CN117878926A - 一种韧性电网的监测预警和应急处理方法和系统 - Google Patents
一种韧性电网的监测预警和应急处理方法和系统 Download PDFInfo
- Publication number
- CN117878926A CN117878926A CN202410268631.5A CN202410268631A CN117878926A CN 117878926 A CN117878926 A CN 117878926A CN 202410268631 A CN202410268631 A CN 202410268631A CN 117878926 A CN117878926 A CN 117878926A
- Authority
- CN
- China
- Prior art keywords
- power grid
- power
- recovery
- load
- early warning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000011084 recovery Methods 0.000 claims abstract description 165
- 238000000638 solvent extraction Methods 0.000 claims abstract description 45
- 238000000547 structure data Methods 0.000 claims abstract description 7
- 238000005192 partition Methods 0.000 claims description 65
- 239000011159 matrix material Substances 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 40
- 230000007704 transition Effects 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 25
- 238000012423 maintenance Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- DEPMSUUWSGUYKQ-IWXIMVSXSA-N (2r,3s,4r,5r)-2,3,4,5-tetrahydroxy-6-[(4-nitro-2,1,3-benzoxadiazol-7-yl)amino]hexanal Chemical group O=C[C@H](O)[C@@H](O)[C@H](O)[C@H](O)CNC1=CC=C([N+]([O-])=O)C2=NON=C12 DEPMSUUWSGUYKQ-IWXIMVSXSA-N 0.000 description 1
- 241001672018 Cercomela melanura Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种韧性电网的监测预警和应急处理方法和系统，方法包括以下步骤：获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。与现有技术相比，本发明提升了配电网的综合故障恢复效果。
Description
技术领域
本发明涉及电网故障处理技术领域，尤其是涉及一种韧性电网的监测预警和应急处理方法和系统。
背景技术
电力系统的应急管理需要一定的预警机制。电网风险预警是指通过风险分析与评估来研判突发事件发生的可能性，并及时向受影响者发出警报的行为。监测的预警是电网风险管理的一个重要环节，可以有效的预防和避免风险的发展，是保证电网可靠运行的有效途径。因此，为了应对极端自然灾害，需建立一种韧性电网的监测预警和应急处理方法，以提升配电网故障恢复效果。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种韧性电网的监测预警和应急处理方法和系统，以提升配电网故障恢复效果。
本发明的目的可以通过以下技术方案来实现：
一种韧性电网的监测预警和应急处理方法，包括以下步骤：
获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；
获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；
若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。
进一步地，预先对电网进行分区的过程包括：
根据电网结构分别构建故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标，并结合故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标构建韧性评价指标；
对电网的分区可能情况进行搜索，直至获取韧性评价指标最优的方案，作为电网的分区方案。
进一步地，所述故障概率指标的表达式为：
式中，/>为线路号；/>为线路/>的故障概率；/>为分区号；/>为分区/>中包含的线路集合；/>为分区/>中的线路总数；/>表示分区中最大的故障概率；/>和/>为平衡因子；
所述拓扑连通度指标的表达式为：
式中，/>和/>分别为线路/>开断后丢失的节点数量和负荷量；/>为分区/>的负荷总量；/>为平衡因子；
所述有功匹配度指标的表达式为：
式中，/>和/>分别为分区/>的最大和最小负荷量；/>和/>分别为分区/>的发电机最大功率和最小平衡功率；/>和/>为平衡因子；
所述分区数量指标的表达式为：
式中，/>为分区数量；/>为平衡因子。
进一步地，基于马尔可夫预测模型实时预测电网中风险源的未来状态的过程具体为：
预先构建电网初始状态时的概率向量，根据电网的历史数据，对所述概率向量进行更新，并通过马尔可夫公式构建电网的转移矩阵，根据该转移矩阵计算电网在当前时刻下的状态转移概率，实现对电网中风险源的未来状态的预测。
进一步地，所述配电网恢复模型的目标函数的表达式为：
式中，f 1为失电负荷量；k 1，k 2，k 3 为1、2、3级负荷供电中断的惩罚系数，l 1，l 2，l 3 为未恢复的1、2、3级负荷；f 2为失电负荷个数，M为负荷节点总数，x i 为负荷的恢复状态，处于失电状态时为1，当正常供电时为０；f 3表示第j个开关是否动作，若动作 K(j)=1，否则 K(j)=0，N为开关总数。
进一步地，所述配电网恢复模型的约束条件包括：
式中，g为恢复供电的网络拓扑结构，G为辐射状拓扑结构；U i,min 和U i,max 分别为节点电压U i 的上限和下限值；S i 和S imax 分别为故障恢复后支路i通过的潮流和允许通过的最大潮流；P i 、Q i 为节点i的输入功率，P DGi 、Q DGi 为节点i的DG注入功率，P Di 、Q Di 为节点ｉ的负荷功率，U i 、U j 为节点i、j的电压，G ij 、B ij 为支路电导电纳，Q ij 为电压相角差，P G 和P Gmax 分别为DG注入功率和DG最大容量。
