CN111355266B - 一种含配电自动化终端的配电网可靠性计算方法 - Google Patents
一种含配电自动化终端的配电网可靠性计算方法 Download PDFInfo
- Publication number
- CN111355266B CN111355266B CN202010279156.3A CN202010279156A CN111355266B CN 111355266 B CN111355266 B CN 111355266B CN 202010279156 A CN202010279156 A CN 202010279156A CN 111355266 B CN111355266 B CN 111355266B
- Authority
- CN
- China
- Prior art keywords
- time
- power distribution
- power
- net
- fault
- 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
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
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
-
- 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
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
-
- 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
- Y04S10/14—Energy storage units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含配电自动化终端的配电网可靠性计算方法,包括以下步骤:1)建立负荷、光伏出力、储能装置的随机性和时序性模型,并根据模型模拟了配电网中储能装置的充放电过程;2)分析了各类配电自动化终端对故障处理时间的影响,建立了配电自动化终端对故障区域和非故障区域的停电时间模型;3)基于时序蒙特卡洛思想,结合储能装置的充放电过程与配电自动化终端的停电时间模型,对含配电自动化终端的配电网可靠性进行计算。本发明不仅考虑了配电自动化终端,还考虑了具有随机性和时序性的负荷、DG和储能系统;与传统的可靠性计算方法相比,本发明具有较强的通用性和实用性。
Description
技术领域
本发明属于电力系统分析技术领域,具体涉及一种含配电自动化终端的配电网可靠性计算方法。
背景技术
随着电网的迅速发展,配电自动化已成为电力系统发展的一种趋势。配电自动化终端是配电自动化建设过程中的关键设备,其类型主要包括具有遥测功能的“一遥”终端,具有遥测和遥信功能的“二遥”终端和具有遥测、遥信和遥控的“三遥”终端,其中“二遥”和“三遥”终端应用最为广泛。配电自动化终端的接入可以快速故障定位,以方便对故障点的修复,隔离故障区域,使非故障区域的用户可以快速供电,显著提高了系统的用电可靠性。配电网中分布式电源(Distributed Generation,DG)、储能装置的接入及配电自动化终端的安装的类型、数量、位置等因素都会影响系统的供电可靠性。在有DG及储能装置的配电网中,如何计算含配电自动化终端的可靠性指标是配电自动化建设需要解决的关键性问题。
发明内容
本发明的目的是提供一种通用性高的含配电自动化终端的配电网可靠性计算方法,本发明的计算方法考虑了分布式电源和储能装置,可以有效解决配电网可靠性计算问题。
本发明这种通用性高的含配电自动化终端的配电网可靠性计算方法,包括以下步骤:
1)建立负荷、光伏出力、储能装置的随机性和时序性模型,并根据模型模拟了配电网中储能装置的充放电过程;
2)分析了各类配电自动化终端对故障处理时间的影响,建立了配电自动化终端对故障区域和非故障区域的停电时间模型;
3)基于时序蒙特卡洛思想,结合储能装置的充放电过程与配电自动化终端的停电时间模型,对含配电自动化终端的配电网可靠性进行计算。
所述步骤1)中,负荷、光伏发电出力模型为:
式中:式(1)为负荷的概率密度函数,Th表示一天的时间点,即Th=1、2、…、24;为时段t的负荷;/>为时段Th负荷的期望值;/>为时段Th负荷正态分布的标准差;式(2)为光伏电站出力的概率密度函数,/>为时段t的光伏电站出力;/>为时段Th光伏电站的最大出力;Γ(·)表示伽马函数;/>和/>表示时段Th的光伏电站出力Beta分布的形状参数。
