CN115000984A - 基于负荷平衡及负荷恢复的配电网重构策略 - Google Patents

基于负荷平衡及负荷恢复的配电网重构策略 Download PDF

Info

Publication number
CN115000984A
CN115000984A CN202210833977.6A CN202210833977A CN115000984A CN 115000984 A CN115000984 A CN 115000984A CN 202210833977 A CN202210833977 A CN 202210833977A CN 115000984 A CN115000984 A CN 115000984A
Authority
CN
China
Prior art keywords
load
distribution network
power distribution
loop
branch
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
Application number
CN202210833977.6A
Other languages
English (en)
Inventor
任辰
周健
徐湘忆
陈璐
毛玮韵
吴天逸
彭政睿
牛芝雅
陆冰冰
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.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai Electric Power Co Ltd
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 State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202210833977.6A priority Critical patent/CN115000984A/zh
Publication of CN115000984A publication Critical patent/CN115000984A/zh
Pending legal-status Critical Current

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
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • 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)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于负荷平衡及负荷恢复的配电网重构策略，包括以下步骤：S1：检查配电网当前的运行状态，判断配电网是否出现停电故障，如果未出现故障则进入步骤S2，否则进入步骤S3；S2：依据网损、负荷均衡指数建立基于负荷平衡的配电网重构数学模型，进入步骤S4；S3：依据网损、负荷均衡指数、最小化失电负荷、节点电压降落最小建立基于负荷恢复的配电网重构数学模型，进入步骤S4；S4：根据不同情况，在约束条件下，利用基于环路编码、分环替代的二进制粒子群优化算法求解步骤S2或步骤S3建立的配电网重构数学模型。本发明的配电网重构策略能均衡线路负荷，同时在停电故障时、最大限度恢复失电负荷，提升配电网运行韧性。

