CN111276962B - 一种配电网的运行方法及系统 - Google Patents
一种配电网的运行方法及系统 Download PDFInfo
- Publication number
- CN111276962B CN111276962B CN201811474261.1A CN201811474261A CN111276962B CN 111276962 B CN111276962 B CN 111276962B CN 201811474261 A CN201811474261 A CN 201811474261A CN 111276962 B CN111276962 B CN 111276962B
- Authority
- CN
- China
- Prior art keywords
- distribution network
- power distribution
- load
- node
- network
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 54
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 230000005284 excitation Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 33
- 230000003993 interaction Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 14
- 238000011160 research Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
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
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种配电网的运行方法及系统，包括：检测配电网状态，当配电网出现电压或负荷异常时：通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，继续调整分布式电源出力值和柔性负荷值，优化配电网运行状态；否则，结束循环。本发明改善了以往的配电网运行优化传统模式，充分利用了柔性负荷的调节能力，实现了供需互动。
Description
技术领域
本发明涉及配电网领域，具体涉及一种配电网的运行方法及系统。
背景技术
随着节能减排工作的进一步展开，以及新能源发电技术、电力电子变换技术和电动汽车制造技术的高速发展，大量分布式电源、柔性负荷和电动汽车等在配电网层面接入，伴随着电力需求侧管理和市场化运营工作的推进，不仅使配电网从无源变为有源，而且对配电网的调度和运行带来了诸多新挑战。
当前已有较多研究成果考虑到分布式电源的调节能力，并就此展开了配电网的运行优化研究，但当前研究多注重于单纯考虑分布式电源出力的配电网运行优化研究，研究重点多集中在分布式电源的出力预测，或是运行优化算法的不断改进，没有考虑分布式电源与供需互动相结合，也没有考虑单纯依靠分布式电源的调节能力不能解决配电网过压过负荷运行状态的情况，当前虽然研究了配电网运行的动态或静态场景，但是研究场景单一，不能反映配电网实际运行过程中可能会出现的其他场景。因此需进一步细化当前的优化研究工作，对含分布式电源的配电网运行优化进行全面的优化研究。
发明内容
为了解决现有技术中所存在的问题，本发明提供一种配电网的运行方法及系统。
本发明提供的技术方案是：一种配电网的运行方法，包括：
S1：检测配电网状态，当配电网出现电压或负荷异常时：
S2：通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；
S3：检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行步骤S2；否则，结束循环。
优选的，所述通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态，包括：
基于粒子群算法获取分布式电源出力值和柔性负荷值；
将所述分布式电源出力值和柔性负荷值带入配电网，优化配电网各节点的运行状态。
优选的，所述基于粒子群算法获得分布式电源出力值和柔性负荷值，包括：
基于粒子群算法对构建的目标函数和约束条件进行计算，获得全局最优的分布式电源出力值和柔性负荷值；
所述目标函数包括：以配电网网损量最小、分布式电源出力最大、柔性负荷的补偿成本最小以及激励负荷成本最小为控制目标；
所述约束条件包括：潮流平衡约束、节点电压约束、分布式电源出力约束和柔性负荷最大负载约束。
优选的，所述目标函数的计算式，如下式所示：
