CN115310242A - 一种电网分区方法 - Google Patents

一种电网分区方法 Download PDF

Info

Publication number
CN115310242A
CN115310242A CN202210405583.0A CN202210405583A CN115310242A CN 115310242 A CN115310242 A CN 115310242A CN 202210405583 A CN202210405583 A CN 202210405583A CN 115310242 A CN115310242 A CN 115310242A
Authority
CN
China
Prior art keywords
power grid
particle swarm
node
power supply
nodes
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
CN202210405583.0A
Other languages
English (en)
Inventor
毛振宇
苏寅生
赵利刚
刘蔚
涂思嘉
黄冠标
甄鸿越
王长香
周挺辉
吴小珊
徐原
李章允
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.)
CSG Electric Power Research Institute
China Southern Power Grid Co Ltd
Original Assignee
CSG Electric Power Research Institute
China Southern Power Grid 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 CSG Electric Power Research Institute, China Southern Power Grid Co Ltd filed Critical CSG Electric Power Research Institute
Priority to CN202210405583.0A priority Critical patent/CN115310242A/zh
Publication of CN115310242A publication Critical patent/CN115310242A/zh
Priority to PCT/CN2022/131053 priority patent/WO2023202046A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开一种电网分区方法，通过获取实际电网结构的拓扑图，按照设定的总分区数量对实际电网结构的拓扑图进行随机分区，得到粒子群，然后计算粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值，再利用改进粒子群算法，以所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定为目标，对粒子群进行不断地优化，当粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定时，得到实际电网结构的电网分区方案。该方案通过对电网进行分区的方法，将各区分开，可以提高电网的极限生存能力，使电网在遭受外部攻击时可以减少停电范围并减小负荷损失，保障重要用户的持续供电。

