CN112381360B - 基于标签传播算法和博弈论的电力系统并行恢复分区方法 - Google Patents

基于标签传播算法和博弈论的电力系统并行恢复分区方法 Download PDF

Info

Publication number
CN112381360B
CN112381360B CN202011168664.0A CN202011168664A CN112381360B CN 112381360 B CN112381360 B CN 112381360B CN 202011168664 A CN202011168664 A CN 202011168664A CN 112381360 B CN112381360 B CN 112381360B
Authority
CN
China
Prior art keywords
node
subsystem
partition
matrix
nodes
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
Application number
CN202011168664.0A
Other languages
English (en)
Other versions
CN112381360A (zh
Inventor
李长城
黄书健
琚上纯
肖静
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN202011168664.0A priority Critical patent/CN112381360B/zh
Publication of CN112381360A publication Critical patent/CN112381360A/zh
Application granted granted Critical
Publication of CN112381360B publication Critical patent/CN112381360B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及电力系统并行恢复技术领域，具体公开了一种基于标签传播算法和博弈论的电力系统并行恢复分区方法，包括步骤：初始化停电后电力系统的边权重Bij、节点权重Ci、加权邻接矩阵W和分区判别矩阵F；初始化合作博弈联盟Cg＝F0，F0为分区判别矩阵F的初始分区判别矩阵；基于标签传播算法更新初始网络中节点的标签直至分区判别矩阵F收敛，并输出收敛时电力系统各子系统节点集合。本发明综合考虑电网的网络拓扑结构和系统的实际特性，提出基于标签传播算法和合作博弈理论的分区方法，根据节点和子系统之间的关系，通过计算Shapley值来决策节点的划分问题，并在迭代过程中嵌入分区约束，快速得到满足子系统规模相当、内部结构紧凑、功率平衡等要求的分区方案。

