基于差异化可靠性需求的配电网供电能力评估方法与流程

1.本发明涉及配电网可靠性技术领域，尤其涉及一种基于差异化可靠性需求的配电网供电能力评估方法。


背景技术：

2.供电能力是指电网在满足一定安全准则条件下所能供应的最大负荷。对于发达区域而言，评估现状电网的供电能力，有利于发现供电瓶颈，提出有针对性的改善方案；对于发展中区域而言，评估规划电网的供电能力，可有效评判规划方案对负荷发展的适应性，提升方案的经济性与可行性。因此，配电网络的供电能力评估问题受到了越来越多的关注。而随着分布式可再生能源发电的广泛接入，传统配电网的运行方式以及故障转供模式发生了很大变化，供电能力作为配电网的重要评估指标，也需要考虑分布式电源的重要影响。因此，配电网供电能力评估具有十分重要的实际价值和广泛的应用前景。
3.早期的供电能力评估方法主要是在节点电压、支路功率等系统潮流约束条件下求取网络的最大供电能力，但较少考虑网络转移供电能力的影响，忽略了系统故障后供电的连续性。因此又发展出了计及n-1安全准则的供电能力评估方法，该方法考虑主变互联关系、变电站间的负荷转移、以及主变所出馈线互联结构等因素，在n-1准则下评估网络最大供电能力，从而兼顾了配电系统的可靠性与经济性指标。然而，对于计及n-1安全准则的配电系统供电能力计算方法，需要电网在尖峰负荷时刻刚性地满足n-1校验，但在实际电网运行过程中，尖峰负荷通常是均值负荷的数倍且持续时间很短，依此为原则评估的供电能力将具有很大裕度。因此，在供电能力评估过程中需要引入可靠性指标作为柔性约束，以进一步挖掘系统供电潜力。而在实际电网中，由于负荷重要程度的不同，不同用户对于供电可靠性的需求也存在差异。
4.因此，寻找一种基于差异可靠性约束的求解与描述方法，实现配电网可靠性指标与网络最大供电能力的综合评估，将更具应用价值。


