王以琳, 謝華北, 閆楊舒, 高 遙, 崔世庭, 朱瑞金

(1.西藏農(nóng)牧學(xué)院 水利土木工程學(xué)院, 西藏 林芝 860000; 2.西藏農(nóng)牧學(xué)院 電氣工程學(xué)院, 西藏 林芝 860000)

0 引言

近些年來,極端天氣造成配電網(wǎng)停電事故屢次出現(xiàn).配電系統(tǒng)位于電力系統(tǒng)的末端,直接向用戶提供電能,當(dāng)突發(fā)故障引起大停電時(shí),會(huì)造成巨大的損失,嚴(yán)重影響人們的日常生活[1-3].提高配電系統(tǒng)的故障后恢復(fù)能力顯得尤為重要.含分布式電源(distributed generation,DG)的配電網(wǎng)故障恢復(fù)可以使故障后的失電負(fù)荷得到快速恢復(fù),是提高配電系統(tǒng)韌性的重要途徑[4,5].

目前,相關(guān)學(xué)者對含DG的配電網(wǎng)故障恢復(fù)策略做了大量研究.文獻(xiàn)[6]提出了一種考慮DG間歇性的孤島劃分方法,對用戶側(cè)負(fù)荷進(jìn)行時(shí)序性建模,保證了重要負(fù)荷優(yōu)先恢復(fù).文獻(xiàn)[7]提出了一種針對復(fù)雜配電網(wǎng)的故障恢復(fù)策略,首先利用孤島劃分對重要負(fù)荷進(jìn)行供電,其次依據(jù)啟發(fā)式規(guī)則對剩余失電負(fù)荷進(jìn)行恢復(fù).文獻(xiàn)[8]提出了將孤島劃分與重構(gòu)技術(shù)相互配合的故障恢復(fù)策略,投入相應(yīng)的聯(lián)絡(luò)開關(guān),使得大部分的失電負(fù)荷得到了恢復(fù),取得了較好的恢復(fù)效果.文獻(xiàn)[9]建立了一種考慮DG和儲(chǔ)能出力的故障恢復(fù)模型,考慮了時(shí)間尺度和故障檢修策略,對模型進(jìn)行了凸松弛,降低了求解的復(fù)雜程度.

目前研究配電網(wǎng)故障恢復(fù)重構(gòu)的算法主要是啟發(fā)式算法、數(shù)學(xué)規(guī)劃法和智能優(yōu)化算法.智能優(yōu)化算法原理簡單、收斂性好被廣泛運(yùn)用于配電網(wǎng)故障恢復(fù)重構(gòu)中.文獻(xiàn)[10]采用一種基于粒子群優(yōu)化算法(PSO)的主動(dòng)配網(wǎng)故障恢復(fù)方法,與蟻群算法進(jìn)行對比,可以有效的處理主動(dòng)配網(wǎng)故障恢復(fù)重構(gòu),具有穩(wěn)定性好、效率高的優(yōu)點(diǎn).文獻(xiàn)[11]采用一種改進(jìn)的“破環(huán)”粒子群優(yōu)化算法對配電網(wǎng)進(jìn)行故障恢復(fù)重構(gòu),引入動(dòng)態(tài)慣性權(quán)重和學(xué)習(xí)因子,與傳統(tǒng)粒子群算法對比能更好的實(shí)現(xiàn)故障自愈.文獻(xiàn)[12]將故障網(wǎng)絡(luò)分為可恢復(fù)停電區(qū)和不可恢復(fù)停電區(qū),在可恢復(fù)停電區(qū)域采用整數(shù)編碼的量子粒子群優(yōu)化算(ICQPSO)進(jìn)行恢復(fù)重構(gòu),提高了配電網(wǎng)的供電可靠性.文獻(xiàn)[13]采用改進(jìn)的灰狼算法對剩余網(wǎng)絡(luò)進(jìn)行恢復(fù)重構(gòu),引入萊維分布的隨機(jī)搜索方法,可達(dá)到快速恢復(fù)供電和降低網(wǎng)損的效果.

