CN109193725B - 一种基于微电网恢复负荷的方法 - Google Patents

一种基于微电网恢复负荷的方法 Download PDF

Info

Publication number
CN109193725B
CN109193725B CN201811272770.6A CN201811272770A CN109193725B CN 109193725 B CN109193725 B CN 109193725B CN 201811272770 A CN201811272770 A CN 201811272770A CN 109193725 B CN109193725 B CN 109193725B
Authority
CN
China
Prior art keywords
load
recovery
micro
microgrid
grid
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
CN201811272770.6A
Other languages
English (en)
Other versions
CN109193725A (zh
Inventor
杨丽君
赵优
王晨
王芯蕊
范锦谕
梁旭日
郝金慧
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.)
Hebei Kaitong Information Technology Service Co ltd
NANJING QI ZHENG INFORMATION TECHNOLOGY CO.,LTD.
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN201811272770.6A priority Critical patent/CN109193725B/zh
Publication of CN109193725A publication Critical patent/CN109193725A/zh
Application granted granted Critical
Publication of CN109193725B publication Critical patent/CN109193725B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/383—
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Abstract

本发明公开一种基于微电网恢复负荷的方法。所述恢复负荷方法包括：设置微电网的控制方式并采用光储系统为所述微电网提供电源；建立所述光储系统的数学模型；在所述光储系统的数学模型的基础上，以持续供电时间为目的；获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；将多个所述最短恢复路径组成恢复树，所述恢复负荷为出现故障的情况下待恢复的负载，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型；根据所述最大覆盖负载模型计算所述最短恢复路径中的所述微电网恢复负荷的恢复策略。基于微电网恢复负荷的方法能够优先恢复关键负荷的基于微电网恢复负荷。

