CN111193288B - 一种基于综合恢复策略的含分布式电源配网恢复重构方法 - Google Patents

Abstract

一种基于综合恢复策略的含分布式电源配网恢复重构方法，包括获取分布式电源的出力和负荷情况；基于支路权重，随机生成主网支路集和满足功率校验的孤岛支路集；采用基于普利姆算法的改进的二进制粒子群算法分别在当前主网支路集和孤岛支路集内对主网和孤岛生成辐射状结构，计算恢复重构目标函数值，寻找该划分方案下的该时段的最优恢复方案；对支路权重进行更新；利用上述步骤进行循环更新，最终得到故障修复期间各时段的最优供电方案。本发明采用了综合恢复方法以及考虑了供电恢复多时段特性，根据此方法得到的配电网故障恢复方案，更符合实际情况，提高了配电网运行的效率、安全和可靠性，对于电网的可持续发展具有重要的现实意义。

Description

一种基于综合恢复策略的含分布式电源配网恢复重构方法

技术领域

本发明涉及一种配电网恢复重构方法，具体的，涉及一种基于综合恢复策略的含分布式电源的配电网恢复重构方法。

背景技术

配电网恢复重构是指故障发生时刻将故障隔离后，利用主网的负荷转供能力和分布式电源的单独供电能力，对失电区域内的负荷节点进行供电恢复的重构操作。IEEE1547-2003新标准发布以来，配电网恢复重构经历了主网恢复优先策略、孤岛恢复优先策略(从计划孤岛到动态孤岛)、综合恢复策略的发展过程。计划孤岛恢复策略分为单用户孤岛、多用户孤岛及组合孤岛，单用户孤岛中故障发生时刻分布式电源直接进入孤岛运行模式给接入节点的重要负荷供电，故障修复后对孤岛进行操作并入配电网。多用户孤岛与单用户孤岛恢复策略相似，但负荷节点的恢复范围有所扩大。组合孤岛则是尽可能大地利用分布式电源的供电恢复能力，将多个分布式电源联合起来形成一个大孤岛，对于大孤岛的运行、控制及调度等方面有较高要求。主网恢复优先策略和孤岛恢复优先策略都具备对失电区域内停电负荷节点供电恢复的能力，但两者的恢复过程中都是先确定前一步供电恢复方案，再在该方案的基础上确定下一步的供电恢复方案，而不能在优化过程中兼顾两者的相互影响。因此逐渐开始研究综合恢复策略，在供电恢复方案寻优过程中，进行孤岛范围划分时的主网拓扑结构不再是确定状态，而是随着迭代过程不断变化，从而从整体上获得全局最优的供电恢复方案。

一般情况下，配电网发生的永久性故障会持续一段时间才能修复，因此生成的供电恢复方案在故障修复期间需要有保持运行稳定的能力。而现有的研究中，供电恢复方案的生成大多只考虑了配电网发生故障当前时刻的孤岛划分或主网恢复。不考虑故障修复的持续时间即是忽视了供电恢复方案的多时间断面特性，仅基于静态的单时间断面进行的供电恢复，难以保障故障修复期间孤岛的运行稳定性和主网的运行最优性，使得供电恢复方案的可行性和有效性都受到了限制。

因此，如何能够综合考虑主网恢复优先策略和孤岛恢复优先策略，基于多时段断面考虑供电恢复以及孤岛的稳定性，减小算法计算量、提高算法寻优速度，成为现有技术亟需解决的技术问题。

发明内容

本发明的目的在于提出一种基于综合恢复策略的含分布式电源配网恢复重构方法，能够考虑多时间断面特性以及孤岛稳定性，并采用相应算法优化策略来减小算法计算量、提高算法寻优速度。

为达此目的，本发明采用以下技术方案：

一种基于综合恢复策略的含分布式电源配网恢复重构方法，其特征在于，包括如下步骤：

分布式电源获取步骤S110：获取分布式电源的出力和负荷情况；

主网支路集和孤岛支路集生成步骤S120：基于支路权重，随机生成主网支路集和满足功率校验的孤岛支路集；

特定孤岛支路集下特定时段最优恢复方法计算步骤S130：采用基于普利姆算法的改进的二进制粒子群算法分别在当前主网支路集和孤岛支路集内对主网和孤岛生成辐射状结构，计算恢复重构目标函数值，寻找该划分方案下的该时段的最优恢复方案；