上述研究主要存在以下問題:(1)在配電網(wǎng)故障恢復(fù)期間,大部分研究沒有考慮用戶側(cè)負(fù)荷的靈活特性,沒有考慮到不同類型負(fù)荷的時(shí)變需求,導(dǎo)致風(fēng)-光-儲(chǔ)系統(tǒng)的出力不能充分利用,造成資源的浪費(fèi);(2)當(dāng)前配電網(wǎng)的故障恢復(fù),部分研究只利用單一技術(shù)進(jìn)行故障恢復(fù),沒有將孤島劃分與重構(gòu)技術(shù)進(jìn)行相互配合,不能保證全網(wǎng)供電量達(dá)到最大;(3)配電網(wǎng)故障重構(gòu)算法在迭代后期搜索能力逐漸減少,種群多樣性降低,且容易陷入局部最優(yōu).

針對上述研究存在的問題,文章提出一種計(jì)及風(fēng)-光-儲(chǔ)聯(lián)合出力和負(fù)荷靈活性的配電網(wǎng)故障恢復(fù)策略,該策略考慮了用戶側(cè)的負(fù)荷需求,充分利用可控負(fù)荷的靈活特性,使得重要負(fù)荷優(yōu)先恢復(fù),并將孤島劃分與重構(gòu)技術(shù)的相結(jié)合,使得更多的失電負(fù)荷得到恢復(fù).然后,采用改進(jìn)粒子群算法(improved particle swarm optimization,IPSO)對剩余部分進(jìn)行重構(gòu),達(dá)到最優(yōu)供電恢復(fù)效果.最后以IEEE33節(jié)點(diǎn)配電系統(tǒng)仿真驗(yàn)證模型的有效性.

1 風(fēng)儲(chǔ)、光儲(chǔ)和負(fù)荷特性模型

1.1 分布式電源和儲(chǔ)能聯(lián)合出力模型

文章假設(shè)儲(chǔ)能裝置在單位時(shí)間內(nèi)的充放電功率相同,將儲(chǔ)能充放電模型用充電狀態(tài)(state-of-charge,SOC)表示,儲(chǔ)能裝置的數(shù)學(xué)模型為:

(1)

考慮儲(chǔ)能裝置的過充、過剩以及電池壽命問題.需要對儲(chǔ)能的剩余容量和充放電功率進(jìn)行限制,其約束條件為:

(2)

(3)

(4)

(5)

為了提升DG的穩(wěn)定性,使孤島系統(tǒng)更加穩(wěn)定運(yùn)行.將DG和儲(chǔ)能進(jìn)行聯(lián)合出力,其出力模型如下:

Pp(t)=Pb(t)+Pc(t)

(6)

式(6)中:Pp(t)為光儲(chǔ)或風(fēng)儲(chǔ)聯(lián)合出力;Pb(t)為光伏系統(tǒng)或者風(fēng)力系統(tǒng)的出力,文獻(xiàn)[14]描述了其具體出力過程;Pc(t)為儲(chǔ)能裝置的充、放電功率.

1.2 負(fù)荷特性模型

1.2.1 負(fù)荷時(shí)變性模型

在不同的時(shí)間段內(nèi),不同類型的負(fù)荷有不同的時(shí)變需求.文章中考慮三種負(fù)荷類型,即政府醫(yī)療負(fù)荷、居民負(fù)荷和商業(yè)負(fù)荷.對三類典型日負(fù)荷進(jìn)行曲線積分,最終得到不同種類負(fù)荷在各個(gè)時(shí)間段的用電需求為:

(7)

式(7)中:Li(t)為節(jié)點(diǎn)i在t時(shí)段內(nèi)的負(fù)荷用電需求;fi(x)為負(fù)荷曲線函數(shù).