Description

基于标签传播算法和博弈论的电力系统并行恢复分区方法
技术领域
本发明涉及电力系统并行恢复技术领域，尤其涉及一种基于标签传播算法和博弈论的电力系统并行恢复分区方法。
背景技术
电力系统发生大停电后，合理有效的并行恢复方案可以有效加快系统恢复的进程，从而减少经济损失。子系统划分是保障后续并行恢复策略制定和实施的前提条件。如何快速有效地制定适用于并行恢复的分区方案值得深入研究。电力系统并行恢复分区具备显著的社区结构特性。因此可以利用复杂网络理论进行电力系统并行恢复分区。文献[1]利用边介数来表示节点间的联系程度，在保证各个子系统内存在黑启动电源的前提下，使用GN(Girven Newman)算法将边介数大的线路作为子系统间的联络线，从而得到电力系统的分区方案。并利用模块度指标来衡量划分结果的合理性。文献[2]基于图论中定义的割集矩阵的方法，能够得到满足分区约束条件的分区方案，可以给运营商提供较多可选择的分区方案。
现有的方法给电网并行恢复分区提供了良好的理论基础，但是大多仅考虑了电网的拓扑特性而忽略了系统的正常运行特性。此外，存在评估节点和子系统之间的划分关系问题，尤其是对相关边界节点的决策问题。
[1]林振智，文福拴，周浩.基于复杂网络社团结构的恢复子系统划分算法[J].电力系统自动化，2009，33(12)：12-16.
[2]Jairo Quirós-Tortós,Mathaios Panteli,Peter Wall.Sectionalisingmethodology for parallel system restoration based on graph theory[J].IETGener.Transm.Distrib.,2015,9(11),pp.1216–1225.
发明内容
本发明提供一种基于标签传播算法和博弈论的电力系统并行恢复分区方法，解决的技术问题在于：现有的电力系统并行恢复的分区方法，忽略了电力系统的正常运行特性，存在评估节点和子系统之间的划分关系问题，尤其是对相关边界节点的决策问题，导致得到的分区规模不当、内部结构松散、功率不平衡等。
为解决以上技术问题，本发明提供一种基于标签传播算法和博弈论的电力系统并行恢复分区方法，包括步骤：
S1.初始化停电后电力系统的边权重Bij、节点权重Ci、加权邻接矩阵W和分区判别矩阵F；
S2.初始化合作博弈联盟Cg＝F0，F0为分区判别矩阵F的初始分区判别矩阵；
S3.基于标签传播算法更新初始网络中节点的标签直至分区判别矩阵F收敛，并输出收敛时电力系统各子系统节点集合。
进一步地，在所述步骤S1中：
所述边权重Bij表示为：
Bij＝ω1*|Pij|+ω2*Mij (1)
式(1)中，Pij代表线路i-j上的有功功率值，Mij为边介数，ω1和ω2是相应的权重系数；
所述节点权重Ci表示为：
Ci＝ω3*si+ω4*Ndi (2)
式(2)中，Ndi为节点i的凝聚度；si＝Si/S0，
Figure BDA0002746575750000021
Sij为节点i与j之间的所有连接边的额定容量，Si为节点i与j之间所有连接边的额定容量之和，S0是电力系统的基准容量，ω3和ω4是相应的权重系数；
所述加权邻接矩阵W表示为：
Figure BDA0002746575750000022
式(3)中，wij是节点i与j之间的权值；
所述分区判别矩阵F表示为：
F＝[fis]n×S (4)
式(4)中，
Figure BDA0002746575750000031
表示节点编号，s＝1,2,...,S表示子系统的编号。
进一步地，在所述步骤S2中，合作博弈联盟Cg＝(N,v)包括参与者N＝1,2,3,…,n和特征函数v；参与者N＝1,2,3,…,n的Shapley值计算如下：
Figure BDA0002746575750000032
式(5)中，X为参与者i的Shapley值；s为包含节点i的子系统编号，Z为N个成员的集合；|s|为子系统s中节点的个数；v(s)为包含节点i的联盟合作利润；v(s\i)为不包含节点i的联盟合作利润；
Figure BDA0002746575750000033
为相应的平均贡献因子；
特征函数v表示为：
Figure BDA0002746575750000034
式(6)中，f(i)＝Rdi+Ndi，负荷率Rdi＝Lri,t/L，L是子系统的有功功率之和，Lri,t是节点i在第t次迭代的负荷值。
进一步地，所述步骤S3具体包括步骤：