支路权重更新步骤S140：根据步骤S130中得到的最优恢复方案，对配电网网架中闭合的孤岛支路集中的支路权重进行更新；

特定时段下最优供电恢复方案生成步骤S150：重复步骤S120、S130、S140，迭代一定次数后，得到特定时段最优的供电恢复方案：

各时段最优供电方案生成步骤S160：改变时刻值，根据各个时刻的负荷及分布式电源的出力情况，重复步骤S150，分别计算故障修复期间的各个时刻下的最优供电方案，生成故障修复期间各时段的最优供电方案；

故障修复期间多时段综合最优供电方案生成步骤S170：重复步骤S160，迭代一定次数，得到故障修复期间多时段综合最优供电方案。

可选的，在所述分布式电源获取步骤S110中，所述分布式电源主要包括风机和光伏发电，

风机输出模型采用威布尔模型，其模型为下式所示：

式中P_WT为风机的有功功率输出，P_r-WT为风机的额定有功功率输出，v_ci是风机的切入风速，v_r是风机的额定风速，v_co是风机的切出风速，v为对应时间的风速；

光伏输出模型采用Beta分布，如下式所示。

式中，P_PV是光伏的有功功率输出，n_pv是光伏单元的数量，P_r-PV是一个光伏单元的额定有功功率输出，R_r是额定光照强度，k是功率温度系数，T_c和T_r是实际温度和标准温度，R_c为对应时间的光照强度。

可选的，所述主网支路集和孤岛支路集生成步骤S120具体为：

首先从分布式电源节点开始搜寻，首先判断与该节点相连的支路是否会成为孤岛支路集，判断依据如下式所示。

r＝w(i)rand(1，1) (3)

其中r是支路判断变量，w(i)是支路i的权重，rand(1，1)是一个[0，1]间的随机数，根据r的值进行判断该支路是否成为孤岛支路集，若r大于0.5，则将该支路作为孤岛支路集的一条支路，反之，不将其作为孤岛支路集的支路；

按照收录进孤岛支路集的先后顺序，逐个搜索每个孤岛节点，并判断与其相连的支路是否会成为孤岛支路集，直到搜索完孤岛支路集中所包含的所有节点；

最终，得到孤岛支路集，不属于孤岛支路集的节点之间的支路组成主网支路集。

可选的，所述某时段最优恢复方法计算步骤S130具体为：

对主网和孤岛生成辐射状结构采用普里姆算法，具体为：

1)准备一个节点向量和一个支路向量，分别存储已经获取的节点和支路；

2)将网络首节点存入节点向量中；

3)遍历所有支路，判断它的首末两端的节点是否一个已经在节点向量里而另一个不在节点向量里，若是，保存该支路；若不是，继续寻找下一个，直至遍历完所有支路；

4)在保存的支路里面，按照每条支路的普利姆权重选择一条支路，当普利姆权重相同时，随机选取其中一条支路；

5)将此支路存入支路向量中，将不在节点向量里的节点存入节点向量中；

6)判断节点向量里节点数是否等于网络总节点数，若是，则结束，支路向量中存储的所有支路为获得的辐射网的所有支路；若不是，则返回步骤3)；

考虑总网络损耗最小、总电压偏差量最小、开关操作成本最小和停电损失最小，得到二进制粒子群算法的适应值函数即恢复重构的目标函数，如式(8)所示：

其中T_s为故障修复期间的时段集合，C_outage是单位停电量损失，E_outage，t为时段t的未恢复的故障停电量，C_sw是单位开关操作成本，s_l，t是t时段支路I的开断状态，0为关断，1为闭合，L_t为时段t时配电网所有支路的集合，C_loss，t是t时刻单位网损成本，E_loss，t是t时刻网络损耗量，根据适应值函数来选择个体最优、全局最优以及多时段最优粒子；

按照公式(9)-(12)对粒子进行检验，判断是否满足潮流平衡约束和电压电流稳定约束，

0.95U_N≤U_i≤1.05U_N (11)

