多故障抢修下的应急电源车优化调度.pdf

-67-CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024中国科技信息 2024 年第 3 期两星推荐随着社会经济的持续发展和科学技术的进步，现代化的配电系统正在朝着大型化、复杂化的方向发展，虽然这可以在最大限度上满足人们生产生活需求，但同时也大大提升了配电网发生故障的概率。在配电网发生故障时，备用电源、分布式电源等都可以为故障点提供临时用电需求，但由于这些设备大都是不确定性电源，在实际使用过程中难免有些不便，而应急电源车作为一种具有机动性强、安全性高等诸多优点的设备，在现代化配电网故障抢修中所扮演的角色也越来越为重要。但从另一方面来看，当前我国电网系统中所配置的应急电源车还存在着数量较少、配置较低的缺点，无法完全满足配电网故障的抢修工作，在这种情况下，针对应急电源车进行升级改造就成为当下配电网故障抢修研究中的一个重要命题。为此，国内外专家学者针对配电网故障抢修下的应急电源车调度问题进行了深入研究。例如，Caldon R（2008）等人针对分布式电力系统中的应急电源车自适应孤岛化运行可行性进行了研究。卢志刚（2018）等人就针对冰灾下的分布式三段抢修模型进行了优化研究，并对应急电源车在配电网抢修中的作用进行了介绍，但文章只是对应急电源车进行了单次调度，因此也无法体现出应急电源车所具有的机动灵活特点。区伟健（2015）在对分布式配电系统应急电源车调度研究过程中引入了时间分级策略，以求在最大程度上降低成本费用和资源的浪费，并应用禁忌搜索算法来对模型进行了求解。从整体上来看，当前阶段国内外学者针对应急电源车优化调度方面的研究大都集中在单次调度方面，而针对配电网多故障下的应急电源车优化调度研究则较少。因此本文就针对多故障抢修下的应急电源车优化调度模型进行了深入研究。不确定性电源随着全球气候变暖的加剧，人们对传统化石能源的依赖逐渐减弱，而可再生能源在全球能源结构中的比重不断增加。风能、太阳能等可再生能源因其输出电力的不稳定性而成为不确定性电源的代表。这些电源的发电量受天气条件影响，因此输出具有一定的不确定性。在这种情况下，对于不确定性电源的管理变得愈发重要。不确定性电源接入电网后，由于其随机性特点，会给电网调度过程带来多种不确定性因素。风电和光伏电的出力波动范围是其中的重要之一。在实际应急抢修过程中，这些不确定性因素会进一步增加，使得应急电源车的调度和利用效行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度多故障抢修下的应急电源车优化调度樊子晖 姜 晖樊子晖1 姜 晖21.上海电力大学经济与管理学院2.国网上海市电力公司嘉定供电公司樊子晖（1992），上海，本科，工程师，研究方向：配网不停电作业及应急电力保障。中国科技信息 2024 年第 3 期CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024-68-两星推荐率面临更大的挑战。因此，针对不确定性电源接入电网后的应急电源车优化调度过程，需要充分考虑各种影响因素，并采取相应措施以提升其利用效率。首先，对于风电和光伏电的波动范围，可以通过数据分析和模型预测等手段进行充分评估，以便更准确地把握它们的不确定性特点。其次，针对多故障抢修下的应急电源车利用效率，可以考虑制定应急响应计划，明确各种故障情况下的调度流程和优先级，从而在第一时间内做出有效应对。此外，利用先进的信息技术和智能算法，可以对电网的运行情况进行实时监测和分析，以更快速地响应不确定性电源的波动，并据此调整应急电源车的部署方案。同时，加强应急电源车的设备维护和技术培训，提高其响应速度和应对能力，也是提升利用效率的重要途径。综上所述，针对不确定性电源接入电网后的应急电源车优化调度过程，需要综合考虑各种不确定性因素，采取多种手段提升应急响应能力和利用效率，从而更好地保障电网的稳定运行和可靠供电。为此，本文在上述基础上给出了风电和光伏电出力的波动范围，同时充分考虑不确定性电源接网后应急电源车优化调度过程影响因素，以提升多故障抢修下的应急电源车利用效率。