CN113300376B - 一种配电终端优化配置方法及系统 - Google Patents

一种配电终端优化配置方法及系统 Download PDF

Info

Publication number
CN113300376B
CN113300376B CN202110643321.3A CN202110643321A CN113300376B CN 113300376 B CN113300376 B CN 113300376B CN 202110643321 A CN202110643321 A CN 202110643321A CN 113300376 B CN113300376 B CN 113300376B
Authority
CN
China
Prior art keywords
island
power distribution
branch
branches
power
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
CN202110643321.3A
Other languages
English (en)
Other versions
CN113300376A (zh
Inventor
温鹏
贾宇琛
高立艾
魏子强
郁五岳
费凡
霍利民
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.)
Hebei Agricultural University
Original Assignee
Hebei Agricultural 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 Hebei Agricultural University filed Critical Hebei Agricultural University
Priority to CN202110643321.3A priority Critical patent/CN113300376B/zh
Publication of CN113300376A publication Critical patent/CN113300376A/zh
Application granted granted Critical
Publication of CN113300376B publication Critical patent/CN113300376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • 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
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种配电终端优化配置方法及系统。该方法包括：以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；根据所述孤岛范围支路的集合判断各孤岛范围是否重合；若是，在所述孤岛范围边界处规划配电自动化装置；采用遗传算法对配电自动化装置进行优化配置；若否，结束。本发明考虑了在孤岛边界设置配电自动化装置，实现了对配电自动化装置的优化配置。

Description

一种配电终端优化配置方法及系统
技术领域
本发明涉及配电终端优化配置领域，特别是涉及一种配电终端优化配置方法及系统。
背景技术
风力、太阳能、生物质能等可再生能源具有可持续性发展、污染少的特点，大量发展新能源可以缓解能源短缺、环境污染等问题。特别是风力、光伏在我国现阶段绿色清洁能源发展中有着不可忽视的地位。
微电网是分布式电源(Distributed Generation，DG)接入配电网的有效桥梁，它能充分发挥DG灵活、清洁、高效的优点。微电网并网后，由于其并网位置、容量的区别会影响配电网的潮流分布，通过优化微电网运行控制能力，能进一步降低配电网运行成本、改善电压质量、降低网损。随着配电网中DG渗透率的不断提高，配电网已经初步具备了独立运行的能力，在2011年修订的IEEEStd1547.4-2011中规定，微电网的定义可以延伸到含DG配电网中，将含DG的配电系统看作是由多个DG协调运行的微电网组成，该标准支持并且鼓励DG与用户，根据合理的孤岛划分方法实现孤岛划分。当配电网发生大面积停电后，微电网可以结合相应的孤岛划分方法，合理平滑地转入孤岛运行，充分发挥DG供电能力的同时，提高能源利用率和负荷供电可靠性。