式中，P_i和Q_i是节点i的注入有功功率和无功功率，P_DGi和Q_DGi是节点i的分布式电源输出有功功率和无功功率，P_Li和Q_Li是节点i的有功负荷和无功负荷，U_i是节点i的电压，J是网架的节点总数，G_ij和B_ij是线路ij的电导和电纳，θ_ij是线路ij两端的电压相角差，U_N是额定电压，P_ij和Q_ij是线路ij的有功功率和无功功率，S_ijmax是线路ij允许流过的最大容量；

利用改进的二进制粒子群算法，进行粒子的更新；

将公式(5)中得到的S函数值作为普利姆权重，用于普里姆算法生成新的辐射网结构，从而对粒子的位置进行更新。

其中

是第i个粒子第k次迭代的速度矢量，

是第i个粒子第k次迭代的位置矢量，P_i ^k是第i个粒子在第k次迭代后，在它所有运动过的位置中，最优的位置，

是第k次迭代后，全局所有粒子的所有运动过的位置中最优的位置，ρ是惯性系数，取0.3～0.9，c₁和c₂分别是学习因子，取2，r₁和r₂是在[0，1]内分布的随机实数，

是第k次迭代中第i个粒子的第d维度的位置信息，

是第k-1次迭代中第i个粒子的第d维度的速度，r是[0，1]之间的随机数，c₃是学习因子，r₃是[0，1]间的随机数，P_t是多时段最优综合恢复方案中t时刻该粒子的位置。

按照公式(5)、(7)和普里姆算法进行粒子的更新，按照公式(8)-(12)进行粒子的检验与适应度值的计算，根据适应度值，选取个体粒子中和所有粒子中历次迭代所得适应度值最小的粒子位置作为个体最优P_i ^k和全局最优

经过一定次数迭代后，得到的全局最优

即为当前孤岛支路集下当前时段最优恢复方案。

可选的，在支路权重更新步骤S140中，根据步骤S130中得到的最优恢复方案，对被选中的闭合的孤岛支路，其支路权重加0.1，更新所有支路的支路权重。

可选的，所述特定时段下最优供电恢复方案生成步骤S150具体为：

1)经过步骤S140对支路权重进行更新后，重新进行步骤S120，生成新的孤岛支路集和主网支路集；

2)再由S130，按照普利姆算法生成粒子，按照公式(8)-(12)对粒子进行目标函数的计算及约束的验证，按照公式(5)、(7)进行粒子的更新，不断迭代，达到一定迭代次数后，得到当前时段当前孤岛支路集下的最优恢复方案

3)不断重复步骤1)和2)，达到一定迭代次数后，得到当前时段最优的孤岛划分和供电恢复方案。

可选的，所述故障修复期间多时段综合最优供电方案生成步骤S170具体为：

1)根据S160，计算故障恢复期间，各时刻的最优供电恢复方案；

2)根据目标函数公式(8)，计算多时段供电恢复方案目标函数值，并根据目标函数值进行择优，选择多时段下最优的综合恢复方案；

3)不断重复S160，迭代一定次数后，得到多时段下最优的综合供电恢复方案。

本发明通过以总网络损耗最小、开关操作成本最小和停电损失最小为目标，以功率平衡，电压电流安全稳定为约束条件的含分布式电源配网综合恢复重构模型，运用基于普利姆算法的二进制粒子群算法和支路权重法对模型进行求解，得到故障修复期间内多时段网络恢复重构方案。本方案相比其他故障恢复技术，采用了综合恢复方法以及考虑了供电恢复多时段特性，根据此方法得到的配电网故障恢复方案，更符合实际情况，提高了配电网运行的效率、安全和可靠性，对于电网的可持续发展具有重要的现实意义。

附图说明

图1是根据本发明具体实施例的基于综合恢复策略的含分布式电源配网恢复重构方法的流程图；

图2是在本发明具体实施例的IEEE33节点网架结构图；

图3(a)-(c)是在本发明具体实施例的不同时刻供电恢复方案。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

