CN113191522A - 一种智能配电网自愈合控制系统及方法 - Google Patents
一种智能配电网自愈合控制系统及方法 Download PDFInfo
- Publication number
- CN113191522A CN113191522A CN202011621895.2A CN202011621895A CN113191522A CN 113191522 A CN113191522 A CN 113191522A CN 202011621895 A CN202011621895 A CN 202011621895A CN 113191522 A CN113191522 A CN 113191522A
- Authority
- CN
- China
- Prior art keywords
- self
- healing
- module
- distribution network
- planning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000012360 testing method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 230000007774 longterm Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004088 simulation 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电网自愈合控制技术领域,公开了一种智能配电网自愈合控制系统及方法,所述智能配电网自愈合控制系统包括:电网故障检测模块、负荷检测模块、电网状态检测模块、主控模块、自愈策略生成模块、自愈规划模块、自愈测试模块、自愈评估模块、警报模块、显示模块。本发明通过自愈规划模块充分考虑了主动配电网长期的投资成本和短期的运行经济性,最大程度上提高电网中储能系统、线路的资产利用率;同时,通过自愈评估模块全面客观评估了配电网自愈性,并在此基础上注重了电网自愈性的工程实现,方法科学合理,对智能配电网自愈水平的探索性发展具有意义。
Description
技术领域
本发明属于电网自愈合控制技术领域,尤其涉及一种智能配电网自愈合控制系统及方法方法。
背景技术
配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网。配电网自愈是指配电系统能够及时检测出系统故障、对系统不安全状态进行预警,并进行相应的操作,使其不影响对用户的正常供电或将其影响降至最小。配电网的自愈有两方面的含义:系统故障后,自动隔离故障并自动恢复供电;系统出现不安全状态后,通过自动调节使系统恢复到正常状态。实现配电网的自愈功能,需要研究解决以下关键技术:非健全信息条件下的快速故障定位、隔离与恢复供电优化策略;分布式智能自愈控制技术;严重故障情况下断电快速自愈恢复技术;含分布式电源的继电保护与系统协调控制技术。实现配电网自愈,一方面需要高效的智能设备,另一方面还需要有强大应用软件支撑的智能配电主站。智能配电主站系统从全局角度,通过快速仿真等计算分析手段得到故障条件下的配电网优化运行方案,从而能够快速恢复故障区域供电,并通过潮流调整等方式有效提高馈线的负荷率,实现配电网优化运行。配电网直接连接用户,是保证供电质量的中心环节。在我国,目前电力用户遭受停电的时间有95%以上是配电网造成的(扣除发电不足的原因);造成电能质量问题的主要因素也在配电网。然而,现有配电网自愈规划的配电网储能、线路的资产利用率低;同时,目前对智能配电网的自愈性评价较少,对其客观而又全面的评价更少。
综上所述,现有技术存在的问题是:现有配电网自愈规划的配电网储能、线路的资产利用率低;同时,目前对智能配电网的自愈性评价较少,对其客观而又全面的评价更少。
发明内容
针对现有技术存在的问题,本发明提供了一种智能配电网自愈合控制系统及方法。
本发明是这样实现的,一种智能配电网自愈合控制方法,所述智能配电网自愈合控制方法包括以下步骤:
步骤一,通过电网故障检测模块利用故障监测设备检测配电网故障信息;通过负荷检测模块利用负荷检测设备检测配电网负荷数据;通过电网状态检测模块利用电网检测设备检测配电网恢复状态信息;主控模块通过自愈策略生成模块生成配电网自愈策略;通过自愈规划模块利用规划程序确定规划区域,调研规划地区的法律政策和土地类型,确定变电站位置;预测规划地区的负荷、得到规划地区的负荷分布和典型日负荷曲线,进而结合变电站位置得到规划区内全部可建线路;
步骤二,调研规划地区可接受的新能源渗透率,得到新能源的典型日出力曲线,确定DG出力调整量;调研规划地区主动负荷分布及容量,确定主动负荷削减量;调研规划地区自动化设备的安装情况费用;并确定规划目标和决策变量:所述决策目标分为内层决策目标和外层决策目标,外层决策目标为最大化项目净现值,内层决策目标为最大化DG出力和最小化主动负荷削减量;决策变量分为内层决策变量和外层决策变量,外层决策变量包括线路或者变压器替换、增容、拆除或者新建的选型方案,内层决策变量包括DG的出力和主动负荷削减量;
