一种考虑恢复能力的保底电网骨干网架构建方法与流程
本发明属于电力系统规划技术领域，具体涉及一种考虑恢复能力的保底电网骨干网架构建方法。
背景技术：
目前保底电网骨干网架建设是沿海台风多发区、冰涝及负荷密集区域的重要议题，最初由南方电网公司于2015年提出，通过加强部分线路节点构成网架来保障重要负荷供电及恢复。随着电网规模扩大、结构复杂化及灾害频发，大停电事故时有发生，一旦保底电网骨干网架在大停电后不能在短时间内成功恢复，会给社会经济稳定产生巨大影响；同时正常场景下保底电网骨干网架只考虑覆盖的重要负荷及发电能力强的机组，在停电场景下会由于恢复步骤繁琐而引起耗时过多甚至恢复失败，故研究考虑恢复能力的保底电网骨干网架构建方法，对停电场景下网架的可靠恢复、减少重要负荷停电时间具有重要意义。针对保底电网骨干网架主要有两个研究方向，一是优化求解算法提升大电网中目标网架搜寻效率，从而减少计算分析时间；二是通过构造适合的目标函数，以适应电网新能源比例提高、规模扩大的趋势，研究集中在提高保底电网骨干网架新能源消纳、重要负荷比例及灾害抵抗能力，在保底电网恢复能力方面研究不足。
综上所述，保底电网骨干网架的优化涉及及正常场景下对重要负荷的供能与停电场景下的恢复能力，现阶段国内外对网架优化模型多从电网的重要负荷覆盖率、新能源消纳及运行稳定为目标提升网架正常场景下的供电能力，偏向网架骨干性。在停电场景下对网架的保底性能研究不充分，仅基于负荷重要性及网络结构分析恢复指标，未考虑实际恢复步骤及影响恢复效果的黑启动电源、设备参数等关键因素。本发明提出的一种考虑恢复能力的保底电网骨干网架构建方法，在正常场景优化模型的基础上，分析恢复步骤及关键因素，量化网架恢复时间及恢复成功率，增加恢复指标，对常规多目标骨干网架优化得到方案再次优化，提升网架的恢复成功率、缩短恢复时间。
技术实现要素：
本发明针对现有技术的不足，提出了一种考虑恢复能力的保底电网骨干网架构建方法。
步骤1：划分正常供能场景以及停电恢复场景，并设置正常供能场景下以及停电恢复场景下初始条件；
步骤2：在正常供能场景分别定义供电能力指标、安全裕度指标、输电通畅指标；
步骤3：根据供电能力指标、安全裕度指标、输电通畅指标，建立正常场景下保底电网骨干网架多目标优化模型，使用离散粒子群算法对正常供能场景下三个指标对应适应度函数值优化求解，得到综合考量供电能力指标、安全裕度指标、输电通畅指标的正常场景下pareto非支配解集；
步骤4：在停电恢复场景下，定义恢复成功率以及恢复时间；
步骤5：根据恢复成功率以及恢复时间构建综合恢复指标，建立停电场景下基于恢复能力的网架构建再优化模型，基于综合恢复指标从正常场景下pareto非支配解集选取出停电场景下最优保底骨干网架；
作为优选，步骤1所述正常供能场景下初始条件为网架中各线路及设备正常工作，步骤1所述停电恢复场景下初始条件为网架全黑；
作为优选，步骤2所述供电能力指标，包括保底电网骨干网架中重要负荷保存率及电源保存率；
所述供电能力指标f1可表示为：
f1＝a1+β1a2
式中，a1为电源保存率；a2为重要负荷保存率；β1为重要负荷保存率a2权重。
a1、a2做了标准化处理，处于同一数量级；当β1＞1时，网架选取时相较保留电源更优先保留重要负荷；反之则更优先保留电源节点。根据电力平衡，这里取β1＝1符合实际运行情况。
所述电源保存率为：
式中，bg为网架中的发电节点总数；
所述重要负荷保存率为：
式中，bl为网架中的负荷节点总数；
步骤2所述安全裕度指标，包括电能平均传输距离、线路传输功率裕度；
安全裕度指标f2为：
f2＝s1+β2s2
式中，s1为节点电压裕度；s2为发电节点功率裕度；β2为发电节点功率裕度s2权重。
在计算节点电压裕度s1、发电节点功率裕度s2时，做了标准化处理，s1与s2都处于同一数量级；当β2＞1时，相比节点电压裕度更注重保障节点功率裕度；反之则更侧重保障电压裕度，β2可视实际需求在0.5到1.5之间选取；
所述节点电压裕度s1为：