参见图1，示出了根据本发明具体实施例的基于综合恢复策略的含分布式电源配网恢复重构方法的流程图，其具体包括如下步骤：

分布式电源获取步骤S110：获取分布式电源的出力和负荷情况。

具体的，在该步骤中，所述分布式电源主要包括风机和光伏发电。风机和光伏发电的出力主要受风速、光照强度等环境因素的影响。环境变量取值可以根据气象部门的预测得到。

风机输出模型采用威布尔模型，其模型为下式所示。

式中P_WT为风机的有功功率输出，P_r-WT为风机的额定有功功率输出，v_ci是风机的切入风速，v_r是风机的额定风速，v_co是风机的切出风速，v为对应时间的风速。

光伏输出模型采用Beta分布，如下式所示。

式中，P_PV是光伏的有功功率输出，n_pv是光伏单元的数量，P_r-PV是一个光伏单元的额定有功功率输出，R_r是额定光照强度，k是功率温度系数，T_c和T_r是实际温度和标准温度，R_c为对应时间的光照强度。

负荷情况根据典型日负荷曲线得到。

主网支路集和孤岛支路集生成步骤S120：基于支路权重，随机生成主网支路集和满足功率校验的孤岛支路集。

由于线路故障，将出现失电区域，为了给这一区域恢复供电，可以选择由主网恢复，也可以选择由分布式电源供电的孤岛恢复供电。对于一个配电网络，哪些节点支路属于主网，哪些节点支路属于孤岛，不同的支路集将会产生不同的结果。为了寻找最优的供电方案，需要生成主网支路集和孤岛支路集。本发明利用支路权重进行主网支路集和孤岛支路集的搜寻。每一条支路都有自己的权重，初始权重都一样，都为1。支路权重受到重构方法寻优过程中出现的优秀供电恢复方案的影响，权重更新的方法，在步骤S140中介绍。

因此，本步骤S120具体为：

首先从分布式电源节点开始搜寻，首先判断与该节点相连的支路是否会成为孤岛支路集，判断依据如下式所示。

r＝w(i)rand(1，1) (3)

其中r是支路判断变量，w(i)是支路i的权重，在重构方法的迭代过程中，能够由S140进行更新，rand(1，1)是一个[0，1]间的随机数，根据r的值进行判断该支路是否成为孤岛支路集，若r大于0.5，则将该支路作为孤岛支路集的一条支路，反之，不将其作为孤岛支路集的支路；

按照收录进孤岛支路集的先后顺序，逐个搜索每个孤岛节点，并判断与其相连的支路是否会成为孤岛支路集，直到搜索完孤岛支路集中所包含的所有节点；

最终，得到孤岛支路集，不属于孤岛支路集的节点之间的支路组成主网支路集。

特定孤岛支路集下特定时段最优恢复方法计算步骤S130：采用基于普利姆算法的改进的二进制粒子群算法分别在当前主网支路集和孤岛支路集内对主网和孤岛生成辐射状结构，计算恢复重构目标函数值，寻找该划分方案下的该时段的最优恢复方案。

本步骤中采用基于普里姆算法的改进的二进制粒子群算法，在当前主网支路集和孤岛支路集内，生成主网和孤岛的辐射状拓扑结构。

根据配电网“闭环设计，开环运行”的要求，配电网拓扑结构要满足辐射网结构，这就需要对生成的拓扑结构进行约束，使其必须是辐射网。本步骤首先采用图论中的普里姆算法来生成拓扑结构，由此产生的网络拓扑结构自动满足辐射网要求，从根本上防止了不可行解的产生，从而可以加快算法的计算速度。具体方法步骤如下所示。

1)准备一个节点向量和一个支路向量，分别存储已经获取的节点和支路；

2)将网络首节点存入节点向量中；

3)遍历所有支路，判断它的首末两端的节点是否一个已经在节点向量里而另一个不在节点向量里，若是，保存该支路；若不是，继续寻找下一个，直至遍历完所有支路；

4)在保存的支路里面，按照每条支路的普利姆权重选择一条支路，当普利姆权重相同时，随机选取其中一条支路；

5)将此支路存入支路向量中，将不在节点向量里的节点存入节点向量中；

6)判断节点向量里节点数是否等于网络总节点数，若是，则结束，支路向量中存储的所有支路为获得的辐射网的所有支路；若不是，则返回步骤3)。

对于二进制粒子群算法，粒子群算法利用粒子间的相互吸引作用，“个体较大”的粒子可以吸引其他粒子向自己的位置移动，在移动的过程中，会产生新的粒子，在新的粒子中可能存在“更大的粒子”，从而粒子群便向这个新的粒子移动。

