CN111740419A - 一种基于差分进化算法的有源配电网故障恢复方法 - Google Patents

一种基于差分进化算法的有源配电网故障恢复方法 Download PDF

Info

Publication number
CN111740419A
CN111740419A CN202010713885.5A CN202010713885A CN111740419A CN 111740419 A CN111740419 A CN 111740419A CN 202010713885 A CN202010713885 A CN 202010713885A CN 111740419 A CN111740419 A CN 111740419A
Authority
CN
China
Prior art keywords
distribution network
fault
power distribution
fault recovery
island
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.)
Pending
Application number
CN202010713885.5A
Other languages
English (en)
Inventor
王光增
华献宏
柴志华
赵婉
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.)
State Grid Zhejiang Pujiang Power Supply Co ltd
Original Assignee
State Grid Zhejiang Pujiang Power Supply Co ltd
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 State Grid Zhejiang Pujiang Power Supply Co ltd filed Critical State Grid Zhejiang Pujiang Power Supply Co ltd
Priority to CN202010713885.5A priority Critical patent/CN111740419A/zh
Publication of CN111740419A publication Critical patent/CN111740419A/zh
Pending legal-status Critical Current

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
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • 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
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于差分进化算法的有源配电网故障恢复方法，涉及配电网故障恢复技术领域。包括：获取配电网络信息和当前故障信息，并根据所述配电网络信息和当前故障信息获取计划孤岛，并对停电区域进行供电恢复；获取更新后的配电网络信息和当前故障信息，并根据故障恢复模型获取各控制变量的值，其中的故障恢复模型是以最小化故障后损失电量和最小化开关动作次数建立的，根据所述各控制变量的值调节配电网各分段开关状态和联络开关状态，并将所述计划孤岛并入所述配电网。本方案可以最大限度减少故障或者检修带来的停电损失。