F＝min F1(x)+max F2(x)+min F3(x)+min F4(x)
式中：F：目标函数；F1(x)：配电网网损量；F2(x)：分布式电源的出力；F3(x)：柔性负荷补偿成本；F4(x)：激励负荷成本；x：配电网中分布式电源及柔性负荷的可调控制变量；
其中，所述配电网网损量F1(x)，按下式计算：
式中：Vi：支路ij中节点i处的电压幅值；Vj：支路ij中节点j处的电压幅值；θij：支路ij的两端电压相角差；gij：支路ij导纳的实部；m：配电网的节点数；
所述分布式电源的出力F2(x)，按下式计算：
式中：PDGk：第k个分布式电源的出力值；n：接入的分布式电源的总数；
所述柔性负荷补偿成本F3(x)，按下式计算：
式中：ρr：用户r的补偿系数；μr：用户r的中断负荷状态；Pr：用户r的可中断负荷容量；A：可中断负荷用户数量；
所述激励负荷成本F4(x)，按下式计算：
式中：ηl：用户l的激励系数；μl：用户l的激励负荷状态；Pl：用户l增加的激励负荷容量。
优选的，所述潮流平衡约束，如下式所示：
式中：Pi：节点i处的有功功率；Qi：节点i处的无功功率；Gij：支路ij的电导，Bij：支路ij的电纳；ei：节点i在x轴上的电压分量；ej：节点j在x轴上的电压分量；fi：节点i在y轴上的电压分量；fj：节点j在y轴上的电压分量；
所述节点电压约束，如下式所示：
式中：节点i处电压的下限；Ui：节点i处的电压；/>节点i处电压的上限；Φ：配电网的节点集；
所述分布式电源出力约束，如下式所示：
式中：第k个分布式电源出力的上限；σ：配电网的分布式电源集；
柔性负荷最大负载约束，如下式所示：
式中：PRg：第g个柔性负荷的实际负载；第g个柔性负荷的最大负载；ω：配电网的柔性负荷集。
优选的，所述对配电网的网络拓扑进行重构优化配电网运行状态，包括：
基于所述配电网的网络拓扑生成粒子；
基于所述粒子、目标函数和约束条件利用二进制粒子群算法对配电网的网络拓扑进行调整，获得配电网开关全局最优的开合状态；
基于所述配电网开关全局最优的开合状态获得配电网的运行状态。
优选的，所述基于所述配电网的网络拓扑生成粒子，包括：
基于配电网的网络拓扑生成邻接支路矩阵和节点关联矩阵，并基于所述邻接支路矩阵和节点关联矩阵中的电源点搜索联络开关闭合形成的环网；
分别断开每一个环网的任意一个开关，生成开环网络；
将所有的开环网络作为一个粒子。
优选的，所述检测配电网是否恢复正常包括：
通过潮流计算或数据采集与监视控制系统SCADA获取配电网各节点的运行状态；
当所述配电网各节点的运行状态满足阈值条件时配电网恢复正常。
基于同一发明构思，班发明还提供了一种配电网的运行系统，包括：检测模块、微调模块和重构模块；
所述检测模块，用于检测配电网状态，当配电网出现电压或负荷异常时，调用所述微调模块；
所述微调模块，用于通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；
所述重构模块，用于检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行所述微调模块；否则，结束循环。
优选的，所述微调模块，包括：
调整子模块，用于基于粒子群算法获取分布式电源出力值和柔性负荷值；
结果子模块，用于将所述分布式电源出力值和柔性负荷值带入配电网，优化配电网各节点的运行状态。
与现有技术相比，本发明的有益效果为：
本发明提供的技术方案，检测配电网状态，当配电网出现电压或负荷异常时：通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，继续调整分布式电源出力值和柔性负荷值，优化配电网运行状态；否则，结束循环，丰富了研究场景，改善了以往的配电网运行优化传统模式，充分利用了柔性负荷的调节能力，实现了供需互动。
本发明提供的技术方案，采用了配电网的微调模式与网络重构模式相结合的策略，先采用配电网微调模式对配电网进行运行优化，当微调模式不能彻底解决配电网存在的问题时，再采用配电网网络重构进行优化，在尽量不改变配电网网络运行状态的前提下进行优化，最大程度的保证了配电网的安全运行。
附图说明
图1为本发明配电网运行方法的流程图；
图2为本发明实施例中配电网优化运行方法的详细流程图；
图3为本发明实施例中配电网优化运行微调的流程图；
图4为本发明实施例中配电网优化运行网络重构的流程图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
本发明针对当前含分布式电源的智能配电网运行优化没有充分考虑供需互动，不能系统解决智能配电网的运行优化问题，提出了一种配电网的优化运行方法，实现目的如下：