Description

一种基于微电网恢复负荷的方法
技术领域
本发明涉及微电网领域，特别是涉及一种基于微电网恢复负荷的方法。
背景技术
随着重大灾害发生日益频繁，造成大面积停电事故频发，对配电基础设施产生重大影响。高影响的低概率事件经常延长停电时间和导致关键负荷损失，严重影响用户的安全。现有的恢复方法中没有考虑到极端事件，但是在灾难性故障中，多个故障，大面积停电，缺乏电源以及弱传输并不罕见，因此，在发生重大灾难后，发电资源可能会受到限制，应该优先恢复关键负荷，现有技术中还没有恢复关键负荷的恢复方法。
发明内容
本发明的目的是提供一种能够优先恢复关键负荷的基于微电网恢复负荷的方法。
为实现上述目的，本发明提供了如下方案：
一种基于微电网恢复负荷的方法，所述恢复负荷方法包括：
设置微电网的控制方式并采用光储系统为所述微电网提供电源；
建立所述光储系统的数学模型；
在所述光储系统的数学模型的基础上，以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型，获得时间最优恢复策略模型；
获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；
将多个所述最短恢复路径组成恢复树，所述恢复负荷为出现故障的情况下待恢复的负载；
根据所述时间最优恢复策略模型计算所述恢复树中的多个所述微电网的最大持续供电时间；
根据所述恢复树中的多个所述微电网到所述恢复负荷的最大持续供电时间和有功功率，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型；
根据所述最大覆盖负载模型计算所述最短恢复路径中的所述微电网恢复负荷的恢复策略。
可选的，所述建立所述光储系统的数学模型具体包括：
采用铅蓄电池作为电子开关系统的储能电池，在单位时间间隔内，所述铅蓄电池的充、放电功率均恒定，将充放电模型用充电状态表示，数学模型可表示为：
Figure BDA0001846359710000021
式中，
Figure BDA0001846359710000022
为所述微电网k中电子开关系统在时段t内的充电状态状态；
Figure BDA0001846359710000023
为所述微电网k中电子开关系统在时段t-1时充电状态的初始状态；Δt为时间步长，取Δt＝1h；
Figure BDA0001846359710000024
为所述微电网k中电子开关系统在时段t-1内的充放电功率，正值表示电子开关系统放电，负值表示电子开关系统充电；
Figure BDA0001846359710000025
为所述微电网k中电子开关系统的容量；M为多个所述微电网的集合；
为防止电子开关系统电量过充或过放，有充电状态限制：
Figure BDA0001846359710000026
式中，
Figure BDA0001846359710000027
为所述微电网k中电子开关系统的充电状态最小值，取
Figure BDA0001846359710000028
Figure BDA0001846359710000029
为所述微电网k中电子开关系统的充电状态最大值，取
Figure BDA00018463597100000210
单位时段充放电功率限制：
Figure BDA00018463597100000211
Figure BDA00018463597100000212
Figure BDA00018463597100000213
式中，
Figure BDA00018463597100000214
为所述微电网k中电子开关系统单位时段内最大充电功率；
Figure BDA00018463597100000215
为所述微电网k中电子开关系统单位时段内最大放电功率；
Figure BDA00018463597100000216
为二元变量，表示充电状态，若所述微电网k中电子开关系统在时段t内充电则
Figure BDA00018463597100000217
为1，否则为0，
Figure BDA00018463597100000218
为二元变量，表示放电状态，若所述微电网k中电子开关系统在时段t内放电则
Figure BDA00018463597100000219
为1，否则为0，电子开关系统不能同时处于充电和放电状态。
可选的，所述在所述光储系统的数学模型的基础上，以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型，获得时间最优恢复策略模型具体包括：
以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型
Figure BDA0001846359710000031
其中，ti为所述微电网恢复负荷i的时间；ci为负荷i的权重因子，若为关键负荷则ci≥1，若为非关键负荷则ci≤0.05；
所述微电网满足的约束条件：备用容量不足风险、发电资源约束、潮流约束。
