陳 亮 ,顧雪平,賈京華
(1.華北電力大學(xué) 電氣與電子工程學(xué)院,河北 保定 071003;2.河北電力調(diào)度通信中心,河北 石家莊 050021)
電力系統(tǒng)大停電后的黑啟動(dòng)恢復(fù)可分為初期黑啟動(dòng)階段和系統(tǒng)后續(xù)恢復(fù)階段[1-2]。黑啟動(dòng)階段是整個(gè)恢復(fù)過(guò)程的基礎(chǔ)和前提[3],同時(shí)合理的黑啟動(dòng)方案能有效地加快后續(xù)網(wǎng)架重構(gòu)、負(fù)荷恢復(fù)的進(jìn)程。由于目前黑啟動(dòng)電源能提供較大的初始啟動(dòng)功率和吸收多條恢復(fù)路徑上的充電無(wú)功功率,可以在黑啟動(dòng)階段同時(shí)啟動(dòng)多臺(tái)被啟動(dòng)機(jī)組,因此文獻(xiàn)[4]提出一種黑啟動(dòng)電源同時(shí)啟動(dòng)多個(gè)待啟動(dòng)電廠的擴(kuò)展黑啟動(dòng)的恢復(fù)策略,與1個(gè)黑啟動(dòng)電源僅啟動(dòng)1個(gè)待啟動(dòng)電廠的常規(guī)黑啟動(dòng)方案相比,更利于后續(xù)網(wǎng)架的重構(gòu)進(jìn)程,進(jìn)而加快整個(gè)系統(tǒng)的全面恢復(fù)。因此相比傳統(tǒng)黑啟動(dòng)方案,擴(kuò)展黑啟動(dòng)方案中的初期黑啟動(dòng)階段和系統(tǒng)后續(xù)恢復(fù)階段存在重疊,聯(lián)系也更加緊密,擴(kuò)展黑啟動(dòng)方案的優(yōu)劣不僅要看初期黑啟動(dòng)小系統(tǒng)恢復(fù)的效果,還要對(duì)系統(tǒng)的后續(xù)恢復(fù)最為有利。
目前國(guó)內(nèi)外學(xué)者對(duì)黑啟動(dòng)階段的研究工作集中在黑啟動(dòng)階段的技術(shù)問(wèn)題、實(shí)際電網(wǎng)的黑啟動(dòng)預(yù)案及試驗(yàn)研究和黑啟動(dòng)方案評(píng)估3個(gè)方面[5-7],但都以黑啟動(dòng)階段的初期恢復(fù)效果為目標(biāo),并且文獻(xiàn)[4]擴(kuò)展黑啟動(dòng)方案優(yōu)化也只考慮了擴(kuò)展黑啟動(dòng)的初期小系統(tǒng)的加權(quán)發(fā)電量最大化??梢?jiàn),上述黑啟動(dòng)方案都沒(méi)有將系統(tǒng)后期恢復(fù)的影響納入黑啟動(dòng)方案的目標(biāo)集,因此目前的黑啟動(dòng)方案并不能保障對(duì)后續(xù)恢復(fù)進(jìn)展最為有利,不能全局性地優(yōu)化擴(kuò)展黑啟動(dòng)方案的恢復(fù)效果。
在求得多目標(biāo)優(yōu)化問(wèn)題的Pareto最優(yōu)解集后,還需要根據(jù)決策者的偏好和實(shí)際系統(tǒng)的恢復(fù)要求選出最滿意的Pareto非劣解,這是一個(gè)多屬性決策過(guò)程[8]。傳統(tǒng)的多屬性決策方法沒(méi)有合理融合決策者的偏好因素和決策矩陣的客觀信息,本文引入三角模糊數(shù)反映決策者的偏好因素,并結(jié)合信息熵權(quán)法確定的客觀權(quán)重,采用基于模糊熵權(quán)的Vague模糊集多屬性決策方法進(jìn)行Pareto最優(yōu)解集排序來(lái)確定最終滿意解。
為了克服上述研究中的不足,本文結(jié)合多目標(biāo)優(yōu)化技術(shù)與多屬性決策方法對(duì)擴(kuò)展黑啟動(dòng)方案的優(yōu)化和決策進(jìn)行討論。首先綜合分析擴(kuò)展黑啟動(dòng)的初期黑啟動(dòng)階段和系統(tǒng)后續(xù)恢復(fù)階段的相互聯(lián)系,從利于后續(xù)骨架網(wǎng)絡(luò)的搭建和后續(xù)系統(tǒng)的電壓調(diào)整的角度,提取出反映擴(kuò)展黑啟動(dòng)方案的后續(xù)恢復(fù)影響的指標(biāo)并納入到恢復(fù)效果全局優(yōu)化的目標(biāo)集。