所述步骤1)中,储能装置模型为:
式中:Cnet(t)表示储能系统时段t的剩余电量;Pch(t)和Pdisch(t)分别为时段t储能系统的充电、放电功率;Pch,max和Pdisch,max分别为储能系统最大充电、放电功率,Cnet,min为储能系统最小容量值;Cnet,max为储能系统最大容量值;Cnet(t+1)表示储能系统时段t+1的剩余电量。
所述步骤2)中,建立了配电自动化终端对故障区域和非故障区域的停电时间模型具体包括以下步骤:
当配电系统发生停电故障时,故障区域用户的停电时间T0一般可分为三部分,即:
T0=tp+th+tr (4)
式中:tp表示故障定位时间;th为故障隔离时间;tr为故障修复时间;
而当某一元件发生故障时,通常采用断路器及分段开关等设备操作,进而隔离故障,使非故障区域的用户正常供电,这一过程为故障切换过程;则故障切换时间为从故障发生到隔离故障所用的总时间,也称非故障区用户的停电时间,用公式可表达为:
当配电干线发生故障且存在配电自动化终端时,非故障区域用户的停电时间和故障区域用户的停电时间分别为:
因此,当配电系统中的干线发生故障时,非故障区域用户停电时间Ts可统一写成:
而故障区域的用户停电时间可统一写成:
T=Ts+tr (10)
式中:n1,n2为时间转换系数,其值小于1。
所述步骤3)中,基于时序蒙特卡洛思想,结合储能装置的充放电过程与配电自动化终端的停电时间模型,对含配电自动化终端的配电网可靠性进行计算,具体包括以下步骤:
3-1设定仿真年限及初始化数据:设置仿真时间MCTime=0;各负荷的停电时间均为0;各负荷的停电次数也均为0;
3-2随机生成一组与系统元件个数相同的随机数δ=[δ1,δ2,δ3,…,δn](δi∈[0,1]),根据生成的随机数求出每个元件的正常工作时间Twi
Twi=-Inδi/λi (11)
式中:λi为元件i的故障率。
3-3选取Tw中最小的元件作为系统的故障元件,则系统的正常工作时间为TTF=min(Tw),累计到仿真时间,即MCTime=MCTime+TTF;再随机生成两个随机数x1和x2(x1,x2∈[0,1]),计算元件的故障修复时间Tr和故障的切换时间Ts,并把Tr与Ts之和作为系统故障的持续时间;
式中:μi为元件i的修复率,其值为故障元件i修复时间的倒数;φi为元件i切换率,其值为故障切换时间的倒数,故障切换时间为故障定位和故障隔离的时间之和。
3-4判断故障元件处是否有配电自动化终端(配电自动化终端只存在干线上)。若有,按照配电自动化终端停电时间模型修正非故障区域与非故障区域的停电时间Ts;若否,进行下一步。
3-5确定孤岛区域:非孤岛区域且有电源供电的负荷停电时间累计Ts,非孤岛区域且无电源供电的负荷停电时间累计Tr;孤岛区域的负荷停电时间累计Ts;
3-6判断模拟时间MCTime是否达到上限;若是,进行下一步;若否返回步骤(2);
3-7计算各负荷及系统的可靠性指标。
所述步骤3-5中,孤岛区域的负荷停电时间累计Ts的判定,包括以下步骤:
在孤岛区域的负荷停电时间需要根据DG和储能装置的状态决定;在孤岛区域内需要以1h为时间段,以修复时间Tr为上限进行模拟储能系统的充放电过程,具体模拟过程如下所示:
①初始化数据:储能系统容量的下限为Cnet,min,上限为Cnet,max;时间t储能系统的容量为Cnet(t);模拟时间t=0,此时系统未发生故障,储能系统为满荷电状态,即Cnet(t)=Cnet,max;
②计算t+1时刻孤岛内的DG输出功率PDG(t+1)和总负荷PL(t+1),并判断PL(t+1)是否小于PDG(t+1);
③若PL(t+1)≤PDG(t+1),孤岛区域不停电且储能系统可能会动作;若Cnet(t)=Cnet,max,储能系统不动作,Cnet(t+1)=Cnet(t);若Cnet(t)<Cnet,max,剩余的光伏出力给储能系统充电,即Cnet(t+1)=Cnet(t)+(PDG(t+1)-PL(t+1)),但Cnet(t+1)≤Cnet,max;
④若PL(t+1)>PDG(t+1)时,储能系统进行放电。若PL(t+1)≤PDG(t+1)+Cnet(t),孤岛区域内的负荷不停;若PL(t+1)>PDG(t+1)+Cnet(t),系统根据Cnet(t)与PDG(t+1)的大小进行削减部分负荷,以距离DG最近为原则对孤岛内的负荷进行供电,削减掉的负荷停电时间累计1.0h;该过程储能系统的放电过程为Cnet(t+1)=Cnet(t)-(PL(t+1)-PDG(t+1)),但Cnet(t+1)不能小于Cnet,min;