(1)柔性负荷是可依据需要在弹性范围内变动调整的负荷，柔性负荷可参与调度计划，具有削峰填谷的功能，能够在一定程度上缓和分布式电源入网引起的波动。当前的配电网运行优化考虑了分布式电源的调节作用，但是没有考虑柔性负荷的调节作用，因此需要在配电网运行优化过程中，充分考虑柔性负荷的可调节大小和位置进行研究分析。
(2)配电网网络结构复杂，当通过调节分布式电源以及柔性负荷不能满足配电网优化运行时，考虑改变配电网网络结构，进行配电网网络重构，配电网网络重构之后再对分布式电源和柔性负荷进行调节，以达到配电网运行最优。
实施例1：
本发明提出一种考虑供需互动的含分布式电源的智能配电网优化运行方法，为配电网运行优化提供全面系统的解决策略，如图1所示，包括：
S1：检测配电网状态，当配电网出现电压或负荷异常时：
S2：通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；
S3：检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行步骤S2；否则，结束循环。
S1：检测配电网状态，当配电网出现电压或负荷异常时，具体包括：
步骤S101：当配电网出现过电压、低电压、重载、过载等情况时，启动配电网运行优化算法。
S2：通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态，具体包括：
步骤201：首先采用粒子群算法进入到配电网优化运行的微调模式，即通过调整分布式电源出力和柔性负荷的大小优化配电网运行状态。
步骤202；将粒子群算法求解出来的最优解(分布式电源的出力大小，柔性负荷的大小)带入配电网，求取配电网各节点的运行状态，检查是否解决了配电网的过电压、低电压、重载、过载等情况。
如果没有完全解决配电网当前的运行状态，进入到步骤301。如果已经解决了配电网当前的运行状态，进入到步骤305。
S3：检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行步骤S2；否则，结束循环，具体包括：
步骤301：采用二进制粒子群算法进入到配电网网络重构模式，即通过调整配电网的网络拓扑优化配电网运行状态。
步骤302：将二进制粒子群算法求解出来的最优解(配电网开关的开合状态)带入配电网，求取配电网各节点的运行状态，进入步骤303。
步骤303：重复配电网优化运行的微调模式，通过调整分布式电源出力和柔性负荷的大小进一步优化配电网运行状态。
步骤304：将微调模式求解出来的最优解带入配电网，通过潮流计算或者SCADA(Supervisory Control And Data Acquisition)系统求取配电网各节点的运行状态。
步骤305：得到配电网运行优化策略，流程结束。
实施例2：
结合附图对本发明设计的一种配电网的优化运行方法进一步说明，如图2所示，包括以下关键步骤：
步骤1：检测配电网状态；
步骤2：当配电网出现过电压、低电压、重载、过载等情况时，则进入步骤3启动配电网运行优化算法，否则继续检测配电网状态。
步骤3：首先如图3所示，采用粒子群算法进入到配电网优化运行的微调模式，即通过调整分布式电源出力和柔性负荷的大小优化配电网运行状态。
微调模式的优化运行目标是网损量最小，分布式电源出力最大，柔性负荷补偿成本最小，激励负荷成本最小。
其中目标函数，如下所示：
F1(x)为分布式电源并网后的配电网网络有功损耗。分布式电源并网后，由于分布式电源(Distributed Generation，DG)的位置、容量、负荷量的相对大小以及网络拓扑结构等因素，可能增大或减小配电网的网络损耗，从节能角度考虑尽量降低网损。其中，Ploss为配电网的网络有功损耗，Vi、Vj为支路ij两端的电压幅值，θij支路两端电压相角差，gij为支路导纳的实部，m为配电网的支路数目，x为配电网中分布式电源及柔性负荷的可调控制变量。
F2(x)为n个分布式电源的出力之和，PDGk为第k个分布式电源的出力值；n为接入的分布式电源个数。
F3(x)为柔性负荷补偿成本，本实施例中为可中断负荷的补偿成本；A为可中断负荷用户数量，ρr为用户r的补偿系数，μr代表可中断负荷的状态，当处于可调整状态时取1，处于不可调整状态时取0，Pr为可中断负荷容量。
F4(x)为可中断负荷的激励负荷成本。ηl为用户l的激励系数，μl代表激励负荷的状态，当处于激励状态时取1，处于不可调整状态时取0，Pl为增加的激励负荷容量。
微调模式的优化运行约束是潮流平衡，节点电压合格，分布式电源容量，柔性负荷最大负载容量。
(1)潮流平衡约束(潮流方程的直角坐标形式)
Pi、Qi分别为节点i处的有功功率和无功功率，Gij为支路ij的电导，Bij为支路ij的电纳。ei＝Vicosθi，fi＝Visinθi，Vi为节点i处的电压，θi为节点i的电压相角。
(2)节点电压约束
式中，Ui min和Ui max分别是节点电压Ui的下限和上限；Φ为配电网Z节点集。
(3)分布式电源出力约束