进一步地，对电网进行故障恢复的流程包括以下步骤：
S101：获取电网的节点和支路矩阵；
S102：判断电网故障区域中的所有电源是否均为SDG电源，若否，则执行步骤S103；
S103：判断电网故障区域中是否存在BDG电源，若是，则执行步骤S104；
S104：根据此时的电网拓扑结构，判断是否形成孤岛，若是，则执行步骤S105；
S105：进行孤岛划分；
S106：得到新的节点和支路矩阵；
S107：计算配电网恢复模型的目标函数，并在配电网恢复模型的约束条件内采用混合算法对新的节点和支路矩阵进行矩阵迭代；
S108：判断是否达到预设的最大迭代次数，若是，则执行步骤S109；若否，则返回步骤S101；
S109：获取最终的节点和支路矩阵，对电网进行故障恢复。
进一步地，所述方法还包括：在对所述电网的物理系统进行故障恢复过程中，对电网的信息系统和物理系统的恢复顺序进行优化，实现协同恢复。
进一步地，所述协同恢复过程中，通过预设的协同恢复目标函数计算各个可能的恢复顺序的取值，并设置协同恢复约束，直至获取最优的恢复顺序计算结果，从而对电网的信息系统和物理系统进行协同恢复。
进一步地，所述协同恢复目标函数包括：
式中，f ld 为负荷损失函数；f eq 为设备停运函数；T为恢复完成时刻；P lost,t 和N lost,t 分别为t时刻的负荷损失量和电力线停运量；P total 和N total 分别为总负荷量和总电力线数量；Δt为单位时间长度；
所述协同恢复约束的表达式为：
式中，P G,k 为发电机k 的有功出力；P G,max,k 和P G，min，k 分别为发电机k 的出力上、下限；P load,l 为负荷l的有功功率；Z L,i 和Z G,i 分别为分区i 中包含的负荷节点和发电机节点集合；P loss,i 为分区i 的线路损耗。
本发明还提供一种韧性电网的监测预警和应急处理系统，包括：
电网分区模块，用于获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；
风险预警模块，用于获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；
故障恢复模块，用于若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。
进一步地，所述电网分区模块预先对电网进行分区的过程包括：
根据电网结构分别构建故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标，并结合故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标构建韧性评价指标；
对电网的分区可能情况进行搜索，直至获取韧性评价指标最优的方案，作为电网的分区方案；
进一步地，所述故障概率指标的表达式为：
式中，/>为线路号；/>为线路/>的故障概率；/>为分区号；/>为分区/>中包含的线路集合；/>为分区/>中的线路总数；/>表示分区中最大的故障概率；/>和/>为平衡因子；
所述拓扑连通度指标的表达式为：
式中，/>和/>分别为线路/>开断后丢失的节点数量和负荷量；/>为分区/>的负荷总量；/>为平衡因子；
所述有功匹配度指标的表达式为：
式中，/>和/>分别为分区/>的最大和最小负荷量；/>和/>分别为分区/>的发电机最大功率和最小平衡功率；/>和/>为平衡因子；
所述分区数量指标的表达式为：
式中，/>为分区数量；/>为平衡因子。
进一步地，基于马尔可夫预测模型实时预测电网中风险源的未来状态的过程具体为：
预先构建电网初始状态时的概率向量，根据电网的历史数据，对所述概率向量进行更新，并通过马尔可夫公式构建电网的转移矩阵，根据该转移矩阵计算电网在当前时刻下的状态转移概率，实现对电网中风险源的未来状态的预测。
进一步地，所述配电网恢复模型的目标函数的表达式为：
式中，f 1为失电负荷量；k 1，k 2，k 3 为1、2、3级负荷供电中断的惩罚系数，l 1，l 2，l 3 为未恢复的1、2、3级负荷；f 2为失电负荷个数，M为负荷节点总数，x i 为负荷的恢复状态，处于失电状态时为1，当正常供电时为０；f 3表示第j个开关是否动作，若动作 K(j)=1，否则 K(j)=0，N为开关总数。
进一步地，所述配电网恢复模型的约束条件包括：
式中，g为恢复供电的网络拓扑结构，G为辐射状拓扑结构；U i,min 和U i,max 分别为节点电压U i 的上限和下限值；S i 和S imax 分别为故障恢复后支路i通过的潮流和允许通过的最大潮流；P i 、Q i 为节点i的输入功率，P DGi 、Q DGi 为节点i的DG注入功率，P Di 、Q Di 为节点ｉ的负荷功率，U i 、U j 为节点i、j的电压，G ij 、B ij 为支路电导电纳，Q ij 为电压相角差，P G 和P Gmax 分别为DG注入功率和DG最大容量。
进一步地，对电网进行故障恢复的流程包括以下步骤：
S101：获取电网的节点和支路矩阵；
S102：判断电网故障区域中的所有电源是否均为SDG电源，若否，则执行步骤S103；
S103：判断电网故障区域中是否存在BDG电源，若是，则执行步骤S104；
S104：根据此时的电网拓扑结构，判断是否形成孤岛，若是，则执行步骤S105；
S105：进行孤岛划分；
S106：得到新的节点和支路矩阵；
S107：计算配电网恢复模型的目标函数，并在配电网恢复模型的约束条件内采用混合算法对新的节点和支路矩阵进行矩阵迭代；
S108：判断是否达到预设的最大迭代次数，若是，则执行步骤S109；若否，则返回步骤S101；
S109：获取最终的节点和支路矩阵，对电网进行故障恢复。
进一步地，所述方法还包括：在对所述电网的物理系统进行故障恢复过程中，对电网的信息系统和物理系统的恢复顺序进行优化，实现协同恢复。
进一步地，所述协同恢复过程中，通过预设的协同恢复目标函数计算各个可能的恢复顺序的取值，并设置协同恢复约束，直至获取最优的恢复顺序计算结果，从而对电网的信息系统和物理系统进行协同恢复。
进一步地，所述协同恢复目标函数包括：
式中，f ld 为负荷损失函数；f eq 为设备停运函数；T为恢复完成时刻；P lost,t 和N lost,t 分别为t时刻的负荷损失量和电力线停运量；P total 和N total 分别为总负荷量和总电力线数量；Δt为单位时间长度；
所述协同恢复约束的表达式为：
式中，P G,k 为发电机k 的有功出力；P G,max,k 和P G，min，k 分别为发电机k 的出力上、下限；P load,l 为负荷l的有功功率；Z L,i 和Z G,i 分别为分区i 中包含的负荷节点和发电机节点集合；P loss,i 为分区i 的线路损耗。
与现有技术相比，本发明具有以下优点：
（1）配电网故障会使电网功率重新分配，使部分线路功率超过额定值，从而导致连锁故障发生；本发明首先将电网按照连通的紧密程度进行分区，可以为线路的灾害抵御过程作指导，提供更快的反应速度，减小电网故障对整个电网的影响；
在故障发生前，通过马尔可夫预测模型实现对电网风险源未来状态的预测，实现故障预警；