1.2.2 負(fù)荷重要程度

依據(jù)負(fù)荷停電造成的人身傷害和經(jīng)濟(jì)損失可以分為一級、二級和三級負(fù)荷[15].在斷電時(shí),一級負(fù)荷要優(yōu)先保障100%恢復(fù).其次,要根據(jù)不同的時(shí)刻確定優(yōu)先恢復(fù)的重要負(fù)荷,其優(yōu)先恢復(fù)系數(shù)為:

ωi,t=λi,tDi,t

(8)

式(8)中:ωi,t為負(fù)荷優(yōu)先恢復(fù)系數(shù);λi,t為負(fù)荷權(quán)重;Di,t為負(fù)荷時(shí)間尺度重要系數(shù).一級負(fù)荷設(shè)置為10,其他負(fù)荷按照負(fù)荷需求設(shè)置權(quán)重.

1.2.3 可控負(fù)荷

可控負(fù)荷作為配電網(wǎng)中重要的用戶側(cè)管理資源,不僅可以提高負(fù)荷的恢復(fù)率,而且對可控負(fù)荷進(jìn)行削減,還能保證重要負(fù)荷優(yōu)先恢復(fù).可控負(fù)荷的節(jié)點(diǎn)示意圖如圖1所示.

圖1 可控負(fù)荷節(jié)點(diǎn)示意圖

文中假設(shè)二級負(fù)荷和三級負(fù)荷可作為可控負(fù)荷,在對可控負(fù)荷削減時(shí),優(yōu)先削減重要程度較低的三級負(fù)荷,在對孤島邊界可控負(fù)荷供電時(shí)優(yōu)先恢復(fù)重要程度較高的二級負(fù)荷,文中對簽訂協(xié)議的可控負(fù)荷進(jìn)行削減,其表達(dá)式如下:

(9)

2 孤島劃分

2.1 孤島劃分模型

2.1.1 目標(biāo)函數(shù)

孤島劃分模型一般是以恢復(fù)重要失電負(fù)荷的總電量為目標(biāo),孤島劃分的目標(biāo)函數(shù)如下式:

(10)

式(10)中:f為目標(biāo)函數(shù);T為故障持續(xù)時(shí)間;yi,t為恢復(fù)供電的狀態(tài),當(dāng)yi,t為1時(shí),在t時(shí)段內(nèi)恢復(fù)供電,當(dāng)yi,t為0時(shí),則在t時(shí)段內(nèi)未恢復(fù)供電.

2.1.2 約束條件

(1)功率約束

(11)

式(11)中:n為DG數(shù)量;D為孤島內(nèi)負(fù)荷節(jié)點(diǎn)數(shù)量;Pb,t為在t時(shí)段內(nèi)光儲(chǔ)或風(fēng)儲(chǔ)的聯(lián)合出力值.

(2)節(jié)點(diǎn)電壓約束

Umin≤Ui,t≤Umax

(12)

式(12)中:Umax和Umin分別為節(jié)點(diǎn)i的上下限電壓幅值.

(3)功率平衡約束

(13)

(14)

式(13)～(14)中:Pi,t和Qi,t分別為節(jié)點(diǎn)i在t時(shí)段內(nèi)有功和無功功率;n為節(jié)點(diǎn)總數(shù);Ui,t和Uj,t分別為在t時(shí)段內(nèi),支路首端和末端的電壓幅值;Gij、Bij和δij,t分別為在t時(shí)段內(nèi),支路ij的電導(dǎo)、電納和電壓相角;ΔQi,t為節(jié)點(diǎn)i的無功補(bǔ)償量.

(4)容量約束

Sij,t≤Sij,max

(15)

式(15)中:Sij,t為支路ij在t時(shí)段內(nèi)的功率;Sij,max為支路ij的允許的最大功率.

(5)配電網(wǎng)輻射狀約束

g∈G

(16)

式(16)中:g為供電恢復(fù)后的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu);G為輻射狀網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu).

2.2 孤島劃分策略

利用光儲(chǔ)和風(fēng)儲(chǔ)作為故障時(shí)刻的出力電源,對不同的故障時(shí)刻進(jìn)行動(dòng)態(tài)孤島劃分,具體步驟如下:

(1)首先,確定每個(gè)時(shí)段內(nèi)光儲(chǔ)或風(fēng)儲(chǔ)的最大出力值,并根據(jù)故障線路確定相應(yīng)的失電負(fù)荷.