式中，为第k个分布式电源出力的上限；σ为配电网中分布式电源集。
(4)柔性负荷最大负载约束
式中，PRg为第g个柔性负荷的实际负载；为第g个柔性负荷的最大负载；ω为配电网中柔性负荷集。
通过调节分布式电源的出力和柔性负载容量，使网络运行达到最优水平。粒子群算法的输出是分布式电源的出力和柔性负载大小。
步骤4：将粒子群算法求解出来的最优解(分布式电源的出力大小，柔性负荷的大小)带入配电网，求取配电网各节点的运行状态；
步骤5：检查配电网的状态是否恢复正常，即是否解决了配电网的过电压、低电压、重载、过载等情况。
如果没有完全解决配电网当前的运行状态，进入到步骤4；如果已经解决了配电网当前的运行状态，进入到步骤8。
步骤6：如图4所示，采用二进制粒子群算法进入到配电网网络重构模式，即通过调整配电网的网络拓扑优化配电网运行状态。将二进制粒子群算法求解出来的最优解(配电网开关的开合状态)带入配电网，求取配电网各节点的运行状态，进入步骤3，重复配电网优化运行的微调模式，通过调整分布式电源出力和柔性负荷的大小进一步优化配电网运行状态。
本实施例中各节点的运行状态为各节点的电压、电流和相角，用于比较有无过压过载情况的出现，以及优化之后各节点处电压电流的数值，通过数值来说明优化的程度。
二进制粒子群优化算法(BPSO)将传统粒子群优化算法(PSO)中的变量变为二进制代码，BPSO被用以搜索重构问题中的可行网络，算法步骤描述如下：
(1)将开关的开断状态描述为一个数组A，数组只包含0和1，表示断开和闭合，作为自变量。
(2)生成原始网络的邻接支路矩阵(描述顶点之间相邻关系的矩阵)和节点关联矩阵(描述节点和支路的关联关系)。从电源点开始搜寻由联络开关闭合而形成的环网，并将所有环网包含的开关编号记录成数组{bi}。
(3)生成粒子：分别断开{bi}中的每个环网的一个开关，使其变成开环。当所有环网均为开环时，新的粒子xi便生成了。
粒子的位移和速度被记为两个矢量：位移矢量代表开关状态，速度矢量则影响位移变化的概率，如下式所示：
{xi},{vi}(i＝1,2,3...D)
式中：xq：q粒子的位移；vq：q粒子的速度；D：粒子的维度。
由于{bi}中各个环网之间含有重叠部分，所以必须制定规则避免多个环网选择相同的开关打开，粒子生成后，需要拓扑分析检查其可行性。
(4)生成粒子种群，重复步骤3直到粒子规模满足大小要求，本实施例中粒子群规模定义为50。
开环过程中，粒子群中的各个粒子的位移与速度关系如下式所示：
式中：xq(t+1)：t+1时刻的q粒子的位移；r：阈值，通常默认取0.5；vq(t)：t时刻q粒子的速度。
(5)开始粒子间的协助搜寻，并对搜索到的优化结果进行拓扑验证，通过验证后，计算适应度值，保存评价指标。若优于历史最优，则更新最优解。
(6)重复步骤(5)直到达到最大迭代次数tmax或者达到所需精度，然后输出最优解与相应的拓扑图，本实施例中tmax＝100。
网络重构模式的优化运行目标及约束，与微调模式的优化目标及约束相同。通过调整配电网网络运行方式，使配电网络运行达到最优水平，输出结果是开关的状态。
步骤7：得到配电网运行优化策略，流程结束。
本实施例与现有技术的主要区别在于：
1.考虑供需互动的含分布式电源的智能配电网优化运行方法流程；
2.考虑供需互动的算法目标构建方法；
3.微调优化模式与网络重构优化模式相结合的配电网运行优化方法，当微调模式不能使配电网运行达到最优时，启动网络重构优化模式，在网络重构优化完成后，进一步微调配电网，对配电网的运行进行了多场景优化，使其达到最优运行模式，并获得运行优化策略。
实施例3
基于同一种发明构思，本发明还提供了一种配电网的运行系统，包括：检测模块、微调模块和重构模块；
所述检测模块，用于检测配电网状态，当配电网出现电压或负荷异常时，调用所述微调模块；
所述微调模块，用于通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；
所述重构模块，用于检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行所述微调模块；否则，结束循环。
实施例中，所述微调模块，包括：
调整子模块，用于基于粒子群算法获取分布式电源出力值和柔性负荷值；
结果子模块，用于将所述分布式电源出力值和柔性负荷值带入配电网，优化配电网各节点的运行状态。
实施例中，所述调整子模块，包括：
第一计算单元，用于基于粒子群算法对构建的目标函数和约束进行计算，获得全局最优的分布式电源出力值和柔性负荷值；
所述目标函数包括：以配电网网损量最小、分布式电源出力最大、柔性负荷的补偿成本最小以及激励负荷成本最小为控制目标；
所述约束条件包括：潮流平衡约束、节点电压约束、分布式电源出力约束和柔性负荷最大负载约束。
实施例中，所述重构模块，包括：
粒子单元，用于基于所述配电网的网络拓扑生成粒子；
