CN111539566B - 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 - Google Patents
一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 Download PDFInfo
- Publication number
- CN111539566B CN111539566B CN202010315878.XA CN202010315878A CN111539566B CN 111539566 B CN111539566 B CN 111539566B CN 202010315878 A CN202010315878 A CN 202010315878A CN 111539566 B CN111539566 B CN 111539566B
- Authority
- CN
- China
- Prior art keywords
- fault
- load
- distribution network
- recovery
- power distribution
- 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 123
- 238000011084 recovery Methods 0.000 title claims abstract description 112
- 230000008439 repair process Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005192 partition Methods 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 16
- 230000010485 coping Effects 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 230000002238 attenuated effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 238000004904 shortening 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种考虑灾前预调度的配电网多故障抢修恢复方法及系统,包括:确定元件停运概率,生成预想事故集;计算系统直流潮流;依次退出预想事故集中负荷节点判断系统是否发生故障,若发生,则将故障节点并入事故确定集;判断系统中的所有节点是否判断结束,若判断结束,得到事故确定集;若否,获取下一节点信息;基于事故确定集确定系统故障位置和故障元件所属分区并构建路径调度方案;采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线;基于DG出力预测曲线通过构建多源协同优化模型确定配电网抢修恢复方案。本发明中能够有效提高故障抢修效率,优化抢修顺序,实时调整抢修计划,优化配电网可用资源的供电能力。
Description
技术领域
本发明涉及电力系统分析领域,特别是涉及一种考虑灾前预调度的配电网多故障抢修恢复方法及系统。
背景技术
传统的配电网故障恢复问题,是指配电网故障发生后,在故障定位和故障隔离的基础之上,采用一定的故障恢复策略,对配电网的联络开关及分段开关进行操作,将断电负荷转移到其他馈线进行供电,及时找到非故障区的最佳恢复供电路径,完成配电网故障恢复的任务。配电网供电恢复是一个高阶、多约束的非线性组合问题,尤其在微电网加入后,系统网络结构变得更为复杂,对配电网故障恢复的快速性和高效性提出了新的挑战。
目前,大多数配电网故障恢复均基于孤岛划分的思路,即根据配电网内本地电源类型、容量、位置以及负荷的重要程度、负荷需求及位置等,将目标配电网的停电区域划分为若干个孤岛,每个孤岛内包含一个或多个电源。但随着分布式电源渗透率不断提高、需求侧负荷的参与以及配电网运行方式更加灵活多变,仅考虑此种恢复方法将不再适用于当前配电网运行情况,尤其是在恶劣天气下,配电网可能会遭受严重破坏,发生多处故障,导致大面积、连续性、长时间的停电事故,交通路网也极有可能被损害,造成抢修恢复不及时,停电损失加大的后果,因此如何充分、高效利用现有的灵活性资源提高救援物资调度效率,实现配电网的快速恢复,提高配电网的韧性响应成为本发明的研究重点。
本发明考虑在极端天气发生前造成配电网大规模停电前,制定移动应急电源(mobile emergency generators,MEGs)预调度策略,并在配电网故障后,利用分布式电源(distributed generator,DG)、储能装置(energy storage systems,ESS)、电动汽车(electric vehicle,EV)和柔性负荷的调节能力,快速恢复主动配电网(activedistribution network,ADN)中的重要负荷,缩短负荷停电时间,保证重要基础设施与服务正常运行。
发明内容
本发明的目的是提供一种配电网故障抢修恢复方法及系统,考虑在极端天气发生前造成配电网大规模停电前,制定移动应急电源(mobile emergency generators,MEGs)预调度策略,并在配电网故障后,利用分布式电源(distributed generator,DG)、储能装置(energy storage systems,ESS)、电动汽车(electric vehicle,EV)和柔性负荷的调节能力,快速恢复主动配电网(active distribution network,ADN)中的重要负荷,缩短负荷停电时间,保证重要基础设施与服务正常运行。
为实现上述目的,本发明提供了如下方案:
一种配电网故障抢修恢复方法,所述方法包括:
S1:确定元件停运概率;
S2:基于所述元件停运概率计算负荷节点停电概率,并生成预想事故集Ω;所述预想事故集包括:负荷节点停电概率大于0的节点;Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点;