在文件号为CN 102738834 B发明名称为“一种含光伏电源的城市微电网多孤岛动态划分与运行方法”中提出了一种在配电网故障情况下的光伏电源孤岛供电划分策略。该策略充分考虑了光伏电源日输出曲线与各典型行业的综合日输出曲线之间的功率匹配，将光伏电能优先供给重要负荷，并将剩余的输出电能供给非重要负荷。建立了光伏电源供给非重要负荷的优化模型，在各时段里动态地对非重要负荷按行业分类进行优化供给。得出优化结果后，以各光伏电源为根节点形成电力孤岛，并考虑了多孤岛融合的情况。但上述技术在动态孤岛划分中，未考虑在孤岛边界设置配电自动化装置。
发明内容
针对上述问题，本发明提供一种配电终端优化配置方法及系统。
为实现上述目的，本发明提供了如下方案：
一种配电终端优化配置方法，所述配电终端优化配置方法为计及农村配电网动态孤岛划分的配电终端优化配置方法，所述配电终端优化配置方法包括：
以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；
根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；
根据所述孤岛范围支路的集合判断各孤岛范围是否重合；
若是，在所述孤岛范围边界处规划配电自动化装置；
采用遗传算法对配电自动化装置进行优化配置；
若否，结束。
可选地，所述根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合，具体包括：
根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合。
可选地，所述根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合相应约束条件，求出一天24个时段内孤岛范围支路的集合，具体包括：
S1根据所述启发信息，以分布式电源节点为根节点，对连接支路进行搜索，根据权值的高低判断所提供的出力是否可以把权值高支路和其所连接的负荷节点划入孤岛；
S2若支路权值相同，则对所述负荷优先级进行比较，选取负荷优先级高的支路划入孤岛；
S3判断所述负荷优先级高的支路在划入孤岛后是否满足孤岛运行的功率平衡约束条件，获得第一判断结果；
S4若所述第一判断结果表示是，则将所述负荷优先级高的支路划入孤岛；
S5若所述第一判断结果表示否，则不将所述负荷优先级高的支路划入孤岛；
S6重复S1-S5，确定24个时段内孤岛范围支路的集合。
可选地，所述配电自动化装置混合配置二遥终端和三遥终端。
可选地，所述采用遗传算法对配电自动化装置进行优化配置，具体包括：
初始化父代种群，并根据配电网络中的开关数量，确定种群内染色体的长度；所述种群内每条染色体对应一种配电终端配置；
计算所述父代种群内每条染色体的适应度；
采用轮盘赌的方法从所述父代种群内选出一条染色体；
将选出的染色体对应的配电终端配置带入配电网络中，计算当前配电网络的平均供电可用率指标值；
若当前配电网络的平均供电可用率指标值大于或等于预设平均供电可用率指标值，则将选出的染色体复制到下一代中；
返回步骤“采用轮盘赌的方法从所述父代种群内选出一条染色体”，直至下一代种群的染色体数量与父代种群的染色体数量相同，获得下一代种群；
对下一代种群内的染色体进行交叉和变异，获得新的染色体种群；
根据新的染色体种群内每条染色体的适应度确定新的染色体种群的最优解；
根据所述新的染色体种群的最优解更新所有代种群的全局最优解；
判断新的染色体种群的代数是否等于最大代数，获得第二判断结果；
若所述第二判断结果表示否，则将新的染色体种群替换父代种群，返回步骤“采用轮盘赌的方法从所述父代种群内选出一条染色体”；
若所述第二判断结果表示是，则输出所述全局最优解，将所述全局最优解作为配电自动化装置的优化配置。
可选地，所述当前配电网络的平均供电可用率指标值的计算公式为：
Figure BDA0003107977650000041
其中，ASAI为平均供电可用率指标值，n为配电网络的所有用户数量，Ui为第i个负荷点的停电时间，ni为第i个负荷点的用户数量，N为配电网络的负荷点数量。
为实现上述目的，本发明还提供了如下方案：
一种配电终端优化配置系统包括：
权值和负荷优先级确定模块，用于以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；
孤岛范围支路集合确定模块，用于根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；
孤岛范围重合判断模块，用于根据所述孤岛范围支路的集合判断各孤岛范围是否重合；
配电自动化装置规划模块，用于当孤岛范围重合时，在所述孤岛范围边界处规划配电自动化装置；
优化配置模块，用于采用遗传算法对配电自动化装置进行优化配置；
当孤岛范围没有重合时，结束。
可选地，所述孤岛范围支路集合确定模块具体包括：
孤岛范围支路集合确定单元，用于根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合。
可选地，所述配电自动化装置混合配置二遥终端和三遥终端。
可选地，所述采优化配置模块具体包括：