在预测出故障后，为使故障造成的停电范围最小，不仅考虑了恢复负荷功率的大小，还考虑了恢复负荷的总数量，以及减小开关转换次数，实现了对配电网重构的快速高效恢复。
（2）信息系统增强了物理系统的可观测性，同时对电力系统的恢复和运行等操作提供了更加灵活的方法。自然灾害过后，利用信息系统对物理系统进行检测，可以提高灾后故障线路的维修效率。另一方面，信息系统本身也会受到自然灾害的影响，导致信息设备不可用。
针对该问题，本发明考虑信息系统和物理系统的相互影响，对两者的恢复顺序进行同时优化，即进行协同恢复，通过负荷恢复和信息物理设备恢复两个方面综合优化了灾后恢复过程。
附图说明
图1为本发明实施例1中提供的一种韧性电网的监测预警和应急处理方法的流程示意图；
图2为本发明实施例1中提供的一种对电网进行故障恢复的流程示意图；
图3为本发明实施例2中提供的一种韧性电网的监测预警和应急处理方法的流程示意图；
图4为本发明实施例2中提供的一种配电区域的26节点网络图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
实施例1
如图1所示，本实施例提供一种韧性电网的监测预警和应急处理方法，包括以下步骤：
S1：获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；
S2：获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；
S3：若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。
步骤S1中，预先对电网进行分区的过程包括：
根据电网结构分别构建故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标，并结合故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标构建韧性评价指标；
对电网的分区可能情况进行搜索，直至获取韧性评价指标最优的方案，作为电网的分区方案。
步骤S2中，基于马尔可夫预测模型实时预测电网中风险源的未来状态的过程具体为：
预先构建电网初始状态时的概率向量，根据电网的历史数据，对概率向量进行更新，并通过马尔可夫公式构建电网的转移矩阵，根据该转移矩阵计算电网在当前时刻下的状态转移概率，实现对电网中风险源的未来状态的预测。
步骤S3中，如图2所示，对电网进行故障恢复的流程包括以下步骤：
S101：获取电网的节点和支路矩阵；
S102：判断电网故障区域中的所有电源是否均为SDG电源，若否，则执行步骤S103，若是，则考虑DG并网运行；
S103：判断电网故障区域中是否存在BDG电源，BDG电源即为可黑启动型分布式电源，若是，则执行步骤S104，若否，则退出运行；
S104：根据此时的电网拓扑结构，判断是否形成孤岛，若是，则执行步骤S105，若否，则考虑DG并网运行；
S105：进行孤岛划分；
S106：得到新的节点和支路矩阵；
S107：计算配电网恢复模型的目标函数，并在配电网恢复模型的约束条件内采用混合算法对新的节点和支路矩阵进行矩阵迭代；
S108：判断是否达到预设的最大迭代次数，若是，则执行步骤S109；若否，则返回步骤S101；
S109：获取最终的节点和支路矩阵，对电网进行故障恢复。
下面对上述各步骤进行具体描述。
1、基于马尔可夫模型的风险预警
马尔可夫模型是由俄国科学家Vladimir V.Markovnikov在1870年首次提出，它是一种研究对象变化趋势的时间序列分析方法,要求研究对象在时间序列上具有无后续性，并且总体转移概率保持稳定。
马尔可夫模型涉及以下三个基本概念：
(1) 马尔可夫过程:已知随机过程在时刻t0所处的状态。若该过程在时t (t>t0)所处的状态只与时刻t0的状态有关，而与时刻t0以前的状态无关，则这种过程可以称为马尔可夫过程。
(2) 概率向量:在一个行向量中，如果每个元素非负，且和为1，则称该向量为概率向量。表达为：向量a=(a 1,a 2,a 3,..,a n ), 其中,而a i >0,i=1,2,…,n。
(3) 转移矩阵:系统由状态i经过一~次转移到状态j的概率,称为P ij 。系统所有元素全部一次转移的概率的集合组成的矩阵称为转移矩阵。记为
式中，。
其建模过程是假设系统初始状态的概率向量为:，其中各元素表示处于状态i的初始状态概率。若经过k步转移后处于j状态，由切普曼~柯尔莫哥洛夫(Chapman-Kolmogorov) 方程可得到j时刻的状态量:
式中: 为经过k次转移后处在统一状态时的概率: />为经过k次转移后自身状态的概率; />为由状态i经过第一次转移到状态j 的概率。
上式就是所建立的马尔可夫预测模型，写成向量形式为: , 由递推关系可得到
用马尔可夫预测模型来预测电网风险源的未来状态时，具体步骤为:首先确定风险源初始状态;然后确定转移概率矩阵;再利用公式求解下一状态的概率;最后求解平衡状态的概率，从而对风险源的状态发展趋势进行分析，识别危险源的最终状态及概率。
此外，一些主观性较强的预警方法在一定条件下也会给电网风险预警带来极大的推动作用，比如专家分析法等。大量的智能算法经过不断演变与实践，与电网风险预警研究巧妙结合。通过对不同预警方法的比较分析，可以将定量和定性预警方法结合起来，提高预警的可靠度，实现更全面的预警。
2、基于概率预测和拓扑连通度的预防分区
配电网故障会使电网功率重新分配，使部分线路功率超过额定值，从而导致连锁故障发生。将电网按照连通的紧密程度进行分区，可以为线路的灾害抵御过程作指导。电力系统分区采用如下指标进行评价。
1）故障概率指标
电力系统分区时将高故障概率线路放置在分区外，能减少该线路开断带来的影响。故障概率指标可以通过区内平均故障概率和最大故障概率来反映：
式中：j 为线路号；P j 为线路j 的故障概率；i为分区号；Z i 为分区i 中包含的线路集合；n i 为分区i 中的线路总数；max（P j ）表示分区中最大的故障概率；k 1 和k 2 为平衡因子。
2）拓扑连通度指标
系统拓扑连通度是指断开支路后仍能保持连通的能力，反映了系统结构的稳定性。对于给定电网分区，忽略分区联络线，若断开分区内某一线路后导致分区出现不连通区域，则认为该结构的连通度受到削弱。拓扑连通度指标可以通过线路故障概率和断开后失电母线数量和负荷量来反映：
式中：n loss,j 和P loss,j 分别为线路j 开断后丢失的节点数量和负荷量；P L,i 为分区i的负荷总量；k 3 为平衡因子。
3）有功匹配度指标
分区后，功率应主要在分区内流动，以减少分区之间的功率交换并降低线路开断带来的冲击，因此要求分区内发电和负荷量要相匹配。一方面，要求发电机的最大发电能力要满足最大负荷量；另一方面，要求发电机的最小稳定出力要小于最小负荷量。有功匹配度指标为：
式中：P L,max,i 和P L,min,i 分别为分区i 的最大和最小负荷量；P G,max,i 和P G,min,i 分别为分区i 的发电机最大功率和最小平衡功率；k 4 和k 5 为平衡因子。
4）分区数量指标
为保证恢复进程的进行，以及配电网线路的利用率，应尽量减少分区的数量。分区数量指标为：