在粒子群算法中，“个体较大”的粒子有两个，一个是全局最优粒子，另一个是个体最优粒子，每个粒子都有速度和位置两个属性，速度代表下一次移动的方向和大小，位置代表寻优算法求解的方案。二进制粒子群算法就是位置只有0和1组成的二进制数组。其速度更新公式如式(4)所示，位置更新公式如式(5)-(6)所示。

其中，

是第i个粒子第k次迭代的速度矢量；

是第i个粒子第k次迭代的位置矢量；P_i ^k是第i个粒子在第k次迭代后，在它所有运动过的位置中，最优的位置；

是第k次迭代后，全局所有粒子的所有运动过的位置中最优的位置；ρ是惯性系数，它决定该粒子的上一个速度对下一个速度的影响程度，一般取0.3～0.9；c₁和c₂分别是学习因子，它们分别影响个体最优位置和全局最优位置对该粒子的速度的影响，通常取2；r₁和r₂是在[0，1]内分布的随机实数；

是第k次迭代中第i个粒子的第d维度的位置信息，同理，

是第k-1次迭代中第i个粒子的第d维度的速度，r是[0，1]之间的随机数。S(x)函数考虑了速度越限的情况，当速度超过最大值或者小于最小值时，规定函数值为一个定值。

二进制粒子群算法更适合于配电网的网络重构，因为粒子的位置中，每一维度对应于网络中的一条线路，网络重构是对线路状态的重构，而线路状态只有两种，开断和闭合，正好对应于二进制中的0和1。所以本发明采用了二进制粒子群算法。

基于普里姆算法的二进制粒子群算法，在进行粒子的位置更新时，不采用公式(6)的计算，而是将二进制粒子群算法的位置更新公式中的S(x)函数值作为每条支路的普利姆权重，每次寻优迭代时，更新每条支路的普利姆权重，然后在下一次迭代生成辐射网拓扑时，根据每条线路的普利姆权重，采用普利姆算法，生成网络拓扑结构，从而对粒子的位置进行更新。

本发明结合多时段综合恢复，对二进制粒子群算法中的速度更新公式做出改进，改进后的表达式如下式所示。

式中，c₃是学习因子；r₃是[0，1]间的随机数；P_t是多时段最优综合恢复方案中t时刻该粒子的位置。本发明通过引入第三个公式，使各时段的供电恢复方案可以兼顾多时段，使最终的多时段供电恢复方案达到最优。

二进制粒子群算法的适应值函数即恢复重构的目标函数考虑了总网络损耗最小、总电压偏差量最小、开关操作成本最小和停电损失最小，如下式所示。

其中T_s为故障修复期间的时段集合，C_outage是单位停电量损失，E_outage，t为时段t的未恢复的故障停电量，C_sw是单位开关操作成本，s_l，t是t时段支路I的开断状态，0为关断，1为闭合，L_t为时段t时配电网所有支路的集合，C_loss，t是t时刻单位网损成本，E_loss，t是t时刻网络损耗量。根据适应值函数来选择个体最优、全局最优以及多时段最优粒子。

针对每一个粒子所代表的的网络拓扑，经过潮流计算，按照公式(9)-(12)对粒子进行检验，判断是否满足潮流平衡约束和电压电流稳定约束。

0.95U_N≤U_i≤1.05U_N (11)

式中，P_i和Q_i是节点i的注入有功功率和无功功率，P_DGi和Q_DGi是节点i的分布式电源输出有功功率和无功功率，P_Li和Q_Li是节点i的有功负荷和无功负荷，U_i是节点i的电压，J是网架的节点总数，G_ij和B_ij是线路ij的电导和电纳，θ_ij是线路ij两端的电压相角差，U_N是额定电压，P_ij和Q_ij是线路ij的有功功率和无功功率，S_ijmax是线路ij允许流过的最大容量。

本步骤按照公式(5)、(7)和普里姆算法进行粒子的更新，按照公式(8)-(12)进行粒子的检验与适应度值的计算，根据适应度值，选取个体粒子中和所有粒子中历次迭代所得适应度值最小的粒子位置作为个体最优P_i ^k和全局最优