(2)其次,利用廣度優(yōu)先搜所算法進(jìn)行初步劃分,以光儲(chǔ)和風(fēng)儲(chǔ)所在的節(jié)點(diǎn)為根節(jié)點(diǎn)開始,至故障支路所在節(jié)點(diǎn)結(jié)束.在劃分時(shí)保證重要負(fù)荷優(yōu)先恢復(fù).

(3)若孤島外存在未恢復(fù)的重要負(fù)荷,孤島內(nèi)存在可控負(fù)荷,對孤島內(nèi)的可控負(fù)荷按照重要等級進(jìn)行排序,優(yōu)先削減重要程度低的可控負(fù)荷.其供電原則按照孤島內(nèi)的剩余電量和可控負(fù)荷的削減量聯(lián)合出力對重要負(fù)荷恢復(fù)供電.

(4)若孤島內(nèi)沒有可控負(fù)荷,而孤島外邊界存在未恢復(fù)的可控負(fù)荷,將孤島外邊界的可控負(fù)荷按照重要等級排序,將光儲(chǔ)和風(fēng)儲(chǔ)的剩余容量按一定比例給可控負(fù)荷進(jìn)行部分電力供應(yīng).

3 故障恢復(fù)重構(gòu)

考慮孤島與重構(gòu)相配合,需調(diào)整聯(lián)絡(luò)開關(guān)狀態(tài)集.然后對剩余網(wǎng)絡(luò)進(jìn)行重新編號(hào),利用主網(wǎng)對剩余網(wǎng)絡(luò)進(jìn)行重構(gòu)恢復(fù)供電,并采用改進(jìn)的粒子群算法(IPSO)對模型進(jìn)行求解.

3.1 故障恢復(fù)重構(gòu)模型

配電網(wǎng)的故障恢復(fù)重構(gòu)首要目標(biāo)是減少重要負(fù)荷的失電量,其次是網(wǎng)損和開關(guān)操作次數(shù).文章以最小網(wǎng)損和最少開關(guān)操作次數(shù)為目標(biāo)建立目標(biāo)函數(shù):

(17)

式(17)中:T為故障持續(xù)時(shí)間;E為支路總數(shù);Ω為節(jié)點(diǎn)總數(shù);Iij為支路ij電流的平方;R為支路ij的電阻;x0為重構(gòu)前開關(guān)的初始狀態(tài),x為重構(gòu)的開關(guān)狀態(tài),閉合為1,斷開為0;a1,a2為目標(biāo)函數(shù)中的權(quán)重,按照實(shí)際需求,取a1為0.7,a2為0.3.

3.2 傳統(tǒng)粒子群算法

粒子群算法(PSO)是一種基于群體協(xié)作的智能優(yōu)化算法,其基本思想是通過種群的協(xié)作和信息共享找到種群的最優(yōu)解.假設(shè)一個(gè)種群由N個(gè)粒子組成,且在D維空間中進(jìn)行搜索,則第i個(gè)粒子速度和位置的更新公式可表示為:

(18)

(19)

3.3 改進(jìn)粒子群算法

傳統(tǒng)的粒子群算法具有收斂速度快,原理簡單,容易實(shí)現(xiàn)等優(yōu)點(diǎn).但配電網(wǎng)故障重構(gòu)是多峰優(yōu)化問題,在后期尋優(yōu)過程中易陷入局部最優(yōu),出現(xiàn)種群多樣性降低和收斂性差等問題.針對上述問題對PSO做出以下改進(jìn).

3.3.1 Sin混沌初始化種群

由于混沌映射具有遍歷性和隨機(jī)性等特點(diǎn),在初始化種群時(shí),可以利用混沌映射來增強(qiáng)初始種群的多樣性及均勻分布性,保證算法初始尋優(yōu)的精度與效率.而Sin混沌映射相比Logistic混沌映射更具有混沌特性[16].因此文章采用Sin混沌映射初始化種群,其表達(dá)式如下:

(20)

式(20)中:xn的取值范圍為[-1,1],且初始值不能0.經(jīng)過Sin混沌映射初始種群將遍布整個(gè)解空間.