本文以初期階段內(nèi)發(fā)電量加權(quán)和最大化、盡快搭建后續(xù)骨架網(wǎng)絡(luò)和選擇運(yùn)行性能盡可能利于后續(xù)系統(tǒng)調(diào)整電壓的被啟動(dòng)機(jī)組為優(yōu)化目標(biāo),綜合考慮各類約束,進(jìn)而建立擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化模型;然后結(jié)合快速非支配排序遺傳算法(NSGA-Ⅱ)與Dijkstra法對(duì)擴(kuò)展黑啟動(dòng)方案求解出Pareto最優(yōu)解集;最后對(duì)Pareto最優(yōu)解集進(jìn)行基于模糊熵權(quán)的Vague模糊集多屬性決策分析,選取出最滿意的擴(kuò)展黑啟動(dòng)優(yōu)化方案。
因?yàn)閿U(kuò)展黑啟動(dòng)方案的初期黑啟動(dòng)階段和網(wǎng)架重構(gòu)階段存在重疊,黑啟動(dòng)階段與后續(xù)恢復(fù)進(jìn)程的聯(lián)系更加緊密,擴(kuò)展黑啟動(dòng)方案的優(yōu)化要根據(jù)初期階段和后續(xù)恢復(fù)階段的效果來(lái)全局性決策。因此本文從利于后續(xù)骨架網(wǎng)絡(luò)的搭建和后續(xù)系統(tǒng)調(diào)整電壓的角度,提取出反映擴(kuò)展黑啟動(dòng)方案的后續(xù)恢復(fù)效果的指標(biāo):待恢復(fù)機(jī)組節(jié)點(diǎn)的重要性(拓?fù)湮恢玫闹匾院透浇?fù)荷的重要性)和被啟動(dòng)機(jī)組的進(jìn)相運(yùn)行性能,并將其納入到?jīng)Q策擴(kuò)展黑啟動(dòng)方案優(yōu)劣的目標(biāo)集,進(jìn)而綜合考慮初期階段效果和后續(xù)恢復(fù)效果,建立擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化模型。
a.待恢復(fù)機(jī)組節(jié)點(diǎn)的重要性。
第1批被黑啟動(dòng)電源啟動(dòng)的機(jī)組是初期黑啟動(dòng)階段和后續(xù)網(wǎng)架重構(gòu)階段中承上啟下的關(guān)鍵,若它們就能在骨架網(wǎng)絡(luò)層面鋪開(kāi),則加速了后續(xù)網(wǎng)架重構(gòu)的進(jìn)展。因此本文采用節(jié)點(diǎn)收縮后的網(wǎng)絡(luò)凝聚度即節(jié)點(diǎn)重要度[9]來(lái)定量地表征擴(kuò)展黑啟動(dòng)方案中被啟動(dòng)機(jī)組節(jié)點(diǎn)的拓?fù)湮恢弥匾浴?/p>
電力系統(tǒng)大停電后恢復(fù)的最終目標(biāo)就是實(shí)現(xiàn)全網(wǎng)的負(fù)荷恢復(fù),若能首先恢復(fù)重要負(fù)荷集中的機(jī)組節(jié)點(diǎn),則能顯著地減少大停電帶來(lái)的經(jīng)濟(jì)和社會(huì)損失。因此本文采用與機(jī)組節(jié)點(diǎn)關(guān)聯(lián)(即與機(jī)組節(jié)點(diǎn)有路徑連接)負(fù)荷的停電損失函數(shù)[10]來(lái)量化待恢復(fù)機(jī)組節(jié)點(diǎn)附近負(fù)荷的重要性。因?yàn)樨?fù)荷停電損失函數(shù)為時(shí)間的函數(shù),所以初期階段內(nèi)的停電損失可采用式(1)所示的拉格朗日插值法對(duì)實(shí)際系統(tǒng)所統(tǒng)計(jì)的停電損失曲線[9]插值求得。
其中,L(t)為根據(jù)t0和t1小時(shí)的數(shù)據(jù)插值所得t小時(shí)的負(fù)荷停電損失。例如0.75 h的停電損失可根據(jù)0.5 h和1 h數(shù)據(jù)之間的直線斜率線性插值求得。
綜合機(jī)組節(jié)點(diǎn)的網(wǎng)絡(luò)拓?fù)湮恢玫闹匾院透浇?fù)荷的重要性來(lái)評(píng)價(jià)待恢復(fù)機(jī)組節(jié)點(diǎn)的重要性。為使電源分散在骨架網(wǎng)絡(luò)和盡快恢復(fù)重要負(fù)荷,則待恢復(fù)機(jī)組節(jié)點(diǎn)的重要性應(yīng)該最大化,可表示為如下形式:
其中,nG為電力系統(tǒng)中待啟動(dòng)的機(jī)組總數(shù);αi為機(jī)組節(jié)點(diǎn)i的節(jié)點(diǎn)重要度;Li(t)為機(jī)組節(jié)點(diǎn)i附近負(fù)荷的停電損失;ci表示機(jī)組i是否在本時(shí)段投入,投入ci取1,否則取0;μ為節(jié)點(diǎn)重要度的權(quán)重,為加快骨架網(wǎng)絡(luò)的搭建,需優(yōu)先恢復(fù)節(jié)點(diǎn)重要度大的機(jī)組,取μ=2。
b.被啟動(dòng)機(jī)組的進(jìn)相運(yùn)行性能。
黑啟動(dòng)初期要投運(yùn)大量空載線路,線路的分布電容會(huì)產(chǎn)生大量無(wú)功,恢復(fù)初期主要靠發(fā)電機(jī)進(jìn)相運(yùn)行(LPO)來(lái)吸收無(wú)功,因此選擇有較好進(jìn)相運(yùn)行能力的機(jī)組,可達(dá)到吸收系統(tǒng)過(guò)剩無(wú)功功率的目的,利于調(diào)整系統(tǒng)電壓。文獻(xiàn)[4]也指出擴(kuò)展黑啟動(dòng)小系統(tǒng)的規(guī)模主要受黑啟動(dòng)電源進(jìn)相運(yùn)行能力的限制,啟動(dòng)功率不是主要限制因素。因此擴(kuò)展黑啟動(dòng)方案優(yōu)化決策中應(yīng)考慮并量化待啟動(dòng)機(jī)組的進(jìn)相運(yùn)行能力。
文獻(xiàn)[11]分析當(dāng)同步發(fā)電機(jī)接外部電抗xs(即發(fā)電機(jī)經(jīng)變壓器和線路與電網(wǎng)相聯(lián))時(shí),進(jìn)相運(yùn)行的穩(wěn)定極限為一圓特性,其半徑為進(jìn)相運(yùn)行的能力極限:
其中,LPOmax為機(jī)組進(jìn)相能力極限,UG為發(fā)電機(jī)機(jī)端電壓,xd為發(fā)電機(jī)直軸同步電抗。
考慮機(jī)組在實(shí)際運(yùn)行過(guò)程中,進(jìn)相能力要比最大容許值LPOmax低一些,但不難分析出:①發(fā)電機(jī)機(jī)端電壓UG高,則無(wú)功儲(chǔ)備大,進(jìn)相能力強(qiáng);②發(fā)電機(jī)直軸同步電抗xd和外部電抗xs小,則進(jìn)相能力強(qiáng)。因此,本文將機(jī)組的進(jìn)相運(yùn)行能力函數(shù)作為表征后續(xù)恢復(fù)效果的目標(biāo)函數(shù)之一,即:
其中,LPOi為機(jī)組i的進(jìn)相運(yùn)行能力函數(shù)。式(4)中發(fā)電機(jī) i的其他參數(shù)定義可參照式(2)、(3)。
c.初期階段效果——加權(quán)發(fā)電量最大。
初期階段效果采用擴(kuò)展黑啟動(dòng)形成的小系統(tǒng)在優(yōu)化時(shí)間段內(nèi)加權(quán)發(fā)電量最大來(lái)表征,以綜合考慮被啟動(dòng)機(jī)組的容量、機(jī)組啟動(dòng)時(shí)間及機(jī)組啟動(dòng)后的爬坡率 3 個(gè)因素[4],即:
其中,T1為優(yōu)化時(shí)間;γ(t)為機(jī)組出力在不同時(shí)段內(nèi)的權(quán)重,隨著時(shí)間推移,γ(t)的取值逐漸減??;PGi(t)為機(jī)組i在t時(shí)刻發(fā)出的有功功率,其值由機(jī)組啟動(dòng)時(shí)間、升負(fù)荷率、機(jī)組額定功率等參數(shù)決定,可由圖1所示的簡(jiǎn)化機(jī)組出力曲線[4]求得。
圖1 機(jī)組出力曲線Fig.1 Power output curve of generating unit
最后綜合考慮擴(kuò)展黑啟動(dòng)方案的初期階段和后續(xù)恢復(fù)效果,建立擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化模型為:
擴(kuò)展黑啟動(dòng)方案的約束集包括系統(tǒng)運(yùn)行約束(包括無(wú)功約束、自勵(lì)磁約束和潮流約束等)和機(jī)組啟動(dòng)約束(包括啟動(dòng)功率約束和啟動(dòng)時(shí)間約束)。