Description

一种基于差分进化算法的有源配电网故障恢复方法
技术领域
本发明涉及有源配电网故障恢复技术领域，特别是涉及一种基于差分进化算法的有源配电网故障恢复方法。
背景技术
近年来，随着我国国民经济的持续不断增长，各行各业对电力的需求迅速增长，但由于城市电网建设相对较为滞后，导致电网结构的不合理等问题比较突出，这很难满足用户对电能质量、供电可靠性等的要求。特别是由于第三产业的兴起，电力负荷的结构也发生了变化，中小用户包括居民用电比例逐年上升，导致城市配电系统中的线路越来越长，节点越来越多。
随着智能配电网的建设与发展，靠近负荷侧大量DG接入使得配电网络拓扑结构变得更加复杂。随着分布式发电技术的发展，使得将DG用于故障恢复变得更为可行。由于DG与传统电网中的电源特性不同，所以不能简单地作同样的处理。
现有技术中忽略了DG孤岛运行后如何对余下配电网故障恢复，导致出现故障时，配电网失电较大。
发明内容
本发明所要解决的技术问题是如何在出现故障时降低配电网的失电量。
为了解决以上技术问题，本发明提供一种基于差分进化算法的有源配电网故障恢复方法，包括：
获取配电网络信息和当前故障信息，并根据所述配电网络信息和当前故障信息获取计划孤岛，并对停电区域进行供电恢复；
获取更新后的配电网络信息和当前故障信息，并根据故障恢复模型获取各控制变量的值，其中的故障恢复模型是以最小化故障后损失电量和最小化开关动作次数建立的；
根据所述各控制变量的值调节配电网各分段开关状态和联络开关状态，并将所述计划孤岛并入所述配电网。
本发明进一步限定的技术方案是：所述配电网络信息和当前故障信息获取计划孤岛，包括：
根据如下公式获取所述计划孤岛，
Figure BDA0002596056920000021
其中，EEL为孤岛内有效负荷，λ1k为负荷权重系数，L1k为节点k的负荷值。
进一步的，所述配电网络信息和当前故障信息获取计划孤岛的约束条件包括如下公式：
Figure BDA0002596056920000022
其中，PDG为孤岛内DG容量，D为孤岛内负荷点的区域。
前所述的方法，所述故障恢复模型包括以下公式，
Figure BDA0002596056920000023
Figure BDA0002596056920000024
其中，λ2k为失电母线负荷节点k的权重系数，L1k为故障前负荷节点k的负荷有功功率，yk为状态变化参数，其值为1表示已恢复，为0表示未恢复，R为失电负荷节点数，m为配电网中分段开关的数量，n为开启的联络开关的数目，si表示分段开关状态，tj表示联络开关状态。
前所述的方法，所述根据故障恢复模型获取各控制变量的值，包括：
采用如下公式对所述故障恢复模型归一化处理得到总目标函数，并对目标函数求解获取所述控制变量的值，
ψi(x)＝[fi(x)-fi，min]/[fi，max-fi，min] (5)
min f＝ω1ψ1(x)+ω2ψ2(x) (6)
式中，ω1、ω2为权重系数，由于认为目标重要性等同，均取值为0.5；ψ1(x)为最小化故障后损失电量目标函数，ψ2(x)为最小化开关动作次数目标函数，min f为总目标函数。
前所述的方法，所述根据故障恢复模型获取各控制变量的值，满足如下约束条件：
gk∈G
Ui min≤Ui≤Ui max，i＝1，2，3，…，n
PDGt，min≤PDGt≤PDGt，max
Ij＜Ijmax，j＝1，2，3，…，b
式中：gk为已恢复供电区域的网络结构，G为不计及DG的网络结构集合， n为节点总数；Uimin和Uimax分别为节点电压Ui的上下限值，PDGt，min和PDGt，max表示第t 个DG出力的上下限值，Ijmax为第j支路上电流容量限额，b为网架内总的支路数。
前所述的方法，所述根据故障恢复模型获取各控制变量的值，包括：
对所述故障恢复模型进行差分进化处理，获取各控制变量的值。
前所述的方法，所述对所述故障恢复模型进行差分进化处理，获取各控制变量的值，包括：
对所述总目标函数进行变异、交叉和选择处理，获取各控制变量的值。
前所述的方法，对所述总目标函数进行变异、交叉和选择处理，获取各控制变量的值，包括：
确定编码维数D、初始种群数目N、缩放因子F、交叉因子C、最大迭代次数Gmax的值，并初始化种群个体；
在第g代种群中随机选择3个个体，记为
Figure BDA0002596056920000041
然后3个个体结合，获取目标个体的变异向量
Figure BDA0002596056920000042
Figure BDA0002596056920000043
其中，F取值范围为[0.4，1]；
随机生成交叉因子C∈[0，1]，并在[1，D]中随机选择一个整数Rj，将种群中的每一个向量与对应变异向量进行交叉操作，得到试验向量
Figure BDA0002596056920000044
Figure BDA0002596056920000045
其中，
Figure BDA0002596056920000046
分别为
Figure BDA0002596056920000047
的第j个元素；
