CN115021241A - 基于分布式资源的配电网自我恢复方法 - Google Patents

Abstract

本发明提供一种基于分布式资源的配电网自我恢复方法，针对不同类型电源构建黑启动过程恢复特性模型；其次，以最大化可用发电量和有功负荷恢复量为目标构建分布式资源启动顺序优化模型，并基于节点重要度和路径恢复时间构建综合路径评价指标以优化待启动机组的恢复路径，进一部根据时步重复求解启动次序优化模型、恢复路径优化模型以及负荷恢复优化模型，以此得到最终的配电网恢复方案，从而分时步投入停电负荷以最小化停电损失，同时考虑负荷恢复顺序，有效调配恢复资源，提升配电系统恢复过程的快速性与稳定性。

Description

基于分布式资源的配电网自我恢复方法

技术领域

本发明涉及一种基于分布式资源的配电网自我恢复方法。

背景技术

电力行业是国家的命脉，电力系统安全稳定运行对社会有着举足轻重的影响。随着现代电力系统规模日趋庞大，其结构愈加复杂，长距离输电线路的大规模使用、大容量机组的投运以及高压电网的建设，使电力系统安全稳定受到极大挑战。近年来，一些国家大规模停电事故相继发生，对其经济、社会以及人员造成不可挽回的损失。因此，制定有效的黑启动方案，对大停电事故后快速恢复负荷供电、减少经济损失和保证社会稳定具有极其重要的意义。

配电网作为电能输送和供应的最后环节，也是直接面向用户的重要环节，它的供电可靠性对电力系统的运行至关重要。一般而言，黑启动过程包括电源黑启动、网架重构、负荷恢复3个阶段，现有研究大多侧重于电源启动顺序、恢复路径、负荷管理某一方面，缺少一套完整的大停电后配电网黑启动方案。此外，目前关于电力系统供电恢复的研究没有充分利用分布式资源(distributed energy resource,DER)，一定程度上制约了DER作为黑启动电源价值的发挥。在构建新型电力系统战略背景下，使得开展大停电后基于DER的配电网自我恢复方案研究尤显重要和迫切。

发明内容

为解决上述问题，提供一种故障后完整的配电网自我恢复方法，本发明采用了如下技术方案：

本发明提供了一种基于分布式资源的配电网自我恢复方法，其特征在于，包括如下步骤：步骤S1，获取大停电后配电网的电力系统状态作为初始工况，初始化系统参数；步骤S2，确定当前时步所述配电网的分布式资源的恢复特性；步骤S3，根据所述恢复特性确定启动次序优化模型并进行求解，得到所述分布式资源的启动次序优化方案；步骤S4，根据所述启动次序优化方案确定节点重要度，并基于该节点重要度求解恢复路径优化模型，得到所述分布式资源的恢复路径优化方案；步骤S5，基于所述启动次序优化方案以及所述恢复路径优化方案，求解负荷恢复优化模型得到所述当前时步的完整恢复方案；步骤S6，将下一时步作为新的当前时步，并重复所述步骤S2至所述步骤S5直至恢复时段结束；步骤S7，得到并输出所述配电网的恢复方案，从而基于所述恢复方案完成所述配电网的自我恢复。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述启动次序优化模型采用所述当前时步可用分布式资源的发电量最大和获得恢复的有功负荷用电量最大作为恢复目标，相应的目标函数为：

式中，maxf₁为第一目标，表示在所述当前时步内启动所述分布式资源的可用发电量最大；maxf₂为第二目标，表示在所述当前时步内最大化启动分布式电源附近的负荷重要度；N_G，k为第k个时步启动所述分布式电源的数目；Δt为考虑启动时间内的时步步长；α_G，i为0-1变量，表示第i个所述分布式电源的启动状态，若所述分布式电源启动则置1，反之置0；P_i(t)为第i个所述分布式电源在t时刻的有功出力；ω_l为所述分布式电源附近第l级负荷的权重，权重越大，表示该负荷越重要；P_i，l为与第i个DG相连的负荷功率，

