CN111898877A - 一种提升电网恢复速度的灾前抢修人员预部署方法 - Google Patents
一种提升电网恢复速度的灾前抢修人员预部署方法 Download PDFInfo
- Publication number
- CN111898877A CN111898877A CN202010670024.3A CN202010670024A CN111898877A CN 111898877 A CN111898877 A CN 111898877A CN 202010670024 A CN202010670024 A CN 202010670024A CN 111898877 A CN111898877 A CN 111898877A
- Authority
- CN
- China
- Prior art keywords
- repair
- power
- team
- constraint
- line
- 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.)
- Granted
Links
- 230000008439 repair process Effects 0.000 title claims abstract description 138
- 238000011084 recovery Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 6
- 230000000750 progressive effect Effects 0.000 claims abstract description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 241001672018 Cercomela melanura Species 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims 3
- 230000004044 response Effects 0.000 abstract description 6
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 5
- 238000006424 Flood reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (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
本发明提供了一种提升电网恢复速度的灾前抢修人员预部署方法:1)在预测到即将来临的灾害后,结合气象预测与电网的地理信息,根据电网元件脆弱性曲线得到各元件的故障概率,通过时序蒙特卡洛模拟生成灾害下故障场景;2)获取电网、修复队伍、可部署位置的信息,建立两阶段随机规划模型,第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行修复与恢复协同优化,使停电损失最小;3)通过Progressive Hedging(PH)算法对两阶段随机规划模型解耦求解。本发明在预测到即将到来的气象灾害前在电网的关键环节部署抢修人员,以提升电网灾后应急响应能力,加快故障元件的修复,为电网应急预案的制定提供合理的建议。
Description
技术领域
本发明属于电力系统安全规划运行领域,具体涉及一种提升电网恢复速度的灾前抢修人员预部署方法。
背景技术
近年来频繁发生的极端气象灾害造成了大规模停电事故。而台风发生后 由于暴雨、积水等原因修复人员无法快速到达维修地点进而延缓电力恢复工 作。
现有面对灾害发生前,没有电网应急响应能力,不能很好的进行预部署抢修人员,这样必然造成大规模灾后停电损失。
发明内容
为解决现有技术中存在的问题,本发明的目的在于提供一种提升电网恢复速度的灾前抢修人员预部署方法。本发明在灾害发生前预部署抢修人员,提升电网应急响应能力,进而减小灾后停电损失。
为实现上述目的,本发明采用了以下技术方案:
一种提升电网恢复速度的灾前抢修人员预部署方法,包括以下步骤:
1)在预测到即将来临的气象灾害后,根据预测灾害的路径、强度等信息以及电网元件脆弱性曲线通过时序蒙特卡洛模拟生成灾害下元件故障场景;
2)获取电网、修复队伍、可部署位置的信息,建立两阶段随机规划模型:第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行修复与恢复协同优化,使停电损失最小;
3)通过Progressive Hedging算法对两阶段随机规划模型解耦求解。
作为本发明的进一步改进,所述故障场景生成是结合气象预测信息、电网的地理信息系统,得到各区域预测时空灾害信息,根据电网元件脆弱性曲线进一步得到电网的各元件故障概率,通过时序蒙特卡洛模拟生成灾害下故障场景。
