CN114188936A - 一种传统火电机组黑启动移动储能系统的优化调度方法 - Google Patents

Abstract

本发明公开了一种传统火电机组黑启动移动储能系统的优化调度方法，利用移动储能可以灵活调度的特性，来组建临时的黑启动电站，当电池容量达到一定程度时，就可以为停电区域内的火电机组提供机组启动功率，辅助系统恢复以提高电力系统的恢复效率。本发明利用谱聚类算法将停电系统划分为若干子系统，并得到分区结果，以机组在规定时间内的最大恢复输出为目标，实现了移动式储能的调度优化和确定黑启动机组的选择优化，最后并行恢复创建的子系统。该方法对于无黑启动电源或黑启动机组容量不足的区域的停电恢复具有重要意义与非常广阔的应用前景。

Description

一种传统火电机组黑启动移动储能系统的优化调度方法

技术领域

本发明属于电力系统黑启动调度领域，特别是一种传统火电机组黑启动移动储能系统的优化调度方法。

背景技术

随着电力系统规模的扩大，由连锁故障引起大面积停电的可能性越来越大。停电发生后，应根据具有自启动能力的发电机数量，将整个系统划分为若干子系统。这些子系统分别并行恢复，然后相互连接，有助于提高整个电力系统的恢复效率。因此，黑启动机组的数量对于提高停电系统恢复效率、减少停电对客户和受影响区域经济的影响具有重要意义。电力系统黑启动过程中，现有研究主要使用具有自启动能力的水电机组作为黑启动机组。然而，由于地理资源的限制，大多数省级电力系统普遍缺乏水电机组。因此，寻找合适的黑启动电源为传统火电机组重新供电具有实用价值。

随着储能技术的发展，储能作为电力系统中稀缺的灵活调节资源受到了越来越多的重视。集装箱式移动储能发展迅速，接入电力系统数量增加，承担削峰填谷，延缓关键负荷节点设备扩容并提升配电力系统侧功率因数的作用。特别是，当大停电发生时，移动储能由于其灵活的特性可以组建临时的黑启动电站，当电池容量达到一定程度时，就可以为无黑启动电源或黑启动机组容量不够充裕的区域电力系统提供机组启动功率，辅助系统恢复。

发明内容

本发明的目的在于针对无黑启动电源或黑启动机组容量不足的区域的停电恢复问题，提供一种统火电机组黑启动移动储能系统的优化调度方法。

实现本发明目的的技术解决方案为：一种传统火电机组黑启动移动储能系统的优化调度方法，所述方法包括以下步骤：

步骤1，根据电力系统的拓扑特性以及抽象原则，将整个停电系统抽象成简单的网络拓扑图；

步骤2，利用谱聚类算法将停电系统划分为若干子系统，得到分区结果；

步骤3，以火电机组在规定时间内的最大恢复输出为目标建立移动储能调度优化模型；

步骤4，调整分区结果，优化黑启动机组的选择结果和移动储能调度的结果；

步骤5，移动储能组建临时的黑启动电站为各分区内黑启动火电机组提供机组启动功率，按照基于迪杰斯特拉算法的机组启动排序方法得到各分区内火电机组恢复顺序，进而并行恢复子系统。

本发明与现有技术相比，其显著优点为：

(1)本发明利用移动储能可以组建临时的黑启动电站的特点，当电池容量达到一定程度时，就可以为停电区域内的火电机组提供机组启动功率，辅助系统恢复，对于无黑启动电源或黑启动机组容量不足的区域的停电恢复具有重要意义与非常广阔的应用前景。

(2)本发明采用谱聚类算法先对停电系统进行了分区再恢复，然后通过优化调整分区，明显提高了停电系统恢复的效率。

(3)本发明考虑了分区结果以及机组启动顺序与移动储能调度的相互影响，使得移动储能调度与系统恢复高效地协同动作，能够给快速恢复停电系统，减少经济损失。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明传统火电机组黑启动移动储能系统的优化调度方法流程图。

图2为本发明实施例中移动储能的位置和IEEE39节点网络拓扑图。

图3为本发明实施例中IEEE 39总线测试系统的分区结果图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，结合图1，提供了一种传统火电机组黑启动移动储能系统的优化调度方法，所述方法包括以下步骤：

