考虑多故障不确定性的源网荷协同弹性提升方法及系统

技术领域

本发明涉及输电网弹性提升领域，尤其是涉及一种台风灾害下考虑多故障不确定性的源网荷协同弹性提升方法及系统。

背景技术

以台风为代表的小概率、高损失(high impact and low probability,HILP)极端天气事件对电力系统安全经济供电带来巨大挑战。电力系统弹性是指对HILP事件的预防、抵御、响应和恢复能力，弹性电力系统具备四个性能特征：感知力、适应力、抵抗力和恢复力，基于此，通常从电力系统源、网、荷各环节出发，采取长短期规划优化措施，减少HILP事件下系统性能下降程度、性能下降速度、弹性过程持续时间以及加快系统性能恢复速度，以提升电力系统弹性。

现有技术中，针对灾害下元件故障状态及其故障率不确定性的建模研究不足，无法有效地实现输电网的弹性提升。为适应新形势下电力系统弹性提升的需求，需要对现有的台风灾害下元件故障状态及其故障率不确定性的建模方法进行进一步研发。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够不同程度地减少线路投资以及台风灾害下最严重故障场景的停电损失，进而协调电力系统经济性和弹性提升目标的台风灾害下考虑多故障不确定性的源网荷协同弹性提升方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种考虑多故障不确定性的源网荷协同弹性提升方法，包括以下步骤：

获取输电网信息，构建台风灾害下的多类型故障概率分布不确定集；

基于分布鲁棒优化思想，构建考虑所述多类型故障概率分布不确定集的源网荷协同弹性提升模型；

基于Benders分解和列与约束生成思想，采用原始-对偶并行分解算法对所述源网荷协同弹性提升模型进行求解，获得源网荷协同规划策略。

进一步地，所述输电网信息包括电网结构数据、成本数据等。

进一步地，所述多类型故障包括最严重故障、最可能故障和连锁故障。

进一步地，所述多类型故障概率分布不确定集基于各类型故障的概率模型构建。

进一步地，所述多类型故障概率分布不确定集表示为：

其中，

进一步地，所述源网荷协同弹性提升模型以最小化线路投资与台风灾害下最恶劣多类型故障概率分布场景下运行成本期望为目标，采用的约束条件包括线路总投资约束、预防性机组组合与发电调度约束、输电线路开关操作约束以及节点功率平衡与差异化切负荷约束。

进一步地，所述源网荷协同弹性提升模型的目标函数表示为：

其中，C

进一步地，采用原始-对偶并行分解算法对所述源网荷协同弹性提升模型进行求解时，将所述源网荷协同弹性提升模型的目标函数转化为包含上、中、下三层问题的矩阵形式目标函数。

进一步地，采用原始-对偶并行分解算法对所述源网荷协同弹性提升模型进行求解的具体步骤包括：

步骤1：初始化参数，定义上界UB、下界LB、最大迭代次数和上下界间隙阈值ν，并将Bender割集合φ

步骤2：在每次迭代中，求解基于上层问题构建主问题，表示如下：

Benders对偶割集：φ

原始割集：φ

其中，y

记录主问题最优解为y

步骤3：以y

B

β≥0

其中：β是约束By

记录每种故障场景Z

步骤4：判断是否满足收敛条件，该收敛条件为UB-LB≤ν，若是，则结束，若否，则进入下一步；

步骤5：由β

进一步地，所述源网荷协同规划策略包括最恶劣多类型故障概率分布场景下的长短期弹性措施方案。

本发明还提供一种考虑多故障不确定性的源网荷协同弹性提升系统，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述考虑多故障不确定性的源网荷协同弹性提升方法的指令。

与现有技术相比，本发明具有以下有益效果：

(1)本发明通过计及台风灾害下多类型故障概率分布不确定性的元件故障不确定集，刻画了台风灾害下最严重、最可能、连锁故障三类典型故障概率分布不确定性，使所提模型更好地平衡了弹性和经济性。

(2)本发明通过协同源网荷弹性提升措施，能够不同程度地减少线路投资以及台风灾害下最严重故障场景的停电损失，进而协调电力系统经济性和弹性提升目标。

附图说明

图1为本发明的流程示意图；

图2为多类型故障理论和最恶劣概率分布对比；

图3为不同电源调节能力下开机数目和最严重故障下切负荷率期望。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

本实施例提供一种台风灾害下考虑多类型故障不确定性的源网荷协同弹性提升方法，如图1所示，该方法包括以下步骤：

S1、构建多类型故障概率分布不确定集，以刻画台风灾害下最严重、最可能、连锁故障三类典型故障的概率分布不确定性。

本实施例中，多类型故障概率分布不确定集的构建分三步，包括：

(1)计算元件理论故障率。采用经典台风模拟模型Batts模型进行台风模拟，台风会对架空线路、杆塔等元件造成破坏，本实施例以架空线路为台风灾害下典型被破坏元件，以台风灾害下线路脆弱性曲线计算线路理论故障率。