所述目标函数的约束条件为：

V_i ^min≤V_i≤V_i ^max,i∈N_B

式中，

和

表示第i个DER的有功功率下限和上限；

和

表示第i个DER的无功功率下限和上限；

和

为节点电压的最大值和最小值；P_xi为第i条线路流过的有功功率；

为第i条线路上允许流过的有功功率最大值；N_B为节点个数；N_L为线路个数。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述节点重要度基于反映电力系统网络拓扑结构的节点关键度和反映电力系统电气参数的功率转移系数相结合得到，节点i的综合重要度为：

式中：μ为节点重要度调整系数；β_i为节点i收缩后的关键度；δ_i为节点i的的功率转移系数；在得到所有节点的所述节点重要度后，通过最大化归一方法对所有所述节点重要度进行归一化处理。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述节点关键度利用节点收缩后的网络凝聚度评估得到，公式为：

式中：β_i为节点i收缩后的关键度；n_i为节点i收缩后新网络中的节点总数；li为节点i收缩后新网络中节点之间的最短路径平均值；d_min,ij为新网络中用边的数目表示的任意两点i和j之间的最短距离；式中：β_i为节点i收缩后的关键度；n_i为节点i收缩后新网络中的节点总数；li为节点i收缩后新网络中节点之间的最短路径平均值；d_min,ij为新网络中用边的数目表示的任意两点i和j之间的最短距离；V_i为节点收缩后新网络中的节点集合。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述功率转移系数为：

式中：P_L,max为节点i的最大注入功率；P_B为功率基准值。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述恢复路径优化模型的目标函数为：

式中，

为节点p和q之间第k条恢复路径的节点集合；

为恢复路径k所需要的时间；Z_m为

中节点m的节点重要度；ε为路径调整系数，用于表征路径恢复中对节点重要度和恢复时间的权重系数。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述负荷恢复优化模型的目标函数为：

式中，N_L,k为第k个时步待恢复的负荷节点个数；α_Li为0-1变量，表示第i个负荷是否投入，1表示投入，0表示未投入；ω_Li为相应的负荷权重；P_Li为节点负荷的有功功率。

本发明提供的基于分布式资源的配电网自我恢复方法，还可以具有这样的技术特征，其中，所述负荷恢复优化模型的约束条件包括单次投入容量约束、网络约束、时步最大可恢复负荷量约束以及最大充电路径权重约束。

发明作用与效果

根据本发明的基于分布式资源的配电网自我恢复方法，由于针对配电网恢复过程中电源黑启动、网架重构、负荷恢复3个阶段，分别建立DER启动次序优化、DER恢复路径优化以及负荷恢复优化模型，基于节点重要度和路径恢复时间构建综合路径评价指标以优化待启动机组的恢复路径，因此那个分时步投入停电负荷以最小化停电损失，同时考虑负荷恢复顺序，有效调配恢复资源，提升配电系统恢复过程的快速性与稳定性。

附图说明

图1是本发明实施例中配电网自我恢复方法的流程图；

图2是本发明实施例中节点收缩示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的基于分布式资源的配电网自我恢复方法作具体阐述。

<实施例>

在本实施例中，针对含有分布式电源(distributed generator,DG)、储能(energystorage,ES)、电动汽车(Electric Vehicles，EV)充换电站以及可控负荷的配电系统，提出了一种故障后完整的配电系统自我恢复方案。

首先，通过分析分布式资源(distributed energy resource,DER)在大停电后的出力特性，建立配电系统内不同DER的恢复特性模型，深入探究各类电源的黑启动价值与潜力。然后，针对配电网恢复过程中电源黑启动、网架重构、负荷恢复3个阶段，分别建立DER启动次序优化、DER恢复路径优化以及负荷恢复优化模型，基于可用发电量以及负荷恢复量最大确定电源启动顺序，进而选取节点重要度之和最大且恢复路径线路较少的路径进行网架重构，同时考虑负荷恢复顺序，提升配电系统恢复过程中稳定性。