⑤修正仿真时间,即MCTime=MCTime+1;
⑥判断t是否大于修复时间Tr,若是,计算孤岛内各负荷的总停电时间,并进行到步骤3-6;若否,返回步骤②。
本发明的有益效果:1)建立了具有随机性和时序性的负荷、光伏出力、储能装置模型,模拟了配电网中分布式电源和储能装置协调作用的充放电过程;建立了配电自动化终端对故障区域和非故障区域的停电时间模型;结合分布式电源、储能装置协调作用的充放电过程和配电自动化终端对故障区域和非故障区域的停电时间模型,提出了一种含配电自动化终端的配电网可靠性计算方法。2)本发明不仅考虑了配电自动化终端,还考虑了具有随机性和时序性的负荷、DG和储能系统;与传统的可靠性计算方法相比,本发明具有较强的通用性和实用性。
附图说明
图1是本发明一种实施方式的含配电自动化终端的配电网可靠性计算方法流程图;
图2是本发明在实施例中修改后的RBTS BUS-2拓扑结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实例对本发明进行详细说明。应当理解,此处所描述的具体实例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明一种实施方式的含配电自动化终端的配电网可靠性计算方法流程图,包括:
一种含配电自动化终端的配电网可靠性计算方法,包括:首先根据负荷、光伏出力、储能装置的随机性和时序性模型,模拟了配电网中储能装置的充放电过程;分析了各类配电自动化终端对故障处理时间的影响,建立了配电自动化终端对故障区域和非故障区域的停电时间模型;基于时序蒙特卡洛思想,结合储能装置的充放电过程与配电自动化终端的停电时间模型,提出了一种含配电自动化终端的配电网可靠性计算方法。
具体地说,含配电自动化终端的配电网可靠性计算方法的原理为:
根据相关统计,负荷和光伏发电具有一定的随机性。负荷、光伏在同一季节不同天的时间段大致分别服从正态分布和Beta分布,其概率密度函数分别为:
式中:式(6)为负荷的概率密度函数,Th表示一天的时间段,即Th=1、2、…、24;为时段t的负荷;/>为时间段Th负荷的期望值;/>为时间段Th负荷正态分布的标准差。式(7)为光伏电站出力的概率密度函数,/>为时间t的光伏电站出力;/>为时间段Th光伏电站的最大出力;Γ(·)为伽马函数;/>和/>表示时间段Th的光伏电站出力Beta分布的形状参数。
在含光伏等分布式电源的配电网中,加入储能系统能实现光伏出力跨时段转移并协调网络“源—荷”间不平衡,以此提高分布式电源的利用率。一般将蓄电池作为系统的储能设备。其模型如下:
式中:Cnet(t)表示储能系统时间段t的剩余电量;Pch(t)和Pdisch(t)分别为时间段t储能系统的充电、放电功率;Pch,max和Pdisch,max分别为储能系统最大充电、放电功率,Cnet,min为储能系统最小容量值;Cnet,max为储能系统最大容量值;Cnet(t+1)表示储能系统时段t+1的剩余电量。
当配电系统发生停电故障时,故障区域用户的停电时间T0一般可分为三部分,即:
T0=tp+th+tr (4)
式中:tp表示故障定位时间;th为故障隔离时间;tr为故障修复时间。
而当某一元件发生故障时,通常采用断路器及分段开关等设备操作,进而隔离故障,使非故障区域的用户正常供电,这一过程为故障切换过程。则故障切换时间为从故障发生到隔离故障所用的总时间,也称非故障区用户的停电时间,用公式可表达为:
表1给出了“二遥”与“三遥”终端对系统故障处理时间的影响,其中b1与b2均为接近于0的常数。
表1不同配电终端对系统故障处理时间的影响
当配电干线发生故障且存在配电自动化终端时,非故障区域用户的停电时间和故障区域用户的停电时间分别为:
因此,当配电系统中的干线发生故障时,非故障区域用户停电时间Ts可统一写成:
而故障区域的用户停电时间可统一写成:
T=Ts+tr (10)
式中:n1,n2为时间转换系数,其值小于1。
基于时序蒙特卡洛思想对配电网进行可靠性计算,可见图1流程,具体方法如下:
(1)设定仿真年限及初始化数据。设置仿真时间MCTime=0;各负荷的停电时间均为0;各负荷的停电次数也均为0;
(2)随机生成一组与系统元件个数相同的随机数δ=[δ1,δ2,δ3,…,δn](δi∈[0,1]),根据生成的随机数求出每个元件的正常工作时间Twi
Twi=-Inδi/λi (11)
式中:λi为元件i的故障率。