S3:将预想事故集中的节点按照负荷等级由高到低依次退出运行;
S4:计算系统直流潮流;
S5:基于所述直流潮流判断系统中的节点是否存在故障;
S6:若不存在故障,则执行S8;
S7:若存在故障,则将故障节点并入事故确定集;
S8:判断系统中的所有节点是否判断结束;
S9:若判断结束,得到事故确定集;
S10:若否,则获取下一节点信息,返回步骤S3;
S11:基于所述事故确定集确定配电网系统故障位置和故障元件所属分区;
S12:基于所述配电网系统故障位置和故障元件所属分区构建路径调度方案;
S13:采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线;
S14:基于所述DG出力预测曲线,确定配电网孤岛划分结果,基于所述划分结果通过调整开关状态对灾后配电网进行紧急恢复,针对未能恢复的故障点进一步制定灾后配电网多故障抢修应对策略;
S15:基于所述路径调度方案、DG出力预测曲线以及灾后配电网多故障抢修应对策略构建多源协同优化模型确定配电网抢修恢复方案。
可选的,所述确定元件停运概率具体包括:
基于所述断线故障率、所述倒塔故障率、所述闪络故障率计算供电线路元件的故障概率;其中,Pij,1为线路i的第j档的断线故障率、Pij,2为线路i的第j档的倒塔故障率、Pij,3为线路i的第j档的闪络故障率;
N表示电源点到负荷节点的供电线路条数。
可选的,所述路径调度方案构建模块具体包括:
可选的,所述DG出力预测曲线确定模块具体包括:
获得n个历史数据样本;其中样本集P={p1,p2,…,pn},每个样本有m个特征值pi={pi1,pi2,…,pim},中心特征向量为pT′={pT1,pT2,…,pTm};
计算所述样本与所述中心特征向量的欧氏距离d;
判断d是否满足设定阈值,若满足,则调取历史负荷Pi当前时刻下对应的DG出力,并视为现有负荷Oi当前时刻下的DG出力;若不满足,则继续获取历史数据样本,直至找到系统所有DG在故障时刻出力情况,得到系统DG出力预测曲线。
可选的,基于所述DG出力预测曲线通过构建多源协同优化模型确定配电网抢修恢复方案具体包括:
其中,f1(x)表示抢修恢复过程中的综合收益;M表示整个过程中的恢复子过程集合;m表示第m个恢复子过程,Gm表示负荷恢复收益,Rm表示抢修恢复风险,Dm表示抢修恢复费用,其中,Lm表示第m个子过程恢复的负荷集合,λm,i表示Lm中的第i个负荷的单位停电损失;Pm,i表示Lm中的第i个负荷的恢复容量,tm,i表示Lm中的第i个负荷的提前恢复时间;其中,表示第m个子过程削减的负荷集合;λm,j表示中的第j个负荷的单位停电损失;Pm,j表示中的第j个负荷的削减容量;tm,i表示中的第j个负荷的停电时间;其中,Sm表示第m个子过程中可供电电源的集合;分别表示第m个子过程中应急移动电源调度、DG发电费用,Em,k、Fm,k分别表示第m个子过程中第k个开关动作折损、操作管理费用。
本发明另外一种考虑灾前预调度的配电网多故障抢修恢复系统,所述系统包括:
元件停运概率确定模块,用于确定元件停运概率;
预想事故集生成模块,用于基于所述元件停运概率计算负荷节点停电概率,并生成预想事故集Ω;所述预想事故集包括:负荷节点停电概率大于0的节点;Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点;
退出运行模块,用于将预想事故集中的节点按照负荷等级由高到低依次退出运行;
直流潮流计算模块,用于计算系统直流潮流;
第一判断模块,用于基于所述直流潮流判断系统中的节点是否存在故障;
第一执行模块,用于当不存在故障,则执行第二判断模块;
故障节点并入模块,用于当存在故障,则将故障节点并入事故确定集;
第二判断模块,用于判断系统中的所有节点是否判断结束;
事故确定集确定模块,用于当判断结束,得到事故确定集;
下一节点信息获取模块,用于当否,则获取下一节点信息,返回退出运行模块;
故障位置确定模块,用于基于所述事故确定集确定系统故障位置和故障元件所属分区;
路径调度方案构建模块,用于基于所述系统故障位置和故障元件所属分区构建路径调度方案;
DG出力预测曲线确定模块,用于采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线;
灾后配电网多故障抢修应对策略确定模块,用于基于所述DG出力预测曲线,确定配电网孤岛划分结果,基于所述划分结果通过调整开关状态对灾后配电网进行紧急恢复,针对未能恢复的故障点进一步制定灾后配电网多故障抢修应对策略;
配电网抢修恢复方案确定模块,用于基于所述路径调度方案、DG出力预测曲线以及灾后配电网多故障抢修应对策略构建多源协同优化模型确定配电网抢修恢复方案。
可选的,所述元件停运概率确定模块具体包括:
基于所述断线故障率、所述倒塔故障率、所述闪络故障率计算供电线路元件的故障概率;PLij=1-(1-Pij,1)(1-Pij,2)(1-Pij,3),其中,Pij,1为线路i的第j档的断线故障率、Pij,2为线路i的第j档的倒塔故障率、Pij,3为线路i的第j档的闪络故障率;
可选的,所述基于所述路径调度方案构建模块具体包括:
可选的,所述采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线具体包括:
获得n个历史数据样本;其中样本集P={p1,p2,…,pn},每个样本有m个特征值pi={pi1,pi2,…,pim},中心特征向量为pT′={pT1,pT2,…,pTm};
计算所述样本与所述中心特征向量的欧氏距离d;
判断d是否满足设定阈值,若满足,则调取历史负荷Pi当前时刻下对应的DG出力,并视为现有负荷Oi当前时刻下的DG出力;若不满足,则继续获取历史数据样本,直至找到系统所有DG在故障时刻出力情况,得到系统DG出力预测曲线。
可选的,所述DG出力预测曲线确定模块具体包括:
其中,f1(x)表示抢修恢复过程中的综合收益;M表示整个过程中的恢复子过程集合;m表示第m个恢复子过程,Gm表示负荷恢复收益,Rm表示抢修恢复风险,Dm表示抢修恢复费用,其中,Lm表示第m个子过程恢复的负荷集合,λm,i表示Lm中的第i个负荷的单位停电损失;Pm,i表示Lm中的第i个负荷的恢复容量,tm,i表示Lm中的第i个负荷的提前恢复时间;其中,表示第m个子过程削减的负荷集合;λm,j表示中的第j个负荷的单位停电损失;Pm,j表示中的第j个负荷的削减容量;tm,i表示中的第j个负荷的停电时间;其中,Sm表示第m个子过程中可供电电源的集合;分别表示第m个子过程中应急移动电源调度、DG发电费用,Em,k、Fm,k分别表示第m个子过程中第k个开关动作折损、操作管理费用。
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:
本发明中的配电网故障抢修恢复方法及系统,考虑在极端天气发生前造成配电网大规模停电前,制定移动应急电源(mobile emergency generators,MEGs)预调度策略,并在配电网故障后,利用分布式电源(distributed generator,DG)、储能装置(energystorage systems,ESS)、电动汽车(electric vehicle,EV)的灵活供电能力和柔性负荷的调节能力,快速恢复主动配电网(active distribution network,ADN)中的重要负荷,缩短负荷停电时间,保证重要基础设施与服务正常运行,即,灾害前,生成故障预想事故集,提前制定EV、ESS预调度策略,能够有效提高故障抢修效率,优化抢修顺序,抢修恢复过程中,考虑DG出力的不确定性,以历史类似灾害情况下区域的故障负荷曲线为基础进行负荷预测,实时调整抢修计划,优化了配电网可用资源的供电能力。
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为本发明实施例考虑灾前预调度的配电网多故障抢修恢复方法流程图;
图2为本发明实施例配电网69节点系统图;
图3为本发明实施例移动应急电源预调度流程图;
图4为本发明实施例负荷聚类过程示意图;
图5为本发明实施例光伏和风电出力预测结果图;
图6为本发明实施例配电网多故障抢修策略流程图;
图7为本发明实施例考虑灾前预调度的配电网多故障抢修恢复系统结构示意图。
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配电网故障抢修恢复方法及系统,考虑在极端天气发生前造成配电网大规模停电前,制定移动应急电源(mobile emergency generators,MEGs)预调度策略,并在配电网故障后,利用分布式电源(distributed generator,DG)、储能装置(energy storage systems,ESS)、电动汽车(electric vehicle,EV)和柔性负荷的调节能力,快速恢复主动配电网(active distribution network,ADN)中的重要负荷,缩短负荷停电时间,保证重要基础设施与服务正常运行。
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。
图1为本发明实施例考虑灾前预调度的配电网多故障抢修恢复方法流程图,图2为本发明实施例配电网69节点系统图,如图1和图2所示,所述方法包括:
S1:确定元件停运概率。
S2:基于所述元件停运概率计算负荷节点停电概率,并生成预想事故集Ω;所述预想事故集包括:负荷节点停电概率大于0的节点;Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点。
具体的,分析自然灾害的时间和空间分布特征,可知不同地区和位置的电力系统元件受灾害影响程度不同,不同灾害类型下元件的故障概率不相同,而且不同受灾元件故障后对电力系统的影响也不相同,本发明认为在电力系统运行过程中,绝大多数故障可以看作是强风、地震等天气因素导致的供电线路的故障,因此考虑按不同灾害类型给出供电线路的故障机理模型,进而确定各灾害下的故障概率。供电线路故障机理模型如下:
基于所述断线故障率、所述倒塔故障率、所述闪络故障率计算供电线路元件的故障概率;
设线路i的第j档的断线故障率为Pij,1、倒塔故障率为Pij,2、闪络故障率为Pij,3,本发明认为在一定条件下,不同故障类型间是相互独立的,则供电线路i的第j档故障率可以表示为:
PLij=1-(1-Pij,1)(1-Pij,2)(1-Pij,3)(4),其中,Pij,1为线路i的第j档的断线故障率、Pij,2为线路i的第j档的倒塔故障率、Pij,3为线路i的第j档的闪络故障率;
在灾害发生前,根据电网公司监测检测系统获得天气预警信息,结合地理信息系统(GIS)数据,查询配电网供电范围内的设备状态参数后,便可由式(1)-(4)计算得到供电线路元件的故障概率PLij。
配电网采用闭环结构、开环运行的运行方式,正常运行情况下,其网络结构为辐射式,因此,可以认为只要负荷节点与电源点之间的支路上任何元件停运,则会导致该负荷节点失负荷,则负荷节点的失负荷概率为:
其中,N表示电源点到负荷节点的供电线路条数。
将所有失电负荷概率P>0的节点并入预想事故集Ω,集合中的元素则表示当前系统状态下有可能导致系统故障的负荷节点编号信息,其中Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点。
S3:将预想事故集中的节点按照负荷等级由高到低依次退出运行。
以下步骤S4-S12为灾前预调度方案的制定:
S4:计算系统直流潮流。
S5:基于所述直流潮流判断系统中的节点是否存在故障。
S6:若不存在故障,则执行S8。
S7:若存在故障,则将故障节点并入事故确定集。
S8:判断系统中的所有节点是否判断结束。
S9:若判断结束,得到事故确定集。
S10:若否,则获取下一节点信息,返回步骤S3。
S11:基于所述事故确定集确定系统故障位置和故障元件所属分区。
S12:基于所述系统故障位置和故障元件所属分区构建路径调度方案。
具体的,一般来说,配电网线路停运由外部因素和内部因素共同决定,但在极端天气下,考虑线路所受外部影响可以等效为常数,因此本发明主要考虑系统潮流变化对系统元件的影响,将预想事故集Ω中的节点按顺序依次退出运行,模拟计算系统直流潮流,并判断节点Ni,j退出运行后,系统中是否故障,若故障则将节点Ni,j并入确定事故集Φ,集合中的元素则表示当前天气状态下系统故障的负荷节点编号信息,由此可定位系统故障位置,确定故障元件所属分区,提前调度应急物资,缩短抢修时间。具体步骤如下:
首先以配电网救援物资的储备容量和位置信息为依据,以物资存放点Nmsp为中心,确定事故节点Ni,j为目的节点,通过功率圆遍历的方法确定路径调度方案,具体步骤如下:
根据故障点负荷重要程度的不同,将负荷赋予不同的重要程度系数ω(n),并将不同重要等级的负荷做等值化处理,以物资调度路径上等值负荷最大为目标函数建立模型求解,目标函数为:
其中,i表示资存放点所在位置编号;j表示系统供电区域所有负荷节点;Lij(n)表示重要程度为n的负荷大小,Pmspi表示第i个物资存放点的储备容量。
从物资存放点所在馈线的负荷点Li(n)出发,首先访问与负荷点Li(n)相连的所有支路,然后访问下层支路,在满足约束条件的范围内,遍历功率圆图,直至遍历完所有故障点,得到救援物资最优抢修路径的调度方案,最后即可根据调度方案安排移动应急电源的行驶路线,实现应急资源的灾前布点,移动应急电源预调度流程见图3。
S13:采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线。
本发明认为虽然步骤S4-S12预先将应急资源调度至故障点,一定程度上保证了故障区域的负荷供电,但在抢修恢复过程中,由于MEGs的容量和停靠位置是固定的,不一定能够确保完全恢复故障区域失电负荷,而且孤岛内DG出力有不确定特点,为尽可能多地恢复负荷用电,减少抢修时间,需构建风光出力预测模型,以同样灾害背景下的负荷数据为基准,采用基于最近邻聚类的DG出力预测方法对DG出力预测。
最近邻聚类的基本思想是给定聚类中心O,将与聚类中心最邻近的样本与之归为一类,归类依据需以样本中心特征向量与聚类中心向量之间的距离来衡量,如果距离小于设定阈值,则此样本可与聚类中心归属于一类,对比类推,本发明将现有恶劣天气下的负荷曲线视为聚类中心O,相同天气条件下的系统历史负荷曲线为样本中心P,采用欧氏距离计算现有负荷Oi与历史负荷Pi间的距离d,若d≤0.01,则认为满足归类依据,此时的Pi与Oi可归为一类,再进一步找到与历史负荷Pi相对应的DG出力情况,即可预测得到现有负荷Oi下的DG出力,负荷聚类过程见图4。具体步骤如下:
调度中心调取系统相同天气状况下负荷曲线,即获得n个历史数据样本,样本集P={p1,p2,…,pn},每个样本有m个特征值pi={pi1,pi2,…,pim},中心特征向量为pT′={pT1,pT2,…,pTm},则样本与中心特征向量的欧氏距离表示为
之后判断d是否满足设定的阈值,即d是否大于等于0.01,若满足则调取历史负荷Pi当前时刻下对应的DG出力,将其视为现有负荷Oi当前时刻下的DG出力;若不满足,则继续抽取历史数据样本,重复判断,直至找到系统所有DG在故障时刻出力情况,得到系统DG出力预测曲线,光伏和风电出力预测结果见图5。
S14:基于所述DG出力预测曲线,以DG供电容量为基础得到配电网孤岛划分结果,优先通过调整开关状态对灾后配电网进行紧急恢复;并针对未能恢复的故障点进一步制定灾后配电网多故障抢修应对策略,即调度中心安排抢修小队对故障点进行抢修恢复,每抢修完一处故障调度中心则依据实际情况调整抢修计划,优化故障设备的抢修顺序,若不能完全恢复孤岛内缺供负荷,则按照负荷等级做切负荷处理,直至配电网能够安全稳定运行,配电网多故障抢修策略流程见图6。
S15:进一步的,综合考虑灾害发生前应急电源预调度、抢修过程中多故障应对策略以及故障恢复期间分布式电源出力与负荷需求间的平衡性,本发明考虑构建一个多源协同优化模型对故障区域进行抢修恢复,并采用混合整数线性规划方法求解模型,模型如下:
目标函数以综合经济损失最少为目标:
此外,为了保证整个系统能够正常运行,系统中的相关参数应当满足以下约束:
(1)线路的容量约束
Il≤Ilmax,(l=1,…,n) (13)
式中:Il为流过l的电流(A);Ilmax为流过线路l的最大电流(A)。
(2)节点电压约束
Uimin≤Ui≤Uimax,(i=1,2,…m) (14)
式中:Uimin为节点电压的下限(kV);Uimax为节点电压的上限(kV)。
(3)DG和馈线的容量约束
(4)潮流约束
其中,式(16)和(17)分别表示有功和无功功率平衡式。即,流入每条总线的功率量等于流出量;式(18)表示两条总线之间的电压关系,其中V1是参考电压,大M方法用于解耦两个断开的总线的电压;式(19)定义了保证满足(18)的电压松弛变量的范围;式条件(20)—(23)分别定义DG和EV的有功和无功功率输出限制。
(5)拓扑约束
式中:gk为当前配电网运行结构;Gk为配电网所有辐射状结构运行情况的集合。
(6)抢修资源约束
RC≤Rmax (25)
式中:RC为抢修故障花费的资源;R为供电公司现有资源。
(7)EV、ESS充放电约束
进一步的,对式(9)-(27)所提的配电网故障恢复模型进行求解,具体步骤如下:
(1)应用图论知识简化配电网,将并网的DG、ESS和EV等效为负荷节点,且将其负荷值定义为负,其余普通负荷值则定义为正,得到节点与支路的集合G=(V,E)。
(2)根据步骤2得到的灾前应急电源预调度结果和步骤3得到的DG出力预测结果,分析配电网最大供电能力,判断是否需要切负荷,若需要则可按照优先切除可控负荷,再由负荷等级从高到低切除的顺序保证供电。
(3)采用分支定界法求解式(9)-(27)所提故障恢复模型,首先舍弃约束中的整数变量xj,构造新的目标函数f'(xi),初始化求得该问题的解x'j,如果x'j为整数,则该解为最优解,否则视x'j为线性规划解,作为最优解的上边缘解,此时设置下边缘解为无穷大。
(4)在不满足整数要求的变量xi中选出一个加入一对互斥约束,将松弛子问题分支成两个被进一步约束的子问题,并使xi逐步接近整数值,一次去掉两个整数间的非整数域,将搜索空间逐渐缩小。若子问题仍不满足整数要求,则继续进行分支,形成一个分支树。