步骤1，根据电力系统的拓扑特性以及抽象原则，将整个停电系统抽象成简单的网络拓扑图；

步骤2，利用谱聚类算法将停电系统划分为若干子系统，得到分区结果；

步骤3，以火电机组在规定时间内的最大恢复输出为目标建立移动储能调度优化模型；

步骤4，调整分区结果，优化黑启动机组的选择结果和移动储能调度的结果；

步骤5，移动储能组建临时的黑启动电站为各分区内黑启动火电机组提供机组启动功率，按照基于迪杰斯特拉算法的机组启动排序方法得到各分区内火电机组恢复顺序，进而并行恢复子系统。

进一步地，在其中一个实施例中，步骤1中所述电力系统的拓扑特性以及抽象原则，具体包括：

(1)复杂电力系统通常拥有处于不同电压等级的输电线路和用电设备，若在制定分区策略时，针对不同电压等级进行分类，问题就会变得很繁琐和复杂。因此，忽略低电压等级的线路及设备，网络中高电压等级的线路及设备将分别被抽象为网络的边和点；

(2)若电网含有双回线路，则只取其中的一回线路，并且忽略电网的有向性和并联电容支路，确保不会出现环形拓扑图；这样的简化可以保证网络拓扑图的拓扑特性，并减少问题的复杂程度；

(3)随着分析网络拓扑时的目标及重点不同，设置线路权重的方式也会进行调整，化简停电系统表示为：

G＝(V,E,W)

式中，V为停电系统的节点集合，E为停电系统的边集合，W为边的权值集合也为图G的邻接矩阵，当当节点a和节点b相连时，则W中对应的元素为ω_ab，若节点a和节点b不相连，则对应元素ω_ab＝0，由于G为无向图，所以ω_ab＝ω_ba；

网络G的网络特性通过两个概念来描述：“度”和“边介数”；其中，“度”代表节点的重要程度，一个节点“度”的数值越大，该节点在整个网络中越重要，一般通过与该节点相连的边的数目和或权重和表示节点的“度”数；“边介数”代表边的重要程度，定义为该条边出现在网络中所有节点之间的最短连通路径的次数，一条边的“边介数”越大，在网络连通性中的影响越大。

进一步地，在其中一个实施例中，步骤2所述利用谱聚类算法将停电系统划分为若干子系统，得到分区结果，具体过程包括：

步骤2-1，统计停电系统各个元件的信息，计算线路权值，构建对角矩阵D和度矩阵W，最后得到Laplacian矩阵(Laplacian矩阵常被用来表示图论中的网络拓扑关系)；

步骤2-2，根据谱聚类算法原理，计算Laplacian矩阵的特征值并进行从小到大排列λ₁＝0＜λ₂＜λ₃＜...＜λ_n；

步骤2-3，取λ₂和λ₃分别作二维空间的横轴和纵轴，将网络拓扑图的节点映射到此二维空间内，根据λ₂和λ₃所对应的第一和第二小非平凡特征向量构造聚类样本；

这里，根据λ₂和λ₃所对应的第一和第二小非平凡特征向量构造聚类样本的原理为：

对于一些社团结构明显的网络，从Laplacian矩阵第一小非平凡特征向量各节点对应元素分布图，可以观察出社团结构，进而得到社团结构的划分。对一些结构特点不明显的网络，社团结构在空间分布上存在着重叠区域，单独用第一小非平凡特征向量来分析复杂网络的社团结构比较困难，对于这种情况可以通过增加特征向量的维数，如增加第二小非平凡特征向量来解决重叠问题，分别取横、纵2个轴为特征向量的值，且这2个特征向量中的值为节点的坐标。因此，本发明取λ₂和λ₃，将所有节点映射到由这两个特征值作为横、纵轴所构造的二维空间内。

步骤2-4，确定分区个数，运用k-means算法对聚类样本进行聚类，得到停电系统的分区结果，每个分区结果内包含该分区的节点信息。

进一步地，在其中一个实施例中，步骤2-1中所述线路权值的计算公式为：

式中，X_ab是节点a与节点b之间的线路电抗，一般来说R_ab远小于X_ab，忽略了线路电阻R_ab，权值ω_ab是代表节点a和节点b之间的连接强度，与两节点之间恢复路径的长度成反比。这样的定义决定了若节点间的恢复路径越短，节点之间的线路权值越大，节点被分到同一个分区的可能性越大。