3.3.2 融合收縮因子和Levy飛行策略

粒子更新過程中,主要由三個(gè)參數(shù)控制粒子的速度,即ω、c1、c2.ω大小決定原來粒子速度對當(dāng)前例子速度的影響,c1、c2則代表對自我和社會(huì)學(xué)習(xí)的認(rèn)知.c1越大粒子偏向局部搜索,c2越大則會(huì)更多的偏向全局搜索,因此需要對ω、c1、c2這三個(gè)參數(shù)進(jìn)行合理的優(yōu)化和限制.優(yōu)化后的新速度表達(dá)式如下:

(21)

式(21)中:ω為動(dòng)態(tài)自適應(yīng)權(quán)重,φ為改進(jìn)壓縮因子,ω、φ的表達(dá)式為:

ω=ωmin+(ωmax-ωmin)×exp(-3.5×(k/maxgen)2)

(22)

(23)

式(22)中:ωmin為初始慣性權(quán)重,ωmax為迭代結(jié)束時(shí)的慣性權(quán)重,maxgen為最大迭代次數(shù).

動(dòng)態(tài)自適應(yīng)慣性權(quán)重可以提高算法的計(jì)算效率,改進(jìn)收縮因子可以對學(xué)習(xí)因子部分進(jìn)行限制,保證學(xué)習(xí)因子不會(huì)過大和過小,提高算法的收斂性.然而在算法的迭代后期,粒子的搜索空間逐漸減小,容易陷入局部最優(yōu).針對以上問題在算法的后期引入Levy飛行策略,以此擴(kuò)大粒子的搜索空間.其飛行位置表達(dá)式如下:

(24)

Levy(λ)=μ|v|1/β

(25)

式(24)～(25)中:α為步長控制參數(shù),文章中取1;⊕符號(hào)表示點(diǎn)乘.式(25)為Levy飛行的近似公式,通常用Mantegna算法來模擬實(shí)現(xiàn)[17];μ和v服從正態(tài)分布,β取值為常數(shù)1.5.

3.3.3 融合柯西變異和反向?qū)W習(xí)策略

反向?qū)W習(xí)是Tizhoosh提出的一種新的方法,他是以當(dāng)前全局最優(yōu)解為基礎(chǔ),求其反向解,通過評估選擇更合適的最優(yōu)解.將反向?qū)W習(xí)引入到PSO算法中,其表達(dá)式如下:

(26)

(27)

b1=(1-k/maxgen)k

(28)

高斯變異和柯西變異是常用的兩種擾動(dòng)方式,柯西分步密度函數(shù)兩端較長,相較于高斯變異,更容易跳出局部最優(yōu)[18],故文章選擇柯西變異提高算法的全局收斂性.柯西變異的表達(dá)式如下:

(29)

cauchy(0,1)=tan(r4-0.5)π

(30)

為了提高算法的尋優(yōu)性能,將反向?qū)W習(xí)和柯西變異在一定概率Ps[19]下交替執(zhí)行.

利用貪婪規(guī)則將擾動(dòng)更新后與更新之前的全局最優(yōu)值進(jìn)行比較,通過比較新舊位置的適應(yīng)度決定是否更新目標(biāo)位置.其表達(dá)式如下:

(31)

3.4 基于改進(jìn)粒子群算法故障恢復(fù)重構(gòu)策略

圖2為基于改進(jìn)粒子群算法的故障恢復(fù)重構(gòu)的流程圖,基本步驟如下:

圖2 配電網(wǎng)故障恢復(fù)重構(gòu)流程圖

(1)在故障恢復(fù)重構(gòu)的過程中要確定可投入聯(lián)絡(luò)開關(guān)的位置,如果孤島內(nèi)邊界負(fù)荷節(jié)點(diǎn)可投入聯(lián)絡(luò)開關(guān),則將孤島內(nèi)邊界的節(jié)點(diǎn)從孤島刪除,通過主網(wǎng)恢復(fù)供電.