(3)选取Tw中最小的元件作为系统的故障元件,则系统的正常工作时间为TTF=min(Tw),累计到仿真时间,即MCTime=MCTime+TTF。再随机生成两个随机数x1和x2(x1,x2∈[0,1]),计算元件的故障修复时间Tr和故障的切换时间Ts,并把Tr与Ts之和作为系统故障的持续时间。
式中:μi为元件i的修复率,其值为故障元件i修复时间的倒数;φi为元件i切换率,其值为故障切换时间的倒数,故障切换时间为故障定位和故障隔离的时间之和。
(4)判断故障元件处是否有配电自动化终端(配电自动化终端只存在干线上)。若有,按照配电自动化终端停电时间模型修正非故障区域与非故障区域的停电时间Ts;若否,进行下一步。
(5)确定孤岛区域。非孤岛区域且有电源供电的负荷停电时间累计Ts,非孤岛区域且无电源供电的负荷停电时间累计Tr;孤岛区域的负荷停电时间累计Ts。
在孤岛区域的负荷停电时间需要根据DG和储能装置的状态决定。在孤岛区域内需要以1h为时间段,以修复时间Tr为上限进行模拟储能系统的充放电过程,具体模拟过程如下所示:
①初始化数据。储能系统容量的下限为Cnet,min,上限为Cnet,max;时间t储能系统的容量为Cnet(t);模拟时间t=0,此时系统未发生故障,储能系统为满荷电状态,即Cnet(t)=Cnet,max。
②计算t+1时刻孤岛内的DG输出功率PDG(t+1)和总负荷PL(t+1),并判断PL(t+1)是否小于PDG(t+1)。
③若PL(t+1)≤PDG(t+1),孤岛区域不停电且储能系统可能会动作。若Cnet(t)=Cnet,max,储能系统不动作,Cnet(t+1)=Cnet(t);若Cnet(t)<Cnet,max,剩余的光伏出力给储能系统充电,即Cnet(t+1)=Cnet(t)+(PDG(t+1)-PL(t+1)),但Cnet(t+1)≤Cnet,max。
④若PL(t+1)>PDG(t+1)时,储能系统进行放电。若PL(t+1)≤PDG(t+1)+Cnet(t),孤岛区域内的负荷不停;若PL(t+1)>PDG(t+1)+Cnet(t),系统根据Cnet(t)与PDG(t+1)的大小进行削减部分负荷,以距离DG最近为原则对孤岛内的负荷进行供电,削减掉的负荷停电时间累计1.0h。该过程储能系统的放电过程为Cnet(t+1)=Cnet(t)-(PL(t+1)-PDG(t+1)),但Cnet(t+1)不能小于Cnet,min。
⑤修正仿真时间,即MCTime=MCTime+1。
⑥判断t是否大于修复时间Tr。若是,计算孤岛内各负荷的总停电时间,并进行下一步;若否,返回步骤②。
(6)判断模拟时间MCTime是否达到上限。若是,进行下一步;若否返回步骤(2)。
(7)计算各负荷及系统的可靠性指标。
为了更好的说明本发明的方案,采用典型的配电系统对本发明的实施方式做了详细说明。
实施例1
本文以修改后的IEEE RBTS BUS-2系统为算例进行分析,网络的拓扑结构如图2所示,系统中的各元件故障率、线路长度、开关操作时间和用户数等详细数据见:Allan R N,Billinton R,Sjarief I,et al.A reliability test system for educationalpurposes-basic distribution system data and results[J].IEEE Transactions onPower Delivery,1991,6(02):813-820.负荷LP1、LP2、LP3、LP10、LP11、LP12、LP17、LP18和LP19为居民用电负荷,在这些负荷处分别安装电动汽车,假设电动汽车每天需要在0:00~8:00时间段内随机抽取5个小时进行充电,电动汽车充电功率为2.0kW。在蒙特卡洛抽样时,每时段的光伏出力和负荷功率的具体数据详见:章力,高元海,熊宁,等.考虑潮流倒送约束的分布式光伏电站选址定容规划[J].电力系统自动化,2014,38(17):43-48.
系统中有10条干线安装了分段开关,分别为线路{4,7,10,14,18,21,24,29,32,34},分段开关处可安装“二遥”和“三遥”终端设备。假设分段开关上未安装配电自动化终端时,故障处理时间(包括故障定位时间和故障隔离时间)取3.0h,安装“二遥”终端,故障处理时间取1.0h,安装“三遥”终端,故障处理时间取0.05h,通过时间折合可得折算系数n1、n2分别为1/3和1/60。在主干线10末端分别安装光伏发电DG与储能装置系统。储能系统额定容量为2.0MWh,最大充电、放电功率Pch,max、Pdisch,max均取0.5MW,储能系统最小、最大容量值Cnet,min、Cnet,max分别为0.4MW、1.8MW。