可选的，所述获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；将多个所述最短恢复路径组成恢复树具体包括：
将所述微电网配电建模为无向图G＝[V,E]，其中，V表示节点的集合，E表示边的集合；
以所述微电网为源节点Vs，所述恢复负荷为目标节点Vt，所述源节点Vs到所述目标节点Vt的供电路径P，所述供电路径P的权重为所述供电路径P中的所有边的权重求和w(p)，所述权重为对应所述目标节点Vt的负荷量，w(p)为所述供电路径上的总负荷量；
所述总负荷量w(p)最小值w(p0)对应的供电路径为最短供电路径；
所述供电路径满足的约束条件为所述权重求和w(p)≥0，所述供电路径至少包含一个所述恢复负荷和一个所述微电网；
通过所述微电网发电资源约束和潮流约束来评价多个所述最短供电路径的可行性，获得可行最短恢复路径；
所述可行最短恢复路径上的节点和边组成恢复树。
可选的，所述根据所述时间最优恢复策略模型计算所述恢复树中的多个所述微电网的最大持续供电时间具体包括：
将所述恢复树中的恢复负荷进行任意组合，获得多个负载组；
通过潮流约束验证所述负载组的可行性，获得多个可行负载组；
根据所述时间最优恢复策略模型计算所述微电网k对所述可行负载组j的最大持续恢复时间
Figure BDA0001846359710000032
其中，psum.j.t为在t时间段内的所述可行负载组j中所有负荷的总负荷量；Δt表示时间间隔。
可选的，所述根据所述恢复树中的多个所述微电网到所述恢复负荷的最大持续供电时间和有功功率，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型具体包括：
在多个所述可行负载组中选择一组不相交的负载组，该组中任何两个不同的负载组由不同的微电网恢复，在不违反任何约束的情况下恢复所选负载组覆盖的所有负荷区域；
最大覆盖负载模型为：
Figure BDA0001846359710000041
其中，yj为所述可行负载组j的状态，yj＝1为所述可行负载组j被选择，否则不被选择；
Figure BDA0001846359710000042
为所述微电网k恢复所述可行负载组j的可持续供电时间；Csum.j为所述可行负载组j中所覆盖的所有负荷的总权重因子之和；gj为负载组j；Guni为所有负载组的集合；
约束条件为每一个所述微电网只能选择一个所述负载组去恢复：
Figure BDA0001846359710000043
所选的任意两个负载组所包括的所述恢复负荷区域不会重叠：
Figure BDA0001846359710000044
其中，GK为由所述微电网k恢复的负载组集合；Z为所述恢复负荷区域的集合。
根据本发明提供的具体实施例，本发明公开了以下技术效果：对微电网采用主从控制，维持微网稳定性，保证恢复计划的可行性；转换为最大覆盖问题的恢复方法，能最大化恢复关键负载量并优化恢复时间；考虑光伏出力的波动性、间歇性，对储能装置进行调度充分利用储能系统容量，保证已恢复的负荷得到持续稳定的供电。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于微电网恢复负荷的方法的流程图；
图2为本发明提供的微电网供电的流程图；
图3为本发明提供的所述获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；将多个所述最短恢复路径组成恢复树的流程图；
图4为本发明提供的所述微电网供电的示意图；
图5为本发明提供的所述微电网为所述恢复负荷的结构图；
图6为本发明提供的光伏储能系统在故障时段的出力预测图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种能够优先恢复关键负荷的基于微电网恢复负荷的方法。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，一种基于微电网恢复负荷的方法，所述恢复负荷方法包括：
步骤100：设置微电网的控制方式并采用光储系统为所述微电网提供电源；
步骤200：建立所述光储系统的数学模型；
步骤300：在所述光储系统的数学模型的基础上，以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型，获得时间最优恢复策略模型；
步骤400：获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；
步骤500：将多个所述最短恢复路径组成恢复树，所述恢复负荷为出现故障的情况下待恢复的负载；
步骤600：根据所述时间最优恢复策略模型计算所述恢复树中的多个所述微电网的最大持续供电时间；
步骤700：根据所述恢复树中的多个所述微电网到所述恢复负荷的最大持续供电时间和有功功率，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型；