(2)將配電網(wǎng)的剩余非故障失電區(qū)域中的節(jié)點(diǎn)和支路進(jìn)行重新編號(hào).

(3)初始化改進(jìn)粒子群算法的基本參數(shù).

(4)利用Sin混沌初始化種群.

(5)利用式(19)、(21)進(jìn)行初始位置更新,當(dāng)粒子停留在局部迭代次數(shù)大于等于5時(shí),利用Levy飛行策略擴(kuò)大粒子的搜索空間.

(6)對全局最優(yōu)位置進(jìn)行擾動(dòng),如果r4

(7)利用貪婪規(guī)則將新舊目標(biāo)適應(yīng)度對比,確定是否要對位置更新.

(8)判斷是否達(dá)到最大迭代次數(shù),若達(dá)到條件則算法停止,輸出故障恢復(fù)結(jié)果;否則返回步驟(5).

4 算例分析

4.1 系統(tǒng)參數(shù)

文章采用圖3所示的IEEE 33配電網(wǎng)節(jié)點(diǎn)模型進(jìn)行算例仿真,該系統(tǒng)的額定電壓為12.66 KV,額定功率為3 715+j2 300 KVA,包含33個(gè)節(jié)點(diǎn),37條支路.文章中每個(gè)節(jié)點(diǎn)的負(fù)荷類型可見表1所示,每個(gè)節(jié)點(diǎn)的典型日負(fù)荷需求可見文獻(xiàn)[13].負(fù)荷優(yōu)先級和可控負(fù)荷節(jié)點(diǎn)見表2所示,考慮到負(fù)荷削減可能對可控負(fù)荷本身產(chǎn)生一定的影響,對可控負(fù)荷的削減最多占整個(gè)負(fù)荷的20%.在節(jié)點(diǎn)14接入光儲(chǔ)系統(tǒng),節(jié)點(diǎn)4、32接入風(fēng)儲(chǔ)系統(tǒng),儲(chǔ)能裝置的初始SOC為0.8,最大、最小SOC為0.95和0.25,具體參數(shù)可見表3所示.光伏和風(fēng)機(jī)的日出力曲線見圖4所示,其功率因數(shù)為0.85.

表1 節(jié)點(diǎn)負(fù)荷類型

表2 負(fù)荷優(yōu)先級和可控負(fù)荷類型

表3 光儲(chǔ)和風(fēng)儲(chǔ)系統(tǒng)參數(shù)

圖3 IEEE33節(jié)點(diǎn)配電系統(tǒng)圖

圖4 光伏和風(fēng)機(jī)日出力曲線

文章采用改進(jìn)粒子群算法對剩余配電網(wǎng)進(jìn)行恢復(fù)重構(gòu),其參數(shù)設(shè)置如下:粒子維度設(shè)為5,種群規(guī)模為30,在大迭代次數(shù)設(shè)置為100,慣性權(quán)重的最大最小值分別為0.9和0.4,學(xué)習(xí)因子為2.

4.2 仿真結(jié)果

設(shè)故障時(shí)刻發(fā)生在14∶00,故障持續(xù)時(shí)間為5 h,故障支路發(fā)生在10-11和29-30.14∶00～18∶00商業(yè)負(fù)荷需求處于高峰期,將商業(yè)負(fù)荷的時(shí)間尺度重要系數(shù)Dt設(shè)置為5,居民負(fù)荷Dt設(shè)置為1.在18∶00～19∶00時(shí)與之相反.