a.無(wú)功約束。
黑啟動(dòng)初期空投線路所產(chǎn)生的充電無(wú)功功率可能導(dǎo)致持續(xù)工頻過(guò)電壓[12],因此無(wú)功約束為:
其中,nL為擴(kuò)展黑啟動(dòng)方案中恢復(fù)的路徑數(shù);QLl為線路l的充電無(wú)功功率;nB為黑啟動(dòng)電源機(jī)組的數(shù)量;QBr,max為黑啟動(dòng)電源機(jī)組r能吸收的最大無(wú)功功率。
b.發(fā)電機(jī)自勵(lì)磁約束。
工程實(shí)際中,發(fā)電機(jī)自勵(lì)磁約束為:
其中,KCBr為黑啟動(dòng)機(jī)組r的短路比;SBr為黑啟動(dòng)機(jī)組r的額定容量。
c.潮流約束。
其中,n0為已恢復(fù)系統(tǒng)中發(fā)電機(jī)的總數(shù);Pl為支路l上流過(guò)的有功功率;nL為已恢復(fù)系統(tǒng)中線路的總數(shù);Ui為節(jié)點(diǎn)電壓;nb為已恢復(fù)系統(tǒng)中的節(jié)點(diǎn)總數(shù)。
d.機(jī)組啟動(dòng)功率約束。
所有待恢復(fù)機(jī)組所需的啟動(dòng)功率之和應(yīng)小于黑啟動(dòng)小系統(tǒng)所能提供的啟動(dòng)功率之和,即:
其中,P0(t)為黑啟動(dòng)電源提供的啟動(dòng)功率,其值隨著恢復(fù)進(jìn)程而變化為已并網(wǎng)機(jī)組所提供的功率,ei表示機(jī)組并網(wǎng)狀態(tài),已并網(wǎng)取1,否則取0;Pcr,i為機(jī)組 i所需的啟動(dòng)功率。
e.機(jī)組啟動(dòng)時(shí)間約束。
為使擴(kuò)展黑啟動(dòng)方案中待啟動(dòng)火電機(jī)組快速啟動(dòng),應(yīng)選擇熱啟動(dòng)的機(jī)組,則機(jī)組啟動(dòng)時(shí)間約束為:
其中,TCH,i為機(jī)組i的最大臨界熱啟動(dòng)時(shí)間。
擴(kuò)展黑啟動(dòng)方案多目標(biāo)優(yōu)化問(wèn)題是一個(gè)多約束的多目標(biāo)優(yōu)化問(wèn)題。首先通過(guò)機(jī)組預(yù)選來(lái)滿足機(jī)組的啟動(dòng)時(shí)間約束,而無(wú)功約束與自勵(lì)磁約束可合并為1個(gè)約束:
其他系統(tǒng)運(yùn)行約束可通過(guò)對(duì)擴(kuò)展黑啟動(dòng)方案的潮流計(jì)算進(jìn)行校核,最后擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化問(wèn)題就轉(zhuǎn)化為由多目標(biāo)函數(shù)和線路充電功率、機(jī)組啟動(dòng)功率約束所組成的二維背包問(wèn)題。
電力系統(tǒng)大停電后的黑啟動(dòng)恢復(fù)過(guò)程中,各目標(biāo)同時(shí)優(yōu)化的可能性很小,因?yàn)閿U(kuò)展黑啟動(dòng)多目標(biāo)優(yōu)化問(wèn)題同時(shí)具有多個(gè)目標(biāo)函數(shù),各目標(biāo)涉及同一組決策變量并相互制約,所以有必要采用Pareto最優(yōu)解集來(lái)協(xié)調(diào)各目標(biāo)之間的關(guān)系[13]。引入快速非支配排序算法、個(gè)體擁擠距離算子和精英策略的NSGA-Ⅱ[14]是一種求解多目標(biāo)優(yōu)化問(wèn)題的Pareto最優(yōu)解集的優(yōu)秀進(jìn)化算法,所求得的解集分布均勻,有效地避免了求解的目標(biāo)偏好性,收斂性好。本文將NSGA-Ⅱ應(yīng)用于擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化中,描述如下,流程圖見(jiàn)圖2。