图1是本发明实施例中配电网自我恢复方法的流程图。

如图1所示，基于分布式资源的配电网自我恢复方法包括如下步骤S1至步骤S7。

步骤S1，获取大停电后配电网的电力系统状态作为初始工况，初始化系统参数。

步骤S2，确定当前时步所述配电网的分布式资源的恢复特性。

在发生外部故障或大停电导致有源配网失去外部供电后，若配电系统中有DG、ES及可控负荷等DER接入时，在输电系统发生大停电的时段，配电系统调度机构可以调用DER建立能够持续供电的孤岛，维持孤岛内部的负荷正常供电。由于不同类型DER可用出力和恢复特性不同，对于含风电(Wind Power,WP)、光伏(photovoltaic,PV)等新能源DG，以及ES、EV充电站和可控负荷的主动配电网，其可恢复孤岛建立以及持续运行策略与传统配电系统有很大不同，特性迥异DER出力的不确定性、波动性、容量的有限性、负荷的可切断性对制定配电网的恢复策略具有决定性的影响。为此，首先需要建立主要元件的模型。

针对DG的发电出力特性：

配电系统中的DG可分为间歇性的和非间歇性的，非间歇性DG的发电特性相对稳定，如微燃机(Micro Gas Turbine，MT)、柴油机组等，同时具备电压频率控制能力，可以作为黑启动主电源参与到配网的恢复中。在恢复供电期间，主要考虑其输出功率的上下限及爬坡能力的约束，如下：

式中：P_M,，i(t)、Q_M,，i(t)分别为非间歇性机组在t时刻输出的有功和无功功率；

分别为其有功和无功出力上下限；

分别为其在t时段内有功和无功的最大向下和向上调节值。

分布式WT和PV均为配电网中常见的间歇性DG，一般只具备PQ控制能力，单独的新能源DG不能作为孤岛恢复的主电源。一般而言，WT和PV的发电出力波动较大，并且受到风速、光照强度、气温等因素影响。当获得未来一段时间内的风光出力预测值P*W，i(t)，并令其最大预测误差为α_i，则WT和PV的出力特性可用以下公式描述：

式中：P_W,i(t)、Q_W,i(t)分别为t时段WT或PV机组i的有功和无功实际出力值；S_W，i为额定视在功率；

为其在t时段实际出力的最大值。式(7)用区间的方式表达了风光等新能源出力预测的误差。

由于新能源特性不同，在黑启动过程中采用的控制方法也不一样。黑启动初期，为了给配电系统提供更多的发电功率，PV和WT通常采用MPPT控制；当PV和WT发出的功率随环境的变化比较大时，一般采用P/Q控制维持输出的有功功率、无功功率与参考值一致。

针对ES和EV充换电站的发电出力特性：

配电网中ES充放电功率可以通过适当控制实现稳定的功率输出，但故障发生时的ES储能水平具有随机性。对于考虑一段时间内的配电系统恢复问题，ES存储的电能水平对供电能力具有显著影响，如果ES在外系统停电时刻的SOC大于一定水平，则可以在一段时间内提供稳定的功率输出，因此在一段时间内可以作为黑启动电源。ES在故障恢复期间作为供电电源时，其受到最大充放电功率、SOC要求等限制，需满足的约束表示如下：

式中：

分别为ES在t时段的充放电功率；

分别为ES的最大充放电功率；

分别为ES在t时刻和t-1时刻的容量；η^C、η^D分别为ES的充放电效率；

分别为ES荷电状态的上下限；若ES配备足够的无功补偿装置，则ES的无功调节约束与式(6)类似。

EV作为一种新型交通工具，在缓解能源危机、促进人类与环境的和谐发展等方面具有不可比拟的优势。当配电网中的集中型充电站内可用电池容量达到一定程度时，可把EV视作灵活的储能单元，不仅可以为恢复过程提供电能，而且可以作为负荷来维持系统恢复过程中的功率平衡。EV充换电站与ES的主要区别体现在EV充换电站具有更强的随机性：1)在停电故障发生的t＝0时刻，EV充换电站内的停驶EV数量N_E(0)以及这N_E(0)块EV电池所存储的总能量具有较大随机性；2)在t∈[0,T]故障发生时段内，停驶在充换电站内的EV和EV电池数量N_E(t)会随机变化，储能的总能量也会随之变化。对于

