CN112132354B - 计及网络韧性的城市电网负荷超前转供方法及其系统 - Google Patents
计及网络韧性的城市电网负荷超前转供方法及其系统 Download PDFInfo
- Publication number
- CN112132354B CN112132354B CN202011043252.4A CN202011043252A CN112132354B CN 112132354 B CN112132354 B CN 112132354B CN 202011043252 A CN202011043252 A CN 202011043252A CN 112132354 B CN112132354 B CN 112132354B
- Authority
- CN
- China
- Prior art keywords
- toughness
- power
- node
- module
- taking
- 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
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开属于发电、变电或配电的技术领域,公开计及网络韧性的城市电网负荷超前转供方法及其系统,包括:获得预测系统的结果,得出高危节点;以所述高危节点为中心,相隔一个断路器为半径,获得一级区域;以所述一级区域内节点为中心,相隔一个断路器为半径,划分出二级区域;以所述二级区域内断路器为自变量,采用粒子群算法,得出最优的转供路径;将系统结构和潮流输入预测系统,由此计算韧性指标,在判断具体系统时具有实用性;在进行负荷转供时,同时考虑了韧性和安全性,且二者权重可以随要求对应的调整;由于系统潮流实时变化,故重要性评估结果也变化,可以适应实时变动的电力系统,在进行超前控制时可以很好地发挥作用。
Description
技术领域
本公开属于发电、变电或配电的技术领域,具体涉及计及网络韧性的城市电网负荷超前转供方法及其系统。
背景技术
近年来,随着极端自然灾害造成大规模停电的日益频繁,韧性在电力系统中得到了日渐广泛的关注。韧性是衡量系统在出现严重扰动或故障情况下,是否可以改变自身状态以减少故障过程系统损失,并在故障结束后尽快恢复到原有正常状态的能力。韧性包含了系统对蓄意攻击、事故或者自然灾害等的承受和恢复能力。具体到电力系统中,韧性主要衡量电力系统在自然灾害中对关键负荷的支撑和恢复能力,电力系统韧性也由此定义为电力系统是否可以采取主动措施保证灾害中的关键负荷供电,并迅速恢复断电负荷的能力。
而安全性是传统电网考虑的因素,现有的研究在进行供电路径规划时,在求解时将电网的安全性等指标放在了约束条件中,故求出的供电路径必定满足安全性,但是电网实际安全性还有待改进。
发明内容
针对现有技术的不足,本公开的目的在于提供计及网络韧性的城市电网负荷超前转供方法及其系统,提高了电网实际运行时的安全性。
本公开的目的可以通过以下技术方案实现:
计及网络韧性的城市电网负荷超前转供方法,包括以下步骤:
步骤1,获得电网预测系统的感知结果,得到电网中当前时刻的高危节点;
步骤2,以所述高危节点为中心,相隔一个断路器为半径,获得一级区域;以所述一级区域内节点为中心,相隔一个断路器为半径,划分出二级区域;
步骤3,以所述二级区域内断路器的开断为自变量,采用粒子群算法计算得出区域内每个断路器的转态,也即为故障负荷找到了最优的转供路径。
进一步地,所述粒子群算法的目标函数包括对每个粒子相对应的电力系统运行时的韧性与可靠性的指标进行评估。
进一步地,所述电力系统的韧性R1指标为:
式中:t0为故障变压器发生故障的发生时刻;t1为电力系统恢复正常的时刻;Q(t)为电力系统的功能函数。
进一步地,所述电力系统的韧性R2指标为:
R2=P(min(Q(t))>q*,t<t*),
式中:q*为系统电压在故障发生后的最小值;t*为最小电压恢复时间;Q(t)为电力系统的功能函数。
进一步地,所述预测系统韧性指标AR:
式中:λn为场景n的发生概率;N为选取的故障场景数目;Imn为场景n的供电量缺失程度;T0表示电力系统受天气影响的时间,L(t)表示故障发生时的实际负荷曲线;TL(t)表示系统无故障运行时的目标负荷曲线;RESn为负荷曲线的缺失面积。
进一步地,所述电力系统的可靠性指标为:
式中:n为系统节点总数;λi为节点i的等效故障率;NBi、NCi、NDi为节点i发生故障时线路B、C、D类节点的用户数;Ni为节点i的用户数;ti为节点i的故障修复时间;tg、tz为故障隔离时间和转供时间;SDi、SBi、SCi为节点i发生故障时线路B、C、D类节点的变压器容量,SAIFI为系统平均停电频率,SAIDI为系统平均停电持续时间。
进一步地,所述可靠性的指标和韧性的指标标准化,包括:
电力系统综合评价指标Z:
计及网络韧性的城市电网负荷超前转供系统,所述转供系统包括:预测系统结果获取模块、二级区域划分模块、粒子群算法模块、预测系统模块、可靠性与韧性评估模块、最优路径生成模块;
所述预测系统结果获取模块获取预测系统的结果并将其用于下一模块的计算;所述二级区域划分模块根据电网实时拓扑情况划分供电二级区域;所述粒子群模块对问题进行求解;所述预测系统模块在粒子群模块中被不断调用,进行韧性与可靠性评估,对由粒子群生成的路径进行评价;所述最优转供路径模块进行最终结果的展示。
本公开的有益效果:
1)将系统结构和潮流输入预测系统,由此计算韧性指标,在判断具体系统时具有实用性;
2)在进行负荷转供时,同时考虑了韧性和安全性,且二者权重可以随要求对应的调整;
3)由于系统潮流实时变化,故重要性评估结果也变化,可以适应实时变动的电力系统,在进行超前控制时可以很好地发挥作用。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例的转供办法流程图;
图2是本公开实施例的一种公开中电力系统系统在灾害过程中的典型响应曲线;
图3是本公开实施例的一种公开中电力系统系统在灾害过程中的典型响应曲线。
具体实施方式
下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
如图1所示,计及网络韧性的城市电网负荷超前转供方法,包括以下步骤:
步骤1,获得预测系统的结果,得出高危节点或线路;
步骤2,以高危节点为中心,相隔一个断路器为半径,获得一级区域;以一级区域内节点为中心,相隔一个断路器为半径,划分出二级区域。
步骤3,以二级区域内电力系统断路器为自变量,采用粒子群算法,得出最优的转供路径。
在进行粒子群优化时,需要计算每个粒子相对应的电力系统运行时的韧性与可靠性指标。这就需要将对应运行状态输入预测系统,对区域内供电方式进行韧性和可靠性评估。
在一些公开中,电力系统系统在灾害过程中的典型响应曲线见图2。图中,t0为灾害发生时刻;t1为电力系统功能恢复正常的时刻;Q(t)为电力系统的功能函数。
由图2可见,系统正常运行时,系统功能是100%;在灾害过程中,系统功能会迅速下降,而后随着恢复措施的执行以及灾害的减弱而逐渐上升;电力系统检修完毕、恢复正常供电后,系统功能重新回到100%。对于不同的电力系统控制目标,纵轴系统功能的选取可能不同。当研究电力系统在极端灾害中的韧性时,系统功能通常选择为电力系统负荷、特别是电力系统关键负荷的供电功率或供电收益。
定义1:
式中:R1为电力系统韧性指标。
此韧性指标的物理意义是系统功能在自然灾害中的缺失面积,它同时考虑了系统的鲁棒性和快速性。
定义2:
R2=P(min(Q(t))>q*,t<t*)
此指标将鲁棒性和迅速性分开衡量。通过设定系统功能在灾害中最低程度q*和最长恢复时间t*的容许值,R2为电力系统韧性指标,将系统韧性指标定义为系统满足设定值要求的概率,在电力系统中存在不确定性时,可以采用此韧性指标。
在一些公开中,在超前控制的大前提下,以下公式中涉及的物理量均由系统预测/态势感知技术得出。
电力系统系统在灾害过程中的典型响应曲线见图3。
式中:λn为场景n的发生概率;N为选取的故障场景数目;Imn为场景n的供电量缺失程度;T0表示电力系统天气影响的时间,L(t)表示导致故障发生时的实际负荷曲线;TL(t)表示系统无故障运行时的目标负荷曲线;RESn表示图1中实际曲线和目标曲线之间的区域,表现为负荷曲线的缺失面积。
电力系统可靠性指标是通过用户停电的时间和频率来计算,最常用的为系统平均停电频率(SAIFI)和系统平均停电持续时间(SAIDI)。
式中:n为系统节点总数;λi为节点i的等效故障率;NBi、NCi、NDi为节点i发生故障时线路B、C、D类节点的用户数;Ni为节点i的用户数;ti为节点i的故障修复时间;tg、tz为故障隔离时间和转供时间;SDi、SBi、SCi为节点i发生故障时线路B、C、D类节点的变压器容量。
可靠性和韧性有各自的指标,得出的值只能在各自的评价体系中使用,要使得二者结合,需要将二者标准化。
AR*和SAIDI *越接近0,说明系统的韧性和可靠性越好。电力系统综合评价指标Z:
Z=αAR*+βSAIDI *,且α+β=1
Z越接近0,说明系统越可靠,越坚强。
将Z用为供电路径超前优化办法的目标函数,就得到了一种以安全性和韧性为目标的负荷转供优化办法。
计及网络韧性的城市电网负荷超前转供系统,所述转供系统包括:预测系统结果获取模块、二级区域划分模块、粒子群算法模块、预测系统模块、可靠性与韧性评估模块、最优路径生成模块;
所述预测系统结果获取模块获取预测系统的结果并将其用于下一模块的计算;所述二级区域划分模块根据电网实时拓扑情况划分供电二级区域;所述粒子群模块对问题进行求解;所述预测系统模块在粒子群模块中被不断调用,进行韧性与可靠性评估,对由粒子群生成的路径进行评价;所述最优转供路径模块进行最终结果的展示。