Description

一种电网分区方法
技术领域
本申请涉及电网分区技术领域，具体涉及一种电网分区方法。
背景技术
目前，电网规划、建设和运行基于和平时期标准，因此针对外部攻击等 极端情况，缺乏有效的应对预案和风险管控措施。电网一旦遭受有针对性的 外部攻击将可能导致长时间、大面积的停电，严重影响用户用电，为用户的 生活带来不便。
发明内容
有鉴于此，本申请提供了一种电网分区方法，用于解决电网一旦遭受有 针对性的外部攻击将可能导致长时间、大面积的停电，严重影响用户用电， 为用户的生活带来不便的问题。
为实现以上目的，现提出的方案如下：
一种电网分区方法，包括：
获取实际电网结构的拓扑图；设定总分区数量，按照所述总分区数量， 对所述实际电网结构的拓扑图进行随机分区，得到粒子群；计算所述粒子群 在极端情况下遭受外部攻击时所产生的负荷损失风险值；利用改进粒子群算 法，以所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降 低并趋于稳定为目标，对所述粒子群进行优化；当所述粒子群在极端情况下 遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定时，得到实际电网 结构的电网分区方案。
优选地，所述获取实际电网结构的拓扑图，包括：获取实际电网结构中 各厂站节点的功率；根据所述各厂站节点的功率，将各厂站节点分为上送节 点和下送节点；获取各厂站节点之间的电气距离作为各节点之间的线路权重， 利用所述线路权重构建电网连通图；在所述电网连通图中搭建加权邻接矩阵， 得到加权连通图；根据所述加权连通图，利用最短路径算法得出所述上送节 点和所述下送节点之间的最短路径；利用所述上送节点和所述下送节点之间 的最短路径对所述加权连通图进行标记，得到所述实际电网结构的拓扑图。
优选地，所述按照所述总分区数量，对所述实际电网结构的拓扑图进行 随机分区，得到粒子群，包括：将所述实际电网结构的拓扑图划分为若干个 目标供电区域；按照所述总分区数量，对所述实际电网结构的拓扑图中的所 述若干个目标供电区域进行随机分区，得到第一子粒子群；按照所述总分区 数量，对所述实际电网结构中的所有厂站节点进行随机分区，得到第二子粒 子群；将所述第一子粒子群和所述第二子粒子群按照预设比例进行组合，得 到所述粒子群。
优选地，所述实际电网结构的拓扑图中包含上送节点和下送节点；所述 将所述实际电网结构的拓扑图划分为若干个目标供电区域，包括：预先设定 供电半径；在所述实际电网结构的拓扑图中，针对每一个上送节点：以上送 节点为中心，将与该上送节点之间的最短路径小于所述供电半径所对应的所 有孤立的下送节点作为目标下送节点；其中，所述孤立的下送节点为，没有 与任何一个上送节点划分为一个供电区域的下送节点；将该上送节点与所述 目标下送节点划分为一个供电区域，由此得到若干个供电区域；判断所述实际电网结构的拓扑图中所有的上送节点的供电能力的总和与所有下送节点的 负荷能力的总和是否相等；若是，则判断每个所述供电区域中上送节点的供 电能力和所有下送节点的负荷能力的总和是否相等，若是，则将若干个所述 供电区域作为所述目标供电区域。
优选地，还包括：在判断每个所述供电区域中上送节点的供电能力和所 有下送节点的负荷能力的总和不相等时，则调整所述供电半径，返回执行所 述以上送节点为中心，将与该上送节点之间的最短路径小于所述供电半径所 对应的所有孤立的下送节点作为目标下送节点的步骤。
优选地，还包括：在判断所述实际电网结构的拓扑图中所有的上送节点 的供电能力的总和与所有下送节点的负荷能力的总和不相等时，则判断所述 实际电网结构的拓扑图中是否存在孤立的下送节点，若是，则调整所述供电 半径，返回执行所述以上送节点为中心，将与该上送节点之间的最短路径小 于所述供电半径所对应的所有孤立的下送节点作为目标下送节点的步骤。
优选地，还包括：在判断所述实际电网结构的拓扑图中不存在孤立的下 送节点时，则将若干个所述供电区域作为所述目标供电区域。
优选地，所述计算所述粒子群在极端情况下遭受外部攻击时所产生的负 荷损失风险值，包括：利用所述粒子群在极端情况下遭受外部攻击时所发生 的故障构建故障集；获取所述粒子群在发生所述故障集中每种故障的概率； 计算所述粒子群在发生所述故障集中每种故障时所产生的负荷损失量；针对 所述故障集中的每一种故障，将故障发生的概率和发生故障时所产生的负荷 损失量相乘，得到所述粒子群在遭受外部攻击时所产生的负荷损失风险子值； 将所述故障集中各故障的负荷损失风险子值相加，得到所述负荷损失风险值。
优选地，所述计算所述粒子群在发生所述故障集中每种故障时所产生的 负荷损失量，包括：通过暂态仿真方法计算所述粒子群在发生所述故障集中 每种故障时所产生的负荷损失量。
优选地，所述利用改进粒子群算法，以所述粒子群在极端情况下遭受外 部攻击时所产生的负荷损失风险值降低并趋于稳定为目标，对所述粒子群进 行优化，包括：利用所述改进粒子群算法对所述粒子群中的每个粒子的速度 进行更新；利用更新后的速度对所述粒子群中的每个粒子的位置进行更新， 得到新的粒子群；判断所述新的粒子群在极端情况下遭受外部攻击时所产生 的负荷损失风险值是否降低并趋于稳定；若是，则优化结束；若否，则返回 执行所述利用所述改进粒子群算法对所述粒子群中的每个粒子的速度进行更 新的步骤。