作为本发明的进一步改进,所述灾害信息包括灾害强度和灾害持续时间。
作为本发明的进一步改进,所述元件包括输电线路和变电站。
作为本发明的进一步改进,建立两阶段随机规划模型:第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行元件修复与负荷恢复协同优化,使停电损失最小。使停电损失最小的优化目标函数为:
约束条件为:
1)配置修复队伍约束:
式中:表示队伍c携带的资源量,Res为总资源量,Crew为修复队伍的集合,Depc,l为二进制变量,取1时表示修复队伍c部署在了候选位置l, CL为候选部署位置的集合;约束(1)确保所有维修队伍所携带的维修资源不应超过总可用资源,约束(2)表示每个修复队伍只能配置到一个候选位置;
2)修复队伍的调度约束:
式中:为二进制变量,取1时表示队伍c由部署位置l转移至故障元件n,Loc为候选部署位置的集合,N表示故障元件的集合,dp表示修复完成后的返回点,为二进制变量,取1时表示队伍c由故障元件m转移至故障元件n,为二进制变量,取1时表示修复队伍c离开故障元件n,表示修复故障元件n所需要的资源,表示修复队伍c最大能携带的资源量。约束(3)表示一个修复队只有在已部署到候选位置的情况下才能离开该候选位置到故障元件,约束(4)确保抵达元件n的队伍也必须离开n,约束(5)防止一个修复队两次到达同一元件,约束(6)表示任务完成后,全体队伍都要前往返回点dp,约束(7)(8)表示对于每一个修复队,其参与修复的元件所需资源量之和不应超过队伍携带容量上限;
4)黑启动机组出力约束:
式中:为发电机g的有功出力,Kg为爬坡限制,为机组是否启动的标志变量,表示机组启动需要提供能量的时间,g为发电机组,G(j)为节点j上发电机组的集合, P g分别为发电机启动时出力曲线分解后的最大、最小有功出力限制,分解方法如图2所示,原出力曲线包括机组在tstart时刻启动,在接受外部启动功率持续后开始以爬坡功率为约束进行启动。将原出力曲线分解成一个三段式曲线和一个负的阶跃曲线。式(9)限制机组在获得一定时间的启动功率后才能启动,对于自启动机组,该功率由自身或外部电源提供,为0,对于非自启动机组,其启动功率需由自启动机组完成启动后进行输送;式(10)(11)表示机组爬坡约束,式(12)表示当机组启动后在后续时段内不应停机;
4)潮流约束:
在潮流约束方面,采用线性化交流潮流模型,潮流约束、功率平衡约束和切负荷约束如下:
式中:为节点电压大小,为为节点相角,Gij、Bij为线路电导和电纳, r(i,j)为交流潮流模型中非线性项的分段线性化,,为线路ij上流通的有功功率,为线路ij上流通的无功功率。Q g为发电机g的最小无功出力,为线路是否处于能量流通状态(energized)的标志变量,表示节点是否处于能量流通状态的标志变量。式(13)、(14)为线性化的线路潮流约束,(15)为节点有功功率平衡约束,式(16)为系统无功平衡约束,其中各节点电压V视为1,各节点相角的正切值tan(θj)视为一个常数,从而将该式线性化。式(16)的前2项表示线路流通无功功率,第3项表示经过时刻完成启动的发电机最小无功出力,第4项表示线路产生的无功功率,第5项表示负荷需求的无功功率。(17)为负荷切除功率约束。
5)修复与交通时间约束:
此外,修复调度还应受到修复、交通时间约束与元件状态约束:
式中:为队伍c参与修复元件n的时间,为仅由修复队伍c修复元件n所需要的时间;为二进制变量,当元件n在t时刻恢复正常时取1,为队伍c到达元件n的时间,为队伍c由部署位置l到达元件n的交通时间,为队伍c由元件n到达元件m的交通时间;式(18)-(20)建立各修复队对每个元件的维修时间以及元件的修复完成时间的关系,其中式 (18)表示各修复队伍对元件n的修复进度之和应达到元件所需工作量,式(19)表示当所有参与修复元件n的队伍离开时,该元件视为已恢复正常状态,式(20)表示各元件只能被修复一次;式(21)、(22)建立修复队到达、交通往返和修复三者间的时间关系,式(23)表示未参与修复元件n的修复队对n的修复时间为0;
6)元件状态约束:
式中:二进制变量取1时分别表示节点i和线路ij在t时段被修复,κ表示线路ij的故障元件编号式,二进制变量取1 分别表示机组g启动运行、节点j运行、线路ij运行;式(24)-(26)表示节点、输电线路、发电机需在故障修复后才能开始运行,且发电机需在节点开始运行后才能启动;式(27)表示线路运行需满足前一时段两端节点之一已经运行,式(28)表示若线路运行,则该时段线路两端节点都需要处于运行状态。
7)安全约束:
式中:Vmin和Vmax为节点电压最小、最大允许值。为线路最大容量。式 (29)为节点电压约束。式(30)为线路容量约束,其中线路有功与无功在式(30)中的可行域为圆形区域,可通过近似为多边形进行线性化。