进一步地，在其中一个实施例中，步骤2-1中所述Laplacian矩阵的计算为：

无向图G的Laplacian矩阵L定义为L＝D-W，其中D是元素为

的对角矩阵，W是加权邻接矩阵；Laplacian矩阵L的计算如下：

式中，E是节点a和节点b之间连接的边集，e_ab是E的元素。

进一步地，在其中一个实施例中，步骤2-4中所述运用k-means算法对聚类样本进行聚类，得到停电系统的分区结果，具体包括：

步骤2-4-1，从n个节点中任意选择k个初始聚类中心；其中n代表停电系统的节点个数，k代表分区个数；

步骤2-4-2，计算每个节点到各个聚类中心的距离，并根据与聚类中心的最短距离对所有节点进行划分，将每个节点划分至与其距离最短的聚类中心；

步骤2-4-3，计算标准测度函数，判断当前函数值是否小于上次迭代的函数值，若是，则执行步骤2-4-4，否则结束聚类，得到分区结果；

这里，谱聚类算法可以将聚类问题转化为图的分割问题，简单来说，就是根据不同的图分割准则即优化目标，把一个图的若干条边切断，形成多个连通的独立子图，使得形成的子图内部相似度最大，子图相互之间相似度最小，而这些被切断的边的权重和被定义为“cut值”。为了方便讲解，在此，将图G分割成两个子图，多子图原理相似。

假设集合A为图G的一个子集，而集合

为子集A的补集，则两个子集间被切断边的权重为：

为了使子集间的相似度最小，则

应当尽量取最小值，这实际上就是图论中的“min-cut”问题，也就是要计算的标准测度函数。

步骤2-4-4，判断是否满足预设迭代停止条件，若是，则结束聚类，得到分区结果，否则迭代更新各个分区的聚类中心，返回步骤2-4-2。

进一步地，在其中一个实施例中，步骤3所述以火电机组在规定时间内的最大恢复输出为目标建立移动储能调度优化模型，具体包括：

步骤3-1，以火电机组在规定时间内的最大恢复输出为目标，确定移动储能调度优化模型目标函数：

式中，f为在规定时间内火电机组提供的电量，P_i为火电机组i的额定功率，n_B表示火电机组的总数，T表示指定的时间，t_i表示火电机组i开始恢复的时间，P_i ^C是火电机组i的爬坡功率；

步骤3-2，确定传统火电机组黑启动移动储能系统的优化调度过程中需要考虑的约束条件，包括：

(1)移动储能功率约束：前往分区内黑启动火电机组的移动储能提供的功率之和必须大于该黑启动火电机组的启动功率；黑启动火电机组的启动功率限制定义为：

式中，

为可用的移动储能装置的总有功功率，P^start是黑启动火电机组所需的启动功率；

(2)启动功率约束：待恢复火电机组的启动功率不得大于子系统中所有恢复火电机组的可用功率之和；

式中，

是待恢复火电机组所需的启动功率之和，P_restored是恢复火电机组提供的功率之和；

(3)潮流和母线电压约束：在火电机组恢复过程中，必须确保电网的安全稳定；

式中，P_Gi和Q_Gi是火电机组i的输出，U_i是节点x的电压，P_Li是支路y上的有功功率，N_G、N_L和N_b分别是恢复网络中的单元数、总线数和所有节点数；

(4)无功和自励约束：火电机组重启期间，大量空载线路连接，导致支路上出现大量无功。如果无功功率不能被机组平衡，就会产生过电压问题，如频率过电压、操作过电压、谐波过电压等。因此，支路上的无功功率应在机组能够吸收的范围内。同样，大量空载线路将产生大量电容无功功率。如果电容无功功率足够小，发电机定子电感与线路电容电抗之间不会发生谐振，从而导致系统自励问题。因此，输电线路高阻抗补偿后的剩余充电功率小于机组额定容量与短路比的乘积。无功功率和自励约束可以组合为一个约束，表示为：

式中，Q_Lj表示线路y的无功功率，

表示火电机组i的无功功率容量，K_CBi和S_Bi分别表示火电机组i的短路率和额定容量；N_L是恢复网络中总的线路个数，n_B表示火电机组的总数；

(5)暂态频率约束：该模型中储能系统的频率由虚拟下垂控制调节。在系统参数一定的情况下，虚拟下垂控制的复传递函数可以用测量试验得到的响应系数来代替。参考典型发电机频率响应，暂态频率约束表示为：