Description

基于负荷平衡及负荷恢复的配电网重构策略
技术领域
本发明涉及电力配电网技术领域，具体地说是一种基于负荷平衡及负荷恢复的配电网重构策略。
背景技术
近年来，受极端天气的影响，如寒潮、高温天气等，配电网会接入大量的用电负荷，引起线路负荷不平衡，严重时会由于线路损坏而导致配电网停电故障。因此需要在配电网运行优化过程中考虑负荷均衡问题。配电网重构是配电网实现自动化运行的关键环节，是一种不需要增加新设备的优化方法，其是指线路电压、电流、功率及电网辐射状运行等都满足基本要求的前提下，通过改变网络中开关的状态来改变网络运行结构，从而达到降低配电网有功损耗、改善节点电压、消除线路过载，提高系统经济安全运行的目的，因此利用配电网重构优化的手段可以保证配电网安全稳定的运行。
配电网重构是一个多目标非线性混合优化问题，其求解算法主要分为三类：①传统数学优化算法，如整数规划法、线性规划法、动态规划法以及非线性规划法等，这类方法在理论上可获得全局最优解，但是仅仅适用于处理系统较小规模、简单性的配电网重构问题。②启发式算法，如支路交换法、最优流模式法等，采用启发式算法的优点在于：计算速度得到提高，具有实时性的特点，能够缩小搜索空间，在允许的时间内得到有效解；具有通用性的特点，形成的启发式规则可以用于各种结构的配电网；具有实用性，形成的启发式规则很容易地通过算法实现。不足之处在于：启发式算法的收敛性仍依赖于系统的初始状态，难以保证全局最优；启发式规则处理重构问题时，难以得到最优解。③随着科学的不断发展，人工智能方法已逐渐运用到各个领域当中，人工智能方法融入到电力系统中，使电力系统的发展得到了翻天覆地的变化。主要应用于配电网重构的人工智能方法有：模拟退火算法、禁忌算法、遗传算法、蚁群算法和粒子群优化算法等算法。Kennedy和Eberhart在基本粒子群法的基础上，提出了一种离散二进制版本的PS0算法，Clere推广了这一算法，研究了离散型的PSO算法，将粒子的搜索空间变成n维的二进制空间，改进了粒子的速度以及位置更新公式，可以有效的进行配电网重构优化。
在配电网重构成为主流的配电网优化技术以及各种智能算法大量应用的背景下，针对配电系统在运行中可能出现两种情况：一是用电负荷剧增，线路负荷不均衡；二是配电网因负荷剧增而停电，设计基于二进制粒子群优化算法的配电网重构策略，能有效地提高配电网的韧性以及安全性能。
发明内容
本发明的目的是针对现有技术存在的问题，提供一种能够解决用电负荷剧增导致线路负荷不均衡、以及配电网因负荷剧增而停电的基于负荷平衡及负荷恢复的配电网重构策略，该配电网重构策略通过基于二进制粒子群优化算法设计，能有效地提高配电网的韧性以及安全性能。
本发明的目的是通过以下技术方案解决的：
一种基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：包括以下步骤：
S1：检查配电网当前的运行状态，判断配电网是否出现停电故障，如果未出现故障则进入步骤S2，否则进入步骤S3；
S2：依据网损、负荷均衡指数建立基于负荷平衡的配电网重构数学模型，进入步骤S4；
S3：依据网损、负荷均衡指数、最小化失电负荷、节点电压降落最小建立基于负荷恢复的配电网重构数学模型，进入步骤S4；
S4：在满足配电网安全运行以及配电网拓扑结构的约束条件下，利用基于环路编码、分环替代的二进制粒子群优化算法求解基于负荷平衡的配电网重构数学模型或者负荷恢复的配电网重构数学模型。
所述步骤S2中的负荷平衡的配电网重构数学模型F1通过式(1)得到：
Figure BDA0003749411360000021
式(1)中，f1是网损目标函数；f2是负荷均衡指数的目标函数；f1 0为重构前网损目标函数的初始值；f2 0为重构前负荷均衡指数的目标函数的初始值；w1为网损目标函数的权重、w2为负荷均衡指数的目标函数的权重，且w1+w2＝1；
网损目标函数f1如式(2)得到：
Figure BDA0003749411360000022
式(2)中，ki表示支路i的开断状态，取0或1；Ii为支路i上的电流；Ri为支路i的电阻；n为支路总数；
负荷均衡指数的目标函数f2如式(3)：
Figure BDA0003749411360000023
式(3)中，Simax为支路i的额定容量；Pi为支路i末端流过的有功功率、Qi为支路i末端流过的无功功率；支路是一台变压器或带分段开关的支路。
所述步骤S3中的负荷恢复的配电网重构数学模型F2通过式(4)得到：
Figure BDA0003749411360000031