从上述技术方案可以看出，本申请通过获取实际电网结构的拓扑图，并 设定实际电网结构的总分区数量，然后按照总分区数量，对实际电网结构的 拓扑图进行随机分区，得到粒子群；计算粒子群在极端情况下遭受外部攻击 时所产生的负荷损失风险值；再利用改进粒子群算法，以所述粒子群在极端 情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定为目标，对 粒子群进行优化；当粒子群在极端情况下遭受外部攻击时所产生的负荷损失 风险值降低并趋于稳定时，得到实际电网结构的电网分区方案。该方案通过利用实际电网结构进行分区，构建粒子群，然后利用改进粒子群算法对粒子 群进行不断优化，以粒子群在极端情况下遭受外部攻击时所产生的负荷损失 风险值降低并趋于稳定为目标得到实际电网结构最优的电网分区方案，从而 提高电网极限生存能力，使电网在遭受外部攻击时可以减少停电范围并减小 负荷损失，保障重要用户的持续供电。
附图说明
图1为本申请实施例提供的电网分区方法的可选流程框图；
图2为本申请实施例提供的目标供电区域的划分方法流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而 不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
现有的电力系统安全防御体系主要依据《电力系统安全稳定导则》三级 安全稳定标准，我国已构建了成熟、卓有成效的三道防线，分别是：继电保 护、过载切机切负荷稳控装置和低频低压失步解列装置。在电网遭受常规外 部攻击风险时，也会进行电网的分区。但是现有的电网分区方法主要防范常 规电网安全风险，难以应对极端情况下的外部攻击行为。电网一旦遭受有针 对性的外部攻击将可能导致长时间、大面积停电。大规模同步电网一旦发生 大停电，其所造成的损失往往要大于小规模同步电网，严重情况下甚至会影响国家政治安定和社会经济的稳定运行。
针对上述问题，本身请实施例提供了一种电网分区方法，接下来通过图1 对本申请的电网分区方法进行说明，如图1所示，该方法包括：
S1：获取实际电网结构的拓扑图。
在某个实际电网要进行安全防御，需要进行电网分区时，可以首先获取 该实际电网结构的拓扑图，利用拓扑图对实际电网进行分区。
S2：设定总分区数量，按照总分区数量，对实际电网结构的拓扑图进行 随机分区，得到粒子群。
可以根据实际电网的覆盖范围、覆盖地区和想要达到的预防效果预先设 置分区数量，然后按照这个分区数量对获取到的实际电网结构的拓扑图进行 随机分区，从而得到粒子群。
S3：计算粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值。
在本步骤中计算粒子群在极端情况下遭受外部攻击时所产生的负荷损失 风险值，也就是计算实际电网结构在极端情况下遭受外部攻击时所产生的负 荷损失风险值。
S4：利用改进粒子群算法，以粒子群在极端情况下遭受外部攻击时所产 生的负荷损失风险值降低并趋于稳定为目标，对粒子群进行优化。
本申请提出一种改进粒子群算法，对得到的粒子群进行优化，即对粒子 群的分区方案不断进行改进，目标是每次得到的实际电网结构的分区方案在 极端情况下遭受外部攻击时所产生的负荷损失风险值一直在降低，并且在最 后该值达到一个稳定的状态。
S5：当粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降 低并趋于稳定时，得到实际电网结构的电网分区方案。
具体来说，在不断进行优化的过程中，若在一定时间内，每次优化完成 后，粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋 于稳定或者降低到最后基本保持不变时，则可以判断优化过程结束，此时得 到的分区方案即为最终要得到的实际电网结构的电网分区方案。
或者是在一定的优化次数内，得到的负荷损失风险值都是相等的，也可 以判断优化过程结束，那么此时得到的分区方案即为最终要得到的实际电网 结构的电网分区方案。
从上述技术方案可以看出，本申请通过获取实际电网结构的拓扑图，按 照设定的总分区数量对实际电网结构的拓扑图进行随机分区，得到粒子群， 然后计算粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值，再 利用改进粒子群算法，以所述粒子群在极端情况下遭受外部攻击时所产生的 负荷损失风险值降低并趋于稳定为目标，对粒子群进行不断地优化，当粒子 群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定 时，得到实际电网结构的电网分区方案。该方案通过对电网进行分区的方法， 将各区分开，可以提高电网的极限生存能力，使电网在遭受外部攻击时可以 减少停电范围并减小负荷损失，保障重要用户的持续供电。
具体地，本申请实施例提供了一种实际电网结构的拓扑图的获取方法， 可以包括：