S31.基于标签传播算法构建标签传播策略Yt＝[yt,is]n×S＝Pt-1Ft-1，其中P是标签传播矩阵，t是迭代次数，yt,is表示子系统s中的节点i在第t次迭代过程中受到不同标签影响的程度；
S32.对标签传播矩阵Pt-1的对角节点进行同步更新：每次标签传播迭代结束后，对于本次迭代中发生标签变化的节点i，将当前受到所更新的子系统标签的影响度累加至节点子系统影响指标Kis；
S33.在标签传播过程中节点与各个子系统合作，选择使得自身Shapley值最大的节点或联盟合作，如果得到的节点Shapley值大于在原先子系统中得到的值，则将其从初始子系统中划分出来，并与另一个子系统进行合作，直到所有节点的Shapley值不再增加，检测终止；
S34.将分区约束嵌入到标签传播过程中，所述分区约束包括黑启动电源约束、功率平衡约束、子系统规模约束、可观测性约束和网络拓扑连通性约束；
S35.判断分区判别矩阵是否收敛，若收敛则输出各子系统节点集合，若不收敛则更新Pt后返回步骤S31继续迭代。
进一步地，所述步骤S32即：
Figure BDA0002746575750000041
Figure BDA0002746575750000042
改进后的标签传播矩阵P在经过第t(t>0)次迭代后可表示为：
Figure BDA0002746575750000043
式(9)中，wkj代表节点k(k＝1,2,…,n)与节点j之间的权值。
进一步地，在所述步骤S33中，所有节点的Shapley值的计算如下：
Figure BDA0002746575750000044
Figure BDA0002746575750000045
式(10)、(11)中，q≠g，sq和sg表示不同的子系统，X(sq,i)表示子系统sq中节点i的Shapley值，X(sg,j)表示子系统sg中节点j的Shapley值，f(i)表示节点i的凝聚度和负荷率之和；f(j)表示节点j的凝聚度和负荷率之和，aij表示为网络的邻接矩阵第i行第j列的值，若节点i和节点j之间是相连的，则aij＝1，否则aij＝0。
进一步地，在所述步骤S34中：
所述黑启动电源约束是指：
S≤NBS (12)
式(12)中，S是子系统的数目，NBS是黑启动电源的数目；
所述功率平衡约束是指：
Figure BDA0002746575750000051
式(13)中，α是机组i的最小技术出力系数，PGi是机组i的额定输出功率；PDi是节点i的负荷值；
所述子系统规模约束是指：
Figure BDA0002746575750000052
式(14)中，mli是黑启动电源到节点i的最短路径，Umax是子系统允许的最大规模，ND是每次迭代过程中更新的节点集合；
所述可观测性约束是指：
∑zijrj+ri≥1 (15)
Figure BDA0002746575750000053
式(15)、(16)中，当zij＝1，表明线路在子系统内；当zij＝0，表明线路不在子系统内；ri表明节点i处是否存在PMU；rj表明节点j处是否存在PMU；
PMU(phasor measurement unit)是同步相量测量装置；
所述网络拓扑连通性约束是指：
Figure BDA0002746575750000054
式(17)中，J是一个S×S的矩阵；G表示满足约束的分区判别矩阵；A表示网络的邻接矩阵，A＝[aij]n×n，若节点i和节点j之间是相连的，则aij＝1，否则aij＝0；⊕表示逻辑“异或”；∧表示逻辑“与”。
进一步地，在所述子系统规模约束中，mli通过Dijkstra算法求得。
进一步地，权重系数ω1、ω2、ω3和ω4的值通过熵权法求得。
本发明提供的基于标签传播算法和博弈论的电力系统并行恢复分区方法，针对上述背景技术中存在的缺陷，综合考虑电网的网络拓扑结构和系统的实际特性，提出基于标签传播算法和合作博弈理论的适用于电力系统并行恢复的分区方法，该方法根据节点和子系统之间的关系，通过计算Shapley值来决策节点的划分问题，并在方法迭代过程中嵌入分区约束，快速得到满足子系统规模相当、内部结构紧凑、功率平衡等要求的电力系统并行恢复分区方案。
附图说明
图1是本发明实施例提供的基于标签传播算法和博弈论的电力系统并行恢复分区方法的流程图；
图2是本发明实施例提供的对IEEE 39标准测试系统进行分区的结果展示图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