分别将得到的试验向量
Figure BDA0002596056920000048
和目标个体的变异向量
Figure BDA0002596056920000049
作为ψ1(x)和ψ2(x)的解向量，带入总目标函数min f，选择其中较优结果作为下一代，当达到预设的最大迭代次数Gmax时，输出各控制变量的值。
前所述的方法，将minf值较小的结果作为所述较优结果。
本发明的有益效果是：
(1)本发明中实时获取配电网络信息和当前故障信息，并划分计划孤岛，当出现故障时，利用计划孤岛对停电区域的重要负荷进行恢复供电，在其恢复后，获取更新后的配电网络信息和当前故障信息，采用故障恢复模型对剩余的配电网信息进行处理，获取到个控制变量的值，来调节配电网中各分段开关状态和联络开关状态，完成恢复供电，而故障恢复模型是以最小化故障后损失电量和最小化开关动作次数建立的，最大限度减少故障或者检修带来的停电损失；
(2)本发明中的计划孤岛是以各DG为圆心搜索满足容量约束的最优孤岛区域，以使孤岛内包含有效负荷最多进行划分，当发生永久性故障时，由配电自动化系统或故障指示器实时判断故障位置，断开故障馈线上的计划孤岛开关，实现孤岛运行，恢复重要负荷供电，可以有效的实现对重要负荷的供电；
(3)本发明采用差分进化算法对故障恢复模型进行处理，其目标函数以损失负荷最小和开关动作次数最少为最优进行迭代求解，通过变异操作，交叉操作和选择操作得到最优解，可以高效快速的得到故障恢复策略，及时高效的实现对供电的恢复，且恢复电量最大化，以及要求开关操作次数最少，延长开关使用年限。
附图说明
图1为本发明基于差分进化算法的有源配电网故障恢复方法的流程示意图；
图2为有源配电网孤岛划分网络结构图；
图3为故障重构后网络结构图。
具体实施方式
实施例：一种基于差分进化算法的有源配电网故障恢复方法，如图1所示，包括步骤S101-S103，具体如下：
S101，获取配电网络信息和当前故障信息，并根据配电网络信息和当前故障信息获取计划孤岛，并对停电区域进行供电恢复。
具体的，在故障发生前对配电网中的DG根据孤岛内包含有效负荷最大且不越限的要求，通过优先搜索，形成最优计划孤岛，利用计划孤岛对停电区域进行供电恢复，已完成对重要负荷供电的保证，在一些实施例中，当发生永久性故障时，由配电自动化系统或故障指示器实时判断故障位置，断开故障馈线上的计划孤岛开关，实现孤岛运行，恢复重要负荷供电。
S102，获取更新后的配电网络信息和当前故障信息，并根据故障恢复模型获取各控制变量的值，其中的故障恢复模型是以最小化故障后损失电量和最小化开关动作次数建立的。
具体的，当出现故障时，利用故障恢复模型获取各控制变量的值，而故障恢复模型是以最小化故障后损失电量和最小化开关动作次数建立的，那么得到的各控制变量的值可以满足恢复电量最大化，以及要求开关操作次数最少，减少故障出现的失电量。
S103，根据各控制变量的值调节配电网各分段开关状态和联络开关状态，并将所述计划孤岛并入所述配电网。
具体的，在依据得到的各控制变量的值调节配电网各分段开关状态和联络开关状态后，对网络拓扑中所含有的计划孤岛进行同期并网操作，恢复到故障前的运行方式，否则继续计划孤岛运行。
划分计划孤岛过程如下：
由于DG出力特性是能够按照额定功率提高稳定出力，从而划分计划孤岛。根据负荷类别，按其重要程度给出不同的权重系数，引入有效负荷的概念，即负荷点权重系数和负荷大小之积。
根据如下公式获取所述计划孤岛，
Figure BDA0002596056920000061
其中，获取计划孤岛的约束条件包括如下公式：
Figure BDA0002596056920000062
式中：EEL为孤岛内有效负荷；λ1k为负荷权重系数；L1k为节点k的负荷值；PDG为孤岛内DG容量；D为孤岛内负荷点的区域，保证区域连通，s.t.表示该公式受约束。
对于上述孤岛划分模型的最优解，以DG为圆心，使在其范围内搜索满足约束的最优孤岛，得到计划孤岛。
故障恢复模型的建立如下：
对于含分布式电源配电网发生故障，通过网络重构对非故障停电区域故障恢复，在故障恢复过程中，需要将恢复电量最大化，以及要求开关操作次数最少，延长开关使用年限。因此以损失电量最小和开关动作次数最少作为配电网故障恢复的多目标函数，如下所示，
Figure BDA0002596056920000071
Figure BDA0002596056920000072
式中，λ2k为失电母线负荷节点k的权重系数；为故障前负荷节点k的负荷有功功率；yk为状态变化参数，其值为1表示已恢复，为0表示未恢复；R为失电负荷节点数；m为配电网中分段开关的数量；n为开启的联络开关的数目。si表示分段开关状态；tj表示联络开关状态。
由于多目标优化，需要对两个目标函数线性加权，由于其具有不同量纲，所以需要进行归一化处理，归一化公式为：
ψi(x)＝[fi(x)-fi，min]/[fi，max-fi，min] (5)
归一化后的总目标函数为：
min f＝ω1ψ1(x)+ω2ψ2(x) (6)