(5)通过不断的分支和求解,解的上下边缘解会不断的被替换。上边缘解一般通过子问题的最大目标值确定,下边缘解由已经得到的最优整数解x*确定。若子问题无解,则不再向下分支;若得到一个整数解,同样不再继续向下分支,并将此整数解和所有解作比较,若此解为最优解,则将其作为上边界解;若为非整数解,则将其剪枝。
(6)通过不断迭代,将上边缘解和下边缘解用搜索到的更好解替代,如果在搜索过程中得到某一最优解x*,其最优值为f*(xi),而其他分支求得的目标函数值小于f*(xi),则停止运算。
(7)将distflow潮流公式作线性化处理,对配电网进行潮流计算,得到网络损耗和故障恢复路径。
最终该方法在调度资源有限的情况下,确定了故障抢修顺序,得到最优恢复方案,保证了综合经济损失最小化。
本发明考虑以下实例背景:
已知某配电网将遭受寒潮,局部电网地区出现大风和冰雹自然灾害,本发明以IEEE69节点配电网系统为算例验证所提配电网故障抢修恢复方法的有效性,使用MATLABR2016b进行算例分析,配电网系统结构如图2所示。
1、应急电源预调度策略
根据有关部门的天气预警信息,在灾害发生前可由式(1)-(4)计算得到配电网线路元件的故障概率P0(Lij),充分考虑当前光伏和风电的负荷出力,确定故障元件位置,得到故障预想事故集Φa={17,18,64,68,69}。即节点17、18、64、68、69为可疑故障节点。具体计算方法如图1所示。
在电力生产管理系统(PMS)中调取输电线路地理位置信息和备用物资信息,针对故障节点以最短路径为目标函数将应急电动车调度至可疑故障节点,为体现本发明的优越性,此处模拟两种场景,一种场景是不考虑将应急移动电源预调度至可疑故障节点64,仅考虑将应急移动电源预调度至可疑故障节点17、18、68、69;另一种场景是将应急移动电源预调度至所有可疑故障节点。对比分析两种场景下故障恢复时间、恢复总电量以及恢复总价值的结果。
2、DG出力预测模型
由于预调度至故障点的移动应急电源容量属于期望值,与实际负荷缺额存在差距,且孤岛内DG出力有不确定特点,为尽可能多地恢复负荷用电,减少抢修时间,构建风光出力预测模型,以同样灾害背景下的负荷数据为基准,采用基于最近邻聚类和Elman神经网络的负荷预测方法对负荷进行短期负荷预测,得到DG出力预测曲线,负荷聚类标准如图3所示,光伏和风电出力预测结果如图4所示。
3、多源协同优化模型
以灾害发生前的应急电源预调度策略和故障恢复期间光伏和风电出力曲线为基准,分析配电网最大供电能力,建立以综合经济损失最少为目标函数的多源协同优化模型,求解配电网故障恢复的最优方案。
本发明认为可参与故障恢复的EV的放电功率为5kW/辆;分段开关和联络开关的动作损失为13元/次;单位失电负荷损失金额为0.6元/kW。同时配电网系统中DG1、DG2为风电场,DG3为光伏发电系统,具体参数见表1;预调度的MEGS行驶成本为8元/km,预调度至可疑故障节点的MEGS的具体参数见表2;失电负荷性质及优先级见表3。
表1 DGs参数
表2 MEGS参数
表3失电负荷性质及优先级
在求解配电网故障恢复的最优方案过程中,本发明设置三种优化场景验证所提恢复策略的有效性和可行性,本发明假定故障发生在8:00,恶劣天气持续时长为12h。
场景1:不考虑将应急移动电源预调度至可疑故障节点64,仅考虑将应急移动电源预调度至可疑故障节点17、18、68、69;同时认为恢复过程中风光出力与配电网正常运行情况下相同。
场景2:将应急移动电源预调度至所有可疑故障节点;同时认为恢复过程中风光出力与配电网正常运行情况下相同。
场景3:将应急移动电源预调度至所有可疑故障节点;同时以同样灾害背景下的负荷数据为基准,对恢复过程中风光出力进行短期负荷预测。
本发明对以上3种场景采用混合整数线性规划方法对构建的多源协同优化模型进行求解,其结果见表4。
表4各种优化场景下恢复方案比较
根据上述恢复结果,对比场景1与场景2,由于未对可疑故障点64实行应急移动电源预调度策略,虽然故障前应急移动电源调度时间相差无几,但由恶劣天气导致的配电网瘫痪以及道路交通堵塞,故障后增援物资运送时间明显更长,这不仅为抢修工作带来不便,更进一步影响了失电负荷的恢复量,对配电网供需双方都造成较大影响。
对比场景2与场景3,应急移动电源调度时间相差不大,但场景3下的故障恢复时间比场景2少2.07h,这是由于以相同恶劣天气背景下的负荷数据为基准进行负荷预测,能够更为准确地反应抢修过程中配电网负荷缺额情况,更有利于抢修小队合理分配抢修物资,减少故障恢复时间,提高配电网运行能力。
因此本发明提出的应急移动电源预调度策略以及负荷预测模型能一定程度上加快配电网故障抢修恢复进程,提高配电网韧性。
图7为本发明实施例考虑灾前预调度的配电网多故障抢修恢复系统结构示意图,如图7所示,所述系统包括:
元件停运概率确定模块201,用于确定元件停运概率;
预想事故集生成模块202,用于基于所述元件停运概率计算负荷节点停电概率,并生成预想事故集Ω;所述预想事故集包括:负荷节点停电概率大于0的节点;Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点;
退出运行模块203,用于将预想事故集中的节点按照负荷等级由高到低依次退出运行;
直流潮流计算模块204,用于计算系统直流潮流;
第一判断模块205,用于基于所述直流潮流判断系统中的节点是否存在故障;
第一执行模块206,用于当不存在故障,则执行第二判断模块;
故障节点并入模块207,用于当存在故障,则将故障节点并入事故确定集;
第二判断模块208,用于判断系统中的所有节点是否判断结束;
事故确定集确定模块209,用于当判断结束,得到事故确定集;
下一节点信息获取模块210,用于当否,则获取下一节点信息,返回退出运行模块;
故障位置确定模块211,用于基于所述事故确定集确定系统故障位置和故障元件所属分区;
路径调度方案构建模块212,用于基于所述系统故障位置和故障元件所属分区构建路径调度方案;
DG出力预测曲线确定模块213,用于采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线;
灾后配电网多故障抢修应对策略确定模块214,用于基于所述DG出力预测曲线,确定配电网孤岛划分结果,基于所述划分结果通过调整开关状态对灾后配电网进行紧急恢复,针对未能恢复的故障点进一步制定灾后配电网多故障抢修应对策略;