本发明实施例提供的基于标签传播算法和博弈论的电力系统并行恢复分区方法，包括以下步骤S1～S3。
S1.初始化停电后电力系统的边权重Bij、节点权重Ci、加权邻接矩阵W和分区判别矩阵F。
其中，所述边权重Bij表示为：
Bij＝ω1*|Pij|+ω2*Mij (1)
式(1)中，Pij代表线路i-j上的有功功率值，Mij为边介数，ω1和ω2是相应的权重系数。
所述节点权重Ci表示为：
Ci＝ω3*si+ω4*Ndi (2)
式(2)中，Ndi为节点i的凝聚度；si＝Si/S0，
Figure BDA0002746575750000071
Sij为节点i与j之间的所有连接边的额定容量，Si为节点i与j之间所有连接边的额定容量之和，S0是电力系统的基准容量，ω3和ω4是相应的权重系数；权重系数ω1、ω2、ω3和ω4的值通过熵权法求得。
所述加权邻接矩阵W表示为：
Figure BDA0002746575750000072
式(3)中，wij是节点i与j之间的权值。
所述分区判别矩阵F表示为：
F＝[fis]n×S (4)
式(4)中，
Figure BDA0002746575750000073
表示节点编号，s＝1,2,...,S表示子系统的编号。
S2.初始化合作博弈联盟Cg＝F0，F0为分区判别矩阵F的初始分区判别矩阵。
其中，合作博弈联盟Cg＝(N,v)包括参与者N＝1,2,3,…,n和特征函数v；Shapley值是在效用可转移联盟下合作博弈的唯一确定解，它满足个体理性和整体理性的要求，并能够提供唯一的且公平的解决方案。参与者的Shapley值能准确地反映参与者对合作博弈贡献的边际值。参与者N＝1,2,3,…,n的Shapley值计算如下：
Figure BDA0002746575750000081
式(5)中，X为参与者i的Shapley值；s为包含节点i的子系统编号，Z为N个成员的集合；|s|为子系统s中节点的个数；v(s)为包含节点i的联盟合作利润；v(s\i)为不包含节点i的联盟合作利润；
Figure BDA0002746575750000082
为相应的平均贡献因子；
特征函数v表示为：
Figure BDA0002746575750000083
式(6)中，f(i)＝Rdi+Ndi，负荷率Rdi＝Lri,t/L，L是子系统的有功功率之和，Lri,t是节点i在第t次迭代的负荷值。
根据黑启动电源的位置和数目，可以得到初始分区判别矩阵F0。
S3.基于标签传播算法更新初始网络中节点的标签直至分区判别矩阵F收敛，并输出收敛时电力系统各子系统节点集合。即初始网络中部分节点通过先验知识而得到固定的标签，网络中每个节点可以向邻接节点传播自身的标签，同时也可以受到邻接节点标签信息的影响而更新自身的标签。通过反复迭代直至网络中节点的标签不再变化，则标签传播结束。
该步骤S3具体包括以下步骤S31～S35。
S31.基于标签传播算法构建标签传播策略Yt＝[yt,is]n×S＝Pt-1Ft-1，其中P是标签传播矩阵，t是迭代次数，yt,is表示子系统s中的节点i在第t次迭代过程中受到不同标签影响的程度。
S32.对标签传播矩阵Pt-1的对角节点进行同步更新：每次标签传播迭代结束后，对于本次迭代中发生标签变化的节点i，将当前受到所更新的子系统标签的影响度累加至节点子系统影响指标Kis：
Figure BDA0002746575750000091
Figure BDA0002746575750000092
改进后的标签传播矩阵P在经过第t(t>0)次迭代后可表示为：
Figure BDA0002746575750000093
式(9)中，wkj代表节点k(k＝1,2,…,n)与节点j之间的权值。
S33.在标签传播过程中节点与各个子系统合作，选择使得自身Shapley值最大的节点或联盟合作，如果得到的节点X值大于在原先子系统中得到的值，则将其从初始子系统中划分出来，并与另一个子系统进行合作，直到所有节点的Shapley值不再增加，检测终止；所有节点的Shapley值的计算如下：
Figure BDA0002746575750000094
Figure BDA0002746575750000095
式(10)、(11)中，q≠g，sq和sg表示不同的子系统，X(sq,i)表示子系统sq中节点i的Shapley值，X(sg,j)表示子系统sg中节点j的Shapley值，f(i)表示节点i的凝聚度和负荷率之和；f(j)表示节点j的凝聚度和负荷率之和，aij表示为网络的邻接矩阵第i行第j列的值，若节点i和节点j之间是相连的，则aij＝1，否则aij＝0。