位于节点i的EV充换电站需满足如下约束：

式中：

分别为单辆EV在t时段的充放电功率；

分别为单辆EV的最大充放电功率；

分别为单辆EV在t时刻和t-1时刻的电池容量；η^CV、η^DV分别为EV的充放电效率；

分别为EV荷电状态的上下限；P_EVC,i(t)、P_EVD,i(t)为位于节点i的EV充换电站的整体有功负荷和有功出力。EV充换电站的无功调节能力的计算与ES相同，N_E,i(t)是影响EV充换电站出力不确定性的主要因素，可以基于运行经验和N_E(0)来预测停电时段内各个时刻的EV电池数量N_E,i(t)；单辆EV的初始SOC在一定程度上也会EV充换电站的发电出力，当于停电时段较短时可忽略初始SOC的影响。

一般负荷不受调度中心控制，由电力用户进行主导，因而各负荷节点实际投入的额定负荷功率大小会因用户行为的改变而波动。大量用户的用电负荷具有一定的统计规律，可以通过历史数据和典型用能曲线进行模拟；而对于各个节点的一般负荷有功功率和无功功率的波动性较强，在发生停电故障时，调度中心可以基于故障前节点负荷以及历史负荷曲线，对故障发生时段[0,T]内的负荷进行模拟，得到预测的有功功率和无功功率：

P_L,i(t)＝P_el,i(t)+λ_l,i(t)P_cl,i (20)

Q_L,i(t)＝Q_el,i(t)+λ_l,i(t)Q_cl,i (21)

式中：P_L,i(t)、Q_L,i(t)分别为节点i在t时刻的有功功率和无功功率；P_el,i(t)、Q_el,i(t)分别为节点i在故障时段内的有功功率和无功功率估计值；λ_l,i为可控负荷开关状态的0-1变量；P_cl,i、Q_cl,i分别为节点i可控负荷的有功功率和无功功率。

步骤S3，根据所述恢复特性确定启动次序优化模型并进行求解，得到所述分布式资源的启动次序优化方案。

合理安排DER的启动次序是配网故障后首要解决的问题，本实施例基于传统电网的机组恢复原则，并结合不同DER特性对黑启动的影响程度，采用以下原则：

1)DER参与配电网黑启动的最终目标是得到尽可能多的可用发电容量，因此优先启动容量大的机组，以提供更大的启动功率，从而加快恢复供电的速度。

2)离重要负荷近的机组应优先启动。配电网发生故障停电后，机组附近负荷可按重要程度进行分类，优先启动重要负荷附近的DER有利于缩短供电路径，加快重要负荷的恢复时间。

3)DER启动时间的长短直接关系到配电网的恢复速度，DER的启动时间越短，相应配电网的恢复速度就越快，反之，启动速度慢的DER将会给负荷恢复以及下一时步的DER出力造成不良影响。

4)具备调频调压能力配电网孤岛运行的必要条件，DER启动以后需要有一定的调频调压能力才能带负荷孤岛运行。

黑启动初期配电网的恢复目标是最大化机组可用发电量并为后期尽快恢复停电负荷奠定基础，因此采用所考虑时间段内可用DER发电量最大和获得恢复的有功负荷用电量最大作为恢复目标：

式中，max f₁为第一目标，表示在所述当前时步内启动所述分布式资源的可用发电量最大；max f₂为第二目标，表示在所述当前时步内最大化启动分布式电源附近的负荷重要度；N_G，k为第k个时步启动所述分布式电源的数目；Δt为考虑启动时间内的时步步长；α_G，i为0-1变量，表示第i个所述分布式电源的启动状态，若所述分布式电源启动则置1，反之置0；P_i(t)为第i个所述分布式电源在t时刻的有功出力；ω_l为所述分布式电源附近第l级负荷的权重，权重越大，表示该负荷越重要；P_i，l为与第i个DG相连的负荷功率，