优化配置单元，用于使用配电系统ASAI指标要求作为约束条件，采用遗传算法对配电自动化装置进行优化配置。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种配电终端优化配置方法，该方法包括：以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；根据所述孤岛范围支路的集合判断各孤岛范围是否重合；若是，在所述孤岛范围边界处规划配电自动化装置；采用遗传算法对配电自动化装置进行优化配置；若否，结束。本发明考虑了在孤岛边界设置配电自动化装置，实现了对配电自动化装置的优化配置。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为多孤岛融合示意图；
图2为本发明配电终端优化配置方法流程图；
图3为本发明有重合范围示意图；
图4为本发明无重合范围示意图；
图5为本发明配电终端优化配置系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
在文件号为CN 102738834 B发明名称为“一种含光伏电源的城市微电网多孤岛动态划分与运行方法中公开了含多个光伏电源的配电网故障后孤岛划分算法的步骤如下：
①对配电网故障处下游各失电的负荷功率以及各光伏电源的输出功率进行未来小时的短期预测；
②对各负荷进行行业分类及综合，按行业负荷分为第三产业、轻工业、重工业和市政生活四类，并对步骤①中预测得到的各负荷需求功率进行行业综合；
③利用三次样条插值方法对各时段上的光伏电源输出功率曲线及各行业负荷综合等效功率曲线进行三次多项式模拟，得到各光伏电源日输出曲线和四类行业综合日负荷曲线；
④将各负荷按供电优先级划分为重要负荷与非重要负荷，对重要负荷要优先供电；利用网损最小的原则和深度优先搜索算法对重要负荷进行孤岛划分，确定对各重要负荷进行供电的光伏电源，即判断各重要负荷应由哪个光伏电源所供给；
⑤若某时段内光伏电源的输出功率小于重要负荷的需求量，电源的输出功率要全额供给重要负荷，其不足量由其他类型的分布式电源进行供给；若该时段光伏电源的输出功率大于重要负荷的需求量，则有剩余的功率输出量可以供给非重要负荷；由下式确定光伏电源输出大于等于所属重要负荷需求的时间段，即光伏电源输出可以供给非重要负荷的时间段T：
Figure BDA0003107977650000061
⑥对于非重要的负荷，在步骤⑤所确定的时间段内，建立小节中的优化模型，可将总时段划分为粒度更小的分时段(例如每一小时)。在各分时段内，采用粒子群优化算法对各光伏电源供给各行业非重要负荷的功率进行优化，得到式中的优化功率值w1，w2，w3，w4。
⑦根据各负荷的行业属性及步骤⑥中得到的优化结果，以各独立光伏电源的安装节点为根节点，利用广度优先搜索算法，在各分时段内对各光伏电源的孤岛供电区域进行动态划分；
⑧在完成对各光伏电源单独的孤岛划分后，假如有两个以上的光伏电源的孤岛供电范围路径有重合，则将此多个光伏电源的供电范围进行融合，在所融合的孤岛范围内的各负荷均可由多个光伏电源对其同时供电。图1为多孤岛融合示意图。如图1所示，图中和各自的孤岛范围在节点至节点间的输电路径上重合，因此可将两孤岛进行合并。
上述技术存在以下不足：
(1)分布式电源只考虑了风力发电、光伏发电和微型燃气轮机，没有涉及农村地区的沼气发电和冷热电联产发电机组等分布式电源。
(2)在动态孤岛划分中，未考虑在孤岛边界设置配电自动化装置。
(3)配电自动化装置可设置为二遥或三遥，未针对系统综合经济效益对配电自动化装置设置进行优化。
针对上述问题本发明提供一种配电终端优化配置方法，图2为本发明配电终端优化配置方法流程图。如图2所示，一种配电终端优化配置方法包括：
步骤101：以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级。
步骤102：根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；
步骤103：根据所述孤岛范围支路的集合判断各孤岛范围是否重合；
步骤104：若是，在所述孤岛范围边界处规划配电自动化装置；
步骤105：采用遗传算法对配电自动化装置进行优化配置；
步骤106：若否，结束。
针对上述配电终端优化配置方法，以下进行具体论述：
步骤101中三类支路中第一类为连接充电站的节点；第二类为连接负荷的节点；第三类为连接母线的节点，远离主电源的节点的负荷优先级越高；负荷需具有一定的可控度保证在孤岛内出力不足有效的对负荷进行削减。所述分布式电源包括风力发电、光伏发电和微型燃气轮机、柴油发电机、冷热电联产发电机组和沼气发电。
步骤102中根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合，具体包括：
