CN113204854A - 一种基于发电机节点及网络加权拓扑的电网分区方法 - Google Patents

Abstract

本发明公开了一种基于发电机节点及网络加权拓扑的电网分区方法，其特征在于，包括如下步骤：1）构建电力系统的加权网络模型；2）定义加权模型下电网模块度函数

；3）计算网络的模块化度量初值

；4）计算网络模块化增量值；5）网络压缩；6）得到最优的子网划分。这种方法结合电力网络的拓扑结构和电气特性，具有较高的准确性和效率，适合大型复杂网络的分析。

Description

一种基于发电机节点及网络加权拓扑的电网分区方法

技术领域

本发明涉及电网子网划分的问题，具体是一种基于发电机节点及网络加权拓扑的电网分区方法。

背景技术

随着特高压电网、智能电网以及清洁能源为目标的能源互联网不断建设，大型电网的逐步互联已初具规模，并在此基础上继续发展与完善，同时，随着电力系统规模的扩大，电力网络的可靠性分析和计算变得越来越复杂和困难。为了确保区域电网用电的安全稳定运行和管理，以合理可行的方式进行网络规划非常重要。

为了实现对电网运行状态的在线监控和快速调度决策制定，电网工作人员一般将电网划分为几个子区域，对子区域进行“分而治之”，这种做法有效地提高了处理速度，减少了计算量。合理的电网状态分析和调度策略的制定对电网的管理至关重要。通常，网络子网区域的划分是基于电网工作人员的工作经验或节点所在的行政区域所决定的，显然，这种方法不能准确反映电网各个组件之间的状态相关性，也不能适应电网不断变化的运行状态，所以需要一种能够快速检测电网子网的新方法。

传统的电网分区方式主要是按照地理位置和行政区域进行划分，这样的划分方式往往很少会考虑到网络自身的拓扑特性，而大规模的停电事故大多数是由分区间的联络线所引发的。

目前，社团检测方法大多集中在对非加权网络上进行研究，网络中的边只表示节点之间是否存在连接，不考虑该连接在无权网络中的强度，然而，现实世界中的网络总是复杂的，网络中的许多连边往往具有强或弱的关系，没有加权的网络不足以反映现实生活中对象之间的联系，对加权网络的研究具有实际应用意义，根据电力系统管理，每个社区至少含有一个发电机节点，以保证电力的供应，否则将无法完成分区。

发明内容

本发明目的是针对现有技术的不足，而提供一种基于发电机节点及网络加权拓扑的电网分区方法。这种方法结合电力网络的拓扑结构和电气特性，具有较高的准确性和效率，适合大型复杂网络的分析。

实现本发明目的的技术方案是：

一种基于发电机节点及网络加权的电网分区方法，包括如下步骤：

1)构建电力系统的加权网络模型：依据实际电力网络架构，建立电力系统的加权网络模型，并采用基于matlab的电力系统仿真组件matpower获取电网中节点的各项数据，其中，网络的边权定义为该条连边的导纳，具体为：电力系统的加权网络模型包括节点和链路，将实际电力系统中的发电厂和用户抽象为复杂电力网络中的发电机节点和负载节点，将发电厂和用户之间的输电线抽象为复杂电力网络中的连边，从matpower6.0中获取各节点的信息和节点连边之间的导纳；

2)定义加权模型下电网模块度函数Q^w：引入模块化Q函数作为划分和评价指标，并针对边权重，定义加权模型下电网模块度函数Q^w如公式(1)所示：

其中，

为连接s子网内部节点连边的权重之和占网络总权重的比例，式子δ(c_i,s)和δ(c_j,s)中c_i，c_j表示节点i,j所在的子网，当c_i＝s时函数值为1，c_i≠s时为0；同理，当c_j＝s时函数值为1，c_j≠s时为0；

为子网s内所有节点的权重之和所占的比例，T_i为节点i的权重，T_i等于与节点i直接相连的连边权重和，T为网络所有连边的总权重；

3)计算网络的模块化度量初值

初始化，将网络中的发电机节点各自定义为一个子网，形成初始的子网结构，不考虑负载节点，根据公式(1)计算网络的模块化度量值

4)计算网络模块化增量值：将网络中任意节点i并入相邻子网，计算每种合并带来的整个网络模块度的增量ΔQ^w，将节点i并入到使Q^w值增长最大的那个相邻子网，ΔQ^w＝Q^w′-Q^w，其中Q^w′为将节点i并入某相邻子网后计算得到的网络模块度值，Q^w为节点i没并入前的模块化度量值；

5)网络压缩：对步骤4)划分得到的网络进行压缩，将每个子网凝聚成一个节点，将原子网内各节点权重和赋给凝聚成的新节点、将两个子网间的所有连边凝聚成一条边，子网间凝聚后的边的权重为原来所有连边的权重和，由此得到压缩后的新网络；