式中，ΔP_L是负荷增加K_MESS是储能的调频系数，df_i是火电机组i的调频响应系数，Δf_max是允许的最大频率偏移；

(6)移动储能容量约束：在充电过程中，为了保证储能的正常功能，移动储能的充电状态应保持在安全范围内；

SOC_min≤SOC_j≤SOC_max

式中，SOC_min和SOC_max分别为MESS的最小和最大荷电状态SOC极限，SOC_j为移动储能j的SOC。

进一步地，在其中一个实施例中，步骤4所述调整分区结果，优化移动储能调度的结果和黑启动火电机组的位置，具体过程包括：

步骤4-1，根据分区结果，找出每个分区内中没有标记且额定功率最大的火电机组，将这些火电机组选为黑启动火电机组并标记；

步骤4-2，根据Dijkstra算法计算移动储能到黑启动火电机组的移动时间，根据移动时间来调度最快能到达黑启动火电机组的移动储能然后生成移动储能的调度方案，并将最慢到达的移动储能到达的时间写入目标函数进行计算；

步骤4-3，判断黑启动火电机组和移动储能的调度方案是否满足上述移动储能调度优化模型的约束，若不满足，则返回步骤4-1，重新选择黑启动火电机组，否则使用步骤4-1选中的火电机组作为黑启动火电机组。

进一步地，在其中一个实施例中，步骤5所述按照基于迪杰斯特拉算法的发电机启动排序方法得到各分区内火电机组恢复顺序，进而并行恢复子系统，具体过程包括：

步骤5-1，更新并读取线路权值；

步骤5-2，综合计算待恢复火电机组优先级指标；

步骤5-3，依据优先级指标对待恢复火电机组进行排序，得到一组机组恢复顺序，将优先级最高的待恢复火电机组设置为目标节点；

步骤5-4，利用dijkstra算法寻找从黑启动电源到目标节点的最短路径，生成恢复路径方案；

步骤5-5，校验恢复路径方案是否合格，若不合格，则选择机组恢复顺序中的下一个待恢复火电机组作为目标节点，返回步骤5-4，否则执行步骤5-6；

步骤5-6，更新支路权值，返回步骤5-2寻找下一个待恢复火电机组，重复这个过程，直至分区内所有的待恢复火电机组都被恢复，生成最优路径方案和机组恢复顺序；

步骤5-7，针对每个分区，执行步骤5-1至步骤5-6，然后并行恢复子系统。

进一步地，在其中一个实施例中，步骤5-1中更新线路权值，具体为：

遍历寻找分区与分区之间的联络线，若线路的两个端点不在同一个分区内，则将该线路的线路权值增大为预设的无穷大值。

进一步地，在其中一个实施例中，步骤5-6中更新线路权值，具体为：

对已经恢复的线路，将其权值设置为未恢复时权值的十分之一。

这里，设置为未恢复时权值的十分之一，而不设置为0或一个接近于0的极小正数。尽管恢复后的支路直接连接了其首末端节点，搜索恢复路径时，虽然权值小于未恢复线路，但并不能简单视为权值为0或接近于0的支路，因为非电源节点恢复后其电压调节能力并不能与电源节点等价。因此，为了描述这种带电能力的差别，本发明将恢复后的支路权值修改成其未恢复时的十分之一，进而避免多条恢复支路组成的路径优于一条未恢复支路组成的路径，即避免了因远距离送电增加的网络损耗和因无功不平衡产生的对系统恢复的不利影响。

进一步地，在其中一个实施例中，步骤5-5所述校验恢复路径方案是否合格，具体为：

判断校验恢复路径方案是否满足步骤3-2中的启动功率约束，若满足，则表明恢复路径方案合格.