步骤三,根据规划目标和决策变量列出目标函数;列出约束项;根据内层规划目标函数、外层规划目标函数、相关约束项生成主动配电网自愈规划模型;对主动配电网自愈规划模型进行优化然后计算,以得到最优决策;通过自愈测试模块利用测试程序对配电网自愈进行测试;通过自愈评估模块利用评估程序构建基于不确定理论的智能配电网自愈性体系,包括:智能电网自愈性评价指标体系;所述智能电网自愈性评价指标体系包括自愈可信度、自愈率、自愈速度和自愈控制操作复杂度;
步骤四,根据指标体系、专家的试验数据和电网的统计数据利用下式计算指标数值;
式中,ai表示第i个元件的可靠性指标即元件正常的不确定测度;x表示开关元件的状态,即xi=1的不确定测度为ai,xi=0的不确定测度为1-ai;负荷pi的自愈可信度Mbe=M{f(x1,x2,…,xn)=1}表示负荷自愈的不确定测度;负荷的自愈需要n个元件相互协作,用f表示n个元件的互联关系,若元件串联f(x1,x2,…,xn)=x1∧x2∧…∧xn,则Mbe=M{x1∧x2∧…∧xn=1}=a1∧a2∧…∧an;若元件并联f(x1,x2,…,xn)=x1∨x2∨…∨xn,则Mbe=M{x1∨x2∨…∨xn=1}=a1∨a2∨…∨an;若n个元件中有k个元件正常则可自愈f(x1,x2,…,xn)=k-max[x1,x2,…,xn],则Mbe=k-max[a1,a2,…,an];
步骤五,利用熵值法对多层次交互式算法改进,并对智能配电网的自愈性进行评价;通过警报模块利用警报器对配电网自愈异常进行警报通知;通过显示模块利用显示器显示电网故障信息、电网负荷、电网状态、自愈策略、自愈测试结果、自愈评估结果。
进一步,所述典型日负荷曲线包含昼负荷峰值和夜负荷峰值。
进一步,步骤三中,所述目标函数包括:外层规划目标函数与内层规划目标函数;
所述外层规划目标函数为净现值,即收益与网络综合费用之差;网络综合费用包括规划期投资建设成本、运行维护成本、DG及主动负荷削减成本;
所述内层规划目标函数包括DG削减量和主动负荷削减量。
进一步,步骤三中,所述约束项包括:外层规划约束项与内层规划约束项;
所述外层规划约束项包括网络连通性限制、网络辐射性限制、系统供电不足期望值小于最大值限制、系统平均中断时间小于最大值限制和建设逻辑约束;
所述内层规划约束项包括节点电压限制、线路及变压器容量限制、主动负荷削减量限制、新能源出力调整量限制和功率平衡约束。
进一步,所述利用熵值法对多层次交互式算法改进,并对智能配电网的自愈性进行评价包括:
1)利用熵值法对多层次交互式算法改进;
2)利用改进的多层次交互式算法对智能配电网的自愈性进行评价。
进一步,所述利用改进的多层次交互式算法对智能配电网的自愈性进行评价包括:
2.1)根据上级,即待评价电网的总公司给出的要求,定出权重的上下限[u,v],根据熵值法定出初步权重W(0);
2.2)令k=0,用k来记录迭代次数,设置σ用来判断迭代是否终止;
2.3)各下级,即待评价电网的各个下属区域确定各自的权重;目标函数:
2.4)上级综合权重,得到新的权重W(k+1);比较W(k+1)与W(k),若不满足要求,返回步骤2.3);若满足要求,终止迭代计算。
本发明的另一目的在于提供一种实施所述种智能配电网自愈合控制方法的种智能配电网自愈合控制系统,所述智能配电网自愈合控制系统包括:
电网故障检测模块、负荷检测模块、电网状态检测模块、主控模块、自愈策略生成模块、自愈规划模块、自愈测试模块、自愈评估模块、警报模块、显示模块;
电网故障检测模块,与主控模块连接,用于通过故障监测设备检测配电网故障信息;
负荷检测模块,与主控模块连接,用于通过负荷检测设备检测配电网负荷数据;
电网状态检测模块,与主控模块连接,用于通过电网检测设备检测配电网恢复状态信息;
主控模块,与电网故障检测模块、负荷检测模块、电网状态检测模块、自愈策略生成模块、自愈规划模块、自愈测试模块、自愈评估模块、警报模块、显示模块连接,用于控制各个模块正常工作;
自愈策略生成模块,与主控模块连接,用于生成配电网自愈策略;
自愈规划模块,与主控模块连接,用于通过规划程序对配电网进行自愈规划;
自愈测试模块,与主控模块连接,用于通过测试程序对配电网自愈进行测试;
自愈评估模块,与主控模块连接,用于通过评估程序对配电网自愈进行评估;
警报模块,与主控模块连接,用于通过警报器对配电网自愈异常进行警报通知;
显示模块,与主控模块连接,用于通过显示器显示电网故障信息、电网负荷、电网状态、自愈策略、自愈测试结果、自愈评估结果。
本发明的另一目的在于一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述智能配电网自愈合控制方法。
本发明的另一目的在于一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述智能配电网自愈合控制方法。