S11：获取实际电网结构中各厂站节点的功率。
实际电网结构分为多个厂站，每个厂站都有各自的功率，例如：水电、 火电、新能源等厂站都可以作为电源为500KV和220KV的变电站厂站节点，为 电网各厂站节点提供有功支撑，可以将第i个500KV或220KV的厂站节点接入 的上网电源功率表示为
Figure BDA0003602046770000061
其中A表示该厂站节点接入的电网 中的，500KV或220KV的厂站节点的总个数，κi,a表示第a个电源厂站的出力 系数，该出力系数的确定需要综合考虑上述提到的三道防线的综合调节裕度， PS,a表示第a个电源厂站的额定总量。
而实际电网对应的本地用户作为负荷厂站，需要消耗部分上网电源功率， 本申请中可以只考虑500KV或220KV的厂站节点在实际电网结构的主网架中 的功率传输，则厂站节点的输出功率可以表示为Pi＝PGi-PLi，其中，PLi表 示为第i个500KV或220KV的厂站节点的下级配网所消耗的功率。Pi可以反映 厂站节点的电源或者负荷特性。
S12：根据各厂站节点的功率，将各厂站节点分为上送节点和下送节点。
在上述公式Pi＝PGi-PLi中，当Pi＞0时，表示该节点向外输出功率，将 其定义为上送节点(电源节点)，当Pi＜0时，表示该节点向内输入功率，将 其定义为下送节点(负荷节点)。
S13：获取各厂站节点之间的电气距离作为各节点之间的线路权重，利用 线路权重构建电网连通图。
由于实际电网结构较为复杂，因此在本步骤中，需要将实际电网结构进 行抽象化，获取各厂站节点之间的电器距离作为各节点之间的线路权重，其 表达式可以由实际电网的阻抗矩阵得出：
Figure BDA0003602046770000071
其中，zii，zjj，zij为实际电网阻抗矩阵中的元素，Yii为节点i与节点j之 间的等效导纳。需要注意的是，这里的元素可以考虑尚未投入使用的备用线 路和合环线路，该类线路可以在实际电网在极端情况下遭受外部攻击时紧急 投入使用，以此提高电网的极限生存能力。
因为本申请提供的实施例中的厂站节点涉及500KV和220KV两个电压等 级，因此可以将两个电压等级归算到同一电压等级，然后采用阻抗修正系数 的概念求得最终线路权重，其表达式为：
wij＝Yij(Uij/UN)2
则可以将各节点之间的线路权重表示为：
Figure BDA0003602046770000072
利用该权重矩阵可以构建实际电网结构的电网连通图。
S14：在电网连通图中搭建加权邻接矩阵，得到加权连通图。
在电网连通图中搭建邻接矩阵，邻接矩阵可以反映实际电网结构中各节 点之间的关联状态，即两节点的关联性。其中，在邻接矩阵中，两节点直接 相连，那么在邻接矩阵中两节点的对应元素表示为1，否则为0。此处将上述 尚未投入使用的备用线路和合环线路在邻接矩阵中所对应的元素设置为1。然 后利用上述得到的电气距离作为边权重对邻接矩阵进行加权，得到：
Ew＝E×W，
其中，Ew表示为n×n的对称矩阵，反映经电气距离加权后的邻接矩阵； E为基本邻接矩阵，W为电气距离权重矩阵；×为哈达马积(Hadamard product)，表示两个矩阵对应元素的乘积。
利用加权后的邻接矩阵对电网连通图进行修改，得到加权连通图。
S15：根据加权连通图，利用最短路径算法得出上送节点和下送节点之间 的最短路径。
S16：利用上送节点和下送节点之间的最短路径对加权连通图进行标记， 得到实际电网结构的拓扑图。
具体地，按照总分区数量对实际电网结构的拓扑图进行随机分区，得到 粒子群的过程，可以包括：
在本申请实施例提供的电网分区方法中，为了避免在后续寻优的过程中 很快陷入局部解，因此在本步骤中，通过两种方法来构建粒子群，具体如下：
1)首先构建第一子粒子群M1。
将得到的实际电网结构的拓扑图划分为若干个目标供电区域，具体划分 方法如图2所示：
S01：预先设定供电半径。
该供电半径可以根据各节点间的最短路径而分析得到。
S02：以上送节点为中心，将与该上送节点之间的最短路径小于供电半径 所对应的所有孤立的下送节点作为目标下送节点。
在实际电网结构的拓扑图中，针对每一个上送节点，以该上送节点为中 心，将于该上送节点之间的最短路径小于设定的供电半径所对应的所有孤立 的下送节点作为目标下送节点，这里的孤立的下送节点，指的是没有与任何 一个上送节点划分为一个供电区域的下送节点。
S03：将该上送节点与目标下送节点划分为一个供电区域，由此得到若干 个供电区域。
在本申请中，设定每个目标供电区域只包含一个上送节点，因此在将上 送节点和下送节点进行区域划分时，可能会有孤立的下送节点的存在，因此 在划分过程中需要不断地修改供电半径。
S04：判断实际电网结构的拓扑图中所有的上送节点的供电能力的总和与 所有下送节点的负荷能力的总和是否相等，若是，则执行步骤S05，若否，则 执行步骤S08。
该步骤的目的是为了保持电压供求平衡。
S05：判断每个供电区域中上送节点的供电能力和所有下送节点的负荷能 力的总和是否相等，若是，则执行步骤S06，若否，则执行步骤S07。
S06：将若干个供电区域作为目标供电区域。
S07：调整供电半径，返回执行步骤S02。