步骤800：根据所述最大覆盖负载模型计算所述最短恢复路径中的所述微电网恢复负荷的恢复策略。
所述建立所述光储系统的数学模型具体包括：
采用铅蓄电池作为电子开关系统的储能电池，在单位时间间隔内，所述铅蓄电池的充、放电功率均恒定，将充放电模型用充电状态表示，数学模型可表示为：
Figure BDA0001846359710000061
式中，
Figure BDA0001846359710000062
为所述微电网k中电子开关系统在时段t内的充电状态状态；
Figure BDA0001846359710000063
为所述微电网k中电子开关系统在时段t-1时充电状态的初始状态；Δt为时间步长，取Δt＝1h；
Figure BDA0001846359710000064
为所述微电网k中电子开关系统在时段t-1内的充放电功率，正值表示电子开关系统放电，负值表示电子开关系统充电；
Figure BDA0001846359710000065
为所述微电网k中电子开关系统的容量；M为多个所述微电网的集合；
为防止电子开关系统电量过充或过放，有充电状态限制：
Figure BDA0001846359710000066
其中，
Figure BDA0001846359710000067
为所述微电网k中电子开关系统的充电状态最小值，取
Figure BDA0001846359710000068
Figure BDA0001846359710000069
为所述微电网k中电子开关系统的充电状态最大值，取
Figure BDA00018463597100000610
单位时段充放电功率限制：
Figure BDA00018463597100000611
Figure BDA00018463597100000612
Figure BDA00018463597100000613
其中，
Figure BDA00018463597100000614
为所述微电网k中电子开关系统单位时段内最大充电功率；
Figure BDA0001846359710000071
为所述微电网k中电子开关系统单位时段内最大放电功率；
Figure BDA0001846359710000072
为二元变量，表示充电状态，若所述微电网k中电子开关系统在时段t内充电则
Figure BDA0001846359710000073
为1，否则为0，
Figure BDA0001846359710000074
为二元变量，表示放电状态，若所述微电网k中电子开关系统在时段t内放电则
Figure BDA0001846359710000075
为1，否则为0，电子开关系统不能同时处于充电和放电状态。
如图2所示，所述在所述光储系统的数学模型的基础上，以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型，获得时间最优恢复策略模型具体包括：
以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型
Figure BDA0001846359710000076
其中，ti为所述微电网恢复负荷i的时间；ci为负荷i的权重因子，若为关键负荷则ci≥1，若为非关键负荷则ci≤0.05；
所述微电网满足的约束条件：备用容量不足风险、发电资源约束、潮流约束。
如图3所示，所述获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；将多个所述最短恢复路径组成恢复树具体包括：
将所述微电网配电建模为无向图G＝[V,E]，其中，V表示节点的集合，E表示边的集合；
以所述微电网为源节点Vs，所述恢复负荷为目标节点Vt，所述源节点Vs到所述目标节点Vt的供电路径P，所述供电路径P的权重为所述供电路径P中的所有边的权重求和w(p)，所述权重为对应所述目标节点Vt的负荷量，w(p)为所述供电路径上的总负荷量；
所述总负荷量w(p)最小值w(p0)对应的供电路径为最短供电路径；
所述供电路径满足的约束条件为所述权重求和w(p)≥0，所述供电路径至少包含一个所述恢复负荷和一个所述微电网；
通过所述微电网发电资源约束和潮流约束来评价多个所述最短供电路径的可行性，获得可行最短恢复路径；
所述可行最短恢复路径上的节点和边组成恢复树。
如图4所示的所述微电网的具体供电示意图，所述根据所述时间最优恢复策略模型计算所述恢复树中的多个所述微电网的最大持续供电时间具体包括：
将所述恢复树中的恢复负荷进行任意组合，获得多个负载组；
通过潮流约束验证所述负载组的可行性，获得多个可行负载组；
根据所述时间最优恢复策略模型计算所述微电网k对所述可行负载组j的最大持续恢复时间
Figure BDA0001846359710000081
其中，psum.j.t为在t时间段内的所述可行负载组j中所有负荷的总负荷量；Δt表示时间间隔。