配电网抢修恢复方案确定模块215,用于基于所述路径调度方案、DG出力预测曲线以及灾后配电网多故障抢修应对策略构建多源协同优化模型确定配电网抢修恢复方案。
与现有技术相比,本发明具有如下优点:
(1)灾害前,生成故障预想事故集,提前制定EV、ESS预调度策略,能够有效提高故障抢修效率,优化抢修顺序。
(2)抢修恢复过程中,考虑DG出力的不确定性,以历史类似灾害情况下区域的故障负荷曲线为基础进行负荷预测,实时调整抢修计划,优化了配电网可用资源的供电能力。
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 (8)
1.一种考虑灾前预调度的配电网多故障抢修恢复方法,其特征在于,所述方法包括:
S1:确定供电线路元件的故障概率;
S2:基于所述供电线路元件的故障概率计算负荷节点停电概率,并生成预想事故集Ω;所述预想事故集包括:负荷节点停电概率大于0的节点;Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点;
S3:将预想事故集中的节点按照负荷等级由高到低依次退出运行;
S4:计算系统直流潮流;
S5:基于所述直流潮流判断系统中的节点是否存在故障;
S6:若不存在故障,则执行S8;
S7:若存在故障,则将故障节点并入事故确定集;
S8:判断系统中的所有节点是否判断结束;
S9:若判断结束,得到事故确定集;
S10:若否,则获取下一节点信息,返回步骤S3;
S11:基于所述事故确定集确定系统故障位置和故障元件所属分区;
S12:基于所述系统故障位置和故障元件所属分区构建路径调度方案;
S13:采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线;
S14:基于所述DG出力预测曲线,确定配电网孤岛划分结果,基于所述划分结果通过调整开关状态对灾后配电网进行紧急恢复,针对未能恢复的故障点进一步制定灾后配电网多故障抢修应对策略;
S15:基于所述路径调度方案、DG出力预测曲线以及灾后配电网多故障抢修应对策略构建多源协同优化模型确定配电网抢修恢复方案:
具体包括:
其中,f1(x)表示抢修恢复过程中的综合收益;M表示整个过程中的恢复子过程集合;m表示第m个恢复子过程,Gm表示负荷恢复收益,Rm表示抢修恢复风险,Dm表示抢修恢复费用,其中,Lm表示第m个子过程恢复的负荷集合,λm,q表示Lm中的第q个负荷的单位停电损失;Pm,q表示Lm中的第q个负荷的恢复容量,tm,q表示Lm中的第q个负荷的提前恢复时间;其中,表示第m个子过程削减的负荷集合;λm,p表示中的第p个负荷的单位停电损失;Pm,p表示中的第p个负荷的削减容量;tm,p表示中的第p个负荷的停电时间;其中,Sm表示第m个子过程中可供电电源的集合;分别表示第m个子过程中应急移动电源调度、DG发电费用,Em,k、Fm,k分别表示第m个子过程中第k个开关动作折损、操作管理费用。
2.根据权利要求1所述的考虑灾前预调度的配电网多故障抢修恢复方法,其特征在于,所述确定元件停运概率具体包括:
基于所述断线故障率、所述倒塔故障率、所述闪络故障率计算供电线路元件的故障概率;PLcd=1-(1-Pcd,1)(1-Pcd,2)(1-Pcd,3),其中,Pcd,1为线路c的第d档的断线故障率、Pcd,2为线路c的第d档的倒塔故障率、Pcd,3为线路c的第d档的闪络故障率;
基于所述供电线路元件的故障概率计算负荷节点停电概率:
4.根据权利要求1所述的考虑灾前预调度的配电网多故障抢修恢复方法,其特征在于,所述采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线具体包括:
获得n个历史数据样本;其中样本集P={p1,p2,···,pn},每个样本有m个特征值pi={pi1,pi2,···,pim},中心特征向量为pT′={pT1,pT2,···,pTm};
计算所述样本与所述中心特征向量的欧氏距离d;
判断d是否满足设定阈值,若满足,则调取历史负荷Pi当前时刻下对应的DG出力,并视为现有负荷Oi当前时刻下的DG出力;若不满足,则继续获取历史数据样本,直至找到系统所有DG在故障时刻出力情况,得到系统DG出力预测曲线。
5.一种考虑灾前预调度的配电网多故障抢修恢复系统,其特征在于,所述系统包括:
元件停运概率确定模块,用于确定元件停运概率;
预想事故集生成模块,用于基于所述元件停运概率计算负荷节点停电概率,并生成预想事故集Ω;所述预想事故集包括:负荷节点停电概率大于0的节点;Ω={N1,1,N1,2,…,Ni,j,…,Nm,n},i=1,2,…m,j=1,2,…n,Ni,j表示位于第i条支路的第j个负荷节点;
退出运行模块,用于将预想事故集中的节点按照负荷等级由高到低依次退出运行;
直流潮流计算模块,用于计算系统直流潮流;
第一判断模块,用于基于所述直流潮流判断系统中的节点是否存在故障;
第一执行模块,用于当不存在故障,则执行第二判断模块;
故障节点并入模块,用于当存在故障,则将故障节点并入事故确定集;
第二判断模块,用于判断系统中的所有节点是否判断结束;
事故确定集确定模块,用于当判断结束,得到事故确定集;
下一节点信息获取模块,用于当否,则获取下一节点信息,返回退出运行模块;
故障位置确定模块,用于基于所述事故确定集确定系统故障位置和故障元件所属分区;
路径调度方案构建模块,用于基于所述系统故障位置和故障元件所属分区构建路径调度方案;
DG出力预测曲线确定模块,用于采用基于最近邻聚类的DG出力预测方法确定DG出力预测曲线;
灾后配电网多故障抢修应对策略确定模块,用于基于所述DG出力预测曲线,确定配电网孤岛划分结果,基于所述划分结果通过调整开关状态对灾后配电网进行紧急恢复,针对未能恢复的故障点进一步制定灾后配电网多故障抢修应对策略;
配电网抢修恢复方案确定模块,用于基于所述路径调度方案、DG出力预测曲线以及灾后配电网多故障抢修应对策略构建多源协同优化模型确定配电网抢修恢复方案;
所述配电网抢修恢复方案确定模块具体包括:
min f1(x)=∑(Gm-Dm-Rm),其中,f1(x)表示抢修恢复过程中的综合收益;M表示整个过程中的恢复子过程集合;m表示第m个恢复子过程,Gm表示负荷恢复收益,Rm表示抢修恢复风险,Dm表示抢修恢复费用,其中,Gm=∑λm,qPm,qtm,q,Lm表示第m个子过程恢复的负荷集合,λm,q表示Lm中的第q个负荷的单位停电损失;Pm,q表示Lm中的第q个负荷的恢复容量,tm,q表示Lm中的第q个负荷的提前恢复时间;Rm=∑λm,pPm,ptm,p,其中,表示第m个子过程削减的负荷集合;λm,p表示中的第p个负荷的单位停电损失;Pm,p表示中的第p个负荷的削减容量;tm,p表示中的第p个负荷的停电时间;其中,Sm表示第m个子过程中可供电电源的集合;分别表示第m个子过程中应急移动电源调度、DG发电费用,Em,k、Fm,k分别表示第m个子过程中第k个开关动作折损、操作管理费用。
6.根据权利要求5所述的考虑灾前预调度的配电网多故障抢修恢复系统,其特征在于,所述元件停运概率确定模块具体包括:
基于所述断线故障率、所述倒塔故障率、所述闪络故障率计算供电线路元件的故障概率;PLcd=1-(1-Pcd,1)(1-Pcd,2)(1-Pcd,3),其中,Pcd,1为线路c的第d档的断线故障率、Pcd,2为线路c的第d档的倒塔故障率、Pcd,3为线路c的第d档的闪络故障率;
基于所述供电线路元件的故障概率计算负荷节点停电概率:
8.根据权利要求6所述的考虑灾前预调度的配电网多故障抢修恢复系统,其特征在于,所述DG出力预测曲线确定模块具体包括:
获得n个历史数据样本;其中样本集P={p1,p2,···,pn},每个样本有m个特征值pi={pi1,pi2,···,pim},中心特征向量为pT′={pT1,pT2,···,pTm};
计算所述样本与所述中心特征向量的欧氏距离d;
判断d是否满足设定阈值,若满足,则调取历史负荷Pi当前时刻下对应的DG出力,并视为现有负荷Oi当前时刻下的DG出力;若不满足,则继续获取历史数据样本,直至找到系统所有DG在故障时刻出力情况,得到系统DG出力预测曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315878.XA CN111539566B (zh) | 2020-04-21 | 2020-04-21 | 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010315878.XA CN111539566B (zh) | 2020-04-21 | 2020-04-21 | 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539566A CN111539566A (zh) | 2020-08-14 |
CN111539566B true CN111539566B (zh) | 2022-04-15 |
Family
ID=71980110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010315878.XA Active CN111539566B (zh) | 2020-04-21 | 2020-04-21 | 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539566B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016711A (zh) * | 2020-09-02 | 2020-12-01 | 国网河北省电力有限公司保定供电分公司 | 一种基于大数据的低压配网多故障抢修优化调度方法 |
CN112837172B (zh) * | 2020-12-25 | 2022-09-20 | 南京理工大学 | 一种计及交通网与配电网信息融合的配电网灾后抢修决策方法 |
CN112684294B (zh) * | 2020-12-29 | 2023-11-03 | 南京后生远达科技有限公司 | 一种基于环境动态影响的配电网故障抢修定位方法 |
CN113361859A (zh) * | 2021-05-10 | 2021-09-07 | 国网上海市电力公司 | 一种基于知识图谱的电网故障分析决策系统 |
CN113537703B (zh) * | 2021-06-04 | 2022-12-02 | 广东电网有限责任公司广州供电局 | 配电网灾前应急资源部署方法、装置和计算机设备 |
CN113657619B (zh) * | 2021-06-25 | 2024-02-09 | 国网浙江杭州市余杭区供电有限公司 | 考虑故障连锁的关键弹性提升元件辨识及故障恢复方法 |
CN113452051B (zh) * | 2021-06-25 | 2022-05-27 | 燕山大学 | 考虑应急电源车调度的有源配电网故障均衡供电恢复方法 |
CN113705964B (zh) * | 2021-07-16 | 2024-01-02 | 国网上海市电力公司 | 一种配电网韧性恢复灾前预案制定方法及装置 |
CN113868589B (zh) * | 2021-09-29 | 2024-05-17 | 山东大学 | 考虑应急资源调度的弹性配电网多点故障抢修方法及系统 |
CN114094572B (zh) * | 2021-11-12 | 2024-05-10 | 国家电网有限公司 | 一种主动配电网故障恢复方法和系统 |
CN114678881B (zh) * | 2022-04-06 | 2023-03-07 | 四川大学 | 一种v2g辅助支撑下的地震灾后电网快速恢复方法 |
WO2023208019A1 (zh) * | 2022-04-27 | 2023-11-02 | 国网江苏省电力有限公司苏州供电分公司 | 一种雷雨风光储一体化电动车充电站响应系统及方法 |
CN116031918B (zh) * | 2023-01-09 | 2024-04-30 | 国网湖南省电力有限公司 | 台风灾害下的城市电力系统动态弹性供电恢复方法及系统 |