式中，b为网架中的节点总数；
所述发电节点功率裕度s2为：
式中，
步骤2所述输电通畅指标，包括电源发电备用、网架节点电压，计算式如下：
其中：
式中，npath为网架中的保留线路数目；
作为优选，步骤3所述的正常场景下保底电网骨干网架优化模型为：
fnormal＝max(f1,f2,f3)
式中，fnormal为正常供能场景下的最优解；f1为供电能力指标；f2为安全裕度指标；f3为输电通畅指标。
步骤3所述使用离散粒子群算法对正常供能场景下三个指标对应适应度函数值优化求解为：
步骤3.1：初始化粒子群x＝(x1,x2,…,xn)，粒子群中每个个体位置坐标为xi＝(xi1,xi2,…,xid)，维数d与原始网架支路数相等，在离散粒子群算法中，所有粒子位置变量的每一维xik的取值限定为0或1；
步骤3.2：粒子的速度与位置分别按下式进行更新：
式中，k为迭代次数；粒子i飞行速度vi(vi1,...,vid)；
粒子i目前发现最优位置为pi(pi1,pi2,...,pid)；pg(pg1,pg2,...,pgd)为粒子群体当前发现的最优位置；w为惯性系数，取值范围为0.4＜w＜1.4；c1、c2为学习因子，值一般取为c1＝c2＝2.0，学习因子的取值过小容易导致粒子远离目标区域，取值过大则粒子很可能飞过目标区域；r1与r2是[0,1]区间上的两个随机数；
步骤3.3：对更新粒子进行有效性检测。因为这是一个图论问题所以必须对粒子位置对应的支路及节点集合的连通性进行判断。若连通则为有效粒子，进入步骤3.4；若不连通则为无效粒子，退回步骤3.2将无效粒子改造再进行后续步骤；
步骤3.4：根据粒子位置确定支路及节点集合，从而确定网架结构，进行潮流计算，得到节点电压及潮流分布，判断是否满足电力系统安全稳定运行的约束条件，若满足则进入步骤步骤3.5；否则退回步骤3.2重新生成新粒子。；
步骤3.5：根据潮流计算结果及基础数据，以正常供能场景下优化目标函数涉及指标f＝f1+f2+f3描绘适应度，从而更新粒子最优位置及粒子群最优位置；
步骤3.6：若达到迭代次数，迭代终止，输出正常场景下网架优化得到的pareto非支配解集x＝(x1,x2,…,xn)，解集中每一元素xi＝(xi1,xi2,…,xid)中xik的取值为1时对应线路保留，为0时不保留，从而得到对应的一种网架结构，依据网架结构计算供电能力指标、安全裕度指标、输电通畅指标，所有xi＝(xi1,xi2,…,xid)依据供电能力指标、安全裕度指标、输电通畅指标，建立的三维坐标以定义pareto非支配解集；若未达到迭代次数，则跳转至步骤3.2继续执行粒子更新；
作为优选，步骤4所述的优化骨干网架恢复的考虑指标，包括恢复成功率和恢复消耗时间；
步骤4所述恢复成功率为：
式中，fable为恢复成功率，由于多台机组分别通过多条路径启动，而恢复成功需要所有路径及机组启动成功，故fable为路径全集φ中最难恢复路径的恢复成功率；li是第i台待恢复发电机组最优恢复路径。
所述线路指数wli
式中，xcj为路径li中支路j的等值容抗，对空载线路充电可能会导致线路过电压和发电机组自励磁问题发生，且电压倍数及自励磁主要受线路容抗影响；xcmax为所有线路中最大容抗值；li是第i台待恢复发电机组最优恢复路径是；n为路径包含条支路数。
所述变压器指数
式中，φsatk、φresk、φssk分别为变压器tk的饱和磁通、剩余磁通和稳态磁通。
步骤4所述恢复时间为：
t＝t1+t2
式中，t1为恢复第一阶段所需时间；t2为恢复第二阶段所需时间；
t1恢复第一阶段所需时间主要由启动机组时间决定。由于多台机组分别通过多条路径启动，故选路径集合φ中恢复耗时最长路径所耗费的时间为t1的值：
式中，li为由黑启动机组启动其他机组经过的路径；φ为启动所有机组所涉及路径li的集合；
式中，t2为恢复第二阶段所需时间，主要由恢复剩余节点时间决定；lmax为未恢复节点与已恢复节点连接最长路径；
作为优选，步骤5所述综合恢复指标frec可表示为：