计及网络韧性的城市电网负荷超前转供系统,所述转供系统上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
步骤1,获得预测系统的结果,得出高危节点;
步骤2,以所述高危节点为中心,相隔一个断路器为半径,获得一级区域;以所述一级区域内节点为中心,相隔一个断路器为半径,划分出二级区域;
步骤3,以所述二级区域内断路器为自变量,采用粒子群算法,得出最优的转供路径。
将系统结构和潮流输入预测系统,由此计算韧性指标,在判断具体系统时具有实用性;在进行负荷转供时,同时考虑了韧性和安全性,且二者权重可以随要求对应的调整;由于系统潮流实时变化,故重要性评估结果也变化,可以适应实时变动的电力系统,在进行超前控制时可以很好地发挥作用。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本公开的基本原理、主要特征和本公开的优点。本行业的技术人员应该了解,本公开不受上述实施例的限制,上述实施例和说明书中描述的只是说明本公开的原理,在不脱离本公开精神和范围的前提下,本公开还会有各种变化和改进,这些变化和改进都落入要求保护的本公开范围内。
Claims (5)
1.计及网络韧性的城市电网负荷超前转供方法,其特征在于,包括以下步骤:
步骤1,获得预测系统的结果,得出高危节点;
步骤2,以所述高危节点为中心,相隔一个断路器为半径,获得一级区域;以所述一级区域内节点为中心,相隔一个断路器为半径,划分出二级区域;
步骤3,以所述二级区域内断路器为自变量,采用粒子群算法,得出最优的转供路径;
所述粒子群算法包括对每个粒子相对应的电力系统运行时的韧性与可靠性的指标进行评估;
所述电力系统的韧性R1指标为:
式中:t0为灾害发生时刻;t1为电力系统功能恢复正常的时刻;Q(t)为电力系统的功能函数;
所述电力系统的韧性R2指标为:
R2=P(min(Q(t))>q*,t<t*),
式中:q*为系统功能在灾害中最低程度;t*为最长恢复时间;Q(t)为电力系统的功能函数;
所述可靠性的指标和韧性的指标标准化,包括:
电力系统的综合评价指标Z:
Z=αAR*+βSAIDI *,且α+β=1。
4.计及网络韧性的城市电网负荷超前转供系统,其特征在于,包括根据权利要求1-3任一所述的计及网络韧性的城市电网负荷超前转供方法;
所述转供系统包括:预测系统结果获取模块、二级区域划分模块、粒子群算法模块、预测系统模块、可靠性与韧性评估模块、最优路径生成模块;
所述预测系统结果获取模块获取预测系统的结果并将其用于下一模块的计算;所述二级区域划分模块根据电网实时拓扑情况划分供电二级区域;所述粒子群模块对问题进行求解;所述预测系统模块在粒子群模块中被不断调用,进行韧性与可靠性评估,对由粒子群生成的路径进行评价;所述最优转供路径模块进行最终结果的展示。
5.根据权利要求4所述的计及网络韧性的城市电网负荷超前转供系统,其特征在于,所述转供系统上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-2中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011043252.4A CN112132354B (zh) | 2020-09-28 | 2020-09-28 | 计及网络韧性的城市电网负荷超前转供方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011043252.4A CN112132354B (zh) | 2020-09-28 | 2020-09-28 | 计及网络韧性的城市电网负荷超前转供方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112132354A CN112132354A (zh) | 2020-12-25 |
CN112132354B true CN112132354B (zh) | 2022-06-28 |
Family
ID=73844372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011043252.4A Active CN112132354B (zh) | 2020-09-28 | 2020-09-28 | 计及网络韧性的城市电网负荷超前转供方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132354B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112688320A (zh) * | 2021-01-04 | 2021-04-20 | 国网上海市电力公司 | 一种韧性配电网管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858672A (zh) * | 2018-12-26 | 2019-06-07 | 国网江苏省电力有限公司苏州供电分公司 | 考虑区域互联转供的主配用一体化停电范围评估方法 |