式中，ω1、ω2为权重系数，由于认为目标重要性等同，均取值为0.5；ψ1(x)为最小化故障后损失电量目标函数；ψ2(x)为最小化开关动作次数目标函数，min f为总目标函数。
对故障恢复模型求解是满足电力网络安全运行且搜索目标函数值最小的解向量，所以根据实际情况，需要满足以下约束条件：
(1)网络拓扑约束(不包含DG)
gk∈G (7)
式中：gk为已恢复供电区域的网络结构；G为不计及DG的网络结构集合。
(2)节点电压约束
节点电压应保持在固定范围内。
Uimin≤Ui≤Uimax，i＝1，2，3，…，n (8)
式中：n为节点总数；Uimin和Uimax分别为节点电压Ui的上下限值。
(3)DG出力约束
PDGt，min≤PDGt≤PDGt，max (9)
式中：PDGt，min和PDGt，max表示第t个DG出力的上下限值。
(4)支路电流约束
Ij＜Ijmax，j＝1，2，3，…，b (10)
式中：Ijmax为第j支路上电流容量限额，b为网架内总的支路数。
对故障恢复模型求解过程如下：
对所述故障恢复模型进行差分进化处理，获取各控制变量的值，具体的，对总目标函数进行变异、交叉和选择处理，获取各控制变量的值，具
体实施方式如下：
确定编码维数D、初始种群数目N、缩放因子F、交叉因子C、最大迭代次数Gmax的值，并初始化种群个体；
在第g代种群中随机选择3个个体，记为
Figure BDA0002596056920000091
然后3个个体结合，获取目标个体的变异向量
Figure BDA0002596056920000092
Figure BDA0002596056920000093
其中，F取值范围为[0.4，1]；
随机生成交叉因子C∈[0，1]，并在[1，D]中随机选择一个整数Rj，将种群中的每一个向量与对应变异向量进行交叉操作，得到试验向量
Figure BDA0002596056920000094
Figure BDA0002596056920000095
其中，
Figure BDA0002596056920000096
分别为
Figure BDA0002596056920000097
的第j个元素；
分别将得到的试验向量
Figure BDA0002596056920000098
和目标个体的变异向量
Figure BDA0002596056920000099
作为ψ1(x)和ψ2(x)的解向量，带入总目标函数min f，选择其中较优结果作为下一代，当达到预设的最大迭代次数Gmax时，输出各控制变量的值。
其中，将minf值较小的结果作为较优结果，minf值较小代表约束最小化。
试验过程如下：
如图2所示，图2是有源配电网孤岛划分网络结构图，以IEEE含DG配电网系统为仿真算例，其中DG出力稳定，具有额定功率裕度，主要考虑储能模型。每条支路均装有开关，可对支路上的故障进行有效隔离。电压允许偏差为±7％，支路长期允许容量取6MVA。其中，实线为分段开关，虚线为联络开关，总负荷为3715kW+2300kvar，电压等级为12.66kV。DG1，DG2，DG3的额定有功功率分别为100、150、400kW，功率因数均为0.9。
根据分布式电源孤岛划分函数搜索，得到计划孤岛划分如表1。
表1计划孤岛划分
Figure BDA00025960569200000910
Figure BDA0002596056920000101
各开关所在支路定义规则为：除去已标识的33-37支路，其余支路编号默认为较大节点编号。
假定支路27(节点26和27之间)发生永久故障，DG计划孤岛开关跳闸，DG按计划孤岛运行。变电站出线断路器跳闸，然后断开支路26、28相应开关隔离故障，负荷节点26、27成为孤立节点，无供电通道。
如图3所示，是故障重构后网络结构图，除去孤立节点外的区域为所需故障恢复区域。由图2可看出，余下配电网存在4个环，因此编码维数 D＝4；为了保证种群的多样性，取初始种群数目N＝20；在变异阶段，为了使个体能够在继承优良个体的基础上，被其他两个优良个体的差值有所影响，取F＝0.5；C＝1有利于局部搜索和加速收敛速率，C＝0有利于保持种群的多样性和全局搜索，因此为了同时保证全局搜索和局部搜索性能，取 C＝0.5；为了使差分进化达到收敛，必须经过一定的迭代次数，取全局最大迭代次数Gmax＝50。经过参数的初始化，利用本文提出的故障恢复模型及差分进化算法，可得到供电恢复所需操作开关次数8次。
经过差分进化算法进行迭代求解，根据求解的开关操作进行故障恢复后，恢复的负荷情况如表2所示。
表2故障恢复操作及结果
Figure BDA0002596056920000102
表2为经过差分进化算法迭代求解，支路27故障网络最优重构结果。可以看到，孤立节点失电负荷为120kW，除孤立节点外，其余负荷均恢复供电。失电负荷从3160kW降到120kW，极大地提高了供电的可靠性。重构后将孤岛并入网络正常运行，孤岛供电负荷从555kW降到0kW，DG不再作为孤岛进行供电，恢复到故障前的运行状态。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (10)

