黃 鎮(zhèn)， 楊京燕， 覃智君， 邱 威， 王國棟

(1.華北電力大學(xué)電氣與電子工程學(xué)院， 北京 102206； 2.廣西大學(xué)電氣工程學(xué)院， 南寧 530004；3.河南省電力試驗研究院， 鄭州 450000)

采用內(nèi)點法的多目標(biāo)低電壓風(fēng)險優(yōu)化①

黃 鎮(zhèn)1， 楊京燕1， 覃智君2， 邱 威1， 王國棟3

(1.華北電力大學(xué)電氣與電子工程學(xué)院， 北京 102206； 2.廣西大學(xué)電氣工程學(xué)院， 南寧 530004；3.河南省電力試驗研究院， 鄭州 450000)

隨著現(xiàn)代電力系統(tǒng)的飛速發(fā)展與日趨復(fù)雜，一次故障或者擾動有可能給系統(tǒng)帶來極大的風(fēng)險。僅僅對當(dāng)前潮流斷面進行風(fēng)險評估已無法滿足安全性的要求。文中將風(fēng)險理論與優(yōu)化方法相結(jié)合，在以發(fā)電費用最小的最優(yōu)潮流基礎(chǔ)上，考慮對事故后低電壓風(fēng)險的優(yōu)化控制，建立了一個多目標(biāo)的優(yōu)化模型，用以協(xié)調(diào)故障后系統(tǒng)運行的安全性與經(jīng)濟性；采用矢量化原對偶內(nèi)點算法對該模型進行求解；選取河南某市電網(wǎng)作為算例，進行低電壓風(fēng)險優(yōu)化控制的測試，分析了該電網(wǎng)故障后的電壓安全性與運行經(jīng)濟性。算例測試結(jié)果與該電網(wǎng)運行情況相符，驗證了算法的正確性與計算效率。

低電壓風(fēng)險控制； 最優(yōu)潮流； 多目標(biāo)優(yōu)化； 原對偶內(nèi)點法； 電力系統(tǒng)運行

我國的電力系統(tǒng)已逐漸發(fā)展成一個超大規(guī)模的復(fù)雜系統(tǒng)。負(fù)荷的飛速增長，電網(wǎng)結(jié)構(gòu)的日益復(fù)雜，故障與擾動的不確定性，都給系統(tǒng)的安全穩(wěn)定運行帶來風(fēng)險。文獻[1]指出風(fēng)險是不利事件發(fā)生的概率及其后果的綜合，而電力系統(tǒng)風(fēng)險的根源在于其行為的概率特征。傳統(tǒng)的電力系統(tǒng)安全評估方法，如：有功裕度分析、無功裕度分析、靈敏度分析等，是成熟的安全評估方法，在電力系統(tǒng)中應(yīng)用廣泛。而僅采用這些方法，無法描述電力系統(tǒng)風(fēng)險的概率特征。近年來，研究人員提出電力系統(tǒng)脆弱性(Vulnerability)的概念，將風(fēng)險理論引入電力系統(tǒng)，延拓了電力系統(tǒng)安全性的概念，使得對電力系統(tǒng)安全性的評價體系更全面。文獻[2]將可信性理論應(yīng)用到電力系統(tǒng)的風(fēng)險評估中；文獻[3]評估了反應(yīng)電力系統(tǒng)電壓狀況與負(fù)荷狀況的低電壓風(fēng)險與過負(fù)荷風(fēng)險；文獻[4]進一步增加了系統(tǒng)的電壓失穩(wěn)預(yù)防決策；文獻[5，6]將過負(fù)荷風(fēng)險與輸電網(wǎng)規(guī)劃結(jié)合起來，將風(fēng)險理論拓展至系統(tǒng)規(guī)劃領(lǐng)域；文獻[7]基于神經(jīng)網(wǎng)絡(luò)集成進行了系統(tǒng)風(fēng)險評估；文獻[8]將安全在線風(fēng)險指標(biāo)與靈敏度分析相結(jié)合，建立了在線應(yīng)用系統(tǒng)。