根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合。
对于上述步骤进一步进行论述，即根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合，具体包括：
S1根据所述启发信息，以分布式电源节点为根节点，对连接支路进行搜索，根据权值的高低判断所提供的出力是否可以把权值高支路和其所连接的负荷节点划入孤岛；
S2若支路权值相同，则对所述负荷优先级进行比较，选取负荷优先级高的支路划入孤岛；
S3判断所述负荷优先级高的支路在划入孤岛后是否满足孤岛运行的功率平衡约束条件，获得第一判断结果；
S4若所述第一判断结果表示是，则将所述负荷优先级高的支路划入孤岛；
S5若所述第一判断结果表示否，则不将所述负荷优先级高的支路划入孤岛；
S6重复S1-S5，确定24个时段内孤岛范围支路的集合。
所述24个时段内孤岛范围支路的集合记为GD
Figure BDA0003107977650000091
i∈规划区域支路编号
其中每行为24小时内各时段孤岛所包含的支路。
图3为本发明有重合范围示意图。图4为本发明无重合范围示意图。如图3和4所示，DG中包含储能或可持续供电的分布式电源，若在GD集合中24个时段孤岛范围有都互相重合的范围，此范围为最小孤岛范围。最小孤岛范围可以保证任何时段发生故障后都可以稳定运行，则以此范围和24个时段内孤岛供电的最大范围作为可以扩大或缩减的孤岛，若在GD集合中24个时段没有可重合的范围，则只以最大范围作为孤岛。
步骤103中，为保证大电网故障时有效形成孤岛，并尽可能多的使负荷恢复供电，应根据所形成的孤岛范围在其边界处规划配电自动化装置的安装位置，进而实现孤岛范围的灵活扩大和缩减。
步骤104中，所述配电自动化装置混合配置二遥终端和三遥终端。二遥终端具有遥测、遥信和故障上报的功能。三遥终端除具有二遥终端具有的功能外，还拥有电动操作机构，具有遥控功能，在故障定位之后，可迅速隔离故障点恢复非故障区供电。所以三遥配电终端的配置对于提高系统供电可靠性的效果明显高于二遥。三遥配电终端安装的投资费用比较高，以供电区域的供电可靠性为约束，混合配置二遥、三遥终端，从而获得最好的经济效益是目前常用的终端优化配置原则。为了方便分析，使用平均供电可用率指标(ASAI)分析安装各种配电终端后配电网的可靠性，使用系统总电量不足指标(ENSI)分析安装各种配电终端的经济性。
Figure BDA0003107977650000092
Figure BDA0003107977650000093
式中，n为整个系统所有用户数量，Ui为第i个负荷点的停电时间，ni为第i个负荷点的用户数量，N为整个系统的负荷点数量，Pi为第i个负荷点的平均功率。
经济评估模型考虑了设备全生命周期成本的情况，目标函数包括初期终端建设投资的费用、运行维护的费用和提高供电可靠性而减少用户停电损失的费用。
1)终端初期投资费用：在全生命周期成本下，将终端投资转化为等年值进行经济评价，其数学模型为
Figure BDA0003107977650000101
式中，Nk为终端数量，Cf为单个开关上终端建设所需设备的总价钱，q为贴现率；p为终端使用年限。
2)终端年运行维护费用：由终端建设的初始总投资乘相应的百分比折算得到
CM＝NkCpCf，
式中，Cp为配电终端的运维加权折算率。
3)系统停电损失费用：此处使用本地区国内生产总值与所消耗电能的比值得到单位电量产生的经济效益，乘当前终端配置下的系统总电量不足指标，即可得到系统停电损失费用。
CI＝Cs＊ENSI，
式中，Cs为每千瓦时电能所产生的经济效益。
4)建立目标函数，C min由以上3种费用相加得到。
Figure BDA0003107977650000102
步骤105所述采用遗传算法对配电自动化装置进行优化配置，具体包括：
初始化父代种群，并根据配电网络中的开关数量，确定种群内染色体的长度；所述种群内每条染色体对应一种配电终端配置；
计算所述父代种群内每条染色体的适应度；
采用轮盘赌的方法从所述父代种群内选出一条染色体；
将选出的染色体对应的配电终端配置带入配电网络中，计算当前配电网络的平均供电可用率指标值；
若当前配电网络的平均供电可用率指标值大于或等于预设平均供电可用率指标值，则将选出的染色体复制到下一代中；
返回步骤“采用轮盘赌的方法从所述父代种群内选出一条染色体”，直至下一代种群的染色体数量与父代种群的染色体数量相同，获得下一代种群；
对下一代种群内的染色体进行交叉和变异，获得新的染色体种群；
根据新的染色体种群内每条染色体的适应度确定新的染色体种群的最优解；
根据所述新的染色体种群的最优解更新所有代种群的全局最优解；
判断新的染色体种群的代数是否等于最大代数，获得第二判断结果；
若所述第二判断结果表示否，则将新的染色体种群替换父代种群，返回步骤“采用轮盘赌的方法从所述父代种群内选出一条染色体”；