式中：n 为分区数量；k 6 为平衡因子。
电力系统韧性是系统抵御灾害的能力，为综合考虑上述影响因素，将韧性评价指标进行综合：
f = f
1
+ f
2
+ f
3
+ f
4
对于实际应用，可以通过调节不同的平衡因子k 1 ~k 6 来强化某一指标的影响。
3、配电网恢复的数学模型
3-1. 目标函数
配电网故障恢复最重要的是使故障造成的停电范围最小，不仅要考虑恢复负荷功率的大小，还要考虑恢复负荷的总数量，在此基础上选择开关转换次数较少的情况。
（1）失电负荷量尽可能少
式中：f 1为失电负荷量；k 1，k 2，k 3 为1、2、3级负荷供电中断的惩罚系数，本研究算例取k 1=2，k 2=1，k 3=0.5；l 1，l 2，l 3 为未恢复的1、2、3级负荷。
（2）尽量减少失电负荷总个数
式中：f 2为失电负荷个数，M为负荷节点总数，x i 为负荷的恢复状态，处于失电状态时为1，当正常供电时为０。
（3）开关操作数量最小化
式中：f 3表示第j个开关是否动作，若动作 K(j)=1，否则 K(j)=0，N为开关总数。
3-2. 约束条件
上述模型需满足以下约束条件：
（1）配电网辐射运行约束
（2）节点电压约束
/>
（3）支路潮流约束
（4）功率平衡约束
（5）分布式发电容量约束
式中：g为恢复供电的网络拓扑结构，G为辐射状拓扑结构；U i,min 和U i,max 分别为节点电压U i 的上限和下限值；S i 和S imax 为故障恢复后支路i通过的潮流和允许通过的最大潮流。P i ，Q i 为节点i的输入功率，P DGi ，Q DGi 为节点i的DG注入功率，P Di ，Q Di 为节点ｉ的负荷功率，U i ，U j 为节点i，j的电压，G ij 、B ij 为支路电导电纳，Q ij 为电压相角差，P G 和P Gmax 为DG注入功率和DG最大容量。
计算流程：根据重构形成的拓扑结构判断DG与主网的连接状态，并进行孤岛搜索，且孤岛结构随着拓扑结构的变化而变化。当算法完成最优恢复路径时，可能DG并网运行而不需孤岛划分，避免故障下游的DG 必须转入孤岛运行模式。
实施例2
如图3所示，本实施例与实施例1大体相同，不同点在于，还包括S4：在对电网的物理系统进行故障恢复过程中，对电网的信息系统和物理系统的恢复顺序进行优化，实现协同恢复。
步骤S4的协同恢复过程中，通过预设的协同恢复目标函数计算各个可能的恢复顺序的取值，并设置协同恢复约束，直至获取最优的恢复顺序计算结果，从而对电网的信息系统和物理系统进行协同恢复。
具体地，信息系统增强了物理系统的可观测性，同时对电力系统的恢复和运行等操作提供了更加灵活的方法。自然灾害过后，利用信息系统对物理系统进行检测，可以提高灾后故障线路的维修效率。另一方面，信息系统本身也会受到自然灾害的影响，导致信息设备不可用。针对该问题，考虑信息系统和物理系统的相互影响，对两者的恢复顺序进行同时优化，即进行协同恢复，通过负荷恢复和信息物理设备恢复两个方面综合反映灾后恢复过程。对于信息和电力系统的恢复，首要目标是完成对失电负荷的恢复，次要目标是恢复信息物理系统停运的设备。据此建立协同恢复的目标函数为：
式中：f ld 为负荷损失函数；f eq 为设备停运函数；T为恢复完成时刻；P lost,t 和N lost,t 分别为t时刻的负荷损失量和电力线停运量；P total 和N total 分别为总负荷量和总电力线数量；Δt为单位时间长度。在恢复过程中，要求恢复的负荷量与发电机的发电量平衡，并且发电机满足有功出力约束：
式中：P G,k 为发电机k 的有功出力；P G,max,k 和P G，min，k 分别为发电机k 的出力上、下限；P load,l 为负荷l 的有功功率；Z L,i 和Z G,i 分别为分区i 中包含的负荷节点和发电机节点集合；P loss,i 为分区i 的线路损耗。
在线路修复方面，维修过程要求同一线路的输电线和通信线不能同时进行维修。通信线的维修时间为固定时长；输电线的维修时间与通信线状态和线路长度相关。
算例采用如图4所示包含配电区域的26节点网络为例。节点0为外部电网的等效节点，该配电系统的总负荷为2236KW+j1352kvar。额定电压为12.66 kV，在该系统中引入DG，DG的接入节点及容量如表1所示，DG类型如表2所示，节点类型为PQ节点。当系统中S4与S19处发生故障，对本研究恢复策略和先孤岛划分后网络重构的恢复策略进行比较，结果如表3所示。
表1 DG的接入节点及容量
| DG接入节点 | 容量/kW | 功率因数 |
| 5 | 600 | 0.8 |
| 12 | 4000 | 0.9 |
| 20 | 600 | 0.8 |
表2 分布式电源类型
| B1 | B2 | B3 | |
| BDG | 是 | 否 | 是 |
| SDG | 是 | 是 | 否 |
表3 故障恢复策略比较
| 恢复措施 | 先划分后重构 | 重构过程中划分 |
| 断开开关 | S4、S8、S11、S14、S16S19、S22、S30、S31 | S4、S8、S16、S19、S22、S28、S30、S31 |
| 开关操作次数 | 6 | 4 |
| 停电负荷节点 | 14、15、22 | 22 |
| 停电负荷总功率 | 1260 | 450 |
算例中，DG2为与主网连通的NBDG，在网络重构中考虑与主网并网运行，避免了对其先进行孤岛划分而造成负荷14、15断电。负荷节点22未恢复供电的原因是不满足DG3容量和电压约束条件。通过不同恢复方式的对比验证本研究策略优于其他恢复策略。
实施例3
本实施例与实施例1大体相同，不同点在于，本实施例的步骤S2中，获取电网的历史数据，构建以配电网全域大数据为基础的人工智能预测模型，采用深度学习的各种模型实时预测电网中风险源的未来状态，从而对电网进行风险预警。
深度学习的模型可以为卷积神经网络模型、自编码神经网络模型等机器学习模型。
实施例4
本实施例提供一种韧性电网的监测预警和应急处理系统，包括：
电网分区模块，用于获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；
风险预警模块，用于获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；
故障恢复模块，用于若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。
配电网故障会使电网功率重新分配，使部分线路功率超过额定值，从而导致连锁故障发生；本发明首先将电网按照连通的紧密程度进行分区，可以为线路的灾害抵御过程作指导，提供更快的反应速度，减小电网故障对整个电网的影响；
在故障发生前，通过马尔可夫预测模型实现对电网风险源未来状态的预测，实现故障预警；
在预测出故障后，为使故障造成的停电范围最小，不仅考虑了恢复负荷功率的大小，还考虑了恢复负荷的总数量，以及减小开关转换次数，实现了对配电网重构的快速高效恢复。
用马尔可夫预测模型来预测电网风险源的未来状态时，具体步骤为:首先确定风险源初始状态;然后确定转移概率矩阵;再利用公式求解下一状态的概率;最后求解平衡状态的概率，从而对风险源的状态发展趋势进行分析，识别危险源的最终状态及概率。