現(xiàn)有的基于風(fēng)險理論的系統(tǒng)脆弱性研究，主要針對系統(tǒng)風(fēng)險的評估與預(yù)警，該評價方法的核心是基于系統(tǒng)單個潮流斷面所做的分析。而本文將風(fēng)險理論與以發(fā)電費用最小為目標(biāo)的最優(yōu)潮流OPF(optimal power flow)結(jié)合，采用優(yōu)化方法，對低電壓風(fēng)險進行控制。有效應(yīng)對系統(tǒng)故障或擾動帶來的風(fēng)險，達到系統(tǒng)運行安全性與經(jīng)濟性的統(tǒng)一。

文獻[9～12]闡述了多目標(biāo)在最優(yōu)潮流與無功優(yōu)化領(lǐng)域的建模與求解問題。本文采用文獻[9]的方法，將低電壓風(fēng)險目標(biāo)函數(shù)與發(fā)電費用目標(biāo)函數(shù)組成多目標(biāo)優(yōu)化問題，進行建模。采用原對偶內(nèi)點法[13～17]對多目標(biāo)優(yōu)化問題進行求解。

1 低電壓風(fēng)險的模型

1.1 低電壓風(fēng)險模型

當(dāng)電力系統(tǒng)發(fā)生故障或擾動時，電力系統(tǒng)的電壓水平會較正常運行時產(chǎn)生一個偏差。電力系統(tǒng)低電壓風(fēng)險反映的就是電力系統(tǒng)發(fā)生故障造成系統(tǒng)母線電壓下降的可能性與嚴(yán)重度。其計算公式為

Iji(Ui)

(1)

式中：Ej表示第j個事故；X表示系統(tǒng)的運行狀態(tài)；Ui表示第i條母線電壓。

1.2 系統(tǒng)事故的概率模型

從事故統(tǒng)計數(shù)據(jù)可看出電力系統(tǒng)發(fā)生事故的概率基本符合泊松(Poisson)分布[2]，即：

(2)

式中：λj是可能事故Ej的發(fā)生概率。

1.3 系統(tǒng)事故的后果嚴(yán)重度模型

系統(tǒng)事故的后果與運行狀況及系統(tǒng)初始整定值等因素有關(guān)[7]。

低電壓風(fēng)險中的系統(tǒng)狀態(tài)指節(jié)點的電壓Uij，文獻[3]指出，系統(tǒng)狀態(tài)Uij滿足正態(tài)分布，如式(3)所示：

(3)

式中：E(Uij)為Uij的數(shù)學(xué)期望；SP是系統(tǒng)狀態(tài)與運行參數(shù)相關(guān)的靈敏度矩陣；Vp是運行參數(shù)之間的方差——協(xié)方差矩陣。

由式(3)可求得事故后系統(tǒng)狀態(tài)的概率分布P(Uij|Ei)。

每條母線的電壓幅值與整定電壓之間的差值決定該母線的低電壓后果嚴(yán)重度，從而反映不同事故對系統(tǒng)的危害程度。若母線電壓大于等于整定電壓時，則認(rèn)為后果嚴(yán)重度為0。綜上，本文采用的故障后單條母線的低電壓嚴(yán)重度公式如式(4)所示：

(4)

式中：Iji為母線i的低電壓風(fēng)險；Wv,i為母線i低電壓風(fēng)險的權(quán)重因子；Uji為母線i的電壓幅值；Ui,sche為母線i整定的電壓幅值；ΔUi,lim為母線i電壓變化范圍；M為嚴(yán)重度函數(shù)的定義因子，一般取1。

系統(tǒng)的全局低電壓后果嚴(yán)重度如式(5)所示：

(5)

式中：Ij為故障j下的系統(tǒng)全局低電壓后果嚴(yán)重度；Nb為系統(tǒng)母線數(shù)。

2 多目標(biāo)低電壓風(fēng)險優(yōu)化控制問題模型

本文采用的多目標(biāo)電壓風(fēng)險優(yōu)化控制的最優(yōu)潮流問題模型，如式(6)～(8)所示：

(6)

s.t.h(u，x)=0

(7)

g(u，x)≤0

(8)

f1=Ij

(9)