CN117878926B (zh) * | 2024-03-11 | 2024-06-18 | 国网上海市电力公司 | 一种韧性电网的监测预警和应急处理方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944162A (zh) * | 2014-04-15 | 2014-07-23 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于实时预想事故集的配电网故障恢复方法 |
CN108520170A (zh) * | 2018-07-12 | 2018-09-11 | 广东电网有限责任公司 | 一种断线倒塔概率模型的计算方法及装置 |
CN110929391A (zh) * | 2019-11-08 | 2020-03-27 | 中国农业大学 | 一种台风灾害下配电网故障率计算方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9166907B2 (en) * | 2013-01-17 | 2015-10-20 | Purdue Research Foundation | Failure repair sequence generation for nodal network |
-
2020
- 2020-04-21 CN CN202010315878.XA patent/CN111539566B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944162A (zh) * | 2014-04-15 | 2014-07-23 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于实时预想事故集的配电网故障恢复方法 |
CN108520170A (zh) * | 2018-07-12 | 2018-09-11 | 广东电网有限责任公司 | 一种断线倒塔概率模型的计算方法及装置 |
CN110929391A (zh) * | 2019-11-08 | 2020-03-27 | 中国农业大学 | 一种台风灾害下配电网故障率计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111539566A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539566B (zh) | 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 | |
CN107332234B (zh) | 一种考虑可再生能源间歇性的主动配电网多故障修复方法 | |
CN108988322B (zh) | 考虑系统时变性的微网运行策略优化方法 | |
CN111555280B (zh) | 基于电-气综合能源系统的弹性配电网灾后恢复控制方法 | |
CN106503839B (zh) | 一种海上风电场环形集电网络分层规划方法 | |
CN113452051B (zh) | 考虑应急电源车调度的有源配电网故障均衡供电恢复方法 | |
CN113962461A (zh) | 一种基于环境数据预测的配电网韧性提升策略 | |
CN106093713A (zh) | 一种含分布式电源的配电网区段故障定位方法及系统 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN113326996A (zh) | 一种高比例新能源接入地区电网的安全风险评估方法 | |
Zhang et al. | A coordinated restoration method of electric buses and network reconfiguration in distribution systems under extreme events | |
CN115034510A (zh) | 适用于台风场景的电网安全风险全过程闭环管控优化方法及装置 | |
CN111009914A (zh) | 一种面向主动配电网的储能装置选址定容方法 | |
CN109950928A (zh) | 一种计及充放储一体站的主动配电网故障恢复方法 | |
Liu et al. | Optimization design of nonstop power exchange system for hydrogen energy trains | |
Mu et al. | Cascading Fault Early Warning and Location Method of Transmission Networks Based on Wide Area Time-Series Power System State | |
CN105139081B (zh) | 一种高可靠性的配电系统联络点规划方法 | |
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 | |
CN117543561A (zh) | 一种协同虚拟电厂的柔性配电系统保供方法 | |
CN117060400A (zh) | 一种城市配电网韧性恢复方法、系统、设备及介质 | |
CN115549075A (zh) | 一种含微电网的配电网供电恢复方法及系统 | |
CN116544987A (zh) | 一种综合能源服务站站内协同优化控制方法及相关产品 | |
CN115719967A (zh) | 一种用于提高供电可靠性的有源配电网储能装置优化配置方法 | |
CN105896533B (zh) | 一种主动配电网静态安全评估方法 | |
Deb et al. | An intelligent load shedding scheme for the micro-grid in shipboard power system using probabilistic methods |
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 |