此外，一些主观性较强的预警方法在一定条件下也会给电网风险预警带来极大的推动作用，比如专家分析法等。大量的智能算法经过不断演变与实践，与电网风险预警研究巧妙结合。通过对不同预警方法的比较分析，可以将定量和定性预警方法结合起来，提高预警的可靠度，实现更全面的预警。
电网分区模块预先对电网进行分区的过程包括：
根据电网结构分别构建故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标，并结合故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标构建韧性评价指标；
对电网的分区可能情况进行搜索，直至获取韧性评价指标最优的方案，作为电网的分区方案；
故障概率指标f 1的表达式为：
式中，j 为线路号；P j 为线路j 的故障概率；i为分区号；Z i 为分区i 中包含的线路集合；n i 为分区i 中的线路总数；max（P j ）表示分区中最大的故障概率；k 1 和k 2 为平衡因子；
拓扑连通度指标f 2的表达式为：
式中，n loss,j 和P loss,j 分别为线路j开断后丢失的节点数量和负荷量；P L,i 为分区i的负荷总量；k 3 为平衡因子；
有功匹配度指标f 3的表达式为：
式中，P L,max,i 和P L,min,i 分别为分区i 的最大和最小负荷量；P G,max,i 和P G,min,i 分别为分区i 的发电机最大功率和最小平衡功率；k 4 和k 5 为平衡因子；
分区数量指标f 4的表达式为：
式中，n为分区数量；k 6 为平衡因子。
电力系统韧性是系统抵御灾害的能力，为综合考虑上述影响因素，将韧性评价指标进行综合：
f = f
1
+ f
2
+ f
3
+ f
4
对于实际应用，可以通过调节不同的平衡因子k 1 ~k 6 来强化某一指标的影响。
风险预警模块基于马尔可夫预测模型实时预测电网中风险源的未来状态的过程具体为：
预先构建电网初始状态时的概率向量，根据电网的历史数据，对概率向量进行更新，并通过马尔可夫公式构建电网的转移矩阵，根据该转移矩阵计算电网在当前时刻下的状态转移概率，实现对电网中风险源的未来状态的预测。
配电网故障恢复最重要的是使故障造成的停电范围最小，不仅要考虑恢复负荷功率的大小，还要考虑恢复负荷的总数量，在此基础上选择开关转换次数较少的情况因此设置如下目标函数。
故障恢复模块中配电网恢复模型的目标函数的表达式为：
（1）失电负荷量尽可能少
式中：f 1为失电负荷量；k 1，k 2，k 3 为1、2、3级负荷供电中断的惩罚系数，本研究算例取k 1=2，k 2=1，k 3=0.5；l 1，l 2，l 3 为未恢复的1、2、3级负荷。
（2）尽量减少失电负荷总个数
式中：f 2为失电负荷个数，M为负荷节点总数，x i 为负荷的恢复状态，处于失电状态时为1，当正常供电时为０。
（3）开关操作数量最小化
式中：f 3表示第j个开关是否动作，若动作 K(j)=1，否则 K(j)=0，N为开关总数。
配电网恢复模型的约束条件包括：
（1）配电网辐射运行约束
（2）节点电压约束
（3）支路潮流约束
（4）功率平衡约束
（5）分布式发电容量约束
式中：g为恢复供电的网络拓扑结构，G为辐射状拓扑结构；U i,min 和U i,max 分别为节点电压U i 的上限和下限值；S i 和S imax 为故障恢复后支路i通过的潮流和允许通过的最大潮流。P i ，Q i 为节点i的输入功率，P DGi ，Q DGi 为节点i的DG注入功率，P Di ，Q Di 为节点ｉ的负荷功率，U i ，U j 为节点i，j的电压，G ij 、B ij 为支路电导电纳，Q ij 为电压相角差，P G 和P Gmax 为DG注入功率和DG最大容量。
故障恢复模块对电网进行故障恢复的流程包括以下步骤：
S101：获取电网的节点和支路矩阵；
S102：判断电网故障区域中的所有电源是否均为SDG电源，若否，则执行步骤S103；
S103：判断电网故障区域中是否存在BDG电源，若是，则执行步骤S104；
S104：根据此时的电网拓扑结构，判断是否形成孤岛，若是，则执行步骤S105；
S105：进行孤岛划分；
S106：得到新的节点和支路矩阵；
S107：计算配电网恢复模型的目标函数，并在配电网恢复模型的约束条件内采用混合算法对新的节点和支路矩阵进行矩阵迭代；
S108：判断是否达到预设的最大迭代次数，若是，则执行步骤S109；若否，则返回步骤S101；
S109：获取最终的节点和支路矩阵，对电网进行故障恢复。
信息系统增强了物理系统的可观测性，同时对电力系统的恢复和运行等操作提供了更加灵活的方法。自然灾害过后，利用信息系统对物理系统进行检测，可以提高灾后故障线路的维修效率。另一方面，信息系统本身也会受到自然灾害的影响，导致信息设备不可用。
针对该问题，本发明考虑信息系统和物理系统的相互影响，对两者的恢复顺序进行同时优化，设置了协同恢复模块，用于在对电网的物理系统进行故障恢复过程中，对电网的信息系统和物理系统的恢复顺序进行优化，实现协同恢复；
协同恢复过程中，通过预设的协同恢复目标函数计算各个可能的恢复顺序的取值，并设置协同恢复约束，直至获取最优的恢复顺序计算结果，从而对电网的信息系统和物理系统进行协同恢复；
协同恢复目标函数包括：
式中，f ld 为负荷损失函数；f eq 为设备停运函数；T为恢复完成时刻；P lost,t 和N lost,t 分别为t时刻的负荷损失量和电力线停运量；P total 和N total 分别为总负荷量和总电力线数量；Δt为单位时间长度；在恢复过程中，要求恢复的负荷量与发电机的发电量平衡，并且发电机满足有功出力约束：
式中，P G,k 为发电机k 的有功出力；P G,max,k 和P G，min，k 分别为发电机k 的出力上、下限；P load,l 为负荷l的有功功率；Z L,i 和Z G,i 分别为分区i 中包含的负荷节点和发电机节点集合；P loss,i 为分区i 的线路损耗。
在线路修复方面，维修过程要求同一线路的输电线和通信线不能同时进行维修。通信线的维修时间为固定时长；输电线的维修时间与通信线状态和线路长度相关。
需要说明的是，本申请的装置具体内容和有益效果可参见上述方法实施例，在此不再赘述。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (20)
1.一种韧性电网的监测预警和应急处理方法，其特征在于，包括以下步骤：
获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；
获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；
若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。
2.根据权利要求1所述的一种韧性电网的监测预警和应急处理方法，其特征在于，预先对电网进行分区的过程包括：
根据电网结构分别构建故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标，并结合故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标构建韧性评价指标；