表2中的随机安装方案为:线路{10}不安装终端;线路{4,7,14,32,34}安装“二遥”终端;线路{18,21,24,29}安装“三遥”终端。
表2.可靠性算法的模拟结果
注:SAIFI:系统平均停电频率;ASAI:平均供电可用率;t/a:次/年
表2给出了本文可靠性算法在4种情况下的模拟结果。由表可知,系统安装光伏发电DG和储能装置明显提高了系统的可靠性。以无配电自动化终端情况为例,当系统安装光伏发电DG和储能装置时,系统的可靠性由原来的99.9369%提升到99.9397%,造成这种现象的原因是:当发生故障时,光伏发电DG和储能装置附近可形成独立的孤岛运行区域,减少了孤岛区域内负荷的停电时间,从而提高系统的可靠性。
配电终端的加入也显著提高系统的可靠性,以有光伏发电DG、有储能装置为例,无配电自动化终端时,系统的可靠性指标为99.9397%;当系统分别安装“二遥”和“三遥”终端时,系统的可靠性指标分别为99.9410%和99.9448%,系统的可靠性显著提高,其中安装“三遥”终端效果更为明显。造成这种现象是因为配电自动化终端的接入减少了故障切换时间,从而减少了系统的停电时间,最终提高了系统的供电可靠性。
表中每种情况下的系统平均停电频率指标都是相同的,那是因为DG、储能装置及配电自动化终端的接入,无法降低配电线路、变压器等系统元件的故障率,从而无法降低系统的停电次数。
综合上述分析,本发明不仅考虑了配电自动化终端,还考虑了具有随机性和时序性的负荷、DG和储能系统。与传统的可靠性计算方法相比,本发明具有较强的通用性和实用性。因此,本发明可作为一种含配电自动化终端的配电网可靠性计算方法。
Claims (5)
1.一种含配电自动化终端的配电网可靠性计算方法,包括以下步骤:
1)建立负荷、光伏出力、储能装置的随机性和时序性模型,并根据模型模拟了配电网中储能装置的充放电过程;
2)分析了各类配电自动化终端对故障处理时间的影响,建立了配电自动化终端对故障区域和非故障区域的停电时间模型;
3)基于时序蒙特卡洛思想,结合储能装置的充放电过程与配电自动化终端的停电时间模型,对含配电自动化终端的配电网可靠性进行计算;
所述步骤2)中,建立配电自动化终端对故障区域和非故障区域的停电时间模型,具体包括以下步骤:
当配电系统发生停电故障时,故障区域用户的停电时间T0分为三部分,即:
T0=tp+th+tr (4)
式中:tp表示故障定位时间;th为故障隔离时间;tr为故障修复时间;
而当某一元件发生故障时,采用断路器及分段开关设备操作,进而隔离故障,使非故障区域的用户正常供电,这一过程为故障切换过程;则故障切换时间为从故障发生到隔离故障所用的总时间,也称非故障区用户的停电时间,用公式表达为:
Ts 0=tp+th (5)
式中:Ts 0为故障切换时间;
当配电干线发生故障且存在配电自动化终端时,非故障区域用户的停电时间和故障区域用户的停电时间分别为:
式中:Ts 2,Ts 3分别为含有“二遥”终端与“三遥”终端下的非故障区用户的停电时间;T2,T3分别为含有“二遥”终端与“三遥”终端下的故障区用户的停电时间;b1,b2均为接近于0的常数;
因此,当配电系统中的干线发生故障时,非故障区域用户停电时间Ts写成:
而故障区域的用户停电时间写成:
T=Ts+tr (10)
式中:n1,n2为时间转换系数,其值小于1。
4.根据权利要求1~3任意一项所述的含配电自动化终端的配电网可靠性计算方法,其特征在于,所述步骤3)中,基于时序蒙特卡洛思想,结合储能装置的充放电过程与配电自动化终端的停电时间模型,对含配电自动化终端的配电网可靠性进行计算,具体包括以下步骤:
(3-1)设定仿真年限及初始化数据:设置仿真时间MCTime=0;各负荷的停电时间均为0;各负荷的停电次数也均为0;
(3-2)随机生成一组与系统元件个数相同的随机数δ=[δ1,δ2,δ3,…,δn],δi∈[0,1],根据生成的随机数求出每个元件的正常工作时间Twi
Twi=-Inδi/λi (11)
式中:λi为元件i的故障率;
(3-3)选取Tw中最小的元件作为系统的故障元件,则系统的正常工作时间为TTF=min(Tw),累计到仿真时间,即MCTime=MCTime+TTF;再随机生成两个随机数x1和x2,x1,x2∈[0,1],计算元件的故障修复时间Tr和故障的切换时间Ts,并把Tr与Ts之和作为系统故障的持续时间;