S08：判断实际电网结构的拓扑图中是否存在孤立的下送节点，若是，则 执行步骤S07，若否，则执行步骤S06。
由此得到划分为若干个目标供电区域的实际电网结构的拓扑图，这些目 标供电区域集合可以表示为[G1,G2,...,GM]，M表示在整个实际电网结构中 上送节点的数量，可以用Pm来表示第m个上送节点的输出功率，可以用N表 示下送节点的总数量，Pn为第n个下送节点的输入功率。
将这些目标供电区域按照总分区数量进行随机分区，即将一个或者多个 目标供电区域随机划分为一个总分区中的一个区，得到粒子群。
因此，对实际电网结构的拓扑图进行随机分区后，一个区域内可能包含 一个或者多个目标供电区域，但是每个区域内需要至少包含一个黑启动电源 节点，即该区域中的一个或者多个上送节点中，至少有一个上送节点是黑启 动电源节点。黑启动电源指的是整个系统因故障停运后，系统全部停电(不 排除孤立小电网仍维持运行)，处于全“黑”状态，不依赖别的网络帮助， 通过系统中具有自启动能力的发电机组启动，带动无自启动能力的发电机组， 逐渐扩大系统恢复范围，最终实现整个系统的恢复。
另外，进行分区的实际电网可能为内送型电网，即受端电网。因此在分 区时无法实现电网源荷均衡，此时需考虑外送电源的作用，将外送电源送入 节点作为上送节点。此外在步骤S08：判断实际电网结构的拓扑图中是否存在 孤立的下送节点时，若存在，可以优先该下送节点归入与其之间最短路径最 小的上送节点所在的供电区域，然后再执行步骤S02。
2)再构建第二子粒子群M2。
按照总分区数量，对实际电网结构中的所有厂站节点进行随机分区，得 到第二子粒子群。
在这一步骤中，不需要对实际电网结构进行目标供电区域的划分，直接 按照总分区数量进行分区，得到第二子粒子群。
然后将得到的第一子粒子群和第二子粒子群按照预设的比例进行组合， 可以是1：1，然后得到粒子群。
可选的，接下来在计算粒子群在极端情况下遭受外部攻击时所产生的负 荷损失风险值时，可以利用以下思想构建负荷损失风险值的计算公式：
利用500kV及220kV的变电站节点单个厂站的全站失压、单个厂站的主 保护拒动和重要输电通道上的多回线路同时故障这三种故障类型下下的电网 的运行状态，构建故障集X＝{X1,X2,...,Xh}；
获取粒子群在发生故障集中每种故障的概率；计算粒子群在发生故障集 中每种故障时所产生的负荷损失量；
针对故障集中的每一种故障，将故障发生的概率和发生故障时所产生的 负荷损失量相乘，得到粒子群在遭受外部攻击时所产生的负荷损失风险子值； 将故障集中各故障的负荷损失风险子值相加，得到负荷损失风险值。
因此计算公式如下：
Figure BDA0003602046770000101
其中，η表示故障集中的故障，vη表示粒子群在遭受外部攻击时发生故 障集中第η个故障的概率，ΔSη表示在第η个故障发生时粒子群所产生的负荷 损失风险值。
粒子群在发生所述故障集中每种故障时所产生的负荷损失量可以通过暂 态仿真方法计算得到。在暂态仿真过程中考虑电网三道防线的作用，如果实 际电网结构在极端情况下遭受外部攻击时经过三道防线的保护作用后，实际 电网结构可以保持稳定，则三道防线切除的负荷就是电网损失的负荷量。如 果实际电网结构在极端情况下遭受外部攻击时经过三道防线的保护作用后， 实际电网结构不稳定，则认为该实际电网损失了结构中的所有负荷。
具体地，在步骤S4和步骤S5：利用改进粒子群算法，以粒子群在极端情 况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定为目标，对粒 子群进行优化；当粒子群在极端情况下遭受外部攻击时所产生的负荷损失风 险值降低并趋于稳定时，得到实际电网结构的电网分区方案的具体过程，可 以包括：
从本质上说，电网分区问题就是将电网内的所有厂站节点分配到不同区 域的过程，采用粒子群编码方式对实际电网中的所有厂站进行编号，组成一 维数组，作为粒子群粒子的位置信息。
可以将第i个粒子的位置信息记作：Xi＝(xi1,xi2,…xim,…,xiN)，其中，
Q是实际电网结构中的厂站节点总数，位置信息中的元素xim＝d，表示 为编号为p的厂站节点属于第d个分区，d∈{1,2,...,D}，D为总分区数。若 xim＝xin，则代表厂站节点p与厂站节点q被划分为同一个电网分区。
定义第i个粒子的速度为：Vi＝(vi1,vi2,…,vid,…,viN)，其中vid为0或1， 表示节点的分区编号的修正量。假设第i个粒子当前的个体最优解为： Pi＝(pi1,pi2,…,pim,…,piN)，整个粒子群当前的最优解为： Q＝(q1,q2,…,qm,…,qN)。
那么采用激活函数sigmoid将粒子的速度映射到[0，1]的区间，并作为概 率，可以得到：
Figure BDA0003602046770000111
其中，w为惯性系数，c1和c2为学习因子，r1和r2为加速度系数。
1)因为第一子粒子群M1是先对实际电网结构的拓扑图进行目标供电区 域的划分，然后再进行随机分区。将最后的电网分区定义为上层，将划分的 目标供电区域定义为下层，那么利用更新的速度对粒子群中的第一子粒子群 M1的位置进行更新时，定义第i个粒子的上层位置信息为 Xi＝(xi1,xi2,…xim,…,xiN)，第i个粒子的下层位置信息为 Fi＝(fi1,fi2,…,fim,…,fiN)，其中，fim＝g，g∈{1,2,…,G}是节点所在的 目标供电区域的编号。