第二计算单元，用于基于所述粒子、目标函数和约束条件利用二进制粒子群算法对配电网的网络拓扑进行调整，获得配电网开关全局最优的开合状态；
状态单元，用于基于所述配电网开关全局最优的开合状态获得配电网的运行状态。
显然，所描述的实施例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它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (6)
1.一种配电网的运行方法，其特征在于，包括：
S1：检测配电网状态，当配电网出现电压或负荷异常时：
S2：通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；
S3：检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行步骤S2；否则，结束循环；
所述通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态，包括：
基于粒子群算法获取分布式电源出力值和柔性负荷值；
将所述分布式电源出力值和柔性负荷值带入配电网，优化配电网各节点的运行状态；
所述基于粒子群算法获得分布式电源出力值和柔性负荷值，包括：
基于粒子群算法对构建的目标函数和约束条件进行计算，获得全局最优的分布式电源出力值和柔性负荷值；
所述目标函数包括：以配电网网损量最小、分布式电源出力最大、柔性负荷的补偿成本最小以及激励负荷成本最小为控制目标；
所述约束条件包括：潮流平衡约束、节点电压约束、分布式电源出力约束和柔性负荷最大负载约束；
所述对配电网的网络拓扑进行重构优化配电网运行状态，包括：
基于所述配电网的网络拓扑生成粒子；
基于所述粒子、目标函数和约束条件利用二进制粒子群算法对配电网的网络拓扑进行调整，获得配电网开关全局最优的开合状态；
基于所述配电网开关全局最优的开合状态获得配电网的运行状态。
2.如权利要求1所述的方法，其特征在于，所述目标函数的计算式，如下式所示：
F＝minF1(x)+maxF2(x)+minF3(x)+minF4(x)
式中：F：目标函数；F1(x)：配电网网损量；F2(x)：分布式电源的出力；F3(x)：柔性负荷补偿成本；F4(x)：激励负荷成本；x：配电网中分布式电源及柔性负荷的可调控制变量；
其中，所述配电网网损量F1(x)，按下式计算：
式中：Vi：支路ij中节点i处的电压幅值；Vj：支路ij中节点j处的电压幅值；θij：支路ij的两端电压相角差；gij：支路ij导纳的实部；m：配电网的节点数；
所述分布式电源的出力F2(x)，按下式计算：
式中：PDGk：第k个分布式电源的出力值；n：接入的分布式电源的总数；
所述柔性负荷补偿成本F3(x)，按下式计算：
式中：ρr：用户r的补偿系数；μr：用户r的中断负荷状态；Pr：用户r的可中断负荷容量；A：可中断负荷用户数量；
所述激励负荷成本F4(x)，按下式计算：
式中：ηl：用户l的激励系数；μl：用户l的激励负荷状态；Pl：用户l增加的激励负荷容量。
3.如权利要求2所述的方法，其特征在于，所述潮流平衡约束，如下式所示：
式中：Pi：节点i处的有功功率；Qi：节点i处的无功功率；Gij：支路ij的电导，Bij：支路ij的电纳；ei：节点i在x轴上的电压分量；ej：节点j在x轴上的电压分量；fi：节点i在y轴上的电压分量；fj：节点j在y轴上的电压分量；
所述节点电压约束，如下式所示：
式中：节点i处电压的下限；Ui：节点i处的电压；/>节点i处电压的上限；Φ：配电网的节点集；
所述分布式电源出力约束，如下式所示：
式中：第k个分布式电源出力的上限；σ：配电网的分布式电源集；
柔性负荷最大负载约束，如下式所示：
式中：PRg：第g个柔性负荷的实际负载；第g个柔性负荷的最大负载；ω：配电网的柔性负荷集。
4.如权利要求1所述的方法，其特征在于，所述基于所述配电网的网络拓扑生成粒子，包括：
基于配电网的网络拓扑生成邻接支路矩阵和节点关联矩阵，并基于所述邻接支路矩阵和节点关联矩阵中的电源点搜索联络开关闭合形成的环网；
分别断开每一个环网的任意一个开关，生成开环网络；
将所有的开环网络作为一个粒子。
5.如权利要求1所述的方法，其特征在于，所述检测配电网是否恢复正常包括：
通过潮流计算或数据采集与监视控制系统SCADA获取配电网各节点的运行状态；
当所述配电网各节点的运行状态满足阈值条件时配电网恢复正常。
6.一种配电网的运行系统，其特征在于，包括：检测模块、微调模块和重构模块；
所述检测模块，用于检测配电网状态，当配电网出现电压或负荷异常时，调用所述微调模块；
所述微调模块，用于通过调整分布式电源出力值和柔性负荷值，优化配电网运行状态；
所述重构模块，用于检测配电网是否恢复正常，如果配电网未恢复正常，通过对配电网的网络拓扑进行重构优化配电网运行状态，执行所述微调模块；否则，结束循环；