(2)搜索台风灾害下多类型故障场景。

本实施例考虑台风灾害下三种故障类型：最严重故障、最可能故障、连锁故障，每种故障类型都可计及N-K回线路故障。

1)最严重故障建模

最严重N-K故障采用基于鲁棒优化的攻击-防御-攻击(defense-attack-defense,DAD)模型搜索，不考虑额外源网荷弹性提升措施，如公式(1)-(2)。

式中，p

其中，R

然后，构建基于脆弱性曲线的线路理论故障率模型，如式(4)～(5)所示：

其中，

最后，构建单个、多个元件故障场景概率计算模型，以单元件、双元件为例，其概率计算公式如式(6)所示：

其中，Z

2)最可能故障建模

最可能N-K故障，按照N-K要求，组合成N

3)连锁故障建模

连锁故障集的构建分两步。首先，选取N

式中，

(3)构建多类型故障概率分布不确定集。

台风及元件老化状态无法精准预测，导致线路理论故障率和实际故障率存在偏差，因而前述每种故障场景的实际概率存在不确定性，采取公式(8)对其进行刻画。

其中，

S2、基于分布鲁棒优化思想，提出了长短期结合、源网荷协同的分布鲁棒弹性提升模型。

在基于上述步骤得到的多类型故障概率分布不确定集的基础上，构建台风灾害下考虑多类型故障不确定性的源网荷协同弹性提升模型：在长期措施方面，通过输电网扩展规划，增加输电网架冗余度，对台风灾害进行预防。在短期措施方面，电源侧，考虑不同调节性能机组的预防性机组组合和灾中再调度；电网侧，考虑可开断线路的最优开关操作，源网协同发挥发输电系统的灵活调节能力；负荷侧，考虑不同节点本身重要性及其接入负荷重要性差异，优先保供重要负荷，以差异化切负荷方式最大程度协调弹性和经济性目标。基于分布鲁棒优化思想，以最小化线路投资与台风灾害下最恶劣多类型故障概率分布场景下运行成本期望为目标，提出三层优化模型，用上层和下层问题，决策出能抵御中层寻找的最恶劣故障概率分布的长短期弹性措施方案，模型目标如式(10)～(11)所示。

其中，C

本实施例源网荷协同弹性提升模型的约束条件包括线路总投资约束、预防性机组组合与发电调度约束、输电线路开关操作约束以及节点功率平衡与差异化切负荷约束。

(1)线路总投资约束

x

其中：Π

(2)预防性机组组合与发电调度约束

式中：

(3)输电线路开关操作约束

-(2-z

其中：v

(4)节点功率平衡与差异化切负荷约束

其中：D

S3、结合模型数学结构特征，基于Benders分解和列与约束生成思想，设计原始-对偶并行分解算法完成模型求解。

将所提源网荷弹性提升措施模型写为矩阵形式，目标函数为：

其中，y

上层问题可行域

其中，A为y

中层问题可行域即集合

Ep≤f (35)

其中p由p

下层问题可行域

By

其中，B为y

式中：C(y

参考列与约束生成和Benders分解思想，设计原始-对偶并行分解算法完成模型求解，步骤如下：

步骤1：初始化参数，上界(upper bound,UB)，下界(lower bound,LB)，最大迭代次数M

步骤2：对于m＝1,...,M

Benders对偶割集：φ

原始割集：φ

其中，p为实际的故障概率；τ和α分别为中层问题的对偶乘子。

记录主问题最优解为y

步骤3：求解由中下层问题经对偶变换后构成的子问题。以y

B

β≥0

其中：β是约束By

步骤4：收敛条件判断。若UB-LB≤ν，则算法收敛，否则进入下一步。

步骤5：Benders对偶割与原始割生成。由β

α≥(d-C(y

由子问题目标函数及可行域生成原始割，加入φ

By

所提模型主问题是混合整数线性规划问题，可以直接用商业求解器求解。

为验证上述方法的有效性，本实施例以IEEE 30节点为例进行算例分析，该系统含有8个发电机、41回已有线路以及41回点选线路。相关规划参数设置如下：

理论脆弱性曲线参数中，w

本实施例采用的经济性指标是年均线路投资、年均台风灾害期发电成本；技术指标，即弹性评价指标是台风灾害下最恶劣故障概率分布场景的停电量期望成本(worst-case expected load-shedding cost,WELC)，公式如下：