然后将粒子上下层的位置信息的映射关系表示为：
xid＝Bi(fig)＝di，并且fig＝di。
因此将位置信息的更新公式定义为：
Figure BDA0003602046770000112
对于M1中的第i个粒子，其下层位置信息为fig≠0，当vid＝1时，其位 置更新公式为
Figure BDA0003602046770000113
其中，
Figure BDA0003602046770000114
为与节点d所在目标供电区域g相 邻的目标供电区域的编号，各目标供电区域的邻接关系可以由边界序集计算 得出，
Figure BDA0003602046770000121
表示在邻接的目标供电区域中随机选取一个目标供电区 域，并将电网分区编号赋予xid。
下面举一个具体实例来说明第一子粒子群位置的更新思路：
在一个实际电网结构的拓扑图中已经分好了9个目标供电区域，分别将其 编号定为①、②、③、④、⑤、⑥、⑦、⑧、⑨，这①～⑨即为粒子的下层编 号；假设总分区数量为3，对这9个目标供电点区域随机进行3个实际电网结构 的分区，粒子的上层编号为1、2、3。
假设在某一次优化，进行上层的分区时，将下层编号为①、③、⑧的目 标供电区域归入编号为1的电网分区，将下层编号为④、⑤、⑨的目标供电区 域归入编号为2的电网分区，将编号为②、⑥、⑦的目标供电区域归入编号为 3的电网分区。
其中，①和④都为⑥邻接的目标供电区域。
假定第i个粒子的下层位置在⑥，上层位置在3，在某一次优化后，第一 子粒子群和第二子粒子群组合后在极端情况下遭受外部攻击时产生的负荷损 失风险值与上一次优化后得到的负荷损失风险值相比小的多(即没有趋于稳 定)，那么将第i个粒子的下层位置更新为与⑥邻接的任意一个不属于同一个 电网分区的目标供电区域，⑥邻接的目标供电区域为①和④，而①和④都不 属于编号为3的电网分区，那么随机选取一个，比如选取①，即将该粒子归为 上层位置为①，下层位置为1的区域。
2)在第二子粒子群M2中，第i个粒子的下层位置信息为fig＝0，当vid＝1 时，其位置更新公式为xid(t+1)＝rand(β∈d)，并将电网分区编号赋予xid。
具体地，假设总分区数量为3，在进行分区后，将其归为编号为2的电网 分区，若此时的第二子粒子群和第二子粒子群组合后在极端情况下遭受外部 攻击时产生的负荷损失风险值并没有降低至趋于稳定，那么将该粒子随机归 入除2之外的其他电网分区。
另外，为确保每个电网分区都至少拥有1个黑启动电源节点，可以保持黑 启动电源节点的电网分区编号不变，即vid＝0。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语 仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求 或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术 语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而 使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且 还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或 者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……” 限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存 在另外的相同要素。
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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下， 在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电网分区方法，其特征在于，包括：
获取实际电网结构的拓扑图；
设定总分区数量，按照所述总分区数量，对所述实际电网结构的拓扑图进行随机分区，得到粒子群；
计算所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值；
利用改进粒子群算法，以所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定为目标，对所述粒子群进行优化；
当所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定时，得到实际电网结构的电网分区方案。
2.根据权利要求1所述的方法，其特征在于，所述获取实际电网结构的拓扑图，包括：
获取实际电网结构中各厂站节点的功率；
根据所述各厂站节点的功率，将各厂站节点分为上送节点和下送节点；