6)得到最优的子网划分：重复步骤4)，直到改变网络中任一节点归属子网都不能使ΔQ^w值增加为止，Q^w值不再发生变化，节点不再移动，找出合并过程中最大的模块度值Q^w对应的划分结果即是最优的子网划分结果。

本技术方案经过两个阶段，步骤1)-步骤5)为对Q值的最优求解，步骤6)是将步骤1)-步骤5)所得结果进行子网合并得到更新后的网络，至此所有步骤完成后为一轮，随后自动进入下一轮循环，直到Q值不再发生变化，此时Q值所对应的是划分过程结束后所得到的新的网络即是所要求的子网划分方式，改进后的方法与现有技术划分方法相比，既保证划分后的每个子网有发电机对负载供电，也综合考虑了网络的拓扑和电气特性，使划分更符合实际。

本发明的有益效果在于：对实际电网进行加权网络建模，在Fast-newman方法的基础上提供基于发电机和网络加权的改进的快速凝聚算法FN(Fast-newman快速凝聚算法，简称FN)，这种方法具有较高的准确性和效率，适合大型复杂网络的分析，划分后的每个子网至少含有一个发电机节点，保证了电网因故障解裂后每个子网的正常供电，克服了传统的电网划分方法只关注拓扑或者只关注电气联系的不足。

附图说明

图1为实施例的方法流程示意图；

图2为实施例中的网络拓扑图；

图3为实施例中的社团划分结果图。

具体实施方式

下面结合附图和实施例对本发明的内容作进一步的阐述，但不是对本发明的限定。

实施例：

参照图1，一种基于发电机节点及网络加权的电网分区方法，包括如下步骤：

1)构建电力系统的加权网络模型：依据实际电力网络架构，建立电力系统的加权网络模型，并采用基于matlab的电力系统仿真组件matpower中获取电网中节点的各项数据，其中，网络的边权定义为该条连边的导纳，具体为：电力系统的加权网络模型包括节点和链路，将实际电力系统中的发电厂和用户抽象为复杂电力网络中的发电机节点和负载节点，将发电厂和用户之间的输电线抽象为复杂电力网络中的连边，从matpower6.0中获取各节点的信息和节点连边之间的导纳，本例以IEEE30标准测试系统为例，IEEE30系统属于英国电网系统中的一部分，拥有6个发电机节点和24个负载节点，如图2所示为IEEE30系统的网络拓扑结构图，发电机节点用圆圈表示，负载节点用圆点表示；

2)定义加权模型下电网模块度函数Q^w：引入模块化Q函数作为划分和评价指标，并针对边权重，定义加权模型下电网模块度函数Q^w如公式(1)所示：

其中，

为连接s子网内部节点连边的权重之和占网络总权重的比例，式子δ(c_i,s)和δ(c_j,s)中c_i，c_j表示节点i,j所在的子网，当c_i＝s时函数值为1，c_i≠s时为0；同理，当c_j＝s时函数值为1，c_j≠s时为0；

为子网s内所有节点的权重之和所占的比例，T_i为节点i的权重，T_i等于与节点i直接相连的连边权重和，T为网络所有连边的总权重；

3)计算网络的模块化度量初值

初始化，将网络中的发电机节点各自定义为一个子网，形成初始的子网结构，不考虑负载节点，根据公式(1)计算网络的模块化度量值

4)计算网络模块化增量值：将网络中任意节点i并入相邻子网，计算每种合并带来的整个网络模块度的增量ΔQ^w，将节点i并入到使Q^w值增长最大的那个相邻子网，ΔQ^w＝Q^w′-Q^w，其中Q^w′为将节点i并入某相邻子网后计算得到的网络模块度值，Q^w为节点i没并入前的模块化度量值；

5)网络压缩：对步骤4)划分得到的网络进行压缩，将每个子网凝聚成一个节点，将原子网内各节点权重和赋给凝聚成的新节点、将两个子网间的所有连边凝聚成一条边，子网间凝聚后的边的权重为原来所有连边的权重和，由此得到压缩后的新网络；

6)得到最优的子网划分：重复步骤4)，直到改变网络中任一节点归属子网都不能使ΔQ^w值增加为止，Q^w值不再发生变化，节点不再移动，找出合并过程中最大的模块度值Q^w对应的划分结果即是最优的子网划分结果。

分别对IEEE14，IEEE30，IEEE39，IEEE118和IEEE300网络采用本例方法进行划分，计算划分后的各网络的Q值，并将各网络的Q值分别与Fast-newman算法划分后的结果进行对比，以验证本例方法的有效性，表1表示两种不同划分方式下各系统的模块度Q值：