(10)

式中：Ng是所有的發(fā)電單元數(shù)；Pgi是發(fā)電機單元i的有功出力；ai、bi和ci是發(fā)電機單元i的發(fā)電費用系數(shù)。

等式約束(7)是非線性潮流方程，如式(11)～(12)所示：

(11)

(12)

式中：N是系統(tǒng)節(jié)點數(shù)；Pgi和Qgi是節(jié)點i發(fā)出的有功與無功功率；Pdi和Qdi是節(jié)點i的有功與無功負(fù)荷；ei與fi為節(jié)點i電壓的實部與虛部；Gij和Bij是節(jié)點i與節(jié)點j間的電導(dǎo)與電納。

不等式約束(8)是系統(tǒng)運行約束包括了發(fā)電機的有功無功出力約束與聯(lián)絡(luò)線的功率傳輸約束，如式(13)所示：

(13)

3 原對偶內(nèi)點法的矢量化公式推導(dǎo)

矢量化是高性能計算的重要領(lǐng)域，對提升計算速度起到了關(guān)鍵作用[16]。各種坐標(biāo)形式下的OPF模型都可以采用矢量化的方法求解。直角坐標(biāo)的最優(yōu)潮流模型是一個二階的非線性規(guī)劃問題。當(dāng)忽略有載調(diào)壓變壓器變比可調(diào)時，潮流方程的海森矩陣在計算過程中保持不變[17]，矢量化計算公式形式較極坐標(biāo)下的矢量化公式簡單，程序計算速度快，本文采用直角坐標(biāo)下模型進行編程求解。

現(xiàn)對矢量化公式中常用標(biāo)點符號作簡單介紹：

×表示普通的矩陣或數(shù)值相乘；

·表示點乘，即矩陣或向量對應(yīng)元素相乘；

sum(vec)表示對向量vec所有元素的疊加。

3.1 目標(biāo)函數(shù)的矢量化公式

本文采用原對偶內(nèi)點法對優(yōu)化模型進行求解，需要求取目標(biāo)函數(shù)的梯度矩陣與海森矩陣。式(6)中的根號運算將使矢量化公式的梯度陣與海森陣復(fù)雜化，大大增加計算時間。而本文模型中根號不影響優(yōu)化效果，故在計算程序編寫時，對目標(biāo)函數(shù)做去除根號的處理。

目標(biāo)函數(shù)的矢量化公式如式(14)～(16)所示：

(14)

(15)

f2=sum(a+b·Pg+c·Pg·Pg)

(16)

3.2 目標(biāo)函數(shù)的梯度陣

目標(biāo)函數(shù)的矢量化梯度矩陣的排列如式(17)所示，其子矩陣塊生成公式如式(18)～(23)所示：

(17)

(18)

(19)

(20)

(21)

(22)

(23)

3.3 目標(biāo)函數(shù)的海森陣

目標(biāo)函數(shù)的矢量化海森矩陣的排列如式(24)所示。

(24)

(25)

(26)

(27)

(28)

3.4 約束條件的矢量化公式

約束條件的矢量化公式文獻[14～16]已做十分詳細(xì)的表述，本文不再對這部分進行闡述。

4 算例測試

4.1 測試系統(tǒng)簡介

本文采用河南某市電網(wǎng)作為算例，測試低電壓風(fēng)險優(yōu)化控制算法的有效性與計算的高效性。該市110 kV以上電壓等級電網(wǎng)包含了53個節(jié)點，其中包含4個發(fā)電機節(jié)點，39個負(fù)荷節(jié)點。設(shè)定1號發(fā)電機節(jié)點為平衡節(jié)點，其余發(fā)電機節(jié)點為PV節(jié)點。發(fā)電機的發(fā)電費用系數(shù)如表1所示。該地系統(tǒng)具有103條支路，其中包含20條變壓器支路。算例負(fù)荷選取該市2009年冬季大負(fù)荷斷面負(fù)荷數(shù)據(jù)。系統(tǒng)的系統(tǒng)單線圖如圖1所示。