获取各厂站节点之间的电气距离作为各节点之间的线路权重，利用所述线路权重构建电网连通图；
在所述电网连通图中搭建加权邻接矩阵，得到加权连通图；
根据所述加权连通图，利用最短路径算法得出所述上送节点和所述下送节点之间的最短路径；
利用所述上送节点和所述下送节点之间的最短路径对所述加权连通图进行标记，得到所述实际电网结构的拓扑图。
3.根据权利要求1所述的方法，其特征在于，所述按照所述总分区数量，对所述实际电网结构的拓扑图进行随机分区，得到粒子群，包括：
将所述实际电网结构的拓扑图划分为若干个目标供电区域；
按照所述总分区数量，对所述实际电网结构的拓扑图中的所述若干个目标供电区域进行随机分区，得到第一子粒子群；
按照所述总分区数量，对所述实际电网结构中的所有厂站节点进行随机分区，得到第二子粒子群；
将所述第一子粒子群和所述第二子粒子群按照预设比例进行组合，得到所述粒子群。
4.根据权利要求3所述的方法，其特征在于，所述实际电网结构的拓扑图中包含上送节点和下送节点；所述将所述实际电网结构的拓扑图划分为若干个目标供电区域，包括：
预先设定供电半径；
在所述实际电网结构的拓扑图中，针对每一个上送节点：
以上送节点为中心，将与该上送节点之间的最短路径小于所述供电半径所对应的所有孤立的下送节点作为目标下送节点；其中，所述孤立的下送节点为，没有与任何一个上送节点划分为一个供电区域的下送节点；
将该上送节点与所述目标下送节点划分为一个供电区域，由此得到若干个供电区域；
判断所述实际电网结构的拓扑图中所有的上送节点的供电能力的总和与所有下送节点的负荷能力的总和是否相等；
若是，则判断每个所述供电区域中上送节点的供电能力和所有下送节点的负荷能力的总和是否相等，若是，则将若干个所述供电区域作为所述目标供电区域。
5.根据权利要求4所述的方法，其特征在于，还包括：
在判断每个所述供电区域中上送节点的供电能力和所有下送节点的负荷能力的总和不相等时，则调整所述供电半径，返回执行所述以上送节点为中心，将与该上送节点之间的最短路径小于所述供电半径所对应的所有孤立的下送节点作为目标下送节点的步骤。
6.根据权利要求4所述的方法，其特征在于，还包括：
在判断所述实际电网结构的拓扑图中所有的上送节点的供电能力的总和与所有下送节点的负荷能力的总和不相等时，则判断所述实际电网结构的拓扑图中是否存在孤立的下送节点，若是，则调整所述供电半径，返回执行所述以上送节点为中心，将与该上送节点之间的最短路径小于所述供电半径所对应的所有孤立的下送节点作为目标下送节点的步骤。
7.根据权利要求6所述的方法，其特征在于，还包括：
在判断所述实际电网结构的拓扑图中不存在孤立的下送节点时，则将若干个所述供电区域作为所述目标供电区域。
8.根据权利要求1所述的方法，其特征在于，所述计算所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值，包括：
利用所述粒子群在极端情况下遭受外部攻击时所发生的故障构建故障集；
获取所述粒子群在发生所述故障集中每种故障的概率；
计算所述粒子群在发生所述故障集中每种故障时所产生的负荷损失量；
针对所述故障集中的每一种故障，将故障发生的概率和发生故障时所产生的负荷损失量相乘，得到所述粒子群在遭受外部攻击时所产生的负荷损失风险子值；
将所述故障集中各故障的负荷损失风险子值相加，得到所述负荷损失风险值。
9.根据权利要求8所述的方法，其特征在于，所述计算所述粒子群在发生所述故障集中每种故障时所产生的负荷损失量，包括：
通过暂态仿真方法计算所述粒子群在发生所述故障集中每种故障时所产生的负荷损失量。
10.根据权利要求1所述的方法，其特征在于，所述利用改进粒子群算法，以所述粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值降低并趋于稳定为目标，对所述粒子群进行优化，包括：
利用所述改进粒子群算法对所述粒子群中的每个粒子的速度进行更新；
利用更新后的速度对所述粒子群中的每个粒子的位置进行更新，得到新的粒子群；
判断所述新的粒子群在极端情况下遭受外部攻击时所产生的负荷损失风险值是否降低并趋于稳定；
若是，则优化结束；
若否，则返回执行所述利用所述改进粒子群算法对所述粒子群中的每个粒子的速度进行更新的步骤。
CN202210405583.0A 2022-04-18 2022-04-18 一种电网分区方法 Pending CN115310242A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210405583.0A CN115310242A (zh) 2022-04-18 2022-04-18 一种电网分区方法
PCT/CN2022/131053 WO2023202046A1 (zh) 2022-04-18 2022-11-10 一种电网分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210405583.0A CN115310242A (zh) 2022-04-18 2022-04-18 一种电网分区方法