经过一定次数迭代后，得到的全局最优

即为当前孤岛支路集下当前时段最优恢复方案。

支路权重更新步骤S140：根据步骤S130中得到的最优恢复方案，对配电网网架中闭合的孤岛支路集中的支路权重进行更新。

具体的，根据步骤S130中得到的最优恢复方案，对被选中的闭合的孤岛支路，其支路权重加0.1，更新所有支路的支路权重。

此支路权重与普利姆权重不同，仅应用于S120中生成孤岛支路集。通过此步骤，可以使最优方案里闭合的支路，在下次划分方案生成时(即步骤S120)，更倾向于选中，从而有利于产生更优的恢复方案。

为了防止算法陷入局部最优，当最优方案维持不变达到一定次数时，将其包含的所有支路的权重初始化，初始化为1。以便下次搜索划分孤岛时，可以产生更多其他可能的方案。

特定时段下最优供电恢复方案生成步骤S150：重复步骤S120、S130、S140，迭代一定次数后，得到当前时段最优的供电恢复方案。

具体的：

1)经过步骤S140对支路权重进行更新后，重新进行步骤S120，生成新的孤岛支路集和主网支路集；

2)再由S130，按照普利姆算法生成粒子，按照公式(8)-(12)对粒子进行目标函数的计算及约束的验证，按照公式(5)、(7)进行粒子的更新，不断迭代，达到一定迭代次数后，得到当前时段当前孤岛支路集下的最优恢复方案

3)不断重复步骤1)和2)，达到一定迭代次数后，得到当前时段最优的孤岛划分和供电恢复方案。

各时段最优供电方案生成步骤S160：改变时刻值，根据各个时刻的负荷及分布式电源的出力情况，重复步骤S150，生成故障修复期间各时段的最优供电方案。

本发明中根据步骤S150，可以计算某个时刻下的最优恢复方案，通过改变时刻值，根据各个时刻的负荷及分布式电源的出力情况，重复步骤S150，可以得到各个时刻的最优供电恢复方案。按照此方法，分别计算故障修复期间的各个时刻下的最优供电方案。

故障修复期间多时段综合最优供电方案生成步骤S170：重复步骤S160，迭代一定次数，得到故障修复期间多时段综合最优供电方案。

在步骤S160中，针对某一个时段，得到当前时段目标函数的最优恢复方案。而步骤S170，综合了各时段，得到多时段下目标函数最优的恢复方案。

具体的，

1)根据S160，计算故障恢复期间，各时刻的最优供电恢复方案；

2)根据目标函数公式(8)，计算多时段供电恢复方案目标函数值，并根据目标函数值进行择优，选择多时段下最优的综合恢复方案；

3)不断重复S160，迭代一定次数后，得到多时段下最优的综合供电恢复方案。

实施例一：

本发明采用IEEE33节点系统作实例分析，网架结构如图2所示。总负荷为3715kW，2300kVar。电压基准值为12.66kV。潮流计算采用前推回代法。普里姆二进制粒子群算法中，惯性系数ρ取0.7，加速系数c₁、c₂和c₃取1.33，V_max和V_min分别取3.9和-3.9。多时段寻优迭代20次，单时段下寻优迭代50次。为了简便计算，分布式电源节点采用PQ模型。其位置和装机容量如表1和图2所示。风机出力和光伏出力随时间变化，本发明假设各个时间段的出力值固定，如表2所示。

分布式电源容量和接入点如表1所示。

表1分布式电源接入节点、类型、容量及功率因数

分布式电源出力随时间变化如表2所示，功率为kW。

表2不同时刻分布式电源出力

支路阻抗和节点负荷的情况如表3所示。

表3支路阻抗和节点负荷情况

各负荷节点参数如下表所示。开关操作成本为7元/次。

表4各负荷节点参数

根据步骤S120、S130、S140、S150、S160和S170，假设线路s2于14:00故障，需要修复3小时，对配网进行综合恢复重构，计算结果如图3和表5所示，图3(a)为14:00时刻供电恢复方案，图3(b)为15:00时刻供电恢复方案，图3(c)为16:00时刻供电恢复方案。