所述根据所述恢复树中的多个所述微电网到所述恢复负荷的最大持续供电时间和有功功率，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型具体包括：
在多个所述可行负载组中选择一组不相交的负载组，该组中任何两个不同的负载组由不同的微电网恢复，在不违反任何约束的情况下恢复所选负载组覆盖的所有负荷区域；
最大覆盖负载模型为：
Figure BDA0001846359710000082
其中，yj为所述可行负载组j的状态，yj＝1为所述可行负载组j被选择，否则不被选择；
Figure BDA0001846359710000083
为所述微电网k恢复所述可行负载组j的可持续供电时间；Csum.j为所述可行负载组j中所覆盖的所有负荷的总权重因子之和；gj为负载组j；Guni为所有负载组的集合；
约束条件为每一个所述微电网只能选择一个所述负载组去恢复：
Figure BDA0001846359710000084
所选的任意两个负载组所包括的所述恢复负荷区域不会重叠：
Figure BDA0001846359710000085
其中，GK为由所述微电网k恢复的负载组集合；Z为所述恢复负荷区域的集合。
所述所述微电网满足的约束条件：
备用容量不足风险
为了合理选择供电路径，引入了备用容量不足的概念，来处理微电网中光伏出力具有间歇性、波动性的问题；备用容量不足是指微电网中从电源功率突然减小或供电路径中负荷突然增大时，主电源的容量或充放电功率不能满足该供电路径上的功率平衡；
如图5所示，在总停电时间内统计微电网内发电资源备用容量不足的时间，假设光伏预测曲线的时间间隔为小时级，则每个时段分析步长为1h，这意味着功率与发电量相等；分布式电源和储能系统的发电量都以kW为单位，具体表达式为：
Figure BDA0001846359710000091
Figure BDA0001846359710000092
Figure BDA0001846359710000093
其中，T1为所述微电网K中的发电资源出现备用容量不足的总时间；xt为所述微电网K在t时段内的状态，若所述微电网K可以为其外部负荷提供的最大电量小于外部负荷总需求量，则xt＝1，否则xt＝0；N为总停电时间；Rk为由所述微电网k恢复的失电负荷的集合；Δt为时间间隔，取Δt＝1h；Pi.t为负荷i在t时段内有功功率；
Figure BDA0001846359710000094
为所述微电网K在t时段能够提供给外部负荷的最大电量；
Figure BDA0001846359710000095
为所述微电网k中从电源在t时段内出力；
Figure BDA0001846359710000096
为所述微电网k中主电源在t时段内出力，储能系统作为平衡节点时，不仅要满足上式，还要保证储能荷电状态SOC在合理范围之内；
Figure BDA0001846359710000097
为t时段所述微电网K内部关键负荷需求量；
发电资源约束
T1＝0
潮流约束
Figure BDA0001846359710000098
Figure BDA0001846359710000099
Figure BDA00018463597100000910
Figure BDA00018463597100000911
其中，g(·,i)为功率流入母线i的支路集合；g(i,·)为功率流出母线i的支路集合；Pk,t为所述微电网k在t时段输出的有功功率，即光储系统的总发电容量减去微电网内的关键负载量；QDG为所述微电网k在t时段输出的无功功率；
Figure BDA0001846359710000101
为所述微电网k在时段t内最大有功功率；
Figure BDA0001846359710000102
为所述微电网k在时段t内最大无功功率。
采用线性规划的数学方法对配电网恢复策略模型进行求解；
具体步骤如下：
1)赋初值：给各边赋相应权值，初始化网络数据，确定停电时间；
各边权值为相应负荷的有功功率，并确定源节点、目标节点集合
2)形成初始恢复树：利用线性规划的方法形成恢复树；
以恢复路径上总负荷量最小为目标，寻找最优的供电路径，如图4所示；
3)预测：如图6所示，对每个微网中光伏在每个时段的出力进行预测；
对光伏的预测：基于灰色神经网络组合模型的方法对光伏出力进行预测，根据太阳能电池光生伏打效应的发电原理，光照转换的经验公式和合理的经验系数，输入太阳能辐射值，计算出光伏发电输出功率：
PPV(t)＝ηAS
Figure BDA0001846359710000103
Figure BDA0001846359710000104
式中，η为额定光电转换效率，A为面积，S为太阳辐照度。
停电期间对光伏出力预测曲线如图5所示。
4)计算：每个时段储能系统、DG容量、微网内关键负荷量、恢复树中负荷总需求量；
5)验证恢复树：对恢复路径在每个时段进行判断，直至满足整个停电时间里的所有约束后，将路径加入恢复树；
6)形成负载组：恢复树中所有关键负荷的任意组合；