式(4)中，f1是网损目标函数；f2是负荷均衡指数的目标函数；f1 0为重构前网损目标函数的初始值；f2 0为重构前负荷均衡指数的目标函数的初始值；f3是节点电压降落目标函数；f4是失电负荷目标函数；Ps为负荷恢复的最大负荷恢复量；w1为网损目标函数的权重、w2为负荷均衡指数的目标函数的权重、w3为节点电压降落目标函数的权重、w4为失电负荷目标函数的权重，且w1+w2+w3+w4＝1；
网损目标函数f1如式(2)得到：
Figure BDA0003749411360000032
式(2)中，ki表示支路i的开断状态，取0或1；Ii为支路i上的电流；Ri为支路i的电阻；n为支路总数；
负荷均衡指数的目标函数f2如式(3)：
Figure BDA0003749411360000033
式(3)中，Simax为支路i的额定容量；Pi为支路i末端流过的有功功率、Qi为支路i末端流过的无功功率；支路是一台变压器或带分段开关的支路；
节点电压降落目标函数f3如式(5)所示：
Figure BDA0003749411360000034
式(5)中，N为节点数；Ua为节点a的电压；UNa为节点a的额定电压；
失电负荷目标函数f4如式(6)所示：
Figure BDA0003749411360000041
式(6)中，m为停电区节点总数；Pa为停电负荷节点a的负荷量；Ps为负荷恢复的最大负荷恢复量。
所述步骤S4中的配电网安全运行的等式约束条件由式(7)得到：
Figure BDA0003749411360000042
式(7)中，Pa为节点a处的有功功率；Qa为节点a处的无功功率；Gab为节点a和节点b之间的电导；Bab为节点a和节点b之间的电纳；Ua为节点a的电压；Ub为节点b的电压；δab为Ua和Ub之间的相角；n为节点数。
所述步骤S4中的配电网拓扑结构的不等式约束条件由式(8)得到：
Figure BDA0003749411360000043
式(8)中，Ijmax为流经第j支路的电流最大允许值；Uimin、Uimax分别表示节点a的电压下界和上界；Sj为当前方案中的支路容量；Sjmax为支路最大容量；gk为重构后的网络拓扑结构；G为辐射状配电网拓扑结构集合。
所述辐射状配电网拓扑结构的原则如下：
1)只在一个环路中出现的开关最多有一个是断开状态的；
2)在多个环路中出现的开关至少在一个环路中是闭合状态；
3)两个环路中共同存在的公共支路开关在编码时不允许打开两个以上；
4)为保证配网中所有负荷都能得到供电，对于不处于任何环路内的支路上的开关必须闭合；
5)与电源点直接相连接的分段开关必须处于闭合状态。
所述步骤S4中的基于环路编码、分环替代的二进制粒子群优化算法的粒子更新公式由式(9)得到：
Figure BDA0003749411360000051
式(9)中，vk+1是粒子迭代第k+1次的速度；c0是权重系数，在(0，1]之间，c0越大越有利于全局最优的搜索、越小则越利于局部搜索；vk是粒子迭代第k次的速度；xk是迭代第k次的位置；c1、c2是学习因子，为非负常数；rand()是[0,1]之间的随机数；pbest是个体最优位置；gbest是群体最优位置；xi是第i个粒子的位置。
所述步骤S4中的环路编码的特点为：
1)闭合所有开关，确定出基本环路组(S1,S2,…,Sm)，其中的S1,S2,…,Sm代表1至m个基本环路的编号且避免开关的重复选取，保证基本环路组的开关数最少；
2)断开的开关分属于每个基本环路是满足辐射状约束的必要非充分条件；
3)在粒子编码中，单个粒子的长度为网络中的开关总数，组数为网络中的环路数，粒子的初始状态表示网络中开关的闭合状态。
所述步骤S4中的基于负荷平衡的配电网重构数学模型的求解过程为：
Step1：产生一批初始解，保证这批初始解满足环路编码的特点，并且检验这一批初始解中是否有粒子状态重复的情况，如果有则重新生成初始解，得到最优个体以及其开关的状态；
Step2：进行迭代寻优，更新粒子的速度以及位置信息；
Step3：选取所有维数中概率最高开关的断开，确定各个环路中开断概率最高的t个为备选开关bk(bk1，bk2，...，bkt)；
Step4：将bk(bk1，bk2，...，bkt)分别与gkai(k1，k2，...，km)中相对应环路的元素进行替换，且每次只变换一个环路，剩余环路的断开开关仍采用gkai(k1，k2，...，km)中的开关；
Step5：在第i个环路的替换后判断当前是否是最后一个环路，若是进入Step6,否则回到Step4；
Step6：检查粒子是否符合辐射要求，若是，进入Step7，若则令适应度值为inf且回到Step2；
Step7：进行潮流计算，若满足约束条件，进入Step8，否则令适应度值为inf且回到Step2；
Step8：记录适应度最小值和其所对应的解，并且将最小适应度对应的备选开关记录为ki‘，进入Step9；
Step9：判断是否达到最大迭代次数，若是则输出最优解，否则回到Step2。