这里，通常在恢复机组的时候，会出现系统无功功率过剩或有功功率不足的问题，会无法为该机组提供启动功率，因此需要判断启动该机组是否满足上述约束条件。

进一步地，在其中一个实施例中，步骤5-2中待恢复火电机组优先级指标的计算，具体包括：

大停电后系统恢复初期，黑启动电源通过适当的送电路径为目标发电机提供启动功率，即为目标发电机的辅机提供电源。而发电机的爬坡率则反映了发电机带负荷的快慢，因此定义与待恢复火电机组启动功率和爬坡率相关的权重因子G(i)为：

式中，S(i)为待恢复火电机组i的启动功率，R(i)为待恢复火电机组的爬坡率；

S(i)越小，意味着启动该发电机所需提供的功率越小，启动过程越容易实现，尤其在初期阶段系统发电容量不足时，有利于系统启动；R(i)越大，则发电机带负荷越快，对后续恢复过程的潜在贡献越大。电力系统中的发电机并不是孤立的，各发电机之间通过线路和变压器建立电气联系。因此，发电机启动顺序优化必然与送电路径优化密不可分。针对现有文献中二者优化目标不一致的问题，本发明提出发电机优先级指标P_R。

对对于第i个待恢复火电机组，其优先级指标为P_R(i)：

P_R(i)＝D(i)+G(i)

式中，D(i)为第i个待恢复火电机组对应的最优送电路径各支路权值的加权值，D(i)和G(i)分别经过线性归一化；P_R值越小，待恢复火电机组的优先级越高。

作为一种具体示例，在其中一个实施例中，对本发明传统火电机组黑启动移动储能系统的优化调度方法进行进一步验证说明。

本实施例采用IEEE 39节点系统以验证该方法的有效性，其拓扑结构如图2所示。

仿真场景

系统的拓扑结构和移动储能的位置如图2所示。火电机组的启动特性如表1所示。为仿真定义了以下参数：移动储能和子系统的数量分别为30和3，启动输电线路和变压器分支所需的时间为3分钟，规定时间为100分钟，MESS的额定输出为1.5兆瓦。

表1 IEEE-39标准测试系统电源启动特性

当系统发生大停电后，基于谱聚类方法，将IEEE 39标准测试系统网络抽象成简单的网络拓扑图，并建造Laplacian矩阵，根据电力系统的拓扑特性运用k-means聚类方法对其进行聚类，得到初始分区结果。根据分区结果和移动储能的数量确定了每个分区的黑启动机组，机组38，33和39作为黑启动机组，移动储能调度的结果如表2所示。最终路径优化结果及恢复顺序如表3所示。

表2 移动储能调度结果

表3 系统分区恢复顺序

在本发明中，机组的最大恢复输出为4729.8MWh。为了验证所提方法的有效性，在新英格兰39总线测试系统中也测试了一种恢复方法，该方法在不使用谱聚类算法分区系统的情况下优化了单元的恢复路径。同样，在优化移动储能的调度之后，选择机组39作为黑启动单元，并且100分钟内系统的最大恢复输出为3293.5MWh。与上述恢复结果相比，本发明提出的方法提高了恢复效率。

综上，本发明利用谱聚类算法将停电系统划分为若干子系统，并得到分区结果，以机组在规定时间内的最大恢复输出为目标，实现了移动式储能的调度优化和确定黑启动机组的选择优化，最后并行恢复创建的子系统。该方法对于无黑启动电源或黑启动机组容量不足的区域的停电恢复具有重要意义与非常广阔的应用前景。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，所述方法包括以下步骤：

步骤1，根据电力系统的拓扑特性以及抽象原则，将整个停电系统抽象成简单的网络拓扑图；

步骤2，利用谱聚类算法将停电系统划分为若干子系统，得到分区结果；

步骤3，以火电机组在规定时间内的最大恢复输出为目标建立移动储能调度优化模型；

步骤4，调整分区结果，优化黑启动机组的选择结果和移动储能调度的结果；

步骤5，移动储能组建临时的黑启动电站为各分区内黑启动火电机组提供机组启动功率，按照基于迪杰斯特拉算法的机组启动排序方法得到各分区内火电机组恢复顺序，进而并行恢复子系统。

2.根据权利要求1所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤1中所述电力系统的拓扑特性以及抽象原则，具体包括：

(1)忽略低电压等级的线路及设备，网络中高电压等级的线路及设备将分别被抽象为网络的边和点；

(2)若电网含有双回线路，则只取其中的一回线路，并且忽略电网的有向性和并联电容支路，确保不会出现环形拓扑图；

(3)化简停电系统表示为：

G＝(V,E,W)