a.染色體結(jié)構(gòu)設(shè)計(jì)和初始化種群。每個(gè)染色體代表一種擴(kuò)展黑啟動(dòng)的恢復(fù)方案,電力系統(tǒng)有n個(gè)備選機(jī)組節(jié)點(diǎn),則該恢復(fù)方案可表示成長(zhǎng)度為n的染色體,若某機(jī)組節(jié)點(diǎn)被選中,則在狀態(tài)序列與其對(duì)應(yīng)的位置取1,否則取0。隨機(jī)產(chǎn)生初始種群,計(jì)算出各目標(biāo)函數(shù)的適應(yīng)值。
圖2 所提優(yōu)化方案流程Fig.2 Flowchart of proposed optimization scheme
b.快速非支配排序[14],按個(gè)體的非劣解水平分層,向Pareto最優(yōu)解的方向進(jìn)化。設(shè)計(jì)個(gè)體擁擠距離,優(yōu)先選擇擁擠距離較大的個(gè)體,保證種群多樣性。
c.選擇、交叉和變異運(yùn)算。選擇運(yùn)算采用輪賽制選擇算子,然后采用模擬二進(jìn)制交叉(SBX)算子和正態(tài)變異算子[13],進(jìn)行交叉和變異操作,得到子代種群Dm。
d.精英進(jìn)化策略[14],即圖2中虛線方框中所示部分。為防止父代中的優(yōu)秀個(gè)體在進(jìn)化過(guò)程中被丟棄,采用精英進(jìn)化策略,即保留父代中的優(yōu)良個(gè)體直接進(jìn)入子代,避免陷入局部最優(yōu)。
e.精英個(gè)體校驗(yàn)?zāi)K。首先根據(jù)Dijkstra算法為各恢復(fù)機(jī)組節(jié)點(diǎn)搜索送電路徑,計(jì)算各恢復(fù)方案的線路充電功率和所需啟動(dòng)功率,判斷該擴(kuò)展黑啟動(dòng)方案是否滿足線路充電功率及啟動(dòng)功率約束,若滿足則保留該擴(kuò)展黑啟動(dòng)方案,否則放棄;然后對(duì)方案進(jìn)行系統(tǒng)的潮流和節(jié)點(diǎn)電壓約束校驗(yàn);最后對(duì)發(fā)生潮流越限的方案進(jìn)行調(diào)整[14],若靈敏度調(diào)節(jié)量在允許范圍內(nèi)則方案校驗(yàn)通過(guò),否則記作不可行方案。
對(duì)于擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化問(wèn)題,Pareto最優(yōu)解集在各目標(biāo)函數(shù)上各有側(cè)重,還需要根據(jù)決策者的偏好以及系統(tǒng)恢復(fù)的實(shí)際要求,從解集中挑選出足夠滿意的最終解。為合理融合決策者的偏好因素和決策矩陣的客觀信息,本文引入三角模糊數(shù)反映決策者的偏好因素,并結(jié)合信息熵法確定的客觀權(quán)重,采用基于模糊熵權(quán)的Vague模糊集多屬性決策方法進(jìn)行Pareto最優(yōu)解集排序來(lái)確定最終滿意解。
傳統(tǒng)基于信息熵的多屬性決策方法[15]沒(méi)有考慮決策者的偏好因素,而模糊數(shù)是一種特殊的模糊集,是表達(dá)決策者模糊偏好的重要指標(biāo)。因此本文采用三角模糊數(shù)反映決策者主觀上對(duì)各屬性的重視程度。
決策者的模糊偏好程度所對(duì)應(yīng)的三角模糊數(shù)(a1,a2,a3)如表 1 所示。
表1 模糊偏好程度對(duì)應(yīng)的三角模糊數(shù)Tab.1 Triangular fuzzy numbers corresponding to fuzzy preference degree
將屬性的模糊權(quán)重轉(zhuǎn)換為最佳非模糊性能值,可以評(píng)價(jià)方案中性能指標(biāo)的重要程度,轉(zhuǎn)換公式如下:
歸一化處理后求得第h個(gè)屬性的模糊權(quán)重為:
信息熵權(quán)法[15]借助信息熵來(lái)描述系統(tǒng)內(nèi)在信息的客觀性,是根據(jù)決策矩陣中信息的差異度來(lái)客觀上確定屬性的權(quán)重。由Pareto最優(yōu)解集構(gòu)成的決策矩陣來(lái)確定客觀權(quán)重,計(jì)算步驟如下。
首先構(gòu)造有K個(gè)方案M個(gè)屬性的決策矩陣B=(bkh)K×M,將決策矩陣規(guī)一化處理為優(yōu)屬度矩陣 G=(gkh)K×M;然后計(jì)算第 h 個(gè)屬性的熵值 Hh:
將第h個(gè)屬性的熵權(quán)wh作客觀權(quán)重:
模糊熵權(quán)法[16]合理地融合了模糊主觀偏好因素和客觀信息熵權(quán),這既利用了決策者的經(jīng)驗(yàn),也盡可能地避免了選取滿意解的主觀盲目性。
假定模糊權(quán)重為 Wf=(wf1,wf2,…,wfh,…,wfM),信息熵權(quán)法確定的權(quán)重 W= (w1,w2,…,wh,…,wM),由加權(quán)幾何平均數(shù)方法計(jì)算第h個(gè)屬性的模糊熵權(quán)為:
其中,zh為第h個(gè)屬性的模糊熵權(quán),且。 當(dāng)決策者對(duì)實(shí)際恢復(fù)情況不確定時(shí),可增大信息熵客觀權(quán)重的比重η,利用信息熵權(quán)法所反映的Pareto最優(yōu)解集的內(nèi)部客觀信息來(lái)指導(dǎo)決策。
Vague 模糊集[17]作為 Fuzzy 集的一種推廣,可同時(shí)兼顧隸屬與非隸屬兩方面的信息,因此能更全面地表達(dá)擴(kuò)展黑啟動(dòng)方案多目標(biāo)決策中的模糊信息。
Vague集的定義為:設(shè)論域U,元素x是論域U中的任一元素,論域U上的一個(gè)Vague集V可由真隸屬度函數(shù) tV(x)和假隸屬度函數(shù) dV(x)表示。 其中tV(x)是從支持x的證據(jù)中導(dǎo)出的肯定隸屬度的下界,dV(x)是從反對(duì)x的證據(jù)中導(dǎo)出的否定隸屬度的下界,并滿足dV(x)≤1。Vague模糊集多目標(biāo)決策步驟如下。
a.構(gòu)造決策矩陣B,按照效益型指標(biāo)形式對(duì)Pareto解集構(gòu)成的決策矩陣進(jìn)行歸一化處理,得到相對(duì)優(yōu)屬度矩陣G。
b.確定正、負(fù)理想方案優(yōu)屬度向量G+、G-,進(jìn)而計(jì)算方案集綜合 Vague 值矩陣 V=([tkh,dkh])K×M。
由各方案的最大優(yōu)屬度值g+h=max(gkh)和最小優(yōu)屬度值 gh-=min(gkh),其中 k=1,2,…,K,建立正、負(fù)理想方案:
gkh相對(duì)于正理想方案指標(biāo)g+h和負(fù)理想方案指標(biāo)g-h的真假隸屬度為:
綜合Vague隸屬度為:
c.結(jié)合模糊熵權(quán)zh,確定Pareto解集中各方案相對(duì)理想方案的綜合 Vague值 Vk=[tk,dk],k=1,2,…,K。
d.根據(jù)評(píng)分函數(shù)值進(jìn)行排序,選出最優(yōu)方案。
可通過(guò)如下評(píng)分函數(shù)計(jì)算得到方案k相對(duì)于理想方案的適應(yīng)程度。
對(duì)備選方案排序時(shí),首先根據(jù)各方案的S1評(píng)分函數(shù)值,值越大表示方案k越優(yōu);若S1相同時(shí),再根據(jù)S2評(píng)分函數(shù)值,值越大則方案越優(yōu)。
為驗(yàn)證考慮后續(xù)恢復(fù)影響的擴(kuò)展黑啟動(dòng)多目標(biāo)優(yōu)化方法的有效性,本文采用圖3所示的新英格蘭10機(jī)39節(jié)點(diǎn)系統(tǒng)為例,對(duì)擴(kuò)展黑啟動(dòng)方案進(jìn)行研究。
圖3 新英格蘭10機(jī)39節(jié)點(diǎn)系統(tǒng)Fig.3 New England 10-unit 39-bus power system
設(shè)30號(hào)節(jié)點(diǎn)為大型抽水蓄能電廠,將其作為系統(tǒng)的黑啟動(dòng)電源,其參數(shù)為:裝機(jī)容量3×250 MW,cos φ=0.9,KCB=1.25,機(jī)組空載時(shí)所吸收的最大無(wú)功功率為0.35SN。假設(shè)31號(hào)節(jié)點(diǎn)上的機(jī)組有冷啟動(dòng)時(shí)限,其余機(jī)組的最大臨界熱啟動(dòng)時(shí)間為1 h。各待啟動(dòng)機(jī)組的其他參數(shù)假設(shè)以及節(jié)點(diǎn)參數(shù)計(jì)算值如表2所示,其中UG為發(fā)電機(jī)機(jī)端電壓標(biāo)幺值,KC為發(fā)電機(jī)的短路比,α為歸一化處理后的機(jī)組節(jié)點(diǎn)的節(jié)點(diǎn)重要度計(jì)算值。優(yōu)化時(shí)間段T1=4 h,發(fā)電量權(quán)重系數(shù)γ(t)在[0,1]h 取 1.5,在(1,2]h 取 1.0,在(2,4]h 取0.8,并且節(jié)點(diǎn)重要度的權(quán)重 μ取2。