所述步骤S4中的负荷恢复的配电网重构数学模型的求解过程为：
Step1：产生一批初始解，保证这批初始解满足环路编码的特点，并且检验这一批初始解中是否有粒子状态重复的情况，如果有则重新生成初始解，得到最优个体以及其开关的状态；
Step2：进行迭代寻优，更新粒子的速度以及位置信息；
Step3：选取所有维数中概率最高开关的断开，确定各个环路中开断概率最高的t个为备选开关bk(bk1，bk2，...，bkt)；
Step4：将bk(bk1，bk2，...，bkt)分别与gkai(k1，k2，...，km)中相对应环路的元素进行替换，且每次只变换一个环路，剩余环路的断开开关仍采用gkai(k1，k2，...，km)中的开关；
Step5：在第i个环路的替换后判断当前是否是最后一个环路，若是进入Step6,否则回到Step4；
Step6：检查粒子是否符合辐射要求，若是，进入Step7，若则令适应度值为inf且回到Step2；
Step7：进行潮流计算，若满足约束条件，进入Step8，否则令适应度值为inf且回到Step2；
Step8：记录适应度最小值和其所对应的解，并且将最小适应度对应的备选开关记录为ki‘，进入Step9；
Step9：判断是否达到最大迭代次数，若是则输出最优解，否则回到Step2。
本发明公开了一种基于负荷平衡及负荷恢复的配电网重构策略，与现有一般配电网重构策略比较，具有如下的有益效果：
1)、在处理由于负荷剧增而产生线路负荷不均衡时，除网损以外重点考虑了负荷均衡指数这一目标函数，在重构的同时既保证了经济效益又保证了安全性；
2)、在处理停电故障，需要进行负荷恢复时，负荷均衡的基础上进一步考虑了节点电压降落以及最小化失电负荷这两个目标函数，既保证了线路负荷均衡化，又保证了最大限度地恢复负荷。
附图说明
附图1为本发明的基于负荷平衡及负荷恢复的配电网重构策略流程图；
附图2为IEEE-33节点系统结构图
附图3为本发明的基于分环替代的BPSO算法求解配电网重构的流程图；
附图4为本发明的基于负荷平衡的配电网重构后系统结构图；
附图5为本发明的基于负荷恢复的配电网重构后系统结构图；
附图6为本发明的基于负荷平衡的配电网重构后节点电压质量曲线图；
附图7为本发明的基于负荷恢复的配电网重构后节点电压质量曲线图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
如图1所示：一种基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：包括以下步骤：
S1：检查配电网当前的运行状态，判断配电网是否出现停电故障，如果未出现故障则进入步骤S2，否则进入步骤S3；
S2：依据网损、负荷均衡指数建立基于负荷平衡的配电网重构数学模型F1，进入步骤S4；其中，负荷平衡的配电网重构数学模型F1通过式(1)得到：
Figure BDA0003749411360000071
式(1)中，f1是网损目标函数；f2是负荷均衡指数的目标函数；f1 0为重构前网损目标函数的初始值；f2 0为重构前负荷均衡指数的目标函数的初始值；w1为网损目标函数的权重、w2为负荷均衡指数的目标函数的权重，且w1+w2＝1；
网损目标函数f1如式(2)得到：
Figure BDA0003749411360000072
式(2)中，ki表示支路i的开断状态，取0或1；Ii为支路i上的电流；Ri为支路i的电阻；n为支路总数；
负荷均衡指数的目标函数f2如式(3)：
Figure BDA0003749411360000073
式(3)中，Simax为支路i的额定容量；Pi为支路i末端流过的有功功率、Qi为支路i末端流过的无功功率；支路是一台变压器或带分段开关的支路；
S3：依据网损、负荷均衡指数、最小化失电负荷、节点电压降落最小建立基于负荷恢复的配电网重构数学模型F2，进入步骤S4；
其中负荷恢复的配电网重构数学模型F2通过式(4)得到：
Figure BDA0003749411360000081
式(4)中，f1是网损目标函数；f2是负荷均衡指数的目标函数；f1 0为重构前网损目标函数的初始值；f2 0为重构前负荷均衡指数的目标函数的初始值；f3是节点电压降落目标函数；f4是失电负荷目标函数；Ps为负荷恢复的最大负荷恢复量；w1为网损目标函数的权重、w2为负荷均衡指数的目标函数的权重、w3为节点电压降落目标函数的权重、w4为失电负荷目标函数的权重，且w1+w2+w3+w4＝1；
网损目标函数f1如式(2)得到：
Figure BDA0003749411360000082
式(2)中，ki表示支路i的开断状态，取0或1；Ii为支路i上的电流；Ri为支路i的电阻；n为支路总数；
负荷均衡指数的目标函数f2如式(3)：
