CN113991639A - 一种适应强不确定性的配电网故障处置和网络重构方法 - Google Patents

Abstract

本发明涉及一种适应强不确定性的配电网故障处置和网络重构方法，包括以下步骤：步骤1、构建配电网重构的目标函数及约束条件；步骤2、基于步骤1所构建的配电网重构的目标函数及约束条件，通过支路交换法实现故障后网络优化重构。本发明能够快速而准确获得环状网络所有可能性的辐射状网络结构，找到最优拓扑，进而适应分布式电源的不确定性。

Description

一种适应强不确定性的配电网故障处置和网络重构方法

技术领域

本发明属于电力系统配电自动化技术领域，涉及配电网故障处置和网络重构方法，尤其是一种适应强不确定性的配电网故障处置和网络重构方法。

背景技术

配电网故障后需要进行恢复重构。近些年，由于光伏广泛应用于配电网，使得配电网不仅在负荷需求上，同时在光伏出力上具有了不确定性，当前故障恢复重构只能适应确定性场景，不能适应分布式电源的不确定性。

发明内容

本发明的目的在于提供一种适应强不确定性的配电网故障处置和网络重构方法，能够快速而准确获得环状网络所有可能性的辐射状网络结构，找到最优拓扑，进而适应分布式电源的不确定性。

本发明解决其现实问题是采取以下技术方案实现的：

一种适应强不确定性的配电网故障处置和网络重构方法，包括以下步骤：

步骤1、构建配电网重构的目标函数及约束条件；

步骤2、基于步骤1所构建的配电网重构的目标函数及约束条件，通过支路交换法实现故障后网络优化重构。

而且，所述步骤1的具体步骤包括：

(1)构建配电网重构的目标函数如下所示：

式中，T代表考虑的时间总周期，t代表当前时间，S代表当前场景，Ω_s代表场景集合，ij代表节点i、j之间的支路，s_B代表所有支路的集合，

代表的场景s出现的概率，β_ij代表了支路开关的状态，

分别代表了节点i、j电压的幅值，

分别代表了节点i、j电压的相角，R_ij和X_ij分别代表了支路ij的电阻和电抗，Δt代表了时间间隔。

(2)配电网重构的约束条件如下所示：

式(2)代表了有功功率平衡约束，

代表了节点i的总有功发电量，

代表了节点i的有功需求。Ω_i代表了具有连接到节点i的分支的一组节点。B_ij和G_ij分别代表了节点导纳矩阵第i行第j列的实部和虚部。

代表了节点i、j之间的相角差；

式(3)代表了无功功率平衡的约束，

代表了节点i的总无功发电量，

代表了节点i的无功需求；

式(4)代表了支路功率的最大容量限值约束，

代表了支路ij的最大容量限值的平方；

式(5)代表了节点电压的幅值约束，V_i ^min和V_i ^max分别代表了节点i电压的最小值和最大值；

式(6)代表了节点有功功率组成的等式约束，

代表了节点i产生的总有功功率，

代表了节点i由传统发电机产生的有功功率，

代表了由节点i由光伏产生的有功功率；

式(7)代表了节点无功功率组成的等式约束，

代表了节点i产生的总无功功率，

代表了节点i由传统发电机产生的无功功率，

代表了由节点i由光伏产生的无功功率；

式(8)代表了场景概率之和为1的约束，s代表了当前场景，Ω_s代表了场景集合，ρ_s代表了场景s出现的概率；

式(9)代表了光伏输出的功率因数模型，

代表了节点i由光伏发电所产生的有功功率。

代表了节点i由光伏发电所产生的无功功率；PF代表功率因数；

n_b-n_l＝1 (10)

式(10)代表了辐射状网络需要满足的条件，n_b代表了总的节点数目，n_l代表了总的支路数目；

式(11)代表了系统中不存在孤立节点，d(i,i_substation)代表了节点i到发电站节点的距离。

而且，所述步骤2的具体步骤包括：

(1)经过拉丁超立方抽样生成大量场景，对拉丁超立方抽样生成大量场景进行后向削减，得到受制于概率的代表性场景。

(2)基于步骤1所构建的配电网重构的目标函数及约束条件，对于步骤(1)得到的受制于概率的代表性场景通过支路交换法实现故障后网络优化重构；

而且，所述步骤2第(2)步的具体步骤包括：

步骤2.2.1：

1)获取系统的电源、负载和拓扑信息，并找到环路中的所有开关；

2)打开环路中的一个开关，并通过(11)检查系统的连通性，如果每个节点都有到变电站的路径，则求解式(1)-(9)并将网损变化值保存在矩阵L1中；否则，为目标值分配一个大的正数，并将其存储在矩阵L1中，关闭在此步骤中打开的开关。