frec＝fable-β3t
式中，t为恢复时间；fable为恢复成功率；β3为总恢复时间t权重，权重β3可依据运行经验取值；
步骤5所述停电场景下基于恢复能力的网架构建再优化模型为：
将正常场景下pareto非支配解集x＝(x1,x2,…,xn)，通过计算各个解对应网架结构的综合恢复指标，进行停电恢复场景下优化，其目标函数如下：
fblack＝minfrec
式中，fblack为停电场景下的最优解；frec为综合恢复指标。
步骤5所述用迪杰斯特拉算法优化求解恢复时间、恢复成功率指标为：
通过改进后迪杰斯特拉算法搜寻恢复成功率最高路径与恢复时间最长路径，线路长度选为：
式中，qi为线路i的等效长度；xcj为路径li中支路j的等值容抗；xcmax为所有线路中最大容抗值。在此基础上迪杰斯特拉算法算法得出黑启动电源所在节点与待恢复机组节点最远路径即是恢复成功率最高路径；
采用迪杰斯特拉算法算法求解停电场景下最优恢复方案流程步骤如下：
步骤5.1，提取正常场景下pareto非支配解集x＝(x1,x2,…,xn)中任意一元素xi＝(xi1,xi2,…,xid)，依据xik的取值为1时对应线路保留，为0时不保留的原则，得到对应的一种网架网络拓扑图，将线路两端的变压器指数wti的对数与线路本身的容抗标幺值
再用迪杰斯特拉算法算法求取最短路径，根据路径计算fable与t1。fable为路径全集φ中最难恢复路径的恢复成功率，t1为恢复第一阶段所需时间。
步骤5.2，确认最优路径所涉及的节点与线路，等效为初始节点，将线路及线路两端设备恢复时间之和赋值为线路长度，迪杰斯特拉算法算算法求取最远路径，计算t2。t2为恢复第二阶段所需时间，主要由恢复剩余节点时间决定。
步骤5.3，计算该网架的综合恢复指标frec，与已经搜索计算过的网架综合恢复指标进行比较，若该网架的综合恢复指标frec更大，则将最优解更新为当前网架对应的xi＝(xi1,xi2,…,xid)，；更小则不更新。判断是否对pareto非支配解集中所有网架进行分析，若是，则输出最优网架结构；否则跳转至步骤5.1，继续搜索。
综上，本发明的一种考虑恢复能力的保底电网骨干网架构建方法，基于反映网架对重要负荷保障能力的电气参数，构建了以供电能力、安全裕度及输电畅通度的三目标正常场景下优化模型，并分析停电场景下影响网架恢复因素，量化得到恢复指标再优化，形成了考虑恢复能力的保底电网骨干网架构建方法，可用于保底电网核心骨干网架构建策略，使网架机组、负荷节点恢复路径优化，使网架的考虑恢复时间与恢复成功率的综合效果最好并有效调整最优方案，实用性强。
附图说明
图1为考虑恢复能力的保底电网骨干网架构建框架。
图2为不同场景考虑指标。
图3为正常供电场景下保底电网骨干网架优化算法流程。
图4为待启动机组与黑启动电源多路径示意。
图5为已恢复节点与线路集合的等效节点。
图6为常规方法pareto解集。
图7为pareto解集对应骨干网架结构。
具体实施方式
为了使本发明专利的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明专利进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明专利，并不用于限定本发明专利。此外，下面所描述的本发明专利各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
下面是本发明的优选实施例，并结合附图1-附图7，对本发明具体应用作进一步说明。
本发明的具体实施方式为一种考虑恢复能力的保底电网骨干网架构建方法，具体为：
步骤1：划分正常供能场景以及停电恢复场景，并设置正常供能场景下以及停电恢复场景下初始条件；
步骤1所述正常供能场景下初始条件为网架中各线路及设备正常工作，步骤1所述停电恢复场景下初始条件为网架全黑；
步骤2：在正常供能场景分别定义供电能力指标、安全裕度指标、输电通畅指标；