作为本发明的进一步改进,分解后的最大、最小有功出力限制步骤中的分解方法为:
原出力曲线包括机组在tstart时刻启动,在接受外部启动功率持续后开始以爬坡功率为约束进行启动,将原出力曲线分解成一个三段式曲线和一个负的阶跃曲线,进而得到最大、最小有功出力限制。该步骤的目的是由于发电机开始启动的时间为待优化的变量,分解成三段式曲线可以便于约束的列写。
作为本发明的进一步改进,所述Progressive Hedging算法具体步骤为:
其中,k为迭代次数,h表示第一阶段变量组成的向量,ζs表示所有与场景相关的第二阶段变量组成的向量,Ks表示场景s下各变量的可行域,p, q表示系数向量,为第k次迭代的拉格朗日乘子,为第k次迭代第二阶段变量各场景的均值,ρ为拉格朗日乘子的更新步长。
本发明的有益效果体现在:
本发明在预测到即将到来的气象灾害前在电网的关键环节部署抢修人员,以提升电网灾后应急响应能力,加快故障元件的修复。建立了两阶段随机规划模型,在第一阶段部署抢修人员,使其在第二阶段各场景的修复与恢复中切负荷均值最小。本发明为电网应急预案的制定提供合理的建议。利用本发明所述方法可以在极端天气灾害发生前及时合理地部署抢修人力,从而在灾后快速抵达故障位置进行维修工作,减小灾害带来的停电损失。本发明通过灾前在电力系统容易受到灾害打击的元件附近配置抢修人员与应急物资,减小灾后恢复的响应时间,提高电网灾后恢复能力。
附图说明
图1为提升电网恢复速度的灾前抢修人员预部署方法流程图;
图2为黑启动机组出力分解曲线;
图3为IEEE 118节点系统图;
图4为受灾害影响区域的电网地理图;
图5为某一场景下时段9的电网恢复与修复实时情况。
具体实施方式
下面结合附图和实施例对本发明做详细说明。
本发明的目的在于提供一种提升电网恢复速度的灾前抢修人员预部署方法。本发明在灾害发生前预部署抢修人员,提升电网应急响应能力,进而减小灾后停电损失。如图1所示,本发明的实施包括以下步骤:
1、首先在预测到即将来临的灾害(如台风、洪水等)后,结合气象预测信息,结合电网的地理信息系统,得到各区域预测时空灾害强度、灾害持续时间等信息,根据电网元件脆弱性曲线进一步得到各元件(输电线路、变电站等)的故障概率,通过时序蒙特卡洛模拟生成灾害下故障场景;
2、获取电网、修复队伍、可部署位置的信息,建立两阶段随机规划模型,第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行修复与恢复协同优化,使停电损失最小。
模型的优化目标函数与约束条件为:
第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行修复与恢复协同优化,使停电损失最小。优化目标函数为:1、首先在预测到即将来临的灾害(如台风、洪水等)后,结合气象预测信息,结合电网的地理信息系统,得到各区域预测时空灾害强度、灾害持续时间等信息,根据电网元件脆弱性曲线进一步得到各元件(输电线路、变电站等)的故障概率,通过时序蒙特卡洛模拟生成灾害下故障场景;
2、获取电网、修复队伍、可部署位置的信息,建立两阶段随机规划模型,第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行修复与恢复协同优化,使停电损失最小。
优化目标函数为:
约束条件为:
1)配置修复队伍约束:
式中:表示队伍c携带的资源量,Res为总资源量,Crew为修复队伍的集合,Depc,l为二进制变量,取1时表示修复队伍c部署在了候选位置l, CL为候选部署位置的集合。约束(1)确保所有维修队伍所携带的维修资源不应超过总可用资源,约束(2)表示每个修复队伍只能配置到一个候选位置。
2)修复队伍的调度约束:
式中:为二进制变量,取1时表示队伍c由部署位置l转移至故障元件n,Loc为候选部署位置的集合,N表示故障元件的集合,dp表示修复完成后的返回点,为二进制变量,取1时表示队伍c由故障元件m转移至故障元件n,为二进制变量,取1时表示修复队伍c离开故障元件n,表示修复故障元件n所需要的资源,表示修复队伍c最大能携带的资源量。约束(3)表示一个修复队只有在已部署到候选位置的情况下才能离开该候选位置到故障元件,约束(4)确保抵达元件n的队伍也必须离开n,约束(5)防止一个修复队两次到达同一元件,约束(6)表示任务完成后,全体队伍都要前往返回点dp,约束(7)(8)表示对于每一个修复队,其参与修复的元件所需资源量之和不应超过队伍携带容量上限。
4)黑启动机组出力约束:
式中:为发电机g的有功出力,Kg为爬坡限制,为机组是否启动的标志变量,表示机组启动需要提供能量的时间,g为发电机组,G(j)为节点j上发电机组的集合,Pg分别为发电机启动时出力曲线分解后的最大、最小有功出力限制,分解方法如图2所示,原出力曲线包括机组在tstart时刻启动,在接受外部启动功率持续后开始以爬坡功率为约束进行启动。将原出力曲线分解成一个三段式曲线和一个负的阶跃曲线。式(9)限制机组在获得一定时间的启动功率后才能启动,对于自启动机组,该功率由自身或外部电源提供,为0,对于非自启动机组,其启动功率需由自启动机组完成启动后进行输送。式(10)(11)表示机组爬坡约束,式(12)表示当机组启动后在后续时段内不应停机。