本发明的优点及积极效果为:本发明通过自愈规划模块根据内层规划和外层规划的决策变量及约束项生成了考虑自愈功能的主动配电网规划模型,以得到最优决策,通过优化模型对决策变量进行优化,充分考虑了主动配电网长期的投资成本和短期的运行经济性,最大程度上提高电网中储能系统、线路的资产利用率;同时,通过自愈评估模块全面客观评估了配电网自愈性,并在此基础上注重了电网自愈性的工程实现,方法科学合理,对智能配电网自愈水平的探索性发展具有意义。
附图说明
图1是本发明实施例提供的智能配电网自愈合控制方法流程图。
图2是本发明实施例提供的智能配电网自愈合控制系统结构框图。
图3是本发明实施例提供的自愈规划模块规划方法流程图。
图4是本发明实施例提供的规划区域调研分析,确定规划目标和决策变量,具体方法流程图。
图5是本发明实施例提供的自愈评估模块评估方法流程图。
图2中:1、电网故障检测模块;2、负荷检测模块;3、电网状态检测模块;4、主控模块;5、自愈策略生成模块;6、自愈规划模块;7、自愈测试模块;8、自愈评估模块;9、警报模块;10、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的智能配电网自愈合控制方法包括以下步骤:
S101,通过电网故障检测模块利用故障监测设备检测配电网故障信息;通过负荷检测模块利用负荷检测设备检测配电网负荷数据;通过电网状态检测模块利用电网检测设备检测配电网恢复状态信息;
S102,主控模块通过自愈策略生成模块生成配电网自愈策略;
S103,通过自愈规划模块利用规划程序对配电网进行自愈规划;通过自愈测试模块利用测试程序对配电网自愈进行测试;
S104,通过自愈评估模块利用评估程序对配电网自愈进行评估;通过警报模块利用警报器对配电网自愈异常进行警报通知;
S105,通过显示模块利用显示器显示电网故障信息、电网负荷、电网状态、自愈策略、自愈测试结果、自愈评估结果。
如图2所示,本发明实施例提供的智能配电网自愈合控制系统包括:电网故障检测模块1、负荷检测模块2、电网状态检测模块3、主控模块4、自愈策略生成模块5、自愈规划模块6、自愈测试模块7、自愈评估模块8、警报模块9、显示模块10。
电网故障检测模块1,与主控模块4连接,用于通过故障监测设备检测配电网故障信息;
负荷检测模块2,与主控模块4连接,用于通过负荷检测设备检测配电网负荷数据;
电网状态检测模块3,与主控模块4连接,用于通过电网检测设备检测配电网恢复状态信息;
主控模块4,与电网故障检测模块1、负荷检测模块2、电网状态检测模块3、自愈策略生成模块5、自愈规划模块6、自愈测试模块7、自愈评估模块8、警报模块9、显示模块10连接,用于控制各个模块正常工作;
自愈策略生成模块5,与主控模块4连接,用于生成配电网自愈策略;
自愈规划模块6,与主控模块4连接,用于通过规划程序对配电网进行自愈规划;
自愈测试模块7,与主控模块4连接,用于通过测试程序对配电网自愈进行测试;
自愈评估模块8,与主控模块4连接,用于通过评估程序对配电网自愈进行评估;
警报模块9,与主控模块4连接,用于通过警报器对配电网自愈异常进行警报通知;
显示模块10,与主控模块4连接,用于通过显示器显示电网故障信息、电网负荷、电网状态、自愈策略、自愈测试结果、自愈评估结果。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1
本发明实施例提供的智能配电网自愈合控制方法如图1所示,作为优选实施例,如图3所示,本发明实施例提供的自愈规划方法如下:
S201,通过分析程序对规划区域调研分析,确定规划目标和决策变量;
S202,根据规划目标和决策变量列出目标函数,列出约束项;
S203,根据内层规划目标函数、外层规划目标函数、相关约束项生成主动配电网自愈规划模型;对主动配电网自愈规划模型进行优化然后计算,以得到最优决策。
本发明实施例提供的目标函数包括:外层规划目标函数与内层规划目标函数;外层规划目标函数为净现值,即收益与网络综合费用之差;网络综合费用包括规划期投资建设成本、运行维护成本、DG及主动负荷削减成本;内层规划目标函数包括DG削减量和主动负荷削减量。
本发明实施例提供的约束项包括:外层规划约束项与内层规划约束项;外层规划约束项包括网络连通性限制、网络辐射性限制、系统供电不足期望值小于最大值限制、系统平均中断时间小于最大值限制和建设逻辑约束;内层规划约束项包括节点电压限制、线路及变压器容量限制、主动负荷削减量限制、新能源出力调整量限制和功率平衡约束。
如图4所示,步骤S201中,本发明实施例提供的规划区域调研分析,确定规划目标和决策变量,具体如下:
S301,确定规划区域,调研规划地区的法律政策和土地类型,从而确定变电站位置;预测规划地区的负荷、得到规划地区的负荷分布和典型日负荷曲线,进而结合变电站位置得到规划区内全部可建线路;
S302,调研规划地区可接受的新能源渗透率,得到新能源的典型日出力曲线,确定DG出力调整量;所述的典型日负荷曲线包含昼负荷峰值和夜负荷峰值;调研规划地区主动负荷分布及容量,确定主动负荷削减量;调研规划地区自动化设备的安装情况费用;