(3-4)判断故障元件处是否有配电自动化终端,配电自动化终端只存在干线上;若有,按照配电自动化终端停电时间模型修正非故障区域与非故障区域的停电时间Ts;若否,进行下一步;
(3-5)确定孤岛区域:非孤岛区域且有电源供电的负荷停电时间累计Ts,非孤岛区域且无电源供电的负荷停电时间累计Tr;孤岛区域的负荷停电时间累计Ts;
(3-6)判断模拟时间MCTime是否达到上限;若是,进行下一步;若否返回步骤(3-2);
(3-7)计算各负荷及系统的可靠性指标。
5.根据权利要求4所述的含配电自动化终端的配电网可靠性计算方法,其特征在于,所述步骤(3-5)中,孤岛区域的负荷停电时间累计Ts的判定,包括以下步骤:
在孤岛区域的负荷停电时间需要根据DG和储能装置的状态决定;在孤岛区域内需要以1h为时间段,以修复时间Tr为上限进行模拟储能系统的充放电过程,具体模拟过程如下所示:
①初始化数据:储能系统容量的下限为Cnet,min,上限为Cnet,max;时间t储能系统的容量为Cnet(t);模拟时间t=0,此时系统未发生故障,储能系统为满荷电状态,即Cnet(t)=Cnet,max;
②计算t+1时刻孤岛内的DG输出功率PDG(t+1)和总负荷PL(t+1),并判断PL(t+1)是否小于PDG(t+1);
③若PL(t+1)≤PDG(t+1),孤岛区域不停电且储能系统会动作或不会动作;若Cnet(t)=Cnet,max,储能系统不动作,Cnet(t+1)=Cnet(t);若Cnet(t)<Cnet,max,剩余的光伏出力给储能系统充电,即Cnet(t+1)=Cnet(t)+(PDG(t+1)-PL(t+1)),但Cnet(t+1)≤Cnet,max;
④若PL(t+1)>PDG(t+1)时,储能系统进行放电;若PL(t+1)≤PDG(t+1)+Cnet(t),孤岛区域内的负荷不停;若PL(t+1)>PDG(t+1)+Cnet(t),系统根据Cnet(t)与PDG(t+1)的大小进行削减部分负荷,以距离DG最近为原则对孤岛内的负荷进行供电,削减掉的负荷停电时间累计1.0h;该过程储能系统的放电过程为Cnet(t+1)=Cnet(t)-(PL(t+1)-PDG(t+1)),但Cnet(t+1)不能小于Cnet,min;
⑤修正仿真时间,即MCTime=MCTime+1;
⑥判断t是否大于修复时间Tr,若是,计算孤岛内各负荷的总停电时间,并进行到步骤(3-6);若否,返回步骤②。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010279156.3A CN111355266B (zh) | 2020-04-10 | 2020-04-10 | 一种含配电自动化终端的配电网可靠性计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010279156.3A CN111355266B (zh) | 2020-04-10 | 2020-04-10 | 一种含配电自动化终端的配电网可靠性计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111355266A CN111355266A (zh) | 2020-06-30 |
CN111355266B true CN111355266B (zh) | 2023-06-06 |
Family
ID=71197572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010279156.3A Active CN111355266B (zh) | 2020-04-10 | 2020-04-10 | 一种含配电自动化终端的配电网可靠性计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111355266B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
CN104201723A (zh) * | 2014-08-29 | 2014-12-10 | 重庆大学 | 基于时序模拟的离网型微网可靠性评估方法 |
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 |
CN104392117A (zh) * | 2014-11-06 | 2015-03-04 | 国家电网公司 | 一种配电终端对配电系统可靠性影响分析方法 |