7)验证负载组：对每个负载组进行潮流约束，删除不满足约束的负载组；
8)计算：求取微网k对负载组j的最大可持续恢复时间
Figure BDA0001846359710000105
负载组中所有负荷的权重因子之和Csum.j；
9)形成方案：求解最大覆盖问题确定所要恢复的负载组以及所对应的恢复树，恢复方案如图6所示。
获得最优恢复方案过程中，首先形成微网与关键负荷之间的最优恢复树，通过控制微网来保证微网的稳定性，通过对储能系统进行调度来保证最优恢复树中的负荷持续供电。最后将关键负荷的恢复转化为最大覆盖问题进行求解，能最大化恢复关键负载量并优化恢复时间。
用matlab软件对算例进行仿真分析；
确定算例以及其必要特征；
以美国PG&E 69节点标准配电系统为例，用YALMIP工具箱中CPLEX12.6版本求解器对算例进行仿真分析。该配电网有69个节点，5条联络开关，节点7，44，64分别接入3个微电网，每个微网内设置光储系统，系统额定电压为12.66KV，额定功率为4059.5kW+2865.8kvar，节点46、47、61、67、24分别为关键负荷，其权重系数分别为3，3，2，2，1，其他负荷的权重系数为0.05，故障点位置见图4，IEEE69节点算例结构如图4所示。
采用matlab软件编写线性规划程序，用YALMIP工具箱中CPLEX12.6版本求解器对算例进行仿真分析；
通过仿真可知，该模型能够对储能系统优化调度，能最大化恢复关键负载量并优化恢复时间，得到最优的失电负荷恢复策略。
表1恢复树
Figure BDA0001846359710000111
表2负载组
Figure BDA0001846359710000112
Figure BDA0001846359710000121
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于微电网恢复负荷的方法，其特征在于，所述恢复负荷方法包括：
设置微电网的控制方式并采用光储系统为所述微电网提供电源；
建立所述光储系统的数学模型；
在所述光储系统的数学模型的基础上，以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型，获得时间最优恢复策略模型；
获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；
将多个所述最短恢复路径组成恢复树，所述恢复负荷为出现故障的情况下待恢复的负载；
根据所述时间最优恢复策略模型计算所述恢复树中的多个所述微电网的最大持续供电时间；
根据所述恢复树中的多个所述微电网到所述恢复负荷的最大持续供电时间和有功功率，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型；
根据所述最大覆盖负载模型计算所述最短恢复路径中的所述微电网恢复负荷的恢复策略。
2.根据权利要求1所述的一种基于微电网恢复负荷的方法，其特征在于，所述建立所述光储系统的数学模型具体包括：
采用铅蓄电池作为电子开关系统的储能电池，在单位时间间隔内，所述铅蓄电池的充、放电功率均恒定，将充放电模型用充电状态表示，数学模型可表示为：
Figure FDA0002404008430000011
式中，
Figure FDA0002404008430000012
为所述微电网k中电子开关系统在时段t内的充电状态状态；
Figure FDA0002404008430000013
为所述微电网k中电子开关系统在时段t-1时充电状态的初始状态；Δt为时间步长，取Δt＝1h；
Figure FDA0002404008430000014
为所述微电网k中电子开关系统在时段t-1内的充放电功率，正值表示电子开关系统放电，负值表示电子开关系统充电；
Figure FDA0002404008430000015
为所述微电网k中电子开关系统的容量；M为多个所述微电网的集合；
为防止电子开关系统电量过充或过放，有充电状态限制：
Figure FDA0002404008430000016
式中，
Figure FDA0002404008430000017
为所述微电网k中电子开关系统的充电状态最小值，取
Figure FDA0002404008430000018
Figure FDA0002404008430000019
为所述微电网k中电子开关系统的充电状态最大值，取
Figure FDA00024040084300000110
单位时段充放电功率限制：
Figure FDA0002404008430000021
Figure FDA0002404008430000022
Figure FDA0002404008430000023
式中，
Figure FDA0002404008430000024
为所述微电网k中电子开关系统单位时段内最大充电功率；
Figure FDA0002404008430000025
为所述微电网k中电子开关系统单位时段内最大放电功率；