4)潮流约束:
在潮流约束方面,采用线性化交流潮流模型,潮流约束、功率平衡约束和切负荷约束如下:
式中:为节点电压大小,为为节点相角,Gij、Bij为线路电导和电纳, r(i,j)为交流潮流模型中非线性项的分段线性化,为线路ij上流通的有功功率,为线路ij上流通的无功功率。,Q g为发电机g的最小无功出力,为线路是否处于能量流通状态(energized)的标志变量,表示节点是否处于能量流通状态的标志变量。式(13)、(14)为线性化的线路潮流约束,(15)为节点有功功率平衡约束,式(16)为系统无功平衡约束,其中各节点电压V视为1,各节点相角的正切值tan(θj)视为一个常数,从而将该式线性化。式(16)的前2项表示线路流通无功功率,第3项表示经过时刻完成启动的发电机最小无功出力,第4项表示线路产生的无功功率,第5项表示负荷需求的无功功率。(17)为负荷切除功率约束。
5)修复与交通时间约束:
此外,修复调度还应受到修复、交通时间约束与元件状态约束:
式中:为队伍c参与修复元件n的时间,为仅由修复队伍c修复元件n所需要的时间;为二进制变量,当元件n在t时刻恢复正常时取1,为队伍c到达元件n的时间,为队伍c由部署位置l到达元件n的交通时间,为队伍c由元件n到达元件m的交通时间。式(18)-(20)建立各修复队对每个元件的维修时间以及元件的修复完成时间的关系,其中式 (18)表示各修复队伍对元件n的修复进度之和应达到元件所需工作量,式(19)表示当所有参与修复元件n的队伍离开时,该元件视为已恢复正常状态,式(20)表示各元件只能被修复一次。式(21)、(22)建立修复队到达、交通往返和修复三者间的时间关系,式(23)表示未参与修复元件n的修复队对n的修复时间为0。
6)元件状态约束:
式中:二进制变量取1时分别表示节点i和线路ij在t时段被修复,κ表示线路ij的故障元件编号式,二进制变量取1 分别表示机组g启动运行、节点j运行、线路ij运行。式(24)-(26)表示节点(变压器)、输电线路、发电机需在故障修复后才能开始运行,且发电机需在节点开始运行后才能启动。式(27)表示线路运行需满足前一时段两端节点之一已经运行,式(28)表示若线路运行,则该时段线路两端节点都需要处于运行状态。
7)安全约束:
式中:Vmin和Vmax为节点电压最小、最大允许值。为线路最大容量。式 (29)为节点电压约束。式(30)为线路容量约束,其中线路有功与无功在式(30)中的可行域为圆形区域,可通过近似为多边形进行线性化。
3、通过Progressive Hedging(PH)算法对两阶段随机规划模型解耦求解,将含多场景的两阶段随机规划问题解耦为一系列针对单一场景求解的问题,并通过迭代的方式使两阶段随机规划的第一阶段变量趋近一致。算法流程为:
其中k为迭代次数,h表示第一阶段变量组成的向量,ζs表示所有与场景相关的第二阶段变量组成的向量,Ks表示场景s下各变量的可行域,p,q 表示系数向量,为第k次迭代的拉格朗日乘子,为第k次迭代第二阶段变量各场景的均值,ρ为拉格朗日乘子的更新步长。
以下结合具体实施例对本发明方法进行进一步说明。
采用IEEE 118节点系统作为算例,如图3所示,虚线框内为可能受到故障影响的区域,有故障风险的元件信息如表1所示,在该区域内进行抢修人员部署,区域地理图如图4所示,7个候选部署位置分别位于母线75,母线85,线路68-81,母线80,母线89,母线101和线路100-104附近,母线 59的发电机为黑启动电源,修复队伍数量为5,每个修复队伍最大携带资源为10,修复队伍交通移动速度为50km/h,每个时段设为15min。优化问题的求解采用MATLAB环境下的Gurobi求解器。
表1.有故障风险的元件信息
表2展示了各修复队伍的最优配置位置。
表2.修复队伍的最优配置位置
为进一步对第二阶段恢复与修复过程进行展示,图5展示了故障元件为母线95,母线102,母线103,线路82-96,线路77-80,线路68-116,线路 100-106的场景中在第9个时段的实时恢复与修复队伍调遣情况。部署在位置1的修复队伍2、5抵达线路68-116进行修复,部署在位置4的修复队伍 1、3抵达母线95进行修复,部署在位置4的修复队伍3抵达母线103进行修复。该时段电网黑启动的恢复路径建立如图深黑色部分所示。
本发明的保护范围并不限于上述的实施例,对于本领域的普通技术人员来说,倘若对本发明进行的各种改动和变形属于本发明权利要求及等同技术范围内,则本发明的意图也包含这些改动和变形在内。
Claims (5)