步骤2所述供电能力指标，包括保底电网骨干网架中重要负荷保存率及电源保存率，体现在骨干网架保证重要负荷需求，故网架应依据负荷量及用户重要等级，选择接入的负荷，同时为保障电力电量平衡，需保留充足机组供能；
所述供电能力指标f1可表示为：
f1＝a1+β1a2
式中，a1为电源保存率；a2为重要负荷保存率；β1为重要负荷保存率a2权重。
a1、a2做了标准化处理，处于同一数量级；当β1＞1时，网架选取时相较保留电源更优先保留重要负荷；反之则更优先保留电源节点。根据电力平衡，这里取β1＝1符合实际运行情况。
所述电源保存率为：
式中，bg为网架中的发电节点总数；
所述重要负荷保存率为：
式中，bl为网架中的负荷节点总数；
步骤2所述安全裕度指标，包括电能平均传输距离、线路传输功率裕度，反映保底电网骨干网架运行时的可靠性，量化为电气量距极限运行状态间的相对裕度，其为满足骨干网架能在保持一段时间的稳定运行，在网架中的有功无功充足时，系统应对突发小扰动能力较强，故安全裕度量化为电气量离极限运行状态间的裕度；
安全裕度指标f2为：
f2＝s1+β2s2
式中，s1为节点电压裕度；s2为发电节点功率裕度；β2为发电节点功率裕度s2权重。
在计算节点电压裕度s1、发电节点功率裕度s2时，做了标准化处理，s1与s2都处于同一数量级；当β2＞1时，相比节点电压裕度更注重保障节点功率裕度；反之则更侧重保障电压裕度，β2可视实际需求在0.5到1.5之间选取；
所述节点电压裕度s1为：
式中，b为网架中的节点总数；
所述发电节点功率裕度s2为：
式中，
步骤2所述输电通畅指标，包括电源发电备用、网架节点电压，是反应骨干网架线路与输电功率上限间的裕度，网架中负荷大量保留，骨干网架线路却相反地大幅缩减，导致线路负担加重，极端情况下会导致潮流越限及输电阻塞。输电通畅指标反映骨干网架运行时各条输电路径上的传输有功功率的裕度，计算式如下：
其中：
式中，npath为网架中的保留线路数目；
步骤3：根据供电能力指标、安全裕度指标、输电通畅指标，建立正常场景下保底电网骨干网架多目标优化模型，使用离散粒子群算法对正常供能场景下三个指标对应适应度函数值优化求解，得到综合考量供电能力指标、安全裕度指标、输电通畅指标的正常场景下pareto非支配解集；
步骤3所述的正常场景下保底电网骨干网架优化模型为：
fnormal＝max(f1,f2,f3)
式中，fnormal为正常供能场景下的最优解；f1为供电能力指标；f2为安全裕度指标；f3为输电通畅指标。
正常供能场景下的保底电网骨干网架优化是个多目标优化问题，采用具备较强的全局收敛能力，算法的鲁棒性能较好的离散粒子群算法进行正常场景下的模型求解；
步骤3所述使用离散粒子群算法对正常供能场景下三个指标对应适应度函数值优化求解为：
步骤3.1：初始化粒子群x＝(x1,x2,…,xn)，粒子群中每个个体位置坐标为xi＝(xi1,xi2,…,xid)，维数d与原始网架支路数相等，在离散粒子群算法中，所有粒子位置变量的每一维xik的取值限定为0或1；
步骤3.2：粒子的速度与位置分别按下式进行更新：
式中，k为迭代次数；粒子i飞行速度vi(vi1,...,vid)；
粒子i目前发现最优位置为pi(pi1,pi2,...,pid)；pg(pg1,pg2,...,pgd)为粒子群体当前发现的最优位置；w为惯性系数，取值范围为0.4＜w＜1.4；c1、c2为学习因子，值一般取为c1＝c2＝2.0，学习因子的取值过小容易导致粒子远离目标区域，取值过大则粒子很可能飞过目标区域；r1与r2是[0,1]区间上的两个随机数；
步骤3.3：对更新粒子进行有效性检测。因为这是一个图论问题所以必须对粒子位置对应的支路及节点集合的连通性进行判断。若连通则为有效粒子，进入步骤3.4；若不连通则为无效粒子，退回步骤3.2将无效粒子改造再进行后续步骤；
步骤3.4：根据粒子位置确定支路及节点集合，从而确定网架结构，进行潮流计算，得到节点电压及潮流分布，判断是否满足电力系统安全稳定运行的约束条件，若满足则进入步骤步骤3.5；否则退回步骤3.2重新生成新粒子；