Figure FDA0002404008430000026
为二元变量，表示充电状态，若所述微电网k中电子开关系统在时段t内充电则
Figure FDA0002404008430000027
为1，否则为0，
Figure FDA0002404008430000028
为二元变量，表示放电状态，若所述微电网k中电子开关系统在时段t内放电则
Figure FDA0002404008430000029
为1，否则为0，电子开关系统不能同时处于充电和放电状态。
3.根据权利要求1所述的一种基于微电网恢复负荷的方法，其特征在于，所述在所述光储系统的数学模型的基础上，以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型，获得时间最优恢复策略模型具体包括：
以持续供电时间为目标建立重大灾害下的所述微电网受约束的恢复策略优化模型
Figure FDA00024040084300000210
其中，ti为所述微电网恢复负荷i的时间；ci为负荷i的权重因子，若为关键负荷则ci≥1，若为非关键负荷则ci≤0.05，Z为所述恢复负荷区域的集合；
所述微电网满足的约束条件：备用容量不足风险、发电资源约束、潮流约束。
4.根据权利要求1所述的一种基于微电网恢复负荷的方法，其特征在于，所述获取从多个所述微电网到恢复负荷的有功功率最小的路径，获得多个最短恢复路径；将多个所述最短恢复路径组成恢复树具体包括：
将所述微电网配电建模为无向图G＝[V,E]，其中，V表示节点的集合，E表示边的集合；
以所述微电网为源节点Vs，所述恢复负荷为目标节点Vt，所述源节点Vs到所述目标节点Vt的供电路径P，所述供电路径P的权重为所述供电路径P中的所有边的权重求和w(p)，所述权重为对应所述目标节点Vt的负荷量，w(p)为所述供电路径上的总负荷量；
所述总负荷量w(p)最小值w(p0)对应的供电路径为最短供电路径；
所述供电路径满足的约束条件为所述权重求和w(p)≥0，所述供电路径至少包含一个所述恢复负荷和一个所述微电网；
通过所述微电网发电资源约束和潮流约束来评价多个所述最短供电路径的可行性，获得可行最短恢复路径；
所述可行最短恢复路径上的节点和边组成恢复树。
5.根据权利要求1所述的一种基于微电网恢复负荷的方法，其特征在于，所述根据所述时间最优恢复策略模型计算所述恢复树中的多个所述微电网的最大持续供电时间具体包括：
将所述恢复树中的恢复负荷进行任意组合，获得多个负载组；
通过潮流约束验证所述负载组的可行性，获得多个可行负载组；
根据所述时间最优恢复策略模型计算所述微电网k对所述可行负载组j的最大持续恢复时间
Figure FDA0002404008430000031
其中，psum.j.t为在t时间段内的所述可行负载组j中所有负荷的总负荷量；Δt表示时间间隔，
Figure FDA0002404008430000032
为所述微电网k在t时段时的可用系统容量。
6.根据权利要求5所述的一种基于微电网恢复负荷的方法，其特征在于，所述根据所述恢复树中的多个所述微电网到所述恢复负荷的最大持续供电时间和有功功率，以最大覆盖所述恢复负荷为目标，建立最大覆盖负载模型具体包括：
在多个所述可行负载组中选择一组不相交的负载组，该组中任何两个不同的负载组由不同的微电网恢复，在不违反任何约束的情况下恢复所选负载组覆盖的所有负荷区域；
最大覆盖负载模型为：
Figure FDA0002404008430000033
其中，yj为所述可行负载组j的状态，yj＝1为所述可行负载组j被选择，否则不被选择；
Figure FDA0002404008430000034
为所述微电网k恢复所述可行负载组j的可持续供电时间；Csum.j为所述可行负载组j中所覆盖的所有负荷的总权重因子之和；gj为负载组j；Guni为所有负载组的集合；
约束条件为每一个所述微电网只能选择一个所述负载组去恢复：
Figure FDA0002404008430000035
所选的任意两个负载组所包括的所述恢复负荷区域不会重叠：
Figure FDA0002404008430000036
其中，GK为由所述微电网K恢复的负载组集合；Z为所述恢复负荷区域的集合。
CN201811272770.6A 2018-10-30 2018-10-30 一种基于微电网恢复负荷的方法 Active CN109193725B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811272770.6A CN109193725B (zh) 2018-10-30 2018-10-30 一种基于微电网恢复负荷的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811272770.6A CN109193725B (zh) 2018-10-30 2018-10-30 一种基于微电网恢复负荷的方法