若所述第二判断结果表示是，则输出所述全局最优解，将所述全局最优解作为配电自动化装置的优化配置。
即，本发明使用配电系统ASAI指标要求作为约束条件，采用遗传算法对配电自动化装置进行优化配置。
进行选择运算时，计算出本代中每条染色体的适应度函数值，同时用1。1中的原则计算出系统中各个负荷点的停电时间，进而计算出每条染色体所对应的ASAI和ENSI的值。
用配电系统中所要求的ASAI0的值作为约束条件，用轮盘赌的方法每选出一条染色体，用其所对应的ASAIi的值与该配电网所要求的ASAI0的值进行比较，若ASAIi≥ASAI0，则将选出的染色体复制到下一代中，否则此次选择无效，重新选择新的染色体，当下一代与本代染色体种群规模相同时停止选择复制操作。
在对本代种群进行一轮选择、交叉、变异运算之后可得到新一代染色体种群，继续循环此过程，循环到相应的代数之后，可得到最佳的优化结果，即得到配电网络中配电终端的最优配置。
具体步骤为：
步骤1：读取网络各支路上的设备类型，元件故障率参数，元件故障修复时间参数，负荷节点平均功率参数以及用户数量参数，并对开关进行编号，与遗传算法中的二进制编码相对应。
步骤2：初始化种群，根据网络中开关数量，确定染色体长度，随机生成适当规模的种群。
步骤3：将种群内所有染色体所对应的终端配置方法逐一代入到网络中，计算每个负荷点的停电时间和故障率，进而计算整个系统的ASAI指标和该染色体的适应度值。
步骤4：将种群内所有染色体的适应度值计算出来之后，以系统可靠性指标大于可靠性约束条件，作为遗传算法中选择算子的选择条件进行染色体选择操作。
步骤5：进行染色体交叉操作。
步骤6：进行染色体变异操作，得到新的染色体种群。
步骤7：判断遗传代数是否达到设定代数，若是则结束程序并输出优化结果，否则继续执行步骤3到步骤6。
显然本发明在充分考虑包含风力发电、光伏发电和微型燃气轮机、柴油发电机、冷热电联产发电机组、沼气发电等分布式电源的基础上，结合储能设备以及电动汽车，对辐射型农村配电网进行动态孤岛划分，并考虑在孤岛边界设置分段开关。分段开关可设置为二遥或三遥，针对系统经济性对开关设置进行优化。
图5为本发明配电终端优化配置系统结构图。由图5可知，本发明还提供一种配电终端优化配置系统，该系统包括：
权值和负荷优先级确定模块201，用于以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；
孤岛范围支路集合确定模块202，用于根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；
孤岛范围重合判断模块203，用于根据所述孤岛范围支路的集合判断各孤岛范围是否重合；
配电自动化装置规划模块204，用于当孤岛范围重合时，在所述孤岛范围边界处规划配电自动化装置；
优化配置模块205，用于采用遗传算法对配电自动化装置进行优化配置；
当孤岛范围没有重合时，结束。
所述孤岛范围支路集合确定模块201具体包括：
孤岛范围支路集合确定单元，用于根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合。
所述配电自动化装置混合配置二遥终端和三遥终端。
所述采优化配置模块205具体包括：
优化配置单元，用于使用配电系统ASAI指标要求作为约束条件，采用遗传算法对配电自动化装置进行优化配置。
针对辐射型农村配电网，考虑了多种分布式电源在大电网故障时的孤岛划分方法，由于风光储的时变特性使得孤岛在各时段形成不同的孤岛范围。为实现不同孤岛范围的有效形成，在各孤岛范围边界处设置配电自动化终端，并以综合经济效益为目标函数，配电系统中所要求的平均供电可用率指标为约束，使用遗传算法对配电自动化终端进行了优化配置。
孤岛划分充分利用分布式电源独立、快速供电的能力，对提高用户供电可靠性，减少停电损失意义重大。同时建设智能电网是国内外电力系统长期发展的目标，孤岛划分是配电网自愈的重要手段之一，研究孤岛划分问题，确定最优孤岛范围、提高孤岛运行稳定、制定最佳的孤岛划分方案有重要意义。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种配电终端优化配置方法，其特征在于，所述配电终端优化配置方法为计及农村配电网动态孤岛划分的配电终端优化配置方法，所述配电终端优化配置方法包括：
以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；所述三类支路中第一类为连接充电站的节点；第二类为连接负荷的节点；第三类为连接母线的节点；
根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；