应急电源车优化调度模型鲁棒调度模型在配电系统出现故障时，风电、光伏电等具有不确定性的电源在一定条件下会进行解列，以孤岛模式运行并为失电负荷提供电力。在条件允许的情况下，将这些具有不确定性的电源与配电网重新连接。如果这些电源的输出功率大于孤岛内失电负荷的容量，那么就可以将这些不确定性电源接入配电网，以吸收多余的电量。在配电网正常运行时，如遇用电高峰期，不确定性电源的输出功率可能无法满足需求。此时，如果配电网的供电能力不足，可以鼓励各类不确定性电源向配电网反向充电，以提升配电网的供电能力。这种反向充电的方式可以有效地利用这些不确定性电源的发电能力，提高电力系统的运行效率。另外，如果配电网的供电能力充足但用电需求不足时，也可以通过将不确定性电源接入配电网的方式来消纳多余的电量。这样不仅能够有效地利用这些不确定性电源的发电能力，还能减少电力系统的损耗，提高电力系统的运行效率。考虑到在对配电网故障进行抢修时，应急电源车的数量以及容量有限，因此需要在对故障进行抢修过程中应做到对应急电源车的科学、合理分配，从而在最短时间内解决故障问题，将停电所带来的损失降至最低。本文就以最小损失和最短抢修时间为目标建立起了应急电源车调度模型，其函数表达式如下：)(),()(min21XfXfXF=式中，X 为应急电源车调度策略，f1（X）为配电网故障所造成的损失，而 f2（X）为配电网故障抢修所用时间。其中配电网故障所造成损失 f1（X）的计算公式为：j ij ikkkkkkitxtTxT+=11)(式中，Tk为抢修第 k 个配电网故障点所需时间；k 为配电网故障数量；tk为在对多个故障点进行抢修过程中抢修人员在路程上花费的时间；xji为决定应急电源车调度的决策变量；tji为第 j 个供电所到第 i 个负荷所花费的时间。配电网故障抢修所用时间 f2（X）的计算公式为：)()(12kkkktTXf+=式中，Tk为抢修第 k 个配电网故障点所需时间；k 为配电网故障数量；tk为在对多个故障点进行抢修过程中抢修人员在路程上花费的时间。为了对上述构建起来的不确定性电源模型进行求解，本文采用 Latin Hypercube Sampling 生成模型场景，这是一种多元参数分布中的近似随机抽样方法，具有有效减少样本数量，同时保持较好精度的特征，其具体模型为：=HhiiHhiixfHxExfHxE122111),(1),(),(1),(调度模型约束条件鲁棒模型的约束条件通常包括模型参数的不确定性。这种不确定性可以是由于测量误差、模型近似或其他来源引起的。鲁棒模型的目标是在这些不确定性存在的情况下，使模型的性能尽可能稳定。为此，鲁棒模型的约束条件常被设计为对不确定性具有一定的容忍度或鲁棒性。本文给出的约束条件主要为网络拓扑辐射状约束、节点电压约束、分布式电源出力约束以及发电车约束等。（1）网络拓扑辐射状约束在对配电网故障进行抢修过程中需要注意的是，应时刻保持配电网络为拓扑结构，应满足 gm GM，其中 gm为故障被排除后恢复正常供电的配电网区域网络结构，而 GM为确保辐射状拓扑结构集合。（2）节点电压约束在对配电网故障进行抢修之后，还需保证配电网络中的节点电压保持在允许误差范围之内，即应满足：Umin U Umax，其中 Umin为配电网中节点电压的下限，Umax为节点电压的上限。（3）分布式电源出力约束在对配电网故障进行抢修之后，配电网络还应满足风电、光伏电等分布式电源的出力约束，即：Pmin Pc Pmax，其中 Pc为分布式电源出力，Pmax为分布式电源出力上限，Pmin为分布式电源出力下限。（4）发电车约束在对配电网故障进行抢修时，对发电车进行约束即是为容量匹配重要负荷供电的过程，应满足 Pik Pi，其中 Pik是应急电源车为第 i 个负荷提供的电量，Pi为第 i 个负荷的缺电量。基于细菌种群的算法求解细菌种群算法概述细菌种群算法是一种启发式优化算法，它模拟了细菌在-69-CHINA SCIENCE AND TECHNOLOGY INFORMATION Feb.2024中国科技信息 2024 年第 3 期两星推荐自然环境中的繁殖、竞争和进化过程。算法中的每个细菌代表问题的一个潜在解，通过模拟细菌的繁殖、变异和死亡等操作，实现解的更新和优化。