表1两种不同划分方式下各系统的模块度Q值

IEEE标准网络	Fast-newman	改进的Fast-newman算法
			IEEE14	0.4037	0.4728
IEEE30	0.5434	0.5588
			IEEE39	0.6212	0.6870
IEEE118	0.7123	0.8011
			IEEE2383	0.8957	0.9837

从表1中可以看出，与Fast-newman算法相比，无论是大网络还是小网络，本例方法经过子网划分后所得到的网络Q值均比Fast-newman子网划分后所得到的Q值要大，Q值越大且越接近于1，说明子网内部结构越紧密，外部联系越稀疏，子网的划分效果越好。

进一步地，通过实验仿真后获得划分后各子网的信息，然后用复杂网络分析软件gephi进行数据可视化处理，以IEEE30网络为例进行讨论，如图3(a)是采用Fast-newman算法进行划分后网络的子网结构，图3(b)是采用本例方法进行划分后网络的子网结构，图中用虚线将每个子网区分开来，发电机节点用三角符号表示，负载节点用圆形符号表示，观察发现，IEEE30网络在两种划分方式下分别划分了4和3个子网，采用本例方法保证了划分后的子网都有发电机，而原始的FN算法划分后出现子网不存在发电机的情况，这种情况在实际的电力系统操作中往往是有缺陷的，当电网中的某个环节遭受外来因素的破坏或被移除，采取紧急的控制措施仍无法阻止故障的传播时，此时可以按事先对电网进行子网划分的结果主动地对电网进行解列，使电网分裂为多个“孤岛”，阻止故障源在电网中的大范围传播，防止大规模的停电事故发生，而使分裂后的各个子网能够正常运行的关键在于发电机，原始的Fast-newman快速凝聚算法对电网进行划分后不能保证每个子网都被分配到发电机，但本例方法与原始的FN算法不同在它在算法的初始化步骤就已经把发电机考虑进去，并结合了网络的电气特性等方面，让社团发现更符合实际电网的划分，因此它能保证划分后的每个子网有一个或多个发电机，从而可以在电网解列后对子网采取一些列稳定措施，如升压和切负荷等，最大程度地控制级联故障的传播，此外，结合划分结果和Q值可以看出，本例方法划分结果更合理，整体社团结构更加明显，这说明电网的社团结构是普遍存在的，在IEEE标准网络中实验发现加权网络对子网划分具有促进的作用。

Claims (1)

1.一种基于发电机节点及网络加权拓扑的电网分区方法，其特征在于，包括如下步骤：

1)构建电力系统的加权网络模型：依据实际电力网络架构，建立电力系统的加权网络模型，并采用基于matlab的电力系统仿真组件matpower获取电网中节点的各项数据，其中，网络的边权定义为该条连边的导纳，具体为：电力系统的加权网络模型包括节点和链路，将实际电力系统中的发电厂和用户抽象为复杂电力网络中的发电机节点和负载节点，将发电厂和用户之间的输电线抽象为复杂电力网络中的连边，从matpower6.0中获取各节点的信息和节点连边之间的导纳；

2)定义加权模型下电网模块度函数Q^w：引入模块化Q函数作为划分和评价指标，并针对边权重，定义加权模型下电网模块度函数Q^w如公式(1)所示：

其中，

为连接s子网内部节点连边的权重之和占网络总权重的比例，式子δ(c_i,s)和δ(c_j,s)中c_i，c_j表示节点i,j所在的子网，当c_i＝s时函数值为1，c_i≠s时为0；同理，当c_j＝s时函数值为1，c_j≠s时为0；

为子网s内所有节点的权重之和所占的比例，T_i为节点i的权重，T_i等于与节点i直接相连的连边权重和，T为网络所有连边的总权重；

3)计算网络的模块化度量初值

初始化，将网络中的发电机节点各自定义为一个子网，形成初始的子网结构，不考虑负载节点，根据公式(1)计算网络的模块化度量值

4)计算网络模块化增量值：将网络中任意节点i并入相邻子网，计算每种合并带来的整个网络模块度的增量ΔQ^w，将节点i并入到使Q^w值增长最大的那个相邻子网，ΔQ^w＝Q^w′-Q^w，其中Q^w′为将节点i并入某相邻子网后计算得到的网络模块度值，Q^w为节点i没并入前的模块化度量值；

5)网络压缩：对步骤4)划分得到的网络进行压缩，将每个子网凝聚成一个节点，将原子网内各节点权重和赋给凝聚成的新节点、将两个子网间的所有连边凝聚成一条边，子网间凝聚后的边的权重为原来所有连边的权重和，由此得到压缩后的新网络；

6)得到最优的子网划分：重复步骤4)，直到改变网络中任一节点归属子网都不能使ΔQ^w值增加为止，Q^w值不再发生变化，节点不再移动，找出合并过程中最大的模块度值Q^w对应的划分结果即是最优的子网划分结果。

Images