表1 發(fā)電機發(fā)電費用系數(shù)表Tab.1 Fuel Cost Coefficient of the Generators

圖1 河南某市電網(wǎng)單線圖Fig.1 Wiring Diagram of the power grid of a city in Henan Province

4.2 測試結(jié)果

本文對系統(tǒng)故障采取支路N-1的模式進行計算。對每次故障導(dǎo)致的低電壓風(fēng)險進行優(yōu)化。經(jīng)過仿真計算，遍歷103次支路故障，耗時78.37 s，平均單次故障計算僅需0.76 s。證明原對偶內(nèi)點算法具有較高的計算效率與速度。

目標(biāo)函數(shù)中各系數(shù)值設(shè)定如下：母線低電壓風(fēng)險的權(quán)重因子Wv設(shè)為1.0；母線整定的電壓幅值Uj,sche設(shè)為1.0；母線電壓變化范圍ΔUj,lim設(shè)為0.05；嚴(yán)重度函數(shù)的定義因子M設(shè)為1.0。

仿真計算的結(jié)果如表2～3與圖2～3所示。

表2 低電壓風(fēng)險值及退出運行支路信息Tab.2 Low voltage risk and branch information

圖2 多目標(biāo)模型的低電壓風(fēng)險值Fig.2 Optimal results of multi-objectivelow voltage risk problem

表2、圖2列出故障后，系統(tǒng)低電壓風(fēng)險值最大的五條支路。

16號支路為連接該市北部與南部地區(qū)的220 kV輸電線路。北部與南部地區(qū)包含1、8、10號電源點，該線路的傳輸功率大。該線路的退出，導(dǎo)致了系統(tǒng)電壓安全性的顯著下降。13號支路為連接該市北部與東部地區(qū)的重要輸電線路。北部地區(qū)包含1號電源點，而東部地區(qū)沒有電源點，該線路的退出，將導(dǎo)致東部地區(qū)的電壓安全性下降。34號支路為東部地區(qū)一條110 kV供電線路，與16號、13號220 kV支路相比，110 kV支路退出的后果嚴(yán)重度相對低，但該線路的故障率較高，導(dǎo)致其風(fēng)險較高。89、91號支路為220 kV變電站變壓器。一臺主變退出，造成變電站另一臺主變的供電壓力增大，從而導(dǎo)致風(fēng)險增大，91號變壓器支路較大的故障率也是其位列風(fēng)險前五的重要原因。

表3、圖3列出故障后，發(fā)電費用值最大的五條支路。

3、4號支路為1號電源點的主要出線；97號變壓器承擔(dān)該市東北部地區(qū)的主要供電任務(wù)，也是連接1號電源點與東北部負(fù)荷區(qū)域的主要支路；85、103號變壓器所在變電站與發(fā)電廠直連；這些線路與變壓器退出后，會導(dǎo)致功率在發(fā)電廠間的分配改變，從而導(dǎo)致系統(tǒng)發(fā)電費用增大。

表3 發(fā)電費用值及退出運行支路信息Tab.3 Fuel Cost and Branch Information

圖3 多目標(biāo)模型的發(fā)電費用值Fig.3 Optimal Results of Multi-ObjectiveFuel Cost Problem

對河南某市電網(wǎng)的仿真驗證了本文提出模型的有效性，計算結(jié)果與該市電網(wǎng)實際運行情況相符。算法的魯棒性強、計算效率較高，計算速度較快，能滿足在線安全評估、預(yù)警系統(tǒng)的要求。

