论文部分内容阅读
网络重构作为电力系统优化和控制的重要手段,通过改变分段开关和联络开关状态来修改配电网络的拓扑结构,提高系统的可靠性、运行效率和可持续性。依据电力用户的实际需求,接入配电网节点的负荷应是随时间的变化而变化。可再生分布式电源(Distributed Generator,DG)大量接入到配电网以提高系统的供电质量,因环境、自然条件的不同,DG输出功率具有波动性。配电网的运行方式和结构多变,引起网络重构的起始拓扑不稳定,给配电网的发电侧和需求侧带来一定的动态性。利用常规重构方法来分析网络的优化过程,不可避免地出现一定的局限性。故障恢复性动态重构是实现配电自动化和故障自愈的核心和基础,因此,研究配电网动态重构具有重要的理论和工程意义。针对配电网的实际运行情况,从时间尺度和拓扑特征方面分解网络的动态特性,探讨配电网动态重构模型和方法,并在此基础上研究故障恢复问题。基于时变负荷的配电网,建立考虑网络有功损耗、静态电压稳定性和节点重要性的多目标动态重构模型,提出了一种配电网多时段动态重构方法。以实际负荷预测曲线的时间长度作为重构的时间区段,先依据负荷单调性和幅值变化初步划分重构时段。再在开关动作次数约束条件下,动态调整最优函数的指标值,利用整数型粒子群算法确定最佳重构时刻及网络配置。考虑时变负荷的动态重构更符合配电网的实际运行,提高了配电网经济性、稳定性,降低了供电风险。针对大多数粒子编码方案产生不可行解的问题,提出了一种高效的分层编码粒子群算法。通过分析简化配电网络的支路链、回路与支路之间的映射关系,产生混合回路矩阵,设计分层编码规则只产生切合配电网实际拓扑结构的可行粒子。算法在进化过程中避免了不可行解的出现和繁琐的拓扑校验,大大缩小了算法的搜索空间,提高了寻优效率。提出一种计及DG出力波动性的动态重构模型和两层规划方法。该模型通过分析DG出力的波动性对配电网的影响,选择提高系统对DG的消纳能力和网络经济性为目标函数。两层规划方法将网络配置和目标函数的寻优分离,分层编码粒子群算法寻求最优拓扑,标准粒子群算法用来计算优化目标的适应度值,两者相互配合确定最佳重构时段、最优配置及目标函数最小值。算例结果表明,考虑DG出力波动性和时变负荷的动态重构可以有效地提高DG的利用率和优化配电系统的运行。针对非正常状态下配电网重构的初始网架动态变化的情况,提出了一种考虑实时拓扑变化的配电网动态重构技术。该方法将初始网架的识别和网络重构过程分离。配电系统检测到初始拓扑变化的信号,采用动态拓扑分析法更新实时拓扑参数,恢复网络的连通性,并结合动态自适应粒子群算法找到实时拓扑的最佳配置。算例分析表明,基于动态拓扑分析的动态重构方法能适应不同变结构的配电网优化,配电网能快速地恢复到正常工作状态。基于动态重构技术,提出了一种多阶段故障恢复方法解决含DG配电网的故障恢复问题。该方法将故障恢复过程分为5个阶段:失电区域识别、配置孤岛、主网连通性恢复、网络优化及负荷调整。配电网发生故障后,执行动态拓扑分析检测失电区域,确定其故障恢复的方式。若失电区域在计划孤岛可行域,计及联络支路的影响,基于最短路径配置DG孤岛方案。若以动态重构的方式恢复供电,则恢复失电区域与主网之间的联系。网络优化和负荷调整阶段是否执行取决于恢复连通性后的主网潮流指标,分层编码粒子群算法优化网络配置,并通过节点重要度综合评估法来识别甩荷节点。多阶段故障恢复策略能根据实际情况获得适当的恢复计划,并分析恢复后系统的运行指标及处理措施,具有很强的实用性。