S34.将分区约束嵌入到标签传播过程中，所述分区约束包括黑启动电源约束、功率平衡约束、子系统规模约束、可观测性约束和网络拓扑连通性约束。
其中，所述黑启动电源约束是指：
S≤NBS (12)
式(12)中，S是子系统的数目，NBS是黑启动电源的数目；
所述功率平衡约束是指：
Figure BDA0002746575750000101
式(13)中：α是机组i的最小技术出力系数，一般地，火力发电机组的α值是25％～35％，水电机组的α值为0；PGi是机组i的额定输出功率；PDi是节点i的负荷值；
所述子系统规模约束是指：
Figure BDA0002746575750000102
式(14)中，mli是黑启动电源到节点i的最短路径，Dijkstra算法求得；Umax是子系统允许的最大规模；ND是每次迭代过程中更新的节点集合；
所述可观测性约束是指：
∑zijrj+ri≥1 (15)
Figure BDA0002746575750000103
式(15)、(16)中，当zij＝1，表明线路在子系统内；当zij＝0，表明线路不在子系统内；ri表明节点i处是否存在PMU；rj表明节点j处是否存在PMU；PMU(phasor measurementunit)是同步相量测量装置；
所述网络拓扑连通性约束是指：
Figure BDA0002746575750000104
式(17)中，J是一个S×S的矩阵；G表示满足约束的分区判别矩阵；A表示网络的邻接矩阵，A＝[aij]n×n，若节点i和节点j之间是相连的，则aij＝1，否则aij＝0；
Figure BDA0002746575750000105
表示逻辑“异或”；∧表示逻辑“与”。
S35.判断分区判别矩阵是否收敛，若收敛则输出各子系统节点集合，若不收敛则更新Pt后返回步骤S31继续迭代。
如图1所示，为本实施例所述方法的流程图，对应于上述步骤S1～S3，大致包括如下步骤1～7，便于理解整个分区过程。
步骤1：综合考虑电网的网络拓扑结构和系统的实际特性，结合线路有功功率和边介数得到边的权重，结合节点凝聚度和节点注入或输出功率得到节点重要度；
步骤2：根据黑启动电源的位置和数目，将其作为带有固定标签的节点，确定初始分区判别矩阵；
步骤3：在每次传播迭代过程中，节点的标签由其在(t-1)次迭代中邻近节点的标签、自身当前的标签和节点的重要性共同决定，从而得到新的节点标签影响策略；
步骤4：对传播矩阵Pt-1的对角元素进行同步更新，得到改进后的标签传播矩阵P；
步骤5：通过计算Shapley值，选择使得自身Shapley值最大的节点或联盟合作，确定边界节点的划分归属，并且可以确定标签振荡节点的划分；
步骤6：将分区约束嵌入到标签传播过程中，得到满足约束条件的节点集合，以保证系统恢复的安全稳定；
步骤7：将同类型标签的节点划分进同一个子系统内。最终得到满足子系统规模相当、内部结构紧凑、功率平衡等要求的电力系统并行恢复分区方案。
本发明实施例提供的基于标签传播算法和博弈论的电力系统并行恢复分区方法，针对背景技术中存在的缺陷，综合考虑电网的网络拓扑结构和系统的实际特性，提出基于标签传播算法和合作博弈理论的适用于电力系统并行恢复的分区方法，该方法根据节点和子系统之间的关系，通过计算Shapley值来决策节点的划分问题，并在方法迭代过程中嵌入分区约束，快速得到满足子系统规模相当、内部结构紧凑、功率平衡等要求的电力系统并行恢复分区方案。
为了验证本发明的有效性，本实施例使用了“IEEE美国新英格兰10机39节点测试系统”进行算例仿真。IEEE 39标准测试系统包含10台发电机机组
Figure BDA0002746575750000111
12台变压器/>
Figure BDA0002746575750000112
和34条线路，关于该系统的线路参数、系统参数等，现有技术已经多有公开，本实施例不再说明。机组G30、G31和G34作为电力系统大停电后具有自启动能力的黑启动电源。因此子系统数目是3。实施本实施例所述方法后，线路3-4、9-39、14-15和16-17作为区间联络线，表1是各个子系统的节点号，可见得，节点数目较为均衡，得到满足分区约束的分区方案如附图2所示。
表1.各子系统的节点
Figure BDA0002746575750000121
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (3)

