一种基于脉冲耦合神经网络的配电网孤岛划分方法
【技术领域】
[0001] 本发明涉及一种电力系统的孤岛划分方法，尤其涉及一种分布式电源的配电网孤 岛划分方法。
【背景技术】
[0002] 孤岛运行是在配电网中引入分布式电源（DG)后出现的一种新运行方式，其中计 划孤岛运行是对配电网的运行方式有益的补充。根据功率平衡原则，在配电网发生故障时， 充分利用分布式电源供电能力，根据分布式电源的位置、容量，将配电网划分为若干个子 网，以保证重要负荷安全运行。在这种情况下，配电系统的部分负荷由分布式电源进行供 电，包含这部分负荷、分布式电源、储能装置以及控制系统的小型配电网就称为配电网中的 电力孤岛，而这种运行方式我们称为孤岛运行。
[0003] 电力孤岛供电方式是配电系统在引入分布式发电之后的一种新的运行方式，在这 种运行方式下，配电系统的部分负荷仅由DG供电，在配电系统因故障停运后，为了检修人 员安全，不扩大故障范围以达到快速恢复供电的目的。根据IEEE1547-2003相关规定，配电 网中所有的DG必须短时退出运行。由于DG具有单独供电能力，故障隔离后可利用DG恢复 部分重要负荷供电，从而提高系统的供电可靠性，因此，随着配电网内分布式电源的渗透率 的增加，电力孤岛在实现智能电网可靠供电的目标上将成为一种常态的运行方式。
[0004] 目前孤岛划分方法主要以恢复负荷总量最大为目标，兼顾孤岛建设经济性、供电 可靠性等因素，所采用的孤岛划分方法以描述孤岛内功率平衡为主体，但因目标函数与约 束条件存在差异，所采取的求解算法也不相同，导致在求解结果上存在一定程度上的差异。 目前，求解算法主要以启发式算法和智能算法为主，启发式算法由于其开环的求解过程，常 常导致无法找到全局最优解；智能算法由于其求解过程的随机性和不确定性，导致结果的 不确定性，无法寻找到最优解。
【发明内容】
[0005] 本发明的目的在于针对现有孤岛划分技术上的不足，提出一种基于脉冲耦合神经 网络的配电网孤岛划分方法。
[0006] 本发明根据现有的含分布式电源的配电网拓扑结构，进行一次含分布式电源的配 电网潮流计算，将其转化为一个边赋权值无向连通图，从而将孤岛划分问题转化为基于时 延脉冲耦合神经网络（DPCNN)求解最小路径，生成最小生成树的问题，所述包括以下步骤：
[0007] 步骤1 :确定进行配电网孤岛划分的可行区域； 步骤2 :根据配电网的拓扑结构将其转化为边赋权值无向连通图； 步骤3 :初始化参数，生成神经元点火图； 步骤4 :进行连通性判断约束； 步骤5 :生成最小生成树，即最优孤岛备选方案； 步骤6 :对划分出的孤岛进行电力潮流计算，评估孤岛安全性； 步骤7 :对孤岛进行合并，给出最优孤岛划分方案。
[0008] 建立基于节点-支路的简化模型：配电网具有闭环设计开环运行的特点，其拓扑 结构是一种辐射状结构，负荷节点可简化为边赋权值无向连通图中的节点，支路简化为连 通图中的赋权边，具体如下：
[0009] 配电网中的负荷节点简化为无向连通图中的节点，其负荷大小、重要性等级以及 网络损耗均考虑在无向连通图的边中，并遵循以下原则：负荷功率越小，重要性越大，其计 算的权值就越小，优先级就越高；在这种情况下，保留小容量负荷，可以扩大供电范围，减少 切除负荷个数；支路的简化原则如下：母线节点与母线节点相连的构成的边，边的权值确 定主要依据该支路有无变压器，有变压器的支路权值设定为〇. 5,反之为0 ;母线节点与DG 相连的边权值设定为0,其优先权最尚，在点火过程中最先被点火。
[0010] 在对边赋权值无向连通图求解最小生成树时，引入DPCNN模型。其DPCNN模型如 下：
该模型中，L通道接受神经元的反馈输入Y_j (n), Lj (η)是来自其他神经元的输入Y1. .. Yk 进行时延的Clu. .. 4,后的求和，作为L通道的输出，F ,是外界激励I ,送至F通道后的输出， 信号L,加上一个正的偏移量后与信号F ,进行相调制，得到内部状态信号U ,，当神经元输出 一个脉冲，阈值Θ鼻尤通过反馈迅速提高到Ff，使此神经元熄火，然后阈值线性下降，在下 降过程中，如果有反馈输入Yk，它导致％ (η) > Θ?，则神经元被捕获。