所述目标函数的约束条件为：

式中，

和

表示第i个DER的有功功率下限和上限；

和

表示第i个DER的无功功率下限和上限；

和

为节点电压的最大值和最小值；P_xi为第i条线路流过的有功功率；

为第i条线路上允许流过的有功功率最大值；N_B为节点个数；N_L为线路个数。

步骤S4，根据所述启动次序优化方案确定节点重要度，并基于该节点重要度求解恢复路径优化模型，得到所述分布式资源的恢复路径优化方案。

在网络拓扑中，节点的度定义为该节点所连接的边的数目，反映了节点和网络中其他节点的连接能力。在电力系统网络中，度表示网络拓扑的局部电气联系水平，同时也表征某节点与网络其余部分的可达程度；度越大，节点和其他节点的直接连通能力和可达程度就越强，在网络中也就越重要。在利用DER作为黑启动电源的网架重构过程中，为减小停电损失，需尽可能恢复电气联系强的节点，以加强系统的连通性，提高可达程度，从而为尽快恢复失电负荷做准备。

本实施例考虑了核心节点的重要度，并利用电力系统的节点参数，提出一种新的电力系统节点重要度评价方案，即，节点重要度基于反映电力系统网络拓扑结构的节点关键度和反映电力系统电气参数的功率转移系数相结合得到。具体地：

节点i的综合重要度为：

式中：μ为节点重要度调整系数；β_i为节点i收缩后的关键度；δ_i为节点i的的功率转移系数；

在得到所有节点的所述节点重要度后，通过最大化归一方法对所有所述节点重要度进行归一化处理。

本实施例中，节点关键度利用节点收缩后的网络凝聚度评估得到。以图2节点12为例说明节点收缩过程，节点12收缩指将与该节点相连接的节点9、10、11与节点12短接，并以图(b)中的新节点9’代替，从而图(a)中与节点9、10、11关联的边均与心节点9’关联。可以看出，节点收缩相当于以待收缩节点为中心，将与其关联的周围节点凝聚到一个节点上，使得整个网络更好地凝聚。节点收缩后的节点关键度定义如下：

式中：β_i为节点i收缩后的关键度；n_i为节点i收缩后新网络中的节点总数；li为节点i收缩后新网络中节点之间的最短路径平均值；d_min,ij为新网络中用边的数目表示的任意两点i和j之间的最短距离；式中：β_i为节点i收缩后的关键度；n_i为节点i收缩后新网络中的节点总数；li为节点i收缩后新网络中节点之间的最短路径平均值；d_min,ij为新网络中用边的数目表示的任意两点i和j之间的最短距离；V_i为节点收缩后新网络中的节点集合。

通过式(29)可以看出：1)度数越大的节点收缩后网络中节点和边的数目就越少，节点关键度就越大，该节点越重要；2)高连通的“核心节点”关键度较高，因为很多节点对之间的最短路径都要经过该节点，该节点收缩后将减少网络的最短平均距离，网络凝聚程度高。

在评价网络节点的重要度时还应考虑电力系统的电气参数，将其与节点关键度结合在一起构建节点重要度指标。电力系统正常运行时，节点的最大注入功率反映了节点对功率的转移水平，某一节点的注入功率越大，则该节点对功率的传输和承载能力就越强。因此，节点注入功率在一定程度上也反映出节点的重要性程度。利用DER资源进行系统恢复时，应尽可能恢复大停电前节点注入功率较大的节点，从而提高系统的输电能力。本实施例中节点的功率转移系数定义为：

式中：P_L,max为节点i的最大注入功率；P_B为功率基准值。

通过上述过程得到节点重要度后，则基于该节点重要度来完成恢复路径优化模型的求解。

在利用DER重构配电网的过程中，优先恢复节点重要度大的路径有利于提高电力系统恢复过程中的稳定水平。一般而言，恢复路径的节点重要度越大，其经过的线路数也越多，恢复该路径所需要的时间也会越长，从而恢复负荷的时间也会越久。因此，在利用DER选择恢复路径时，应同时兼顾恢复路径所需时间，这样才能保证既满足尽快恢复负荷的要求，又满足恢复过程中的稳定性要求。对节点p和q之间第k条的恢复路径的评价指标做如下定义：