对电网的分区可能情况进行搜索，直至获取韧性评价指标最优的方案，作为电网的分区方案。
3.根据权利要求2所述的一种韧性电网的监测预警和应急处理方法，其特征在于，所述故障概率指标的表达式为：
式中，/>为线路号；/>为线路/>的故障概率；/>为分区号；/>为分区/>中包含的线路集合；/>为分区/>中的线路总数；/>表示分区中最大的故障概率；/>和/>为平衡因子；
所述拓扑连通度指标的表达式为：
式中，/>和/>分别为线路/>开断后丢失的节点数量和负荷量；/>为分区/>的负荷总量；/>为平衡因子；
所述有功匹配度指标的表达式为：
式中，/>和/>分别为分区/>的最大和最小负荷量；/>和/>分别为分区/>的发电机最大功率和最小平衡功率；和/>为平衡因子；
所述分区数量指标的表达式为：
式中，/>为分区数量；/>为平衡因子。
4.根据权利要求1所述的一种韧性电网的监测预警和应急处理方法，其特征在于，基于马尔可夫预测模型实时预测电网中风险源的未来状态的过程具体为：
预先构建电网初始状态时的概率向量，根据电网的历史数据，对所述概率向量进行更新，并通过马尔可夫公式构建电网的转移矩阵，根据该转移矩阵计算电网在当前时刻下的状态转移概率，实现对电网中风险源的未来状态的预测。
5.根据权利要求1所述的一种韧性电网的监测预警和应急处理方法，其特征在于，所述配电网恢复模型的目标函数的表达式为：
式中，f 1为失电负荷量；k 1，k 2，k 3 为1、2、3级负荷供电中断的惩罚系数，l 1，l 2，l 3 为未恢复的1、2、3级负荷；f 2为失电负荷个数，M为负荷节点总数，x i 为负荷的恢复状态，处于失电状态时为1，当正常供电时为０；f 3表示第j个开关是否动作，若动作 K(j)=1，否则 K(j)=0，N为开关总数。
6.根据权利要求1所述的一种韧性电网的监测预警和应急处理方法，其特征在于，所述配电网恢复模型的约束条件包括：
式中，g为恢复供电的网络拓扑结构，G为辐射状拓扑结构；U i,min 和U i,max 分别为节点电压U i 的上限和下限值；S i 和S imax 分别为故障恢复后支路i通过的潮流和允许通过的最大潮流；P i 、Q i 为节点i的输入功率，P DGi 、Q DGi 为节点i的DG注入功率，P Di 、Q Di 为节点ｉ的负荷功率，U i 、U j 为节点i、j的电压，G ij 、B ij 为支路电导电纳，Q ij 为电压相角差，P G 和P Gmax 分别为DG注入功率和DG最大容量。
7.根据权利要求1所述的一种韧性电网的监测预警和应急处理方法，其特征在于，对电网进行故障恢复的流程包括以下步骤：
S101：获取电网的节点和支路矩阵；
S102：判断电网故障区域中的所有电源是否均为SDG电源，若否，则执行步骤S103；
S103：判断电网故障区域中是否存在BDG电源，若是，则执行步骤S104；
S104：根据此时的电网拓扑结构，判断是否形成孤岛，若是，则执行步骤S105；
S105：进行孤岛划分；
S106：得到新的节点和支路矩阵；
S107：计算配电网恢复模型的目标函数，并在配电网恢复模型的约束条件内采用混合算法对新的节点和支路矩阵进行矩阵迭代；
S108：判断是否达到预设的最大迭代次数，若是，则执行步骤S109；若否，则返回步骤S101；
S109：获取最终的节点和支路矩阵，对电网进行故障恢复。
8.根据权利要求1所述的一种韧性电网的监测预警和应急处理方法，其特征在于，所述方法还包括：在对所述电网的物理系统进行故障恢复过程中，对电网的信息系统和物理系统的恢复顺序进行优化，实现协同恢复。
9.根据权利要求8所述的一种韧性电网的监测预警和应急处理方法，其特征在于，所述协同恢复过程中，通过预设的协同恢复目标函数计算各个可能的恢复顺序的取值，并设置协同恢复约束，直至获取最优的恢复顺序计算结果，从而对电网的信息系统和物理系统进行协同恢复。
10.根据权利要求9所述的一种韧性电网的监测预警和应急处理方法，其特征在于，所述协同恢复目标函数包括：
式中，f ld 为负荷损失函数；f eq 为设备停运函数；T为恢复完成时刻；P lost,t 和N lost,t 分别为t时刻的负荷损失量和电力线停运量；P total 和N total 分别为总负荷量和总电力线数量；Δt为单位时间长度；
所述协同恢复约束的表达式为：
式中，P G,k 为发电机k 的有功出力；P G,max,k 和P G，min，k 分别为发电机k 的出力上、下限；P load,l 为负荷l 的有功功率；Z L,i 和Z G,i 分别为分区i 中包含的负荷节点和发电机节点集合；P loss,i 为分区i 的线路损耗。
11.一种韧性电网的监测预警和应急处理系统，其特征在于，包括：
电网分区模块，用于获取电网拓扑结构数据，基于概率预测和拓扑连通度，预先对电网进行分区；
风险预警模块，用于获取电网的历史数据，建立马尔可夫预测模型，基于该马尔可夫预测模型实时预测电网中风险源的未来状态，从而对电网进行风险预警；
故障恢复模块，用于若预测电网将发生故障，则根据预先建立的配电网恢复模型，对电网进行故障恢复。
12.根据权利要求11所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述电网分区模块预先对电网进行分区的过程包括：
根据电网结构分别构建故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标，并结合故障概率指标、拓扑连通度指标、有功匹配度指标和分区数量指标构建韧性评价指标；
对电网的分区可能情况进行搜索，直至获取韧性评价指标最优的方案，作为电网的分区方案。
13.根据权利要求12所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述故障概率指标的表达式为：
式中，/>为线路号；/>为线路/>的故障概率；/>为分区号；为分区/>中包含的线路集合；/>为分区/>中的线路总数；/>表示分区中最大的故障概率；/>和/>为平衡因子；
所述拓扑连通度指标的表达式为：
式中，/>和/>分别为线路/>开断后丢失的节点数量和负荷量；/>为分区/>的负荷总量；/>为平衡因子；
所述有功匹配度指标的表达式为：
式中，/>和/>分别为分区/>的最大和最小负荷量；/>和/>分别为分区/>的发电机最大功率和最小平衡功率；/>和为平衡因子；
所述分区数量指标的表达式为：
式中，/>为分区数量；/>为平衡因子。
14.根据权利要求11所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述风险预警模块基于马尔可夫预测模型实时预测电网中风险源的未来状态的过程具体为：
预先构建电网初始状态时的概率向量，根据电网的历史数据，对所述概率向量进行更新，并通过马尔可夫公式构建电网的转移矩阵，根据该转移矩阵计算电网在当前时刻下的状态转移概率，实现对电网中风险源的未来状态的预测。
15.根据权利要求11所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述故障恢复模块中配电网恢复模型的目标函数的表达式为：