1.基于标签传播算法和博弈论的电力系统并行恢复分区方法，其特征在于，包括步骤：
S1.初始化停电后电力系统的边权重Bij、节点权重Ci、加权邻接矩阵W和分区判别矩阵F；
S2.初始化合作博弈联盟Cg＝F0，F0为分区判别矩阵F的初始分区判别矩阵；
S3.基于标签传播算法更新初始网络中节点的标签直至分区判别矩阵F收敛，并输出收敛时电力系统各子系统节点集合；
在所述步骤S1中：
所述边权重Bij表示为：
Bij＝ω1*|Pij|+ω2*Mij (1)
式(1)中，Pij代表线路i-j上的有功功率值，Mij为边介数，ω1和ω2是相应的权重系数；
所述节点权重Ci表示为：
Ci＝ω3*si+ω4*Ndi (2)
式(2)中，Ndi为节点i的凝聚度；si＝Si/S0，
Figure FDA0004212130180000011
Sij为节点i与j之间的所有连接边的额定容量，Si为节点i与j之间所有连接边的额定容量之和，S0是电力系统的基准容量，ω3和ω4是相应的权重系数；
所述加权邻接矩阵W表示为：
Figure FDA0004212130180000012
式(3)中，wij是节点i与j之间的权值；
所述分区判别矩阵F表示为：
F＝[fis]n×S (4)
式(4)中，
Figure FDA0004212130180000021
i＝1,2,...,n表示节点编号，s＝1,2,...,S表示子系统的编号；
在所述步骤S2中，合作博弈联盟Cg＝(N,v)包括参与者N＝1,2,3,…,n和特征函数v；参与者N＝1,2,3,…,n的Shapley值计算如下：
Figure FDA0004212130180000022
式(5)中，X为参与者i的Shapley值；s为包含节点i的子系统编号，Z为N个成员的集合；|s|为子系统s中节点的个数；v(s)为包含节点i的联盟合作利润；v(s\i)为不包含节点i的联盟合作利润；
Figure FDA0004212130180000023
为相应的平均贡献因子；
特征函数v表示为：
Figure FDA0004212130180000024
式(6)中，f(i)＝Rdi+Ndi，负荷率Rdi＝Lri,t/L，L是子系统的有功功率之和，Lri,t是节点i在第t次迭代的负荷值；
所述步骤S3具体包括步骤：
S31.基于标签传播算法构建标签传播策略Yt＝[yt,is]n×S＝Pt-1Ft-1，其中P是标签传播矩阵，t是迭代次数，yt,is表示子系统s中的节点i在第t次迭代过程中受到不同标签影响的程度；
S32.对标签传播矩阵Pt-1的对角节点进行同步更新：每次标签传播迭代结束后，对于本次迭代中发生标签变化的节点i，将当前受到所更新的子系统标签的影响度累加至节点子系统影响指标Kis；
S33.在标签传播过程中节点与各个子系统合作，选择使得自身Shapley值最大的节点或联盟合作，如果得到的节点Shapley值大于在原先子系统中得到的值，则将其从初始子系统中划分出来，并与另一个子系统进行合作，直到所有节点的Shapley值不再增加，检测终止；
S34.将分区约束嵌入到标签传播过程中，所述分区约束包括黑启动电源约束、功率平衡约束、子系统规模约束、可观测性约束和网络拓扑连通性约束；
S35.判断分区判别矩阵是否收敛，若收敛则输出各子系统节点集合，若不收敛则更新Pt后返回步骤S31继续迭代；
所述步骤S32即：
Figure FDA0004212130180000031
Figure FDA0004212130180000032
改进后的标签传播矩阵P在经过第t(t>0)次迭代后可表示为：
Figure FDA0004212130180000033
式(9)中，wkj代表节点k(k＝1,2,…,n)与节点j之间的权值；
在所述步骤S33中，所有节点的Shapley值的计算如下：
Figure FDA0004212130180000034
Figure FDA0004212130180000035
式(10)、(11)中，q≠g，sq和sg表示不同的子系统，X(sq,i)表示子系统sq中节点i的Shapley值，X(sg,j)表示子系统sg中节点j的Shapley值，f(i)表示节点i的凝聚度和负荷率之和；f(j)表示节点j的凝聚度和负荷率之和，aij表示为网络的邻接矩阵第i行第j列的值，若节点i和节点j之间是相连的，则
aij＝1，否则aij＝0；在所述步骤S34中：
所述黑启动电源约束是指：
S≤NBS (12)
式(12)中，S是子系统的数目，NBS是黑启动电源的数目；
所述功率平衡约束是指：
Figure FDA0004212130180000041
式(13)中，α是机组i的最小技术出力系数，PGi是机组i的额定输出功率；PDi是节点i的负荷值；
所述子系统规模约束是指：
Figure FDA0004212130180000042
式(14)中，mli是黑启动电源到节点i的最短路径，Umax是子系统允许的最大规模，ND是每次迭代过程中更新的节点集合；
所述可观测性约束是指：
∑zijrj+ri≥1 (15)
Figure FDA0004212130180000043
式(15)、(16)中，当zij＝1，表明线路在子系统内；当zij＝0，表明线路不在子系统内；ri表明节点i处是否存在同步相量测量装置PMU；rj表明节点j处是否存在同步相量测量装置PMU；
所述网络拓扑连通性约束是指：
Figure FDA0004212130180000044
式(17)中，J是一个S×S的矩阵；G表示满足约束的分区判别矩阵；A表示网络的邻接矩阵，A＝[aij]n×n，若节点i和节点j之间是相连的，则aij＝1，否则aij＝0；
Figure FDA0004212130180000045
表示逻辑“异或”；∧表示逻辑“与”。
2.如权利要求1所述的基于标签传播算法和博弈论的电力系统并行恢复分区方法，其特征在于：在所述子系统规模约束中，mli通过Dijkstra算法求得。
3.如权利要求1或2所述的基于标签传播算法和博弈论的电力系统并行恢复分区方法，其特征在于：权重系数ω1、ω2、ω3和ω4的值通过熵权法求得。
CN202011168664.0A 2020-10-28 2020-10-28 基于标签传播算法和博弈论的电力系统并行恢复分区方法 Active CN112381360B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011168664.0A CN112381360B (zh) 2020-10-28 2020-10-28 基于标签传播算法和博弈论的电力系统并行恢复分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011168664.0A CN112381360B (zh) 2020-10-28 2020-10-28 基于标签传播算法和博弈论的电力系统并行恢复分区方法