所述微调模块，包括：
调整子模块，用于基于粒子群算法获取分布式电源出力值和柔性负荷值；
结果子模块，用于将所述分布式电源出力值和柔性负荷值带入配电网，优化配电网各节点的运行状态；
所述调整子模块，具体用于：
基于粒子群算法对构建的目标函数和约束条件进行计算，获得全局最优的分布式电源出力值和柔性负荷值；
所述目标函数包括：以配电网网损量最小、分布式电源出力最大、柔性负荷的补偿成本最小以及激励负荷成本最小为控制目标；
所述约束条件包括：潮流平衡约束、节点电压约束、分布式电源出力约束和柔性负荷最大负载约束；
所述对配电网的网络拓扑进行重构优化配电网运行状态，包括：
基于所述配电网的网络拓扑生成粒子；
基于所述粒子、目标函数和约束条件利用二进制粒子群算法对配电网的网络拓扑进行调整，获得配电网开关全局最优的开合状态；
基于所述配电网开关全局最优的开合状态获得配电网的运行状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811474261.1A CN111276962B (zh) | 2018-12-04 | 2018-12-04 | 一种配电网的运行方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811474261.1A CN111276962B (zh) | 2018-12-04 | 2018-12-04 | 一种配电网的运行方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111276962A CN111276962A (zh) | 2020-06-12 |
| CN111276962B true CN111276962B (zh) | 2023-11-03 |
Family
ID=71002918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811474261.1A Active CN111276962B (zh) | 2018-12-04 | 2018-12-04 | 一种配电网的运行方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111276962B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113078650B (zh) * | 2021-04-25 | 2023-03-31 | 上海交通大学 | 一种混合系统模型的主动配电网信息物理融合控制方法 |
| CN114285085A (zh) * | 2021-11-17 | 2022-04-05 | 国网浙江省电力有限公司杭州供电公司 | 一种基于网络重构的电网弹性资源广域调度方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106451473A (zh) * | 2016-11-03 | 2017-02-22 | 成都信息工程大学 | 基于模糊多智能体的配电网多目标电压控制系统 |
-
2018
- 2018-12-04 CN CN201811474261.1A patent/CN111276962B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106451473A (zh) * | 2016-11-03 | 2017-02-22 | 成都信息工程大学 | 基于模糊多智能体的配电网多目标电压控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111276962A (zh) | 2020-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111276962B (zh) | 一种配电网的运行方法及系统 | |
| Abaci et al. | Optimal power flow with SVC devices by using the artificial bee colony algorithm | |
| Ayrir et al. | Fuzzy 12 sectors improved direct torque control of a DFIG with stator power factor control strategy | |
| CN111917111B (zh) | 用于配电网的分布式光伏电源接纳能力在线评估的方法、系统、设备及存储介质 | |
| CN114140022A (zh) | 一种多虚拟电厂分布式动态经济调度方法及系统 | |