式中，f 1为失电负荷量；k 1，k 2，k 3 为1、2、3级负荷供电中断的惩罚系数，l 1，l 2，l 3 为未恢复的1、2、3级负荷；f 2为失电负荷个数，M为负荷节点总数，x i 为负荷的恢复状态，处于失电状态时为1，当正常供电时为０；f 3表示第j个开关是否动作，若动作 K(j)=1，否则 K(j)=0，N为开关总数。
16.根据权利要求11所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述配电网恢复模型的约束条件包括：
式中，g为恢复供电的网络拓扑结构，G为辐射状拓扑结构；U i,min 和U i,max 分别为节点电压U i 的上限和下限值；S i 和S imax 分别为故障恢复后支路i通过的潮流和允许通过的最大潮流；P i 、Q i 为节点i的输入功率，P DGi 、Q DGi 为节点i的DG注入功率，P Di 、Q Di 为节点ｉ的负荷功率，U i 、U j 为节点i、j的电压，G ij 、B ij 为支路电导电纳，Q ij 为电压相角差，P G 和P Gmax 分别为DG注入功率和DG最大容量。
17.根据权利要求11所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述故障恢复模块对电网进行故障恢复的流程包括以下步骤：
S101：获取电网的节点和支路矩阵；
S102：判断电网故障区域中的所有电源是否均为SDG电源，若否，则执行步骤S103；
S103：判断电网故障区域中是否存在BDG电源，若是，则执行步骤S104；
S104：根据此时的电网拓扑结构，判断是否形成孤岛，若是，则执行步骤S105；
S105：进行孤岛划分；
S106：得到新的节点和支路矩阵；
S107：计算配电网恢复模型的目标函数，并在配电网恢复模型的约束条件内采用混合算法对新的节点和支路矩阵进行矩阵迭代；
S108：判断是否达到预设的最大迭代次数，若是，则执行步骤S109；若否，则返回步骤S101；
S109：获取最终的节点和支路矩阵，对电网进行故障恢复。
18.根据权利要求11所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述系统还包括协同恢复模块，用于在对所述电网的物理系统进行故障恢复过程中，对电网的信息系统和物理系统的恢复顺序进行优化，实现协同恢复。
19.根据权利要求18所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述协同恢复过程中，通过预设的协同恢复目标函数计算各个可能的恢复顺序的取值，并设置协同恢复约束，直至获取最优的恢复顺序计算结果，从而对电网的信息系统和物理系统进行协同恢复。
20.根据权利要求19所述的一种韧性电网的监测预警和应急处理系统，其特征在于，所述协同恢复目标函数包括：
式中，f ld 为负荷损失函数；f eq 为设备停运函数；T为恢复完成时刻；P lost,t 和N lost,t 分别为t时刻的负荷损失量和电力线停运量；P total 和N total 分别为总负荷量和总电力线数量；Δt为单位时间长度；
所述协同恢复约束的表达式为：
式中，P G,k 为发电机k 的有功出力；P G,max,k 和P G，min，k 分别为发电机k 的出力上、下限；P load,l 为负荷l 的有功功率；Z L,i 和Z G,i 分别为分区i 中包含的负荷节点和发电机节点集合；P loss,i 为分区i 的线路损耗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410268631.5A CN117878926A (zh) | 2024-03-11 | 2024-03-11 | 一种韧性电网的监测预警和应急处理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410268631.5A CN117878926A (zh) | 2024-03-11 | 2024-03-11 | 一种韧性电网的监测预警和应急处理方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117878926A true CN117878926A (zh) | 2024-04-12 |
Family
ID=90581539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410268631.5A Pending CN117878926A (zh) | 2024-03-11 | 2024-03-11 | 一种韧性电网的监测预警和应急处理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117878926A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105406470A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于开关边界分区的有源配电网可靠性评估方法 |
| US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
| CN111539566A (zh) * | 2020-04-21 | 2020-08-14 | 燕山大学 | 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 |
| CN113962461A (zh) * | 2021-10-22 | 2022-01-21 | 国网辽宁省电力有限公司抚顺供电公司 | 一种基于环境数据预测的配电网韧性提升策略 |
| CN115714388A (zh) * | 2022-11-30 | 2023-02-24 | 云南电网有限责任公司电力科学研究院 | 一种配电网故障恢复控制方法及相关装置 |
| WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和系统 |
| CN115995807A (zh) * | 2022-10-16 | 2023-04-21 | 国网新疆电力有限公司乌鲁木齐供电公司 | 基于灾害预测的配电网多时段供电弹性提升方法 |
| 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 |
| CN117134353A (zh) * | 2023-10-26 | 2023-11-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于虚拟区域动态切换的配电网故障恢复方法与系统 |
| CN117150808A (zh) * | 2023-09-20 | 2023-12-01 | 中国电力科学研究院有限公司 | 一种强对流天气下输电线路韧性评估方法、系统及设备 |
-
2024