技术实现要素：

5.有鉴于此，本发明提供了一种基于差异化可靠性需求的配电网供电能力评估方法，基于遗传算法的模型优化和计算流程实现配电网可靠性指标与网络最大供电能力的综合评估，具有应用价值。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种电力用户的差异化可靠性需求分析方法，具体包括如下步骤：
8.1)采集数据；
9.所述数据主要包括：网架结构、运行方式、负荷数据和可靠性参数，并将采集的数据采用遗传算法将所有运行方式进行个体编码；
10.2)确定初始负荷值，生成满足约束条件生成初始种群；
11.3)计算可靠性约束条件；
12.4)根据搜索空间限定法，判断可靠性约束条件是否满足，且保留满足约束的个体，淘汰不满足约束的个体；
13.5)计算最大供电能力，得到个体的适应度；
14.6)判断是否收敛，如果否，则进入步骤7)；如果是，跳转步骤8)
15.7)对最优个体进行解码；
16.8)进行精英保留操作；
17.9)输出最优解，得到最大供电能力。
18.优选的，步骤3)所述可靠性约束条件包括：差异可靠性约束和整体可靠性约束；
19.其中，所述差异可靠性约束将中压配电网可靠性评估指标分为：负荷点可靠性指标及系统指标，并选择馈线的asai作为基本评估单位，第q条馈线的asai如式(1)进行计算：
[0020][0021]
其中：t为在规定时间内的需电小时数；uj为负荷点j的年停运时间；nj为负荷点j的用户数；lq为第q条馈线总的负荷点数；
[0022]
鉴于不同馈线可靠性需求不同，定义可靠性目标矩阵e＝(e1，e2，
…
，eq，
…
，em)t，其中eq为第q条馈线可靠性目标；asai
feed
＝(asai1，asai2，
…
，asaiq，
…
，asaim)t为实际的馈线可靠性指标向量，m为系统馈线数，则差异可靠性约束表示为：
[0023]
asai
feed
≥e(2)、
[0024]
优选的，所述整体可靠性约束：在系统满足不同馈线可靠性需求的同时，还需满足网络整体的可靠性约束，选取系统asai期望值作为指标，其如式(3)所示：
[0025]
其中，p为系统总负荷点数，es表示系统可靠性目标。
[0026]
优选的，步骤4)对所述式(2)及所述式(3)的可靠性不等式约束，根据搜索空间限定法进行判断。
[0027]
优选的，步骤5)具体操作包括：
[0028]
计算最大供电能力，设系统中一共有n个主变，各台主变的编号i为1，2
…
，n；其中与第i台主变相连的馈线数目为mi，则与其相连的各条馈线编号q为1，2，
…
，mi；最大供电能力函数如下：
[0029]
[0030]
其中，l
iqmax
为与第i台主变相连的第q条馈线在全网的尖峰负荷时刻所能够接入的负荷值；再根据负荷曲线对应到特定负荷峰值下的时序负荷序列。
[0031]
优选的，步骤7)所述进行精英保留操作具体包括：通过轮盘赌选择操作补足个体规模，会出现个体重复的可能性，则需继续进行交叉与变异运算保证种群中个体的多样性，并返回至步骤3)。
[0032]
优选的，步骤7)所述交叉运作：选择单点交叉方式，先定义交叉概率pre，即每次迭代中种群中的个体有pr的可能进行交叉运算；对于参与交叉的一对个体通过随机数产生一个交叉点位置，将交叉点所在的基因段及其后续所有基因段进行基因的互换，从而生成新的子辈染色体，完成个体的更新；
[0033]
设种群中个体总数为n，每个个体对应染色体的长度为k；产生n个[0，11]区间的随机数，其中小于pr的个体两两一组进行交叉，再通过产生介于1-k的随机数确定交叉点的位置，完成交叉运算。
[0034]
优选的，步骤7)所述变异运算：使用单点变异，设定变异概率pva，即每次迭代种群中有pva的基因码会发生变异，变异的位置由随机数产生；
[0035]
种群中个体总数为n，每个个体对应染色体的长度为k；产生n*k个0-1之间的随机数，选出其中小于pva的数据并确定其基因位置，将其对应的基因值进行翻转，从而完成变异运算。
附图说明
[0036]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0037]
图1附图为本发明实施例1公开的一种基于差异化可靠性需求的配电网供电能力评估方法流程图；
[0038]
图2附图为本发明实施例2公开系统主变联络关系示意图；
[0039]
图3附图为本发明实施例2公开的s1变电站馈线结构图；
[0040]
图4附图为本发明实施例2公开的s2变电站馈线结构图；
[0041]
图5附图为本发明实施例2公开的s3变电站馈线结构图；
[0042]
图6附图为本发明实施例2公开的图例；
[0043]
图7附图为本发明实施例2公开的可靠性目标约束与系统供电能来之间的关系图；
[0044]
图8附图为本发明实施例2公开的差异可靠性下系统供电能力优化效果图。
具体实施方式
[0045]
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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，都属于本发明保护的范围。
[0046]
实施例1
[0047]
附图1所示，本发明实施例提供了基于差异化可靠性需求的配电网供电能力评估
方法，具体包括如下步骤：
[0048]
1)采集数据；
[0049]
所述数据主要包括：网架结构、运行方式、负荷数据和可靠性参数，并将采集的数据采用遗传算法将所有运行方式进行个体编码；
[0050]
2)确定初始负荷值，生成满足约束条件生成初始种群；
[0051]
3)计算可靠性约束条件；
[0052]
4)根据搜索空间限定法，判断可靠性约束条件是否满足，且保留满足约束的个体，淘汰不满足约束的个体；
[0053]
5)计算最大供电能力，得到个体的适应度；
[0054]
6)判断是否收敛，如果否，则进入步骤7)；如果是，跳转步骤8)
[0055]
7)对最优个体进行解码；
[0056]
8)进行精英保留操作；
[0057]
9)输出最优解，得到最大供电能力。
[0058]
在另一个实施例中，步骤3)可靠性约束条件包括：差异可靠性约束和整体可靠性约束；
[0059]
其中，差异可靠性约束将中压配电网可靠性评估指标分为：负荷点可靠性指标及系统指标，并选择馈线的asai作为基本评估单位，第q条馈线的asai如式(1)进行计算：
[0060][0061]
其中：t为在规定时间内的需电小时数；uj为负荷点j的年停运时间；nj为负荷点j的用户数；lq为第q条馈线总的负荷点数；
[0062]
鉴于不同馈线可靠性需求不同，定义可靠性目标矩阵e＝(e1，e2，
…
，eq，
…
，em)t，其中eq为第q条馈线可靠性目标；asai