Publications (2)

Publication Number Publication Date
CN112381360A CN112381360A (zh) 2021-02-19
CN112381360B true CN112381360B (zh) 2023-06-27

Family

ID=74576766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011168664.0A Active CN112381360B (zh) 2020-10-28 2020-10-28 基于标签传播算法和博弈论的电力系统并行恢复分区方法

Country Status (1)

Country Link
CN (1) CN112381360B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113452021B (zh) * 2021-07-06 2022-06-03 武汉大学 一种考虑机组分组及有功平衡的电网恢复分区方法
CN114118693B (zh) * 2021-10-21 2024-01-23 国网浙江省电力有限公司金华供电公司 一种基于区块链共识算法的智能停电管控方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106684906A (zh) * 2016-11-23 2017-05-17 国网浙江省电力公司电动汽车服务分公司 一种大停电后电力系统并行恢复方法
CN111049132A (zh) * 2019-12-17 2020-04-21 国网冀北电力有限公司张家口供电公司 主动配电网大面积断电动态孤岛恢复方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020267B (zh) * 2012-12-26 2016-01-20 上海交通大学 基于三角簇多标签传播的复杂网络社区结构挖掘方法
CN104820864B (zh) * 2015-03-31 2018-05-08 浙江工业大学 含分布式电源的智能配电网全景故障恢复博弈方法
CN106877397B (zh) * 2017-03-22 2019-08-23 燕山大学 一种考虑需求侧响应的基于博弈论的主动配电网孤岛恢复方法
CN110930070B (zh) * 2019-12-11 2022-09-16 国网江苏省电力有限公司经济技术研究院 一种基于Shapley值改进的阻塞成本分配方法
CN111523191A (zh) * 2020-05-27 2020-08-11 广西大学 一种基于sir模型的电力系统并行恢复分区方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106684906A (zh) * 2016-11-23 2017-05-17 国网浙江省电力公司电动汽车服务分公司 一种大停电后电力系统并行恢复方法
CN111049132A (zh) * 2019-12-17 2020-04-21 国网冀北电力有限公司张家口供电公司 主动配电网大面积断电动态孤岛恢复方法

Also Published As

Publication number Publication date
CN112381360A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
Liu et al. Modeling of local false data injection attacks with reduced network information
CN112381360B (zh) 基于标签传播算法和博弈论的电力系统并行恢复分区方法
Qiu et al. Hybrid multiagent reinforcement learning for electric vehicle resilience control towards a low-carbon transition
CN109766586A (zh) 一种自动生成大规模电网电磁暂态仿真模型的方法及系统
CN112633649A (zh) 电网多属性重要节点评估与规划方法
CN110299762A (zh) 基于pmu准实时数据的主动配电网抗差估计方法
CN107317704A (zh) 一种基于紧密度和结构洞的复杂网络重要节点排序方法
CN111475953A (zh) 供能可靠性影响分析方法、装置设备及存储介质
Tong et al. Weighted label propagation algorithm for overlapping community detection
Deakin et al. Stochastic hosting capacity in LV distribution networks
Salehpour et al. Modeling cascading failures in coupled smart grid networks
CN106067074A (zh) 一种通过优化链路的开关状态来提升电网系统鲁棒性的方法
Zeng et al. Resilience assessment for power systems under sequential attacks using double DQN with improved prioritized experience replay
CN105871621A (zh) 一种基于改进贪心策略的探针部署方法
CN111680375B (zh) 一种分布式fa仿真系统负荷预测方法及系统
CN106875026B (zh) 一种电力市场环境下中长期输电网拓展规划的混合性规划方法
Wen et al. A TOPSIS-Based Vulnerability Assessment Method of Distribution Network Considering Network Topology and Operation Status
CN114709825B (zh) 基于电力电子变压器的交直流配电网动态防雷方法和系统
CN109858822A (zh) 一种基于流关联分析的信息电力融合系统可靠性评估方法
Wang et al. Research on Cascading Failures Model of Power Grid Based on Complex Network
Huang et al. A partitioning method for parallel power system restoration based on virus propagation model
Huang et al. Research on Risk Assessment Algorithm for Power Monitoring Global Network Based on Link Importance and Genetic Algorithm
CN110889614A (zh) 基于scada大数据的电网系统重要用户供电风险分析方法
Miki et al. The efficient generation method of critical fault clearing time functions for power system transient stability assessment.
CN115513944B (zh) 一种基于不平衡耦合链路移除策略的电网鲁棒性提升方法

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