Figure BDA0003749411360000083
式(3)中，Simax为支路i的额定容量；Pi为支路i末端流过的有功功率、Qi为支路i末端流过的无功功率；支路是一台变压器或带分段开关的支路；
节点电压降落目标函数f3如式(5)所示：
Figure BDA0003749411360000084
式(5)中，N为节点数；Ua为节点a的电压；UNa为节点a的额定电压；
失电负荷目标函数f4如式(6)所示：
Figure BDA0003749411360000085
式(6)中，m为停电区节点总数；Pa为停电负荷节点a的负荷量；Ps为负荷恢复的最大负荷恢复量；
S4：在满足配电网安全运行以及配电网拓扑结构的约束条件下，利用基于环路编码、分环替代的二进制粒子群优化算法求解基于负荷平衡的配电网重构数学模型或者负荷恢复的配电网重构数学模型。
在上述步骤S4中，配电网安全运行的等式约束条件由式(7)得到：
Figure BDA0003749411360000091
式(7)中，Pa为节点a处的有功功率；Qa为节点a处的无功功率；Gab为节点a和节点b之间的电导；Bab为节点a和节点b之间的电纳；Ua为节点a的电压；Ub为节点b的电压；δab为Ua和Ub之间的相角；n为节点数。
在上述步骤S4中，配电网拓扑结构的不等式约束条件由式(8)得到：
Figure BDA0003749411360000092
式(8)中，Ijmax为流经第j支路的电流最大允许值；Uimin、Uimax分别表示节点a的电压下界和上界；Sj为当前方案中的支路容量；Sjmax为支路最大容量；gk为重构后的网络拓扑结构；G为辐射状配电网拓扑结构集合；其中辐射状配电网拓扑结构的原则如下：1)只在一个环路中出现的开关最多有一个是断开状态的；2)在多个环路中出现的开关至少在一个环路中是闭合状态；3)两个环路中共同存在的公共支路开关在编码时不允许打开两个以上；4)为保证配网中所有负荷都能得到供电，对于不处于任何环路内的支路上的开关必须闭合；5)与电源点直接相连接的分段开关必须处于闭合状态。
在上述步骤S4中，基于环路编码、分环替代的二进制粒子群优化算法的粒子更新公式由式(9)得到：
Figure BDA0003749411360000093
式(9)中，vk+1是粒子迭代第k+1次的速度；c0是权重系数，在(0，1]之间，c0越大越有利于全局最优的搜索、越小则越利于局部搜索；vk是粒子迭代第k次的速度；xk是迭代第k次的位置；c1、c2是学习因子，为非负常数；rand()是[0,1]之间的随机数；pbest是个体最优位置；gbest是群体最优位置；xi是第i个粒子的位置。
其中环路编码的特点为：1)闭合所有开关，确定出基本环路组(S1,S2,…,Sm)，其中的S1,S2,…,Sm代表1至m个基本环路的编号且避免开关的重复选取，保证基本环路组的开关数最少；2)断开的开关分属于每个基本环路是满足辐射状约束的必要非充分条件；3)在粒子编码中，单个粒子的长度为网络中的开关总数，组数为网络中的环路数，粒子的初始状态表示网络中开关的闭合状态。
关于环路编码：配电网中的每一个联络开关对应着一个环，闭合一个联络开关将形成一个环，必须断开环中的一个分段开关才能使配电网恢复辐射状。基于环路的编码，是先闭合所有开关，形成并确定出基本环路组(S1,S2,…,Sm)；对每个基本环路的选取组，尽量避免开关的重复选取，保证基本环路的开关数最少，以达到进一步减少搜索空间的目的；如图2所示，以IEEE-33节点为例，就可以得到5个基本环路，断开的开关分属于每个基本环路是满足辐射状约束的必要非充分条件；以此为理论基础，对可行解的搜寻就基于环路，从每个环路中选择一个开关断开；把搜索空间从针对整个配电系统，分解为针对每个环路，大大降低的维数和搜索空间。如果系统含有n个开关和m环路(其中n＞m)，且每个环路所含有的支路数分别为(l1、l2、l3、…、lm)，显然其中任意的(l1、l2、l3、…、lm)都不大于n。则针对整个配电系统的编码搜索空间为
Figure BDA0003749411360000101
而基于环路的搜索空间就只是每个环路的支路数的连乘。以IEEE-33节点为例，基于环路的搜索空间就只有10×11×16×7×7＝86240，相对于
Figure BDA0003749411360000102
仅为其0.165％。所以基于环路编码能有效的编码不可行解的产生，在减少了搜索空间上有突出优势，显著提高算法效率。
如图3所示，基于负荷平衡的配电网重构数学模型或者基于负荷恢复的配电网重构数学模型的求解过程为：
Step1：产生一批初始解，保证这批初始解满足环路编码的特点，并且检验这一批初始解中是否有粒子状态重复的情况，如果有则重新生成初始解，得到最优个体以及其开关的状态；