其中，

设置4组算例C1～C4，以体现所提故障不确定集合的优势。C1、C2、C4包含最严重、最可能、连锁故障三类各5个，共15个故障场景，在实际计算中，可能出现不同类型故障重合情况，重合的故障仅保留在一种类别中，未保留的故障类型继续搜索下一个故障场景。C1按N-3、C2～C3按N-4故障等级，所提模型另一优势是能同时考虑多个不同等级N-k故障，为此，设计算例C4，每类故障含2个N-3、3个N-4场景，总计15个故障场景。C3采取经典的DAD模型，此外，元件故障不确定集合中，单个故障场景实际与理论概率波动为±20％，故障场景概率分布总偏差取0.15。

以C2为例，搜索出三类15个故障见表1，理论概率分布和求取的实际最恶劣概率分布如图2，C1～C4的计算结果对比见表2。图2可见，最严重故障概率分布场景具有以下特征：故障场景6-10(即最严重的故障)实际概率较理论概率增幅均在15％以上，最可能的以及连锁故障场景中，故障场景4～5、13～15实际概率明显下降，这几个场景下系统切负荷损失较小，因而被赋予了较小的发生概率。表2可见，故障等级从N-3提升到N-4，需新增线路2回，且WELC增加，即弹性提升模型保守性增加，而N-3与N-4综合故障集(C4)的总投资介于单独考虑N-3和N-4之间。此外，与DAD模型(C3)相比，所提模型的新增线路少4回，WELC少近1000万，表明所提多类型故障不确定集合相较传统N-K不确定集同时提升了弹性及经济性。

表1多类型故障理论和最恶劣概率分布对比

表2不同元件故障不确定集下模型结果对比

N-4故障等级下，设置3组算例C5～C7与C2源网荷协同模型对比，结果见表3。

C5：源网协同，不考虑差异化切负荷，即各节点切负荷成本一样，重要负荷比例为0。

C6：源荷协同，不扩展规划和结构优化。

C7：网荷协同，不考虑预防性机组组合，灾前保持常规机组开机方式。

表3可见，对于该系统，源荷协同的弹性提升效果最差，原因在于，该系统装机和负荷紧平衡，且此台风路线对网络薄弱环节破坏严重(导致大容量发电机和大负荷节点孤岛，如16,23节点)，因而网络侧的弹性提升措施，尤其是长期的扩展规划措施对系统弹性提升意义最大。源网协同弹性提升效果第二差，虽然此时线路投资与C2对比基本不变，但是由于忽略了负荷差异性，源网协同会切除部分重要负荷，切负荷成本较源网荷协同高近700万。网荷协同弹性提升效果仅次于源网荷协同，WELC差异不大，但经济性较差，需多投资两回线路，以保障常规开机方式在灾害下也能较好保供负荷。

表3不同源网荷协同场景结果对比

表4不同机组参数下弹性输电网规划结果

电源侧，为计及不同调节能力机组的弹性提升效果，改变机组最小出力水平和机组最小持续开/停机时间，设置2组算例C8～C9：最小出力为装机40％，最小出力为25％装机(与C2相同)但所有慢机最小持续开/停机时间增加1小时；电网侧，保持输网规划约束不变，考察结构优化效果，设置2组算例C10～C11：最大开断0、3回线路的规划方案，与C2规划方案(最大开断6回)对比；负荷侧，考虑到已计算无差异化切负荷场景，设置算例C12各节点10％重要负荷。C8～C12结果见表4，结论如下：

1)机组最小启停时间/最小出力水平增加，均导致投资成本及WELC增加，即系统经济性及弹性变差，此外，从图3可见，系统切负荷期望在1-3小时和20-22小时较大。前者是机组灵活调节能力制约导致，因为系统负荷在1-4小时迅速降低，限制了机组开机数，但在4-6小时负荷迅速升高，此时机组出力下限较高，或者启停时间较长则难以及时保供负荷；后者是峰荷时段严重故障导致供电缺口，3组算例均较显著切负荷。

2)随着最大可开断线路数增加，新增线路投资减小。与最大可开断3回线相比，最大可开断6回线的WELC增加了80万元，增幅7％，但是线路投资减小了2800万元，降幅20％，表明通过结构优化提升弹性具有较好的投入产出比。

3)对于差异化切负荷措施，该系统各节点有10％或20％重要负荷，不影响源网荷协同弹性提升结果，主要系考虑差异化切负荷后，故障导致各节点切负荷量均在80％以下，无论是10％/20％比例，均不会切除重要负荷。

实施例2

本发明还提供了一种台风灾害下考虑多类型故障不确定性的源网荷协同弹提升模型及系统，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如实施例1所述的台风灾害下考虑多类型故障不确定性的源网荷协同弹提升模型的指令。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。