CN104851053A (zh) * | 2015-05-14 | 2015-08-19 | 上海电力学院 | 一种含风光储的配电网供电可靠性评估方法 |
CN105553103A (zh) * | 2016-01-21 | 2016-05-04 | 中国农业大学 | 一种区域主动配电网能量管理系统及方法 |
CN106532688A (zh) * | 2016-11-22 | 2017-03-22 | 国电南瑞科技股份有限公司 | 一种用于评估微电网运行可靠性的方法及系统 |
CN110212527A (zh) * | 2019-06-18 | 2019-09-06 | 国网江西省电力有限公司经济技术研究院 | 一种配电网一次网架结构与配电自动化协同规划方法 |
CN110808633A (zh) * | 2019-10-29 | 2020-02-18 | 上海电力大学 | 一种主动配电网配电自动化终端优化配置方法 |
-
2020
- 2020-04-10 CN CN202010279156.3A patent/CN111355266B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102097808A (zh) * | 2011-01-31 | 2011-06-15 | 天津大学 | 一种含分布式风电、光伏及储能的配电系统可靠性评估方法 |
CN104201723A (zh) * | 2014-08-29 | 2014-12-10 | 重庆大学 | 基于时序模拟的离网型微网可靠性评估方法 |
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 |
CN104392117A (zh) * | 2014-11-06 | 2015-03-04 | 国家电网公司 | 一种配电终端对配电系统可靠性影响分析方法 |
CN104851053A (zh) * | 2015-05-14 | 2015-08-19 | 上海电力学院 | 一种含风光储的配电网供电可靠性评估方法 |
CN105553103A (zh) * | 2016-01-21 | 2016-05-04 | 中国农业大学 | 一种区域主动配电网能量管理系统及方法 |
CN106532688A (zh) * | 2016-11-22 | 2017-03-22 | 国电南瑞科技股份有限公司 | 一种用于评估微电网运行可靠性的方法及系统 |
CN110212527A (zh) * | 2019-06-18 | 2019-09-06 | 国网江西省电力有限公司经济技术研究院 | 一种配电网一次网架结构与配电自动化协同规划方法 |
CN110808633A (zh) * | 2019-10-29 | 2020-02-18 | 上海电力大学 | 一种主动配电网配电自动化终端优化配置方法 |
Non-Patent Citations (3)
Title |
---|
伦惠勤 ; 王佳 ; 胡扬 ; 赵崇 ; 胡剑锋 ; .智能配电网研究现状及发展展望.电测与仪表.2015,第52卷(第08期),第10-15页. * |
邓良辰.配电网信息物理系统可靠性评估.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2019,(第4期),第C042-1345页. * |
马义松.面向供电可靠性的配电自动化终端优化配置研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2017,(第2期),第C042-2488页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111355266A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105406470A (zh) | 一种基于开关边界分区的有源配电网可靠性评估方法 | |
Esau et al. | Reliability assessment in active distribution networks with detailed effects of PV systems | |
CN113241738B (zh) | 一种配电网的拓扑重构故障恢复及设备部署方法 | |
CN108155663B (zh) | 控制配电微电网的方法 | |