CN110086153A (zh) * | 2019-04-15 | 2019-08-02 | 东南大学 | 一种基于智能粒子群优化算法的有源配电网故障后负荷转供方法 |
-
2020
- 2020-09-28 CN CN202011043252.4A patent/CN112132354B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858672A (zh) * | 2018-12-26 | 2019-06-07 | 国网江苏省电力有限公司苏州供电分公司 | 考虑区域互联转供的主配用一体化停电范围评估方法 |
CN110086153A (zh) * | 2019-04-15 | 2019-08-02 | 东南大学 | 一种基于智能粒子群优化算法的有源配电网故障后负荷转供方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112132354A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103593708B (zh) | 一种配电网多重故障供电恢复方法 | |
CN112072647B (zh) | 考虑通信故障影响的配电网cps安全性评估方法及装置 | |
CN105701574B (zh) | 一种故障率非恒定的配电系统可靠性评估方法 | |
CN104750878A (zh) | 一种基于混合搜索策略的拓扑故障诊断方法 | |
CN108595382B (zh) | 基于故障关联矩阵的配电网络结构类参数灵敏度计算方法 | |
CN110929212B (zh) | 大电网薄弱热稳定断面搜索及限额制定的在线计算方法 | |
CN111582702A (zh) | 一种基于天气因素的电网风险评估方法 | |
CN112132354B (zh) | 计及网络韧性的城市电网负荷超前转供方法及其系统 | |
CN105738765A (zh) | 一种基于馈线终端和遗传算法的配电网故障定位方法 | |
Ku et al. | Faulty line-section identification method for distribution systems based on fault indicators | |
CN110689178A (zh) | 电网的输电线路的山火连锁故障风险的分析方法及系统 | |
Hojjaty et al. | Intelligent protection coordination restoration strategy for active distribution networks | |
CN112613676A (zh) | 一种高分辨度电网弹性评估方法 | |
CN113964816A (zh) | 一种配网馈线故障自愈率的分析方法 | |
CN113094920A (zh) | 一种基于故障后果解析表达的配电网可靠性薄弱环节分析方法 | |
CN105514925B (zh) | 一种基于遗传算法的750kV变电站故障恢复方法 | |
CN115775107A (zh) | 一种考虑连锁故障的电网信息物理系统风险评估方法 | |
CN112564108B (zh) | 一种考虑复电效益的配电网自适应重构策略 | |
CN109861178B (zh) | 基于SCADA稳态信息的220kV电网复杂保护动作判断方法 | |
CN111092430B (zh) | 一种适应于电力系统恢复的应急资源优化配置方法 | |
CN111082402A (zh) | 一种关于输电网连锁故障序列的预测方法 | |
CN115396294B (zh) | 配网信息物理复合故障的多阶段信息物理协同恢复方法 | |
CN206114829U (zh) | 一种配电网故障区段在线辨识系统 | |
CN116245269B (zh) | 一种在暴雨灾害下的城市配电网韧性提升方法 | |
Lin et al. | Research on the Impact of Extreme Weather on Freshwater Fishery Power Grid Based on Resilience Analysis |
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 |