式中：

为节点p和q之间第k条恢复路径的节点集合；

为恢复路径k所需要的时间；Z_m为

中节点m的重要度；ε为路径调整系数，用于表征路径恢复中对节点重要度和恢复时间的权重系数。

如果

中的节点数目越多，线路数也会越多，那么

就会越小，同时

就可能越大。最小化

所表示的含义为：选取节点重要度之和最大且恢复路径线路较少的方案。因此，通过灵活调整路径调整系数ω，选择所有路径中使

最小的路径作为节点p和q之间的恢复路径，可以同时兼顾节点重要度和恢复时间，达到灵活选择DER恢复路径的目的。因此，DER恢复路径的优化目标可定义为：

需要指出的是：本实施例所构建的DER恢复路径优化模型能合理兼顾节点重要度和路径恢复时间，线路和负荷的具体恢复时间还与系统可用发电功率、潮流校验结果等因素有关。

步骤S5，基于所述启动次序优化方案以及所述恢复路径优化方案，求解负荷恢复优化模型得到所述当前时步的完整恢复方案。

在确定DER恢复路径并搜索到最优恢复路径后，此时配电网中的DER已经具备了充足的发电能力，需要进一步考虑DER启动过程中的负荷恢复顺序，负荷恢复优化的核心任务是全面且快速地恢复停电负荷。基于考虑时间段内的DER启动顺序优化模型和恢复路径模型，第k时步的负荷优化模型目标函数如下：

式中：N_L,k为第k个时步待恢复的负荷节点个数；α_Li为0-1变量，表示第i个负荷是否投入，1表示投入，0表示未投入；ω_Li为相应的负荷权重；P_Li为节点负荷的有功功率。

另外，负荷恢复优化模型的约束条件包括单次投入容量约束、网络约束、时步最大可恢复负荷量约束以及最大充电路径权重约束。

单次投入容量约束：

单次投入到负荷节点的负荷量过大将导致系统频率的降低，当越后最大限度后，会导致整个系统频率的不稳定。规定每个时步k单次投入的最大负荷量为：

式中：Δf_max为频率允许下降的最大值；N_D,k为第k个时步已经启动并出力的DER个数；P_G,j为第j个DER的额定有功出力值；df_j为第j个DG在该时刻负荷率下的频率响应值。

网络约束：

网络约束包括等式约束和不等式约束，等式约束即为满足潮流方程，包括有功功率和无功功率平衡方程；不等式约束包括DG的有功/无功出力上下限约束、节点电压上下限约束以及线路功率传输极限约束。

时步最大可恢复负荷量约束：

对于所考虑时间段内第k时步最大可恢复供电量P_loadmax,k应小于等于该时步所有启动DER的有功增量之和：

最大充电路径权重约束：

在负荷恢复阶段，为减少负荷的恢复时间，结合恢复路径中的方法，根据系统恢复时间要求设定路径调整系数ω和线路权重μ，降低过电压风险。

步骤S6，将下一时步作为新的当前时步，并重复所述步骤S2至所述步骤S5直至恢复时段结束。

本实施例中，步骤S2至步骤S6基于改进遗传算法来完成恢复方案的求解。

步骤S7，得到并输出所述配电网的恢复方案，从而基于所述恢复方案完成所述配电网的自我恢复。

实施例作用与效果

根据本实施例提供的基于分布式资源的配电网自我恢复方法，由于针对配电网恢复过程中电源黑启动、网架重构、负荷恢复3个阶段，分别建立DER启动次序优化、DER恢复路径优化以及负荷恢复优化模型，基于节点重要度和路径恢复时间构建综合路径评价指标以优化待启动机组的恢复路径，因此那个分时步投入停电负荷以最小化停电损失，同时考虑负荷恢复顺序，有效调配恢复资源，提升配电系统恢复过程的快速性与稳定性。

实施例中，由于通过节点重要度来进行恢复路径优化，确定目标网络的恢复路径对加速恢复进程具有重要指导作用，使得调度人员在执行恢复方案时心中有数，减少因压力过大导致的过失。优化DER恢复路径的目的是确定最优的目标骨架网络，在制定配电网恢复方案时，为保证恢复过程的安全可靠。

上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。

Claims (8)