1.一种提升电网恢复速度的灾前抢修人员预部署方法,其特征在于,包括以下步骤:
1)在预测到即将来临的气象灾害后,根据预测灾害信息以及电网元件脆弱性曲线通过时序蒙特卡洛模拟生成灾害下元件故障场景;
2)获取电网、修复队伍、可部署位置的信息,建立两阶段随机规划模型:第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行元件修复与负荷恢复协同优化,使停电损失最小;
3)通过Progressive Hedging算法对两阶段随机规划模型解耦求解。
2.根据权利要求1所述一种提升电网恢复速度的灾前抢修人员预部署方法,其特征在于:所述元件包括输电线路和变电站。
3.根据权利要求1所述提升电网恢复速度的灾前抢修人员预部署方法,其特征在于:建立两阶段随机规划模型:第一阶段制定抢修人员的部署方案,第二阶段根据故障场景进行元件修复与负荷恢复协同优化,使停电损失最小;使停电损失最小的优化目标函数为:
约束条件为:
1)配置修复队伍约束:
式中:表示队伍c携带的资源量,Res为总资源量,Crew为修复队伍的集合,Depc,l为二进制变量,取1时表示修复队伍c部署在了候选位置l,CL为候选部署位置的集合;约束(1)确保所有维修队伍所携带的维修资源不应超过总可用资源,约束(2)表示每个修复队伍只能配置到一个候选位置;
2)修复队伍的调度约束:
式中:为二进制变量,取1时表示队伍c由部署位置l转移至故障元件n,Loc为候选部署位置的集合,N表示故障元件的集合,dp表示修复完成后的返回点,为二进制变量,取1时表示队伍c由故障元件m转移至故障元件n,为二进制变量,取1时表示修复队伍c离开故障元件n,表示修复故障元件n所需要的资源,表示修复队伍c最大能携带的资源量;约束(3)表示一个修复队只有在已部署到候选位置的情况下才能离开该候选位置到故障元件,约束(4)确保抵达元件n的队伍也必须离开n,约束(5)防止一个修复队两次到达同一元件,约束(6)表示任务完成后,全体队伍都要前往返回点dp,约束(7)(8)表示对于每一个修复队,其参与修复的元件所需资源量之和不应超过队伍携带容量上限;
4)黑启动机组出力约束:
式中:为发电机g的有功出力,Kg为爬坡限制,为机组是否启动的标志变量,表示机组启动需要提供能量的时间,g为发电机组,G(j)为节点j上发电机组的集合, P g分别为发电机启动时出力曲线分解后的最大、最小有功出力限制;式(9)限制机组在获得一定时间的启动功率后才能启动,对于自启动机组,该功率由自身或外部电源提供,为0,对于非自启动机组,其启动功率需由自启动机组完成启动后进行输送;式(10)(11)表示机组爬坡约束,式(12)表示当机组启动后在后续时段内不应停机;
4)潮流约束:
在潮流约束方面,采用线性化交流潮流模型,潮流约束、功率平衡约束和切负荷约束如下:
式中:为节点电压大小,为为节点相角,Gij、Bij为线路电导和电纳,r(i,j)为交流潮流模型中非线性项的分段线性化,为线路ij上流通的有功功率,为线路ij上流通的无功功率;Q g为发电机g的最小无功出力,为线路是否处于能量流通状态(energized)的标志变量,表示节点是否处于能量流通状态的标志变量;式(13)、(14)为线性化的线路潮流约束,(15)为节点有功功率平衡约束,式(16)为系统无功平衡约束,其中各节点电压V视为1,各节点相角的正切值tan(θj)视为一个常数,从而将该式线性化;式(16)的前2项表示线路流通无功功率,第3项表示经过时刻完成启动的发电机最小无功出力,第4项表示线路产生的无功功率,第5项表示负荷需求的无功功率;(17)为负荷切除功率约束;
5)修复与交通时间约束:
此外,修复调度还应受到修复、交通时间约束与元件状态约束:
式中:为队伍c参与修复元件n的时间,为仅由修复队伍c修复元件n所需要的时间;为二进制变量,当元件n在t时刻恢复正常时取1,为队伍c到达元件n的时间,为队伍c由部署位置l到达元件n的交通时间,为队伍c由元件n到达元件m的交通时间;式(18)-(20)建立各修复队对每个元件的维修时间以及元件的修复完成时间的关系,其中式(18)表示各修复队伍对元件n的修复进度之和应达到元件所需工作量,式(19)表示当所有参与修复元件n的队伍离开时,该元件视为已恢复正常状态,式(20)表示各元件只能被修复一次;式(21)、(22)建立修复队到达、交通往返和修复三者间的时间关系,式(23)表示未参与修复元件n的修复队对n的修复时间为0;
6)元件状态约束:
式中:二进制变量取1时分别表示节点i和线路ij在t时段被修复,κ表示线路ij的故障元件编号式,二进制变量取1分别表示机组g启动运行、节点j运行、线路ij运行;式(24)-(26)表示节点、输电线路、发电机需在故障修复后才能开始运行,且发电机需在变电站开始运行后才能启动;式(27)表示线路运行需满足前一时段两端节点之一已经运行,式(28)表示若线路运行,则该时段线路两端节点都需要处于运行状态;