3)重复步骤2)，直到遍历完循环中的所有开关；

4)找到在步骤2)和3)中从矩阵L1获得的最小目标函数值，并打开与该最小目标函数值相对应的开关；

5)重复步骤2)—4)，直到满足约束(10)，即系统呈放射状。

步骤2.2.2：

1)设置集合Ss,其包含初始拓扑中的所有分段开关；

2)从集合Ss中排除类型1，类型2，类型3的开关；

3)将集合Ss中的开关L改为联络开关，关闭所有其他开关，并执行步骤1以获得径向拓扑，储存这个获得的拓扑，被用来计算由公式(1)获得的目标，并储存目标损失值；

4)将开关L改回分段开关；

5)对集合Ss的每个开关重复步骤2.2.2中的3)—4)。

步骤2.2.3：

1)对于在步骤2.2.1或步骤2.2.2中获得的给定径向拓扑，假设集合Se是包括所有类型2开关但不包括类型1和类型3开关的集合；

2)对于集合Se中的开关L，查找包括打开开关L的的所有打开一个和关闭一个操作；

3)执行在步骤2.2.3中的2)中找到的每个O1C1动作，求解步骤1中公式(1)-(9)，执行完这个打开一个和关闭一个动作后记录目标函数。如果这个打开一个和关闭一个动作降低了目标函数，那么将这个动作存储在集合S3中，它是一组降低目标的打开一个和关闭一个动作。

4)对集合Se的不同开关重复步骤2.2.3中的2)—3)

5)将步骤步骤2.2.3中的2)—4)中发现的任意两个或多个独立的降低目标的打开一个和关闭一个动作结合起来。

6)对步骤1和步骤2中获得的不同径向拓扑重复步骤2.2.3中的1)—5)，开关状态不变时，获得故障后网络优化重构。

本发明的优点和有益效果：

本发明通过支路交换法实现故障后网络优化重构，通过对拉丁超立方抽样的后向削减，适应分布式电源的不确定性，通过网络重构可恢复供电，同时降低网损。

附图说明

图1是本发明的开关全部合上的网络初始拓扑状态图；

图2是本发明的最小网损对应的辐射状拓扑状态图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种适应强不确定性的配电网故障处置和网络重构方法，包括以下步骤：

步骤1、构建配电网重构的目标函数及约束条件；

所述步骤1的具体步骤包括：

(1)构建配电网重构的目标函数如下所示：

式中，T代表考虑的时间总周期，t代表当前时间，S代表当前场景，Ω_s代表场景集合，ij代表节点i、j之间的支路，s _B代表所有支路的集合，

代表的场景s出现的概率，β_ij代表了支路开关的状态，

分别代表了节点i、j电压的幅值，

分别代表了节点i、j电压的相角，R_ij和X_ij分别代表了支路ij的电阻和电抗，Δt代表了时间间隔。

(2)配电网重构的约束条件如下所示：

式(2)代表了有功功率平衡约束，

代表了节点i的总有功发电量，

代表了节点i的有功需求。Ω_i代表了具有连接到节点i的分支的一组节点。B_ij和G_ij分别代表了节点导纳矩阵第i行第j列的实部和虚部。

代表了节点i、j之间的相角差；

式(3)代表了无功功率平衡的约束，

代表了节点i的总无功发电量，

代表了节点i的无功需求；

式(4)代表了支路功率的最大容量限值约束，

代表了支路ij的最大容量限值的平方；

式(5)代表了节点电压的幅值约束，V_i ^min和V_i ^max分别代表了节点i电压的最小值和最大值；

式(6)代表了节点有功功率组成的等式约束，

代表了节点i产生的总有功功率，

代表了节点i由传统发电机产生的有功功率，

代表了由节点i由光伏产生的有功功率；

式(7)代表了节点无功功率组成的等式约束，

代表了节点i产生的总无功功率，

代表了节点i由传统发电机产生的无功功率，

代表了由节点i由光伏产生的无功功率；

式(8)代表了场景概率之和为1的约束，s代表了当前场景，Ω_s代表了场景集合，ρ_s代表了场景s出现的概率；

式(9)代表了光伏输出的功率因数模型，

代表了节点i由光伏发电所产生的有功功率。

代表了节点i由光伏发电所产生的无功功率。PF代表功率因数；

n_b-n_l＝1 (10)