根据所述孤岛范围支路的集合判断各孤岛范围是否重合；若在孤岛范围支路的集合中24个时段孤岛范围有都互相重合的范围，此范围为最小孤岛范围，则以最小孤岛范围和24个时段内孤岛供电的最大范围作为可以扩大或缩减的孤岛，若在孤岛范围支路的集合中24个时段没有可重合的范围，则只以最大范围作为孤岛；
若是，在孤岛范围边界处规划配电自动化装置；
采用遗传算法对配电自动化装置进行优化配置；
若否，结束。
2.根据权利要求1所述的配电终端优化配置方法，其特征在于，所述根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合，具体包括：
根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合。
3.根据权利要求2所述的配电终端优化配置方法，其特征在于，所述根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合，具体包括：
S1根据所述启发信息，以分布式电源节点为根节点，对连接支路进行搜索，根据权值的高低判断所提供的出力是否可以把权值高支路和其所连接的负荷节点划入孤岛；
S2若支路权值相同，则对所述负荷优先级进行比较，选取负荷优先级高的支路划入孤岛；
S3判断所述负荷优先级高的支路在划入孤岛后是否满足孤岛运行的功率平衡约束条件，获得第一判断结果；
S4若所述第一判断结果表示是，则将所述负荷优先级高的支路划入孤岛；
S5若所述第一判断结果表示否，则不将所述负荷优先级高的支路划入孤岛；
S6重复S1-S5，确定24个时段内孤岛范围支路的集合。
4.根据权利要求1所述的配电终端优化配置方法，其特征在于，所述配电自动化装置混合配置二遥终端和三遥终端。
5.根据权利要求1所述的配电终端优化配置方法，其特征在于，所述采用遗传算法对配电自动化装置进行优化配置，具体包括：
初始化父代种群，并根据配电网络中的开关数量，确定种群内染色体的长度；所述种群内每条染色体对应一种配电终端配置；
计算所述父代种群内每条染色体的适应度；
采用轮盘赌的方法从所述父代种群内选出一条染色体；
将选出的染色体对应的配电终端配置带入配电网络中，计算当前配电网络的平均供电可用率指标值；
若当前配电网络的平均供电可用率指标值大于或等于预设平均供电可用率指标值，则将选出的染色体复制到下一代中；
返回步骤“采用轮盘赌的方法从所述父代种群内选出一条染色体”，直至下一代种群的染色体数量与父代种群的染色体数量相同，获得下一代种群；
对下一代种群内的染色体进行交叉和变异，获得新的染色体种群；
根据新的染色体种群内每条染色体的适应度确定新的染色体种群的最优解；
根据所述新的染色体种群的最优解更新所有代种群的全局最优解；
判断新的染色体种群的代数是否等于最大代数，获得第二判断结果；
若所述第二判断结果表示否，则将新的染色体种群替换父代种群，返回步骤“采用轮盘赌的方法从所述父代种群内选出一条染色体”；
若所述第二判断结果表示是，则输出所述全局最优解，将所述全局最优解作为配电自动化装置的优化配置。
6.根据权利要求5所述的配电终端优化配置方法，其特征在于，所述当前配电网络的平均供电可用率指标值的计算公式为：
其中，ASAI为平均供电可用率指标值，n为配电网络的所有用户数量，Ui为第i个负荷点的停电时间，ni为第i个负荷点的用户数量，N为配电网络的负荷点数量。
7.一种配电终端优化配置系统，其特征在于，包括：
权值和负荷优先级确定模块，用于以分布式电源为中心，将支路作为启发信息，并将支路划分为三类支路，将所述三类支路赋予不同大小的权值，权值高的优先划入孤岛范围，同时确定负荷优先级；所述三类支路中第一类为连接充电站的节点；第二类为连接负荷的节点；第三类为连接母线的节点；
孤岛范围支路集合确定模块，用于根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，确定24个时段内孤岛范围支路的集合；
孤岛范围重合判断模块，用于根据所述孤岛范围支路的集合判断各孤岛范围是否重合；若在孤岛范围支路的集合中24个时段孤岛范围有都互相重合的范围，此范围为最小孤岛范围，则以最小孤岛范围和24个时段内孤岛供电的最大范围作为可以扩大或缩减的孤岛，若在孤岛范围支路的集合中24个时段没有可重合的范围，则只以最大范围作为孤岛；
配电自动化装置规划模块，用于当孤岛范围重合时，在孤岛范围边界处规划配电自动化装置；
优化配置模块，用于采用遗传算法对配电自动化装置进行优化配置；
当孤岛范围没有重合时，结束。
8.根据权利要求7所述的配电终端优化配置系统，其特征在于，所述孤岛范围支路集合确定模块具体包括：
孤岛范围支路集合确定单元，用于根据所述启发信息、权值和负荷优先级，以分布式电源节点为根节点，根据配电网正常运行的每个时段内分布式电源的出力和储能的最大放电功率划分出相应时段的孤岛范围，结合孤岛运行的功率平衡约束条件，求出一天24个时段内孤岛范围支路的集合。
9.根据权利要求7所述的配电终端优化配置系统，其特征在于，所述配电自动化装置混合配置二遥终端和三遥终端。
