本发明属于电力系统恢复领域,特别涉及一种计及集中型电动汽车充电站的电力系统恢复方法。
背景技术:
:大停电事故发生后如何快速、安全、稳定地恢复电力系统是一个非常重要的问题。大停电后的电力系统恢复一般可分为三个主要阶段:黑启动阶段、网架重构阶段和负荷恢复阶段。国内外针对电力系统恢复的方法都是利用常规黑启动机组为大停电后系统的非黑启动机组提供启动功率。当区域电力系统中没有黑启动电源或黑启动机组容量不够充裕时,该区域电力系统的机组无法提供足够的启动功率,即无法实现电力系统恢复。技术实现要素:本发明针对上述问题,提出了一种计及集中型电动汽车充电站的电力系统恢复方法。本发明的目的是通过以下技术手段实现的:一种计及集中型电动汽车充电站的电力系统恢复方法,包括以下步骤:(1)采集电力系统拓扑信息、线路电容、线路恢复所需时间、发电机组的启动功率、发电机组的爬坡率、最大输出功率、集中型充电站的容量、配电站的容量、电池配送模式、单块电池的容量,并模拟用户的出行规律。根据集中型充电站的容量、配电站的容量、电池配送模式、单块电池的容量、用户的出行规律,得到集中型充电站的可用电池容量的概率分布。(2)随机生成M个初始粒子。(3)针对每个粒子,进行Ms次蒙特卡罗抽样,得到集中型充电站的可用电池容量。(4)针对每一次抽样,调用双层优化模型,求出电力系统的可用发电容量。双层优化模型可描述为:式中:Wtotal为停电事故发生后在所研究的时间区间[0,NT]内,系统的可用发电容量。和分别表示函数f(x)在其定义域内的上确值和下确值。Pigen(t)是t时刻机组i的输出功率,当时刻t小于机组启动时间时,机组输出功率为0,当时刻t大于机组启动时间,输出功率小于最大输出功率时,机组的输出功率为该发电机爬坡率乘以时刻t与机组启动时间之差;当时刻t大于启动时间与最大输出功率除以爬坡率得到的爬坡时间之和时,机组的输出功率为机组的最大输出功率。Pistart(t)是t时刻启动机组i所需要的启动功率,当时刻t小于启动时间时,机组的启动功率为0;否则为采集得到的启动功率。Nres是系统内待恢复机组的数量;ui(t)表示机组i的恢复状态,如果机组i在t时刻或t时刻前已启动,则ui(t)=1,否则ui(t)=0。a为惩罚系数。Topt=[topt1,topt2,…,toptZ,]T为Z维列向量,同时也是上层优化模型的解,其任一元素topti表示机组i的最优启动时刻;Tact为考虑了电网拓扑信息的各机组实际恢复时刻。U(x,y)为所定义的二元函数,当x≥y时,其函数值为1;否则为0。公式1和2分别是双层模型的上层模型和下层模型。(5)对步骤4得到的可用发电容量进行机会约束检验,计算每个粒子的目标函数值即为待恢复电力系统的可用发电容量在置信区间β下的最大值。β为目标函数的置信水平。Pr{}表示集合中事件成立的概率;(6)根据目标函数值计算各粒子的适应度。(7)更新M个初始粒子位置和速度,从而获得新的粒子。按照步骤3-6,计算更新后各个粒子的适应度。(8)重复步骤(7),直至达到粒子群繁殖代数Mc。(9)将适应度最大的粒子作为该优化问题的最优解,该粒子对应的上下层模型的解分别对应于最优的机组启动时刻和恢复路径。(10)根据步骤9得到的最优的机组启动时刻和恢复路径,对电力系统进行恢复。本发明的有益效果是,利用集中型电动汽车充电站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,辅助电力系统恢复。具体特点如下:a对充电站可用电池容量建模,得到针对给定系统停电时刻充电站可提供的启动容量。所提出的计算方法充分考虑了用户的出行规律和电池的配送模型,更加贴合实际。b建立了基于双层优化的电力系统恢复模型,在上层模型中,以最大化系统可用发电容量为目标确定发电机组恢复时刻;在下层模型中,以线路充电电容之和最小为目标确定恢复路径。避免了在已有的电力系统恢复方法中将机组恢复和线路恢复分开优化的弊端。c采用机会约束规划处理相关的不确定性因素,并与双层优化模型相结合构建基于机会约束规划的双层网架重构优化模型,进而采用改进的粒子群算法求解该优化问题。