7)安全约束:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010670024.3A CN111898877B (zh) | 2020-07-13 | 2020-07-13 | 一种提升电网恢复速度的灾前抢修人员预部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010670024.3A CN111898877B (zh) | 2020-07-13 | 2020-07-13 | 一种提升电网恢复速度的灾前抢修人员预部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898877A true CN111898877A (zh) | 2020-11-06 |
CN111898877B CN111898877B (zh) | 2023-07-04 |
Family
ID=73192498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010670024.3A Active CN111898877B (zh) | 2020-07-13 | 2020-07-13 | 一种提升电网恢复速度的灾前抢修人员预部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898877B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686440A (zh) * | 2020-12-28 | 2021-04-20 | 广东电网有限责任公司广州供电局 | 高温超导电缆的部署位置确定方法、装置及设备 |
CN112886468A (zh) * | 2021-01-12 | 2021-06-01 | 云南电网有限责任公司电力科学研究院 | 一种基于巡维数据的输电线路区域故障定位方法及装置 |
CN113312761A (zh) * | 2021-05-17 | 2021-08-27 | 广东电网有限责任公司广州供电局 | 一种配电网韧性的提升方法及系统 |
CN113537703A (zh) * | 2021-06-04 | 2021-10-22 | 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 |
CN113872188A (zh) * | 2021-09-15 | 2021-12-31 | 天津大学 | 一种多种资源多阶段耦合的配电系统韧性提升方法 |
CN113902346A (zh) * | 2021-11-18 | 2022-01-07 | 广东电网有限责任公司 | 一种电力抢修队伍的智能调拨方法 |
CN113962461A (zh) * | 2021-10-22 | 2022-01-21 | 国网辽宁省电力有限公司抚顺供电公司 | 一种基于环境数据预测的配电网韧性提升策略 |
CN114004550A (zh) * | 2022-01-04 | 2022-02-01 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016034142A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种电力应急处置物资的智能化调拨方法 |
CN108631306A (zh) * | 2018-05-21 | 2018-10-09 | 西安交通大学 | 一种电力系统灾后恢复能力的评估方法 |
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
CN110472768A (zh) * | 2019-07-01 | 2019-11-19 | 广州供电局有限公司 | 电力系统灾后抢修人员与物资优化调度方法及系统 |
CN110852627A (zh) * | 2019-11-13 | 2020-02-28 | 国电南瑞科技股份有限公司 | 配电网灾后抢修决策方法和装置 |
-
2020
- 2020-07-13 CN CN202010670024.3A patent/CN111898877B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016034142A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种电力应急处置物资的智能化调拨方法 |
WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
CN108631306A (zh) * | 2018-05-21 | 2018-10-09 | 西安交通大学 | 一种电力系统灾后恢复能力的评估方法 |