Hernando-Gil et al. | Reliability performance of smart grids with demand-side management and distributed generation/storage technologies | |
CN109038568A (zh) | 基于供需协调的电压暂降综合治理方法 | |
Mak et al. | Synchronizing SCADA and smart meters operation for advanced smart distribution grid applications | |
Ge et al. | Reliability assessment of active distribution system using Monte Carlo simulation method | |
CN110245858A (zh) | 一种含电动汽车充电站的微电网可靠性评估方法 | |
Escalera et al. | Contribution of active management technologies to the reliability of power distribution networks | |
Saber et al. | Fast feeder PV hosting capacity using swarm based intelligent distribution node selection | |
Hamad et al. | Switching strategy for DG optimal allocation during repairing fault periods on loop distribution networks | |
CN113657619A (zh) | 考虑故障连锁的关键弹性提升元件辨识及故障恢复方法 | |
CN111355266B (zh) | 一种含配电自动化终端的配电网可靠性计算方法 | |
Durgadevi et al. | Availability Capacity Evaluation and Reliability Assessment of Integrated Systems Using Metaheuristic Algorithm. | |
Zhao et al. | Characterization of congestion in distribution network considering high penetration of PV generation and EVs | |
Liu et al. | Risk assessment of cascading failure of distribution network with flexible multi-state switch | |
CN116014790A (zh) | 一种含分布式能源的配电网弹性评估方法 | |
Rodríguez-Velásquez et al. | A framework for the resilience of LV electrical networks with photovoltaic power injection | |
CN108923469A (zh) | 一种新能源电力系统级联故障分析方法 | |
Mu et al. | Microgrid protection based on principle of fault location | |
Li et al. | Reliability evaluation of distribution network considering distributed intermittent renewable energy access | |
Konstantelos et al. | Contribution of energy storage and demand-side response to security of distribution networks | |
CN115292869A (zh) | 考虑大规模光伏储能接入的钻石型配电网可靠性计算方法 | |
Gaun et al. | Enumeration based reliability assessment algorithm considering nodal uncertainties |
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 |