10.根据权利要求7所述的配电终端优化配置系统，其特征在于，所述优化配置模块具体包括：
优化配置单元，用于使用配电系统ASAI指标要求作为约束条件，采用遗传算法对配电自动化装置进行优化配置。
CN202110643321.3A 2021-06-09 2021-06-09 一种配电终端优化配置方法及系统 Active CN113300376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110643321.3A CN113300376B (zh) 2021-06-09 2021-06-09 一种配电终端优化配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110643321.3A CN113300376B (zh) 2021-06-09 2021-06-09 一种配电终端优化配置方法及系统

Publications (2)

Publication Number Publication Date
CN113300376A CN113300376A (zh) 2021-08-24
CN113300376B true CN113300376B (zh) 2023-04-07

Family

ID=77327824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110643321.3A Active CN113300376B (zh) 2021-06-09 2021-06-09 一种配电终端优化配置方法及系统

Country Status (1)

Country Link
CN (1) CN113300376B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861283A (zh) * 2019-02-25 2019-06-07 南方电网科学研究院有限责任公司 一种两阶段式配电网紧急孤岛划分方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102738834B (zh) * 2012-06-21 2014-08-20 浙江大学 一种含光伏电源的城市微电网多孤岛动态划分与运行方法
CN108233367A (zh) * 2018-01-22 2018-06-29 国网山东省电力公司寿光市供电公司 含分布式电源配电网最优孤岛划分计算方法
US10804736B2 (en) * 2018-11-13 2020-10-13 Mitsubishi Electric Research Laboratories, Inc. Methods and systems for post-disaster resilient restoration of power distribution system
CN110808633B (zh) * 2019-10-29 2023-09-26 上海电力大学 一种主动配电网配电自动化终端优化配置方法
CN112910000B (zh) * 2021-02-03 2022-05-13 国网福建省电力有限公司宁德供电公司 一种包含分布式电源的配电网动态孤岛划分方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109861283A (zh) * 2019-02-25 2019-06-07 南方电网科学研究院有限责任公司 一种两阶段式配电网紧急孤岛划分方法

Also Published As

Publication number Publication date
CN113300376A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
Emmanuel et al. Evolution of dispatchable photovoltaic system integration with the electric power network for smart grid applications: A review
Yang et al. Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
Zhang et al. A systematic review of optimal planning and deployment of distributed generation and energy storage systems in power networks