feed
＝(asai1，asai2，
…
，asaiq，
…
，asaim)t为实际的馈线可靠性指标向量，m为系统馈线数，则差异可靠性约束表示为：
[0063]
asai
feed
≥e(2)
[0064]
在另一个实施例中，整体可靠性约束：在系统满足不同馈线可靠性需求的同时，还需满足网络整体的可靠性约束，选取系统asai期望值作为指标，其如式(3)所示：
[0065]
其中，p为系统总负荷点数，es表示系统可靠性目标。
[0066]
在另一个实施例中，步骤4)对式(2)及所述式(3)的可靠性不等式约束，根据搜索空间限定法进行判断。
[0067]
在另一个实施例中，步骤5)具体操作包括：
[0068]
计算最大供电能力，设系统中一共有n个主变，各台主变的编号i为1，2
…
，n；其中与第i台主变相连的馈线数目为mi，则与其相连的各条馈线编号q为1，2，
…
，mi；最大供电能力函数如下：
[0069][0070]
其中，l
iqmax
为与第i台主变相连的第q条馈线在全网的尖峰负荷时刻所能够接入的负荷值；再根据负荷曲线对应到特定负荷峰值下的时序负荷序列。
[0071]
在另一个实施例中，步骤7)进行精英保留操作具体包括：通过轮盘赌选择操作补足个体规模，会出现个体重复的可能性，则需继续进行交叉与变异运算保证种群中个体的多样性，并返回至步骤3)。
[0072]
在另一个实施例中，步骤7)交叉运作：选择单点交叉方式，先定义交叉概率pre，即每次迭代中种群中的个体有pr的可能进行交叉运算；对于参与交叉的一对个体通过随机数产生一个交叉点位置，将交叉点所在的基因段及其后续所有基因段进行基因的互换，从而生成新的子辈染色体，完成个体的更新；
[0073]
设种群中个体总数为n，每个个体对应染色体的长度为k；产生n个[0，11]区间的随机数，其中小于pr的个体两两一组进行交叉，再通过产生介于1-k的随机数确定交叉点的位置，完成交叉运算。
[0074]
进一步，在生物进化过程中起核心作用的是遗传基因的重组，对应到遗传算法中即为交叉运算，其是把两个父代个体的部分结构进行替换重组而产生新个体的运算，交叉运算可以提升遗传算法的搜索能力。
[0075]
在另一个实施例中，步骤7)变异运算：使用单点变异，设定变异概率pva，即每次迭代种群中有pva的基因码会发生变异，变异的位置由随机数产生；
[0076]
种群中个体总数为n，每个个体对应染色体的长度为k；产生n*k个0-1之间的随机数，选出其中小于pva的数据并确定其基因位置，将其对应的基因值进行翻转，从而完成变异运算。
[0077]
进一步，生物进化中的变异保证了种群的多样性，遗传算法中对应的变异运算是根据一定的概率对二进制基因码进行翻转，即0变为1而1变为0，从而保证种群的多样性并避免算法过早收敛。
[0078]
实施例2
[0079]
本实施例以某地区实际配电网结构作为算例，基于馈线互联关系的配电网联络结构如图2所示，主变容量与各主变间的联络容量。各变电站低压侧所带元件数量见表1。
[0080]
表1变电站低压侧所带元件数量表
[0081][0082]
根据馈线n-1准则，结合10kv馈线型号，得到馈线初始状态见表2。
[0083]
表2馈线初始状态表
[0084][0085][0086]
算例的具体结构见图3-图6。
[0087]
各类元件的可靠性参数见表3。
[0088]
表3系统中主要元件可靠性参数
[0089][0090]
故障隔离时间与隔离后的转供时间均取1h；居民、商业与工业负荷点的单位负荷量大小分别为0.1802，0.4697，0.8472mw/户，系统各负荷节点初始用户数均为1。负荷的出力模型如葛少云，王浩鸣，王源山，等.含分布式风光蓄的配电系统可靠性评估.电力系统自动化，2012，36(05)：16-23.所述；可靠性模拟的基本步长为1h。
[0091]
基于上述说明，算例的整体情况包括三个变电站、六台主变、24条馈线、106个馈线段、297个负荷节点(22个工业负荷节点、68个商业负荷节点、207个居民负荷节点)、409个配电变压器。
[0092]
结合遗传算法求取网络满足式(3)整体可靠性约束时的最大供电能力，算例系统中共有65组dg，分别仅调整其中单组分布式光伏的容量为0.3mw，1mw与2mw，输出不同整体可靠性约束下的最大供电能力，绘制成曲线图以便展示变化趋势，即可靠性目标约束与系统供电能力之间关系如图7所示。
[0093]
而当网络的平均供电可用度指标为99.9911％时，系统最大供电能力为98.52mva，占主变总容量的68.90％，占馈线总容量的42.77％。此为基于传统的馈线n-1准则并考虑联络容量约束得到的最大供电能力。此时的系统能够满足尖峰负荷时刻的n-1约束，由于本实施例可靠性评估的过程中重点考虑单重故障的影响，所以配电网在该运行点达到了最高的
供电可靠率。
[0094]
当系统可靠性约束低于该运行点供电可靠率数值，即部分线路不满足n-1准则时，系统最大供电能力提升，从而减少传统评估方法产生的过量裕度，释放网络供电潜力。
[0095]
进一步引入差异可靠性约束，在系统整体可靠性约束为99.979％时，分别设定算例24条馈线中每一条馈线的可靠性约束至99.970％，同时保持其余23条馈线的整体可靠性约束99.979％不变，调整馈线负荷分布，得到对应的系统最大供电能力，即差异可靠性下系统供电能力优化效果如图8所示。
[0096]
由图可知，在其余23条馈线整体可靠性水平不变的条件下，降低不同的单一馈线可靠性指标对于供电能力的提升效果不同，对于本算例，降低馈线12的可靠性指标对于供电能力的提升效果最明显，因此可选择在馈线12接入重要程度较低的负荷，从而可以适当降低该条馈线的可靠性水平从而显著提升供电能力。
[0097]
算例结果表明，对于含分布式光伏和蓄电池的配电网，若适当降低整体可靠性指标，放弃n-1准则，可以显著提升供电能力。进一步考虑差异可靠性需求，降低不同馈线的可靠性指标，系统供电能力的提升效果不同，从而寻找供电能力优化效果最明显的馈线。
[0098]
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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0099]
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发明。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发明的精神或范围的情况下，在其它实施例中实现。因此，本发明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。