5 結(jié)語

開展電力系統(tǒng)運行風(fēng)險的研究對保證系統(tǒng)的安全可靠具有重大意義?，F(xiàn)有的風(fēng)險預(yù)警與評估無法為運行調(diào)度人員提供應(yīng)對風(fēng)險的經(jīng)濟合理的運行方式預(yù)案。本文為應(yīng)對現(xiàn)代電力系統(tǒng)的發(fā)展，提出一種多目標(biāo)低電壓風(fēng)險優(yōu)化控制模型。該優(yōu)化模型不僅考慮了系統(tǒng)的低電壓風(fēng)險模型，量化了系統(tǒng)的安全狀態(tài)；還引入了發(fā)電費用模型組成多目標(biāo)優(yōu)化模型，以協(xié)調(diào)系統(tǒng)運行的安全性與經(jīng)濟性。多目標(biāo)低電壓風(fēng)險優(yōu)化控制模型采用原對偶內(nèi)點法進行求解。該算法計算速度較快，具有較好的魯棒性，能作為在線風(fēng)險評估的內(nèi)核算法，也可作離線模擬用。河南某市的系統(tǒng)測試結(jié)果表明，該模型能夠有效地反映不同支路退出運行后，所造成的不同程度的低電壓風(fēng)險與發(fā)電費用，如實地表征系統(tǒng)運行的電壓安全狀態(tài)與經(jīng)濟性以及系統(tǒng)的概率特征，能夠為系統(tǒng)故障后的低電壓風(fēng)險與發(fā)電費用的控制以及電網(wǎng)的規(guī)劃發(fā)展提供有力的決策支持。

若將以上算法應(yīng)用于在線安全評估與預(yù)警系統(tǒng)，輔助系統(tǒng)運行，還需進一步研究以下問題：滿足算法實時性要求的高性能數(shù)值計算研究；直觀、友好的人機接口與報警功能研究等。

[1] 李文沅. 電力系統(tǒng)風(fēng)險評估：模型、方法和應(yīng)用[M].北京：科學(xué)出版社，2006.

[2] Feng Yongqing, Wu Wenchuan, zhang Boming,et

al.Power system operation risk assessment using credibility theory[J].IEEE Trans on Power Syetems, 2008, 23(3):1309-1318.

[3] 陳為化，江全元，曹一家, 等(Chen Weihua, Jiang Quanyuan, Cao Yijia,etal).基于風(fēng)險理論的復(fù)雜電力系統(tǒng)脆弱性評估(Risk-based vulnerability assessment in complex power system)[J].電網(wǎng)技術(shù) (Power System Technology)，2005，29(4):12-17.

[4] 周韓，劉東，吳子美，等 (Zhou Han, Liu Dong, Wu Zimei,etal).電力系統(tǒng)安全預(yù)警評估指標(biāo)及其應(yīng)用(Power system security alarm assessment index and its application)[J].電力系統(tǒng)自動化 (Automation of Electric Power Systems)，2007，31(20):45-48.

[5] 王一，程浩忠，胡澤春，等 (Wang Yi, Cheng Haozhong, Hu Zechun,etal).計及過負(fù)荷風(fēng)險的輸電網(wǎng)多目標(biāo)期望值規(guī)劃(Multi-objective transmission expected value planning considering risk of overloading)[J].中國電機工程學(xué)報 (Proceedings of the CSEE)，2009，29(1):21-27.

[6] 孫強，張運洲，李雋,等 (Sun Qiang, Zhang Yunzhou, Li Jun,etal).電網(wǎng)規(guī)劃設(shè)計中的風(fēng)險評估應(yīng)用(Risk assessment application in power grid planning)[J].電力系統(tǒng)及其自動化學(xué)報 (Proceedings of the CSU-EPSA), 2009, 21(6):17-21,116.

[7] 陳為化，江全元，曹一家 (Chen Weihua, Jiang Quanyuan, Cao Yijia). 基于神經(jīng)網(wǎng)絡(luò)集成的電力系統(tǒng)低電壓風(fēng)險評估 (Low voltage risk assessment in power system based on neural network ensemble)[J].電網(wǎng)技術(shù) (Power System Technology)，2006，30(17):14-18.

[8] 彭昱，周瑋，孫輝，等 (Peng Yu, Zhou Wei, Sun Hui,etal).電壓安全在線風(fēng)險指標(biāo)及其靈敏度評估 (Voltage security assessment for on-line risk index and its sensitivity)[J].大連理工大學(xué)學(xué)報 (Journal of Dalian University of Technology)，2007，47(6):890-896.

[9] He R, Taylor G A, Song Y H. Multi-objective optimal reactive power flow including voltage security and demand profile classification[J].International journal of Electrical Power and Energy Systems, 2008,30(5):327-336.