表5综合恢复重构结果

从图3和表5中可以看出，经过本发明的算法，可以使停电量为0，开关操作次数和网损等成本较低，能够很好的实现配网故障恢复重构。

本发明通过以总网络损耗最小、开关操作成本最小和停电损失最小为目标，以功率平衡，电压电流安全稳定为约束条件的含分布式电源配网综合恢复重构模型，运用基于普利姆算法的二进制粒子群算法和支路权重法对模型进行求解，得到故障修复期间内多时段网络恢复重构方案。本方案相比其他故障恢复技术，采用了综合恢复方法以及考虑了供电恢复多时段特性，根据此方法得到的配电网故障恢复方案，更符合实际情况，提高了配电网运行的效率、安全和可靠性，对于电网的可持续发展具有重要的现实意义。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。

Claims (2)

1.一种基于综合恢复策略的含分布式电源配网恢复重构方法，其特征在于，包括如下步骤：

分布式电源获取步骤S110：获取分布式电源的出力和负荷情况；

主网支路集和孤岛支路集生成步骤S120：基于支路权重，随机生成主网支路集和满足功率校验的孤岛支路集；

特定孤岛支路集下特定时段最优恢复方法计算步骤S130：采用基于普利姆算法的改进的二进制粒子群算法分别在当前主网支路集和孤岛支路集内对主网和孤岛生成辐射状结构，计算恢复重构目标函数值，寻找孤岛支路集的该时段的最优恢复方案；

支路权重更新步骤S140：根据步骤S130中得到的最优恢复方案，对配电网网架中闭合的孤岛支路集中的支路权重进行更新；

特定时段下最优供电恢复方案生成步骤S150：重复步骤S120、S130、S140，迭代一定次数后，得到特定时段最优的供电恢复方案；

各时段最优供电方案生成步骤S160：改变时刻值，根据各个时刻的负荷及分布式电源的出力情况，重复步骤S150，分别计算故障修复期间的各个时刻下的最优供电方案，生成故障修复期间各时段的最优供电方案；

故障修复期间多时段综合最优供电方案生成步骤S170：重复步骤S160，迭代一定次数，得到故障修复期间多时段综合最优供电方案；

具体的，在所述分布式电源获取步骤S110中，所述分布式电源主要包括风机和光伏发电，

风机输出模型采用威布尔模型，其模型为下式所示：

式中P_WT为风机的有功功率输出，P_r-WT为风机的额定有功功率输出，v_ci是风机的切入风速，v_r是风机的额定风速，v_co是风机的切出风速，v为对应时间的风速；

光伏输出模型采用Beta分布，如下式所示：

式中，P_PV是光伏的有功功率输出，n_pv是光伏单元的数量，P_r-PV是一个光伏单元的额定有功功率输出，R_r是额定光照强度，k是功率温度系数，T_c和T_r是实际温度和标准温度，R_c为对应时间的光照强度；

所述主网支路集和孤岛支路集生成步骤S120具体为：

首先从分布式电源节点开始搜寻，首先判断与该节点相连的支路是否会成为孤岛支路集，判断依据如下式所示：

r＝w(i)rand(1,1) (3)

其中r是支路判断变量，w(i)是支路i的权重，rand(1,1)是一个[0,1]间的随机数，根据r的值进行判断该支路是否成为孤岛支路集，若r大于0.5，则将该支路作为孤岛支路集的一条支路，反之，不将其作为孤岛支路集的支路；