[0012] 基于上述的DPCNN模型，对已经简化为边赋权值无向连通图的配电系统进行初始 化，生成神经元点火图；具体如下：
[0013] 建立一个点火计算信息表：
表1点火计算信息表 若神经元的i被神经元j触发点火时刻为，则把该信息记录的表中第二列，并记录 下相应的点火前驱。根据记录的点火信息表，从后向前进行逆推，可以形成初步的神经元点 火生成图，即最小生成树雏形。
[0014] 为保证孤岛的连通性，需对上述形成的初步点火生成图进行连通性判断。建立一 个神经元点火情况记录表：
表2点火情况记录表 若神经元点火，则记录为1，否则为0,根据记录的点火情况进行分析：若标志位全为1， 则认为该点火生成图为连通的，即是我们所寻找的最优孤岛；反之为不连通，并根据点火情 况对其包含的神经元分类：点火的神经元放入一个集合P内，未点火的放入另一个集合Q 内。
[0015] 对不连通的点生成图进行最短路径的求解；建立一个信息记录表：
表3信息记录表 只需记录集合Q中最早点火的神经元信息，并将信息融入到点火生成图中，继续进行 连通性判断，直至生成的图均为连通图为止，即生成最小生成树（最优孤岛）。
[0016] 对划分出的电力孤岛进行安全性评估，其指标包括以下几个方面：
[0017] 孤岛功率平衡约束：
其中=P1为节点i的注入有功功率，Q1为节点i的注入无功功率，U1为节点i的电压幅 值，Uj为节点j的电压幅值，G ^和B ^为分别为节点导纳矩阵元素 Y ^的实部和虚部，δ ^为 节点i与节点j之间电压相位之差。
[0018] 节点电压约束：
其中：Uiniin为节点i电压幅值的最小值，Uiniax为节点i电压幅值的最大值。
[0019] 线路过载约束： Slj^ S 1]nax 其中：Slj为线路流过实际容量；Sljniax为线路允许流过最大容量。
[0020] 对安全性孤岛采取有效的方案，进行孤岛的边界进行合并，在保证孤岛稳定性与 安全性的前提下使孤岛总数最少以便在故障消除后便于恢复的目的。 本发明采用DPCNN模型，充分利用了 PCNN继承来的脉冲并行传播的特性，以各个分布 式电源为根神经元，同时进行搜索，较基于Prim算法的孤岛划分而言，大大减少了临时数 据的存储，极大的提高了运行速度。
【附图说明】
[0021] 图1-单个神经元（节点）模型；
[0022] 图2-IEEE 33节点配电系统图；
[0023] 图3-程序流程图。
【具体实施方式】
[0024] 以下结合附图，对本发明上述的技术特征和优点做更详细的说明。
[0025] 本发明基于脉冲耦合神经网络的配电网孤岛划分方法，以供电范围最大为目标， 综合考虑了负荷的重要性等级、负荷大小与网络损耗等因素，对配电网进行建模，将孤岛划 分问题转化为图论学中求取最小生成树的问题；引入DPCNN模型，充分利用了 PCNN继承来 的脉冲并行传播的特性，从而迅速地求解出最小生成树，即划分的最优孤岛；结合电力潮流 计算，考虑孤岛内功率平衡，节点电压不越限，线路不过载等约束条件，对划分的孤岛进行 安全性评估；最后通过对安全的孤岛进行边界融合使孤岛总数最少以达到故障消除后易于 配电网恢复的目的，并最终给出了最优孤岛划分方案。
[0026] 参阅图1所示，单个神经元模型，即节点模型。
[0027] 该模型中，L通道接受神经元的反馈输入Y, (n)，L, (η)是来自其他神经元的输入 Y1. .. Yk进行时延的d ^ (^后的求和，作为L通道的输出，F j是外界激励I j送至F通道后 的输出，信号L,加上一个正的偏移量后与信号F ,进行相调制，得到内部状态信号U ,，当神 经元输出一个脉冲，阈值叫就通过反馈迅速提高到使此神经元熄火，然后阈值线性下 降，在下降过程中，如果有反馈输入Yk，它导致!