Masrur et al. Multi-energy microgrids incorporating EV integration: Optimal design and resilient operation
Singh et al. Supervisory control strategy for the effective solar energy utilization in a residential microgrid system using a cost-effective controller
Ghiani et al. Optimal sizing and management of a smart Microgrid for prevailing self-consumption
Zhang et al. The operating schedule for battery energy storage companies in electricity market
Qu et al. Toward a global green smart microgrid: An industrial park in China
Liu et al. Stochastic optimal operation of flexible distribution networks for security improvement considering active management
Attou et al. Improved peak shaving and valley filling using V2G technology in grid connected Microgrid
CN113300376B (zh) 一种配电终端优化配置方法及系统
CN103219791B (zh) 能源切换装置及方法
Xue et al. Review on multi-objective joint economic dispatching of microgrid in power system
Liu et al. Hierarchical optimal dispatching strategy for microgrid system considering user-side resources
Hua et al. Coordinated optimal dispatch for active distribution network under multi-time scales
Ma et al. Mid/long-term power system operation model considering inter-regional power trade
Chen et al. Optimal configuration for distributed generations in micro-grid system considering diesel as the main control source
da Silva et al. A multi-objective approach for energy management in a microgrid scenario
Horri et al. Distributed energy sources planning for micro-grid using slime mould algorithm considering the uncertainty of the resources
Ansari et al. Optimal Allocation of Renewable Energy Resources in the Smart Distribution Network with Considering Impacts of Load variation
Hou et al. A Real Time Energy Management Strategy for Smart Home Considering the Uncertainty
Sangjinmei et al. High-Proportion New Energy Microgrid Planning and Design Method Based on Benders Decomposition
Batool Performance Optimisation of Standalone and Grid Connected Microgrid Clusters
Lee Substation Automation and Optimization of Distribution Circuit Operations

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