- 2024-03-11 CN CN202410268631.5A patent/CN117878926A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
| CN105406470A (zh) * | 2015-12-21 | 2016-03-16 | 国家电网公司 | 一种基于开关边界分区的有源配电网可靠性评估方法 |
| CN111539566A (zh) * | 2020-04-21 | 2020-08-14 | 燕山大学 | 一种考虑灾前预调度的配电网多故障抢修恢复方法及系统 |
| WO2023035499A1 (zh) * | 2021-09-10 | 2023-03-16 | 国网上海市电力公司 | 一种配电网的韧性综合评估方法和系统 |
| CN113962461A (zh) * | 2021-10-22 | 2022-01-21 | 国网辽宁省电力有限公司抚顺供电公司 | 一种基于环境数据预测的配电网韧性提升策略 |
| 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 |
| CN115995807A (zh) * | 2022-10-16 | 2023-04-21 | 国网新疆电力有限公司乌鲁木齐供电公司 | 基于灾害预测的配电网多时段供电弹性提升方法 |
| CN115714388A (zh) * | 2022-11-30 | 2023-02-24 | 云南电网有限责任公司电力科学研究院 | 一种配电网故障恢复控制方法及相关装置 |
| CN117150808A (zh) * | 2023-09-20 | 2023-12-01 | 中国电力科学研究院有限公司 | 一种强对流天气下输电线路韧性评估方法、系统及设备 |
| CN117134353A (zh) * | 2023-10-26 | 2023-11-28 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于虚拟区域动态切换的配电网故障恢复方法与系统 |
Non-Patent Citations (2)
| Title |
|---|
| 姜心怡;陈健;司凯伦;陈明;魏振;彭博;: "考虑动态交通网络的综合能源配电网灾后紧急响应策略", 智慧电力, no. 08, 20 August 2020 (2020-08-20) * |
| 黄伟;黄廷城;王立勇;余兆荣;雷炳辉;刘水;曾桂辉;余天生;: "基于态势感知的电网台风预警防御框架研究综述", 电力系统保护与控制, no. 11, 1 June 2018 (2018-06-01) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Reliability-oriented distribution network reconfiguration considering uncertainties of data by interval analysis | |
| CN110994612B (zh) | 一种基于网络拓扑分区分层的配电网故障快速恢复方法 | |
| CN112671029A (zh) | 一种含分布式电源的配网多阶段故障恢复方法 | |
| CN111817345A (zh) | 一种含分布式电源配电网严重故障后的重构方法 | |
| CN108182498A (zh) | 配电网故障恢复性重构方法 | |
| CN115395557B (zh) | 一种基于有向图遍历的有源配电网故障快速恢复方法 | |
| CN102290798A (zh) | 一种基于配电网接线方式的快速供电恢复规则 | |
| CN111682525A (zh) | 基于最优流法和Mayeda生成树法的负荷转供方法 | |
| CN110212539A (zh) | 一种提高配电网可靠性的负荷转供方法及装置 | |
| CN115995790A (zh) | 一种配电网故障恢复方法、系统、设备及介质 | |
| Shi et al. | Preventive allocation and post-disaster cooperative dispatch of emergency mobile resources for improved distribution system resilience | |
| Morquecho et al. | Security constrained AC dynamic transmission expansion planning considering reactive power requirements | |
| CN110571802A (zh) | 基于粗糙集动态规划模型的配电网自愈控制方法及装置 | |
| Liu et al. | Optimization of decentralized control strategies of distributed resources under cyber failures in flexible distribution network | |
| CN111371090B (zh) | 用于主动配电网的故障自愈方法、装置、设备和存储介质 | |
| Abd El-Hamed et al. | Self-healing restoration of a distribution system using hybrid Fuzzy Control/Ant-Colony Optimization Algorithm | |
| CN117878926A (zh) | 一种韧性电网的监测预警和应急处理方法和系统 | |
| Luong et al. | Scalable and practical multi-objective distribution network expansion planning | |
| Momoh et al. | Distribution system reconfiguration scheme using integer interior point programming technique | |
| Cai et al. | Two-stage mobile emergency generator dispatch for sequential service restoration of microgrids in extreme conditions | |
| CN115169138A (zh) | 一种基于解析法的电力系统多层次恢复力评估方法和系统 | |
| CN106487001A (zh) | 一种独立电力系统智能重构方法 | |
| CN111353682B (zh) | 多电源电网可靠性评估方法 | |
| CN113922358A (zh) | 一种含分布式储能的配电网时序运行可靠性快速评估方法 | |
| CN114069689A (zh) | 基于负荷重要性的三阶段拓扑运行优化方法 |
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 |