式中，V为停电系统的节点集合，E为停电系统的边集合，W为边的权值集合也为图G的邻接矩阵，当节点a和节点b相连时，则W中对应的元素为ω_ab，若节点a和节点b不相连，则对应元素ω_ab＝0，由于G为无向图，所以ω_ab＝ω_ba；

网络G的网络特性通过两个概念来描述：“度”和“边介数”；其中，“度”代表节点的重要程度，一个节点“度”的数值越大，该节点在整个网络中越重要，一般通过与该节点相连的边的数目和或权重和表示节点的“度”数；“边介数”代表边的重要程度，定义为该条边出现在网络中所有节点之间的最短连通路径的次数，一条边的“边介数”越大，在网络连通性中的影响越大。

3.根据权利要求1或2所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤2所述利用谱聚类算法将停电系统划分为若干子系统，得到分区结果，具体过程包括：

步骤2-1，统计停电系统各个元件的信息，计算线路权值，构建对角矩阵D和度矩阵W，最后得到Laplacian矩阵；

步骤2-2，根据谱聚类算法原理，计算Laplacian矩阵的特征值并进行从小到大排列λ₁＝0＜λ₂＜λ₃＜...＜λ_n；

步骤2-3，取λ₂和λ₃分别作二维空间的横轴和纵轴，将网络拓扑图的节点映射到此二维空间内，根据λ₂和λ₃所对应的第一和第二小非平凡特征向量构造聚类样本；

步骤2-4，确定分区个数，运用k-means算法对聚类样本进行聚类，得到停电系统的分区结果，每个分区结果内包含该分区的节点信息。

4.根据权利要求3所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤2-1中所述线路权值的计算公式为：

式中，X_ab是节点a与节点b之间的线路电抗，权值ω_ab是代表节点a和节点b之间的连接强度，与两节点之间恢复路径的长度成反比；

步骤2-1中所述Laplacian矩阵的计算为：

无向图G的Laplacian矩阵L定义为L＝D-W，其中D是元素为

的对角矩阵，W是加权邻接矩阵；Laplacian矩阵L的计算如下：

式中，E是节点a和节点b之间连接的边集，e_ab是E的元素。

5.根据权利要求4所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤2-4中所述运用k-means算法对聚类样本进行聚类，得到停电系统的分区结果，具体包括：

步骤2-4-1，从n个节点中任意选择k个初始聚类中心；其中n代表停电系统的节点个数，k代表分区个数；

步骤2-4-2，计算每个节点到各个聚类中心的距离，并根据与聚类中心的最短距离对所有节点进行划分，将每个节点划分至与其距离最短的聚类中心；

步骤2-4-3，计算标准测度函数，判断当前函数值是否小于上次迭代的函数值，若是，则执行步骤2-4-4，否则结束聚类，得到分区结果；

步骤2-4-4，判断是否满足预设迭代停止条件，若是，则结束聚类，得到分区结果，否则迭代更新各个分区的聚类中心，返回步骤2-4-2。

6.根据权利要求5所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤3所述以火电机组在规定时间内的最大恢复输出为目标建立移动储能调度优化模型，具体包括：

步骤3-1，以火电机组在规定时间内的最大恢复输出为目标，确定移动储能调度优化模型目标函数：

式中，f为在规定时间内火电机组提供的电量，P_i为火电机组i的额定功率，n_B表示火电机组的总数，T表示指定的时间，t_i表示火电机组i开始恢复的时间，P_i ^C是火电机组i的爬坡功率；

步骤3-2，确定传统火电机组黑启动移动储能系统的优化调度过程中需要考虑的约束条件，包括：

(1)移动储能功率约束：前往分区内黑启动火电机组的移动储能提供的功率之和必须大于该黑启动火电机组的启动功率；黑启动火电机组的启动功率限制定义为：

式中，

为可用的移动储能装置的总有功功率，P^start是黑启动火电机组所需的启动功率；

(2)启动功率约束：待恢复火电机组的启动功率不得大于子系统中所有恢复火电机组的可用功率之和；

式中，

是待恢复火电机组所需的启动功率之和，P_restored是恢复火电机组提供的功率之和；

(3)潮流和母线电压约束：在火电机组恢复过程中，必须确保电网的安全稳定；

式中，P_Gi和Q_Gi是火电机组i的输出，U_i是节点x的电压，P_Li是支路y上的有功功率，N_G、N_L和N_b分别是恢复网络中的单元数、总线数和所有节点数；