引入机会约束方法处理模型中的不确定因素,使得最终得到的电力系统恢复方案满足一定的置信区间,满足电力调度人员的要求,因此本文的方法更加实用。附图内容图1为电动汽车充电站启动待恢复机组的时间特性;图2为计及电动汽车充电站的电力系统恢复方法的优化流程;图3新英格兰10机39节点系统;图4为发电节点最终的最优恢复路径。具体实施方式本发明提出了一种计及电动汽车集中型充电站充当黑启动电源的网架重构优化方法。首先,建立了评估电动汽车充电站可用电池容量的数学模型。然后,提出了网架重构的双层优化模型,其中上层模型用于优化发电节点的恢复顺序,下层则用于确定恢复路径。在此基础上,针对大停电事故发生时刻、充电站可用电池数量、电池荷电状态等不确定性因素,构造了基于机会约束规划的双层网架重构优化模型,以获得满足一定置信水平的系统恢复方法。之后,利用改进的粒子群算法的方法来求解所提出的优化模型。该方法包括以下步骤:(1)采集电力系统拓扑信息、线路电容、线路恢复所需时间、发电机组的启动功率、发电机组的爬坡率、最大输出功率、集中型充电站的容量、配电站的容量、电池配送模式、单块电池的容量,并模拟用户的出行规律。根据集中型充电站的容量、配电站的容量、电池配送模式、单块电池的容量、用户的出行规律,得到集中型充电站的可用电池容量的概率分布。以新英格兰10机39节点系统为例来说明所提出的方法。在图3中,假设节点33为集中型电动汽车充电站所在节点;节点30,31,32,34,35,36,37,38,39为待恢复的发电机节点。线路参数和发电机组参数分别如表1和表2所示。表1新英格兰10机39节点系统的线路参数表2发电机组参数(2)随机生成20个初始粒子。(3)针对每个粒子,进行1000次蒙特卡罗抽样,得到集中型充电站的可用电池容量。(4)针对每一次抽样,调用双层优化模型,求出电力系统的可用发电容量。双层优化模型可描述为:式中:Wtotal为停电事故发生后在所研究的时间区间[0,180]min内,系统的可用发电容量。和分别表示函数f(x)在其定义域内的上确值和下确值。Pigen(t)是t时刻机组i的输出功率,当时刻t小于机组启动时间时,机组输出功率为0,当时刻t大于机组启动时间,输出功率小于最大输出功率时,机组的输出功率为该发电机爬坡率乘以时刻t与机组启动时间之差;当时刻t大于启动时间与最大输出功率除以爬坡率得到的爬坡时间之和时,机组的输出功率为机组的最大输出功率。Pistart(t)是t时刻启动机组i所需要的启动功率,当时刻t小于启动时间时,机组的启动功率为0;否则为采集得到的启动功率。Nres是系统内待恢复机组的数量;ui(t)表示机组i的恢复状态,如果机组i在t时刻或t时刻前已启动,则ui(t)=1,否则ui(t)=0。a为惩罚系数。Topt=[topt1,topt2,…,toptZ,]T为Z维列向量,同时也是上层优化模型的解,其任一元素topti表示机组i的最优启动时刻;Tact为考虑了电网拓扑信息的各机组实际恢复时刻。U(x,y)为所定义的二元函数,当x≥y时,其函数值为1;否则为0。公式1和2分别是双层模型的上层模型和下层模型。(5)对步骤4得到的可用发电容量进行机会约束检验,计算每个粒子的目标函数值即为待恢复电力系统的可用发电容量在置信区间β下的最大值。β为目标函数的置信水平,β=0.95。Pr{}表示集合中事件成立的概率;(6)根据目标函数值计算各粒子的适应度。(7)更新20个初始粒子位置和速度,从而获得新的粒子。按照步骤3-6,计算更新后各个粒子的适应度。(8)重复步骤(7),直至达到粒子群繁殖代数50。(9)将适应度最大的粒子作为该优化问题的最优解,该粒子对应的上下层模型的解分别对应于最优的机组启动时刻和恢复路径,如表3和图2所示。根据最优的机组启动时刻和恢复路径,对电力系统进行恢复。表3发电节点恢复时刻最终优化结果发电节点恢复时刻(min)充电站提供的容量(MW·h)发电节点恢复时刻(min)充电站提供容量(MW.h)34814.18173282030294.506738920376103110203667039109035750当前第1页1 2 3