擴(kuò)展黑啟動(dòng)恢復(fù)過(guò)程中,通過(guò)機(jī)組預(yù)選,由于31號(hào)節(jié)點(diǎn)的機(jī)組有冷啟動(dòng)時(shí)限,在優(yōu)化時(shí)間段內(nèi)有8個(gè)備選待啟動(dòng)機(jī)組節(jié)點(diǎn)。假設(shè)30號(hào)節(jié)點(diǎn)黑啟動(dòng)電源中的1臺(tái)機(jī)組完全供給廠用電,剩余2臺(tái)機(jī)組作為提供初始啟動(dòng)功率的黑啟動(dòng)機(jī)組,從而計(jì)算出系統(tǒng)的初始啟動(dòng)功率P0=320 MW,黑啟動(dòng)電源進(jìn)相運(yùn)行所吸收的無(wú)功功率Qb=155.56 Mvar。
表2 待啟動(dòng)機(jī)組的參數(shù)設(shè)置Tab.2 Parameters of units to be restored
本文利用NSGA-Ⅱ?qū)U(kuò)展黑啟動(dòng)方案進(jìn)行優(yōu)化求解,其參數(shù)設(shè)置如下:交叉概率取0.9,變異率取0.1,種群大小取100,最大迭代次數(shù)為100。圖4顯示了擴(kuò)展黑啟動(dòng)方案中滿足約束集和經(jīng)過(guò)精英校驗(yàn)的Pareto非支配解空間。
圖4 Pareto解空間的分布情況Fig.4 Spacial distribution of Pareto solutions
在追求發(fā)電量最大化的同時(shí),還應(yīng)將待啟動(dòng)機(jī)組分散至骨架網(wǎng)絡(luò)上和啟動(dòng)進(jìn)相性能好的機(jī)組,以保證全局性的恢復(fù)效果最優(yōu)。由3位專家根據(jù)自身經(jīng)驗(yàn)賦予3個(gè)屬性模糊權(quán)重,歸一化得模糊主觀偏好權(quán)重向量為[0.485 8,0.304 7,0.209 5]T。 按照效益型指標(biāo)對(duì)Pareto最優(yōu)解集構(gòu)成的決策矩陣進(jìn)行歸一化處理,根據(jù)信息熵權(quán)法計(jì)算的客觀權(quán)重向量為[0.317 0,0.342 6,0.340 4]T。 由模糊熵權(quán)法融合主客觀權(quán)重,模糊熵權(quán)向量為[0.467 1,0.316 6,0.216 3]T。利用式(24)求出每個(gè)屬性相對(duì)理想方案的綜合Vague值矩陣,再結(jié)合模糊熵權(quán)向量,根據(jù)評(píng)分函數(shù)式(25)對(duì)Pareto最優(yōu)解集中各方案評(píng)分如表3所示。
從上述算例可以看出,綜合考慮初期階段效果和后續(xù)恢復(fù)效果的擴(kuò)展黑啟動(dòng)方案多目標(biāo)優(yōu)化方法,避免了對(duì)多目標(biāo)進(jìn)行加權(quán)求解的盲目性,采用NSGA-Ⅱ優(yōu)化得到的擴(kuò)展黑啟動(dòng)問(wèn)題的Pareto最優(yōu)解集中含有多個(gè)最優(yōu)解(如圖4所示),在目標(biāo)空間上分布均勻,彼此間互不支配,為決策者提供了更全局性的選擇空間。從圖4中還可以看出,由于這3個(gè)目標(biāo)函數(shù)的相互制約,使各目標(biāo)同時(shí)最優(yōu)化的可能性很小,因此只能根據(jù)恢復(fù)的實(shí)際要求和決策者的偏好信息從Pareto最優(yōu)解集中選出最終滿意的擴(kuò)展黑啟動(dòng)恢復(fù)方案。