| Malysz et al. | MILP-based rolling horizon control for microgrids with battery storage | |
| Wang et al. | Reactive power optimization of power system based on improved particle swarm optimization | |
| Saleh et al. | Selecting locations and sizes of battery storage systems based on the frequency of the center of inertia and principle component analysis | |
| Kaplan et al. | Simplified model and genetic algorithm based simulated annealing approach for excitation current estimation of synchronous motor | |
| CN116093995B (zh) | 一种配电系统多目标网络重构方法及系统 | |
| CN110135640B (zh) | 一种基于模糊聚类改进和声算法的风电配网优化调度方法 | |
| Khatibi et al. | Comparative Analysis of Power System Model Reduction | |
| Boudissa et al. | Improved Nelder-Mead algorithm for output voltage control of a synchronous generator | |
| CN115528684A (zh) | 一种超短期负荷预测方法、装置及电子设备 | |
| Zohra et al. | An improved harmony search algorithm for solved the combined heat and power economic dispatch | |
| Somasundaram et al. | A robust statcom controller using particle swarm optimization | |
| Singh et al. | Economic load dispatch using MRPSO with generator ramp rate limits constraint | |
| CN114386323A (zh) | 基于改进蝴蝶算法的含分布式电源的配电网无功优化方法 | |
| Nair et al. | Satin Bower Bird Algorithm for Controller Parameter Optimization in an Autonomous AC Microgrid | |
| Kumar et al. | IPSO algorithm for maximization of system loadability, voltage stability and loss minimisation by optimal DG placement | |
| Dsouza et al. | A hybrid approach for enhancing and optimizing the power quality and power flow in Smart Grid Connected System | |
| Eltamaly | A Novel Strategy for Optimal PSO Control Parameters Determination for PV Energy Systems. Sustainability 2021, 13, 1008 | |
| Sulaima et al. | A 16kV distribution network reconfiguration by using evolutionaring programming for loss minimizing | |
| CN112613654A (zh) | 一种基于多类型储能的综合能源系统灵活性评估方法 | |
| Truong et al. | Swarm based mean-variance mapping optimization for solving economic dispatch with cubic fuel cost function |
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 |