Publications (1)

Publication Number Publication Date
CN115310242A true CN115310242A (zh) 2022-11-08

Family

ID=83854963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210405583.0A Pending CN115310242A (zh) 2022-04-18 2022-04-18 一种电网分区方法

Country Status (2)

Country Link
CN (1) CN115310242A (zh)
WO (1) WO2023202046A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023202046A1 (zh) * 2022-04-18 2023-10-26 中国南方电网有限责任公司 一种电网分区方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117878926B (zh) * 2024-03-11 2024-06-18 国网上海市电力公司 一种韧性电网的监测预警和应急处理方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2526300A (en) * 2014-05-20 2015-11-25 Ibm Partitioning of a network using multiple poles for each part thereof
CN111553534B (zh) * 2020-04-30 2024-04-05 贵州电网有限责任公司 一种配电网供电子网格子供区划分方法
CN114219125A (zh) * 2021-11-12 2022-03-22 国网浙江省电力有限公司杭州供电公司 一种高弹性城市电网多维智能分区方法
CN115310242A (zh) * 2022-04-18 2022-11-08 中国南方电网有限责任公司 一种电网分区方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023202046A1 (zh) * 2022-04-18 2023-10-26 中国南方电网有限责任公司 一种电网分区方法

Also Published As

Publication number Publication date
WO2023202046A1 (zh) 2023-10-26

Similar Documents

Publication Publication Date Title
CN115310242A (zh) 一种电网分区方法
Dominguez-Garcia et al. Coordination and control of distributed energy resources for provision of ancillary services
Badawy et al. Energy provisioning in solar-powered wireless mesh networks
CN112165112A (zh) 一种用于解决配网低电压的分布式储能系统规划方法
Fan et al. A multi-controller placement strategy based on delay and reliability optimization in SDN
Zarei et al. Multi‐objective optimization model for distribution network reconfiguration in the presence of distributed generations
Li et al. Dynamic SDN controller association mechanism based on flow characteristics
Xiong et al. Discrete specified time consensus control of aggregated energy storage for load frequency regulation
CN112186764B (zh) 一种配电网设备的接入优化方法、装置及电子设备
CN107689917B (zh) 一种基于非一致性业务均衡的电力通信网路由分配方法
Liu et al. Multi-controller placement based on two-sided matching in inter-datacenter elastic optical networks
Yang et al. Deep reinforcement learning based energy scheduling for edge computing
CN115000994B (zh) 一种多储能单元分组一致性功率分配方法
CN116208505A (zh) 一种电力基础设施网络安全行为模型
CN113408921B (zh) 一种基于网络依存关系的连锁故障风险评估方法
CN111146815A (zh) 一种智能配电网分布式发电规划配置方法
CN115392033A (zh) 一种安全稳定控制系统的结构优化方法及应用
Bajpai et al. An adaptive and elastic cloud based framework for service oriented computing in Internet of Things
Hu et al. Mixed strategy load management strategy for wireless communication network micro grid
Luo et al. Optimal adaptive decentralized under-frequency load shedding for islanded smart distribution network considering wind power uncertainty
Zhou et al. Distributed Air Conditioning Load Optimal Allocation Method Based on Consensus Algorithm and Considering Residents' Comfort
Zhang et al. A distributed approach of WCA in ad-hoc network
van der Sar et al. Multi-Agent Reinforcement Learning for Power Grid Topology Optimization
Banerjee et al. Ran cognitive controller
Chen et al. Evolutionary sleep scheduling in software-defined networks

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