整個(gè)恢復(fù)過程中的14∶00～17∶00見圖5(a)所示,17∶00～18∶00見圖5(b)所示,18∶00～19∶00見圖5(c)所示,儲(chǔ)能SOC曲線變化見圖6所示.故障恢復(fù)過程中一級負(fù)荷、二級負(fù)荷全部恢復(fù),部分二級負(fù)荷通過對三級可控負(fù)荷的削減取得了優(yōu)先恢復(fù).由圖6可發(fā)現(xiàn),在14∶00～17∶00時(shí)間段內(nèi),負(fù)荷的恢復(fù)率為100%,可控負(fù)荷全部電力供應(yīng).而在17∶00～19∶00時(shí)間段,失電負(fù)荷的恢復(fù)率未達(dá)到100%.甚至18∶00～19∶00時(shí)間段內(nèi)負(fù)荷節(jié)點(diǎn)30處于完全失電狀態(tài).因?yàn)?7∶00～19∶00時(shí)間段,居民負(fù)荷需求量逐漸增大,同時(shí)光伏系統(tǒng)的出力值逐漸減小.

圖5 不同故障時(shí)間的恢復(fù)結(jié)果

圖6 儲(chǔ)能裝置的SOC變化曲線

4.2.1 不同方案下仿真結(jié)果

為了驗(yàn)證本文模型的有效性,文章采用三種不同的方案做對比,具體方案如下:

方案一：考慮風(fēng)光荷的不確定性,只對配電網(wǎng)進(jìn)行孤島劃分,不投入聯(lián)絡(luò)開關(guān),即不考慮孤島劃分和重構(gòu)之間的關(guān)系.

方案二：采用本文的故障恢復(fù)方法,不考慮不同類型負(fù)荷的時(shí)變需求,整個(gè)故障過程中的負(fù)荷取五個(gè)時(shí)段的平均值,不接入儲(chǔ)能裝置.

方案三:采用本文所提的故障恢復(fù)方法,考慮不同類型負(fù)荷的時(shí)變需求,整個(gè)故障過程中取負(fù)荷的實(shí)際出力值,儲(chǔ)能裝置根據(jù)負(fù)荷需求進(jìn)行出力.

各種方案的故障恢復(fù)結(jié)果如表4所示,方案一和方案三對比可知,文章所提故障恢復(fù)方法的負(fù)荷恢復(fù)率為98.76%,優(yōu)于方案一的95.81%.因?yàn)榉桨敢恢形赐度胂鄳?yīng)的聯(lián)絡(luò)開關(guān),未對剩余失電負(fù)荷、支路分析.方案二和方案三對比可發(fā)現(xiàn),在考慮不同類型負(fù)荷的時(shí)變需求和儲(chǔ)能優(yōu)化出力的情況下,采用文章所提故障恢復(fù)方法的負(fù)荷恢復(fù)率為98.76%,優(yōu)于方案二的93.80%,且方案三前3 h可將所有失電負(fù)荷恢復(fù),方案二中前3 h存在失電負(fù)荷.方案三優(yōu)于方案二是因?yàn)榉桨付]有考慮負(fù)荷時(shí)變需求,且沒有接入儲(chǔ)能.風(fēng)-光-儲(chǔ)聯(lián)合出力可以緩解分布式電源出力不確定性,考慮不同類型負(fù)荷的時(shí)變需求則能提高風(fēng)儲(chǔ)和光儲(chǔ)系統(tǒng)的利用率,使更多重要負(fù)荷得到恢復(fù).文章采用兩種不同的方案與方案三做對比,其結(jié)果表明方案三優(yōu)于其他兩種方案,驗(yàn)證了本文模型的有效性.