S303,决策目标分为内层决策目标和外层决策目标,外层决策目标为最大化项目净现值,内层决策目标为最大化DG出力和最小化主动负荷削减量;决策变量分为内层决策变量和外层决策变量,外层决策变量包括线路或者变压器替换、增容、拆除或者新建的选型方案,内层决策变量包括DG的出力和主动负荷削减量。
实施例2
本发明实施例提供的智能配电网自愈合控制方法如图1所示,作为优选实施例,如图5所示,本发明实施例提供的自愈评估方法如下:
S401,通过构建程序构建基于不确定理论的智能配电网自愈性体系,包括:智能电网自愈性评价指标体系,其中,包括自愈可信度、自愈率、自愈速度和自愈控制操作复杂度;
S402,根据指标体系、专家的试验数据和电网的统计数据计算指标数值;
S403,利用熵值法对多层次交互式算法改进,并对智能配电网的自愈性进行评价。
本发明实施例提供的根据指标体系、专家的试验数据和电网的统计数据计算指标数值包括:计算指标数值,定义第i个元件的可靠性指标ai来表示元件正常的不确定测度;定义x表示开关元件的状态,即xi=1的不确定测度为ai,xi=0的不确定测度为1-ai;定义负荷pi的自愈可信度Mbe=M{f(x1,x2,…,xn)=1}来表示负荷自愈的不确定测度;计算公式如下:
其中,负荷的自愈需要n个元件相互协作,用f表示n个元件的互联关系,若元件串联f(x1,x2,…,xn)=x1∧x2∧…∧xn,则Mbe=M{x1∧x2∧…∧xn=1}=a1∧a2∧…∧an;
若元件并联f(x1,x2,…,xn)=x1∨x2∨…∨xn,则Mbe=M{x1∨x2∨…∨xn=1}=a1∨a2∨…∨an;
若n个元件中有k个元件正常则可自愈f(x1,x2,…,xn)=k-max[x1,x2,…,xn],则Mbe=k-max[a1,a2,…,an]。
本发明实施例提供的利用熵值法对多层次交互式算法改进,并对智能配电网的自愈性进行评价包括:步骤a:利用熵值法对多层次交互式算法改进;步骤b:利用改进的多层次交互式算法对智能配电网的自愈性进行评价。
本发明实施例提供的步骤b包括:
步骤b1:根据上级,即待评价电网的总公司给出的要求,定出权重的上下限[u,v],根据熵值法定出初步权重W(0);
步骤b2:令k=0,用k来记录迭代次数,设置σ用来判断迭代是否终止;
步骤b3:各下级,即待评价电网的各个下属区域确定各自的权重;目标函数:
步骤b4:上级综合权重,得到新的权重W(k+1);
步骤b5:比较W(k+1)与W(k),若不满足要求,返回步骤b3;若满足要求,终止迭代计算。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (9)
1.一种智能配电网自愈合控制方法,其特征在于,所述智能配电网自愈合控制方法包括以下步骤:
步骤一,通过电网故障检测模块利用故障监测设备检测配电网故障信息;通过负荷检测模块利用负荷检测设备检测配电网负荷数据;通过电网状态检测模块利用电网检测设备检测配电网恢复状态信息;主控模块通过自愈策略生成模块生成配电网自愈策略;通过自愈规划模块利用规划程序确定规划区域,调研规划地区的法律政策和土地类型,确定变电站位置;预测规划地区的负荷、得到规划地区的负荷分布和典型日负荷曲线,进而结合变电站位置得到规划区内全部可建线路;
步骤二,调研规划地区可接受的新能源渗透率,得到新能源的典型日出力曲线,确定DG出力调整量;调研规划地区主动负荷分布及容量,确定主动负荷削减量;调研规划地区自动化设备的安装情况费用;并确定规划目标和决策变量:所述决策目标分为内层决策目标和外层决策目标,外层决策目标为最大化项目净现值,内层决策目标为最大化DG出力和最小化主动负荷削减量;决策变量分为内层决策变量和外层决策变量,外层决策变量包括线路或者变压器替换、增容、拆除或者新建的选型方案,内层决策变量包括DG的出力和主动负荷削减量;
步骤三,根据规划目标和决策变量列出目标函数;列出约束项;根据内层规划目标函数、外层规划目标函数、相关约束项生成主动配电网自愈规划模型;对主动配电网自愈规划模型进行优化然后计算,以得到最优决策;通过自愈测试模块利用测试程序对配电网自愈进行测试;通过自愈评估模块利用评估程序构建基于不确定理论的智能配电网自愈性体系,包括:智能电网自愈性评价指标体系;所述智能电网自愈性评价指标体系包括自愈可信度、自愈率、自愈速度和自愈控制操作复杂度;
步骤四,根据指标体系、专家的试验数据和电网的统计数据利用下式计算指标数值;
式中,ai表示第i个元件的可靠性指标即元件正常的不确定测度;x表示开关元件的状态,即xi=1的不确定测度为ai,xi=0的不确定测度为1-ai;负荷pi的自愈可信度Mbe=M{f(x1,x2,…,xn)=1}表示负荷自愈的不确定测度;负荷的自愈需要n个元件相互协作,用f表示n个元件的互联关系,若元件串联f(x1,x2,…,xn)=x1∧x2∧…∧xn,则Mbe=M{x1∧x2∧…∧xn=1}=a1∧a2∧…∧an;若元件并联f(x1,x2,…,xn)=x1∨x2∨…∨xn,则Mbe=M{x1∨x2∨…∨xn=1}=a1∨a2∨…∨an;若n个元件中有k个元件正常则可自愈f(x1,x2,…,xn)=k-max[x1,x2,…,xn],则Mbe=k-max[a1,a2,…,an];