[10]Krami N, El-Sharkawi M A, Akherraz M. Pareto multiobjective optimization technique for reactive power planning[C]∥Power and Energy Society General Meeting, Pittsburgh, USA: 2008.

[11]Small Steven M, Jeyasurya Benjamin. Multi-objective reactive power planning:A pareto optimization approach[C]∥International Conference on Intelligent Systems Applications to Power Systems, Niigata, Japan: 2007.

[12]Ramos Rodrigo, Vallejos Jose, Baran Benjamin. Multi-objective reactive power compensation with voltage security[C]∥IEEE/PES Transmission and Distribution Conference and Exposition, Sao Paulo, Brazil: 2004.

[13]Dommel H W, Tinney W F. Optimal power flow solutions[J].IEEE Trans on Power Apparatus and Systems, 1968, 87(10): 1866-1876.

[14]Qin Zhijun, Yang Yude. Vectorization implementation of optimal power flow in rectangular form based on interior point method[C]∥IEEE Power and Energy Society General Meeting, Pittsburgh, USA: 2008.

[15]覃智君，陽育德，吳杰康 (Qin Zhijun, Yang Yude, Wu Jiekang)．矢量化動態(tài)最優(yōu)潮流計算的步長控制內(nèi)點法實現(xiàn) (Step-controlled primal-dual interior point method implementation for vectorial dynamic optimal power flow calculation)[J].中國電機工程學(xué)報 (Proceedings of the CSEE)，2009，29(7)：52-58．

[16]Yude Yang, Zhijun Qin.Vectorial power flow calculation based on nonlinear programming[C]∥IEEE Power and Energy Society General Meeting, Pittsburgh, USA:2008.

[17]覃智君 (Qin Zhijun). 最優(yōu)潮流的原對偶內(nèi)點法矢量化實現(xiàn) (Vectorization primal-dual interior point implementation of optimal power flow)[J].電力系統(tǒng)及其自動化學(xué)報 (Proceedings of the CSU-EPSA), 2009, 21(5):68-74.

InteriorPointMethodBasedMulti-objectiveOptimizationofLowVoltageRisk

HUANG Zhen1， YANG Jing-yan1， QIN Zhi-jun2， QIU Wei1， WANG Guo-dong3

(1.College of Electric and Electronic Engineering, North China Electrical Power University,Beijing 102206, China;2.College of Electrical Engineering, Guangxi University, Nanning 530004, China;3.Henan Electric Power Research Institute, Zhengzhou 450052, China)

With the rapid development of the modern power system, the grid structure is becoming more and more complex. One single fault or disturbance can bring system a huge risk. The assessment only based on present power flow section cannot fulfill the requirement of the grid safety any more. In this paper, the risk method and optimization algorithm are combined together, and a multi-objective optimal model based on optimal power flow with the object function of fuel cost is set up in order to coordinate the safety and the fuel economy, in which the low voltage risk is taken into consideration. And the primal-dual interior point algorithm is applied to solve the multi-object nonlinear optimization problem. The power grid of a city in Henan Province is adopted to test the effect of the low voltage risk optimal control, and the voltage safety and the operation economy after the outage of the branch are analyzed. The test results proved the validty of the algorthm and the calculation efficiency.

control of low voltage risk； optimal power flow； multi-objective optimization； primal-dual interior point method； power system operation

2010-09-02

2010-09-30

TM744

A

1003-8930(2011)02-0092-06

黃 鎮(zhèn)(1986-)，男，碩士研究生，研究方向為電力系統(tǒng)穩(wěn)定與控制、電力系統(tǒng)優(yōu)化。Email:huangzhen27@ncepu.edu.cn

楊京燕(1952-)，女，教授，研究方向為電力系統(tǒng)穩(wěn)定與控制。Email:yangjingyanw@126.com

覃智君(1977-)，男，講師，研究方向為電力系統(tǒng)優(yōu)化、高性能數(shù)值計算以及信息技術(shù)在電力系統(tǒng)中的應(yīng)用。Email:hust_qzj@163.com