细菌种群算法的优点包括：具有全局搜索能力，能够跳出局部最优解；对初始解的要求不高，能够通过迭代找到较好的解；算法易于实现，且具有较强的鲁棒性。细菌种群算法的基本步骤如下：（1）初始化：随机生成一定数量的细菌，每个细菌代表问题的一个初始解。（2）适应度评估：根据问题的目标函数，计算每个细菌的适应度。（3）选择：根据适应度的大小，选择一部分细菌进入下一代。（4）繁殖：通过交叉和变异操作，生成新的细菌。（5）更新：用新生成的细菌替换适应度较低的旧细菌。（6）终止条件：如果满足终止条件（如达到最大迭代次数或找到满足精度要求的解），则停止算法，否则返回步骤（2）。细菌种群初始化在配电网络出现故障停电之后，应急电源车作为故障抢修过程中的一个重要负荷将会用于应急供电，此时网络负载会重新恢复供电，这在一定程度上降低了电网负载因故障而需要抢修的紧迫性。且在抢修的过程中，待故障被修复之后会对负荷进行重新供电，但考虑到在实际故障抢修过程中，由于需要抢修的故障和时间段不同，因此所派遣的应急电源车失电负荷数也是不同的。所以要想进行细菌种群的初始化，还需要对不同时间段下的同一负荷进行独立编码。在此本文设定配电网络中共计有k个故障，失电负荷为l，对其进行初始化建立起)(lkk+矩阵，确保符合孤岛侧优先进行供电限制，然后随机生成配电网故障抢修的逻辑顺序，最终经过计算和优化得到确定的应急电源车调度顺序。然后再将该应急电源车调度顺序代入至细菌种群算法之内。对配电网故障抢修顺序用Q来表示，应急电源车的编码用x来表示，得到如下的编码顺序：ekxxxQQQ,.,&,.,2121式中，Q 为配电网故障的抢修顺序，k 为配电网中出现故障的数量，x为应急电源车的调度策略，e为失电荷的总量。在实际的故障抢修过程中，应急电源车主要用于对配电网络中的重要负荷进行供电，由于现场情况较为复杂，供电情况一直处于变化之中，因此故障抢修顺序也会发生改变，相应的应急电源车调度顺序也会发生改变，对此，可以优先将应急电源车调度顺序存入至细菌之中。采用这种方法来对细菌种群进行编码，直至生成的细菌数量满足要求，该方案集即为初始种群。应急电源车优化调度模型仿真分析在对应急电源车优化调度模型进行仿真分析之前，本文首先对配电网 69 节点母线系统为例，对配电网络图进行了编号，将负荷和发生故障处作为节点。统计出共有 11 处节点发生故障，造成 31 处负荷失电，设定细菌种群规模为80，迭代次数为 200 次，细菌种群的初始精度为 2，最终精度为 10-6，采用 Latin Hypercube Sampling 随机抽取采样场景数 150，在此基础之上对采样场景进行削减，最终得出目标场景数为 15 个，即得到一个 1513 的矩阵。然后给出对应的权重系数，排列出配电网负荷在失电情况下的紧急度。然后本文选取不考虑不确定性电源出力情况下的配电网抢修应急电源车调度和考虑不确定性电源出力情况下的情景进行比较分析，两种情景下的应急电源车调度方案如表 1 和表 2 所示。表 1 不考虑不确定性电源出力应急车调度顺序供电所抢修顺序A（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）（11）（12）（13）B（1）（4）（7）（10）（13）表 2 考虑不确定性电源出力应急车调度顺序供电所抢修顺序A（1）（4）（2）（7）（9）（8）（10）（13）（3）（5）（6）（11）（12）B（1）（4）（7）（10）（13）通过对表中应急电源车的调度顺序进行比对可以看出，风电、光伏电等不确定性电源的出力情况会对应急电源车的调度方案产生影响，但同时由于故障抢修方案是由近电源侧向着远电源侧开展的，因此整体上来看对于故障抢修的顺序影响并不大。由此可以看出，本文所构建起来的多故障下的应急电源车调度优化模型不仅可以得到最佳的故障抢修方案，同时也能够将对故障抢修所造成的影响降至最低，能够有效降低因配电网故障而造成的损失。结语综上所述，本文采用细菌种群算法构建起了多故障抢修下的应急电源车调度模型，并采用仿真算例分析了其效果。实验结果表明，本文所构建起来的多故障下的应急电源车调度优化模型不仅可以得到最佳的故障抢修方案，同时也能够将对故障抢修所造成的影响降至最低，能够有效降低因配电网故障而造成的损失。