Publications (2)

Publication Number Publication Date
CN109193725A CN109193725A (zh) 2019-01-11
CN109193725B true CN109193725B (zh) 2020-04-28

Family

ID=64944426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811272770.6A Active CN109193725B (zh) 2018-10-30 2018-10-30 一种基于微电网恢复负荷的方法

Country Status (1)

Country Link
CN (1) CN109193725B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109802387B (zh) * 2019-03-11 2020-07-21 燕山大学 一种含微网的弹性配电网多级供电恢复方法
CN110083107A (zh) * 2019-05-17 2019-08-02 南京晓庄学院 一种微电网智能中央策略控制系统及方法
CN112688304B (zh) * 2019-10-18 2023-01-24 中国农业大学 一种多微电网系统及供电恢复方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105098762B (zh) * 2014-05-09 2018-05-04 国家电网公司 一种含分布式电源配电网的孤岛划分方法
CN104834965A (zh) * 2015-03-17 2015-08-12 国家电网公司 电力系统恢复中搜索充电系统到目标节点最短路径的方法
CN107862405B (zh) * 2017-10-27 2021-03-02 广东电网有限责任公司电力调度控制中心 计及微网作为黑启动电源的电力系统网架重构优化方法
CN108123439A (zh) * 2018-01-03 2018-06-05 燕山大学 一种基于多代理系统的主动配电网多故障抢修与恢复方法

Also Published As

Publication number Publication date
CN109193725A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
Wong et al. Review on the optimal placement, sizing and control of an energy storage system in the distribution network
Hlal et al. Optimum battery depth of discharge for off-grid solar PV/battery system
Huang et al. Modeling and multi-objective optimization of a stand-alone PV-hydrogen-retired EV battery hybrid energy system
Alavi et al. Optimal probabilistic energy management in a typical micro-grid based-on robust optimization and point estimate method
Abdelaziz et al. A multistage centralized control scheme for islanded microgrids with PEVs
Morstyn et al. Scalable energy management for low voltage microgrids using multi-agent storage system aggregation
Liu et al. Multi‐objective restoration optimisation of power systems with battery energy storage systems
CN109802387B (zh) 一种含微网的弹性配电网多级供电恢复方法
CN109193725B (zh) 一种基于微电网恢复负荷的方法
Salazar et al. Energy management of islanded nanogrids through nonlinear optimization using stochastic dynamic programming
Morstyn et al. Dynamic optimal power flow for DC microgrids with distributed battery energy storage systems
Hooshmand et al. Experimental demonstration of a tiered power management system for economic operation of grid-tied microgrids
Xu et al. Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation
Harasis et al. Reliable islanded microgrid operation using dynamic optimal power management
Xiao et al. A Model Predictive Control technique for utility-scale grid connected battery systems using packed U cells multilevel inverter
Sen et al. Distributed adaptive-MPC type optimal PMS for PV-battery based isolated microgrid
CN109450001A (zh) 多配电台区光伏出力分配方法及装置
Choobineh et al. Emergency electric service restoration in the aftermath of a natural disaster
CN111009914A (zh) 一种面向主动配电网的储能装置选址定容方法
Batool et al. Multi-level supervisory emergency control for operation of remote area microgrid clusters
Hosseinzadeh et al. A distributed optimal power management system for microgrids with plug&play capabilities
Sava et al. Hybrid Petri nets for modeling and control of multi-source energy conversion systems
Mohamed et al. Real-time model predictive control of battery energy storage active and reactive power to support the distribution network operation
Hazra et al. Congestion relief using grid scale batteries
Eseye et al. Resilient operation of power distribution systems using MPC-based critical service restoration

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230331

Address after: Room 1906, Building 3, No. 30 Fengzhan Road, Yuhuatai District, Nanjing City, Jiangsu Province, 210000

Patentee after: NANJING QI ZHENG INFORMATION TECHNOLOGY CO.,LTD.

Address before: 073000 West 200m northbound at the intersection of Dingzhou commercial street and Xingding Road, Baoding City, Hebei Province (No. 1910, 19th floor, building 3, jueshishan community)

Patentee before: Hebei Kaitong Information Technology Service Co.,Ltd.

Effective date of registration: 20230331

Address after: 073000 West 200m northbound at the intersection of Dingzhou commercial street and Xingding Road, Baoding City, Hebei Province (No. 1910, 19th floor, building 3, jueshishan community)

Patentee after: Hebei Kaitong Information Technology Service Co.,Ltd.

Address before: 066000 No. 438, Hebei Avenue, Qinhuangdao, Hebei

Patentee before: Yanshan University