Step2：进行迭代寻优，更新粒子的速度以及位置信息；
Step3：选取所有维数中概率最高开关的断开，确定各个环路中开断概率最高的t个为备选开关bk(bk1，bk2，...，bkt)；
Step4：将bk(bk1，bk2，…，bkt)分别与gkai(k1，k2，…，km)中相对应环路的元素进行替换，且每次只变换一个环路，剩余环路的断开开关仍采用gkai(k1，k2，...，km)中的开关；
Step5：在第i个环路的替换后判断当前是否是最后一个环路，若是进入Step6,否则回到Step4；
Step6：检查粒子是否符合辐射要求，若是，进入Step7，若则令适应度值为inf且回到Step2；
Step7：进行潮流计算，若满足约束条件，进入Step8，否则令适应度值为inf且回到Step2；
Step8：记录适应度最小值和其所对应的解，并且将最小适应度对应的备选开关记录为ki‘，进入Step9；
Step9：判断是否达到最大迭代次数，若是则输出最优解，否则回到Step2。
下面以一个具体实施例来进一步阐述本发明的方案。
采用IEEE 33节点系统作为测试算例。该系统有33个节点，37条支路，其中5条为联络开关控制的联络支路，系统结构图如图2。网络首端基准电压为12.66kV，三相功率准值取10MVA，该配电系统网络总负荷为5084.26+j2547.32kVA。
步骤1：检查配电网运行状态，检测到配电网未出现停电故障，进入步骤2；出现停电故障，进入步骤3；
步骤2：建立基于负荷均衡的配电网重构数学模型：
Figure BDA0003749411360000111
Figure BDA0003749411360000112
步骤3：建立基于负荷恢复的配电网重构数学模型：
Figure BDA0003749411360000121
Figure BDA0003749411360000122
步骤4：①对步骤2求解：将权重系数c0设置为1，学习因子c1和c2均取为2，F1中的w1、w2分别取0.7和0.3，粒子群的种群设置为20，每个环路的替换备选开关bk取4，迭代次数定为40，利用计算机进行求解，具体算法求解流程图如图3，寻优效果如表1。
表1IEEE-33节点配电网重构前后结果
比较项目 重构前 重构后
断开开关 33/34/35/36/37 10/14/28/31/33
网损(kw) 190.33 133.16
负荷均衡指数 10.74 7.43
最低电压(p.u.) 0.91411 0.93388
由表1所示，重构前后开关组合由33/34/35/36/37变为10/14/28/31/33，图4是重构后的配电网架构，只是通过5个开关变化，网损从190.33kW降至133.16kW，负荷均衡指数也由10.74降至7.43，配电网的安全性能得到了提升，线路负荷得到均衡；如图5所示，重构后最低电压也得到了显著提高，改善了电能质量。
①对步骤3求解：
假设在IEEE-33节点中，14节点因为故障而导致停电，现通过优化算法对配电网的结构进行重构，将权重系数c0设置为1，学习因子c1和c2均取为2，F2中的w1、w2、w3、w4分别取0.2、0.2、0.2、0.4，粒子群的种群设置为20，每个环路的替换备选开关bk数取4，迭代次数定为40，利用计算机进行求解，具体算法求解流程图如图3，具体恢复情况如表2所示：
表2节点14负荷恢复结果
比较项目 重构前 重构后
断开开关 33/34/35/36/37 7/8/14/17/37
网损(kw) 190.33 138.96
负荷均衡指数 10.74 7.52
最低电压(p.u.) 0.91411 0.93543
节点负荷(kw) 120 102.53
如表所2示，重构前后开关组合由33/34/35/36/37变为7/8/14/17/37，图6是重构后的配电网架构，网损从190.33kW降至138.96kW，负荷均衡指数也由10.74降至7.52，在保证配电网的安全性能的同时进行负荷恢复，14节点原先的负荷量为120KW，经过恢复后，得到的恢复量为102.53KW，恢复比为0.85；如图7所示，最低电压得到了显著提高，改善了电能质量。
本发明提供的配电网重构策略在处理由于负荷剧增而产生线路负荷不均衡时，除网损以外重点考虑了负荷均衡指数这一目标函数，在重构的同时既保证了经济效益又保证了安全性；该配电网重构策略在处理停电故障，需要进行负荷恢复时，负荷均衡的基础上进一步考虑了节点电压降落以及最小化失电负荷这两个目标函数，既保证了线路负荷均衡化，又保证了最大限度地恢复负荷。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内；本发明未涉及的技术均可通过现有技术加以实现。