式(10)代表了辐射状网络需要满足的条件，n_b代表了总的节点数目，n_l代表了总的支路数目；

式(11)代表了系统中不存在孤立节点，d(i,i_substation)代表了节点i到发电站节点的距离。

步骤2、基于步骤1所构建的配电网重构的目标函数及约束条件，通过支路交换法实现故障后网络优化重构。

所述步骤2的具体步骤包括：

(1)经过拉丁超立方抽样生成大量场景，对拉丁超立方抽样生成大量场景进行后向削减，得到受制于概率的代表性场景。

(2)基于步骤1所构建的配电网重构的目标函数及约束条件，对于步骤(1)得到的受制于概率的代表性场景通过支路交换法实现故障后网络优化重构；

所述步骤2第(2)步的具体步骤包括：

步骤2.2.1：

1)获取系统的电源、负载和拓扑信息，并找到环路中的所有开关；

2)打开环路中的一个开关，并通过(11)检查系统的连通性。如果每个节点都有到变电站的路径，则求解式(1)-(9)并将网损变化值保存在矩阵L1中；否则，为目标值分配一个大的正数，并将其存储在矩阵L1中，关闭在此步骤中打开的开关。

请注意，在每种情况下都需要满足约束(2)-(9)，如果有任何的约束不满足，则将分配一个大的正数作为目标值并存储在矩阵L1中。

3)重复步骤2)，直到遍历完循环中的所有开关。

4)找到在步骤2)和3)中从矩阵L1获得的最小目标函数值，并打开与该最小目标函数值相对应的开关。

5)重复步骤2)—4)，直到满足约束(10)，即系统呈放射状。

步骤2.2.2：

1)设置集合Ss,其包含初始拓扑中的所有分段开关；

2)从集合Ss中排除类型1，类型2，类型3的开关；

3)将集合Ss中的开关L改为联络开关(即强制开关L的状态为打开)，关闭所有其他开关，并执行步骤1以获得径向拓扑，储存这个获得的拓扑，被用来计算由公式(1)获得的目标，并储存目标损失值。

4)将开关L改回分段开关。

5)对集合Ss的每个开关重复步骤3)—4)。

注：类型1开关是指到根节点的路径由初始拓扑中的n1个或更少分段支路组成的所有分段开关。类型2开关是指距离末梢节点较近的开关。类型3开关是指不在初始环路中的开关。末梢节点是指没有下游节点的节点。

步骤2.2.3：

1)对于在步骤2.2.1或2.2.2中获得的给定径向拓扑，假设集合Se是包括所有类型2开关但不包括类型1和类型3开关的集合。

2)对于集合Se中的开关L，查找包括打开开关L的的所有打开一个和关闭一个操作。

3)执行在步骤步骤2.2.3中的2)中找到的每个O1C1动作，求解步骤1中公式(1)-(9)，执行完这个打开一个和关闭一个动作后记录目标函数。如果这个打开一个和关闭一个动作降低了目标函数，那么将这个动作存储在集合S3中，它是一组降低目标的打开一个和关闭一个动作。

4)对集合Se的不同开关重复步骤2.2.3中的2)—3)

5)将步骤步骤2.2.3中的2)—4)中发现的任意两个或多个独立的降低目标的打开一个和关闭一个动作结合起来。

6)对步骤1和2中获得的不同径向拓扑重复步骤1)—5)，开关状态不变时，获得故障后网络优化重构。

注：O1C1动作是指在打开一个开关同时需要关闭另一个开关的动作。降低目标函数的O1C1动作是指如果一个O1C1动作降低了目标函数，则称为降低目标函数的O1C1动作。

下面通过具体算例，对本发明作进一步说明：

以一个14节点的系统为例来阐述支路交换方法。此配电网络馈线电压为12.66kv，总有功负荷为1235kw、无功负荷为650kvar。图1是14节点系统的开关全部合上的网络初始拓扑，通过对该14节点的系统采用支路交换方法，快速找出该14节点所有可能的辐射状网络，并找出最小有功网损所对应的辐射状网络，图2是14节点系统的最小网损对应的辐射状拓扑状态。

由此可知，14节点的初始环状拓扑网络经过支路交换方法快速获得的所有可能的辐射状拓扑中，当打开开关5-12、8-9、6-14所形成的辐射状拓扑的有功网损最小，为0.00754MW。

本发明的工作原理是：

本发明提出了一种适应强不确定性的配电网故障处置和网络重构方法，第一步是顺序打开开关，直到所有回路都打开。第二步和第三步修改第一步中获得的分支状态，以获得更好的径向拓扑。从而快速获得网络所有可能的辐射状拓扑，并找到最优拓扑。

需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.一种适应强不确定性的配电网故障处置和网络重构方法，其特征在于：包括以下步骤：