步骤五,利用熵值法对多层次交互式算法改进,并对智能配电网的自愈性进行评价;通过警报模块利用警报器对配电网自愈异常进行警报通知;通过显示模块利用显示器显示电网故障信息、电网负荷、电网状态、自愈策略、自愈测试结果、自愈评估结果。
2.如权利要求1所述智能配电网自愈合控制方法,其特征在于,所述典型日负荷曲线包含昼负荷峰值和夜负荷峰值。
3.如权利要求1所述智能配电网自愈合控制方法,其特征在于,步骤三中,所述目标函数包括:外层规划目标函数与内层规划目标函数;
所述外层规划目标函数为净现值,即收益与网络综合费用之差;网络综合费用包括规划期投资建设成本、运行维护成本、DG及主动负荷削减成本;
所述内层规划目标函数包括DG削减量和主动负荷削减量。
4.如权利要求1所述智能配电网自愈合控制方法,其特征在于,步骤三中,所述约束项包括:外层规划约束项与内层规划约束项;
所述外层规划约束项包括网络连通性限制、网络辐射性限制、系统供电不足期望值小于最大值限制、系统平均中断时间小于最大值限制和建设逻辑约束;
所述内层规划约束项包括节点电压限制、线路及变压器容量限制、主动负荷削减量限制、新能源出力调整量限制和功率平衡约束。
5.如权利要求1所述智能配电网自愈合控制方法,其特征在于,所述利用熵值法对多层次交互式算法改进,并对智能配电网的自愈性进行评价包括:
1)利用熵值法对多层次交互式算法改进;
2)利用改进的多层次交互式算法对智能配电网的自愈性进行评价。
6.如权利要求5所述智能配电网自愈合控制方法,其特征在于,所述利用改进的多层次交互式算法对智能配电网的自愈性进行评价包括:
2.1)根据上级,即待评价电网的总公司给出的要求,定出权重的上下限[u,v],根据熵值法定出初步权重W(0);
2.2)令k=0,用k来记录迭代次数,设置σ用来判断迭代是否终止;
2.3)各下级,即待评价电网的各个下属区域确定各自的权重;目标函数:约束条件:其中,设有e个单元参与评价,每个单元有f个属性指标;第i个单元的第j个属性值用yij表示,第i个单元的第j个属性的权重值用wij表示;
2.4)上级综合权重,得到新的权重W(k+1);比较W(k+1)与W(k),若不满足要求,返回步骤2.3);若满足要求,终止迭代计算。
7.一种实施如权利要求1-6所述种智能配电网自愈合控制方法的种智能配电网自愈合控制系统,其特征在于,所述智能配电网自愈合控制系统包括:
电网故障检测模块、负荷检测模块、电网状态检测模块、主控模块、自愈策略生成模块、自愈规划模块、自愈测试模块、自愈评估模块、警报模块、显示模块;
电网故障检测模块,与主控模块连接,用于通过故障监测设备检测配电网故障信息;
负荷检测模块,与主控模块连接,用于通过负荷检测设备检测配电网负荷数据;
电网状态检测模块,与主控模块连接,用于通过电网检测设备检测配电网恢复状态信息;
主控模块,与电网故障检测模块、负荷检测模块、电网状态检测模块、自愈策略生成模块、自愈规划模块、自愈测试模块、自愈评估模块、警报模块、显示模块连接,用于控制各个模块正常工作;
自愈策略生成模块,与主控模块连接,用于生成配电网自愈策略;
自愈规划模块,与主控模块连接,用于通过规划程序对配电网进行自愈规划;
自愈测试模块,与主控模块连接,用于通过测试程序对配电网自愈进行测试;
自愈评估模块,与主控模块连接,用于通过评估程序对配电网自愈进行评估;
警报模块,与主控模块连接,用于通过警报器对配电网自愈异常进行警报通知;
显示模块,与主控模块连接,用于通过显示器显示电网故障信息、电网负荷、电网状态、自愈策略、自愈测试结果、自愈评估结果。
8.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1-7任意一项所述智能配电网自愈合控制方法。
9.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1-7任意一项所述智能配电网自愈合控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621895.2A CN113191522A (zh) | 2020-12-31 | 2020-12-31 | 一种智能配电网自愈合控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621895.2A CN113191522A (zh) | 2020-12-31 | 2020-12-31 | 一种智能配电网自愈合控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191522A true CN113191522A (zh) | 2021-07-30 |
Family