(4)无功和自励约束：支路上的无功功率应在火电机组能够吸收的范围内，输电线路高阻抗补偿后的剩余充电功率小于火电机组额定容量与短路比的乘积；无功功率和自励约束可以组合为一个约束，表示为：

式中，Q_Lj表示线路y的无功功率，

表示火电机组i的无功功率容量，K_CBi和S_Bi分别表示火电机组i的短路率和额定容量；

(5)暂态频率约束：依据典型发电机频率响应，暂态频率约束表示为：

式中，ΔP_L是负荷增加K_MESS是储能的调频系数，df_i是火电机组i的调频响应系数，Δf_max是允许的最大频率偏移；

(6)移动储能容量约束：在充电过程中，移动储能的充电状态应保持在安全范围内；

SOC_min≤SOC_j≤SOC_max

式中，SOC_min和SOC_max分别为MESS的最小和最大荷电状态SOC极限，SOC_j为移动储能j的SOC。

7.根据权利要求6所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤4所述调整分区结果，优化黑启动机组的选择结果和移动储能调度的结果，具体过程包括：

步骤4-1，根据分区结果，找出每个分区内中没有标记且额定功率最大的火电机组，将这些火电机组选为黑启动火电机组并标记；

步骤4-2，根据Dijkstra算法计算移动储能到黑启动火电机组的移动时间，根据移动时间来调度最快能到达黑启动火电机组的移动储能然后生成移动储能的调度方案，并将最慢到达的移动储能到达的时间写入目标函数进行计算；

步骤4-3，判断黑启动火电机组和移动储能的调度方案是否满足上述移动储能调度优化模型的约束，若不满足，则返回步骤4-1，重新选择黑启动火电机组，否则使用步骤4-1选中的火电机组作为黑启动火电机组。

8.根据权利要求7所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤5所述按照基于迪杰斯特拉算法的机组启动排序方法得到各分区内火电机组恢复顺序，进而并行恢复子系统，具体过程包括：

步骤5-1，更新并读取线路权值；

步骤5-2，综合计算待恢复火电机组优先级指标；

步骤5-3，依据优先级指标对待恢复火电机组进行排序，得到一组机组恢复顺序，将优先级最高的待恢复火电机组设置为目标节点；

步骤5-4，利用dijkstra算法寻找从黑启动电源到目标节点的最短路径，生成恢复路径方案；

步骤5-5，校验恢复路径方案是否合格，若不合格，则选择机组恢复顺序中的下一个待恢复火电机组作为目标节点，返回步骤5-4，否则执行步骤5-6；

步骤5-6，更新支路权值，返回步骤5-2寻找下一个待恢复火电机组，重复这个过程，直至分区内所有的待恢复火电机组都被恢复，生成最优路径方案和机组恢复顺序；

步骤5-7，针对每个分区，执行步骤5-1至步骤5-6，然后并行恢复子系统。

9.根据权利要求8所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤5-1中更新线路权值，具体为：

遍历寻找分区与分区之间的联络线，若线路的两个端点不在同一个分区内，则将该线路的线路权值增大为预设的无穷大值；

步骤5-6中更新线路权值，具体为：

对已经恢复的线路，将其权值设置为未恢复时权值的十分之一；

步骤5-5所述校验恢复路径方案是否合格，具体为：

判断校验恢复路径方案是否满足步骤3-2中的启动功率约束，若满足，则表明恢复路径方案合格。

10.根据权利要求9所述的传统火电机组黑启动移动储能系统的优化调度方法，其特征在于，步骤5-2中待恢复火电机组优先级指标的计算，具体包括：

定义与待恢复火电机组启动功率和爬坡率相关的权重因子G(i)为：

式中，S(i)为待恢复火电机组i的启动功率，R(i)为待恢复火电机组的爬坡率；

对于第i个待恢复火电机组，其优先级指标为P_R(i)：

P_R(i)＝D(i)+G(i)

式中，D(i)为第i个待恢复火电机组对应的最优送电路径各支路权值的加权值，D(i)和G(i)分别经过线性归一化；P_R值越小，待恢复火电机组的优先级越高。

Images