CN110472768A (zh) * | 2019-07-01 | 2019-11-19 | 广州供电局有限公司 | 电力系统灾后抢修人员与物资优化调度方法及系统 |
CN110852627A (zh) * | 2019-11-13 | 2020-02-28 | 国电南瑞科技股份有限公司 | 配电网灾后抢修决策方法和装置 |
Non-Patent Citations (3)
Title |
---|
T. DING等: "A Two-Stage Robust Reactive Power Optimization Considering Uncertain Wind Power Integration in Active Distribution Networks", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》, vol. 7, no. 1, XP011594244, DOI: 10.1109/TSTE.2015.2494587 * |
张巍;李权;周宇球;罗雨航;奚培锋;: "有源配电网两阶段动态应急抗灾运行策略", 系统仿真学报, no. 05 * |
王守相等: "地震灾害下提升恢复力的配电网优化恢复策略", 电力系统及其自动化学报, no. 06 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686440A (zh) * | 2020-12-28 | 2021-04-20 | 广东电网有限责任公司广州供电局 | 高温超导电缆的部署位置确定方法、装置及设备 |
CN112686440B (zh) * | 2020-12-28 | 2023-11-14 | 广东电网有限责任公司广州供电局 | 高温超导电缆的部署位置确定方法、装置及设备 |
CN112886468B (zh) * | 2021-01-12 | 2022-06-07 | 云南电网有限责任公司电力科学研究院 | 一种基于巡维数据的输电线路区域故障定位方法及装置 |
CN112886468A (zh) * | 2021-01-12 | 2021-06-01 | 云南电网有限责任公司电力科学研究院 | 一种基于巡维数据的输电线路区域故障定位方法及装置 |
CN113312761A (zh) * | 2021-05-17 | 2021-08-27 | 广东电网有限责任公司广州供电局 | 一种配电网韧性的提升方法及系统 |
CN113537703A (zh) * | 2021-06-04 | 2021-10-22 | 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 |
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 |
CN113872188A (zh) * | 2021-09-15 | 2021-12-31 | 天津大学 | 一种多种资源多阶段耦合的配电系统韧性提升方法 |
CN113962461A (zh) * | 2021-10-22 | 2022-01-21 | 国网辽宁省电力有限公司抚顺供电公司 | 一种基于环境数据预测的配电网韧性提升策略 |
CN113902346A (zh) * | 2021-11-18 | 2022-01-07 | 广东电网有限责任公司 | 一种电力抢修队伍的智能调拨方法 |
CN113902346B (zh) * | 2021-11-18 | 2022-07-08 | 广东电网有限责任公司 | 一种电力抢修队伍的智能调拨方法 |
CN114004550A (zh) * | 2022-01-04 | 2022-02-01 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
CN114004550B (zh) * | 2022-01-04 | 2022-04-08 | 山东大学 | 自然灾害下电网应急抢修与恢复调度协同决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111898877B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898877A (zh) | 一种提升电网恢复速度的灾前抢修人员预部署方法 | |
Zhang et al. | Mobile emergency generator planning in resilient distribution systems: A three-stage stochastic model with nonanticipativity constraints | |