ID=76972533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011621895.2A Pending CN113191522A (zh) | 2020-12-31 | 2020-12-31 | 一种智能配电网自愈合控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191522A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114123186A (zh) * | 2021-11-26 | 2022-03-01 | 国网四川省电力公司泸州供电公司 | 基于智能配电网的自愈优化控制方法、系统、终端及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105405067A (zh) * | 2015-11-25 | 2016-03-16 | 国网安徽省电力公司经济技术研究院 | 一种基于两层规划的多阶段主动配电网自愈规划方法 |
CN106655158A (zh) * | 2016-10-26 | 2017-05-10 | 珠海许继芝电网自动化有限公司 | 一种基于智能电网的配电网自愈控制系统和方法 |
CN109754336A (zh) * | 2019-01-22 | 2019-05-14 | 华北电力大学 | 一种基于不确定理论的智能配电网自愈性评估方法 |
-
2020
- 2020-12-31 CN CN202011621895.2A patent/CN113191522A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105405067A (zh) * | 2015-11-25 | 2016-03-16 | 国网安徽省电力公司经济技术研究院 | 一种基于两层规划的多阶段主动配电网自愈规划方法 |
CN106655158A (zh) * | 2016-10-26 | 2017-05-10 | 珠海许继芝电网自动化有限公司 | 一种基于智能电网的配电网自愈控制系统和方法 |
CN109754336A (zh) * | 2019-01-22 | 2019-05-14 | 华北电力大学 | 一种基于不确定理论的智能配电网自愈性评估方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114123186A (zh) * | 2021-11-26 | 2022-03-01 | 国网四川省电力公司泸州供电公司 | 基于智能配电网的自愈优化控制方法、系统、终端及介质 |
CN114123186B (zh) * | 2021-11-26 | 2023-07-11 | 国网四川省电力公司泸州供电公司 | 基于智能配电网的自愈优化控制方法、系统、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Grid-side flexibility of power systems in integrating large-scale renewable generations: A critical review on concepts, formulations and solution approaches | |
Wang et al. | Resilience-driven optimal sizing and pre-positioning of mobile energy storage systems in decentralized networked microgrids | |
CN105932723B (zh) | 一种交直流混合微电网的网架结构优化规划方法 | |
Li et al. | Coordinated preparation and recovery of a post-disaster multi-energy distribution system considering thermal inertia and diverse uncertainties | |
Liang et al. | Probability-driven transmission expansion planning with high-penetration renewable power generation: A case study in northwestern China | |
Lata et al. | Reliability improvement of radial distribution system by optimal placement and sizing of energy storage system using TLBO | |
CN108122068A (zh) | 一种配电网风险规划方法及系统 | |