Claims (10)

1.一种基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：包括以下步骤：
S1：检查配电网当前的运行状态，判断配电网是否出现停电故障，如果未出现故障则进入步骤S2，否则进入步骤S3；
S2：依据网损、负荷均衡指数建立基于负荷平衡的配电网重构数学模型，进入步骤S4；
S3：依据网损、负荷均衡指数、最小化失电负荷、节点电压降落最小建立基于负荷恢复的配电网重构数学模型，进入步骤S4；
S4：在满足配电网安全运行以及配电网拓扑结构的约束条件下，利用基于环路编码、分环替代的二进制粒子群优化算法求解基于负荷平衡的配电网重构数学模型或者负荷恢复的配电网重构数学模型。
2.根据权利要求1所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S2中的负荷平衡的配电网重构数学模型F1通过式(1)得到：
Figure FDA0003749411350000011
式(1)中，f1是网损目标函数；f2是负荷均衡指数的目标函数；f1 0为重构前网损目标函数的初始值；f2 0为重构前负荷均衡指数的目标函数的初始值；w1为网损目标函数的权重、w2为负荷均衡指数的目标函数的权重，且w1+w2＝1；
网损目标函数f1如式(2)得到：
Figure FDA0003749411350000012
式(2)中，ki表示支路i的开断状态，取0或1；Ii为支路i上的电流；Ri为支路i的电阻；n为支路总数；
负荷均衡指数的目标函数f2如式(3)：
Figure FDA0003749411350000013
式(3)中，Simax为支路i的额定容量；Pi为支路i末端流过的有功功率、Qi为支路i末端流过的无功功率；支路是一台变压器或带分段开关的支路。
3.根据权利要求2所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S3中的负荷恢复的配电网重构数学模型F2通过式(4)得到：
Figure FDA0003749411350000021
式(4)中，f1是网损目标函数；f2是负荷均衡指数的目标函数；f1 0为重构前网损目标函数的初始值；f2 0为重构前负荷均衡指数的目标函数的初始值；f3是节点电压降落目标函数；f4是失电负荷目标函数；Ps为负荷恢复的最大负荷恢复量；w1为网损目标函数的权重、w2为负荷均衡指数的目标函数的权重、w3为节点电压降落目标函数的权重、w4为失电负荷目标函数的权重，且w1+w2+w3+w4＝1；
网损目标函数f1如式(2)得到：
Figure FDA0003749411350000022
式(2)中，ki表示支路i的开断状态，取0或1；Ii为支路i上的电流；Ri为支路i的电阻；n为支路总数；
负荷均衡指数的目标函数f2如式(3)：
Figure FDA0003749411350000023
式(3)中，Simax为支路i的额定容量；Pi为支路i末端流过的有功功率、Qi为支路i末端流过的无功功率；支路是一台变压器或带分段开关的支路；
节点电压降落目标函数f3如式(5)所示：
Figure FDA0003749411350000024
式(5)中，N为节点数；Ua为节点a的电压；UNa为节点a的额定电压；
失电负荷目标函数f4如式(6)所示：
Figure FDA0003749411350000025
式(6)中，m为停电区节点总数；Pa为停电负荷节点a的负荷量；Ps为负荷恢复的最大负荷恢复量。
4.根据权利要求1所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S4中的配电网安全运行的等式约束条件由式(7)得到：
Figure FDA0003749411350000031
式(7)中，Pa为节点a处的有功功率；Qa为节点a处的无功功率；Gab为节点a和节点b之间的电导；Bab为节点a和节点b之间的电纳；Ua为节点a的电压；Ub为节点b的电压；δab为Ua和Ub之间的相角；n为节点数。
5.根据权利要求1所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S4中的配电网拓扑结构的不等式约束条件由式(8)得到：
Figure FDA0003749411350000032
式(8)中，Ijmax为流经第j支路的电流最大允许值；Uimin、Uimax分别表示节点a的电压下界和上界；Sj为当前方案中的支路容量；Sjmax为支路最大容量；gk为重构后的网络拓扑结构；G为辐射状配电网拓扑结构集合。
6.根据权利要求5所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述辐射状配电网拓扑结构的原则如下：
1)只在一个环路中出现的开关最多有一个是断开状态的；
2)在多个环路中出现的开关至少在一个环路中是闭合状态；
3)两个环路中共同存在的公共支路开关在编码时不允许打开两个以上；
4)为保证配网中所有负荷都能得到供电，对于不处于任何环路内的支路上的开关必须闭合；
5)与电源点直接相连接的分段开关必须处于闭合状态。
7.根据权利要求1所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S4中的基于环路编码、分环替代的二进制粒子群优化算法的粒子更新公式由式(9)得到：
Figure FDA0003749411350000041
式(9)中，vk+1是粒子迭代第k+1次的速度；c0是权重系数，在(0，1]之间，c0越大越有利于全局最优的搜索、越小则越利于局部搜索；vk是粒子迭代第k次的速度；xk是迭代第k次的位置；c1、c2是学习因子，为非负常数；rand()是[0,1]之间的随机数；pbest是个体最优位置；gbest是群体最优位置；xi是第i个粒子的位置。
8.根据权利要求7所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S4中的环路编码的特点为：
1)闭合所有开关，确定出基本环路组(S1,S2,…,Sm)，其中的S1,S2,...,Sm代表1至m个基本环路的编号且避免开关的重复选取，保证基本环路组的开关数最少；
2)断开的开关分属于每个基本环路是满足辐射状约束的必要非充分条件；
3)在粒子编码中，单个粒子的长度为网络中的开关总数，组数为网络中的环路数，粒子的初始状态表示网络中开关的闭合状态。
9.根据权利要求8所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S4中的基于负荷平衡的配电网重构数学模型的求解过程为：
Step1：产生一批初始解，保证这批初始解满足环路编码的特点，并且检验这一批初始解中是否有粒子状态重复的情况，如果有则重新生成初始解，得到最优个体以及其开关的状态；
Step2：进行迭代寻优，更新粒子的速度以及位置信息；
Step3：选取所有维数中概率最高开关的断开，确定各个环路中开断概率最高的t个为备选开关bk(bk1，bk2，...，bkt)；
Step4：将bk(bk1，bk2，...，bkt)分别与gkai(k1，k2，...，km)中相对应环路的元素进行替换，且每次只变换一个环路，剩余环路的断开开关仍采用gkai(k1，k2，...，km)中的开关；
Step5：在第i个环路的替换后判断当前是否是最后一个环路，若是进入Step6,否则回到Step4；
Step6：检查粒子是否符合辐射要求，若是，进入Step7，若则令适应度值为inf且回到Step2；
Step7：进行潮流计算，若满足约束条件，进入Step8，否则令适应度值为inf且回到Step2；
Step8：记录适应度最小值和其所对应的解，并且将最小适应度对应的备选开关记录为ki‘，进入Step9；
Step9：判断是否达到最大迭代次数，若是则输出最优解，否则回到Step2。
10.根据权利要求8所述的基于负荷平衡及负荷恢复的配电网重构策略，其特征在于：所述步骤S4中的负荷恢复的配电网重构数学模型的求解过程为：
Step1：产生一批初始解，保证这批初始解满足环路编码的特点，并且检验这一批初始解中是否有粒子状态重复的情况，如果有则重新生成初始解，得到最优个体以及其开关的状态；
Step2：进行迭代寻优，更新粒子的速度以及位置信息；
Step3：选取所有维数中概率最高开关的断开，确定各个环路中开断概率最高的t个为备选开关bk(bk1，bk2，...，bkt)；
Step4：将bk(bk1，bk2，...，bkt)分别与gkai(k1，k2，...，km)中相对应环路的元素进行替换，且每次只变换一个环路，剩余环路的断开开关仍采用gkai(k1，k2，...，km)中的开关；
Step5：在第i个环路的替换后判断当前是否是最后一个环路，若是进入Step6,否则回到Step4；
Step6：检查粒子是否符合辐射要求，若是，进入Step7，若则令适应度值为inf且回到Step2；
Step7：进行潮流计算，若满足约束条件，进入Step8，否则令适应度值为inf且回到Step2；
Step8：记录适应度最小值和其所对应的解，并且将最小适应度对应的备选开关记录为ki‘，进入Step9；
Step9：判断是否达到最大迭代次数，若是则输出最优解，否则回到Step2。
CN202210833977.6A 2022-07-15 2022-07-15 基于负荷平衡及负荷恢复的配电网重构策略 Pending CN115000984A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210833977.6A CN115000984A (zh) 2022-07-15 2022-07-15 基于负荷平衡及负荷恢复的配电网重构策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210833977.6A CN115000984A (zh) 2022-07-15 2022-07-15 基于负荷平衡及负荷恢复的配电网重构策略