表4 不同方案下的故障恢復(fù)結(jié)果

4.2.2 不同故障恢復(fù)方法仿真結(jié)果

為了進(jìn)一步驗(yàn)證本文模型的優(yōu)越性,采用文獻(xiàn)[13]的故障恢復(fù)方法與本文所提的故障恢復(fù)方法在相同場景下做對比,設(shè)置相同的參數(shù),最大迭代次數(shù)為100,種群規(guī)模為30.其結(jié)果如表5所示.由表5可知,采用本文所提的故障恢復(fù)方法恢復(fù)的總電量為98.76%優(yōu)于文獻(xiàn)[13]的97.34%,且采用本文所提的故障恢復(fù)方法,一、二級負(fù)荷全部恢復(fù),采用文獻(xiàn)[13]的故障恢復(fù)方法,部分二級負(fù)荷處于失電狀態(tài).因?yàn)槲墨I(xiàn)[13]的孤島劃分方法可能使電量較大的負(fù)荷被切掉,沒有考慮到用戶側(cè)負(fù)荷的靈活特性.其次在考慮孤島劃分與重構(gòu)的配合時(shí),文獻(xiàn)[13]雖然確保了孤島內(nèi)供電量達(dá)到最大,但沒有充分發(fā)揮聯(lián)絡(luò)開關(guān)狀態(tài)集的作用,部分失電負(fù)荷無法通過聯(lián)絡(luò)開關(guān)恢復(fù)供電.文章所提故障恢復(fù)方法無論在負(fù)荷的恢復(fù)率還是負(fù)荷的恢復(fù)價(jià)值都優(yōu)于文獻(xiàn)[13]的故障恢復(fù)方法,證明了文章所提故障恢復(fù)方法的優(yōu)越性.

表5 不同故障恢復(fù)方法對比

4.2.3 不同算法性能對比分析

為了進(jìn)一步突出改進(jìn)粒子群算法的優(yōu)越性,利用基本粒子群算法(PSO)、粒子群-遺傳算法(GA-PSO)與改進(jìn)粒子群算法(IPSO)對比分析.為公平起見,三種算法在同一條件下運(yùn)行,最大迭代次數(shù)為100,種群規(guī)模為30,學(xué)習(xí)因子均為2,三種算法分別運(yùn)行50次,運(yùn)用MATLAB2021b版本完成仿真,以系統(tǒng)的有功網(wǎng)損最小為目標(biāo)函數(shù)進(jìn)行配電網(wǎng)重構(gòu),表6為各種算法求解時(shí)間、迭代次數(shù)、重構(gòu)后網(wǎng)損和電壓偏差的平均值.

由表6可知,IPSO算法的平均求解時(shí)間為0.38 s,優(yōu)于PSO、GA-PSO算法的平均求解時(shí)間.IPSO和GA-PSO算法相比PSO算法網(wǎng)損都得到了一定的改善,但GA-PSO算法的平均電壓偏差為1.23 pu,高于PSO和IPSO算法,且PSO和IPSO平均迭代次數(shù)均為15次,GA-PSO算法的平均迭代次數(shù)為54次,因?yàn)樵诹Ｗ用看嗡阉鬟^程中都會(huì)發(fā)生突變,導(dǎo)致迭代次數(shù)過多.采用IPSO算法重構(gòu)后配電網(wǎng)的網(wǎng)損和電壓偏差得到了一定改善,同時(shí)IPSO算法也兼顧了故障重構(gòu)過程的快速性.綜上分析文章中所提的算法(IPSO)優(yōu)于其他兩種算法,體現(xiàn)了IPSO算法的優(yōu)越性.

5 結(jié)論

本文綜合考慮風(fēng)光荷的不確定性和負(fù)荷需求特性,從孤島劃分和網(wǎng)絡(luò)重構(gòu)兩方面研究配電網(wǎng)故障恢復(fù),得到以下結(jié)論:

(1)本文構(gòu)建風(fēng)-光-儲(chǔ)聯(lián)合出力系統(tǒng),并對負(fù)荷精確劃分,能夠緩解風(fēng)光荷的不確定性對孤島劃分帶來的影響.文章充分利用可控負(fù)荷的靈活特性,不僅使得重要負(fù)荷優(yōu)先恢復(fù),同時(shí)也減少了整個(gè)恢復(fù)過程中的負(fù)荷失電量.

(2)本文將孤島劃分與網(wǎng)絡(luò)重構(gòu)技術(shù)相結(jié)合,充分利用聯(lián)絡(luò)開關(guān)狀態(tài)集,更廣域的失電負(fù)荷得到恢復(fù).

(3)本文采用IPSO對剩余區(qū)域進(jìn)行重構(gòu),進(jìn)一步恢復(fù)失電負(fù)荷,與其他算法相比,配電網(wǎng)的網(wǎng)損、電壓偏差得到了一定的改善,且兼顧了恢復(fù)過程的快速性,避免陷入局部最優(yōu).