A (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 | |
| CN116826725A (zh) | 一种面向变电站为中心中压配电供区（s-scdn）馈线群fc考虑多目标的故障供电恢复方法 | |
| CN105634132A (zh) | 一种具有无功补偿功能的10kV低压智能配电网系统 | |
| CN113447758B (zh) | 一种风电场多分支集电线路单相接地故障测距方法 | |
| KR20140036552A (ko) | 전력계통의 운영 손실을 최소화하는 ｈｖｄｃ제어 시스템 및 그 방법 | |
| CN112865090B (zh) | 一种基于生物体免疫机制的智能配电网故障恢复方法 | |
| CN107370182B (zh) | 一种主动配电网三元规划体系分布式电源接入规划方法 | |
| CN117422299A (zh) | 一种含多状态风电场的输变电系统风险评估方法 | |
| Shurong et al. | Optimization of power collector system for large-scale offshore wind farm based on topological redundancy assessment | |
| KR20190040752A (ko) | 해상풍력발전단지 설계 장치 및 방법 | |
| CN113780856B (zh) | 一种考虑信息系统对实时重构影响的配电网运行评估方法 | |
| CN108512215B (zh) | 基于提升可靠性的配电网开关规划方法 | |
| Terada et al. | Proposal of environmental adaptation for the next-generation distribution SCADA system | |
| Raghavendra et al. | Voltage estimation in smart distribution networks with multiple DG systems | |
| Voloshin et al. | Development of an algorithm for generating the equivalent power system according to PMU |
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 |