Publications (1)

Publication Number Publication Date
CN115000984A true CN115000984A (zh) 2022-09-02

Family

ID=83022713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210833977.6A Pending CN115000984A (zh) 2022-07-15 2022-07-15 基于负荷平衡及负荷恢复的配电网重构策略

Country Status (1)

Country Link
CN (1) CN115000984A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116316616A (zh) * 2023-05-26 2023-06-23 南方电网数字电网研究院有限公司 配电网的故障处理方案确定方法、装置和计算机设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116316616A (zh) * 2023-05-26 2023-06-23 南方电网数字电网研究院有限公司 配电网的故障处理方案确定方法、装置和计算机设备
CN116316616B (zh) * 2023-05-26 2023-09-15 南方电网数字电网研究院有限公司 配电网的故障处理方案确定方法、装置和计算机设备

Similar Documents

Publication Publication Date Title
Sedighizadeh et al. Reconfiguration of distribution systems to improve re-liability and reduce power losses using imperialist com-petitive algorithm
CN111682525A (zh) 基于最优流法和Mayeda生成树法的负荷转供方法
CN105932690B (zh) 一种综合无功优化与网络重构的配网运行优化方法
CN108182498A (zh) 配电网故障恢复性重构方法
CN109038545B (zh) 一种基于差分进化入侵杂草算法的配电网重构方法
CN111416359A (zh) 一种考虑加权潮流熵的配电网络重构方法
CN109599894A (zh) 一种基于改进遗传算法的dg并网优化配置方法
CN115000984A (zh) 基于负荷平衡及负荷恢复的配电网重构策略
CN114865625A (zh) 一种包含微网的配电网故障恢复方法
CN110460043A (zh) 基于多目标改进粒子群算法的配电网网架重构方法
Dixit et al. Optimal placement of PV array in distribution system for power loss minimization considering feeder reconfiguration
CN117335384A (zh) 一种基于蚁群算法的配电网故障恢复重构方法
Choi et al. An application of genetic algorithms to the network reconfiguration in distribution for loss minimization and load balancing problem. II
Yang et al. Loss-minimized distribution system reconfiguration by using improved multi-agent based particle swarm optimization
CN112766532A (zh) 一种基于改进混合整数差分进化算法的dg规划方法
Nara et al. Modern heuristics application to distribution system optimization
Lan et al. Research on distribution network reconstruction based on improved cuckoo search algorithm based on differential evolution
Xu et al. Static Reconstruction Method of NSGA-II Distribution Network Based on Basic Ring
Wu et al. Service restoration of active distribution network considering the islanded operation of distributed generation and micro-grid
Esmaeilian et al. Bardsir network reconfiguration using graph theory-based binary genetic algorithm to reduce loss and improve voltage profile
Mahdavi et al. Genetic algorithm application in distribution system reconfiguration
Zhengji et al. Research on self-healing function of smart distribution network based on adaptive genetic algorithm
Chen et al. Research on Dynamic Fault Recovery Strategy of Distribution Network Based on Multi-objective Optimization Considering Fault Hazard Degree
Wang et al. Multi-objective Distribution Network Reconfiguration Based on Backward/Forward Sweep-Based Power Flow Calculation
Abou El-Ela et al. Multi-Objective Optimal Planning and Operation of Distribution System Using Genetic Algorithm

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