1.一种基于分布式资源的配电网自我恢复方法，其特征在于，包括如下步骤：

步骤S1，获取大停电后配电网的电力系统状态作为初始工况，初始化系统参数；

步骤S2，确定当前时步所述配电网的分布式资源的恢复特性；

步骤S3，根据所述恢复特性确定启动次序优化模型并进行求解，得到所述分布式资源的启动次序优化方案；

步骤S4，根据所述启动次序优化方案确定节点重要度，并基于该节点重要度求解恢复路径优化模型，得到所述分布式资源的恢复路径优化方案；

步骤S5，基于所述启动次序优化方案以及所述恢复路径优化方案，求解负荷恢复优化模型得到所述当前时步的完整恢复方案；

步骤S6，将下一时步作为新的当前时步，并重复所述步骤S2至所述步骤S5直至恢复时段结束；

步骤S7，得到并输出所述配电网的恢复方案，从而基于所述恢复方案完成所述配电网的自我恢复。

2.根据权利要求1所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述启动次序优化模型采用所述当前时步可用分布式资源的发电量最大和获得恢复的有功负荷用电量最大作为恢复目标，相应的目标函数为：

式中，maxf₁为第一目标，表示在所述当前时步内启动所述分布式资源的可用发电量最大；maxf₂为第二目标，表示在所述当前时步内最大化启动分布式电源附近的负荷重要度；N_G，k为第k个时步启动所述分布式电源的数目；Δt为考虑启动时间内的时步步长；α_G，i为0-1变量，表示第i个所述分布式电源的启动状态，若所述分布式电源启动则置1，反之置0；P_i(t)为第i个所述分布式电源在t时刻的有功出力；ω_l为所述分布式电源附近第l级负荷的权重，权重越大，表示该负荷越重要；P_i，l为与第i个DG相连的负荷功率，

所述目标函数的约束条件为：

V_i ^min≤V_i≤V_i ^max,i∈N_B

式中，

和

表示第i个DER的有功功率下限和上限；

和

表示第i个DER的无功功率下限和上限；

和

为节点电压的最大值和最小值；P_xi为第i条线路流过的有功功率；

为第i条线路上允许流过的有功功率最大值；N_B为节点个数；N_L为线路个数。

3.根据权利要求1所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述节点重要度基于反映电力系统网络拓扑结构的节点关键度和反映电力系统电气参数的功率转移系数相结合得到，节点i的综合重要度为：

式中，μ为节点重要度调整系数；β_i为节点i收缩后的关键度；δ_i为节点i的的功率转移系数；

在得到所有节点的所述节点重要度后，通过最大化归一方法对所有所述节点重要度进行归一化处理。

4.根据权利要求3所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述节点关键度利用节点收缩后的网络凝聚度评估得到，公式为：

式中：β_i为节点i收缩后的关键度；n_i为节点i收缩后新网络中的节点总数；li为节点i收缩后新网络中节点之间的最短路径平均值；d_min,ij为新网络中用边的数目表示的任意两点i和j之间的最短距离；式中：β_i为节点i收缩后的关键度；n_i为节点i收缩后新网络中的节点总数；li为节点i收缩后新网络中节点之间的最短路径平均值；d_min,ij为新网络中用边的数目表示的任意两点i和j之间的最短距离；V_i为节点收缩后新网络中的节点集合。

5.根据权利要求3所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述功率转移系数为：

式中：P_L,max为节点i的最大注入功率；P_B为功率基准值。

6.根据权利要求1所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述恢复路径优化模型的目标函数为：

式中，

为节点p和q之间第k条恢复路径的节点集合；

为恢复路径k所需要的时间；Z_m为

中节点m的节点重要度；ε为路径调整系数，用于表征路径恢复中对节点重要度和恢复时间的权重系数。

7.根据权利要求1所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述负荷恢复优化模型的目标函数为：

式中，N_L,k为第k个时步待恢复的负荷节点个数；α_Li为0-1变量，表示第i个负荷是否投入，1表示投入，0表示未投入；ω_Li为相应的负荷权重；P_Li为节点负荷的有功功率。

8.根据权利要求7所述的基于分布式资源的配电网自我恢复方法，其特征在于：

其中，所述负荷恢复优化模型的约束条件包括单次投入容量约束、网络约束、时步最大可恢复负荷量约束以及最大充电路径权重约束。

Images