按照收录进孤岛支路集的先后顺序，逐个搜索每个孤岛节点，并判断与其相连的支路是否会成为孤岛支路集，直到搜索完孤岛支路集中所包含的所有节点；

最终，得到孤岛支路集，不属于孤岛支路集的节点之间的支路组成主网支路集；

所述特定孤岛支路集下特定时段最优恢复方法计算步骤S130具体为：

对主网和孤岛生成辐射状结构采用普里姆算法，具体为：

1)准备一个节点向量和一个支路向量，分别存储已经获取的节点和支路；

2)将网络首节点存入节点向量中；

3)遍历所有支路，判断它的首末两端的节点是否一个已经在节点向量里而另一个不在节点向量里，若是，保存该支路；若不是，继续寻找下一个，直至遍历完所有支路；

4)在保存的支路里面，按照每条支路的普利姆权重选择一条支路，当普利姆权重相同时，随机选取其中一条支路；

5)将此支路存入支路向量中，将不在节点向量里的节点存入节点向量中；

6)判断节点向量里节点数是否等于网络总节点数，若是，则结束，支路向量中存储的所有支路为获得的辐射网的所有支路；若不是，则返回步骤3)；

考虑总网络损耗最小、总电压偏差量最小、开关操作成本最小和停电损失最小，得到二进制粒子群算法的适应值函数即恢复重构的目标函数，如式(8)所示：

其中T_s为故障修复期间的时段集合，C_outage是单位停电量损失，E_outage,t为时段t的未恢复的故障停电量，C_sw是单位开关操作成本，s_l,t是t时段支路l的开断状态，0为关断，1为闭合，L_t为时段t时配电网所有支路的集合，C_loss,t是t时刻单位网损成本，E_loss,t是t时刻网络损耗量，根据适应值函数来选择个体最优、全局最优以及多时段最优粒子；

按照公式(9)-(12)对粒子进行检验，判断是否满足潮流平衡约束和电压电流稳定约束，

0.95U_N≤U_i≤1.05U_N (11)

式中，P_i和Q_i是节点i的注入有功功率和无功功率，P_DGi和Q_DGi是节点i的分布式电源输出有功功率和无功功率，P_Li和Q_Li是节点i的有功负荷和无功负荷，U_i是节点i的电压，J是网架的节点总数，G_ij和B_ij是线路ij的电导和电纳，θ_ij是线路ij两端的电压相角差，U_N是额定电压，P_ij和Q_ij是线路ij的有功功率和无功功率，S_ijmax是线路ij允许流过的最大容量；

利用改进的二进制粒子群算法，进行粒子的更新；

将公式(5)中得到的S函数值作为普利姆权重，用于普里姆算法生成新的辐射网结构，从而对粒子的位置进行更新；

其中

是第i个粒子第k次迭代的速度矢量，

是第i个粒子第k次迭代的位置矢量，P_i ^k是第i个粒子在第k次迭代后，在它所有运动过的位置中最优的位置，

是第k次迭代后，全局所有粒子的所有运动过的位置中最优的位置，ρ是惯性系数，取0.3～0.9，c₁和c₂分别是学习因子，取2，r₁和r₂是在[0，1]内分布的随机实数，c₃是学习因子，r₃是[0,1]间的随机数，P_t是多时段最优综合恢复方案中t时刻该粒子的位置；

按照公式(5)、(7)和普里姆算法进行粒子的更新，按照公式(8)-(12)进行粒子的检验与适应度值的计算，根据适应度值，选取个体粒子中和所有粒子中历次迭代所得适应度值最小的粒子位置作为个体最优P_i ^k和全局最优

经过一定次数迭代后，得到的全局最优

即为当前孤岛支路集下当前时段最优恢复方案；

在支路权重更新步骤S140中，根据步骤S130中得到的最优恢复方案，对被选中的闭合的孤岛支路，其支路权重加0.1，更新所有支路的支路权重；

所述特定时段下最优供电恢复方案生成步骤S150具体为：

1)经过步骤S140对支路权重进行更新后，重新进行步骤S120，生成新的孤岛支路集和主网支路集；

2)再由S130，按照普利姆算法生成粒子，按照公式(8)-(12)对粒子进行目标函数的计算及约束的验证，按照公式(5)、(7)进行粒子的更新，不断迭代，达到一定迭代次数后，得到当前时段当前孤岛支路集下的最优恢复方案

3)不断重复步骤S150中的步骤1)和2)，达到一定迭代次数后，得到当前时段最优的孤岛支路集和供电恢复方案。

2.根据权利要求1所述的配网恢复重构方法，其特征在于：

所述故障修复期间多时段综合最优供电方案生成步骤S170具体为：

1)根据S160，计算故障恢复期间，各时刻的最优供电恢复方案；

2)根据目标函数公式(8)，计算多时段供电恢复方案目标函数值，并根据目标函数值进行择优，选择多时段下最优的综合恢复方案；

3)不断重复S160，迭代一定次数后，得到多时段下最优的综合供电恢复方案。

Images