1.一种基于差分进化算法的有源配电网故障恢复方法，其特征在于：包括：
获取配电网络信息和当前故障信息，并根据所述配电网络信息和当前故障信息获取计划孤岛，并对停电区域进行供电恢复；
获取更新后的配电网络信息和当前故障信息，并根据故障恢复模型获取各控制变量的值，其中的故障恢复模型是以最小化故障后损失电量和最小化开关动作次数建立的；
根据所述各控制变量的值调节配电网各分段开关状态和联络开关状态，并将所述计划孤岛并入所述配电网。
2.根据权利要求1所述的方法，其特征在于：所述根据配电网络信息和当前故障信息获取计划孤岛，包括：
根据如下公式获取所述计划孤岛，
Figure FDA0002596056910000011
其中，EEL为孤岛内有效负荷，λ1k为负荷权重系数，L1k为节点k的负荷值。
3.根据权利要求2所述的方法，其特征在于：所述根据配电网络信息和当前故障信息获取计划孤岛的约束条件包括如下公式：
Figure FDA0002596056910000012
其中，PDG为孤岛内DG容量，D为孤岛内负荷点的区域。
4.根据权利要求1所述的方法，其特征在于：所述故障恢复模型包括以下公式，
Figure FDA0002596056910000013
Figure FDA0002596056910000021
其中，λ2k为失电母线负荷节点k的权重系数，L1k为故障前负荷节点k的负荷有功功率，yk为状态变化参数，其值为1表示已恢复，为0表示未恢复，R为失电负荷节点数，m为配电网中分段开关的数量，n为开启的联络开关的数目，si表示分段开关状态，tj表示联络开关状态。
5.根据权利要求4所述的方法，其特征在于：所述根据故障恢复模型获取各控制变量的值，包括：
采用如下公式对所述故障恢复模型归一化处理得到总目标函数，并对目标函数求解获取所述控制变量的值，
ψi(x)＝[fi(x)-fi，min]/[fi，max-fi，min] (5)
minf＝ω1ψ1(x)+ω2ψ2(x) (6)
式中，ω1、ω2为权重系数，由于认为目标重要性等同，均取值为0.5；ψ1(x)为最小化故障后损失电量目标函数，ψ2(x)为最小化开关动作次数目标函数，minf为总目标函数。
6.根据权利要求1所述的方法，其特征在于：所述根据故障恢复模型获取各控制变量的值，满足如下约束条件：
gk∈G
Uimin≤Ui≤Uimax，i＝1，2，3，…，n
PDGt，min≤PDGt≤PDGt，max
Ij＜Ijmax，j＝1，2，3，…，b
式中：gk为已恢复供电区域的网络结构，G为不计及DG的网络结构集合，n为节点总数；Uimin和Uimax分别为节点电压Ui的上下限值，PDGt，min和PDGt，max表示第t个DG出力的上下限值，Ijmax为第j支路上电流容量限额，b为网架内总的支路数。
7.根据权利要求5所述的方法，其特征在于：所述根据故障恢复模型获取各控制变量的值，包括：
对所述故障恢复模型进行差分进化处理，获取各控制变量的值。
8.根据权利要求7所述的方法，其特征在于：所述对所述故障恢复模型进行差分进化处理，获取各控制变量的值，包括：
对所述总目标函数进行变异、交叉和选择处理，获取各控制变量的值。
9.根据权利要求8所述的方法，其特征在于：对所述总目标函数进行变异、交叉和选择处理，获取各控制变量的值，包括：
确定编码维数D、初始种群数目N、缩放因子F、交叉因子C、最大迭代次数Gmax的值，并初始化种群个体；
在第g代种群中随机选择3个个体，记为
Figure FDA0002596056910000031
然后3个个体结合，获取目标个体的变异向量Vi g，
Figure FDA0002596056910000032
其中，F取值范围为[0.4，1]；
随机生成交叉因子C∈[0，1]，并在[1，D]中随机选择一个整数Rj，将种群中的每一个向量与对应变异向量进行交叉操作，得到试验向量
Figure FDA0002596056910000033
Figure FDA0002596056910000034
其中，
Figure FDA0002596056910000037
分别为
Figure FDA0002596056910000035
Vi g，
Figure FDA0002596056910000036
的第j个元素；
分别将得到的试验向量
Figure FDA0002596056910000041
和目标个体的变异向量Vi g作为ψ1(x)和ψ2(x)的解向量，带入总目标函数minf，选择其中较优结果作为下一代，当达到预设的最大迭代次数Gmax时，输出各控制变量的值。
10.根据权利要求9所述的方法，其特征在于：将minf值较小的结果作为所述较优结果。
CN202010713885.5A 2020-07-22 2020-07-22 一种基于差分进化算法的有源配电网故障恢复方法 Pending CN111740419A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010713885.5A CN111740419A (zh) 2020-07-22 2020-07-22 一种基于差分进化算法的有源配电网故障恢复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010713885.5A CN111740419A (zh) 2020-07-22 2020-07-22 一种基于差分进化算法的有源配电网故障恢复方法