步骤3.5：根据潮流计算结果及基础数据，以正常供能场景下优化目标函数涉及指标f＝f1+f2+f3描绘适应度，从而更新粒子最优位置及粒子群最优位置；
步骤3.6：若达到迭代次数，迭代终止，输出正常场景下网架优化得到的pareto非支配解集x＝(x1,x2,…,xn)，解集中每一元素xi＝(xi1,xi2,…,xid)中xik的取值为1时对应线路保留，为0时不保留，从而得到对应的一种网架结构，依据网架结构计算供电能力指标、安全裕度指标、输电通畅指标，所有xi＝(xi1,xi2,…,xid)依据供电能力指标、安全裕度指标、输电通畅指标，建立的三维坐标以定义pareto非支配解集；若未达到迭代次数，则跳转至步骤3.2继续执行粒子更新；
步骤4：在停电恢复场景下，定义恢复成功率以及恢复时间。
步骤4所述的优化骨干网架恢复的考虑指标，包括恢复成功率和恢复消耗时间，即：停电场景下，骨干网架恢复的可靠性及恢复所用时间本质上受网架拓扑结构及各机组在网架拓扑中位置决定，合适的核心骨干网架结构能使黑启动电源经过更少的线路及设备恢复发电厂厂用电，这样在每台设备启动成功率相差不大的情况下恢复成功率更高；
步骤4所述恢复成功率为：
式中，fable为恢复成功率，由于多台机组分别通过多条路径启动，而恢复成功需要所有路径及机组启动成功，故fable为路径全集φ中最难恢复路径的恢复成功率；li是第i台待恢复发电机组最优恢复路径。
所述线路指数wli
式中，xcj为路径li中支路j的等值容抗，对空载线路充电可能会导致线路过电压和发电机组自励磁问题发生，且电压倍数及自励磁主要受线路容抗影响；xcmax为所有线路中最大容抗值；li是第i台待恢复发电机组最优恢复路径是；n为路径包含条支路数。
所述变压器指数
式中，φsatk、φresk、φssk分别为变压器tk的饱和磁通、剩余磁通和稳态磁通。
步骤4所述恢复时间为：
t＝t1+t2
式中，t1为恢复第一阶段所需时间；t2为恢复第二阶段所需时间；
t1恢复第一阶段所需时间主要由启动机组时间决定。由于多台机组分别通过多条路径启动，故选路径集合φ中恢复耗时最长路径所耗费的时间为t1的值：
式中，li为由黑启动机组启动其他机组经过的路径；φ为启动所有机组所涉及路径li的集合；
式中，t2为恢复第二阶段所需时间，主要由恢复剩余节点时间决定；lmax为未恢复节点与已恢复节点连接最长路径；
步骤5：根据恢复成功率以及恢复时间构建综合恢复指标，建立停电场景下基于恢复能力的网架构建再优化模型，基于综合恢复指标从正常场景下pareto非支配解集选取出停电场景下最优保底骨干网架；
步骤5所述综合恢复指标frec可表示为：
frec＝fable-β3t
式中，t为恢复时间；fable为恢复成功率；β3为总恢复时间t权重，权重β3可依据运行经验取值；
步骤5所述停电场景下基于恢复能力的网架构建再优化模型为：
将正常场景下pareto非支配解集x＝(x1,x2,…,xn)，通过计算各个解对应网架结构的综合恢复指标，进行停电恢复场景下优化，其目标函数如下：
fblack＝minfrec
式中，fblack为停电场景下的最优解；frec为综合恢复指标。
步骤5所述用迪杰斯特拉算法优化求解恢复时间、恢复成功率指标为：
在黑启动机组及被启动机组在网架中的位置确定的情况下，仍可能存在多条路径连接，故计算停电场景下的目标函数时，除了搜寻恢复时间最长路径，对正常场景下pareto非支配解集中的每个网架搜索机组恢复成功率最高路径；
通过改进后迪杰斯特拉算法搜寻恢复成功率最高路径与恢复时间最长路径；在搜寻恢复成功率最高路径时，因为迪杰斯特拉(dijkstra)算法计算距离时是将线路节点间线路的长度相加，而恢复成功率指标是做乘法，故采用取对数的方法化乘为和，即线路长度选为：