對(duì)比表3評(píng)分值可知,方案2為最優(yōu)的擴(kuò)展黑啟動(dòng)方案:G30-G37-G33-G32。該方案同時(shí)兼顧了初期階段效果和后續(xù)恢復(fù)效果的優(yōu)化,方案中3個(gè)屬性均有較大的目標(biāo)函數(shù)值,不僅能為系統(tǒng)提供較大的發(fā)電量,同時(shí)兼顧了搭建骨架網(wǎng)絡(luò)加快后續(xù)網(wǎng)架重構(gòu)的進(jìn)展,并且優(yōu)先恢復(fù)重要負(fù)荷集中的機(jī)組節(jié)點(diǎn)以及有較好進(jìn)相運(yùn)行能力的機(jī)組,以便于后續(xù)的系統(tǒng)電壓調(diào)整,從而更利于加快系統(tǒng)恢復(fù)的整體進(jìn)程??梢?jiàn),比單一目標(biāo)的擴(kuò)展黑啟動(dòng)方案優(yōu)化具有更大的實(shí)際應(yīng)用價(jià)值。本文采用的基于模糊熵權(quán)的Vague模糊集多屬性決策,利用了決策者的經(jīng)驗(yàn)信息,且在決策者對(duì)實(shí)際恢復(fù)情況不確定時(shí),可利用信息熵權(quán)法所反映的Pareto最優(yōu)解集的內(nèi)部客觀信息進(jìn)行決策,盡可能地避免了選取滿意解的主觀盲目性。
表3 多目標(biāo)優(yōu)化方案評(píng)分結(jié)果Tab.3 Evaluation scores of multi-objective optimization schemes
擴(kuò)展黑啟動(dòng)小系統(tǒng)的規(guī)模主要受線路的充電功率約束所限制,機(jī)組啟動(dòng)功率約束不是主要限制因素。如本文方法得到的最優(yōu)方案2中,恢復(fù)G37、G33和G32路徑上產(chǎn)生的總?cè)菪詿o(wú)功功率為142.15 Mvar,小于Qb;而恢復(fù)所需的總啟動(dòng)功率為38.5 MW,遠(yuǎn)小于P0。優(yōu)先恢復(fù)進(jìn)相運(yùn)行能力良好的機(jī)組節(jié)點(diǎn),更利于吸收線路上的充電功率,保證黑啟動(dòng)小系統(tǒng)的穩(wěn)定運(yùn)行。在參照擴(kuò)展黑啟動(dòng)優(yōu)化方案進(jìn)行實(shí)際電網(wǎng)的恢復(fù)中,還應(yīng)按照發(fā)電廠安全規(guī)程來(lái)保留適當(dāng)?shù)臋C(jī)組進(jìn)相運(yùn)行裕度,以保障恢復(fù)的安全性。
本文提出結(jié)合多目標(biāo)優(yōu)化技術(shù)與多屬性決策方法對(duì)擴(kuò)展黑啟動(dòng)方案進(jìn)行多目標(biāo)優(yōu)化和決策。該方法兼顧3個(gè)擴(kuò)展黑啟動(dòng)的恢復(fù)目標(biāo)——初期階段內(nèi)發(fā)電量加權(quán)和最大化、盡快搭建后續(xù)骨架網(wǎng)絡(luò)和選擇運(yùn)行性能盡可能利于后續(xù)系統(tǒng)調(diào)整電壓的機(jī)組,并且綜合考慮系統(tǒng)運(yùn)行約束和機(jī)組啟動(dòng)約束。通過(guò)建立擴(kuò)展黑啟動(dòng)方案的多目標(biāo)優(yōu)化模型,結(jié)合NSGA-Ⅱ與Dijkstra法對(duì)擴(kuò)展黑啟動(dòng)方案決策問(wèn)題進(jìn)行求解,得出其Pareto最優(yōu)解集。本文引入三角模糊數(shù)反映決策者的偏好因素,并結(jié)合信息熵法確定的客觀權(quán)重,采用基于模糊熵權(quán)的Vague模糊集多目標(biāo)決策方法進(jìn)行Pareto最優(yōu)解集排序,確定最終滿意解。優(yōu)化得到的擴(kuò)展黑啟動(dòng)方案在滿足各類約束前提下,不僅能為系統(tǒng)提供較大的發(fā)電量,同時(shí)兼顧了搭建骨架網(wǎng)絡(luò)利于后續(xù)網(wǎng)架重構(gòu)的進(jìn)展,并且可優(yōu)先恢復(fù)較好進(jìn)相運(yùn)行能力的機(jī)組,有利于后續(xù)的系統(tǒng)電壓調(diào)整,進(jìn)而加快系統(tǒng)恢復(fù)的整體進(jìn)程。