Jamborsalamati et al. | Enhancing power grid resilience through an IEC61850-based EV-assisted load restoration | |
CN112884245B (zh) | 配电网灾后抢修调度及负荷恢复协同优化方法及系统 | |
CN108631306B (zh) | 一种电力系统灾后恢复能力的评估方法 | |
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 | |
CN113346488B (zh) | 计及移动应急资源调度的城市配电网恢复方法 | |
CN113312761B (zh) | 一种配电网韧性的提升方法及系统 | |
CN110472768B (zh) | 电力系统灾后抢修人员与物资优化调度方法及系统 | |
CN106982144B (zh) | 一种电力通信网故障恢复方法 | |
Simon et al. | Randomized adaptive vehicle decomposition for large-scale power restoration | |
Bian et al. | Service restoration for resilient distribution systems coordinated with damage assessment | |
Dubey et al. | A robust approach to restoring critical loads in a resilient power distribution system | |
Jiang et al. | Resilient service restoration for distribution systems with mobile resources using Floyd‐based network simplification method: Resilient service restoration for DS with mobile resources using Floyd‐based network simplification method | |
Bian et al. | Proactive repair crew deployment to improve transmission system resilience against hurricanes | |
CN105096218B (zh) | 一种分布式多岛并行协同计算的电网拓扑结构分析方法 | |
Sandhya et al. | PN inference based autonomous sequential restoration of distribution system under natural disaster | |
Poudel et al. | Optimal positioning of mobile emergency resources for resilient restoration | |
CN113537703B (zh) | 配电网灾前应急资源部署方法、装置和计算机设备 | |
CN115829285A (zh) | 城市配电网与交通系统灾后协同抢修调度方法 | |
Kandaperumal et al. | Microgrids as a resilience resource in the electric distribution grid | |
Noludwe et al. | Using Microgrids for Critical Load Restoration in Distribution Systems | |
Jin et al. | Cyber-physical risk driven routing planning with deep reinforcement-learning in smart grid communication networks | |
Qi et al. | Post-disaster distribution system restoration considering uav-based communication recovery based on multi-agent reinforcement learning | |
Liu et al. | A resilience enhancement scheme of cyber-physical power system for extreme natural disasters |
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 |