式中，qi为线路i的等效长度；xcj为路径li中支路j的等值容抗；xcmax为所有线路中最大容抗值。在此基础上迪杰斯特拉算法算法得出黑启动电源所在节点与待恢复机组节点最远路径即是恢复成功率最高路径；
采用迪杰斯特拉算法算法求解停电场景下最优恢复方案流程步骤如下：
步骤5.1，提取正常场景下pareto非支配解集x＝(x1,x2,…,xn)中任意一元素xi＝(xi1,xi2,…,xid)，依据xik的取值为1时对应线路保留，为0时不保留的原则，得到对应的一种网架网络拓扑图，将线路两端的变压器指数wti的对数与线路本身的容抗标幺值
再用迪杰斯特拉算法算法求取最短路径，根据路径计算fable与t1。fable为路径全集φ中最难恢复路径的恢复成功率，t1为恢复第一阶段所需时间。
步骤5.2，确认最优路径所涉及的节点与线路，等效为初始节点，将线路及线路两端设备恢复时间之和赋值为线路长度，迪杰斯特拉算法算算法求取最远路径，计算t2。t2为恢复第二阶段所需时间，主要由恢复剩余节点时间决定。
步骤5.3，计算该网架的综合恢复指标frec，与已经搜索计算过的网架综合恢复指标进行比较，若该网架的综合恢复指标frec更大，则将最优解更新为当前网架对应的xi＝(xi1,xi2,…,xid)，；更小则不更新。判断是否对pareto非支配解集中所有网架进行分析，若是，则输出最优网架结构；否则跳转至步骤5.1，继续搜索。
设置离散粒子群算法的参数设为：粒子数20，迭代次数100，惯性系数和学习因子分别取为w＝1.2，c1＝2，c2＝2，潮流计算采用pq法在循环中嵌套，经历328.4s即5分钟左右的仿真计算，得到多目标优化模型的三种最优方案，在运用于小节点系统重构时及时性基本保障。非支配解集如图6所示，网架结构如图7所示。
三种方案中，方案一的供电能力最高，相应的安全裕度及输电畅通相对偏低；方案二的安全裕度最高，输电畅通及供电能力相对偏低；方案三的输电畅通最高，相应的供电能力及安全裕度相对偏低；仅从正常情景下的供电能力、输电畅通性及安全裕度考虑，方案一、方案二、方案三互不支配，无法确定最优方案，且没有反映和考虑保底电网骨干网架恢复能力。
停电场景下在正常场景搜索得到的pareto非支配网架集基础上，用迪杰斯特拉(dijkstra)算法，对解集再次搜寻优。恢复时间权重取值β3＝-0.002，计算各备选方案恢复指标，恢复指标最高的为最优方案，并与仅考虑正常场景的优化方法比较。
考虑恢复能力的保底电网骨干网架构建方法得到最优方案为方案2，分析及可知：方案1的fable为0.315、t为116分钟，网架恢复成功率恢相对较低，同时恢复耗时长；其原因正是供电能力突出，保留更多负荷节点及机组，从而出现22号机组需要通过1-3-4-12-16-17-10-20-19-18-15-23-24-22这样的长路径进行恢复，涉及了更多的线路及变压器，增大了出现励磁涌流及线路过电压导致启动失败的风险，同时待恢复节点过多，需要很多线路才能恢复到节点21，极大延缓了恢复速度。反观方案2，减少部分发电机组及负荷节点，供电能力f1相比方案1下降了15.5％，但是没有机组能需经过过多的线路及设备启动，恢复成功率fable提高了24.4％。
综上所述，考虑停电场景相比只考虑正常场景，量化地反映了不同网架结构间恢复能力差异，同时使得网架中保留的负荷及机组，能通过可靠性更高、耗时更短的路径被黑启动电源恢复，使得构建的保底电网骨干网在供电能力、安全裕度、输电畅通的基础上，兼具良好恢复能力。
本实施例验证了所提出的一种考虑恢复能力的保底电网骨干网架构建方法的有效性。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。本领域的技术人员容易理解，以上所述仅为本发明专利的较佳实施例而已，并不用以限制本发明专利，凡在本发明专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明专利的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！