步骤1、构建配电网重构的目标函数及约束条件；

步骤2、基于步骤1所构建的配电网重构的目标函数及约束条件，通过支路交换法实现故障后网络优化重构。

2.根据权利要求1所述的一种适应强不确定性的配电网故障处置和网络重构方法，其特征在于：所述步骤1的具体步骤包括：

(1)构建配电网重构的目标函数如下所示：

式中，T代表考虑的时间总周期，t代表当前时间，S代表当前场景，Ω_s代表场景集合，ij代表节点i、j之间的支路，s_B代表所有支路的集合，

代表的场景s出现的概率，β_ij代表了支路开关的状态，

分别代表了节点i、j电压的幅值，

分别代表了节点i、j电压的相角，R_ij和X_ij分别代表了支路ij的电阻和电抗，Δt代表了时间间隔。

(2)配电网重构的约束条件如下所示：

式(2)代表了有功功率平衡约束，

代表了节点i的总有功发电量，

代表了节点i的有功需求。Ω_i代表了具有连接到节点i的分支的一组节点。B_ij和G_ij分别代表了节点导纳矩阵第i行第j列的实部和虚部。

代表了节点i、j之间的相角差；

式(3)代表了无功功率平衡的约束，

代表了节点i的总无功发电量，

代表了节点i的无功需求；

式(4)代表了支路功率的最大容量限值约束，

代表了支路ij的最大容量限值的平方；

式(5)代表了节点电压的幅值约束，V_i ^min和V_i ^max分别代表了节点i电压的最小值和最大值；

式(6)代表了节点有功功率组成的等式约束，

代表了节点i产生的总有功功率，

代表了节点i由传统发电机产生的有功功率，

代表了由节点i由光伏产生的有功功率；

式(7)代表了节点无功功率组成的等式约束，

代表了节点i产生的总无功功率，

代表了节点i由传统发电机产生的无功功率，

代表了由节点i由光伏产生的无功功率；

式(8)代表了场景概率之和为1的约束，s代表了当前场景，Ω_s代表了场景集合，ρ_s代表了场景s出现的概率；

式(9)代表了光伏输出的功率因数模型，

代表了节点i由光伏发电所产生的有功功率。

代表了节点i由光伏发电所产生的无功功率；PF代表功率因数；

n_b-n_l＝1 (10)

式(10)代表了辐射状网络需要满足的条件，n_b代表了总的节点数目，n_l代表了总的支路数目；

式(11)代表了系统中不存在孤立节点，d(i,i_substation)代表了节点i到发电站节点的距离。

3.根据权利要求1所述的一种适应强不确定性的配电网故障处置和网络重构方法，其特征在于：所述步骤2的具体步骤包括：

(1)经过拉丁超立方抽样生成大量场景，对拉丁超立方抽样生成大量场景进行后向削减，得到受制于概率的代表性场景。

(2)基于步骤1所构建的配电网重构的目标函数及约束条件，对于步骤(1)得到的受制于概率的代表性场景通过支路交换法实现故障后网络优化重构。

4.根据权利要求1所述的一种适应强不确定性的配电网故障处置和网络重构方法，其特征在于：所述步骤2第(2)步的具体步骤包括：

步骤2.2.1：

1)获取系统的电源、负载和拓扑信息，并找到环路中的所有开关；

2)打开环路中的一个开关，并通过(11)检查系统的连通性，如果每个节点都有到变电站的路径，则求解式(1)-(9)并将网损变化值保存在矩阵L1中；否则，为目标值分配一个大的正数，并将其存储在矩阵L1中，关闭在此步骤中打开的开关。

3)重复步骤2)，直到遍历完循环中的所有开关；

4)找到在步骤2)和3)中从矩阵L1获得的最小目标函数值，并打开与该最小目标函数值相对应的开关；

5)重复步骤2)—4)，直到满足约束(10)，即系统呈放射状。

步骤2.2.2：

1)设置集合Ss,其包含初始拓扑中的所有分段开关；

2)从集合Ss中排除类型1，类型2，类型3的开关；

3)将集合Ss中的开关L改为联络开关，关闭所有其他开关，并执行步骤1以获得径向拓扑，储存这个获得的拓扑，被用来计算由公式(1)获得的目标，并储存目标损失值；

4)将开关L改回分段开关；

5)对集合Ss的每个开关重复步骤2.2.2中的3)—4)。

步骤2.2.3：

1)对于在步骤2.2.1或步骤2.2.2中获得的给定径向拓扑，假设集合Se是包括所有类型2开关但不包括类型1和类型3开关的集合；

2)对于集合Se中的开关L，查找包括打开开关L的的所有打开一个和关闭一个操作；

3)执行在步骤2.2.3中的2)中找到的每个O1C1动作，求解步骤1中公式(1)-(9)，执行完这个打开一个和关闭一个动作后记录目标函数。如果这个打开一个和关闭一个动作降低了目标函数，那么将这个动作存储在集合S3中，它是一组降低目标的打开一个和关闭一个动作。

4)对集合Se的不同开关重复步骤2.2.3中的2)—3)

5)将步骤步骤2.2.3中的2)—4)中发现的任意两个或多个独立的降低目标的打开一个和关闭一个动作结合起来。

6)对步骤1和步骤2中获得的不同径向拓扑重复步骤2.2.3中的1)—5)，开关状态不变时，获得故障后网络优化重构。

Images