Publications (1)

Publication Number Publication Date
CN111740419A true CN111740419A (zh) 2020-10-02

Family

ID=72657327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010713885.5A Pending CN111740419A (zh) 2020-07-22 2020-07-22 一种基于差分进化算法的有源配电网故障恢复方法

Country Status (1)

Country Link
CN (1) CN111740419A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115149526A (zh) * 2022-08-04 2022-10-04 四川电力设计咨询有限责任公司 有源配电网有计划孤岛时分布式馈线自动化供电恢复方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110313581A1 (en) * 2010-06-18 2011-12-22 General Electric Company Self-healing power grid and method thereof
CN109004639A (zh) * 2018-06-30 2018-12-14 南京理工大学 基于完全分布式算法的配电网分区供电恢复策略优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110313581A1 (en) * 2010-06-18 2011-12-22 General Electric Company Self-healing power grid and method thereof
CN109004639A (zh) * 2018-06-30 2018-12-14 南京理工大学 基于完全分布式算法的配电网分区供电恢复策略优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余浩斌;梅红兴;程浩忠;周江昕;武鹏;邢海军;谢潜;肖远兵;: "考虑分布式电源孤岛运行的配电网故障恢复研究", 水电能源科学, no. 11, pages 192 - 196 *
刘勇: "《智能优化算法》", 上海人民出版社, pages: 242 - 245 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115149526A (zh) * 2022-08-04 2022-10-04 四川电力设计咨询有限责任公司 有源配电网有计划孤岛时分布式馈线自动化供电恢复方法

Similar Documents

Publication Publication Date Title
Shen et al. Review of service restoration for distribution networks
Mishra et al. A comprehensive review on power distribution network reconfiguration
Syahputra Fuzzy multi-objective approach for the improvement of distribution network efficiency by considering DG
Zhao et al. Service restoration for a renewable-powered microgrid in unscheduled island mode
Millar et al. Impact of MV connected microgrids on MV distribution planning
Poudel et al. A generalized framework for service restoration in a resilient power distribution system
Huang et al. Service restoration of distribution systems under distributed generation scenarios
Anteneh et al. Distribution network reliability enhancement and power loss reduction by optimal network reconfiguration
CN115395557B (zh) 一种基于有向图遍历的有源配电网故障快速恢复方法
CN114865625A (zh) 一种包含微网的配电网故障恢复方法
CN115423242A (zh) 一种基于配电网重构的供电能力挖掘方法
CN109004639B (zh) 基于完全分布式算法的配电网分区供电恢复策略优化方法
Zhang et al. Service restoration based on dynamic programming
CN111740419A (zh) 一种基于差分进化算法的有源配电网故障恢复方法
Abd El-Hamed et al. Self-healing restoration of a distribution system using hybrid Fuzzy Control/Ant-Colony Optimization Algorithm
Cho et al. A selecting method of optimal load on time varying distribution system for network reconfiguration considering DG
Ghaweta et al. Optimal distribution feeder reconfiguration with distributed generation using intelligent techniques
Kannaiah et al. A genetic algorithm based multi objective service restoration in distribution systems
Wu et al. Service restoration of active distribution network considering the islanded operation of distributed generation and micro-grid
Wang et al. Fault Recovery Strategy of Distribution Network with Distributed Generation Based on Island Division
Chong et al. The application of binary particle swarm optimization in power restoration
Lan et al. Fault recovery strategy for urban distribution networks using soft open points
Lakshminarayana et al. A genetic algorithm multi‐objective approach for efficient operational planning technique of distribution systems
Zhang et al. Islanding Method for Power Restoration of Distribution Network Based on Flexible Adaptive Genetic Algorithm
Juan et al. A Hierarchical Restoration Mechanism for Complex Distribution Networks Considering Multi-type Faults

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