WO1996030843A1 (en) | System for optimizing power network design reliability | |
Ranjbar et al. | A robust optimization method for co-planning of transmission systems and merchant distributed energy resources | |
He et al. | Reliability modeling and evaluation of urban multi-energy systems: A review of the state of the art and future challenges | |
Yan et al. | Development of a tool for urban microgrid optimal energy planning and management | |
Utkarsh et al. | Self-organizing map-based resilience quantification and resilient control of distribution systems under extreme events | |
Zhu et al. | Co-optimization of supply and demand resources for load restoration of distribution system under extreme weather | |
Wang et al. | Integrated platform to design robust energy internet | |
Cai et al. | Hybrid stochastic-robust service restoration for wind power penetrated distribution systems considering subsequent random contingencies | |
Izzatillaev et al. | Short-term load forecasting in grid-connected microgrid | |
CN105184490A (zh) | 电网调度操作过程风险辅助预控系统 | |
Aruna et al. | A comprehensive review on the modern power system reliability assessment | |
Khodadadi et al. | Optimal resilient operation of smart distribution network in the presence of renewable energy resources and intelligent parking lots under uncertainties | |
Li et al. | Optimization method of skeleton network partitioning scheme considering resilience active improvement in power system restoration after typhoon passes through | |
Ghosh et al. | A stochastic investment decision making method for distribution system resilience enhancement considering automation, hardening and distributed energy resources | |
CN113191522A (zh) | 一种智能配电网自愈合控制系统及方法 | |
Zhang et al. | Reliability evaluation of high permeability renewable energy distribution network considering energy storage charge and discharge strategy | |
Hosseinzadeh et al. | Fast restoration of microgrids using online evaluation metrics considering severe windstorms | |
Chen et al. | Congestion identification and expansion planning methods of transmission system considering wind power and TCSC |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |